摘要：平台型产品，没有业务属性，所以只做大客户，之前为美军服务，最近几年扩展到医疗等其他行业的大公司。
Palantir 简介
Palantir 号称 AI 应用第一股，过去 2 年上涨 8 倍。
主营业务：数据平台。
数据平台包括：数据采集、数据建模、数据转换（ETL）、机器学习算法、报表看板、业务流程编排（数据驱动业务变化）。
平台型产品，没有业务属性，所以只做大客户，之前为美军服务，最近几年扩展到医疗等其他行业的大公司。
它的竞品不是 SAP、Salesforce，应该是Snowflake、Elastic 这类专注数据平台的公司。
Palantir 产品架构
Ontology（实体论）：是 Palantir 的数据平台，在平台中管理数据、模型。
Foundry（铸造厂）：数据应用产品。
Foundry 产品
Foundry 是数据应用工具，可以简单的看做数据低代码平台。
一般使用流程：
1. 连接、上传数据。2. 数据转换：Path(数据分析工具)、Pipeline(数据处理工具)3. 管理数据：Manage Ontology4. 分析数据：报表看板5. 构建应用：提供低代码界面设计器，可以开发数据应用。Path：可视化数据分析工具
Path 像是一个比喻，它还原了用户如何分析数据的思考路径。
分析数据第一步先选中原始数据。
瀑布式的开发模式，不断增加环节加工数据。
接下来可以筛选数据、可视化、合并数据、转换数据。
表单方式配置筛选条件。
可以查看过程中的清洗结果。
直接生成图表，图表可以保存到看板上。
Path 生成的结果，可以复用到其他 Path 作为输入源。
Pipeline：数据处理工具
Pipeline：提供数据处理（ETL）可视化编辑器，用于加工数据。
这块跟很多 ETL 工具类似，不详细赘述。
Quiver：仪表盘、报表工具
仪表盘、报表功能比较完善。
AIP 产品
AIP(Artificial Intelligence Platform, AI 平台)：虽然跟 Foundry 宣传上是 2 个产品，但是更多的情况是作为 Foundry 的扩展能力。
AI 应用开发一般过程
AIP 把 AI 应用开发过程拆解为：
1. 通过 Pipeline 生成数据：比如生成向量库数据，方便应用查询。2. 定制 AI 自动流服务：配置向量库查询接口、大模型访问接口。3. 定制 应用界面：配置界面访问 AI 自动流服务。通过 Pipeline 生成数据
在 Pipeline 中提供大模型处理能力。
默认提供若干模板：
1. 分类2. 情绪分析3. 总结4. 实体抽取5. 翻译6. 自定义提示词大模型处理环节内容也是填写提示词。
跟 Agentforce 的 Prompt Builder 不一样的地方在于：AIP 已经把提示词各部分拆分开了，对结构化数据比较友好。
因为它是一个数据处理工具，强制大模型返回结构化数据。
支持调试，查看返回数据。
开放文本转向量的环节，便于自定义向量库存储内容。
定制 AI 自动流服务
提供低代码 API 设计器，创建 大模型能力调用方法。
API 设计器纵向编排业务逻辑。
支持调用大模型，输入提示词模板，返回文本。
这里不像 Pipeline 结构化限制那么强。
配置完成后支持调试 API。
定制应用界面
提供低代码页面设计器。
界面组件上可以绑定 AI 方法，将返回值打印到页面上。
Palantir 总结
Palantir 的 Ontology、Foundry 产品让我想起阿里的数据中台。
Palantir 相比其他竞品的优势是“交付速度快”（号称），主要的竞争力在于强大的数据平台、低代码能力、丝滑的用户体验。
AIP 单独提出来更像一种营销口号，实际大模型发挥作用还是依靠数据平台的集成能力。
这和 Agentforce 的价值是一样的，因为数据在我的平台里，我可以更快速地与大模型集成，发挥大模型的能力。
来源：小柯要加油
