独家对话郭建锋：从Palantir到广联达，一条正在成型的产业AI路径

大家好，我是秦明，最近和朋友讨论Palantir非常多《本体、FDE内外，Palantir的真相》。Palantir是过去一年全球AI科技圈最热的学习对象之一。它的技术产品、它的商业模式、它那个从指环王「真知晶球」里借来的名字，被反复拆解、反复引用。几乎每一个想讲「AI落地」故事的团队，都会在某一页PPT上提到它。

但热度背后藏着一个问题：人们盯着它今天的样子——高客单价、政企深度绑定、本体与FDE（Forward Deployed Engineer，前线部署工程师）——却很少回头看它是怎么一步步走到这里的。我们在研究过程中，发现更关键的是，Palantir在没有大模型的年代就已经运转了二十年。它真正沉淀下来，靠的是另一套范式：一套关于「如何让数据产生价值」的方法论。

AI到来之后，只是把这套范式的天花板抬高了——2023年Palantir营收22.3亿美元；2024年增至28.7亿美元，同比增长29%；2025年再跳至44.8亿美元，同比增长56%。三年营收翻倍、增速还在加快，AI浪潮成了加速器。

而今，真正值得问的问题变成了：这套范式，能不能在中国的工程行业成立？成立需要什么条件？又有谁，已经在按这个逻辑往前走了？

于是乎，我们选择了广联达作为案例来回答。不是因为它是唯一的样本，而是因为它足够具体，且在中国工程软件领域有着足够的影响力，也有对行业走向的明确判断。透过它，或许能看清产业AI这条路，究竟走到了哪一步。

在广联达内部，高级副总裁郭建锋几乎是最合适聊这个话题的人。这位清华出身的80后技术高管，是典型的「懂技术、也懂产业」的复合型角色：早年的经历，让他对全球设计软件的范式演进有第一手的体感；如今执掌广联达的业务平台和AI工程部，又让他站在了「把模型能力翻译成工程落地」的最前线。

广联达高级副总裁 郭建锋

01 大家都在学Palantir，但学的是什么？

要理解Palantir，得先承认一个容易被忽略的事实：它的强大，很大程度来自特定历史周期和复杂政商关系的叠加。后911时代的国家安全需求、In-Q-Tel（美国中央情报局出资设立的风险投资机构）的早期背书、PayPal帮的人脉网络——这部分是无法复制的，也不该被简单照搬到另一个行业。那能学的是什么？它解决数据与业务问题的思维打法。

郭建锋告诉AI4ELAB，过去我们发挥数据价值的方式，是先花大代价把数据汇聚到一起，治理干净，再去里面找价值。问题是，这样找到的价值往往有限——比如BI报表之类的东西，投入巨大，产出却很薄。

广联达真正看中Palantir的地方，是让数据价值能够发挥出来的新范式——先找到高价值场景，围绕高价值场景做本体建模，再围绕本体模型去找数据、接入数据，形成业务孪生，再用AI能力或算法能力去做模拟推演、支撑决策。

Palantir的CTO Shyam Sankar有一个直白的比喻：计算机存数据的方式是一行行、一列列的表格，但人理解世界的方式从来不是这样的——我们看到的是对象，是关系，是「这个供应商」「这笔合同」「这个项目」之间的连接。本体建模做的，就是把数据从表格语言翻译成能直接看懂的业务语言，让组织第一次能清楚地「看见自己」。

这个次序的翻转，是Palantir二十多年真正沉淀下来的核心。不是先有数据再找价值，而是先找到值钱的场景，再回头决定需要什么数据、怎么建模。正是这套「本体驱动」的逻辑，支撑起了它的FDE模式——工程师直接嵌入客户现场，围绕真实业务建模，而不是卖一套标准化的工具了事。

如今AI来了，Sankar在一次财报电话会上被问及Palantir的竞争壁垒，他的回答核心只有一句：优势归根结底来自本体论。在他看来，本体论让Palantir站在了AI的「需求侧」，而不是和大模型厂商一起挤在「供给侧」。这句话点破了一个本质：模型本身正在快速商品化，真正稀缺的，是把模型能力转化为业务价值的那层结构。 

Palantir CTO Shyam Sankar

当然，这套范式并非Palantir独有。这套思路在硅谷也正在被反复验证。dbt的Semantic Layer、Anthropic推出的MCP协议、微软嵌入Fabric的知识图谱——路径各有不同，但追求的是同一个目标：在AI和企业数据之间，建一个真正有语义理解能力的中间层，让模型不只是读数字，而是读懂业务。Palantir只是最早把这件事做到最彻底、最系统的那一个。

所以问题就落到了中国语境：工程行业有大量工业级精度要求的场景，可靠性要求极高，单靠大模型解决不了——同样的输入可能给出不同输出，还会产生幻觉。这恰恰是本体论最有发挥空间的地方。

换句话说，Palantir的范式不仅可能在中国工程行业成立，甚至可能比在其他行业更适配。但成立的前提是——得有人愿意承担本体建模那份「重」的投入。

02 广联达在做一个中国版本的验证

广联达给出的，是一个正在进行中的答案。

但验证范式的第一步，是选对场景。本体建模是一件「重」活——前期要投入大量人力去梳理业务、定义对象、打通数据，这意味着切入点不能随便选。

郭建锋对这件事有很清醒的判断：本体建模不能泛泛来做，场景需要什么就建什么，边界必须约束清楚，否则投入会失控。切入点要同时满足两个条件——场景本身足够高价值，且产品产生的价值能覆盖前期建模的重投入。

广联达优先选了两个场景：项目层面的经营决策，和企业层面的经营决策。对应两款产品——PMSmart管项目，PMLEAD管企业。「经营决策的价值非常高，一个决策影响整个企业的收益」，郭建锋说。

数字能说明问题。郭建锋告诉AI4ELAB，PMSmart核心切入的是主材量控，目前已在 100+企业上千个项目进行了应用，平均创效数十至百万元。PMLEAD这边更典型，资金决策场景在引入这套系统之前，用户对原系统给出结果的采纳率只有20%左右；引入之后提升到50-70%多，目前已能帮一家建筑子公司每月节约2000万元左右的现金流支出。

采纳率这条从20%到70%的曲线，本身就是Palantir范式有效性的证据。但更重要的不是单点数字，而是这套方法能不能自我强化——这就要讲到本体建模真正的护城河：飞轮。

郭建锋接受AI4ELAB秦明的访谈

郭建锋谈到，本体建模的「重」，在第一个场景上体现得最充分。但当你把第一个模型建起来，做第二、第三个产品时，会发现大量本体已经在前面建好了，因为业务本身是延伸的、重叠的。

于是新场景的边际建模成本开始下降。成本降低，原本不划算的场景也能进来；场景越多，业务模型越强大，边际成本进一步降低——一个正向飞轮就此转动起来。

本体建模业务飞轮示意

这才是产业AI护城河的本质——不是数据本身，而是这个越转越快、越转成本越低的本体建模飞轮。Palantir之所以总和企业做长期深度合作（根据Palantir官方SEC文件和财报，2025年Q1-Q3美国商业客户收入增速各季度均超60%，分别为71%、93%、121%，Q4单季更达137%），核心之一正是在帮对方把这个飞轮转起来。

而当能力深入到客户的业务流程里，商业模式也必然跟着重构。这就是从SaaS到WaaS（Work as a Service）再到RaaS（Result as a Service）的演变——它不是PPT上的三个时髦词，而是责任和价值分配方式的根本变化。

以AI算量为例。过去卖的是工具授权，一个用户几千块钱。现在换个算法，一张图纸帮客户省几块钱，双方共享省下来的利润，客户粘性也更强了——服务方已经深入到客户的业务流程里面。

WaaS和RaaS的核心区别，在于谁对结果负责。举个例子，如果咨询公司用广联达的AI能力、他们自己审核结果，是WaaS；和广联达联合对外承接业务、共担结果，就成了RaaS。背后是一整套关于价值如何在多方间重新分配的设计：哪些价值链环节会被AI替代，替代之后利益又如何重新切分。

AI时代的多种商业模式

郭建锋的判断是，未来不会所有业务都被AI取代，三种模式会长期混合共存。

这一点，Palantir本身就是最好的样本——它从来不是单一形态：一边用标准化的平台订阅做规模化扩张，一边靠FDE深扎进客户的运营现场，把软件价值和客户的真实业务结果牢牢绑在一起。规模化的SaaS与深绑定的服务，本就在同一家公司里并存。

广联达的验证证明了，产业AI的实现，在工程行业不是不可能，但它需要的，不仅仅是一个更快、更强的基础模型，还需要结合更深的业务建模能力，以及愿意为之承担重投入的耐心。

03 产业AI的下一步

把视线放到整个行业，会看到一个更完整的产业AI图景。产业AI，不是把大模型用到工程行业那么简单，它是把通用智能装进行业本体里——模型提供智能，本体提供边界和语义，两者合起来，AI才能在工程这种严肃场景里真正可用。顺着这条逻辑往前推，有三个思考。

第一，基础模型会越来越便宜，本体会越来越重要。

通用智能的商品化是挡不住的趋势，谁也守不住——今天还领先的模型，半年后可能就被追平。真正稀缺、而且越用越厚的，是领域本体那一层。这是供给侧最确定的一个慢变量。

第二，工程行业的垂直Agent平台可能将出现。

当大型玩家开始把核心能力通过MCP（Model Context Protocol，模型上下文协议）、API标准化开放出来，行业的创新层级会随之上移——创业者更多在成熟的能力平台之上做场景创新。而且任何企业都能把自己最核心的业务能力、行业know-how封装成可调用的能力单元（skill）开放出来。

当可调用的能力足够多、足够标准，一个面向工程行业的垂直Agent平台将成为可能——它把散落在各产品里的能力聚合、编排起来。届时用户只需描述需求，系统就能跨产品调用能力、动态生成界面，完成任务。

第三，产业AI正在从一个概念，变成一条可被验证、可被复制的路。

这条路不是凭空设想。Palantir 用二十多年走通了它的前半段——从2003年的一纸情报合同，到2025年近45亿美元营收的数据帝国，证明了「本体驱动」这套范式在严肃场景里能成立、能赚钱、能滚起来。

而在中国工程行业，这条路才刚开始有人走清楚，广联达是走得比较靠前的一个。方向已经清楚，真正值得关注的，从来不是某一家公司的成败，而是这条路本身。它正在从一个被反复引用的概念，变成一种可被验证、可被复制的产业现实。

参考链接：

https://www.sec.gov/Archives/edgar/data/1321655/000132165525000131/pltr-20250930.htm

https://quartr.com/insights/company-research/palantir-turning-data-into-decisions

https://sherwood.news/markets/what-the-heck-is-palantirs-ontology/

https://colossus.com/article/the-patriot-shyam-sankar-palantir/