$第四范式(06682)$
聊一聊，成为$Palantir(PLTR)$ 的阻碍
从诞生之初，第四范式就被寄予成为中国乃至亚洲版PLTR的期望，但市场的先天不足，让平台制和订阅制在中国市场难以复制。
具体体现在客户更加接受买断和项目制，这其实也是ai应用在tob阶段普遍的困境。
第四范式公开强调 AutoML 平台、先知平台 等，但落地方式基本是：
根据客户特定业务做专门建模、调参、数据清洗、系统集成
收入以项目交付为主（一次性）
团队大量依赖数据科学家、行业专家
与PLTR的差异具体体现在
① PLTR 是“先有产品、后有客户”
第四范式是“先有客户、再做项目”**
PLTR 花了 十几年 砸出真正的平台——先打磨 Foundry 再大规模复制。
而第四范式本质上是：
“客户要什么，我给你做什么。”
这会削弱平台抽象的能力。
② PLTR 强调“把行业流程标准化”
第四范式没有能力让客户改变流程**
PLTR 做的事情接近：
把企业的数据、流程、权限结构全部规范化
让 Foundry 成为企业内部运营的核心系统
这是平台的本质。
但中国大中型企业（尤其是金融机构）不会让一家 AI 外包公司重塑流程，因此第四范式只能配合客户现有流程做工具/模型 → 很难做成真正的平台。
③ PLTR 的交付技术门槛远高于第四范式
PLTR 的核心能力在于：
数据治理的底座（Ontology）
实时数据的运算架构
条件决策/模拟能力（非常像业务操作系统）
Apollo 的模型持续交付能力
这是强工程软件公司。
第四范式更多是：
自动建模（AutoML）
预测类模型落地
针对行业（银行/保险）做定制化方案
工程平台能力和 PLTR 不在同一层级。
④ 商业模式基因不一样
PLTR = 软件订阅型 + 国防/大型企业长期合同
第四范式 = 项目制 + 金融行业 PoC + 定制化开发
当你的模式一开始就是项目制，你就会陷入：
人越多赚钱越多
越做越重
复用越弱
毛利越难提升
公司基因会锁定未来的路径，这就是“项目制陷阱”。
⑤ 中国 AI 公司普遍被客户“拉着做项目”
中国 B 端市场的商业文化是：
企业只愿意为定制化项目付钱
不愿意为“抽象的平台能力”买单
采购方习惯要人、要驻场团队、要集成、要方案
PLTR 在美国能靠 Foundry/ Gotham 卖订阅，是因为美国客户的采购体系允许“平台式软件”进入核心系统。
在中国这个很难复制。
确实有一些迹象／言论表明管理层可能有“希望往更标准化／产品化／模块化 + 提高复用 + 减少对项目交付依赖”的想法
—— 比如会提“加强 R&D”、“打造通用 AI 平台能力”、“推广 lighthouse 客户 + 扩展行业方案”等。
但这类表述更像 战略意向或愿景，而不是 已落地 / 已执行 / 已转型 ：
没有“订阅费/license”收入的披露比重变化；
没有表明他们在推某个通用 SaaS 产品；
没有看到“客户批量订阅 + 多次付费 + 续费率 /保留率” 相关数据披露。