Paragon 2025：从医疗到建筑，Palantir 客户的自主企业实践

摘要

Paragon 2025 是 Palantir 面向客户与伙伴的年度盛会，开场短片用新闻片段勾勒出 2025 年的世界：洛杉矶野火、关税冲击供应链、Maven 需求的爆发、极端洪水、地缘冲突与「硅谷和西方迷失方向」的警报。CEO Alex Karp 的致辞为整晚定调：「我们身处软件定义的世界，而领导软件的国家是美国。」他重申 Palantir 与硅谷软件公司的根本差异——不是拿走客户的收入倍数，而是吸收价值创造的责任，只在客户业务蒸蒸日上之后才获得回报。

整晚的客户演讲展示了同一主题的不同切面：房地产投资信托 Healthpeak 用照片驱动分表计费自动化，把物业经理从账本后解放回租户面前；坦帕综合医院（Tampa General Hospital）用 Palantir 算法提前识别败血症，48 小时死亡率降低 68%，两年多救出 700 名本可能离世的重症患者；百年老店江森自控（Johnson Controls）用智能体把 18 万条潜在商机编码进本体论，18 个月内线索转化率提升 5 倍；收入周期管理公司 R1 用全智能体系统处理每年 7400 亿美元的医保收款负担，把 9% 的首轮拒赔转化为自动化解药与预防；加拿大重型建筑公司 Kavanaugh 则「把整个公司放进 Foundry」，97% 的员工每天使用，从纸质时代 12 个月内跨越到运营级 AI。

收官演讲来自 Palantir 企业发展负责人 Sasha Spivak，主题是「信任」——从被信任聘用一个自己不称职的岗位，到信任 Alex 那些看似疯狂、却每一次都应验的想法，再到与在场所有客户之间「像家人一样」的信任。

正文

一、Karp 开场：非寄生关系的价值哲学

Karp 的开场延续他一贯的风格：「我们毫不留情、骄傲地爱国。」但他强调，Palantir 成功中常被隐含的一点是：当公司最早进入政府业务（FBI、CIA，最终是特种作战司令部 SOCOM）时，带着一个非常天真的想法——因为我们是爱国的，我们会建造真正有用的东西，并主动吸收「价值创造的责任」，即承担「为这些极其特殊的人提供超过他们付给我们价值」的风险。他说，这个想法的种子，可能是 Palantir 做过的最激进的一件事。

从产品谱系看：PG 是情报产品，其架构、安全模型以及与 NLP 技术的交互，多年后为构建本体论（Ontology）提供了关键洞察——它是最初的本体论前身，由 Bob McGrew 与 Aki Jane（两位著名技术专家，一位在 Palantir，另一位后来成为 OpenAI 早期重要研究者）申请了专利。之后是面向特种作战司令部的 Gaia，以及改变战场的 Maven；再到商业侧的 Foundry、本体论与 AIP——「你需要编排（orchestration）才能让大语言模型变得有价值」，以及前向部署工程师（FDE），而不是把产品丢给你就走。

Karp 认为 Palantir 与硅谷软件公司的分野在于：我们吸收了价值，并且因为我们（在道德上）知道上战场的士兵比我们更重要，我们以完全不同的文化构建产品——FDE、内部编排、我们学习你具体用例的方式。我们从不试图成为专家、也从不试图变成你的业务：「我们真的想让你的业务更具体，让它成为世界上最好的业务。我们不希望你成为商品。」硅谷软件公司的工作是什么？「拿走你的收入及其倍数，转入他们公司，获得更高倍数，然后请你吃顿牛排晚餐。」这就是为什么分析师不喜欢 Palantir、银行家不愿承销其 IPO——Karp 选择 DPO 的动机之一，就是让普通散户而不是银行家参与。银行家的逻辑是：「你卖的产品没有自动锁定，唯一的锁定是明天创造比今天更多的价值、并且在价值下游获得回报——没有 Salesforce 式的请客吃饭。」他笑称至今找不到一个喜欢他的银行家。早期的一个插曲还差点毁掉一个大部署：一位将军请他「去和你们的 FDE 聊聊我的好主意」，结果对方直言「那主意很蠢，而你不够聪明、不知道它有多蠢」——这让公司倒退了好几年。但「你可以指责我们很多事，有一点是真的：我们真的在试图用本体论的形式提供让业务更好的软件与 LLM 管理——而你会随时间推移越来越喜欢我们，因为只有你的业务蒸蒸日上，我们才真正获得回报。」

他最后提醒：这场革命的困惑之处在于，价值不在于成为商品——那些主动选择、找到正确路径的人，会比不发挥能动性（agency）的人做得好得多。而且这与国家有关：他在德国生活过半生，而德国现在没人对这些东西感兴趣——「那是个巨大的问题。」

二、Healthpeak：从分表照片到企业操作系统

Healthpeak 首席投资官 Adam Mabry 介绍，这是一家房地产投资信托（REIT），在美国拥有并运营 700 多座设施，覆盖生命科学、门诊医疗与老年人住房。每天数十万人进入这些设施——护士、患者、研究员在开展临床运营、救命研究与患者护理。Healthpeak 的使命是成为所有医疗公司的首选房地产伙伴。18 到 24 个月前，他们意识到一个问题的存在：科技没有增强他们正在做的事，反而在拖后腿。他们自问：能否用科技构建最好的房地产投资管理平台？答案很快清晰：必须让员工从电脑屏幕后走出来，走到合作伙伴与租户面前。

他们选择从会计工作流切入——「会计不是最激动人心的选择，但如果连会计都能做好，我们大概什么都能做。」深入后发现，会计正在消耗所有人的时间，包括一线的物业经理：物业经理住在物业里，本该服务临床医生与租户，却被钉在屏幕前做会计。具体案例是分表（sub-meter）：每月，700 多座物业的数千个分表生成每个套间的能源用量数据。过去，物业经理要拍照、上传到电子表格、做计算、发给会计、来回批注——耗时数小时，把人从租户身边拉开。解决方案出奇简单：拍一张分表照片加上少量信息，AIP 与本体论就能自动完成整个流程——系统知道如何应用正确的方法论、获取正确的日期与费率、计算租户分摊费用、生成发票、过账到会计、与历史及预测金额对比，只把有问题的实例标记出来。物业经理只需看被标记的项目，从而走出办公桌、回到租户面前。

2026 年，Healthpeak 要更进一步：构建连接公司一切——人员、建筑、数据——的操作系统，为此必须「移动化」（GoMobile）。演示中，物业经理在与租户交谈后掏出手机录一段语音：「他们招了很多新人，可能需要更多空间；还有，他们办公室挺热的，可能要调空调。」就这一下，系统开始连锁反应：租赁团队被通知——系统主动监控本体论，寻找租户需要更多空间的迹象（更多员工意味着更多空间），分析其现有足迹与增长模式，查看楼内可用面积，把合理的下一步推给团队去行动；设施团队也被通知——系统调出该套间的 HVAC 历史，判断是否出现过类似问题，读取信息确定可能的根因与下一步。真正的杠杆在于：工程师不仅能看那一个 HVAC 单元，还能看全公司每一张维修工单、能耗数据、设备年龄与保修状态，以及（回到会计模块）历史成本——用运营情报驱动资本配置决策。「每一笔维修、每一美元支出都可以被信息驱动，帮我们更好地部署资本。」平台从每一次交互中学习，最终回归目标：为合作伙伴提供最好的租户体验。「随着投资组合增长，我们不再受人数限制，甚至不再受技术限制——可以在不增加任何增量成本的情况下扩张投资组合。」

三、Tampa General：败血症算法与院外护理的未来

坦帕综合医院首席转型官 Peter Chang 博士先给出一组数字：这家位于佛罗里达州中西部、年收入 45 亿美元的组织，医院运营利润率只有 1% 到 1.5%。若 Medicare 削减 2% 的报销（Medicare 约占其支付方基础的 40%），后果可想而知；政府每年都在削减医疗报销，保险公司想出「残忍而非常规的方式」少付钱，劳动力成本上升，关税又推高物资与设备价格——「我们唯一能走出困境的方式就是创新。」他抛出一个问题：最后两个创新的行业是什么？一个是医疗，第二个是教育——老师用一种方式教，但每个学生的学习方式不同，无法定制；医学同理：两个数字相同的糖尿病患者也不能用完全相同的方式治疗。循证的路径化护理（pathway-based care）很重要，但必须找到为患者定制护理的方式。

演示聚焦护理导航的管理视图，主角是住进 ICU 的患者 Jane。界面像「给医生的 X 信息流」：医院里发生的事情实时推送给你，而不是你去 EMR 里查数据。Jane 做了胸部 CT、血培养，确诊脓毒症（sepsis）——顺带一提，医院用 Palantir 算法更早发现脓毒症、让患者更早进入治疗路径，结果 48 小时死亡率降低 68%；过去两年由此多出 700 名患者活着离开医院（全国医院对脓毒症的识别率只有 20% 到 30%）。现在，肺科与感染科已放行，患者对抗生素反应良好、达到降级标准，AIP 阅读器审阅病历并建议下一步最优路径：从 ICU 降级。但问题来了：患者仍需静脉抗生素，还要在医院多住四天，占用一张本可给其他患者的床位。幸运的是，AIP 读病历后推荐「医院到家」（Hospital at Home）：把住院级护理搬回家。系统在后台运行资格检查——不需要医生记住患者住得够不够近、支付方是否覆盖（目前只有部分支付方覆盖该计划）——然后轻松完成注册。AIP 还帮助创建转诊医嘱、发给团队准备注册。Peter 还展望了患者视图的梦想：如果自动化达到足够高的水平，病床脚头的数字屏可以直接告诉患者：「9 到 10 点医生来查房，11 到 12 点做 CT，结果下午出来，医生会回来讨论」——而现实中，患者只能盯着时钟，一秒一秒看着时间流逝，不知道接下来会发生什么。最激动人心的是：这个项目正在建设中，已完成一半，所有关键环节的概念验证都成功了；而更大的梦想是走出医院围墙——为一位需要 MRI、PET、输液港、放疗科会诊、化疗椅时间与外科会诊的乳腺癌患者，围绕「她是一位母亲、可能需要接孩子放学」的生活来规划治疗，而不是丢给她一个 2:30 的预约。他特别感谢 Palantir 的 FDE David Yu——正如 Alex 所说，那个比任何人都了解你组织的人，关系从「供应商-客户」变成了友谊。

四、Johnson Controls：为 140 年老店装上「业务遥控器」

江森自控 EMEA 商业增长 PMO 负责人 Gabriel Dornbach 从瑞士连线，介绍这家 140 年历史、全球智能楼宇领导者如何重塑自己。客户是商业与工业楼宇业主与运营商——办公楼、酒店、数据中心、学校、大学、机场，许多对社会真正关键；江森自控还是美国海军的关键供应商（为舰船提供暖通、消防与安防方案），并拥有全球最大的楼宇技术组合——随之而来的是巨大的复杂性。后端展示的是他们的企业操作系统：智能体在运行——一个在映射数据、把位置 ID 与资产关联，另一个在为特定资产撰写价值主张；这套覆盖从生产、安装到维护全生命周期的自动化，核心理念是「自动化优先」——先重新构想流程，让它适应自动化。顶部是三个简单而关键的指标：产生的美元价值、线索到商机的转化率（体现质量与效果）、以及线索数量（18 万条）。他们的线索生成有两个方向：回顾历史——找出与客户「尚未发生」的交互；展望未来——直接为销售人员构建未来管道。仅 18 个月，该项目把线索到商机转化率提升了 5 倍。

数据层：约 200 个数据源（ERP、服务工具、SaaS 工具）汇入一处，整个区域被映射出来——数据可见、可访问、可用；智能体抓取干净的结构化数据来自动化流程。如何识别线索？把全部产品生命周期知识编码进 Foundry：例如某个没有维护合同的消防面板——存在追加销售机会；也可以直接问 Foundry：「哪些客户的烟雾探测器已过时需要更换？」「生成一个所有软件许可证需要升级的客户营销活动。」再与销售人员合作——他们拥有 20、30、40 年经验，这些「部落知识」被转化为可行动的规则、保存并全组织复用，即使人退休也不流失。更强大的是，可以决定让销售聚焦哪种线索：「聚焦更高利润的交易」或「聚焦更大体量的交易」，并预测每条线索的个体客户转化率——「这就像你业务的遥控器，把业务驶向你想要的方向。」目前系统已编码超过 10 万条线索。单条线索内部：AIP 自动完成七个步骤——映射单个资产、理解客户旅程、解读物理证据（现场服务技师的照片进入本体论，数据被循环复用）、生成个性化价值主张。然后 AIP 暂停，请人类操作员介入：一位客户有两栋楼，一栋的冷水机组有维护合同，另一栋的安全设备没有——AIP 给操作员机会给第二个设备特殊条件（把它打包进第一份合同：对业务更好，对客户更「坏」）。操作员录入信息后发出，系统自动选择最佳销售渠道（客户经理、内部销售、服务技师）。于是每位技师都成为客户的「值得信赖的顾问」——不再只是维护设备，而是主动、预测性地走到客户面前说：「我来做例行维护，但我的应用显示您的楼宇因几个资产处于临界状态，让我带您看一下。」这种「人机协作」模式已推广到全组织：采购部门用 AIP 扫描支出模式与成本节省机会，端到端驱动进自动化的 RFQ 工作流。「你可以用 AI 的力量改造一家 140 年的公司——这真的不可思议。」

五、R1 与 Kavanaugh 建筑：收入周期与全栈自主运营

R1 的 Steve Albert 与 John Katzer 先给出一个惊人的数字：美国医疗系统每年花费 7400 亿美元，仅仅是为了收取「他们为患者提供护理后应得的报销」——这是办公室与行政负担：手工流程、文书、电话、团队间交接，约占收入的 4%，在各行业中名列前茅。R1 服务 500 多家客户、覆盖百强医疗系统里的 95 家，已深耕 20 年（其中 8 家客户的整个收入周期都由 R1 运营）。今年年初，他们决定把二十年积累的智能（最佳实践流程、规则引擎）嵌入一个「收入操作系统」——Fair OS：全面自动化复杂流程、加速报销并确保准确性；它更是一个互联系统，目标不仅是解决问题，更是预防问题。

拒赔（denial）是巨大的行政负担：9% 的索赔首次提交即被拒，经过数周的行政往返、电话、取证、临床反复后，只有一小部分最终维持拒赔。Fair OS 完全智能体化：分诊与编排智能体（triage and orchestration agent）接收支付方数据与临床记录，把潜在拒赔路由给知道如何解决的专业智能体（如资格/授权拒赔）。完整案例：支付方要求补充信息——分诊智能体路由给「缺信息」智能体，后者阅读病历与拒赔说明、通过本体论找出支付方需要的一切、整理成连贯的文件包并自动发送——完全无需人工干预（人工通常要花 20 到 40 分钟）。需要申诉的进行中案例：申诉智能体收集临床文档、研究支付方拒赔理由、起草申诉信——此时人机协作至关重要，因为申诉需要临床判断：智能体把建议呈现给专家审阅与完善。「不是取代人类，而是赋能：智能体处理繁琐的数据收集，专家专注高价值决策。」后台是一套并行处理数千账户的智能体系统，在最重要的地方保留人工监督；统一本体论连接临床数据、索赔数据、支付方规则、申诉历史与最终结果——智能体交接时传递完整上下文，每个决策与动作都回流本体论，智能体随时间变得更聪明（例如「缺信息」智能体学习特定支付方、拒赔类型与医院系统什么方法有效）。预防侧：智能体监控支付方政策变化、拒赔趋势与历史行为，提出应实施的逻辑想法并做回测——用已提交的索赔估计：可以预防几乎全部拒赔、减少约 75% 的工作、把回款时间加速约 2 倍，还直接写好了可上生产的 Python 代码（目前人类在回路中做验证，随着信心增长可走向全自主）。「我们做过工作流、规则引擎、机器学习、RPA，但这次是我们最兴奋的一次——全面自动化能让整个系统的行政成本下降，惠及提供方、支付方与患者。」

加拿大渥太华的 Kavanaugh 建筑公司（垂直整合的重型土木公司：道路、下水道、住宅小区，自产沥青、骨料与混凝土，每天运行数百台重型设备）的 AI 负责人 Joe Patra 则展示了一种更彻底的做法：70 年发展让系统堆积成山——每个系统解决一个问题，合起来却制造了更大的复杂性问题。他们曾「弯曲自己的业务去适配现成软件」，最终决定「全力以赴」：所有其他软件必须证明自己存在的理由——「到目前为止，它们都做不到。」97% 的员工每天使用 Foundry，Foundry 就是他们的操作系统。系统命名为 TOM（Total Operations Management），致敬创始人 Tom Kavanaugh。全局排程取代了 P6、Microsoft Project 与电子表格——过去让这些工具保持同步是巨大的工作量且必然出错，现在「一个计划、一个排程、一个唯一事实来源」；看似简单的界面背后是契约条目、生产率、配合比设计、卡车需求与预算，全由底层本体论支撑。「我做了六年排程员，从来没有人能真正从关键路径排程运营——但我们解决了：信息第一次流向现场，现场用同一份信息执行。」配套的 Kavanaugh Connect（上架应用商店的 OSDK 应用）让员工在手机上完成考勤卡、HR、工资与 IT 支持——六个月前这一切还是纸质（每个发薪周期数千张纸）。Site 360 让工头在手机上管理生产、人工、设备审批、订车与班组——计划数据自动流向他们，只需填补空缺，耗时从数小时降到 10 分钟。本体论是整个企业的数字表征：每位员工、每辆卡车、每台设备、每项工作都在其中——「你看到的每条连线，都代表过去的一个电话、一封邮件、一条短信，或某个人开车在工地间送纸。」当这样构建时，收集数据不再是工作，而是「只是做本职工作就免费获得的输出」。成果：12 个月内从纸质跨越到 Palantir；首次公开亮相的 AIP Analyst 让员工用自然语言提问、AI 在本体论中推理找答案——问「哪辆车需要我关注？」（真实数据、非演示），它跟随本体论关系找到卡车对象、检查日志、维护记录甚至故障码，回答「8 辆在修、3 辆有活动故障、一些牌照过期」——进一步检查发现牌照其实没过期，是数据没更新：「你不需要等数据干净了才用 Foundry——用 Foundry 来把数据弄干净。」他们宣称要做「第一家拥有真正运营 AI 的建筑公司」，并宣布与 Palantir 合作把解决方案商业化——「最快的运营 AI 之路，就是让业务直接跑在它上面。全力以赴。」

六、Sasha 的信任演讲

压轴的是 Palantir 企业发展负责人 Sasha Spivak，主题是他在 Palantir 十年学到的最重要的东西：信任。他拥有机械工程背景，却被聘为写作者——一个他完全不够格的岗位，招聘论证书里甚至白纸黑字写着「弱点」。这是他的第一课：必须相信那个押注他的人看到了什么。多年后公司上市，他反思自己正在做的事与共事的人，爆了粗口：「到底谁搞砸了、把现在这一切托付给我？」——这是第二课：没有人搞砸，他们信任我，所以我必须信任他们。第三课来自 Alex 那些「你必须先相信、直到它们一次次应验」的想法——比如「我们要招收那些看到大学校园就觉得是觉醒教育、不安全之地的高中毕业生」——不是随波逐流，而是全力投入，直到把那个现实「显化」出来。而今晚是第四种信任：与在场所有人的信任——「像家人一样在一起」的信任。客户把「难以承受的高任务」托付给 Palantir，Palantir 也把同样的任务托付给他们。他满怀感激与谦卑：「能身处一间我们无条件信任的人们之中，是不可思议的。」