一、Palantir 是什麼：三大平台 + AI 中台

Palantir Technologies 由 Peter Thiel 和 Alex Karp 於 2003 年共同創立，初始資金來自 CIA 的投資部門 In-Q-Tel，目的是解決 911 後情報機構「資料孤島」的致命問題。經過二十年發展，Palantir 已從一家神祕的政府承包商轉型為最受關注的 AI 軟體公司之一。

核心能力可以用一句話概括：把散落在各處的「髒資料」（衛星影像、感測器、ERP、情報庫），透過 Ontology 層統一成可操作的數位模型，再讓使用者在上面做分析和決策。

三大平台定位

Foundry——商業企業的資料 + AI 作業系統。客戶包括 BP、Citibank、Airbus 等 Fortune 500 公司。2025 年美國商業營收 $14.7 億，YoY +109%。

AIP（AI Platform）——AI 中間層，整合 LLM 並在 Ontology 護欄內運行。疊加在 Gotham 和 Foundry 上，驅動所有平台的 AI 能力。2023 年推出後成為營收加速的核心引擎。

所有平台底下共享兩個關鍵基礎設施：Ontology（資料本體層）負責統一資料模型，Apollo（部署引擎）負責把軟體部署到任何環境——公有雲、氣隔網路、前線卡車上。

2025 年關鍵財務數字

商業端（+109%）的成長速度已超越政府端（+55%），Palantir 正從「政府承包商」轉型為雙引擎驅動。

二、Ontology：Palantir 的核心護城河

理解 Palantir，必須理解 Ontology。它是所有平台的基礎，也是競爭對手最難複製的部分。

Ontology 做什麼：資料抽象層

Ontology 的角色就像 Android 的 HAL（硬體抽象層）。Android 不在乎底層是三星還是小米的硬體，它透過 HAL 把硬體差異抽象化。Palantir 做同樣的事，只是對象從「硬體」換成「資料」。

每家公司的 ERP 可能是 SAP、Oracle 或 NetSuite，資料庫可能是 PostgreSQL、SQL Server 或 MongoDB，欄位命名完全不同。Ontology 透過 200+ 種預建 Connector，把這些差異全部吸收，向上層 AI 呈現統一的「物件 + 關係 + 動作」模型。

為什麼同一個 OS 可以給不同公司用

一家製造業公司的核心 Ontology 大概就是：零件（Part）→ 物料清單（BOM）→ 工單（WorkOrder）；供應商（Supplier）→ 採購單（PurchaseOrder）；機台（Machine）→ 維修記錄（MaintenanceLog）；操作員（Worker）→ 班次（Shift）→ 品檢（QualityCheck）。

這些物件定義是通用的，差異只在 Connector 端的欄位對應——A 公司的零件存在 SAP 裡叫 Material，B 公司存在 PostgreSQL 裡叫 component。部署時不需要重新設計 Ontology 模型，只需設定「你的 X 欄位對應到我的 Y 物件」。

AIP Bootcamp：5 天從零到可用

Palantir 用 AIP Bootcamp 解決了「映射工程看似浩大」的問題。流程是：客戶提前 1-2 週提供資料切片 → Palantir 工程師用預建 Connector 預建映射 → Bootcamp 當週現場微調 10-20% 的客製化部分 → 第 3-5 天就能跑出可用的 AI 原型。

關鍵數字：已完成 1,300+ 場 Bootcamp，轉化率約 75%（傳統企業軟體約 10-20%），平均合約金額超過 $1M，銷售週期從 6-18 個月壓縮到數天。

三個快速擴展的加速機制：第一，200+ 預建 Connector 讓常見系統不需從零映射；第二，AIP Bootcamp 5 天內完成映射加用例建構；第三，行業模板（Warp Speed 內建製造業模型、ShipOS 內建造船模型）不用每次從白紙開始；

三、Gotham + Maven：AI 戰場作業系統

Gotham 的戰場情報架構

Gotham 是 Palantir 2008 年發布的第一個產品，專為情報和國防機構設計。它接入六大情報來源：衛星影像（IMINT）、通訊截聽（SIGINT）、人員情報（HUMINT）、無人機（UAV/ISR）、開源情報（OSINT）、地理空間情報（GEOINT）。通過資料融合層去重和交叉驗證，在情報本體層中為每個實體（人員、車輛、地點、通訊、事件）建立可追蹤的數位物件。

核心分析能力包括三大模組：Graph 網路分析（追蹤人物關係、發現隱藏連結，例如某電話號碼同時出現在三個 IED 攻擊事件中）；Geotime 地理時態分析（地圖加時間軸疊合，移動軌跡和熱區分析）；AI 輔助決策（威脅排序、方案推薦、LLM 加規則引擎）。

客戶涵蓋 CIA、NSA、FBI、美軍各軍種、Five Eyes 盟國、NATO 成員、烏克蘭軍方、丹麥警方、挪威海關等。

Maven Smart System：殺傷鏈壓縮

Maven 是建構在 Gotham 之上的作戰瞄準系統。它把 9 套原本獨立的軍事情報系統融合成單一 AI 介面，將殺傷鏈（從發現目標到實施打擊）從數小時壓縮到分鐘級。

Maven 的完整殺傷鏈涵蓋六個階段（F2T2EA）：

Find（發現）——AI 主導。多感測器自動掃描與偵測，Gotham 可自主調度衛星和無人機的感測器排程。

Fix（定位）——AI 主導。多源交叉驗證鎖定目標。Graph 自動發現隱藏連結，秒級內完成過去需要 30-90 分鐘的人工彙整。

Track（追蹤）——AI 主導。持續追蹤目標動態，邊緣 AI 直接跑在無人機和衛星上，通訊恢復時才批次回傳偵測結果。

Target（瞄準）——人機協作。Maven 的 Target Workbench 自動生成瞄準方案：目標信心度評分、最佳打擊時機、武器-目標配對、附帶損害預估。LLM 檢查每個方案是否符合交戰規則。人類審核並核准。

Engage（打擊）——人類決定。指揮官核准後，TITAN 地面站將瞄準資料自動傳送至射手端火控系統。Shield AI 的 Hivemind 還能將指令直接傳給自主無人機群。

Assess（評估）——AI 主導。打擊後自動排程感測器重訪，即時比對前後影像，評估毀損程度，結果回饋到模型中持續優化。

Palantir 是「調度層」不是「模型層」——Maven 整合多家 LLM（Anthropic Claude、OpenAI GPT、Meta Llama、自訓練模型），在 Ontology 護欄內調度最適合的模型。不綁定任何單一 AI 公司，即使某模型被切斷也能替換。

2026 年伊朗行動的實戰驗證

2026 年 2 月底開始的 Operation Epic Fury 是 Maven 的首次大規模實戰驗證：三週內打擊 5,500-6,000 個目標，首日完成 1,000+ 次打擊，整合超過 150 種不同資料來源，據報平均每個目標的人工審核時間約 86 秒。

Maven 升級為 Program of Record（2026/03）

重大事件： 副國防部長 Steve Feinberg 於 3 月 9 日簽署備忘錄，將 Maven 正式列為 Program of Record。消息於 3 月 20 日（週五）盤後由 Reuters 獨家曝光。

Program of Record 代表什麼？

這是國防採購體系中一個專案能獲得的最高制度性地位。Maven 從「實驗性原型」升級為與 F-35、Abrams 坦克同等級的正式軍事計畫。

之前（原型/臨時合約）的狀態是：資金來自「橋接合約」需每隔幾年重新爭取、每次擴展要走新採購流程、沒有國會層級預算行項目、隨時可能被取消。

之後（Program of Record）的狀態是：穩定長期專屬的國會預算撥款、全軍種統一採用按需下單、有正式計畫管理辦公室和里程碑審查、極難被取消需國會層級決定。

什麼是橋接資金？ 在國防採購中，新系統從「實驗原型」到「正式列編」之間有好幾年的空窗期。橋接資金就是各種臨時性的資金來源——能用，但不穩定、附帶條件多、隨時可能斷。Maven 過去的 $4.8 億和追加 $7.95 億都是這類臨時合約。Program of Record 等於正式房貸核准，不再靠信用卡撐。

備忘錄的三個關鍵指令：第一，Maven 正式列為 Program of Record，獲得長期穩定資金和全軍種採用權限；第二，30 天內將管轄權從國家地理空間情報局（NGA）移至五角大廈首席數位 AI 辦公室（CDAO）；第三，未來採購由陸軍統一處理，直接對接 Palantir 的 $100 億企業協議。

Feinberg 在信中寫道：「我們必須現在就投資，專注深化 AI 在聯合部隊中的整合，並將 AI 賦能的決策確立為我們戰略的基石。」

四、TITAN：把 AI 推到戰場最前線

TITAN（戰術情報瞄準存取節點）是美國陸軍下一代 AI 地面站，由 Palantir 領導的團隊（包括 Anduril、Northrop Grumman、L3Harris）開發。合約金額 $1.78 億，計劃交付 10 套系統。

TITAN 解決的核心問題

在 TITAN 之前，美國陸軍有超過 100 座戰術地面站和 13 座作戰地面站，彼此無法互通。士兵需要用便利貼和試算表在多個系統間手動彙整瞄準資料。陸軍 C5ISR 中心的決策科學主管說：「當你走完所有步驟、處理完所有資料元素，你的時間線已經不具作戰意義了。」

TITAN 要做的就是取代這一切——一台裝在卡車上的 AI 地面站，首次統一接入太空（偵察衛星、商業影像衛星）、高空（HADES 偵察機、高空氣球）、空中（無人機、有人偵察機）、地面（雷達、電子偵察）四層感測器的資料。

感測器到射手的完整流程

第一步：多域感測器接入。 舊做法需要手動申請各系統。TITAN 即時自動接收四層資料，而且可以在移動中（on-the-move）持續收集和處理。

第二步：AI/ML 融合處理。 舊做法需要情報分析師人工彙整 30-90 分鐘。TITAN 的 SHOT 演算法在秒級內同時掃描衛星影像、分析 SIGINT、處理雷達回波，並跨源交叉驗證。

第三步：瞄準方案生成。 舊做法需要火力協調官人工計算 1-2 小時。TITAN 即時生成完整瞄準資料包：精確座標、目標特徵、武器-目標配對推薦、附帶損害評估、最佳打擊窗口。

第四步：士兵審核決策。 AI 提供所有推薦的完整推理鏈，操作員可追溯「為什麼 AI 認為這是目標」。設計理念是「自動化工作量，但不自動化決策」。

第五步：瞄準資料自動傳送至射手端。 舊做法用無線電口述座標，砲手手動抄寫輸入，容易出錯且一次只能傳一個目標。TITAN 數位直傳至 AFATDS 火力指揮系統，零人工抄寫，可同時傳送多個目標給不同射手（HIMARS、ERCA 增程火砲、PrSM 精確打擊飛彈、電子戰干擾器）。

第六步：打擊加戰損評估閉環。 打擊後 AI 自動排程感測器重訪，比對前後影像評估毀損程度，結果回饋到模型持續優化。

硬體形態分兩種：進階型安裝在兩輛大型戰術卡車上，基本型安裝在兩輛 JLTV 聯合輕型戰術車上。TITAN 不只連接陸軍內部系統——它是 JADC2（聯合全域指揮控制）的戰術節點，瞄準資料也可傳送給海軍和空軍。

五、生態系：Shield AI + Anduril

Shield AI Hivemind：自主無人機群

Shield AI 的 Hivemind 是一個平台無關的 AI 飛行員軟體——同一套自主邏輯可以飛不同機型：V-BAT（垂直起降 ISR 無人機，烏克蘭實戰部署中）、Nova 2（室內自主四旋翼，建物清除實戰中）、MQM-178 Firejet（噴射推進無人機，120 天從零到首飛）、F-16 VISTA（有人戰鬥機 AI 化，DARPA ACE 計畫驗證）。

Palantir 和 Shield AI 的整合把「大腦」（Gotham/Gaia 指揮決策）和「四肢」（Hivemind 自主無人機群）接在一起。操作員在 Gaia 地圖上直接看到 Hivemind 無人機的狀態和偵測結果，一鍵派遣任務。Hivemind 接收指令後自主規劃飛行、執行偵察或打擊。關鍵差異：Hivemind 在 GPS/通訊拒止環境下仍可自主運作，這在印太戰區是基本門檻。

具體場景（INDOPACOM 灰色地帶）：分散式感測器偵測到不明船舶，Gaia 自動標記 → 操作員在地圖上一鍵派遣 V-BAT，Hivemind 自主規劃飛行 → V-BAT 機載 AI 在邊緣端偵測目標（即使斷網也能運作）→ 偵測結果即時回傳 Gaia 和 Target Workbench → 操作員審核、選擇行動方案 → Hivemind 接收指令，自主無人機群執行追蹤或打擊。

Anduril：邊緣到企業的完整鏈路

Palantir 和 Anduril 的合作是「矽谷國防」新範式的代表，涵蓋三大維度。

維度一：AI 國安聯盟（2024/12 宣布）。 兩家公司共同成立聯盟，解決國防 AI 的兩大痛點。資料流失問題由 Anduril 負責——前線感測器每天收集海量資料但多數被丟棄，Anduril 的 Lattice 軟體加 Menace 硬體在邊緣端安全收集、儲存和傳輸。大規模處理問題由 Palantir 負責——AIP 提供符合國防安全等級的雲端 AI 訓練環境。

維度二：Menace × Palantir Edge（2025/05 正式宣布）。 Anduril 的 Menace 邊緣運算硬體成為 Palantir Edge 軟體的首選平台。前線小隊攜帶的背包大小運算節點，同時跑 Lattice（邊緣自主）和 Palantir Edge（情報分析加指揮）。在 Project Convergence Capstone 5 演習中已驗證。

維度三：TITAN 聯合團隊。 Anduril 是 TITAN 地面站的核心團隊成員，負責邊緣運算整合和 Lattice 互通。Anduril 也在開發自己的打擊系統（Barracuda 巡飛彈、ALTIUS 遠程打擊無人機），TITAN 未來可以同時把瞄準資料傳給傳統砲兵和 Anduril 的自主打擊系統。

陸軍「雙軌」企業協議

美國陸軍同時與兩家矽谷公司簽訂了史上最大的軟體企業協議：

Palantir——$100 億，10 年，整合 75 份合約。核心角色是軟體加 AI 分析加指揮控制。

Anduril——$200 億，10 年，整合 120 份合約。核心角色是硬體加邊緣 AI 加自主系統。

兩份協議結構完全對稱——預談價格、批量折扣、按需採購。Palantir 和 Anduril 不搶同一塊市場，而是上下游整合。Anduril 收集更多邊緣資料 → Palantir 訓練更好的 AI 模型 → 推送回 Anduril 系統 → 系統表現更好 → 更多合約 → 更多資料。飛輪一旦轉起來，後進者極難追趕。

六、OS 家族：從作業系統到產業標準

Palantir 正在從「軟體平台公司」重新定位為「作業系統公司」——用同一套底層（Foundry + AIP + Apollo）針對不同產業推出垂直 OS。

OS 家族一覽

Maven（作戰 OS）——情報融合加 AI 瞄準加指揮控制。合約 $13 億+。剛升為 Program of Record。

ShipOS（造船 OS）——供應鏈加排程加風險預測。合約 $4.48 億。部署中。

Warp Speed（製造 OS）——生產線優化加供應鏈加品質管控。多客戶 SaaS 模式。快速擴張中。

Gotham（情報 OS）——Graph 分析加 Geotime 加任務規劃。$100 億企業協議的一部分。成熟部署。

Foundry（企業 OS）——資料整合加分析加營運自動化。2025 營收 $14.7 億。快速成長。

AIP（AI 引擎層）——LLM 調度加自然語言操作加 AI Agent 加 Ontology 護欄。驅動所有平台。

Apollo（部署引擎）——雲、氣隔、邊緣、SaaS 統一部署。支撐所有平台的基礎設施。

架構關係

最上層是垂直應用 OS（Maven、ShipOS、Warp Speed、Foundry 商業），它們共用中間的 AIP 作為 AI 引擎層。AIP 底下是兩個核心平台：Foundry（資料平台，Ontology 加管線加工具）和 Gotham（情報平台，Graph 加 Geotime 加任務規劃）。最底層是 Apollo 部署引擎，負責把軟體部署到雲端、氣隔網路、邊緣裝置等所有環境。ShipOS 本質上是 Warp Speed 的「海軍特化版」。

ShipOS：造船業的 AI 革命

2025 年 12 月由海軍部長 Phelan 和 Palantir CEO Karp 共同宣布。背景是美國造船業嚴重落後中國——美國一年造 5 艘商船，中國造 1,794 艘。核潛艦（Virginia-class、Columbia-class）嚴重延遲。

初始合約 $4.48 億，覆蓋 4 座公立船廠、3 座私營船廠和 100+ 關鍵供應商。試點部署已展現驚人成效：General Dynamics Electric Boat 的潛艦排程規劃從 160 小時壓縮到不到 10 分鐘；Portsmouth Naval Shipyard 的物料審查從數週縮短到不到 1 小時。

海軍部長 Phelan 形容 ShipOS 是「史上最具雄心的 AI 融入海軍建造、維護和修復的計畫」。Karp 的類比：「如果 Maven 是 force projection（力量投射），那 ShipOS 就是 force construction（力量建造）。」

Warp Speed：國防製造業的 AI 骨幹

Palantir 定義為「美國再工業化的製造 OS」。已知客戶包括：Shield AI（自主無人機）、Epirus（反無人機微波武器）、Red Cat（偵察無人機）、Saildrone（自主船舶）、Saronic（自主水面艦）、Ursa Major（火箭引擎）、SNC（航太系統）、L3Harris（國防電子）、Cyberlux（無人機加通訊）。

飛輪效應：Maven 在戰場上用了 → 軍方要求造更多武器 → ShipOS 和 Warp Speed 加速生產 → 更多武器部署到戰場 → Maven 用量增加。作戰端和製造端用的都是 Palantir 平台，形成自我強化的閉環。

七、結論

Palantir 在過去兩年完成了三重轉型：

第一，從政府承包商到雙引擎驅動。 商業營收（+109%）已接近政府營收，成長速度更快。

第二，從軟體供應商到 AI 作業系統。 Maven（作戰 OS）、ShipOS（造船 OS）、Warp Speed（製造 OS）——Palantir 正在定義每個關鍵產業的 AI 基礎設施。

第三，從實驗性工具到制度性基礎設施。 Maven 升為 Program of Record、陸軍雙軌 $300 億企業協議——Palantir 已被嵌入美軍的制度性骨幹中，後進者要翻盤的難度指數級上升。

免責聲明：本文僅供資訊參考，不構成投資建議。投資有風險，決策請自行評估。