Palantir 的 AIP 负责人 Jack Dobson 全面介绍并深度拆解了下一代 AI 平台（AIP）的核心架构，展示了 Palantir 如何跨越简单的“AI 分析与对话框”，为企业构建端到端的“AI 原生操作系统”。 为了具象化数百个全球生产级 AIP 部署的最终形态，视频引入了一家虚构的全球医疗制造与分销巨头 Onyx Incorporated 作为实战沙盒，全景展示了平台在供应链与智能制造两大核心领域的链式优化能力： 核心技术基石：作为人机通用接口的本体（Ontology） * 全栈数据与逻辑的实体化： AIP 通过多模态数据平面（Multimodal Data Plane）将底层割裂的各类 MRP、生产排班等源系统（数据与计算能力）虚拟化或吸纳进统一的“本体”中。企业内的机器传感器、原材料、订单、SOP 原则不再是冷冰冰的表格，而是相互关联的“活体节点”。 * 人机同构的原语接口（Primitives）： 本体中的每一个对象、业务逻辑和执行动作（Actions），都是人类操作员与 AI 智能体（Agents）共用的通用接口。这意味着给人类使用的系统修改动作，无需任何二次开发，模型便能直接作为工具（Action Tools）进行调用并回写至源系统。 核心业务场景全链路拆解 1. 订单履约工作流（Agent-Driven Order Fulfillment） * 并发智能体流转： 新订单进入后，AI 智能体阵列并发、并行地处理数百乃至数千笔订单，自主解析附件、匹配库存、优化出货路线。 * 多方案场景建模（Scenario Modeling）： 当面临库存短缺时，智能体自主调用内置的功能工具（Function Tools），运行“库存重分配模型”，深度模拟并评估跨仓调拨对下游积压订单及销售预测的动态连锁反应；同时利用产品文档判断 SKU 替代的可行性。 * 可调式 AI 治理阀门： 利用 AIP Logic 编排智能体（可自由切换/对比底层 LLM），通过 AIP Evals 引入“LLM 作为裁判”的自动化评估。企业可将 AI 自动化视作一个“刻度盘（Dial）”，根据工作流的成熟度自由调大或调小其自主决策和自动回写本体的权限。 * 闭环反馈与隐性知识捕获： 大多数订单由 AI 自动流转，极少数冲突订单触发至人类Inventory Manager。人类在 bespoke 视图中审查 AI 的全量决策日志与链路，进行一键审批或修正。每一次人类的干预、修改及标注，都会作为全新上下文实时富集（Enrich）到本体中，将过去只存在于专家大脑中的“隐性知识/部落智慧”转化为可治理的算法反馈闭环。 2. 预测性维护与智能制造（Predictive Maintenance） * 实时遥测与风险量化： 制造端的核心智能体持续监控全球生产线机器的实时遥测数据，利用机器学习模型进行异常检测，提前捕获停机风险。 * 链式智能体决策（Chained Agents）： 发现风险后，系统会自动触发链式下游模型，动态计算“维修成本”与“停机带来的营收损失”，将物理世界的技术风险直接量化为“美元风险（Dollar Risk）”。 * 动态派单与现场富集： 智能体根据计算出的资金风险优先级，结合技术人员的技能图谱与可用排班，自动进行动态派单。一线技术人员在专属移动端能直观查看设备历史、传感器异动和具体受损部件，并在维修完成后将现场数据再次贡献回全局本体。 核心成效与总结： Palantir 证明了 AI 的工业级规模化落地绝非拼凑“套壳工具（Wrappers）”，而是通过构建链式的自主 AI 劳动力（AI Labor），消除企业战略决策与一线执行之间的延迟。这种人机协同（Human-AI Teaming）的闭环系统，不仅实现了组织极限的规模化扩张，更让企业能够在全球竞争与复杂供应链的博弈中，建立起不可复制的持久护城河。

由 Palantir 的 AIP 负责人 Jack Dobson、安德雷蒂车队（Andretti Global）IndyCar 高级仿真工程师 Zack Porter 以及 IndyCar 冠军车手 Kyle Kirkwood 共同交付，正式发布了安德雷蒂车队与 Palantir 的核心战略合作，并现场演示了双方在 2025 赛季末仅用数周时间便联合开发完成的赛车智能操作系统 “RaceOS”。 IndyCar 是一项涵盖公路、街道、短椭圆及超级赛道等多种赛制的高强度全球顶尖赛事，包含 11 支车队、多达 33 辆赛车并发博弈，数据量极度庞大且环境变量瞬息万变。在过去，尽管车队拥有海量的先进工具，但数据处于极度割裂的“孤岛（Silos）”状态——IndyCar 官方的计时数据与赛车本身的传感器遥测数据（Telemetry）完全脱节。 “RaceOS” 系统的核心突破与实战应用 * 构建赛车独有本体（Ontology）： RaceOS 的核心电路依托于 Andretti 独有的“本体论”架构。它将孤立的电子表格和数据集彻底转化为相互关联的实体（赛道、车手、单圈时间、气象、赛车架构、车手评语等），打破数据壁垒，让赛车和性能工程师能在几分钟内实现跨系统的一键式精准调阅与全局复盘。 * AIP 赋能赛车参数动态比对： 针对仅有 30 分钟的赛前极速调校场景，系统能自动调取历史最佳单圈及配置。当车手和工程师提出调校设想时，AIP 能通过智能搜寻，迅速在庞大数据库中匹配出 3 套最相似的历年历史方案，并动态生成“数据故事”，不仅列出参数差值（Deltas），还全景还原当时的产品流演进、对手表现及气象上下文，帮助团队告别纯经验主义，做出精准的数据驱动决策。 * 工业级实时遥测与故障预警（以 TPMS 为例）： 赛车在激烈的对抗中，传感器面临极高的损坏风险（单车含 2000 多个数据通道，每场比赛产生上千亿数据点）。RaceOS 实现了在车手停靠维修区的短短几秒内，全量遥测数据自动流向平台并融入本体。在多伦多大奖赛中遭遇胎压监测（TPMS）传感器故障后，团队仅用 24 小时便在平台上线了 TPMS 智能管理应用，实现对所有传感器历史寿命、电池电量及故障轨迹的智能预测。自该应用上线以来，车队再未发生过任何一起 TPMS 故障。 * 前沿机器学习的异常检测（Anomaly Detection）： 改变了过去由工程师肉眼肉身翻看数千通道数据的低效模式，通过在本体之上叠加机器学习算法，即使是传感器在一瞬间发生的细微逻辑异动或失效，系统也能自动捕捉并推送至“调查工作流（Investigation Workflow）”，从而防患于未然。 核心成效与展望： 该项目从打通底层数据流并实现并发流式传输仅耗时 5 天，便在极短时间内展现了恐怖的敏捷开发能力和商业价值。两家公司表示，赛车运动本质上是对“时间”的极致压榨。通过 RaceOS 彻底压缩赛道下和比赛期间的案头工作，团队能将节省下来的宝贵时间完全聚焦于策略决断、车辆物理极限推演和客户关系维护，这为 2026 年车队在全球赛场上构建不可复制的持久技术护城河奠定了坚实基础。

分享了美国航空如何利用 Palantir Foundry 平台构建名为 “Vector” 的数字化系统，颠覆传统航线网络规划流。 作为全球最大的航空公司，美国航空日均承运 63 万名旅客、运行 6,500 个航班。如此庞大的业务背后，是一个极其复杂的端到端后勤系统。过去，其网络规划高度依赖人工，各运营团队（机组、维护、地面等）处于串行且割裂的“孤岛”状态。通过 Excel 和邮件沟通不仅耗时，而且当某个团队发现优化机会或进行调整时，往往因滞后而引发其他环节的连锁冲突，无法实现全局最优。 “Vector” 系统的核心突破与实战应用 * 主动智能化推荐： 改变了过去人工排查低效模式的痛点。系统（如其中的 Crew Advisor 模块）能自动扫描全网，精准识别隐藏的低效模式。例如，自动发现因“前序航班落地”与“次日早班起飞”间隔过紧导致机组被迫在旧金山额外休息、需临时调派新机组的隐形成本问题。 * 动态约束冲突解析： 针对“牵一发而动全身”的航班微调难题，系统后台集成模型进行持续的实时合规检查（检查登机口、周转时间、站点标准等）。当提出“微调 15 分钟”的建议触发冲突时，系统不会只抛出问题，而是利用内置的运筹优化模型直接计算并给出重排航线等替代解决方案。 * 全网压力仿真模拟： 确保方案不仅适用于“晴空”环境，也能抵御“雷雨”等恶劣天气。后台的算法网络模拟模型能对网络持续施压，找出潜在窒息点并给出修正建议，确保最终时刻表的安全、可靠与高利润。 转型成效与展望： 该合作仅历时约一年，便已为美国航空释放了数千万美元的商业价值。未来，美国航空计划将 Foundry 平台的应用范围从单一场景进一步扩大至端到端的一体化规划平台，彻底打破所有运营团队之间的壁垒，实现全面、动态、持续的协同网络优化。

特邀 Owner.com 的首席营收官（CRO）深度复盘他们如何通过全链路注入 AI 智能体，让单个销售代表（Rep）撬动高达 200 万美元以上 ARR（年度经常性收入） 的工业级神话。 核心拆解了将 AI 从“提效工具”升级为“自动化销售正规军”的实战打法。Owner.com 展示了他们极其硬核的 AI 原生销售工作流：AI Agents 不再只是帮销售润色邮件，而是作为核心节点，自主、并发地监控全网公开数据与多渠道信息（如 OSINT 开源情报）。智能体能够在数秒内清洗海量商家数据、通过知识图谱精准剖析竞争对手、自动摸清大客户的痛点，并针对性地生成完全定制化的销售提案。 这种“高 Token 消耗、高自主性”的 AI 阵列，承包了过去需要庞大销售助理团队才能完成的线索挖掘与初筛工作。这带来了一种极其恐怖的“极薄组织（Thin Org）”杠杆：销售代表只需介入最后的战略决策与客户关系推进。这不仅刷新了硅谷 SaaS 企业的组织效率天花板，更为技术出色的 Builder 们展示了如何利用 AI 智能体将真实商业变现放大百倍的实操范本。

Y Combinator 的深度访谈，特邀 Anthropic 行业负责人（Head of Industries）分享其内部如何“用自己的技术吃自己的狗粮”，展示了 AI 领头羊企业自身如何被 Claude 彻底重塑。 核心探讨了从“AI 辅助工具”向“AI 原生组织（AI-Native Org）”的范式转移。不同于传统销售只把 AI 用作写邮件或总结会议，Anthropic 在设计之初就将 AI 智能体（Agents）作为组织的核心节点。在 B2B 销售中，大模型利用长上下文和强推理能力，能在数秒内深度解析成百上千页的企业财报与技术白皮书，精准梳理出行业巨头的“痛点图谱”，并自动生成定制化的技术解决方案。 这种全新的工作流带来了恐怖的杠杆效应：AI 承担了大量复杂、数据密集型的案头工作与客户初筛，使销售人员能直接跳转到最高价值的战略决策与关系维护中。对谈指出，通过让 AI 智能体密集消耗 Token，企业只需依赖一个极薄的精简团队，就能撬动海量的全球级企业客户，实现人均产值的指数级飞跃，为现代商业组织架构的演进提供了极具含金量的实战范本。

Physical Intelligence (PI) 正在构建一个基础模型，该模型可以控制任何机器人执行任何任务——团队将其称为机器人领域的“GPT-1时刻”。该公司采用跨平台训练方法，可在多种不同的机器人平台上进行训练。最新成果显示，他们无需任何测试即可完成去年需要数百小时数据采集才能完成的任务。在本期《The Lightcone》节目中，联合创始人 Quan Vuong 与 Garry、Jared、Diana 和 Harj 坐下来，探讨了机器人技术为何终于迎来规模化发展的关键时刻、PI 如何在云端而非设备端运行模型，以及 Quan 所预见的垂直机器人公司“寒武纪大爆发”的未来发展蓝图。

Y Combinator 官方播客 《Lightcone》的专题讨论。三位合伙人围绕当前软件工程界正在发生的代际范式转移——“Token 极大化（Tokenmaxxing）”展开了深度对谈。 这里探讨了现代软件开发中从“AI 作为效率工具”向“AI 作为全能协作者”的颠覆性转变。通过引入如 Claude Code 和 OpenClaw 等新一代 AI 编码智能体，软件工程师和创业者正在重塑开发工作流。对谈指出，在这种全新的软件范式下，顶尖的“全栈开发者”不再需要亲自编写每一行底层逻辑，而是转型为系统架构师与 Agent 协调者。通过向 AI 智能体开放高权限、长上下文并密集消耗 Token，个人不仅能在几小时内独自重构大型应用，更能以极薄的团队（Thin Harness）和极厚的行业技能（Fat Skills），独自承载过去需要 400 人工程师军团才能交付的工业级生产力。

Cursor联合创始人Sualeh Asif与turbopuffer首席执行官Simon Eskildsen坐下来，探讨了Shopify如何通过限时抢购实现规模化扩张、为何每隔15年就会涌现出一家新的数据库公司，以及P99工程师的必备素质。 访谈主要分为三个核心维度：首先，Simon 还原了他早期在电商巨头 Shopify 担任首席工程师近十年的底层系统扩容战争，分享了在面对 Kylie Jenner、Kanye West 等顶流明星带来的随机性极端“闪购（Flash Sales）”流量洪峰时，团队如何通过 MySQL 锁优化、Nginx Lua 缓存以及优雅降级（Load Shedding）等硬核手段维稳系统的战术细节，并探讨了早期开源社区（如 GitHub、Shopify 跨公司电话连线）的集体智慧结晶（如 Toxiproxy、Logrus 的诞生故事）。 其次，访谈从第一性原理出发，剖析了 Simon 的软件工程宪法——“让简单带来惊喜，复杂必须匹配其代价”。Simon 结合自身二十年沉淀的“餐巾纸数学（Napkin Math）”思维，解构了数据库底层位与字节在磁盘/网络中的流动本质，并指出每 15 年一次的数据库技术代际颠覆，必然源于“全新业务负载”与“ incumbent（现存巨头）无法复制的全新底层存储架构（如云原生强一致性对象存储 S3 与 NVMe SSD）”的必然结合。 最后，双方深入探讨了在大模型与 AI 智能体时代下的工程演进。包括第三方开发者如何在 AI 时代重新定义“P99 顶尖工程师”的面试与选拔标准、如何利用云端 Agent 7x24 小时对数据库进行混沌测试、以及未来 GPU 数据库与 speculation（投射/投机计算）对传统高并发、低延迟数据架构带来的颠覆性软硬件变迁。

用 Palantir 的 AIP 平台与核心本体层（Ontology）构建一个真正具备“自愈（Self-Healing）”能力的自主运行企业。 大型跨国企业在数字化转型中的最大痛点——因零散的数据源、独特的业务流程以及各自为政的孤立团队（Siloed Teams），导致企业无法在全局规模上进行实时监控与协同。 为了打破这种局部最优的困境，Palantir 提出了“AI 人机协同与企业自主化”的未来愿景。系统利用统一的本体层（Ontology）将企业所有离散的数据与流程编织成一个充满活力的数字织物（Fabric）。在这个底座之上运行的 AI 智能体拥有高度的自主权，它们不仅能自发感知整条业务链条上的突发异常（如供应链断裂或生产失衡），更能跨越部门壁垒自主行动、互相协同，甚至自动修复系统运行中的逻辑漏洞。这种“自愈式自主企业”架构，成功将大模型驱动的智能体操作深度焊入企业的核心运行链条，实现了大规模运营和决策流程的颠覆性优化。

Gallatin AI 的联合创始人 Daniel Buchmueller 向主持人展示了如何利用 Palantir 的核心底座，为军方和国防供应链开发并部署尖端应用。 演讲的核心是 Gallatin AI 团队开发的 Navigator 系统。这是一个专门针对战术前沿物资补给（Tactical Resupply at the Edge）的 AI 决策平台。该系统完全构建在 Palantir Foundry 的数据治理与本体层（Ontology）之上，将原本分散在各处的战场物流、库存资产以及前线需求数据标准化，并无缝部署到了美军的核心指挥控制界面 —— Maven 智能系统（Maven Smart System） 中。 通过该视频的演示，Gallatin AI 证明了 Palantir 对第三方软件构建者（Builders）的强大赋能：开发者可以利用其开放且安全的 API 架构，在极短时间内将垂直领域的 AI 智能体应用直接“打入”军方的 load-bearing（承重级）核心基础设施，从而帮助前线战士以远快于传统流程的速度，做出更精准的战术后勤与补给决策。

在 Palantir 举办的 AIPCon 9 大会上，美国海军中将西科·冈野（Vice Admiral Seiko Okano）发表了题为“利用 ShipOS 加速美国造船业”的重磅演讲。演讲聚焦于美国地缘政治压力下海事工业基地面临的严重危机，直言不讳地指出了潜艇与战舰制造长期受困于供应链碎片化、熟练工人短缺、传统 IT 孤岛以及因严苛合规文档导致工期严重延误等系统性痛点。 为了重组工业产能并夺回制造速度，美国海军通过与 Palantir 深度合作打造了 ShipOS（造船操作系统）。该系统依托 Palantir AIP 与数据底座，成功将四大公共造船厂、主要总承包商（如通用动力电船公司）以及下游数以千计的供应商整合进统一的数字孪生本体（Ontology）中。 ShipOS 彻底改变了传统的制造模式：在供应链端，AI 能够实时感知原材料物流进度并动态预测交期风险；在生产端，原本需要人工耗时 160 个小时的复杂核潜艇建造排程表，在系统介入后被压缩至几分钟内自动生成；在合规端，大模型自动化审查错综复杂的质量合规（OQE）文件与合同条款，将原本耗时数周的文档流转缩短至分钟级。这套“海事供应链大脑”正在通过高阶 AI 赋能一线工人和供应商，推动美国本土重工业实现向数字化、自适应制造的代际跨越。

在 Palantir 举办的 AIPCon 9 大会上，埃森哲（Accenture）发表了题为“激活人工智能群体智慧（Activating the AI Hivemind）”的重磅演讲，深入阐述了其与 Palantir、SAP 三方达成的颠覆性战略合作。该合作的核心宗旨是利用大模型与多智能体技术，彻底重构全球顶尖企业在进行 SAP S/4HANA 云 ERP 迁移时的技术路径与运营模式。 1. 核心底座：多智能体驱动的“AI 群体智慧” 演讲的核心亮点在于将 AI 从传统的单点工具升级为“群体智慧生态”。埃森哲展示了如何利用 Palantir AIP（人工智能平台）构建一套多智能体（Multi-agent）编排架构。在这个系统中，不同的 AI 智能体不再孤立运作，而是像人类专家团队一样，能够实时共享业务上下文、自主分工协作并交叉验证决策。这套“智慧大脑”能深度渗透进企业错综复杂的业务流中，实现对海量历史遗留数据的自动化清洗、本体化映射（Ontology）以及高精度的系统风险仿真。 2. 规模级工程落地：埃森哲的军团力量 为了将这种前沿的 AI 架构转化为工业级生产力，埃森哲倾注了极其庞大的资源保障。目前，埃森哲拥有高达 88,000 名 专注于 SAP 实施的专业交付人员。通过成立专门的 Palantir 业务集团（Palantir Business Group），埃森哲将自身的行业洞察与 Palantir 的技术底座深度焊死。这意味着“AI 群体智慧”可以直接无缝接入大型跨国企业（如汽车、制药、供应链等行业）的底层核心，让 AI 智能体有能力安全地调度核心财务、库存及生产数据。 3. 从 IT 搬家到“自适应业务重构” 传统的 ERP 迁移往往面临长达数年、成本高昂且风险巨大的“黑盒”困境。而该方案将迁移过程变成了透明、可预测的智能化升级。在迁移正式启动前，多智能体系统就能全局摸清企业的数据景观，精准识别潜在的业务瓶颈和冲突。一旦系统上线，这套 AI 底座将演变成一个自适应的运营重构引擎，不仅能以极高速度完成“IT 搬家”，更能赋予企业通过自然语言指挥 AI 智能体自主优化供应链调度、自动控制合规风险的顶尖能力，实现企业核心数字化资产的代际跨越。