好产品也会丢单，Palantir 旧访谈翻红：企业级 AI 订单，拼的不只是模型

Alexandr Wang 在 2024 年 12 月的一次播客访谈，最近在中文科技社群重新流传。

访谈由风投社群 South Park Commons 组织，当时他还是 Scale AI 的创始人兼 CEO，半年之后才加入 Meta 担任首席 AI 官。主持人问他，做产品和做销售怎么平衡。他的回答里有一句话被反复转发：在大型组织和政府客户那里，人们对一件事的认知，有时比客观情况更能左右决策。

他接着举了 Palantir 的例子。这家以美国军方、政府和大型企业为客户的公司，被他形容为一家剧团加软件公司的混合体，甚至长期给新员工发一本表演书。过去两年，Palantir 的市值从 2024 年 10 月突破千亿美元，到 2025 年 11 月最高突破 4900 亿美元，目前回落到 4500 亿美元上下。这段话随之被当成它增长故事的一把钥匙流传开来。

一本即兴表演手册

翻红的改写版本把重点放在“认知塑造”上，有的版本直接写成了教工程师“走进会议室第一秒接管客户大脑”的话术。Palantir 自己公开的交付流程里写的是：工程师住进客户现场，系统在客户自己的数据上跑起来，然后签订订单。

表演书的说法有一份第一手记录，在 Palantir 工作了八年的 Nabeel Qureshi，2024 年 10 月发表长文《Reflections on Palantir》，写到他任职期间新人入职会收到几本书，其中一本是 Keith Johnstone 的《Impro》，一本讲即兴表演的著作。

按他的理解，这本书用在客户现场，观察人和人互动时的地位信号，听懂客户的语言，工程师才拿得到信任，把数据整合和软件部署推进下去。这本书现在是否还在发，Qureshi 说他不确定。

Wang 用剧团来指 Palantir 面对客户状态。他说，在大型组织和政府客户那里，一家公司在客户眼里是什么样，有时比产品本身更能左右决策，Palantir 就是例子。他称这套塑造客户认知的做法为“黑暗的艺术”，前提是先把产品做好，交付真实的价值，这是底线，离开它，其余都不成立。

真正难复制的是驻场工程

把 Palantir 的增长归因于表演课，相当于忽略了这套打法里最难复制的部分。

Palantir 从 2003 年起为美国情报机构做数据分析。客户说不清自己要什么，数据散落在多个系统里，标准软件产品的形态在这里失效。工程师只能进驻现场，在对方的数据和流程里把系统做出来。这个角色后来有了正式的名字，Forward Deployed Engineer，前线部署工程师。行业复盘材料显示，直到 2016 年，Palantir 的前线部署工程师数量一度超过产品工程师。

这套打法如今有了标准化的入口，Palantir 官方给 AIP Bootcamp 定下的目标是五天：客户带着自己的数据和场景来，五天内在软件里搭出初步的使用案例。

官网挂出的客户证言里，Walgreens 借助 Foundry 和 AIP，八个月里把试点从 10 家店推到约 4000 家；AT&T 的 Foundry 上跑着 660 个应用，其中 S.C.O.U.T. 一个应用背后有超过 100 名 AT&T 工程师参与。财务数字是同一个模式的产物，Palantir 2026 年一季度总收入同比增长 85%，美国商业收入增长 133%。

信任在这里被拆成了可以逐项验证的步骤，客户不需要相信销售的说辞，五天工作坊里看到的是自己的数据怎么被读取，自己的流程怎么被搬进软件。权限怎么设，出错谁审批，审计记录留在哪里，Palantir 的治理文档里都有对应的工具。订单签下来之前，客户已经亲手验证过。

模型公司开始学 Palantir

OpenAI 今年 5 月 11 日宣布成立 OpenAI Deployment Company，一家由 OpenAI 控股的独立部署公司，启动资金超过 40 亿美元，来自 TPG 领投的 19 家机构，同时宣布收购总部位于爱丁堡的 Tomoro，一次性带入约 150 名前线部署工程师。

OpenAI 的招聘页面上，金融、医疗等行业单列 FDE 岗位，职位描述写明工程师要嵌入客户组织，把模型能力变成可审计、可交付的生产系统。

Anthropic 的做法是双线的，一边在官网公告与 IT 服务商 DXC 达成多年期合作，由 DXC 通过 Anthropic 的认证体系培训数万名 Claude 前线部署工程师，把他们送进银行、航空、保险和政府机构现有的 IT 系统；一边在自己的招聘页面上招募驻场 FDE，年薪区间 28 万到 32 万美元。据此前报道，Anthropic 还在筹备类似的部署合资实体。

麻省理工 NANDA 项目 2025 年的报告测算，95% 的企业生成式 AI 试点没有产生可量化的业务收益，问题大多出在部署环节。模型能力的差距在收窄，能把模型装进客户流程里的组织，稀缺程度在上升。

国内 To B 市场卡在同一个环节。采购方在签字之前要回答出了问题谁负责，能不能在自己的数据上验证，系统接进现有流程要动多大的手术。这些问题没有一项能靠性能对比表格回答。

Wang 那段访谈指出的问题，两年后仍然成立，即客户如何理解你的能力。Palantir 用二十多年的驻场工程给出了自己的答案，OpenAI 和 Anthropic 正在用真金白银抄写它。企业级 AI 的订单，会越来越多地交到那些把工程师派驻客户现场的公司手里。（本文首发钛媒体APP，作者 | 硅谷Tech-news，编辑 | 秦聪慧）