Palantir AIP（AI Platform）
Palantir 企业级 AI 落地平台，核心架构思路是：先帮企业建立数据本体论（Ontology），再在其上运行 AI Agent。与直接部署 LLM 的做法不同，Palantir 把”数据基础建设”放在 AI 应用之前。
Source: 2026-07-06-xiaohongshu-xhslink-com-o-1wNxe0tOKAS（来源未公开）
核心架构：10 层技术栈
Palantir AIP 的底层架构从数据到应用共分为 10 层：
数据层（Layer 1-4）
- Data Connectivity（数据接入）：建立连接框架，支持结构化/非结构化/半结构化数据，支持批处理/流处理/微批处理；远超传统 ETL
- Data Transformation & Change Management（数据变换与变更管理）：版本回滚、审批工作流、完整的安全性和数据溯源
- Pipeline Scheduling（管道调度）：统一调度各类数据管道
- Metadata & Lineage（元数据与数据血缘追踪）：数据字典、字段追踪、版本管理
本体层（Layer 5）——核心资产
- Ontology（数据本体论）：Palantir 最核心的数字资产，将企业数据实体化为”数字孪生”
本体的四个层级：
- Object（对象）：单独的实体个体（如一台设备、一张订单）
- Link（链接）：对象之间的关系
- Action（动作）：对象能执行的操作
- Function（函数）：模型可调用的业务逻辑
AI 与模型层（Layer 6-7）
- Model Integration（模型集成）：支持接入多种外部模型；注：目前官方文档不支持中国本土模型，中国落地需接本土模型
- AIP（AI Platform）：与数据本体论紧密结合
- AIP Logic：工作流编排
- AIP Chatbot：基于本体数据的智能问答
- AIP Document：合同/OCR/图纸识别等智能数据提取
- AIP Evaluate：评估生产效果
- Bring Your Own Model：支持客户自带模型接入
应用与交付层（Layer 8）
- Use Case Development & Application（低代码应用构建）：帮助非技术业务人员快速构建应用，内置 Workshop（辅助分析工具）
治理层（Layer 9-10）
9-10. Security & Governance：安全性、合规、审计；支持私有化部署（满足大型企业数据不出域要求）
核心差异化：Ontology-First
Palantir 的落地路径与其他企业 AI 平台的根本差异：
其他平台：直接 LLM → 业务
Palantir：数据 → Ontology（数字资产） → AI Agent
为什么这样做：Ontology 定义了企业世界中每个实体（工厂、财务、订单）及其关系和允许操作，LLM Agent 在此结构化基础上才能准确理解业务语义，而非在混乱的原始数据上盲目推理。
这与 agentic-systems 中 Harness 框架的思路一致：Agent 的成功不在于 LLM 本身，而在于围绕 LLM 的控制系统与数据基础。
与 Palantir CEO 批判的关联
ai-enterprise-value-gap 中 Alex Karp 批判”AI 定价与价值脱节”——而 AIP + Ontology 的落地方式正是 Palantir 自己的答案：先建立企业数字资产，确保 AI 在可审计、可追踪的数据环境中运行，以实际业务成果（而非 token 数量）来体现价值。