美国政府机构的数据系统有多老？
答案是：比你想象的还老。 在许多关键部门的日常运营中，决策者仍然依赖 Excel 表格、电话会议、即时消息和——没错——PowerPoint 演示文稿来完成复杂的分析和决策流程。
几十年来，先后有 60 到 70 个"自动化决策系统"项目尝试将 AI 技术引入政府数据流程，但几乎全部失败。直到 Palantir 走了一条不同的路。
📊 不是科幻电影，是替代办公软件
外界对 Palantir 的想象往往停留在好莱坞式的画面：AI 系统自动做出关键决策，算法一键锁定目标，人类被完全排除在外。
但 Palantir 首席架构师 Akshay Krishnaswamy 给出的描述远没有这么戏剧化。
▎ Palantir 首席架构师：
"它主要做的，是替代电子表格、电话、聊天和 PowerPoint——让人能更快、更谨慎地完成决策规划。"
这个定位听起来一点都不性感，但恰恰是这个"不性感"的定位，让 Palantir 成了第一个真正跑通的玩家。
之前的项目失败，原因几乎如出一辙：坐在办公室里想系统应该长什么样，而不是去现场看用户到底在干什么。 Palantir 的切入点不同——他们先做实地调研，找出真实的痛点和数据瓶颈，再围绕这些实际需求构建解决方案。
商业业务负责人 Ted Mabrey 总结得更直白：他们不是在做"炫酷的 AI demo"，而是在解决"办公室里的 Excel 表格太大打不开"这种看似无聊但极其真实的问题。
🏗️ Project Maven：从研究项目到百亿级别
Palantir 在政府领域的核心项目之一，是 Project Maven。
根据 Military.com 的报道，Project Maven 于 2017 年启动，最初的目标是处理来自无人机和卫星的海量监控影像数据——在数百万张图片中自动识别有价值的目标信息。
这个项目在 2024 年迎来了重大转折，合同规模也说明了它的商业价值：
💰 2024 年陆军合同：$4.8 亿
💰 2025 年扩展合作：$7.95 亿
💰 10 年企业级协议上限：$100 亿
Project Maven 也从最初的"研究项目"升级为 "program of record"——这意味着它不再是实验性质的，而是正式纳入了政府预算体系的长期项目。
这个升级释放了一个清晰信号："数据驱动决策"不再是概念验证阶段，而是进入了大规模部署期。
⚖️ Google 的退出与 AI 伦理辩论
Project Maven 的故事里，有一个绕不开的插曲。
2018 年，Google 作为该项目的技术合作伙伴，因内部员工的大规模抗议而选择退出。员工们的核心诉求是：AI 技术不应该被用于某些特定领域的政府应用。
这场抗议在科技行业引发了持续至今的讨论：AI 公司应不应该承接政府合同？
- 一方观点认为，科技公司有责任确保其技术不被用于不道德的用途
- 另一方则指出，如果负责任的科技公司全部退出，政府就只能选择那些不受公众监督的供应商——这未必是更好的结果
到了 2025-2026 年，这个辩论变得更加复杂。Anthropic 曾是 Palantir 的 AI 合作伙伴，但一次系统更新导致 CDC（美国疾控中心）的 AI 系统出现故障，加剧了政府和行业内部对"谁应该控制这些强大的 AI 系统"的担忧。
联邦上诉法院甚至允许国防部门将 Anthropic 列为"供应链风险"，而 Channel 4 News 报道称 Anthropic 的 Mythos 模型"过于强大不宜发布"。
⚡ 当 AI 能力增长到一定水平，"谁能用"和"怎么用"就不再只是技术问题，而是治理问题。
⚠️ 单一供应商依赖：技术的另一个隐忧
抛开伦理层面的争议，Project Maven 在技术层面也面临一个现实挑战：供应商集中度过高。
Military.com 的报道指出，批评者对 Palantir 在政府 AI 领域的主导地位表示担忧。当一个供应商同时掌握核心平台、数据管道和 AI 模型的部署权时，vendor lock-in（供应商锁定）就成了一个结构性风险。
这种担忧并非空穴来风。在软件行业，一旦某个平台成为基础设施，更换成本就会指数级上升——不仅是技术迁移，还包括人员培训、流程重构、数据兼容性等一系列问题。
对于政府这样体量的客户来说，这意味着：今天的"最优选择"，可能变成明天的"唯一选择"。
🔮 数据驱动决策的未来
回到 Palantir 的故事本身。从替代 Excel 和 PowerPoint 开始，到拿下百亿级别的政府合同，Palantir 的路径说明了一个关键趋势：
AI 在关键基础设施领域的价值，不是"替代人类的判断"，而是"让人类能更快地做出更好的判断"。
这个趋势不只适用于政府机构。任何需要处理海量数据、做出复杂决策的大型组织——物流企业、金融机构、医疗机构——都面临着类似的挑战：数据分散、工具老旧、决策滞后。
Palantir 选择了一条务实的路：先解决最基础的数据整合问题，再逐步叠加 AI 能力。不追求炫酷的技术演示，而是追求"让现有流程变得更快、更准确"。
这条路走得很慢，但似乎走通了。
至于 AI 伦理辩论、供应商集中度风险、政府与科技公司的权力博弈——这些问题不会因为某个项目的成功而消失。它们会随着 AI 能力的增长变得越来越重要。
因为最终的问题不是 AI 能做什么，而是我们允许 AI 做什么——以及谁来决定这个边界。
参考来源：Pirate Wires (Blake Dodge) · Military.com (Haley Fuller, 2026-03-25)
Macaron 🧁 | 关注 AI，关注那些没人愿意说清楚的真相
10个月宝宝每天需要喝多少奶粉？
