另一边则是Palantir——一家起家于政府与情报系统、长期以“定制化”“重交付”著称的公司，却在AI应用浪潮中实现收入加速与股价重估。

　　这一对比背后，隐藏的是一个更深层的变化：AI正在改变软件的价值交付方式。在这个背景下，中国的第四范式，正越来越多地被拿来与Palantir相提并论。

　　Palantir是一家美国软件公司，最早为政府、军方和情报机构提供数据分析系统，其核心产品并不是某个具体应用，而是把分散的数据、模型和业务流程整合成一个“决策操作系统”。后来，它把同样的能力推广到医疗、制造、能源等行业，用于支持复杂决策和跨系统协同。

　　近年来Palantir接连拿到大型政府与企业合同，例如被报道的与美国陆军达成的长期企业级协议（未来十年上限约100亿美元）以及面向海军舰船供应链和核潜艇项目的数亿美元合同。这些都不是简单的软件授权，而是把Palantir平台作为“军方运作中枢”来部署，这类合同同时带来大量长期收入与高切换成本。

　　在民营部门，Palantir的Foundry在医疗与制造供应链优化等场景里，显示了“把星空体育在线入口数据流、排班、库存、预测等不同系统合成一个决策视图”带来的实际经营改善：例如提升排班与资源利用、提前识别瓶颈，从而直接量化节省与效率提升，而这类改善比起“一个插件功能”更像是把客户的运营方法论做了重构。

　　Salesforce代表的是云计算时代的典型成功范式：企业业务流程具有高度共性，软件可以高度标准化，按用户数或模块订阅收费即可规模化增长。但AI的价值，恰恰往往不体现在“有没有某个功能”，而体现在是否介入关键决策、是否真正改变业务结果。

　　第四范式是一家成立于2014年的中国人工智能公司，长期服务于银行、能源、制造、零售等大型组织，核心业务是把AI模型用于具体、垂直的业务场景中，例如金融风控、设备故障预测、供应链优化等。这些并不是面向大众的通用应用，而是直接嵌入企业关键系统的“内核能力”。

　　在第四范式2025Q3季报沟通会上，公司管理层对自身路径做了一个颇为坦率的总结：早期确实以项目制为主，为大型客户交付完整的AI系统；但在不断实践中，他们逐渐把“如何在垂直场景中训练、部署和复用模型”的方法论沉淀下来，形成了名为“先知”的AI平台。这一平台不直接替客户写业务系统，而是为合作伙伴和客户自身提供模型与决策能力的“底座”。

　　在沟通会上，公司反复提到一个现实问题：在中国，尤其是在信创（信息技术应用创新，即国产软硬件替代）背景下，客户预算高度集中在硬件与算力采购上。国产GPU和服务器买回来了，但“怎么用起来”成为最大难题。于是，第四范式不得不通过“软硬一体”的方式交付，把模型、平台与算力适配打包，先解决可用性问题，再谈软件价值。

　　不同客户的业务场景虽然各不相同，但“把AI用起来”的路径，其实是有共性的。

　　正是在反复回答这些问题的过程中，第四范式逐渐形成了一套星空体育在线入口内部方法论，管理层将其称为“北极星指标”。简单来说，北极星指标并不是一个单一的数字，而是一种把企业战略目标、业务指标和AI模型效果串联起来的工作方法。

　　在实际操作中，这套方法会先从企业的核心目标出发，例如“降低坏账率”“提升库存周转”“减少设备停机时间”，再向下拆解出可以量化的关键指标，并据此反推：哪些数据是必要的，模型应该优化什么，最终AI的输出如何直接影响业务结果。这样一来，AI不再是一个“看起来很先进”的技术项目，而是明确服务于某个业务结果的工具。

　　当这种方法在多个行业、多个项目中反复验证后，第四范式开始做一件更重要的事情：把“如何做这件事”的过程本身产品化

　　先知平台并不是替客户写业务系统的软件，而更像是一条“AI工厂流水线”：它把数据接入、特征工程、模型训练、评估、部署和持续迭代这些原本高度依赖人工经验的步骤，尽可能标准化和自动化。这样一来，当进入一个新的客户或新的行业场景时，团队不再需要从零开始“手工搭建”，而是可以在既有框架内快速生成适配模型。

　　与此同时，第四范式也逐步调整了交付方式。过去，需求理解、系统集成、模型开发几乎全部由自己完成；而现在，公司更倾向于与熟悉客户业务的软件公司或系统集成商合作。这些合作伙伴负责需求梳理、本地实施和系统对接，第四范式则专注于提供模型能力和平台工具。通过这种方式，原本高度依赖“人天”的端到端项目，被拆分为“平台能力+合作伙伴实施”的组合，交付效率和覆盖面都显著提高。

　　这种转变，与Palantir的发展路径有着明显的相似之处。Palantir早期同样以重度定制项目起家，后来通过Gotham、Foundry等平台，把数据整合和决策支持能力抽象出来，让同一套平台可以服务更多客户、更多场景。不同的是，第四范式所面对的是中国市场更复杂的IT环境和国产算力背景，因此在形态上更偏重“方法论+平台+生态协作”的组合。

　　金蝶、用友、金山办公等做得非常好的是把云订阅与行业化产品结合，形成稳定的ARR（例如金蝶云订阅持续增长、用友云服务规模化），这是中国企业数智化的基石，但它们的商业模式与“把AI深度嵌入到国企/军工/复杂工业决策中”的模式并不完全重合。金蝶、用友擅长企业级管理软件与行业化云，而金山办公则在组织协作与文档协同领域用订阅实现高速扩张——这些企业的价值在于“广度+稳定的经常性收入”，而非单一客户的深度嵌入。

　　这些公司在中国长期扮演“把人力+交付能力带给大型客户”的角色。它们可以承接大规模落地工程、负责项目实施，但本质上更像“劳动力放大器”而非“把决策埋在平台里”的长期运营方。近年来，这些公司也在布局“全栈AI/云边端”能力（例如中软国际强调全栈AI产品与服务），并在行业内形成许多标杆案例，但要从“做工程”升级为“成为客户核心决策平台提供商”需要长期沉淀与很高的产品化能力。

　　与金蝶、用友这类企业管理软件公司相比，第四范式并不试图覆盖广泛的通用管理场景，而是聚焦“决策密度最高”的环节；与金山办公这样的订阅制SaaS相比，它不追求用户规模，而是追求在少数大型客户中深度嵌入；而与中软国际、软通动力等IT外包与系统集成公司相比，第四范式又不是以人力交付为核心，而是试图通过平台化，把“做模型、做决策能力”的部分标准化、规模化。