模型能租，标准买不来：Palantir 的 AutoResearch 在赌什么

Chad Wahlquist 在 X 上贴出 Palantir 的两份白皮书。Palantir 长期做政府和大企业的数据系统，这次把话题推到模型生产。一份 22 页，叫 AutoResearch and the Fine-Tuning Ontology；另一份 24 页，叫 Evals as the Substrate for Sovereign AI。主题集中在四个字：主权 AI。

Chad 给 AutoResearch 的定义是：AI 生产的手段，一个模型工厂，为你的工作流造定制前沿模型，完全归主权机构所有。数据集、技术、权重，全归自己。他把一句话放在前面：模型是租的，标准是拥有的。

这背后有个刺痛人的判断。Chad 引用白皮书里的说法：模型和数据 schema 都不是差异化，因为竞争对手两样都能买。公开 API 能调到的能力，别人也能调到；照着文档画出来的数据结构，别人也能画。

回复区里，jefe 补了一个角度：schema 能买，填满自己客户和承诺的业务模型买不到。跑在这个模型里的 agent，公司每运行一个月，它就更有用一点。这个说法碰到问题核心。私有化解决机器放哪，业务模型解决的是公司怎么运转、承诺怎么兑现、例外怎么处理。后者很难从货架上拿。

Evals 白皮书相关的图：

另一份白皮书把 evals 放在主权 AI 的基底位置。evals 容易被理解成跑分，实际更像一套工作流里的裁判规则：什么算对，什么算错，边界情况怎么判，版本变了以后旧结论还算不算。模型可以换，裁判规则一乱，团队就不知道自己在优化什么。

有网友问了一个关键问题：evals 到底拿自有模型和谁比，是同一批文档塞进上下文里租来的前沿模型，还是原始前沿模型？这个问题不回答，自有模型的提升会变成“它记住了这批文档”。Chad 的推文没有展开这个细节，得翻 24 页 PDF。

也有人担心 IP：这套东西会不会变成百万克隆的饲料。Chad 的回应是，IP 属于客户，Palantir 做的是让客户在工作流里安全、可扩展地完成这件事。这个回应没有消除所有疑问，但把边界说清楚了：工具方和客户方，谁拥有什么。

还有网友 Richard Tang 提到，他们在做 typed knowledge infrastructure，让训练发现带上证据、来源和范围，供下游使用。这个方向和 evals 基底能对上：模型输出要能追溯到依据，不然业务方没法签字。

Chad 还给了个比喻：对抗 demoware 最有效的解药，是把 AI 做成操作员身上的一套 suit。演示很顺，生产环境一问就露馅，这种产品见多了。suit 的意思是，AI 得贴着人的动作、权限和责任走，不能只在屏幕上表演。

两份 PDF 在这里：

AutoResearch and the Fine-Tuning Ontology，22 页

Evals as the Substrate for Sovereign AI，24 页

Chad 的原推：链接

如果你在团队里推私有模型，先看三件事：评测集谁维护，业务方认不认这套判据，模型换版本后旧结论还能不能复现。模型能租，标准买不来，业务模型更难买。Chad 的推文把这话说得很短，白皮书里的活才刚开始。