Palantir不是一家AI公司，但它比谁都更懂AI的生意 Palantir成立于2003年，名字取自《魔戒》中的‘真知晶球’——一枚能洞察远方、却也易致误判的魔法石。这个隐喻精准概括了它的本质：技术锋利，边界模糊；能力真实，争议如影随形。 它不卖API，不按Token计费，也不开源模型。它的产品是Gotham（面向政府）和Foundry（面向企业），核心任务只有一个：把散落在几十个系统、上百种格式里的混乱数据，变成可操作的情报或决策依据。这背后没有通用大模型，只有一套高度定制化的‘本体论’数据图谱——由人类工程师逐字段梳理、标注、关联，耗时数周甚至数月。 这种模式笨重、昂贵、不可复制，但也因此牢不可破。直到大语言模型出现。 当GPT开始读PDF、解析邮件、理解日志，Palantir的护城河在溶解 大模型不需要人工建模，就能直接消化非结构化数据。一份扫描版合同、一段语音转文字的会议记录、一张带表格的截图——过去要三名工程师协作两周才能入库分析的内容，现在模型几分钟内就能提取关键实体、识别关系、生成摘要。 这不是功能替代，而是范式迁移。Palantir靠‘人+规则+时间’构建的数据权威，正在被‘模型+上下文+算力’快速稀释。 更致命的是，模型公司正从‘水电供应商’转向‘隔壁开厂’。Anthropic与Figma曾是深度合作伙伴，随后Anthropic突然推出Claude Design，直击Figma核心业务；类似路径，完全可能复刻在数据治理、供应链优化、情报研判等Palantir主战场。 卡普不是在抱怨同行太卷，而是在警告：当你的工具开始学习你怎么做事，并悄悄模仿你怎么做生意，那你就不再是客户，而是训练数据与待替代标的。 卡普的矛头，从来不是技术，而是价值分配权 他在CNBC镜头前质问：‘如果AI真能帮企业挖到黄金，为什么它不按黄金分成，而只按铲子（Token）收费？’ 这句话刺穿了当前大模型商业模式的软肋——它把AI定位为成本中心，而非价值主体。企业付钱买算力，却要自己承担应用落地的风险、数据整合的成本、结果验证的责任。 Palantir则相反：它收高额项目费，但交付的是‘已校准的作战面板’或‘可执行的调度方案’。客户不用懂数据湖怎么搭，也不用调参，只需看结果、做决策。 这种端到端的价值闭环，正在被大模型中间层应用悄然侵蚀。一旦某家创业公司用开源模型+行业知识库+低代码界面，做出一个价格只有Palantir十分之一、交付周期缩短80%的竞品，定价权就不再属于谁更懂数据，而属于谁更懂场景、更敢承诺结果。 真正的战场不在代码里，而在董事会会议室 卡普真正动摇的，不是OpenAI的估值，而是企业CIO们的信任逻辑。 他反复强调：‘你的AI供应商正在学习如何取代你。’这不是危言耸听。当摩根大通把十年财报喂给模型微调风控策略，当辉瑞上传全部临床试验报告训练药物发现助手，这些行为本身就在加速模型对行业Know-how的逆向解构。 数据是新时代的石油，但石油不会自己建炼油厂。而今天的大模型公司，正一边收过路费，一边悄悄测绘你的管线、抄录你的工艺手册、记录你的决策链路。 这不是技术伦理问题，而是商业主权问题——企业是否还保有对自身核心生产逻辑的解释权与控制权？ 从‘模型崇拜’到‘价值落地’，AI正站在分水岭上 卡普的言论之所以引发共振，是因为他说出了许多企业未敢明言的焦虑：我们投入巨资引入AI，究竟是提升了能力，还是让渡了能力？ 行业正在悄然转向。模型性能趋于收敛，真正拉开差距的，是能否在特定流程中嵌入确定性输出、能否绑定业务KPI、能否承担结果责任。这正是Palantir过去二十年所深耕的领域。 接下来的竞争，不会再围绕‘谁的参数更多’展开，而会聚焦于‘谁的输出更可信’‘谁的集成更轻量’‘谁的商业条款更对齐’。 卡普未必能赢下这场战争，但他成功地把一个问题钉在了所有人的桌面上：当AI成为基础设施，谁来定义基础设施之上的产权、责任与回报？