想要第一時間獲得市場上的最新資訊及分析嗎？
歡迎點擊下方連結訂閱【馬克觀點MKP】電子報，在即時更新資訊的同時，獲得最深入的分析～
如主題，大部分的散戶投資者可能都會一言以蔽之，「就AI阿」，但再深入可能就不知道了，今天透過本文，您將會了解當你購入PLTR股票時「你到底實際上買了什麼?」
今天的重點將會著重在PLTR的「產品」，之後的文章將會再深入介紹其商業模式及為何Mark認為「PLTR可能出現了無法以過去的估值法被估值」的情形。【產品一、AIP(Artificial Intelligence Platform)】
2023年推出的旗艦產品之一，目的是協助企業與政府將大型語言模型(如GPT-4)安全地整合到實際業務流程中；它不是一個單純的對話機器人，而是一整套用於建立由AI驅動的生產流程與智慧代理(AI agents)的基礎(關於AI agents亦是另外一個重要的大篇幅，後續以專文介紹)。
AIP與PLTR的其他產品Foundry/Gotham、Apollo並行構成AI Mesh網狀架構(註一)，其連接資料、AI模型和應用層，並支援從桌面(員工電腦)到邊緣(各個機台等等)的多場景部署。最大的特點除了做為整合Foundry/Gotham的平台，本身也具備多種功能模組，如：
- AIP Logic: 可嵌入如openAI的GPT或META的LLaMA等大型語言模型(LLM)，利用其幫忙做邏輯決策分析；換個角度，這也會是openAI、META等等有開發LLM的企業，一項長期收入來源(授權使用費)，會逐漸成為其穩定的現金流
- AIP Evals: 評估AI輸出的品質與準確性，防止AI幻覺
- AIP Assist: 類似微軟Copilot的AI助手
- Pipeline Builder: 視覺化流程圖設計，串接資料、模型與行動
- Agent Studio: 用於開發專屬AI Agent
【產品二、Foundry(給商業用戶)】
目標是幫助企業把龐大、分散、異質的數據轉化為可操作的洞察與決策能力，是一個模組化的作業系統，其底層邏輯也是本體論Ontology(詳見第二期文章)；用戶可用它來「連接資料、建立模型、協作分析、部署應用」。
Foundry由以下核心模組架構組成：
- Data Integration(資料整合): 簡單來說就是接收各種資料源，自動擷取、轉換、載入(ETL, Extract-Transform-Load)，特點為不用預先蒐集資料，而是資料在哪裡產出，就在哪裡操作，而且還支援時間追蹤、關聯(俗稱血緣)追蹤
- Ontology(本體論)建模: 拆解企業的本質，將傳統資料表非常不直觀的「技術結構」，轉換為「語意模型」，礙於篇幅，詳見第二期文章
- Operational Applications(操作型應用): 讓客戶不需要會編寫程式語言(code)即可做出公司內用的自訂應用程式，大幅降低使用者門檻
- Decision Intelligence(決策智慧): 簡單來說就是讓用戶能快速使用AI做出高價值決策，並且搭配AIP，在一定目標與限制條件下，AI能自主代理執行
- Collaboration(協作與權限): 支援即時多方協作、精細的權限控制，且全部操作都有版本紀錄、可追溯修改紀錄
【產品三、Gotham(給政府用戶)】
PLTR最早期、最具代表性的核心產品之一，起初為了解決反恐與情報分析需求而誕生，後來廣泛應用於執法、國防與情報機構中；目的是幫助決策者「從數據中找真相」。
其核心模組架構與Foundry有部分雷同(畢竟Foundry就是由Gotham開發出來的商用版本)，概述如下：
- Data Integration(資料整合)，同前
- Ontology(本體論)建模，同前
- Graph Analysis(關聯網圖分析): 用於抓出犯人潛在同夥、詐騙集團或潛伏恐怖份子網絡，底層技術為GNN(Graphic Neural Network，圖像神經網路)
- Temporal Analysis(時間序列推演): 用於「事件時間軸建構」，可視覺化某人/某組織過去活動的序列與頻率，幫助建立「行為模式」或發現「異常行為」
- Hypothesis Testing(假設推理模擬): 允許使用者提出假設，如「斬首行動的對象是否為替身?」，由系統自動查找符合/違背此假設的線索
- Case Management(案件管理)，類似商用版的「Collaboration(協作與權限)」
案例：如果某國軍方採用Gotham與AIP結合，則舉例如無人機或智慧導彈，將能自主尋找符合攻擊方最大利益的攻擊目標並自主攻擊，即人工智慧代理(AI agents)，全程無須人類手動操作
【產品四、Apollo(用於模型與應用的部署、版本控制)】
目的是幫助Gotham/Foundry”自動、安全、穩定”部署到「任何環境」中(包含雲端、本地機房、任何邊緣設備，甚至是只有封閉網路的軍事場景)。
並且讓各產品在精準控制版本的前提下，能按照不同部門的設定權限，自動快速更新。可以說是PLTR產品可規模化擴展的底層關鍵平台！
PLTR的護城河來自Ontology本體論模型極度複雜，需長期與不同產業合作才能打造出來，而且具有高度客製化特性，每一種產業甚至每一家公司都可能不一樣，因此對於客戶來說具備非常高的轉換成本，甚至接近無法轉換，因潛在競爭對手如Snowflake(主業為資料倉儲)或傳統BI業者(註二)等均只有PLTR的部分能力；而PLTR產品增強企業/政府快速精準決策的能力又會進一步正回饋導致用戶到後來「不能不用PLTR的服務」，也因此客戶黏著性會非常強！
第二期文章傳送門：
〖註一〗
AI Mesh網狀架構分為四個關鍵層如下：
LLM基礎層：大型語言模型，就像大家熟知的GPT
決策邏輯層：使用者可定義決策條件、風險容忍度、權限等
語意本體層：即第二期文章中提過的Ontology(詳情敬請讀者再行翻閱，礙於篇幅此處不再贅述)
操作執行層：最後「真正的行動」(如alarm、下單、變更，等實際行動)
最大特點為因可部屬在私有雲端(甚至能做到離線使用)「資料不外流」(符合政府與大企業需求；公司可能會禁止員工直接使用GPT，但會找PLTR合作)，並且能支援「桌面到邊緣」(實際應用可部署到電腦、手機甚至無人機/戰車/艦艇潛艦等邊緣設備)，故以企業來說能大幅提升其執行力、以軍隊來說能大幅提升其指揮管制(俗稱指管)能力，先前傳聞PLTR高層來台，若未來與國軍正式合作，配合硬體更新，有望大幅提升整體作戰效能！
〖註二〗
BI(Business Intelligence，商業智慧)已有超過30 年的歷史，其時就是俗稱的「資訊化」，從資料採集、管理、到展示，但基本上是靜態的模式，而非像PLTR的系統具有幫助客戶快速做動態決策的能力。
