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：
- 2. 数据转换：Path(数据分析工具)、Pipeline(数据处理工具)
- 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：
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。
粤ICP备14082021号
免费POC，
零成本试错
