AI百科网 AI教程
起步必读

Palantir CTO 开炮:AI 圈在打一场宗教战争

Palantir CTO 在长访谈里把 AI 行业分歧称为宗教战争,主张钱该花在扩散而非造更聪明的模型。文中整理他的论点、企业选型启示,以及哪些说法要打折听。

本文目录 · 6 节

「你在向传教士布道。」这是 Palantir 首席技术官 Shyam Sankar 在一次长访谈里对采访者说的话。在他看来,今天 AI 圈最激烈的冲突不是技术路线之争,而是信仰之争,而他自己站在另一边。

一、发生了什么

Stratechery 10 月 29 日刊出对这位在 Palantir 干了 20 年的 CTO 的访谈。他把一部分 AI 安全话语定性为「千禧年教派加救世主情结」——宣传这东西会毁灭人类,除非由「我」来做才有机会。他毫不讳言 Palantir 也是一种「教」,只是服务于另一套信念:人的能动性和系统工程。他引用美国核海军之父 Rickover 的做法,说安全靠的是把标准定得远超科学家自认为需要的水平,而不是靠预言末日。

商业判断上,他的核心主张是行业把钱过度投给了「更聪明的模型」,而严重欠投「AI 的扩散」——模型如何转化成经济价值。他打了个比方:AI 像电力,人人盯着发电厂,却忘了造用电的机床。企业该优化的单位不是单个员工而是整条工作流;按他的经验,抱着降本裁员目标用 AI 的客户几乎全失败,用它去做以前做不起的事的客户反而赢。他还主张企业别只做随大流的软件(beta),要做让自己更不一样的独门能力(alpha),最值钱的资产是用自己业务数据持续训练、握在自己手里的模型。他举过一个客户例子:一家电子元件商拿十几年的历史报价数据,一周训出了任务专用模型,报价速度直接碾压同行。对基准测试他也不客气,主张基准数量应与客户数量一一对应,而不是大家挤同一张榜单。

二、跟你有什么关系

企业决策者:先问 AI 项目要打开哪条新业务,再问省多少人力,顺序反了大概率拿不到结果。

模型厂商与投资人:访谈暗示竞争重心会从基准跑分转向交付与整合能力,「谁的模型聪明」正在变成「谁的价值转化快」。他还放话预测开放权重的好日子有限,模型一接近前沿就会收紧,这条判断可以直接记下来当验证项。

关注 AI 安全的公众:末日叙事和技术批评是两回事,前者容易被当成商业叙事的工具,需要分开评估。

三、怎么判断

读到这儿,可以顺路看 四个 AI 智能体接管一间量子实验室 读完能看到 AI 智能体团队如何自主跑完整轮量子自旋实验:互相审查、推翻存疑结果、修改测量方案,最后实验达标——科研自动化的下一步有了实物样本。
  1. 听到「AI 将终结一切」式的表述,先查说话者的商业模式——卖焦虑和卖产品可以是同一家公司。
  2. 评估自家 AI 项目时,把指标定在整条工作流的产出上,比如从接单到交付的整体周期,而不是某个岗位的省时百分比。
  3. 判断供应商时看它敢不敢把模型和数据放在你能控制的权重里,租来的智能不算你的护城河。

四、三个别信的说法

模型不够强是企业用不好的主因。 多数失败发生在流程没理清的环节,换个更强的模型只会更快产出用不上的结果,先修工作流再换模型。

安全叙事都是错的。 Sankar 批的是绝对化的二选一话语,不是安全本身,他自己也主张用系统工程做安全。把两者混为一谈会错过真正的问题。

这套说法没有立场。 访谈本身也是叙事:Palantir 卖的正是工作流整合与主权部署,他说什么行业缺什么,与他卖什么高度重合,听的时候记得打这个折扣。

五、一句话结论

AI 竞赛的下半场,比的不是谁的信仰更正确,而是谁先把智能变成账上能看见的钱。

信息来源

功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。

下一站 · AI百科 怎么盯住比你强的模型?给它装一个倒带键 读完能理解弱审核者如何核验强 AI 的计算结果:新提出的可倒带交互证明允许验证器把模型回退到任意状态重来,效率高、不依赖密码学,关心 AI 安全机制的人值得一看。
下一篇,直接发你邮箱

每周一封,只发新教程和可复制模板。不发广告,随时退订。

复制规范引用格式,便于转载注明出处
这篇有用吗?