中文全文译本
### 八年任期的回顾
Nabeel S. Qureshi
2024-10-15
Palantir 现在很火。公司最近进了标普 500。股价狂飙，市值逼近 1000 亿美元。VC 追着前 Palantir 创始人要投钱。
对老员工和校友来说，这感觉非常怪异。尤其在 2016–2020 那几年，跟人说你在 Palantir 工作并不讨好。公司被看成间谍科技、NSA 监控，或者更糟。办公室外常有抗议。即便道德上不排斥的人，也常把它贬成披着软件外衣的咨询公司，或者充其量是一种精巧的人才套利。
我去年离开，却从未公开写过在那儿学到了什么。人们对这家公司也有很多误解。所以这是我作为在那儿工作了八年的人，试图解释其中一些东西的努力。
（注：我以个人身份写作，与公司已无正式关系。我持有并看好 $PLTR。）
## 1. 我为什么加入
我 2015 年夏天加入，先在新开的伦敦办公室，再搬到硅谷，最后到华盛顿——身份是 forward deployed engineer（前线部署工程师）。当时公司大约 1500 人；办公室在帕洛阿尔托（总部）、纽约、伦敦等地。（现在大约 4000 人，总部位于丹佛。）
为什么加入？
第一，我想在「难」的行业里做真实、有意义的问题。我的兴趣——有个人原因——是医疗和生物，公司在这块有刚起步的存在感。公司在谈医疗、航空航天、制造、网络安全等行业，我觉得这些很重要，但当时多数人并不在做。当时热门的是社交网络（Facebook、LinkedIn、Quora 等）和其他消费应用（Dropbox、Uber、Airbnb），很少有公司在啃经济里真正棘手的部分。如果你既想在这些「更硬」的领域工作，又想要硅谷工作文化，有一阵子 Palantir 基本是唯一选项。
我的目标是创业，但我想先（1）在其中一个行业深潜一阵，学到真东西；（2）为美国公司工作并借此拿绿卡。Palantir 两边都给。选择很容易。
第二，人才密度。我跟早期启动医疗垂直的几个人聊过（Nick Perry、Lekan Wang、Andrew Girvin），印象极深。然后又面试了一批早期业务运营与战略的人，印象更深。那是一群极度认真、好胜、想赢的真信徒；古怪迷人的人，业余读哲学、搞奇怪饮食、骑一百英里自行车当乐子。后来才知道，这是 Paypal 黑手党的遗产。早期 Paypal 的 Yishan Wong 写过强度的重要性：
> 「总的来说，当我开始观察更多创业公司时，我发现 PayPal 的人才水平在硅谷创业公司里并不罕见，但区分因素可能是来自顶层的强度：Peter Thiel 和 Max Levchin 都是极度强烈的人——超级好胜、拼命工作、不愿接受失败。我认为正是这种领导力，把『标准』的人才团队推到能做成大事，并进而催生后续成就的源泉。」
Palantir 是个异常强烈又怪异的地方。我记得第一次跟 Stephen Cohen 谈话，他办公室空调开到 60℉，屋里摆着几个怪模怪样的装置用来尽量降低二氧化碳，杯子里堆着一大堆冰。整个谈话里他不停嚼冰块。（据说这对认知有好处。）
我也面试过 CEO Alex Karp，并跟其他领导层聊过。大概不必说服你 Karp 很怪——随便看一场他的采访就行。我不能说 Karp 跟我谈了什么，但他 2012 年的一次采访能很好体现风格：
> 「我喜欢在对候选人一无所知时见面：没有简历，没有前置讨论或职位描述，就是候选人和我在一个房间里。我问一个相当随机的问题，跟他们在 Palantir 会做的任何事都正交。然后我观察他们如何拆解问题，是否意识到同一件事有多少种不同看法。我喜欢把面试压得很短，大约 10 分钟。否则人们会进入事先学好的回答，你就感受不到他们真正是谁。」
我的面试常常根本不谈工作或软件——有一场我们花了一小时聊维特根斯坦。注意 Peter Thiel 和 Alex Karp 都是哲学科班。Thiel 的讲义那时刚出来不久，里面谈莎士比亚、托尔斯泰、Girard（当时还不知名，如今已成陈词）等等。
智识上的宏大感加上极度好胜，对我是完美匹配。事实上今天也仍难找——很多人复制了「硬核」工作文化和「这是海军陆战队」的氛围，但很少有智识气氛，那种置身丰富观念集合的感觉。这很难 LARP——创始人和早期员工必须真是有趣的智识思考者。今天我想到把这组合拿捏住的主要公司是 OpenAI 和 Anthropic。它们是人才磁铁并不奇怪。
## 2. 前线部署
我加入时，Palantir 的工程师分成两类：
1. 跟客户一起工作的工程师，有时叫 FDE，forward deployed engineers。
2. 在核心产品团队（product development，PD）工作、很少去见客户的工程师。
FDE 通常被期待「到场」——去客户办公室每周工作 3–4 天，意味着大量出差。这对硅谷公司来说，当时和现在都很不寻常。
关于这模型有很多可拆，但核心想法是：你获得制造、医疗、情报、航空航天等困难行业业务流程的细密知识，再用那知识设计真正解决问题的软件。然后 PD 工程师把 FDE 建的东西「产品化」——更一般地说，构建让 FDE 能更好、更快工作的杠杆软件。
Foundry 产品的许多最初形态就是这样长出来的：FDE 去客户现场，不得不手工做一堆杂活，PD 工程师做出自动化这些杂活的工具。要从 SAP 或 AWS 拉数据？这儿有 Magritte（数据接入工具）。要可视化数据？这儿有 Contour（点选可视化）。要快速起一个 Web 应用？这儿有 Workshop（类似 Retool 的 Web 应用 UI）。最终，你有了一套相当不错的工具，松散主题是「把数据接进来并以某种方式用起来」。
当时，把这些工具直接交给客户被视为激进——它们还没准备好——但现在这驱动了公司 50% 以上的收入，名字叫 Foundry。这样看，Palantir 完成了罕见的「服务公司 → 产品公司」转身：2016 年，说它是硅谷服务公司并不完全离谱；到 2024 年这说法已严重偏离，因为公司用早年教训成功做出了企业数据平台，毛利率也说明问题——2023 年毛利率 80%。那是软件毛利。对比 Accenture：32%。
Tyler Cowen 有句妙语：「稀缺的是上下文（context is that which is scarce）」，可以说这是该模型的奠基洞察。到客户现场——创业导师 Steve Blank 称之为「走出大楼」——意味着你捕获他们如何工作的隐性知识，而不只是企业软件通常依赖的扁平「需求列表」模型。公司把这信到可笑的程度：接到电话、订第二天一早飞去极其随机的地方是常态；「先上飞机，再问问题」是文化偏置。很长一段时间出差花费失控——许多人最终拿到 United 1K 之类——但也意味着长达十年、强度极高的学习循环，最终得到回报。
我第一个真正的客户对接是法国飞机制造商 Airbus。我搬到图卢兹一年，每周四天在工厂里跟制造的人一起工作，帮他们建我们软件在那儿的版本。
到图卢兹的第一个月，我周末几乎飞不出城，因为空管每到周末就罢工。欢迎来到法国。（开个玩笑——法国很好。而且 Airbus 的飞机了不起。那是真正以工程为中心的公司。CEO 总是受训的航空工程师，不是某个 MBA。不像……算了。）
CEO 告诉我们他最大的问题是扩大 A350 制造规模。于是我们最终建了直接对付那个问题的软件。我有时把它描述成「造飞机版的 Asana」。你把散落各处的数据源——工单、缺件、质量问题（「不合格项 / non-conformities」）——放进一个好用的界面，能勾选完成、看其他班组在做什么、零件在哪儿、进度怎样。让他们能搜索（包括模糊/语义搜索）以往质量问题，看当初怎么处理。这些都是基本软件能力，但你见过企业软件有多烂——只是把这些「最佳实践」UI 部署到真实世界，就极其有力。这最终帮助推动了 A350 制造冲刺，在保持 Airbus 高品质标准的同时，把制造节奏成功做到约 4 倍。
这让软件很难用一句话概括——它不只是数据库或电子表，而是针对那个特定问题的端到端方案，管他通不通用。你的工作是解决问题，别担心过拟合；PD 的工作是拿走你建的东西并泛化，目标是卖到别处。
FDE 倾向于写出尽快完工的代码，通常意味着——客气地说——技术债和 hacky 变通。PD 工程师写出干净扩展、覆盖多用例、不易坏掉的软件。公司的一个关键「秘密」是：产生深层、可持续的企业价值，两边都要。BD/FDE 往往有高痛感耐受、把你嵌入外国公司并赢得信任所需的社交与政治技能，以及高速度——你需要快速交付一颗价值内核，让客户意识到你是真家伙。客户对多数软件承包商期望低得可笑也帮了忙：那些人通常是 SAP 之类的实施方，按多年「瀑布」节奏干活。于是当一群二十来岁的乌合之众到场，一两周内就做出人能用的真软件时，人们会注意。
这种双轨模型构成强引擎。客户团队通常很小（4–5 人），快速自治运作；这样的团队很多，都在快速学习，核心产品团队的工作是吸收那些学习并建造主平台。
当我们被允许在组织内工作时，这往往非常有效。障碍大多是政治。每次你看到政府又给 Deloitte 一亿一千万美元合同去做一个不工作的网站，或 healthcare.gov 式灾难，或旧金山联合学区花四千万上线一个——再次——不工作的工资系统，你看到的就是政治打败实质。SpaceX vs. NASA 是另一个例子。
世界需要更多像 SpaceX、像 Palantir 这样靠执行——达成结果——来区分，而不是靠玩政治或建打不中目标的窄点方案的公司。
## 3. 秘密
FDE 做的另一件关键事是数据集成——一个让多数人昏昏欲睡的词。这过去是（现在仍是）公司所做之事的核心，其重要性被多数观察者低估了很多年。事实上，直到 AI 到来，人们才开始意识到对企业来说，拥有干净、策展好、易于访问的数据有多重要。（参见：AI 模型里的「it」是数据集。）
简单说，「数据集成」意味着：（a）获得企业数据访问，通常要跟组织里的「数据所有者」谈判；（b）清洗它，有时转换它以便可用；（c）放到人人能访问的地方。Palantir 主软件平台（Foundry）里大量基础软件，就是让这任务更容易、更快的工具。
为什么数据集成这么难？数据常常是计算机不好分析的格式——PDF、笔记本、Excel（天哪，太多 Excel）等等。但真正挡路的往往是组织政治：某个团队或小组控制着关键数据源，他们存在的理由就是当那数据源的守门人，他们通常靠当守门人（并常常提供对该数据的分析）在公司里证明自己存在。这种政治可以是可怕障碍，有时导致滑稽结果——公司买一个 8–12 周试点，我们把全部 8–12 周花在拿数据访问上，最后一周手忙脚乱凑出能 demo 的东西。
Palantir 很早搞清的另一个「秘密」是：数据访问争执部分关乎真实的数据安全担忧，可以通过在平台数据集成层——在所有层级——内建安全控制来缓解。这意味着基于角色的访问控制、行级策略、安全标记、审计轨迹，以及大量其他公司仍在追赶的数据安全特性。因为这些特性，实施 Palantir 常常让公司的数据更安全，而不是更不安全。
## 4. 关于文化的笔记
公司的整体「氛围」更像弥赛亚式邪教，而不是普通软件公司。但重要的是，批评似乎高度被容忍、甚至被欢迎——有人给我看过一封邮件链：一名入门级软件工程师跟一位 Director 公开激烈争论，整家公司（大约一千人）都在抄送里。作为理性主义脑回路的哲学毕业生，这一点对我极其重要——我对加入不加批判的邪教没兴趣。但一群怀疑论者、在乎得深、想争论世界往哪儿走以及软件如何存在性地嵌进去的邪教——那对我有意思。
不确定他们现在是否还这么做，但当时你入职时，他们会寄给你一本《Impro》、一本《The Looming Tower》（9/11 书）、一本《Interviewing Users》，以及《Getting Things Done》。我还拿到过后来成为 Ray Dalio《原则》的早期 PDF。这定下了调子。《The Looming Tower》够明显——公司部分是作为对 9/11 的回应创立的，以及 Peter 感到随之而来、不可避免的公民自由侵犯，上下文有价值。但为什么是《Impro》？
成为成功的 FDE，需要对外界社会情境异常敏感——你真正要做的是在最高层与企业（或政府）对口合作并赢得信任，这常常要求玩政治游戏。《Impro》受极客欢迎，部分因为它把社会行为机械地拆开。公司词汇浸透了 Impro 式说法——「casting」是一例。Johnstone 讨论同一演员如何仅靠改变身体行为的部分就能演「高地位」或「低地位」——例如说话时头保持不动是高地位，头左右晃很多是低地位。站直、手露出来是高地位，驼背、手插口袋是低地位。诸如此类。如果你不知道这些，你不太可能在客户环境里成功。这意味着你不太可能集成客户数据或让人用你的软件。这意味着失败。
这是前 FDE 往往成为优秀创始人的原因之一。（每个 YC 批次里，前 Palantir 创始人通常比前 Google 人更多，尽管 Google 员工大约多 50 倍。）好创始人有读房间、群体动态和权力的本能。这通常不被谈及，却至关重要：创办成功公司，是参与一场又一场谈判，并（净）赢下来。招聘、销售、融资本质上都是谈判。没有这些人类行为本能，很难擅长谈判。这是 Palantir 教给 FDE、而其他硅谷公司很难学到的东西。
另一点是 FDE 必须善于理解事物。你的有效性直接关联你多快学会说客户的语言，并真正钻进他们业务如何运转。如果你跟医院合作，你会很快学会谈产能管理和患者吞吐量，而不是只说「帮你改善医疗」。药物发现、健康保险、信息学、癌症免疫疗法等都一样；都有专业词汇，做得好的人往往极擅长快速学会它们。
我最喜欢 Tyler Cowen《Talent》里的一个洞察：最有才华的人往往发展出自己的词汇和 meme，这些成为进入那人构造的整个智识世界的入口。Tyler 本人当然是绝佳例子。任何 Marginal Revolution 读者都能立刻报出十几个 Tylerism——「model this」「context is that which is scarce」「solve for the equilibrium」「the great stagnation」都是例子。你也能找到其他擅长此道的人。Thiel 是一个。Elon 是另一个（「multiplanetary species」「preserving the light of consciousness」等都是 meme）。Trump、Yudkowsky、gwern、SSC、Paul Graham，他们都经常铸造 meme。事实证明这是影响力的良好代理。
这洞察也适用于公司，Palantir 有自己庞大的术语集，其中一些晦涩到「Palantir 到底做什么？」成了网上 meme。「Ontology」是老词，然后还有「impl」「artist's colony」「compounding」「the 36 chambers」「dots」「metabolizing pain」「gamma radiation」等等。重点不是解释所有这些词——每个都压缩一整套丰富洞察；而是当你在找要加入的公司时，找一套帮你以更有趣方式思考的丰富内部语言或词汇，不会吃亏。
提到 Palantir，多数人想到 Peter Thiel。但许多术语来自早期员工，尤其是如今任总裁的 Shyam Sankar。尽管如此，即便我在那儿的整段时间他都不参与运营，Peter 对公司文化仍影响极深。Joe Lonsdale 写的这份文件曾是内部文件，后来公开，能让人感受到那类文化原则的风味。
我认为来自 Peter 的一件事，是不给人头衔。我在那儿时，大家差不多都是「forward deployed engineer」头衔，除此之外有五六个 Director 和 CEO。偶尔有人会自造不同头衔（我认识一个人自称「Head of Special Situations」，我觉得好笑），但这些从未真正流行。不难追溯到 Peter 的 Girard 式信念：如果你创造头衔，人们开始觊觎它们，最终在公司内部制造破坏内部团结的竞争政治。更好是人人同一头衔，让他们去专注目标。
对「扁平层级」立场有很多好批评——《The Tyranny of Structurelessness》是出色的一篇——它在现代创业公司里大体已过时，你会很快有 CEO、COO、VP、Founding Engineer 等等。但我的经验是它在 Palantir 运转良好。有些人比别人更有影响力，但影响力通常基于某些令人印象深刻的成就，最重要的是没人能命令别人做什么。所以即便某人很有影响力或觉得你的想法蠢，你可以忽略他们去建东西——如果你认为那是对的。在此之上，文化歌颂这种人：有故事讲某个工程师无视 Director、建出最终成为关键基础设施的东西，这被当作榜样。
代价是公司常常感觉没有清晰战略或方向，更像培养皿：聪明人建小领地、朝随机方向冲。但它极具生成性。那家公司冒出了多少新颖 UI 概念和想法被低估了。其中只有一些现在有非 Palantir 等价物，例如 Hex、Retool、Airflow 都有一些组件最早在 Palantir 发展。公司现在对 AI 做着同样的事——在大型企业部署 LLM 的工具很强。
「无头衔」也意味着公司内部人们进出风潮极快。因为人人头衔一样，你得通过其他手段衡量影响力，比如「谁看起来现在跟这位 Director 很铁」或「谁在带这个看起来重要的产品倡议」，而不是「这人是某某 VP」。结果是一种大规模的英雄—蠢货过山车——某人有一阵子极有影响力，然后神秘消失、几个月不做任何看得见的事，你永远不完全确定发生了什么。
## 5. 蝙蝠信号
另一件我能追溯到 Peter 的事，是人才蝙蝠信号。如今自己创业后（暂时仍在 stealth），我更体会到这一点：招好人很难，你需要差异化的人才来源。如果每年只跟 Facebook/Google 抢同一批 Stanford CS 毕业生，你会输。意味着你需要一组（a）特别有兴趣加入你、而非其他公司的人；（b）大规模触达他们的方式。Palantir 有几个差异化的招聘 alpha 来源。
第一，所有在国防/情报工作还不时髦时就支持它的人，这筛选出例如比平常更多来自中西部或红州的聪明工程师，以及大量想服务美国、又看到为硅谷公司工作吸引力的前军人、前 CIA/NSA 类型。我入职第一天，在团队内部入职会上遇到另一个看起来比我大一点的人。我问他在 Palantir 之前做什么。他面无表情看着我说：「我在局里干了 15 年。」然后我被介绍给我的第一位 lead——俄亥俄前特警（！）兼陆军退伍军人。
有很多这样的人，许多人极有才华，他们大多不加入 Google。Palantir 是这类人唯一真正的「灯塔」，公司大声支持军队、爱国等等，而那时那非常不时髦。那建立了高度有效、独特的蝙蝠信号。（现在有 Anduril，以及一大堆国防和制造创业公司。）
第二，至少在最初炒作潮退去之后（尤其在特朗普年代，公司是贱民时），你得够怪才想加入。部分是侵略性的「使命焦点」品牌在当时还不常见，公司也大声说人们工作时间长、薪酬低于市场、要大量出差。与此同时，我们因跟政府合作被踢出硅谷招聘会。这一切筛选出某类人：能自己思考、不会过度索引一篇坏新闻报道的人。
## 6. 道德
道德问题很迷人。公司毫不掩饰地亲西方——我大体同意这立场：一个更亲中共或亲俄罗斯的世界对我来说似乎更糟，而这正是桌上的选项。住在自由国家时批评自由国家很容易，经历过替代品后就难了（我经历过——童年在压制性国家待过几年）。所以即便我不同意军方做的某些事，我也对帮军方没问题。
但军方有时不做坏事吗？当然——我反对伊拉克战争。这触及问题核心：在公司工作既不是 100% 道德良善——因为有时我们会帮目标我不同意的机构——也不是 100% 坏：政府做很多好事，用提供不烂的软件帮他们更高效地做，是高贵的事。澄清道德问题的一种方式是把公司工作拆成三个桶——分类不完美，但跟我走：
1. 道德中性。普通企业工作，如 FedEx、CVS、金融公司、科技公司等等。有些人可能有意见，但整体人们觉得这些事还好。
2. 明确良善。例如与 CDC 的抗疫响应；与 NCMEC 的反儿童色情工作等等。多数人会同意这些值得做。
3. 灰色地带。我指「涉及道德棘手、困难的决定」：例如健康保险、移民执法、石油公司、军方、间谍机构、警察/犯罪等等。
每个工程师面临选择：你可以做 Google 搜索或 Facebook 信息流之类的事，它们看起来边际上是好事，基本落在类别 1。你也可以去做类别 2，如 GiveDirectly 或 OpenPhilanthropy 之类。
针对 Palantir 的关键批评似乎是：「你不该做类别 3，因为有时这涉及做道德上坏的决定」。例子是 2016–2020 的移民执法，其某些方面让许多人不安。
但在我看来，完全忽视类别 3、只是抽身不参与，也是推卸责任。类别 3 的制度需要存在。美国由拿枪的人保卫。警察必须执法——按我的经验，即便对警务某些方面道德上不安的人，自己家被抢时也会很快报警。石油公司必须提供能源。健康保险公司必须一直做困难决定。是的，这些事都有不光彩的一面。但我们是否就完全抽身离开所有这些制度，让它们自己收拾？
我认为是否该与类别 3 客户合作没有清晰答案；要个案判断。Palantir 的答案大致是：「我们会与多数类别 3 组织合作，除非他们明显坏，并信任民主过程随时间把它们推向好方向」。因此：
- 在 ICE 问题上，他们在特朗普时期脱离了 ERO（执法与遣返行动），同时继续与 HSI（国土安全调查）合作。
- 他们确实与多数其他类别 3 组织合作，论据是它们大体在世界上做好事，即便也容易指出它们做过的坏事。
- 我不能谈具体细节，但 Palantir 软件部分负责阻止了多起恐怖袭击。我认为单这一事实就证明了这立场。
对许多人来说这是不安的立场，正因为你不能保证时刻做 100% 好事。某种程度上你受历史摆布，你押注（a）做好事多于坏事；（b）在屋里比不在好。这对我足够了。其他人选择去别处。
这立场的危险当然是它变成做权力结构想要的任何事的完全一般性论据。你只是放大现有过程。这就是「个案」进来的地方：没有一般答案，你必须具体。就我而言，我在那儿多数时间做医疗和生物，我对贡献感觉良好。我赌阻止恐怖袭击的人对其贡献也感觉良好。或者疫情期间分发药品的人。
即便潮流已变，做这些「棘手」领域如今时髦，这些问题对技术人仍相关。AI 是好例子——许多人对部署 AI 的某些后果不安。也许 AI 被用于黑客；也许 deepfake 以各种方式让世界更糟；也许它造成失业。但也有 AI 的重大益处（Dario Amodei 在最近一篇文章里很好地阐述了一些）。
与 Palantir 一样，做 AI 大概不是 100% 道德良善，也不是 100% 邪恶。不参与——或呼吁暂停/停止，那是幻想——不太可能是最佳立场。即便你不在 OpenAI 或 Anthropic，如果你是可能合理参与 AI 相关议题的人，你大概想以某种方式参与。有容易的案例：建 eval、做对齐、做社会韧性。但我的主张是灰色地带也值得参与：做政府 AI 政策。把 AI 部署进医疗等领域。当然会难。跳进去。
当我想到今天 AI 里最有影响力的人，他们几乎都是在屋里的人——无论在 AI 实验室、政府，还是有影响力的智库。我宁愿成为他们之一，而不是空谈者之一。当然会涉及困难决定。但事情发生时在屋里更好，即便你后来不得不离开并拉响警报。
## 7. 接下来呢？
我仍看多这家公司吗？是。
这一轮 AI 周期的大生产力收益，将来自 AI 开始为这个时代的大公司和大业务提供杠杆——制造、国防、物流、医疗等行业。Palantir 花了十年跟这些公司合作。AI agent 最终将驱动许多核心业务工作流，而这些 agent 将依赖对关键业务数据的读写访问。花十年集成企业数据，是把 AI 部署进企业的关键地基。机会巨大。
至于我，我在执行酝酿已久的总计划，接下来创办一家公司。是的，会有政府成分。团队很棒，是的我们在招人。我们甚至有时会聊维特根斯坦。
感谢 Rohit Krishnan、Tyler Cowen、Samir Unni、Sebastian Caliri、Mark Bissell 和 Vipul Shekhawat 对本帖的反馈。
---
### 脚注摘译
OpenAI 和 Palantir 都需要有深厚信念、愿在看不到明显突破的情况下资助多年的富人支持（分别是 Elon/YC Research，以及 Peter Thiel）。Palantir 挣扎多年，在政府空间几乎拿不到真正牵引，做着与「精益创业」相反的事；OpenAI 有几年（至少在炒作上）被 DeepMind 压过，直到语言模型到来。正如 Sam Altman 指出：OpenAI 违背了所有 YC 建议——四年半才发布产品；将是硅谷史上最资本密集的创业公司；在不知道客户是谁、会用来做什么的情况下建技术。
有某种相关性：让公司关乎赚钱之外的事（公民自由；AI 神），你从一开始就吸引真信徒，他们进而创造高度生成性的智识文化，一旦你最终找到成功就会持续。但这很难复制——你需要有愿景的亿万富翁和被忽视的经济部门。2015 年 AI/ML 不热；2003 年 govtech 不热。
Ted Mabrey 关于 FDE 模型的文章值得一读。Sarah Constantin——也是前 Palantir 人——在她出色的文章《The Great Data Integration Schlep》里更详细谈了这点。
旁注：媒体常把公司刻画成「数据公司」，或更糟，「数据挖掘」公司之类。据我所见，这是媒体的简单误解。Palantir 为企业做数据集成，但数据归企业所有——不归 Palantir。「挖掘」数据通常意味着用别人的数据为自己牟利或出售。Palantir 不做那个——客户数据留在客户处。
正如 Byrne Hobart 在他对该公司深具洞察的文章里指出：「邪教」只是「能付低于市场薪酬并获得高于平均留存」的委婉说法。这也公平——公司薪酬低于市场，待五年以上很常见。尽管如此，多数早期员工因股票表现最终做得很好。但当时并不明显我们会做得好；我们多数人在心理上已注销股权价值，尤其在最艰难的年份。我清晰记得有一本「解释你股权价值」的小册子，展示公司估值 1000 亿美元时股权值多少，我们一群人嘲笑那狂妄。写作时，公司市值约 974 亿美元。
顺便说，即便那时公司也不是什么边缘右翼反觉醒避风港。是的，意识形态光谱两端都有人，但大体上我记得绝大多数同事是普通人中间派。
多数活动家类型，在我看来，对我们确实需要强大军队的程度有幻觉。我想知道在俄罗斯入侵乌克兰之后有多少人修正了观点——（确实，Palantir 在乌克兰的响应中扮演了关键角色）。
Paul Christiano 是 AI 安全侧的好例子——他进入政府，现领导美国 AI 安全中心。