一、产品体系概览
Palantir 是美国知名的数据分析与软件公司，专注于为政府和商业客户提供数据分析和决策支持平台。其产品体系采用四层架构设计：
| 平台 | 定位 | 目标客户 |
|---|
| Gotham | 防御/情报操作系统 | 军方、情报机构、国防客户 |
| Foundry | 企业数据运营平台 | 商业公司、民事政府机构 |
| Apollo | 持续交付/部署平台 | 支撑以上所有平台的底层调度 |
| AIP | 生成式AI应用层 | 运行在 Ontology 之上的 LLM 增强应用 |
┌─────────────────────────────────┐
│ AIP (AI Platform) │ ← 生成式AI、Agent、自动化
├─────────────────────────────────┤
│ Foundry (商业) │ Gotham (国防) │ ← 共享 Ontology 的两个产品
├─────────────────────────────────┤
│ Apollo │ ← 跨环境持续交付平台
└─────────────────────────────────┘
二、核心：Ontology（本体层）
2.1 什么是 Ontology？
Ontology 是 Palantir 的核心创新，它不是普通的数据模型，而是一个语义+操作双层模型：
- 语义层：将原始数据映射为人类可读的业务对象（Objects）、属性（Properties）、关系（Links）
- 操作层：支持Actions（动作），让用户可以直接在 Ontology 上执行业务操作
Palantir 官方描述：Ontology 是组织的"数字孪生"（Digital Twin）——将物理世界的实体和概念映射到数字世界，并支持直接操作。
2.2 Ontology 的数据结构
| 元素 | 说明 | 示例 |
|---|
| Objects | 业务实体 | 员工、订单、设备、事件 |
| Properties | 属性 | 名称、价格、状态 |
| Links | 关联关系 | 订单→客户、设备→位置 |
| Actions | 可执行操作 | 审批、分配、变更状态 |
| Functions | 后端逻辑 | 权限检查、数据验证 |
2.3 Ontology 的特点
- 全数据血缘追踪 — 每个对象属性都记录了来自哪个 Pipeline
- 决策闭环 — 基于 Ontology 状态做决策，决策结果写回 Ontology
- 语义查询 — 用户用业务语言查询，Ontology 翻译为底层数据操作
- 数字孪生 — 物理资产和概念实体统一建模
三、Foundry 平台架构
3.1 数据流架构
数据源（Source Systems）
↓ ingestion
Pipeline（数据管道）
↓ transform & model
Foundry Ontology（本体层）
↓ query & action
Applications / Actions（应用层）
↓ outcomes
业务系统（Operational Systems）
3.2 Foundry 核心功能模块
| 模块 | 功能 |
|---|
| Data Connection | 连接ERP、CRM、IoT等各类数据源 |
| Pipeline / Quiver | 数据转换和管道编排 |
| Workshop | 低代码应用构建工具 |
| Contour | 数据分析 和可视化 |
| Compass | Ontology 管理和治理 |
| Model Deploy | ML模型部署和管理 |
3.3 Foundry 的定位
Foundry 的定位是 "Data Operating System"（数据操作系统）。不同于 Databricks/Snowflake 等数据平台只做存储和计算，Foundry 是一个端到端集成平台，内置了数据集成、语义建模、分析工具、应用开发和工作流自动化。
四、Gotham 平台架构
4.1 与 Foundry 的关系
Gotham 是 Palantir 最早的产品，诞生于2003年，最初为情报界和国防部构建。现代部署中，Gotham 和 Foundry 可以共用同一个 Ontology，只是在应用层有所区分：
| 对比 | Gotham | Foundry |
|---|
| 起源 | 2003年，情报界构建 | 2016年，商业化版本 |
| 核心 | 任务作战应用套件 | 企业数据运营平台 |
| Ontology | 共享Foundry Ontology | 核心架构 |
| 部署 | 支持物理隔离/气隙环境 | 企业数据中心/云 |
4.2 Gotham 的特点
- 多模态情报融合 — 整合图像、视频、信号情报、文本
- 实时决策支持 — 任务指挥链上的实时态势感知
- 地图和关系图分析 — 目标追踪、网络分析
- 与物理世界闭环 — 决策直接驱动行动（打击、调度）
五、Apollo 持续交付平台
Apollo 是 Palantir 各平台的部署和升级底座，它的独特之处在于支持跨环境持续交付：
- 跨环境部署 — 支持云、地面、边缘，甚至是物理隔离（air-gapped）环境
- 持续交付 — 不间断地向客户环境推送更新
- 版本控制 — 每个部署节点都有版本管理
- 5个9可用性 — 对国防客户承诺99.999%正常运行时间
六、AIP（AI Platform）
6.1 架构位置
AIP 是运行在 Ontology 之上的生成式 AI 层，它让大语言模型能够直接操作 Ontology 上的业务对象和动作：
┌───────────────────────────────────────┐
│ AIP: LLM Agents │ AI驱动的Agent │
│ AIP: Copilot │ 对话式AI助手 │
│ AIP: Evaluation │ AI输出评估框架 │
├───────────────────────────────────────┤
│ Foundry / Gotham │ Ontology层 │
├───────────────────────────────────────┤
│ Apollo │ 部署和交付 │
└───────────────────────────────────────┘
6.2 AIP 核心能力
- LLM-Augmented Agents — AI Agent 直接调用 Ontology 上的 Objects 和 Actions
- Ontology MCP — 支持外部AI系统（如 Claude、Copilot Studio）通过 MCP 协议接入
- 自动化工作流 — AI 驱动的业务流程自动化
七、技术架构特点
7.1 微服务架构
Ontology 后端由多个微服务组成：
- 索引服务 — Ontology 对象的索引和查询
- 存储服务 — 对象数据的持久化
- 操作服务 — Actions 的执行引擎
- 安全服务 — 动态权限控制和审计
7.2 SDK 体系
| SDK | 用途 |
|---|
| Foundry Platform SDK | 与 Foundry 平台交互（API 管理、资源操作） |
| Ontology SDK | 直接操作 Ontology 上的 Objects/Actions/Links |
| Gotham Platform SDK | 与 Gotham 平台交互（情报分析、任务管理） |
7.3 集成方式
外部Agent（LangChain/Claude/Copilot）
↓ Ontology MCP（OMCP）
Foundry Ontology ← 数据管道（Pipeline）
↑
数据源（ERP/CRM/IoT）
八、与竞品对比
| 维度 | Palantir | Snowflake | Databricks |
|---|
| 定位 | 数据操作系统 | 数据仓库 | 数据湖+AI平台 |
| Ontology | ✅ 核心差异化 | ❌ 无 | ❌ 无 |
| 应用层 | 内置低代码应用 | 需第三方 | 需第三方 |
| 目标客户 | 高风险决策场景 | 通用企业 | 数据工程师 |
| 部署方式 | 客户的云/本地 | SaaS为主 | 多云 |
Palantir 的核心差异：不只是存储数据，而是让数据直接驱动决策和行动。这是它与 Snowflake、Databricks 等数据平台最大的区别。
九、总结
Palantir 架构的三层价值
| 层级 | 名称 | 说明 |
|---|
| 1 | 数据集成层（Pipeline） | 把散落在各处的数据汇聚到统一平台 |
| 2 | 语义模型层（Ontology）← 核心壁垒 | 用业务语言建模，让技术+业务人员都用同一套语言 |
| 3 | 决策行动层（AIP / Applications） | 基于 Ontology 做AI决策，并闭环到业务操作 |
Palantir 的护城河在于 Ontology 层——它将数据转化为可操作的业务模型，使得 AI 能够真正理解和执行复杂的企业决策流程，而不仅仅是进行数据分析。