Palantir究竟干啥的｜行动系统是第三代企业软件

最近这段时间国内企业软件界讨论Palantir很火，主要是因为这个公司市值出奇的高，2022年底上市以来，这家只有几千人的公司目前市值在4500亿美元左右，还一度接近5000亿美元，远超IBM、SAP、Salesforce等一众有十万数量级员工的传统企业解决方案厂商。于是，很多中国软件公司都给自己贴个“中国的Palantir”，希望能在资本面前卖个好价钱。

国内网上关于Palantir的评论文章大都是从其官网文章上翻译过来的，绝大多数讨论Palantir的中国人应该都没见过这个系统，不免多有想象，以讹传讹。那些文章里很多不明觉厉的名词，例如本体、数字孪生一类，看得我也云里雾里的。

这个现象有点像十多年前苹果iPhone刚出来时，国内讨论iPhone很热烈，但是真正用iPhone的人并不多，最多是见过市面上流行的水货，我记得iPhone 直到4代才正式大规模进入到中国市场，当年大多数中国人经过了对苹果手机雾里看花的阶段，今天大家讨论Palantir也是这样。

那么Palantir究竟是咋回事呢？我想基于我的观察、理解，谈下对它的思考。不一定对，欢迎业界朋友指正。

1行动系统的背景

首先说我的结论：

其一，Palantir是第三代企业软件中的一个流派

其二，我将第三代企业软件统称为“行动系统”（System of actions）。

第一代企业软件是“记录系统(System of Records, SoR)”：以SAP、Oracle等为代表的ERP、CRM、WMS系统，或者核心银行、核心保险、核心物流等核心业务系统，它们负责记录企业的每一笔事务（或称“交易”）以及业务对象（例如财务、库存、客户等）的状态。

第二代企业软件是“智能系统(System of Intelligence, SoI)”：以商业智能（BI）、数据仓库、数据平台为代表，也包含了一定的机器学习、人工智能、运筹优化等能力。它们负责分析数据，告诉你“发生了什么”、“为什么发生”和“将要发生什么”，用户从这些系统中获得洞察，指导业务行动。

但是，企业数字化的现实是：在数据洞察和实际行动之间并没有建立自动化的联系，需要大量的人员介入，来理解洞察结论，并转化为人员的行动。

例如，报表显示库存快用完了，但实际的补货指令下达和执行，却要人工审批、跨越若干部门、登录若干系统，这些人为的决策（decision）和行动（action）就产生了明显的迟滞。

给大家举个我自己为企业做IT系统规划的实际例子，谈下为啥企业需要“行动系统”：

去年我曾经为国内某头部零售企业的老板做了一次企业IT系统架构评估和规划。该老板希望能够提高一季服装商品的当季售罄率；应该说这家公司在前面提到的第一代和第二代信息系统方面，都建设得一应俱全——从第一代的ERP、OMS、WMS/TMS，到第二代的BI（他们BI做得很好，每个品类都有仪表盘可以钻透到SKU级，老板可以随时看到在不同渠道、门店的实时销售数据）、商品买货计划、门店派发计划、配补货预测等等。

为了提高售罄率，老板对商品动销的动态操作要求很高，然而从洞察到决策到执行，要跨越不同的部门，操作不同的系统，公司的业务流程也不甚规范，所以老板一直不满意运营体系对市场动态反应的及时性。

经过研究，我给老板建议是：商品驾驶舱界面应该更加智能化，可以实时生成对每款货的补货、促销、调拨等决策建议，他可以就像炒股的人盯盘一样，屏幕上显示股票的买入卖出建议，老板操作一款衣服就像炒一只股票——可以直接在数据洞察画面上，像股票下单一样来操作每款衣服的决策，然后通过自动化的工作流，将后续工作连起来，实现敏捷的、数据驱动的从洞察到执行的闭环。

我给老板把这个系统的架构、甚至设想的界面图都画出来了。

我这时就意识到，在企业里，SoR和SoI之上，需要一个新的软件层——System of Action (SoA)，即“行动系统”。

它的定位是：位于记录系统和智能系统之上，负责将智能系统的“洞察（Insight）”转化为记录系统的“行动（Action）”的中央编排层，根据业务环境和业务目标，智能地编排洞察和行动，优化决策和执行，最终达成业务目标。

2行动系统编排决策与行动

行动系统并不是取代了第一代和第二代信息系统，亦即它是基于企业已有的ERP等业务核心系统、数据分析平台、机器学习/人工智能平台。

行动系统的核心任务是在复杂的业务环境、数据源和企业信息系统中，对决策和行动进行编排（Orchestration），它将企业的智能运营从被动的看报表模式，升级为智能化主动、“人在闭环”监控执行的闭环。

从Palantir的解决方案架构（下图）看，它并不改变企业现有的组织、系统和数据，而是解决三个层面的企业数字化运营问题：

1、企业既有数据和AI模型的整合

2、基于整合的AI模型和数据，将流程、资源、事件等建模为企业业务的语义（semantic），形成企业真实世界的“数字孪生”——亦即可计算的组织，它将这一层起名为“本体”（ontology），从而构造出产生决策、行动的数字化上下文（context）。我认为这种想法并非Palantir所独有，供应链优化软件O9提出的“数字化大脑”（digital brain）也是类似的概念，前段时间我和KPro赞助者“谷斗科技”创始人高总交流，他说他们公司过去几年一直在做面向决策优化的企业建模平台，其逻辑和Palantir、O9都很类似。

3、它利用AI/ML/优化算法，基于企业真实环境的数字孪生，计算出最优的行动方案，即决策（Decision），并将决策转化为一系列跨系统、跨部门的可执行步骤。SoA不仅是消费数据，更重要的是它能回写到底层的记录系统，完成行动闭环——这就是工作流层和决策层的编排。

Palantir的“本体”是目前国内业界讨论比较热烈的话题，我个人认为它就是和知识图谱AI比较类似的语义技术，即：

• 把企业资源、业务对象表示为节点（设备、订单、任务…）
• 把关系表示为边（隶属、依赖、来源…）
• 支持语义化建模
• 用图结构描述业务世界
• 能支持推理、查询、推荐

和知识图谱AI不同的是，Palantir并不是强调基于图结构的知识算法，而是强调基于图结构的决策和行动。

基于这样的技术能力，Palantir是个整合复杂数据、生成决策方案并且指导行动任务的平台，它的主要应用场景是：

政府和国防：对于复杂、多源、大量、异构的数据，例如卫星、监控、报告、日志、通信、地理／地图／传感器数据、历史记录等，Palantir Gotham串起来数据整合、真实世界建模、关联分析和可视化、快速决策支持，适合反恐、情报分析、军事行动、边境安全、犯罪侦查、国家安全、战场态势监控等高风险、高复杂度任务。

公共管理：当社会出现自然灾害、公共卫生、紧急事件等，比如疫情、灾害，数据往往来自多个来源、格式混乱。通过Palantir把数据整合起来，帮助决策者实时了解“资源、需求、供给、风险”全貌，并进行资源调配、调度、响应、预测。比如在疫情期间用于医院资源分配、疫苗和医疗用品物流、病人流量预测等。

制造业：对于航天航空、汽车、重工业等制造业企业，数据分散在ERP、订单管理、生产系统、供应链管理、仓库物流、设备维修等系统里，Palantir可以把这些异构数据整合，构建业务决策的对象模型，然后用于优化库存、供应链调度、维修预测、质量控制等。

金融机构：保险公司、银行等需要把交易记录、客户数据、第三方数据、历史事件、外部数据等整合起来，以发现异常模式、评估风险、预警欺诈行为、满足监管规要求。Palantir平台整合多源数据，做模式识别、关联分析、可视化决策支持，有利于欺诈侦测、合规风控、收益优化等。

这些场景适合Palantir是因为它不强调改造现有系统和数据，这很好匹配了政府、企业经过几十年信息化建设的现状——遗留系统多，又需要在不确定性高、动态变化多的环境里做出快速响应，并且执行跨业务领域、跨系统的业务决策。政府、国防、制造业、金融这些对数据敏感、对安全合规要求严格，Palantir的编排而非重构的模式，降低系统应用风险。

以“行动”为目标的编排能力，使得SoA成为一种新的企业软件形态，为了达成这种软件应用的目的，我观察到市场上有不同厂商选择了不同的技术路径。

3行动系统的流派与融合

为了要达到决策和行动的编排，我认为市场上的解决方案有两大阵营：流程驱动和数据/对象驱动，各自有其侧重点。

阵营一：流程驱动的行动派

这类流派的核心是“流程（Process）”，它们专注于流程的定义、执行与优化，更加侧重于行动，将决策能力整合进行动。

1.1 企业自动化流派（BOAT）

核心目标：将预设的、标准化的业务流程实现自动化，负责定义和确保每个任务的流转路径及高效达成。

智能基因：这些公司的智能基因主要是中心化的、规则驱动（Rules-Driven）或者智能体式驱动（Agentic Orchestration）的业务编排。

代表厂商：这类厂商就是我常说的业务编排和自动化平台（BOAT），包括过去主流的BPM、RPA和低代码厂商，KPro社区推动的开源项目奥锐方也属于这个流派。参见《企业智能系统｜ AI不能处理决策优化》

1.2 流程智能流派（EMS）

核心目标：面向流程进行智能化分析，发现流程绩效问题，自动触发行动去解决这个问题，同时优化流程模型。

智能基因：这是分析驱动（Analytics-Driven）的思维，通过强大的流程挖掘（Process Mining）能力，从业务系统的事件日志中获取洞察，然后结合可以结合其他BI和AI，指导行动。

代表厂商：流程挖掘厂商Celonis提出的业务执行管理（EMS，参见《EMS革ERP的命 ｜ 流程挖掘提升业务流程绩效》）就是这样的思想，这对SAP ERP这样的业务行动软件构成了冲击。本来流程挖掘和ERP的关系，就像GPS和汽车的关系，但是GPS不仅辅助方向决策，如果假设它不仅能感知行车定位，甚至可以从行车定位视角切入接管汽车驾驶，亦即从做GPS的变成了“智驾系统”，这就导致了SAP的反抗，参见《SAP流程技术30年进化｜国产企业软件行业走向》。

阵营二：模型驱动的决策优化派

这类流派的核心不是流程和行动，而是企业运营的“对象”和“模型”。它们专注于构建企业业务的数字孪生，驱动复杂决策。

2.1 领域优化专家流派

核心目标：在特定垂直领域（如供应链），寻找指标上的数学最优解，并且通过工作流系统连接到业务执行。

智能基因：通过人工智能来模拟或预测环境动态，通过数学优化来求解决策方案。

代表厂商：提供特定领域决策优化方案，例如供应链优化厂商O9 Solutions, Kinaxis等，这些厂商的数据和决策模型是带有特定的业务语义的。

2.2 通用智能平台流派

核心目标：建立通用的数字化孪生（或称对象本体，Ontology），整合企业数据，驱动跨领域、高复杂度的人机决策。

智能基因：通用AI/ML模型驱动，适用于在不确定性和复杂环境下统筹全局决策，解决的是预测、推断和非线性博弈。

代表厂商：Palantir (其企业解决方案框架Foundry以及人工智能平台AIP)，我过去介绍过的由90年代CRM行业开创者Tom Siebel二次创业的C3.ai，也是这样的方案思路，由我作序、几年前出版的他的著作，我认为就讲清楚了我本文谈的企业软件三代发展的思路。

两个阵营、四大流派虽然侧重点和智能基因各异，但为了解决企业问题，我认为未来是融合的趋势，即流程派要做业务对象建模（OCPM），能够做复杂的决策，而对象派必须集成业务自动化能力，接管流程执行的活儿。