Palantir 在做什麼?從 Airbus 造飛機看它怎麼幫企業解決問題

Palantir 不只賣軟體,還派工程師進客戶公司,把散掉的資料做成第一線每天用的工具。這篇沿著 Airbus A350 的案例,講它實際怎麼做、台灣企業能學什麼。

先說結論

Palantir 開發資料與決策軟體,但它特別的地方是派工程師進客戶公司,把散在各系統的資料接起來,做成第一線每天用來排工、派人、處理異常的工具。Airbus 的 A350 產線就是這樣開始的。接著它把資料整理成 Ontology,現在再讓 AI 在上面工作。它主要服務大型企業與政府,中小企業比較適合學它的做法。

飛機組裝機棚裡的不鏽鋼工作台,中央立著一台平板,四周的工單夾板、零件盤、掛紅標籤的金屬支架和摺起的班表,各有一條螢光綠細線連到平板;背景是尚未塗裝的客機機身和黃色工作架
Palantir 在做什麼?從 Airbus 造飛機看它怎麼幫企業解決問題 封面視覺

2015 年底,空中巴士(Airbus)遇到一個很具體的麻煩:A350 這款客機要加快生產,但品質又不能掉。一架 A350 有五百萬個零件,是由數百個團隊在四個國家、八座以上的工廠一起做出來的。

問題是,排程、班表、缺料、工單(派給現場的工作指示)和品質問題,全都分散在不同團隊手上。所以產線上的人想知道「這個瑕疵會讓後面延誤多久」「這張工單為什麼還沒做完」時,都很難馬上查到。

這時候 Palantir 派去的人,並沒有留在辦公室等需求單。當時剛進公司的工程師 Nabeel Qureshi 搬到法國土魯斯住了一年。他每週有四天都在工廠裡,和產線人員一起工作。而他做出來的東西,他自己形容是「造飛機用的 Asana」(Asana 是常見的專案管理軟體)。

很多人查 Palantir,看到的不是股價就是國防新聞,看完還是不知道它到底在做什麼。所以這篇我就沿著 Airbus 這個案例,講它實際上怎麼幫企業做事,以及台灣企業可以從中學到什麼。如果你想看的是股價分析,這裡就沒有了。

Palantir 到底在做什麼?

Palantir 開發軟體平台,同時也派工程師進客戶公司,把資料和作業流程接起來,讓第一線可以直接拿來做決定。這家公司是 2003 年成立的。2025 年營收 45 億美元,其中 54% 來自政府、46% 來自企業,而且有 74% 來自美國客戶。到了 2026 年第一季,它的客戶數是 1,007 家。

它的產品名稱很多,整理起來大概是這樣:

名稱白話說明主要給誰用
Gotham從大量情報資料裡找出關聯,協助規劃行動國防、情報、救災單位
Foundry接資料、定義資料關係,再做出分析和日常工作用工具的平台企業與公部門
AIP把大型語言模型接到公司資料和作業流程,用來做 AI agent企業與公部門
Apollo把軟體更新持續送到各種環境,包含不連外網的環境支援上面三個產品的底層工具
Ontology把資料對應成公司實際在管的東西,是 Foundry 和 AIP 的核心所有使用者

這張表只是名詞整理。如果要看懂它怎麼幫企業,還是得回到 Airbus 的產線。

Palantir 怎麼幫 Airbus 造飛機?

Palantir 的做法,是把分散在各處的生產資料接成一個畫面,讓產線上每個人都看得到現況,也知道下一步要做什麼。依 Palantir 的案例頁,它接進了排程、班表、零件、到貨和瑕疵資料。A350 團隊的每個人,都用同一個畫面來規劃工作、排除問題。

Qureshi 的回憶則補上了更多細節。當時 Airbus 執行長說,他最大的問題就是把 A350 的產量拉起來,所以團隊就直接做這件事。畫面上有工單、缺料和品質異常,大家可以勾選完成的工作,也看得到其他團隊在做什麼、零件在哪裡。工程師還做了搜尋功能,讓現場查得到過去類似的瑕疵是怎麼處理的。

他自己也說,這些都是很基本的軟體功能。真正值錢的地方在於,它解決的是執行長最在意的那一個問題,而且是坐在產線旁邊做出來的。

後面的發展是一步接一步的:

  • 2015 年:先處理 A350 的生產。Palantir 公布的結果是 A350 交機速度加快 33%,頁面沒有寫比較基準。
  • 2016 年:同一批資料開始用在排程、供應鏈和財務。
  • 2017 年:和 Airbus 一起推出 Skywise(航空業共用的資料平台),把範圍擴大到航空公司和供應商。Palantir 現在公布的數字是連接超過 10,500 架飛機,每月超過 25,000 位使用者。

這些數字都是 Palantir 自己公布的,我沒有查到第三方查核。不過這個先後順序很值得看。它不是一開始就做「全公司的資料平台」,而是先解決一條產線的問題,平台是後來才慢慢做出來的。

工程師到了現場實際做什麼?

他們要先找到老闆最頭痛的問題,拿到資料,把資料權限一起處理好,然後很快交出能用的東西。Palantir 把這種工程師叫 Delta,也就是現在說的 FDE(前線部署工程師)。依 Qureshi 的回憶和 Palantir 的自述,現場工作大致可以分成五步,不過不全是發生在 Airbus:

  1. 找到老闆最在意的問題。以 Airbus 來說,就是 A350 的產量。Palantir 判斷工程師做得好不好,也是看客戶的目標有沒有達成,例如工廠的不良品有沒有變少。
  2. 拿到資料,這一步最難。Qureshi 說,資料整合才是公司的核心工作。這包括和資料負責人談權限、清理資料,再放到大家都用得到的地方。他也提過比較誇張的例子:客戶買了 8 到 12 週的試行,結果幾乎都花在等權限,到最後一週才趕出東西來展示。
  3. 把資料權限做進系統。他的觀察是,資料負責人不肯開放資料,有一部分是因為真實的資安疑慮。所以平台內建了依職務設定的權限、逐列控管和操作紀錄,對方才比較願意放行。逐列控管的意思是同一張表,不同人只看得到自己該看的列。例如產線組長只看得到自己工作站的工單(這是我舉的例子)。
  4. 很快交出能用的版本。他記得現場團隊常常只有 4 到 5 個人,要盡快做出有價值的東西,客戶才會相信他們。在 Airbus,這個東西就是那份工單、缺料和品質異常的畫面。
  5. 把臨時做法變成產品。現場的程式通常寫得很趕,會留下技術債,也就是之後要還的整理工作。所以產品團隊要再把它整理成通用工具。Qureshi 提到,Foundry 的資料匯入和視覺化工具就是這樣來的。

Palantir 進一家公司通常怎麼走?

如果從它和一家客戶的整段合作來看,它通常會先自己吸收成本做小範圍試行,證明有用才擴大。到最後,客戶就會自己在平台上開發。2020 年的上市文件把這段過程分成三個階段,還列出了每個階段賺賠多少。表裡的貢獻利潤,指的是營收扣掉營業成本與銷售行銷費用(不含股票酬勞),還沒有算研發和管理費:

階段Palantir 在做什麼2019 年營收2019 年貢獻利潤
Acquire(取得)免費或低價的短期試行60 萬美元虧損 6,540 萬美元
Expand(擴大)大量投入,弄懂客戶的主要問題並做出成果1.763 億美元利潤率 -43%
Scale(規模化)全公司都在用,客戶開始自己開發應用5.657 億美元利潤率 55%

圖表:Palantir 在 2020 年上市文件列出的三個客戶階段。取得階段 2019 年營收 60 萬美元、虧損 6,540 萬美元;擴大階段營收 1.763 億美元、貢獻利潤率 -43%;規模化階段營收 5.657 億美元、貢獻利潤率 55% 這是 2019 年的數字,2025 年的年報沒有再按階段揭露。

這張表可以解釋 Palantir 為什麼敢派人長駐:前面賠的錢,是靠後面規模化的客戶賺回來的。不過這只算到貢獻利潤這一層,2019 年全公司還是淨虧損 5.796 億美元。上市文件也寫明,它常常免費或低價提供試行,而且不保證客戶之後會繼續往下走。

2023 年推出 AIP 之後,Palantir 開始用工作坊當第一步。AIP Bootcamp 是一到五天的實作工作坊,客戶要帶自己的真實問題和資料來,當場做出第一個應用。不過 2025 年的年報還是提醒,這些活動可能沒有後續收入。

而上市文件描述的 Scale 階段,客戶會越來越能自己開發應用,Palantir 投入的人力比例則會下降。所以我的理解是,Palantir 派工程師進客戶公司,最後的目的是讓客戶以後不用一直靠它派人。但客戶要能自己開發,就得先有一套大家都看得懂的資料結構,這就是下一節要講的 Ontology。

Ontology 是什麼?為什麼 Palantir 一直講它?

Ontology 是一份資料地圖,把公司裡的東西、它們之間的關係,以及可以對它們做的動作都定義清楚。

依 Palantir 文件,它分成兩部分。一部分定義物件(工單、飛機)、屬性(工單狀態)和關聯(這張工單屬於哪架飛機),另一部分則定義動作和商業規則。Palantir 也把它形容成組織的數位分身,意思是公司實際運作的情況,在系統裡都有對應。

用 A350 產線的情境來示意會比較清楚。下面的欄位和動作都是我為了說明寫的,並不是 Airbus 的實際資料:

原本資料表的樣子:WO_4471 | MSN123 | ST45 | NCR_209 | OPEN。除了寫報表的那位同事,大概沒有人看得懂。

整理成 Ontology 的樣子:「工單 4471」屬於「第 123 架飛機」,位在「45 號工作站」,被「瑕疵 209」擋住。它缺的是某個零件。現場組長可以直接按「改派給下一班」,系統依權限更新資料,也會記下是誰改的。

差別在於,後者讓人和程式都用公司平常講的名詞做事。而且它還定義了「可以做什麼動作」,我認為這是它和一般資料倉儲(把公司資料集中存放、方便分析的系統)差最多的地方。

這也是 Palantir 講 AI 時一直回到 Ontology 的原因。AI agent(會自己查資料、做動作的 AI 程式)如果只讀到 NCR_209,根本不知道它代表什麼。它要讀得到物件、關聯和可用的動作,才知道有哪些動作可以選。至於這個人或這個 agent 有沒有權限做,則是由系統在執行時檢查。

這和 context engineering(決定 AI 每一步該看到哪些資料)也是同一類問題。你在整理知識庫要做到什麼程度、設定權限與人工確認時,也會碰到一樣的事。

其他公司實際拿到了什麼?

它們拿到的多半是一個接好資料的工具,用來解決一個營運問題,成果則是省下時間或金額。除了 Airbus,下面是我從案例頁挑的三個案子,產業差很多,但做法卻很像:

客戶原本的問題接了哪些資料做出什麼Palantir 公布的結果
Tampa General 醫院護理排班要到當天才手動調整,病人也常卡在恢復室等床位護理班表、病人人數、手術排程排班建議與病人床位規劃工具恢復室等候時間減少 28%,安排病床的時間減少 83%
未具名的全球能源公司想把 20 億美元的庫存成本減半,資料分散在五套以上的舊 ERP超過 300 個 ERP 資料集下單前比對其他廠區有沒有多餘庫存的提醒導入數週內,多出約 5,000 萬美元可週轉的資金
未具名的大型鐵路公司每週更換數千個火車頭零件,很多保固沒有申請到財務與營運系統追蹤每個零件的完整紀錄,自動比對保固條款每年多回收數百萬美元保固款

這些都是廠商自己挑的成功案例。所以你可以拿來參考「它們做了什麼」,但不要當成你公司也會得到的數字。我覺得更值得看的是共同點:這三個案子要解決的問題都講得出金額或時間,沒有一個寫成「導入 AI」。

Cleveland Clinic 數位長 Rohit Chandra 對這種合作的描述也很貼切。他說 Palantir 願意和他們坐在一起,花時間理解醫療、流程和文化,再從頭開發解法。這句話出自 Palantir 自己的活動,所以要打點折扣,但它講的正是工程師實際坐到客戶旁邊、先把現場搞懂這件事。

Palantir 的做法有哪些限制?

最大的限制就是規模和成本,很多公司很難走同一條路。依 2025 年的年報,它前二十大客戶平均每年付 9,390 萬美元,年底的客戶數是 954 家。而我也沒查到公開的價目表,所以沒辦法告訴你最低要花多少。

不過前二十大的平均並不是門檻。用同一份年報粗算,45 億美元扣掉這二十家之後,其餘約 930 家平均每年約 280 萬美元。這是我自己的推算,不是報價,裡面也包含政府客戶。

另外還有幾個限制,在評估時也要算進去:

  • 銷售和導入不快。2020 年的上市文件寫,銷售週期通常是 6 到 9 個月,有些還超過一年。Bootcamp 應該有縮短這段時間,但我沒查到新的公開數字。
  • 資料權限還是得靠人談。權限功能可以降低資安疑慮,但如果有人就是不想放手,平台也解決不了。Qureshi 也說,他們遇到的阻力大多來自部門之間的角力。
  • 很依賴工程師的能力。創投 a16z 就認為,這需要平台、頂尖工程師,以及在國防這類不能出錯的環境做過的經驗,三者兼備。多數公司只能做到其中一兩項。
  • 綁定的風險。這是我自己的判斷:當作業流程都蓋在同一個平台上之後,要換掉的代價會很高。所以簽約前要問清楚,資料和邏輯日後怎麼搬出來。
  • 爭議。它有一半以上的營收來自政府,Qureshi 也寫到,美國移民執法等案子曾引發公司內外的爭論。有些公司和員工會在意這一點。

所以值得去問報價的公司,我覺得大致要符合三點。第一,這個問題解決之後,每年能省下或多賺的錢,要明顯高於其餘客戶約 280 萬美元的平均。不過這只是平均,不是起價。第二,資料散在多個系統或廠區。第三,內部有人能拍板開放資料,也接受之後不容易換掉。

如果這個問題一年省不到這個金額,那比較實際的問題就是:這套做法有哪些部分可以直接拿來用?

台灣企業可以從 Palantir 學到什麼?

台灣企業最值得學的,是 Palantir 的工程師進到一家公司之後,先做什麼、再做什麼的這套步驟。這些步驟就算不買 Palantir 的軟體,你的公司一樣可以照著做。下面這張表,左邊是 Palantir 的做法,右邊則是我建議一家幾十到幾百人的公司可以怎麼做:

Palantir 的做法你可以怎麼做
先解決執行長最在意的問題列出老闆每週都在追的三個數字,挑一個講得出金額或時間的
工程師到現場請做系統的人去旁邊坐三天,看同事實際怎麼處理,不要只看需求單
把拿資料和開權限當成第一件事約好資料負責人,兩週內拿不到資料,就換一個流程
用真實資料一到五天做出第一版拿上週的 20 筆真實案件試做(個資先遮掉),交給實際要用的人試用
把公司的資料整理成 Ontology用一張試算表列出這個流程的物件、關聯和動作,先不超過十列,例如「客訴單屬於某張訂單,客服可以轉給工程師,退款要主管才能按」
客戶最後自己開發指定一位內部同事一起寫,上線前由他自己改一個小需求

如果公司裡沒有做系統的人,就請 ERP 廠商或外部團隊的工程師來坐這三天。

至於要挑哪個流程,可以看哪些流程適合先交給 AI agent。如果要找外部團隊一起做,判斷條件和前 90 天怎麼排,我寫在企業需要 FDE 嗎。我們的企業 AI 營運方案也是讓工程師到現場,再串接內部系統與資料,做成專用的操作介面。

Airbus 當初也只是從一條 A350 產線開始做的,Skywise 是兩年後才推出的。所以你下週一可以做的,就是從那三個數字裡挑一個,把它現在每週是多少記下來,再請人去現場坐三天。

坐完三天,如果你發現那個流程的資料根本拿不到,也不算白做。前面提過,Palantir 的客戶裡就有人買了 8 到 12 週的試行,結果幾乎都花在等權限。而你在花大錢之前,就已經先知道這件事了。

常見問題

Palantir 是軍工公司嗎?

不完全是。它 2025 年有 54% 的營收來自政府,其中包含國防與情報單位。所以 Gotham 才常出現在軍事新聞裡。但另外 46% 來自企業客戶,涵蓋航空、醫療、能源、製造等產業。

PLTR 是什麼?

PLTR 是 Palantir 的美股代號。這篇只談它怎麼做事,要不要投資請看財報和專業分析,我不在這裡給意見。

Foundry 和 AIP 差在哪?

Foundry 負責接資料、建立 Ontology 和做作業工具,AIP 則負責把大型語言模型接進來,做 AI agent 和自動化。兩者合起來用的時候,AI 就能讀到整理好的資料和可以做的動作。

Palantir 在台灣有客戶嗎?

在我查到的公開資料裡,沒有看到它在台灣的具名企業客戶,但這不代表一定沒有。它 2025 年有 26% 的營收來自美國以外,不過年報沒有列到台灣的數字。

中小企業用得起 Palantir 嗎?

大多不太實際。我沒查到公開價格,但它整體的客戶結構明顯偏大型組織。它是有一個開發者方案(Developer Tier),讓開發者在美國和部分國家低成本試用 Foundry 和 AIP。但這比較適合先了解平台,不等於整套導入的費用。

參考來源

以下案例數字多由 Palantir 自行公布,產品名稱、客戶數與財務數字以它當下的財報和官網為準。

從這篇繼續看相關內容

依文章主題整理同站文章、服務/產品與 FAQ 入口,讓下一步有清楚的閱讀方向。

延伸閱讀

下一步

服務入口

了解企業 AI 營運導入

從需求診斷、系統串接、驗證上線到持續維護,查看 AI agent 導入的分工與人工審核方式。

查看相關頁面

常見問題

AI agent 可以不經人確認直接寄信嗎?

依能不能復原、影響誰、有沒有對外承諾,決定哪些動作要人確認。

查看 FAQ 解答

企業 AI 落地實踐

把文章裡的判斷帶回你的流程

從一個實際工作流開始,與 EthorX 共同釐清 AI agents 的導入起點。