平台,而非单模型
Gotham/Foundry 处理数据与业务语义,AIP 编排模型和智能体,Apollo 管理跨云、机密与边缘部署。
一份围绕军事场景、产品体系、技术架构、商业路径与治理边界的公开资料研究。重点回答:大模型究竟位于作战系统的哪一层,以及 Palantir 真正交付的是什么。
Palantir 的核心竞争力不是“训练出最强军用大模型”,而是把模型放进一个能够接入真实数据、理解任务语义、遵守权限、部署到机密网络并留下审计轨迹的作战软件系统。
Gotham/Foundry 处理数据与业务语义,AIP 编排模型和智能体,Apollo 管理跨云、机密与边缘部署。
情报融合、态势感知、计划生成、后勤与战备是当前更成熟的落点;高风险行动仍强调人在回路。
军事 AI 的护城河来自数据权限、任务本体、工作流嵌入、部署运维与组织采用,而不只是模型参数。
Palantir 将自己置于“作战数据与决策操作系统”的位置:向上连接指挥员、分析员与任务应用,向下连接传感器、业务系统、模型、云与边缘节点。
聊天机器人、情报搜索框、数据看板、单点识别模型,或只在中心云运行的 SaaS。
一个可配置的任务平台:将分散数据变成可操作对象,再把 AI 建议嵌入有权限、有审计、有人类批准的流程。
目标用户:战略与战区指挥机构、情报分析员、目标工作组、后勤和战备部门、软件工厂、盟军联合司令部,以及需要在受控环境交付应用的传统与新兴国防承包商。
核心目标:缩短从数据到决策、从传感器到效应、从需求到应用上线的周期,同时保持跨密级访问控制、操作可追溯与多方协同。
四个基础平台加一组任务解决方案,形成从数据底座到前线应用的纵向栈。Maven、Vantage、TITAN 不是孤立产品,而是这套栈在不同军事任务中的产品化形态。
Maven Smart System、Army Vantage、TITAN、Mission Manager,以及客户和生态伙伴构建的任务应用。
C2 / ISR / READINESS接入大模型、传统机器学习与智能体;用任务对象、工具调用、护栏和人工审批把模型能力变成可控工作流。
LLM / AGENT / GUARDRAIL整合异构数据、构建数据血缘和 Ontology,把“表和字段”映射为任务中的人、物、地、事与关系。
DATA / ONTOLOGY / APP对连接、断连、隔离网络和战术边缘环境进行持续部署、版本控制、健康监测与合规变更。
DEPLOY / UPDATE / OPERATE商业云、政府云、机密网络、本地数据中心、车载/舰载/前沿计算节点与第三方模型生态。
CLOUD → AIR-GAP → EDGE分析提示:Gotham 与 Foundry 的能力边界正在被 AIP 和行业解决方案重新包装;军事采购往往以任务系统或企业协议呈现,而不是简单购买单个软件 SKU。
Palantir 的国防路线经历了“情报数据融合 → 陆军企业数据平台 → AI 加持的联合指挥与目标链 → 企业级采购框架与盟军扩张”。
Gotham 围绕多源数据融合、关联分析与细粒度权限建立早期壁垒。
从人员与战备可视化,延伸到财务、后勤、合同与企业数据平台。
重点不在聊天,而在模型访问真实数据、调用工具和执行受控动作。
Maven 原型合同上限 4.8 亿美元;TITAN 第三阶段 1.784 亿美元、10 台原型。
NATO 采购 MSS;美国陆军整合 75 份合同为最长十年的企业协议;英国宣布防务 AI 战略合作。
美国陆军公开组织 Vantage Edge 竞赛,让军人用 AIP 工具构建生产级工作流;NATO 将 MSS 继续嵌入演习内容生成与控制。
覆盖范围从“打仗”延伸到“准备打仗、维持作战和复盘训练”。选择下方类别,可查看相应场景。
聚合卫星、航空、地面、开源与历史数据;对实体和关系去重关联,支持目标发现、优先级排序、协同研判与证据追溯。
建立跨军种共同态势图,把兵力、任务、威胁、气象与后勤状态放在统一任务语义中,支持计划比较与动态重规划。
在机动地面站就近处理来自太空、高空、航空和地面层的传感器数据,降低回传依赖与分析员认知负担,缩短传感器到射手链路。
整合库存、维修、人员、运输、合同和财务数据,发现缺口、预测需求、优化调拨并追踪装备与部队可用度。
支持人员、编制、训练、预算和采购的企业级分析。Army Vantage 是从战场之外建立组织数据能力的典型入口。
让部队开发者和承包商在受控环境快速构建应用、接入第三方模型、发布组件,并通过 Apollo 向不同密级与边缘环境持续交付。
NATO 正用 MSS 辅助生成演习事件/事件注入,响应参演方行动并整合演习控制简报;重点是加快参谋工作而非替代演习设计责任。
在授权数据范围内检索命令、条令、报告和态势信息,生成摘要、COA 草案、简报底稿和交接材料,并保留来源与审批链。
| 项目 | 任务价值 | 公开规模 | 成熟度 | 解读 |
|---|---|---|---|---|
| Maven Smart System | 情报融合、瞄准、战场态势、计划与决策 | US DoD · $480M ceiling | 部署扩张 | Palantir 最接近“AI 作战系统”的产品化载体。 |
| MSS NATO | 联盟级共同数据作战能力与多域演习集成 | 32 国联盟体系 | 演习使用 | 验证跨组织、跨国和互操作需求;采购周期公开称约六个月。 |
| TITAN | 多层传感器融合、战术边缘分析、目标提名 | $178.4M · 10 prototypes | 原型成熟 | 从纯软件供应商走向软硬一体的非传统主承包商。 |
| Army Vantage | 全军数据平台、战备、财务、后勤与人员 | 30k+ datasets · 180+ systems* | 企业平台 | 以后台经营数据建立规模和组织黏性,再叠加 AIP。 |
| UK Defence partnership | 数据分析、情报、决策支持、计划与瞄准 | Up to £750M opportunities | 战略合作 | 盟友市场本地化与主权数据承诺成为重要 GTM 条件。 |
* Army Vantage 的数据集、系统与节约金额来自 Palantir 官方案例页,为供应商口径。
军事软件不是按“每席位每月”成交。Palantir 通过长期项目、任务原型、企业许可、持续工程服务与生态上架形成高触达、高迁移成本的政府业务。
同比增长 53%;其中美国政府客户约 19 亿美元。数据来自 Palantir 2025 年 10-K,政府收入包含但不限于军事业务。
按 2025 年总收入 44.75 亿美元计算。
从情报融合、战备或财务等可测量问题起步,用原型、OTA 或小范围部署证明价值。
工程团队与用户在任务现场迭代,把隐性流程编码成数据模型、权限和应用。
共享数据底座后,新应用边际交付更快,形成从单一用例到企业平台的扩张。
Mission Manager、OSDK 与 Apollo 让第三方应用在安全环境交付,平台成为生态入口。
处理遗留系统与异构数据;深度嵌入任务;跨云、机密、边缘部署;细粒度权限与审计;快速把模型变成可用应用。
供应商锁定、采购集中度与可替代性争议;实施依赖高水平工程服务;数据治理和组织变革成本高;商业口径效果需独立验证。
真正困难的部分不是让模型“会回答”,而是让它在正确的时间、以正确权限读取正确数据,调用经过批准的工具,并让人类理解它为何如此建议。
接入传感器、业务系统、消息、文档和外部情报。
Ontology 将数据映射为单位、装备、目标、任务与关系。
按任务调用 LLM、视觉模型、预测模型与规则引擎。
查询、比较方案、更新任务对象或向其他系统发出受控请求。
在关键节点解释来源、置信度、限制并请求授权。
记录输入、输出、工具调用、审批与结果,支持复盘改进。
模型不能因为“看得懂自然语言”就越过数据权限。检索、推理与工具调用均需继承用户和任务授权。
回答应绑定原始报告、传感器记录或数据库对象,支持分析员回看证据而不是相信流畅文本。
将自由生成限制在预定义任务、数据范围、工具和批准步骤中;高风险动作采用显式审批。
不同密级、延迟、成本和任务选择不同模型;大模型负责理解与编排,专用模型负责识别或预测。
Apollo 面向断网、隔离和受控环境管理版本与运维;边缘节点需要在有限算力与带宽下保持任务能力。
军事 AI 评测不仅看准确率,还要看虚警、漏警、时延、鲁棒性、可解释性、权限违规和任务效果。
未来竞争将从“谁有一个模型”转向“谁能把多模型安全地嵌进联盟级、多密级、断连可用的任务网络”。
模型不再只生成摘要,而是跨数据源完成检索、比较、填报和任务编排;但行动权限会被拆成可审计步骤。
通用模型逐渐商品化后,决定效果的是高质量任务语义、数据产品、权限模型和历史操作反馈。
前线使用低时延、低算力模型完成筛选与辅助;中心节点负责复杂推理、全局融合与模型更新。
NATO MSS 显示数据标准、主权、密级与共同作战图景将成为规模化门槛,软件必须支持联盟而不是只支持单一客户。
企业协议与平台采购可加快交付,却也提高对开放接口、数据可迁移、竞争和退出机制的要求。
模型评测、提示注入防护、数据投毒检测、来源追溯和人类授权会从政策文本变成平台原生能力。
Palantir 最值得研究的不是某个界面或模型,而是“以任务为中心的软件工程与交付机制”。可转化为五个观察框架:
优先采用政府、军方、NATO、SEC 与 Palantir 官方材料。访问日期均为 2026-08-01。
免责声明:本报告为独立研究,不代表 Palantir、美国国防部、NATO 或任何政府机构观点;文中商标归各自权利人所有。