估值3000億美元的Palantir給AI落地指明了什麼路？

在數智化轉型的浪潮中，企業 AI 落地正迎來一次本質的範式躍遷。

在「2026 奇點智能產品大會」上，360 集團資深 AI 產品專家周海清帶來了他的硬核分享。作為國內 B 端大模型首批落地的深度參與者，周海清基於 15 年的產品實戰經驗，結合矽穀巨頭 Palantir 的核心啟示與 360 的一線探索，深刻剖析了企業級 Agent 從“會回答”到“會決策”的躍遷路徑。

周海清在奇點智能產品大會分享現場

他指出：“企業 AI 落地的核心競爭力，從來都不是誰的模型更聰明，而是誰能更懂企業的業務，像老員工一樣去思考決策，並安全可控地執行閉環。”

反直覺真相：大模型“智力”夠了，為什麼企業卻沒有廣泛受益？

大模型時代帶來了一個反直覺的現象：目前頭部大模型的“通識智力”已經超越了許多普通人的平均水平，但在企業端，AI 帶來的變革似乎依然局限在外圍。

員工可以用 Copilot 幫自己寫一段代碼，或者用大模型修改一份文案。但這僅僅是“員工個人電腦裡的自嗨”。

AI 並沒有真正進入企業最核心的業務流程和後臺系統。

截圖自周海清演講 PPT（文末可掃碼領取）

周海清指出，傳統的問答型 Agent 最多只是個“效率工具”，卡住其進入核心業務系統的瓶頸，主要有四個：

• 沒有企業上下文：AI 無法天然知曉企業的客戶、合同、業務系統與審批流程之間的底層邏輯和網狀關系；

• 推理過程不可解釋：在黑盒機制下，大模型直接給出一個概率生成的結論，沒有完整的證據鏈支撐，無法用於責任厘定和規則複盤；

• 不敢操作生產系統：對於大中型企業特別是央國企，業務操作必須保證 100% 的確定性。而大模型即便準確率達到 95%，其 5% 的不確定性依然會帶來不可控的安全合規風險；

• 企業 Know-How 難以沉澱：工作流往往與提示詞強耦合。一旦換個場景，整套提示詞工程就要推倒重來，難以轉化為可複用的資產。

大模型擁有通用的“高智商”，但在嚴苛、高風控的企業業務環境下，缺乏“懂業務邏輯”的特化環境。

決策型 Agent，才是企業真正需要的“數字員工”。

Palantir 的核心啟示：AI 的護城河不在大模型，而在“決策執行中樞”

美國數據分析軟件巨頭 Palantir 擁有近 3000 億美元的市值，其高估值背後的商業本質並不是傳統的軟件 License 售賣，而是向客戶交付了一套可複用、可執行、持續加深的決策操作系統。

Palantir 成功的秘訣，也是 360 在實踐中探明的一條道路——Ontology（本體語義層）。

截圖自周海清演講 PPT（文末可掃碼領取）

本體的本質，是一套面向真實組織、業務系統、責任邊界的“數字孪生式”企業上下文工程。 

它定義了兩大核心命題：

• “世界是什麼”：梳理並抽象出人、財、物、資產、業務關系等對象與屬性；

• “如何改變世界”：定義 Action（動作）、Function（函數）、Rule（規則）與 Write-back（數據回寫）。

必備的兩個閉環能力

要讓本體真正運轉起來，必須打通兩個核心閉環：

• 翻譯機制：將現實世界中散落在各種業務系統、數據中臺中的多源異構數據，“自動翻譯”並映射到本體層，形成統一的語義和業務上下文，從而指導 Agent 做出合規決策。

• 數據回寫：將本體層的變化，安全、受控地回寫（Write-back）至現實物理世界的業務中，打通“數據到行動”的完整閉環。

截圖自周海清演講 PPT（文末可掃碼領取）

有了這層屏障，Agent 便不需要去直接面對人類設計的雜亂庫表、接口和代碼。它只需要在白盒推演的“邏輯腳手架”上，按圖索骥。

360 企業級 Agent 本體架構實踐：從“重治理”到“輕耦合”

截圖自周海清演講 PPT（文末可掃碼領取）

一線真實場景探索場景

場景 1：老舊服務器回收 —— 讓繁瑣分析變“按圖索骥”

在大型機房運維中，從上萬臺設備中找出適合回收的老舊服務器，是一門典型的“老員工腦中秘籍”。新員工需要跨系統去比對過保日期、查看最近一個月設備告警日志，還要綜合評估服務器下架對上下遊系統的風險關聯。

360 的實踐是構建“機房運維小本體”。Agent 會自動讀取本體上下文，自行組合多維條件過濾設備。新員工只需選中目標服務器，大模型便通過拓撲圖自動完成影響分析，確認無誤後自動提交工單，完成資產全生命周期的自動化閉環。

場景 2：維穩情報分析 —— 實現全鏈路精準預警

維穩情報研判工作每天面對上千份非結構化文本文檔，光靠人力閱讀，難以發現潛在跨文檔關聯風險。

360 實踐：在數據層進行文檔解析，通過實體和關系抽取，構建涵蓋“人、地、事、物、組織、線索、風險”七大類對象的“情報本體”。在此基礎上，Agent 可以實現本體級別的語義深度檢索，輸出高危人群/點位、行為軌跡跟蹤預警等研判風險報告。

場景3：以“會議”為入口，試點“組織記憶”沉澱

裝配了“組織記憶”的 Agent 能夠清晰記得“張三在一個月前承諾了什麼”、“李四為什麼做這項業務調整”，決策鏈路透明白盒。