要点
- Palantir 将自己定位为复杂决策的操作系统，将数据、合规规则和业务逻辑嵌入一个称为本体的共享模型中，让 AIG 和克利夫兰诊所这样的公司能够更快地应对关税等冲击。
- Palantir 的前沿部署工程模式是从一线现场反向驱动产品开发，而不是从工程总部出发，现场工程师需要与产品团队连夜迭代，并在几天内发布新版本。
- Krishnaswamy 认为，企业采用 AI 需要渐进式自动化，从 10% 的置信度开始，而不是追求完全自主；脱离与实际业务流程挂钩的工作流专项单元测试，通用基准测试毫无用处。
摘要
阅读完整访谈记录 →
Akshay Krishnaswamy 是 Palantir 的首席架构师，在公司任职已超过 12.5 年。他认为，理解 Palantir 的最佳方式是将其视为一个复杂决策的操作系统——这个系统从反恐和战场情报起步，逐步演进到 AIG、克利夫兰诊所、General Mills 和 Airbus 等公司的商业工作流中。
Palantir 到底在构建什么
公司的核心是一个共享的世界模型——Palantir 称之为本体——它不仅映射数据对象，还映射用户可以执行的操作、约束这些操作的合规规则，以及控制状态变更的业务逻辑。Krishnaswamy 将其描述为业务流程的数字孪生，而不仅仅是资产的孪生。在实际应用中，这意味着克利夫兰诊所和 HCA 的护士排班、AIG 的承保自动化（Alex Karp 和 Anthropic 的 Dario Amodei 曾与该公司 CEO 同台亮相），以及 General Mills 和 Tyson 的供应链导航。
关税冲击为 Palantir 创造了直接的销售契机。那些同时运行多套 ERP、MES 和 PLM 系统的公司——每套系统对运营的建模方式都略有不同——发现这些系统在需要快速响应时过于僵化。Palantir 的卖点与其说是“我们会解决你的关税问题”，不如说是“我们会给你一个驾驶舱，让你在环境变化时从容导航”。
“我们始终关注的是，如何帮助处于运营环境中的人做出更好的决策……第一位前沿部署工程师就是 Shyam Sankar，对吧？他是我们的 CTO，整个组织基本上是围绕‘一线至上’的理念构建的……克利夫兰诊所、HCA、Tampa General——他们谈的是护士排班，有意思的地方在于，护士排班员这样的人类用户与 AI 之间形成了协作，AI 能够真正在这些场景中发挥作用。”
前沿部署工程
Krishnaswamy 直言，前沿部署模式被广泛误解了。最早的前沿部署工程师是 Shyam Sankar，也就是如今 Palantir 的 CTO，而且这一模式是一种组织形态，而不只是一个职位头衔。一线现场具有优先地位——它决定要构建什么——并且身处一线的工程师被要求在晚上与产品团队沟通，然后在两天后带着新版本回来。把这种模式当作美化版的售前工程，就完全错失了要点：整个产品开发流程是从一线由前至后运转的，而不是从帕洛阿尔托一个享有特权的工程核心出发。Krishnaswamy 也承认，只有当问题领域足够复杂、值得这样做时，这种模式才有意义。
一个由 Palantir 校友创办专门咨询公司的合作伙伴生态正在兴起，不过 Krishnaswamy 将其描述为较新且规模较小的群体。他认为，创业公司真正的杠杆在于直接基于 Foundry 和 AIP 进行构建——把数据集成、本体、工作流工具和 SDK 作为起点，而不是针对某家超大规模云厂商从零重建。在本次访谈前三周，Palantir 举办了第二届开发者大会，并在本期节目播出前不久宣布了新的创业公司批次。
企业中的 Agent
谈到 Agentic AI，Krishnaswamy 持乐观态度，但对“一键翻转”的说法持怀疑态度——即企业只需开启自主 AI 并信任其结果。他的观点是，Agent 需要以渐进的方式引入现有工作流，从 10% 的自动化起步，随着信心增强逐步上调。他用的类比是培训实习生：循序渐进地提升，而不是突然放手。Palantir 看到真正起势的工作流——护士排班、承保、供应链——都具有相同的结构：人类用户和 AI 在同一情境中运作，并配有护栏，使系统的行为可衡量、可审计。
关于模型选择，Krishnaswamy 认为，像 MMLU 或 LM Arena 这类通用基准不足以支撑企业使用。正确的评测是针对具体工作流的单元测试——即与业务流程绑定的真实现场测试，无论是 AIG 的承保工作流，还是医院的排班决策。无法在自身具体运营情境中衡量 AI 表现的企业，也就无法控制或改进它。
DeepSeek 与模型风险
Krishnaswamy 并不认为“满洲候选人”情景——即一个带有隐藏行为、在美国国防部网络内部被激活的外国模型——纯属虚构。他的论点基于复合风险：对大型模型的机制可解释性研究仍然有限，因此即使是一个无恶意的 DeepSeek 模型也无法被完全理解。再加上中国政府对本国 AI 公司拥有的法律管辖权，其风险状况之高，足以让任何美国政府客户都不应承担这种风险。他更倾向于的思路是保持一整套全栈选项——专有商业模型、Llama 等西方开源模型——这样美国就永远不会被迫依赖来自竞争对手政权的外国模型。Palantir 在设计上就是模型无关的，Krishnaswamy 认为这是一种优势而非缺陷。
来自商业客户的安全需求
企业安全意识的提升已远远超出受 ITAR 监管的行业。Krishnaswamy 表示，针对知名美国公司的威胁态势正在加剧，安全已不再仅仅是 CISO（首席信息安全官）关注的问题——它已经上升到 CEO 和董事会层面。那些正在构建下一代 AI 赋能运营的公司希望得到保证：他们所构建的基础无需推倒重来，鉴于上一代企业软件的经验教训，这一点尤为重要。
在 Palantir 工作满 12.5 年之际，Krishnaswamy 对公司所处地位的判断是：公司仍处于起步阶段——客户更多、领域更广，以及一个几年前还不存在的开发者生态系统。
每一笔交易，每一次访谈。只需 5 分钟。
TBPN Digest 在每个工作日为您汇总 TBPN 最新的融资动态、访谈和技术新闻。