专栏 · AI 时代的产品经理 › 第 212 期 · AI 前沿 · 收录于 2026 年 9 月 14 日
万物皆 Palantir 化——Marc Andrusko(a16z)
TL;DR · 三句话
- 一Palantir 是「一类一家」——一体化平台、精英驻场工程师、关键任务政府/国防环境三件事同时拔尖，估值达明年营收 77 倍；而满街喊「我们是 X 领域的 Palantir」的创业公司大多只抄到驻场这层皮，最后会沦为顶着软件估值的昂贵服务生意，用作者的话说是「前端更漂亮的 X 领域的 Accenture」。→ 详细
- 二真正能移植的不是「派工程师上门」，而是底下那一小套可复用原语（统一数据模型与权限层、通用工作流引擎与 UI 原语、能配置就不写代码）：把前置部署当限时脚手架（90 天冲刺上线、每 100 万美元 ARR 限配工程师、每季度把定制代码回收成模板），让 FDE 长在产品组织里而不是专业服务部门，并对毛利结构说实话。→ 详细
- 三要不要「Palantir 化」先过四道门槛——问题关键度、客户集中度、领域碎片度、监管与数据引力；多数品类会栽在四种失败模式上（问题不够关键、客户太碎、人才模式无法规模化、经济模型悄然沦为服务），创始人该问的是「最少需要多少前置部署来跨过本品类的 AI 落地鸿沟，又能多快把它转成真正的平台业务」。→ 详细
01
路演新口头禅「我们就是 X 领域的 Palantir」：诱人在哪，作者为何不买账
- 路演材料里流行一句 "We're basically Palantir, but for X"：把 FDE（forward-deployed engineer，前置部署工程师——常驻客户现场、边摸业务边写代码交付） 嵌进客户、做深度定制工作流，「更像特种部队而非传统软件公司」。这套 Palantir 在 2010 年代初开创的模式正被争相效仿，今年（文中指 2025 年）FDE 招聘数「涨了百分之几百」。诱人在于：企业被「什么都自称 AI」搞得无所适从，而「派小团队空降混乱环境、打通各自为政的自研系统、几个月交付能用的定制平台」，对想拿下头几笔七位数订单的创业公司是极有分量的承诺。→ 详细
- 作者（a16z 合伙人 Marc Andrusko）怀疑它能普适：Palantir 是 "category of one"（自成一类，「看看它怎么交易的就知道了！」），多数只学到外在风格的公司正把自己变成「顶着软件估值倍数、却没有复利竞争优势的昂贵服务生意」——就像 2010 年代人人自称「平台」，真平台寥寥无几。本文要拆开哪些可移植、哪些是它独有的，给「企业软件 + 高接触交付」的创始人一份务实蓝图。→ 详细
02
「Palantir 化」的四层含义，以及它凭什么「一类一家」
- ① 前置部署、嵌入式工程：FDE（内部行话「Delta」「Echo」）常驻客户组织、往往一待几个月，理解领域背景、缝合各系统、在 Foundry（高安全场景用 Gotham）上交付定制工作流；因为固定费用定价，不存在传统意义的 SKU（可单独标价售卖的标准产品单元），能力由工程师构建并持续维护。FDE 岗位本身见 ep106。→ 详细
- ② 高度有主见（opinionated）的一体化平台：不是松散组件拼成的工具包，而是面向数据集成、治理、运营分析的有主见平台，「更接近一个组织的数据操作系统」，目标是「把碎片化的数据转化为实时、高置信度的决策」。「有主见」即平台替你预设好数据怎么组织、流程怎么走，而不是丢一箱乐高让你自己拼。→ 详细
- ③ 大客户、高接触的 GTM（go-to-market，卖给谁、怎么卖）：长销售周期打进国防、警务、情报等关键任务场景，监管复杂与利害重大「是特性，而不是缺陷」；④ 卖成果而非许可证：与成果挂钩的多年期合同，软件、服务、持续优化融为一体，单项目每年可达数千万美元。→ 详细
- 「一类一家」的判据：Palantir 同时在 (a) 一体化产品平台、(b) 精英工程师嵌入客户运营、(c) 在关键任务政府与国防环境中证明自己三方面拔尖——「大多数公司能做好其中一项，或许两项，但无法三项兼得」。可到了 2025 年，人人都想借这层品牌光环。→ 详细
03
为什么偏偏现在人人想抄：三股力量汇聚
- ① 企业 AI 卡在投产：相当大比例的 AI 项目进生产前就停滞（数据杂乱、集成头疼、内部无人负责），董事会和 C 级高管仍自上而下施压「要买 AI」，但落地与兑现 ROI 离不开大量手把手扶持；② FDE 看起来正是缺失的那座桥：视数据来源不同，FDE 岗位今年（2025 年）增幅 800%–1000%。→ 详细
- ③ 高速增长成常态：「靠七位数订单快速增长，比靠五位数容易得多！」若把工程师送上飞机才能拿下财富 500 强或政府机构 100 万美元以上的订单，早期公司乐于拿毛利率换势头；投资人也越来越能接受低毛利，因为推理（inference，模型每跑一次都烧算力钱）很重的 AI 体验往往注定如此——赌的是赢得客户高层信任、交付成果、再据此定价。→ 详细
- 叙事于是成了「派精锐小团队、做出惊艳的东西、再慢慢变成平台」——作者说这只在非常特定的情形下成立，有些硬约束常被一笔带过。→ 详细
04
类比失效①：一上来就卖「成果」——Palantir 敢卖成果，是因为底下垫着数百个产品化微服务
- 作者两年里见过数百位 AI 应用创始人，说类比恰恰断在这：创业公司一上来抛出「基于成果的宏大目标」，而 Palantir 是有意识地先造好微服务，作为核心能力的基石——旗舰产品 Foundry 由「数百个微服务」组合而成，是针对各领域企业普遍问题的「产品化 + 有主见的方法」。正是它们把 Palantir 与普通咨询公司区分开，也是它估值达明年营收 77 倍的原因之一。→ 详细
- 产品版图：Gotham（帮军队、情报、执法机构整合分析分散数据，用于任务规划与调查）、Apollo（自主、安全地把更新推到多云、本地部署、断网隔离等任何环境）、Foundry（跨行业数据运营平台，整合数据、模型与分析，支撑运营决策）、Ontology（本体）——组织现实世界「实体、关系与逻辑」的「动态、可驱动行动的数字模型」，为 Foundry 内的应用与决策供能。→ 详细
- AIP（人工智能平台）「通过本体」把 LLM 等模型接到组织的数据与运营上，做出可投产的 AI 工作流和 agent——模型不直连数据，而是经由本体接进业务。本体是护城河还是「建模换皮」，正是 207 老冯（反方）与 214 UBS（正方）的交锋点。→ 详细
- 再引 Everest 报告：「合同从小规模起步——首次合作可能只有一次短期训练营（bootcamp）和有限的许可证；价值得到验证后，用例、工作流和数据域逐层叠加；随着时间推移，收入结构向软件订阅而非服务倾斜。」两个反差：不同于咨询公司，服务是推动产品采用的手段、不是主要收入；不同于多数软件厂商，Palantir 愿意预先自掏腰包投入工程人力，拿下有分量的客户。→ 详细
- 反观今天的 AI 应用公司：常能一步到位拿下七位数合同，但主要因为处在「全面定制化模式」——早期客户提什么就解决什么，寄望日后从中发现共性主题，再建核心能力或 SKU。即 Palantir 先打地基再卖成果，模仿者先卖成果、盼地基自己长出来。→ 详细
05
类比失效②③：问题不够「Palantir 级」撑不起驻场，客户也不想永远当你的研发实验室
- ② 并非每个问题都「Palantir 级」：Palantir 早期做的是「别的办法全都行不通」的反恐、欺诈检测、战场后勤、高风险医疗运营，价值按数十亿美元、挽救的生命、地缘政治结果算；帮一家中型 SaaS 公司把销售工作流优化 8%，其 ROI「根本不足以支撑长达数月的驻场工程投入」。→ 详细
- ③ 多数客户不想永远当你的研发实验室：Palantir 的客户默认与它共同演进产品，因事关重大、别无选择而容忍；国防与受监管行业以外的多数企业不想陷进旷日持久的咨询项目，要的是可预期的实施、与现有工具互操作、快速见效（time-to-value）。→ 详细
06
类比失效④：人才密度复制不了——「Palantir 式 FDE 团队」常退化成三种赝品
- Palantir 花十多年招募培养一批通才工程师：能写生产代码、能应付官僚体系、能和上校、CIO、监管者同处一室；离开这个岗位的人形成了整个「Palantir 黑帮（Palantir mafia）」创始人与运营高管群，许多人是既懂技术、又极擅长和客户打交道的「独角兽」。→ 详细
- 多数创业公司招不到数百个这样的人，于是「组建一支 Palantir 式 FDE 团队」常退化成：① 改了头衔叫「FDE」的售前解决方案工程师；② 被要求同时兼顾产品、实施、客户管理的初级通才；③ 从没近距离见过 Palantir 部署、只是喜欢那种调性的领导层。→ 详细
- 作者也承认人才浩如烟海，a16z 被投公司 Cursor（AI 编程工具） 这类工具正让原本不懂技术的员工也能交付代码；但规模化跑通这套打法需要「商业与技术才能极为罕见的结合」，真在 Palantir 干过大有帮助——「可这个 n 终究是有限的！」→ 详细
07
类比失效⑤：服务陷阱——没有产品主干，你只是「前端更漂亮的 X 领域 Accenture」
- Palantir 行得通，是因为定制工作底下有真平台；只抄嵌入式工程师那一半，结局是「成千上万个既无法维护、也无法升级的定制化部署」。而且即便 AI 工具让这种模式也能做出软件级毛利率，过度偏向前置部署、缺强大产品主干（product spine）的公司，仍可能得不到规模报酬递增（越做大、边际成本越低、优势越强）和持久护城河——毛利率好看不等于是软件生意。→ 详细
- 缺乏辨别力的投资人会被合同额从 0「曲棍球棒式」冲到 1000 万美元吸引、争相入局；作者追问的却是：「当几十家（甚至上百家）这样的千万美元级公司带着一模一样的路演说辞彼此撞车时，会发生什么？」答案是全文最狠的一句：「到那时，你就不再是『X 领域的 Palantir』，而是一个前端更漂亮的『X 领域的 Accenture』。」（埃森哲：头部 IT 咨询外包公司，典型靠人力交付的服务生意。）→ 详细
08
剥掉神话，Palantir 真正做对的四件事：可复用原语、敢定工作方式、耐心资本、特殊市场
- ① 平台优先，而非项目优先：前置部署团队在「一小套可复用的原语」（primitives，可反复拼装的基础积木）上构建——作者点名四类：数据模型、访问控制、工作流引擎、可视化组件——而不是为每个客户写一套全定制系统。→ 详细
- ② 对「工作该怎么做」有鲜明主张：不只把既有流程自动化，还常推客户转向新的工作方式，让软件承载这些主张——「对一家供应商来说，这是罕见的勇气，而这种做法也让复用成为可能」。道理在于：每家都照老流程定制就无物可复用，供应商先定下「该怎么做」，同一套东西才能卖给下一家。→ 详细
- ③ 长期视野与资本：平台与 GTM 成熟之前，要长期承受负面舆论、政治争议和短期变现不明。→ 详细
- ④ 极为特殊的市场组合：早期扎根情报与国防「是优势而非缺陷」——付费意愿高、切换成本高、利害攸关、客户少而个个体量巨大，还有一批几十年几乎无需竞争就能拿单的陈旧在位厂商。所以 Palantir 不只是「软件公司 + 咨询」，而是「软件公司 + 咨询 + 政治事业 + 极具耐心的资本」——「绝非随手嫁接到某个垂直 SaaS 产品上就能普适的东西」。→ 详细
09
更现实的判断框架：要不要「Palantir 化」，先过四道门槛题
- 别问「怎样才能像 Palantir」，先过四道门槛题：① 问题关键度——事关人命、国家安全、数十亿美元，还是 10–20% 效率提升的锦上添花？利害越大，前置部署越站得住。② 客户集中度——卖给几十家巨头还是成千上万家小客户？嵌入式工程在集中、高 ACV（年合同额）的客户群上规模化好得多。→ 详细
- ③ 领域碎片度——客户工作流与所用工具是否相似？「如果每个客户都像雪花一样独一无二，就很难打造一致的平台」，一定的同质性有帮助。④ 监管与数据引力（数据体量大、受监管、难搬迁）——国防、医疗、金融犯罪、关键基础设施这类数据集成痛点显著的领域，才是 Palantir 式集成创造真价值的地方。→ 详细
- 判定：若大多落在「左下角」（关键度低、客户分散、集成相对简单），全面 Palantir 化「几乎肯定是错误的模式」，那恰是自下而上 PLG（product-led growth，产品驱动增长：用户自助试用、靠产品本身扩散） 的绝佳条件。→ 详细
10
值得抄①②：前置部署是「脚手架」不是「房子」，在强原语上组装而不是写定制工作流
- 作者虽不信每家早期公司都能套用，仍列出四条值得抄的。① 把前置部署当脚手架，而不是房子本身：让工程师嵌进早期设计合作伙伴（陪你打磨产品的首批客户）、不惜代价让最初 3–5 家客户投产、借这些合作给原语与抽象做压力测试——这些「完全可能是正确的」。→ 详细
- 但必须有明确约束：限时部署（如「90 天冲刺上线生产」）、清晰配比（如单个客户上每 100 万美元 ARR——年度经常性收入——最多配几名工程师）、每个季度把定制代码回收成可复用的配置或模板；否则「我们以后再做产品化」就会变成「我们一直没腾出手来」。→ 详细
- ② 基于强大的原语构建，而非定制工作流——「Palantir 真正的启示在于产品架构」：统一的数据模型与权限层、通用的工作流引擎与 UI 原语、尽可能以配置代替代码（新客户的差异靠改设置满足，而不是改代码）。分工讲死：「前置部署团队应当把时间花在挑选和验证要组装哪些原语上——而不是为每个客户从零打造新原语。从零构建的工作，留给工程师去做。」→ 详细
11
值得抄③④：FDE 要长在产品组织里而不是交付部门，毛利结构要说实话
- ③ 让 FDE 成为产品的一部分，而不只是交付：Palantir 的 FDE 深度参与产品发现（弄清该做什么）与迭代，「强大的产品组织和平台团队，正是以 FDE 在一线学到的东西为养分」；若 FDE 被放进独立的「专业服务」部门，你就失去这条反馈回路，逐渐滑向纯服务型业务。→ 详细
- ④ 坦诚面对利润率结构：推介里预设 80% 以上软件毛利率和 150% 净收入留存率（NDR：同一批老客户今年比去年多付多少，150% 即整体多付一半），GTM 却要长周期驻场——就要对取舍保持透明，「至少在内部如此」。「对某些品类，结构性低毛利、高 ACV 的模式完全合乎理性；问题在于明明是带平台的服务业务，却假装自己是 SaaS。」投资人要的是尽可能多的毛利润绝对额，途径之一正是签下金额大出几个数量级、COGS（交付直接成本，如驻场人力、算力）也显著更高的合同。→ 详细
12
作者的尽调笔记本：五问压力测试一家「X 领域的 Palantir」
- ① 平台边界：给我看一条有明确取舍的平台边界——共享产品在哪结束、客户专属代码从哪开始？这条边界移动得多快？ ② 部署时间线：从签约到首次投产要多少个工程师人月？哪些必须定制？③ 成熟客户到第 3 年的利润率什么样？前置部署投入会随时间显著下降吗？不降，为什么？④ 明年签下 50 家客户，哪里会崩——招聘、Onboarding（新客户上手）、产品、客户支持？「我想看到这个模式会在哪里出现裂缝。」→ 详细
- ⑤ 你们如何决定不做定制？ 「是否愿意对定制工作说『不』，往往正是产品公司与一家 demo 做得漂亮的服务公司之间的分水岭。」判读：回答清晰利落、有真实部署支撑、架构上自洽，一定程度的 Palantir 式前置部署或许是真优势；含糊其辞或每个项目都完全独一无二，「就很难为其可复制性或真正规模化的潜力下注」。→ 详细
13
结论：全面「Palantir 化」是危险的幻想，该问的是「最少需要多少前置部署」
- Palantir 的光环主导了风投创业思潮（精英小队空降复杂环境、打通混乱数据、改变组织决策方式），但对多数品类，全面 Palantir 化是「危险的幻想」，四种失败模式：问题不够关键、客户过于分散、人才模式无法规模化、经济模型悄然沦为服务业务。→ 详细
- 创始人该问的不是「如何成为 Palantir」，而是「为弥合我们品类的 AI 落地鸿沟，最少需要多少 Palantir 式前置部署——又能多快把它转化为真正的平台型业务？」答对了，就能「借鉴这套打法中真正要紧的部分，而不必继承那些会拖垮你的部分」。→ 详细