夜雨聆风
智能，正在从分析师的
脑子里搬进软件本身
有两套软件，看上去八竿子打不着。
一套叫 Palantir（音译"帕兰提尔"）。它诞生于 2003 年，当年主流风投都不敢投，靠创始人自掏腰包和中央情报局（CIA）旗下基金的下注起家，二十年里给美国的军队、情报机构、警察和大企业做"看清复杂局面"的系统。到 2025 年，它的年营收超过 44 亿美元，市值一度冲到四千多亿美元——是这个星球上最贵、最神秘的软件公司之一。
另一套叫 Claude Code。它是一个跑在程序员笔记本上的命令行工具，2025 年才广为人知。你在终端里敲一句话，它就去读你的代码、翻你的文件、改你的程序、跑你的测试。没有神秘感，一个月几十美元，谁都能用。
一个服务国家机器，一个服务个体程序员；一个卖天价合同，一个近乎白菜价。它们怎么会是对手？
因为剥掉外壳，这两套系统在争夺的，是同一件东西：谁来做"理解一个复杂系统、然后采取行动"的那份智能。
过去二十年，这份智能只有一个可靠的载体——人。软件负责把杂乱的世界整理干净，摆到人面前，由人来看懂、判断、决策。Palantir 就是这条路上做到极致的那个。
而 Claude Code 代表的，是一件在几年前还被认为不可能的事：让智能搬进软件本身。软件不再只是把数据端到你面前，它自己就能看懂、能推理、能动手。
这不是一次普通的产品竞争，而是情报系统二十年未有之变局。要看懂它，得先看懂 Palantir 到底解决了一个什么样的真问题。
Palantir 的起点，是一场灾难。
2001 年"9·11"之后，美国情报界痛定思痛地发现：袭击的线索其实散落在各个部门的数据库里——移民局有一条、联邦调查局有一条、航空公司有一条——但没有任何一个系统能把它们拼到一起。情报的失败，不是没有数据，而是数据太多、太散、太乱，拼不起来。
Palantir 的几位创始人——彼得·蒂尔（Peter Thiel）、亚历克斯·卡普（Alex Karp）等人——此前刚在 PayPal 干过一件类似的事：用软件从海量交易里揪出欺诈。他们的想法是，把这套"从混乱中找出模式"的本事，用到反恐上。2005 年前后，CIA 旗下的风险投资机构 In-Q-Tel 投了约 200 万美元，Palantir 就此起步。
它的名字取自托尔金《魔戒》里的"真知晶球（Palantír）"——一颗能看见远方、洞察全局的水晶球。这个名字暴露了它的野心：在信息的汪洋里，给你一双能看清全局的眼睛。
但要看清全局，先得过一道最脏、最累、最不性感的关：把杂乱的数据统一起来。这就是软件行业里人人皆知、人人头疼的"数据地狱"——同一个"客户"，在十个系统里有十种写法；同一笔交易，格式、字段、口径全不一样。绝大多数所谓的大数据项目，八成的力气都耗在这道关上。
Palantir 的杀手锏，叫本体论（Ontology）。
要理解 Palantir，"本体论"这个词绕不过去。它听起来像哲学，其实是个极实在的工程概念。
按 Palantir 官方文档的说法，本体是"组织的操作层"：它坐落在已经整合好的数据之上，把冰冷的数据表，一一对应到现实世界里真实存在的东西——一台设备、一批货、一个客户订单、一笔金融交易、一个抓捕对象。它不只描述"数据长什么样"，还描述"这些东西之间是什么关系"、"可以对它们做什么动作"、"谁有权限做"。
用一句话概括：本体论是把一家机构、一个战场、一座工厂，做成一个可操作的"数字孪生"。Palantir 自己说得很直白——本体表示的是"企业相互关联的决策，而不仅仅是数据"。
这是一件了不起、也极其笨重的事。
了不起在于：一旦世界被翻译成这样一张语义大网，人类分析师就获得了"上帝视角"。他可以顺着关系链一路追下去，可以在图上直接下达指令，可以让机器替他盯着某个模式一有异动就报警。军官能看到战场上每一个目标和每一种打击选项，企业能看到供应链上每一个环节的实时状态。这正是"真知晶球"这个名字的兑现。
笨重在于：这张网，过去只能靠人一寸一寸手工织出来。
数据要人去接、去清洗、去对齐；每一个对象、每一条关系、每一个动作，都要人预先定义好。这也是 Palantir 那套著名的"前线部署工程师（Forward Deployed Engineer, FDE）"模式的由来——它在 2010 年代初发明这个岗位，把自家工程师直接派驻到客户现场，和情报官、军官、工厂主管坐在一起，把对方脑子里那套说不清道不明的业务逻辑，硬生生翻译成本体里的对象和规则。这些工程师"交付的是代码，不是幻灯片"，按结果考核。
这是 Palantir 的护城河，也是它的宿命：它的智能，本质上仍然长在人的脑子里。软件负责把世界整理得纤毫毕现，但"看懂"和"决定"这两步，交给坐在屏幕前的分析师。软件是那颗水晶球，人才是使用水晶球的巫师。
在大语言模型（LLM）出现之前，这几乎是唯一可行的路——因为让软件自己"看懂"一个杂乱的真实世界，是做不到的。你必须先把世界翻译成结构化的、显式的、机器能处理的样子，机器才能帮上忙。
Palantir 把这条路走到了行业顶点。然后，Claude Code 出现了，它做了一件按这套逻辑"不可能"的事。
2025 年 2 月，开发 Claude 的人工智能公司 Anthropic 发布了 Claude Code；同年 5 月正式开放使用。
它面对的，恰恰是一个典型的"数据地狱"——一个真实的软件代码库。几十万行代码散在成百上千个文件里，命名混乱、风格不一、注释缺失、逻辑盘根错节，没有人给它建过任何"本体"，没有 FDE 提前把这套系统翻译成整齐的对象和关系。
按 Palantir 那套逻辑，机器要在这样的烂摊子里干活，第一步必须是先花几个月做数据整合、建本体。可 Claude Code 没有这一步。你只是在终端里对它说一句"帮我把这个登录 bug 修了"，接下来发生的事是这样的：
它自己去搜索、去读相关的代码文件，像人一样理解这套系统在干什么；它在脑子里规划出一串动作；然后它真的动手——改文件、写测试、跑测试、看结果、不对就再改，最后把改动提交上去。整个"读—想—做—验证—再调整"的循环，是它自主转起来的，你只负责设定目标、保留最终拍板权。
停下来想一想这意味着什么。
Palantir 用二十年证明的那条铁律是：要让机器操作一个复杂系统，你必须先把这个系统显式地结构化。而 Claude Code 证明了一件相反的事：机器可以直接在混乱本身之上工作，不需要有人先替它把世界整理干净。
它靠的不是预建的本体，而是大语言模型内部那种"隐式的理解"——模型在海量语料里已经学会了代码是怎么回事、系统是怎么运转的，于是它能一边读一边懂，即读即通。整理世界的那个笨重的前置步骤，被"当场看懂"取代了。
这件事的分量，远不止"帮程序员写代码"这么小。
代码库只是一个特别典型的、特别难的"混乱真实系统"。如果智能体能在没有本体的情况下操作代码库，那么同样的能力，原则上可以迁移到任何一个混乱的真实领域——一堆杂乱的法律合同、一屋子对不上的财务凭证、一个部门积压多年的工单。凡是过去需要"先做数据整合、再交给专家判断"的地方，现在都多了一个选项：让智能体直接下场，边看边办。
智能，第一次真正从人的脑子里，搬进了软件本身。
Palantir 和 Claude Code 的分歧，不是两家公司的产品之争，而是人工智能自 1956 年诞生以来，两大学派七十年交锋的最新一幕。
一派叫符号主义，相信智能来自显式的规则和结构：要让机器聪明，就得把世界的知识，一条一条清清楚楚地写下来、建成模型，机器再在这个模型上做推理。Palantir 的本体论，是这一派迄今为止最恢弘、最成功的商业化成果——它不研究抽象概念，它真的把一个国家的情报、一家跨国公司的运营，翻译成了机器可操作的显式结构。
另一派叫连接主义，相信智能来自海量数据里学出来的、说不清道不明的隐式模式：你不用把规则写给机器，你把世界喂给它，让它自己长出对世界的理解。大语言模型是这一派的集大成者，Claude Code 则是它伸进现实、开始动手干活的那只手。
过去几十年，符号主义在工程上一直占上风——因为连接主义"学出来的理解"太不可靠，没法用来做严肃决策。Palantir 的成功，正是符号主义务实精神的胜利：与其等一个靠不住的机器智能，不如把世界老老实实结构化，让可靠的人来用。
而这两三年真正的变化是：连接主义那种"隐式的理解"，第一次强到了可以直接下场做事的程度。天平，正在倾斜。
这带来一个更根本的区分，我把它叫做"记录系统"和"行动系统"的分野。
Palantir 本质上是一套顶级的记录与洞察系统（System of Record & Insight）：它的核心价值，是把世界忠实、完整、可追溯地记录下来，摆在决策者面前，让人看得清、判得准。行动，仍然由人发起。
而智能体代表的是一套行动系统（System of Action）：它的核心价值不在"记录得多完整"，而在"能不能自己把事办了"。看懂只是手段，动手才是目的。
一个把智能收敛到"呈现给人"那一刻，一个把智能延伸到"替人去做"那一步。这是两种系统在世界观上的根本不同——也正是为什么，它们看起来井水不犯河水，实则在争夺同一片未来。
有意思的是，这两个阵营谁都没打算固守自己那一端。它们正朝着中间，从两头挖隧道。
Palantir 早就动手了。2023 年，它推出 AIP（人工智能平台），把大语言模型接到自己的本体之上。但它做了一个极其关键的设计：LLM 不能直接乱碰数据，它只能透过本体这层"安全语义边界"来操作——业务逻辑仍然沉淀在本体里，而不是流进模型的权重里。翻译过来就是：Palantir 想把智能体请进门，又要牢牢守住"结构化、可控、可审计"这条底线。
更意味深长的，是它对自己那套 FDE 前线工程师的改造。Palantir 如今推出了"AI FDE"——一个你用自然语言对话、就能替你操作平台、甚至直接修改本体的智能体。要知道，FDE 曾是 Palantir 最重、最贵、最依赖人的一环。现在，它亲手把这个"人肉中间件"，换成了智能体。这是范式收敛最直白的一幕：连护城河的守夜人，都开始由 AI 来当了。
Anthropic 从相反方向挖。2024 年 11 月，它开源了 MCP（模型上下文协议，Model Context Protocol）。如果说智能体天生擅长在混乱中即兴发挥，那 MCP 要补的，恰恰是它欠缺的另一半——一套让智能体规规矩矩接入外部工具和结构化数据的标准接口。过去每接一个数据源都要单独写胶水代码（所谓"N×M 集成难题"），MCP 用一个统一协议把它抹平了。这套标准发布后，很快被 OpenAI、谷歌、微软等纷纷采纳，俨然成了行业事实标准。
一句话点破这件事的本质：MCP，是让 AI 去使用人类已经建好的那些工具和系统。智能体不再是一个只会在自己小天地里空想的大脑，它长出了规范的手脚，可以去操作真实世界里那些结构化的、带权限的资产。
看清楚这个格局了吗——
Palantir 从"结构化"那一端出发，往"智能体"这边挖：先有本体，再请进 AI。
Anthropic 从"智能体"那一端出发，往"结构化"这边挖：先有 AI，再接上规范的数据与工具。
两条隧道，终点是同一个地方：一个既有强大推理能力、又踩在可信结构化底座上的智能系统。谁先挖通、谁挖得更结实，谁就拿走下一个时代的情报系统。
那么问题来了：智能体既然这么能打，Palantir 这类系统会不会被直接淘汰？
我的判断是：不会被淘汰，但会被重新定价。护城河不会消失，但会从一个地方，挪到另一个地方。
先说它凭什么还站得住。情报和高风险决策，有一条大语言模型天生迈不过的坎——可追溯、可审计、可问责。军队要打击一个目标、执法机构要抓捕一个人、银行要冻结一笔资金，你不能只给一个"AI 觉得应该这么干"的黑箱结论。你必须能回答：这个判断依据的是哪条数据、来自哪个源头、谁有权看、谁签的字。这正是本体论最硬的价值——它自带数据血缘和权限体系。而大语言模型最致命的短板恰恰在这里：它会一本正经地胡说八道（幻觉）。在闲聊里，幻觉是瑕疵；在情报里，幻觉是灾难。
所以真正的终局，大概率不是"智能体取代本体"，而是"智能体站在本体之上"——用可信的结构化底座，去约束不可信的强大推理。这恰恰是 Palantir AIP 和 Anthropic MCP 殊途同归指向的那个答案。
但护城河也确实在被侵蚀，而且分化得很厉害。
有一类冷静的分析提醒：在智能体时代，价值会顺着技术栈往上迁移——从"谁的工具最好用"，迁向"谁掌握了智能体的编排与控制点"。按这个逻辑，Palantir 的护城河高度不对称：在涉密的政府与国防场景，安全认证的壁垒近乎无法逾越，它稳如泰山；但在普通商业市场，替代品越来越多、迁移成本没那么高，护城河要薄得多。Databricks、Snowflake 在做数据底座，微软带着 OpenAI、谷歌带着 DeepMind 在做"够用就好"的智能体能力——它们未必要做到 Palantir 那么极致，只要在大多数商业场景"足够好"，就能从边缘啃下市场。
这里我想借用一个我一直在讲的判断：对旧平台的 AI 升级改造，很多时候只是过渡性的尝试。把 LLM 装进一套为"人类分析师"设计的老架构里，短期是加分项，长期却可能是包袱——因为真正的 AI 原生系统，会从第一天起就按"智能体是主角、人是监督者"来设计，而不是反过来。AIP 到底是 Palantir 穿越周期的方舟，还是一件精致的过渡产品？这是我认为最值得盯住的悬念。当然，也有乐观的声音把 Palantir 直接定位成"智能体时代的操作系统"——认为它的本体，正是智能体最需要的那个结构化地基。两种判断都成立，赌的是同一个问题的正反两面。
如果两条隧道终将挖通，那挖通之后的系统长什么样？我给出六个方向。
一、本体会"活"起来。过去，本体是人一寸一寸手工建的死结构；未来，它会是智能体动态生成、随用随长、由人来校验的活结构。机器在混乱里即看即懂，当场搭出一版临时本体，人再审核、修正、盖章。结构化本身不会过时——高风险决策永远需要它——但"谁来做结构化"，正从人换成 AI。
二、推理必须"可验证"——给情报也装上"跑测试"那一步。这是我认为最关键的一环。Claude Code 为什么敢放手让智能体改代码？因为代码有一个"神谕"：测试要么通过、要么失败，对错当场见分晓。而情报、研判天然没有这样的客观信号——这正是幻觉最危险的地方。所以下一代系统必须人工造出等价的"神谕"：让每一条结论都带可追溯的证据链，让多个信息源交叉验证，甚至专门派一队"红队智能体"，任务就是想尽办法反驳主结论——只有攻不倒的判断，才能递到人面前。把"跑测试"搬进情报系统，是这场进化的胜负手。
三、从一个大脑，到一支队伍。未来的系统不会是一个无所不能的大模型，而是一支分工协作的智能体队伍：侦察的、研判的、复核的、唱反调的、做综合的——像一个微缩的情报机构，只不过全在软件里。智能本就是在连接中涌现的，如今这张协作网里，多了智能体这种新节点。
四、可信底座不是附加功能，是地基。血缘、权限、审计，必须从第一行代码就长在系统骨头里，而不是事后打补丁。这恰恰是 Palantir 本体论最硬的遗产——它会被继承，而不会被丢弃。
五、人的位置整体上移。从趴在屏幕前的操作员，变成设定目标的指挥官、拍板高风险决策的裁判、为结果签字的问责人。那些靠"坐在系统和现实之间做翻译"为生的岗位——FDE、初级分析、报表研判——会被大幅压缩；而站得更高、管认知与判断的人，会更值钱。
六、护城河从"拥有数据"迁往"值得信任"。当整理数据、搭建本体都能被智能体廉价完成，光靠"我攒了别人没有的数据"就守不住了。真正的壁垒，会挪到判断的质量、结论的可验证性、以及某个专业领域里长年积累的、别人不敢信而你敢担保的那份信任。
如果你也想造一套这样的系统，下面六条是我认为最要紧的。
1. 从"有客观验证信号"的窄场景切入。别一上来做大而全。Claude Code 选中代码，是因为代码能自动判对错。你也要先找一个能自动验真、又足够高价值的窄口子——对账、合规筛查、风险比对——有了验证信号，自我纠错的飞轮才转得起来。
2. 先放"看"，再放"做"，权限逐级解锁。让智能体先只做读取和研判、输出给人看；跑稳了，再一档一档把"行动"权限放开。风险分级授权，是落地而不闯祸的唯一稳妥路径。
3. 本体随用随长，别先盖大楼。不要重演"花半年建一套完美本体"的老路，让结构在真实使用中一点点生长，用到哪、长到哪。
4. 把人的每一次纠正，都变成飞轮。系统每被人修正一次，就该更懂这个组织一分。用得越久越贴身，这才是新的迁移成本、新的护城河。
5. 按"AI 原生"设计，别给旧系统贴 AI。给一套为人类分析师设计的老架构装上 LLM，短期加分，长期是包袱。真正的 AI 原生系统，从第一天起就假定"智能体是主角、人是监督者"。这也是我一直强调的：大模型就是新的操作系统，几乎所有现存的数字系统，都值得用智能重做一遍——重做，不是贴牌。
6. 别迷信"有"，要死磕"精"。让智能体做出个 80 分的原型不难，难的是做到情报级别敢用的 95 分以上。在闲聊里差一点是瑕疵，在情报里差一点是灾难。能不能跨过从"能用"到"敢信"那道坎，决定了这套系统是玩具还是武器。
情报系统只是第一批被这样重做的——因为它对"从混乱中看清真相、并采取行动"的需求最纯粹、最极致。今天在 Palantir 和 Claude Code 身上上演的这一幕，接下来会在金融、法律、医疗、工业的每一个角落重演。对企业、对国家都一样：谁更早想清楚"智能该放在系统的哪一层"，谁就在下一个时代占住了身位。
Palantir 这个名字，取自托尔金笔下那颗能看见远方的"真知晶球"。这个隐喻精准得有点残酷——过去二十年，它确实造出了那颗水晶球：能把混沌的世界照得纤毫毕现。但别忘了，水晶球再神，也只是给巫师看的工具，真正做判断、下决断的，始终是握着它的那个人。
情报的本质，从来不是数据，而是判断。过去，我们造工具来帮人判断；现在，我们开始造能自己判断的工具。
这才是 Palantir 与 Claude Code 之争最深的那一层含义：那颗一直安静地供人观看的水晶球，正在自己长出眼睛。它不再等着谁来凝视，它开始自己看，自己想，自己动手。
当水晶球长出了眼睛，坐在它面前的我们，该重新想想自己的位置了。工具进化的每一个关口，淘汰的从来不是工具本身，而是那些以为自己还离不开旧工具的人。这一次，也不会例外。