从Palantir看为什么context可能比模型更重要

1/目前Palantir($PLTR)的PE ratio接近600，大家debate也很多，我分享一点发散的看法仅供讨论，更偏长期的逻辑。核心是想说看好context layer的优势玩家，未来议价权和价值可能比模型层更高，PLTR目前高估值的核心原因可能是目前B/G/D端有独特优势的context平台

2/ 微信这样粘性超强的Supper App可以看成是C端的超级Context平台。我之前写的一篇深度长文微信会捕获AGI的多少价值？里写过两个关键逻辑

a. 最终体验 = 模型 + context (包括提示词、文件、代码库、业务数据，MCP服务等等一切喂给模型的东西)，正好Andrej karpathy前几天天也整了个新提法叫Context engineering，这里可以碰瓷一下Andrej哈哈，这篇文章好几天前我发在小红书了

b. 长期来看 Context > 模型，更加重要，本质是智能会指数增长而context不会，在现实世界，人和人类组织能够产生的context是有限的

3/ 刚好OpenAI前几天发布o3 Pro，其实对于推理模型来说，context已经变得十分重要，使用方法和GPT-4o这样的聊天模型差异也很大。如果不能给模型提出一个值得推理的问题和充足的context，模型能力会大打折扣或者过度思考。现在即使ChatGPT的付费用户，可能也只有<1%的用户可以释放o3的潜力。对于大多数用户而言，用户体验的瓶颈已经不是模型能力而是context，包括提示词、给模型的workspace内容、能够调用的工具，记忆MCP连接的服务等等

4/ 从这个角度看，Palantir（PLTR）在做的事情本质上是在B端和G端，把零散的数据抽象到一个统一的context layer，在异构割裂的各类数据源之间构建数据管线进行深度集成，然后汇总到一个平台进行观察、分析、决策。Palantir有潜力成为B/G/D端最强的Context平台。，目前几块主要业务简要回顾：

Gotham：把做军事情报需要的各种信息源整合到一个平台，比如情报网络、社交媒体、线人网络，以及来自其他各种渠道的信息。Gotham可以将所有信息整合然后帮助决策者进行实时分析

Foundry：粗暴理解就是Gotham的民用版本，把ERP/CRM/MES/WMS等等各种B端数据系统里面的数据统一整合到Foundry平台，进行进行分析决策，同时支持数据回写

Apollo：主打软件持续交付和跨环境自主部署管理的操作系统 ，价值在于能够集中管理Gotham和Foundry等复杂软件在各种异构环境中的部署、升级和维护，这些环境包括公有云、私有云、混合云等

AIP：主要把LLM这一套生成式AI的技术以正确姿势融入业务和各种平台中

5/ 通过把每一个部分的数据都有机集成到一个平台上，PLTR实际可以把一个业务映射成一个粗糙的数字孪生，也就是Ontology，可以精确、事实反映真实世界的复杂关系，我觉得某种意义上Ontology就是在构建这个业务的世界模型，这个环境包含了所有决策需要的context

PLTR自己对Ontology的介绍是：The Palantir Ontology is an operational layer for the organization. The Ontology sits on top of the digital assets integrated into the Palantir platform (datasets and models) and connects them to their real-world counterparts, ranging from physical assets like plants, equipment, and products to concepts like customer orders or financial transactions. In many settings, the Ontology serves as a digital twin of the organization, containing both the semantic elements (objects, properties, links) and kinetic elements (actions, functions, dynamic security) needed to enable use cases of all types.

6/ 稍微延伸一下，AGI 也需要一个环境或者playground来学习、行动和获取反馈，这个环境在未来可能就是类似Ontology这种全方位集成业务信息和数据的数字环境。可以用自动驾驶的运作方式大概类比，特斯拉的FSD的主要进化方式是用大量驾驶数据反哺模型迭代（可能现在核心也是强化学习），这些真实世界的驾驶数据也可以理解成一种context，谁的车队数量大里程多谁的模型就更聪明。类似地，在B端和G端，模未来型一样需要一个类似交通系统的环境或者playground，而这个playground/环境需要极强的多源整合能力，也正是Palantir的强项

7/ PLTR的核心竞争力一部分是拿单能力和文化（现在是美国国防部的go-to problem solver），我在之前一篇里详细写过Palantir：不仅是一家商业公司，更是AI/国防/MAGA的下一个十年，B/G/Defense industry的进入壁垒非常高，早期没有类似Peter Thiel这种人长袖善舞基本够呛。体现在具体业务上就是持续稳定大单带来的现金流，可以持续反哺长期的技术投入，这是其他竞争者难以企及的。文化方面，Alex Karp个性鲜明，最近也刚出了书（《The Technological Republic: Hard Power, Soft Belief, and the Future of the West》），以及他写的股东信和各种地方的发言都有很强的意识/形态色彩，但这种文化也是公司成功的原因之一，更有凝聚力

8/另一部分是“dirty work”，即大量的细碎且重要的know-how积累，如何把来自各种机构、软件系统的割裂异构数据进行接入、清洗、管理和实时分析需要大量的集成工作。但在各个行业服务的头部客户越多，对于细节know-how的积累也越多，在真实环境下的锤炼也越多，如果按上面思考的角度来看，就是锻炼构建context平台的能力更强

8/ 大客户（上面提到B/G/D等等领域）和Palantir的平台进行深度合作后，由于深度定制化/人员培训等等因素，切换成本也比较高。比如PLTR的FDE（Forward Deploy Engneer），可直接嵌入客户的组织和工作环境。这里和传统定制化的苦活区别在于Foundry和Gotham平台本身提供了丰富的工具和环境，可以大量缩短服务周期，聚焦业务，再把一线洞见反哺平台开发积累优势，离开PLTR这个context平台的迁移成本很高

9/ 定制化集成类服务这个生意经常不被看好，利润率和想象力远不如SaaS，但PLTR这里不同的点在于：

1）PLTR的独特模式目前没看到激烈的内卷压价，出于上面提到提到各种原因这个模式一般人做不了，不像传统IT定制化红海

2）PLTR现在主打高价值客户，处理前沿的复杂业务，基本都是几千万美元的订单，高举高打，可积累品牌和信任度和行业knowhow

3）服务模式有较强粘性，深度嵌入业务流程参与关键决策，switching cost比较高，具体讲就是复杂平台和数据的安全迁移，人员、业务培训以及额外的时间周期，运营中断风险等，现在客户留存率90%+，PLTR正在成为客户业务理解的一部分

10/ 熟悉web3/crypto的朋友在研究DEX时可能听过的一句话，叫做liquidty begets liquidity，意思就是流动性越好的交易所会带来更多的流动性，在想对于PLTR这样context平台，可能也有context begets context的情况，context平台会加速更多context在这个平台上生长出来，可以保持观察。即使跳出PLTR的语境，我相信context scaling在未来也一样会是非常重要的方向

11/ 如果PLTR能做成B/G/D端最好的context平台，不仅不会比模型公司的价值低，甚至比模型公司更有议价权（欢迎大家可以讨论）

12/ 如果眼光长远一些，延伸一下AI未来进步的方向，PLTR依然会是持续的受益者。online learning或者说test-time training也好，大概率就是下一个AI大范式，影响就是会把实时context的重要性推向新的高度，从重要因素变成决定性因素。很简单再聪明的模型也需要实时、高质量的context feed，当online learning这种下一代模型学习范式解锁后，context不仅决定体验效果，甚至决定模型迭代的速度和智能程度，利用Test time compute的主要方式将会是test-time training，而不仅是现在的思维链CoT

13/ 当推理和训练边界变得模糊，Training on what? Training on the context! 当然这个方向现在并不成熟，实质意义上online learning什么时候能做出来还是未知。但如果粗暴一点，2012年AlexNet出现，2016年AlphaGo出现，2017年Transformer出现，2020年GPT-3出现，2022年GPT-4的预训练完成，2024年通过思维链来leverage test-time compute的推理模型出现，保守一些也可以预期在线学习会在2030年前突破

14/ 模型层本身加速commoditize，持续内卷，短期不会有模型厂商在所有维度都领先，我在基础模型公司的硬伤，AI应用公司的机会也详细写过。未来谁有独特的context谁就是赢家，Palantir这种优秀的context layer公司对于客户来说的替代门槛远高于大模型公司，GPT/Gemini/Claude/Grok这些模型都可以根据具体业务挑最好用的，但就像我们上面讨论的，做深度集成的模式很难被替代

15/ AI的浪潮还远远没到终局，OpenAI现在300B（估值），Palantir现在大概300B（市值），个人觉得独立大模型公司未来值多少钱（不是虚的估值）其实真的很难说...3个月前写了一篇文章OpenAI巅峰已过，并没有机会成为下一个Google讨论过一些模型公司的问题，那么，3年后Palantir和OpenAI谁更值钱？

文章来自微信公众号 “ 全速前进 ”，作者 全速前进