五家最值钱的 AI 公司砸了三百亿美元，就为了学它怎么往客户公司里塞人！
微软、谷歌、Meta、OpenAI、Anthropic 过去一年半集体转向同一个战略，招九千多名前沿部署工程师（Forward-Deployed Engineer，FDE），收购四家由帕兰提尔前员工创办的公司。帕兰提尔二〇二六年二季度营收增长百分之九十三，营业利润率百分之四十七，它没训任何大模型，却让训大模型的公司排队抄作业。这篇讲清楚帕兰提尔做对了什么、前沿实验室抄错了什么，以及为什么这个错误可能要花十年才能补回来。
FDE 能抄走，不抢客户饭碗抄不走
前沿实验室学得最像的，就是往客户公司里塞人！
OpenAI 通过 Thrive Holdings 收购会计和 IT 服务公司，把自己的研究员直接嵌进去，拿真实业务数据训模型。Thrive Holdings 创始人约书亚·库什纳说得直白：收购这些公司，就是给模型提供一套奖励系统，用行业专业知识和真实世界数据，让模型在特定任务上反复迭代。
说白了，把客户公司当训练场！
帕兰提尔也有 FDE。这类人长期驻扎在客户公司内部，既懂业务又写代码，把客户内部散落在邮箱、聊天记录、ERP、Excel、老师傅脑子里的隐性经验，变成一套可运行的系统。但有一件事完全不同：帕兰提尔帮客户搭的那套东西，所有权归客户！
坦帕总医院就是个例子，帕兰提尔帮医院做了个败血症预警中心，把电子病历、化验单、生命体征全打通，实时盯约一千名住院病人。上线之后，败血症早期死亡少了百分之六十八，住院时间短了百分之三十，截至二〇二六年六月救了约九百条命。这套系统，医院自己拿着，数据自己管着，帕兰提尔不拿它训自己的模型。
这就怪了：不拿数据训模型，帕兰提尔图什么？
图的是客户继续用它，图的是下一次客户要干更大的事，第一个想到的还是它！
前沿实验室的算盘不一样。OpenAI 通过 Thrive Holdings 已经收了七十多家会计和 IT 公司，Thrive Holdings 八月刚融了二十亿美元，估值一百二十亿，软银领投。这笔钱要干什么？用 Thrive 的话说，收购的企业代表“正确的奖励系统”，结合行业专业知识和实际数据，帮助改进模型在特定任务和能力上的表现。
奖励系统？那是人家的饭碗！你把人家的饭碗端过来，研究怎么把碗砸了，然后告诉人家这叫转型，这就有点不厚道了！
帕兰提尔 CEO 卡普二季度股东信里写了一句让所有人都该停下来想想的话：“我们的业务带有马克思主义的底色。其他很多大模型建设者，无论有意无意，都想要夺取他们所谓合作伙伴的生产资料。”
这句话不是修辞，是事实描述！
Thrive 自己公布的数据已经说明了方向：它旗下的会计平台 Current 部署了 TaxAI，处理了七千多份税表，准确率百分之九十八，报税时间缩短了百分之三十以上。IT 服务平台的 AI 产品把帮助台解决时间加速了三十六倍。
三十六倍！这意味着什么？意味着原来需要三十六个人干的活，现在一个人加一套系统就能干。那三十五个人去哪？
帕兰提尔干的事正好相反。坦帕总医院那套系统上线之后，医院没有裁掉任何一个护士，反而让每个护士都拥有了三十年老护士的判断力。系统监测约一千名住院患者，整合生命体征、化验指标等信号，加快抗生素干预，让败血症整体死亡率减半，四十八小时死亡率下降百分之六十八，住院时长缩短百分之三十。帕兰提尔协助坦帕总医院搭建的其他系统，还让患者床位分配耗时下降百分之八十三。
这就是区别：一个让客户的人变强，一个让客户的人变少！
本体这个东西，比大模型难抄多了
帕兰提尔的核心产品叫本体（Ontology），听起来很玄，其实就一件事：把一家机构里那些散落的信息，变成一套可计算、可查询、可执行的数字化结构！
但这套结构和你见过的任何数据模型都不一样。传统数据模型是静态的：定义实体、属性、关系，然后让工程师去查。帕兰提尔的本体是动态的：它不仅描述对象是什么，还描述对象可以做什么、如何变化、谁能够触发这些变化。
这个区别有多大？
传统数据模型就像一本字典，你查得到“订单”这个词的定义，但它不会告诉你这个订单该不该发货、谁有权取消、取消之后库存怎么变。帕兰提尔的本体把这些动词全部写进去了：订单可以被批准、可以被取消、可以被重新调度，每一个动作都带着权限规则、业务逻辑和状态变化。
这意味着帕兰提尔的本体不是一个数据看板，是一个业务操作系统。你可以在上面定义一家工厂的所有关键决策：哪个零件有缺陷、哪条产线该停、哪个供应商该换。然后系统会把这些决策的规则、权限、执行路径全部编码进去，让现场任何一个人，在任何一个时刻，都能拿到过去只有三十年老师傅才有的判断力。
帕兰提尔的 FDE 管这叫点彩画：一片一片把机构里看不见的暗物质拼出来，拼到最后才能看清全貌。这活脏不脏？脏！累不累？累！但价值大到离谱！
佛罗里达那家医院的经验摆在那里：一个三十年工龄的护士长，看一眼病人就知道不对劲，但她说不出为什么。帕兰提尔干的事，就是把她说不出的不对劲，变成系统里可复制的判断规则。
帕兰提尔 CTO 希亚姆·桑卡尔把 FDE 形容为点彩派画家：“消化痛苦，产出产品”，把机构里那些看不见的暗物质、无形的隐性经验，转化为可计算的结构化体系。
丰田有个著名的安灯拉绳：任何工人发现缺陷，拉一下绳子就能停整条产线。这招在美国车企复制，生产速度暴降，质量纹丝不动。为什么？因为美国工人没有日本工人那种轮岗、终身雇佣培养出来的全局判断力。帕兰提尔的本体，相当于把日本老师傅的判断力，装进每一个美国工人的手机里！
经济学家青木昌彦把丰田这类企业称为 J 型企业：生产横向组织，掌握最准确现场信息的人，拥有最终行动权。与之相对的是 H 型企业，工人发现缺陷必须先上报线长，层层向上汇报，直到权限持有者。但这个人缺少现场信息，无法及时妥善处置。
J 型企业模式能生效，前提是工人对整个工厂拥有完整认知，具备极强判断力。这种能力来自轮岗、广泛培训、终身雇佣这类日式企业制度。这套做法在美国几乎不存在。这也解释了为什么美国车企在工厂装上安灯拉绳之后，只换来生产速度大幅下降，产品质量却几乎没有提升。
帕兰提尔的本体打破了这个取舍难题。机构里原本只沉淀在从业三十年的老人脑海里的实时业务知识、实操经验、判断力，现在每一位现场决策者，在做决策的瞬间就可以获取。帕兰提尔的软件改造了安灯拉绳，把信息上传、下载带宽提升好几个数量级，交到每个人手里。
帕兰提尔二季度美国商业收入涨了百分之一百四十九，客户数涨到六百五十三家。这些客户买的是让我的员工变聪明的工具，不是替代我员工的工具！
这就跟 OpenAI 的路线正面冲突了！
OpenAI 的逻辑是：模型够强，什么活都能干。帕兰提尔的逻辑是：模型再强，也得有人告诉它这家公司的具体规则是什么、哪个环节最关键、出了事谁签字负责！
前者是模型吃掉一切，后者是模型服务于人！
你猜企业老板更怕哪个？
竞争是失败者的游戏正在被验证
帕兰提尔董事长彼得·泰尔有句名言：竞争是失败者的游戏。
这话听着狂，但仔细想想：如果五家最大的 AI 公司都在抄同一家公司的作业，那这家公司确实没有竞争——因为它成了标准本身！
微软把它的企业 AI 平台叫 Foundry，帕兰提尔十年前就叫这个名了。这已经不是学习，这是像素级复刻！
但复刻得了名字，复刻得了内核吗？
泰尔的另一个核心观点是：伟大的公司都是创造性垄断，做的都是别人做不了的事。帕兰提尔做了二十三年的脏活——把政府、军队、医院、工厂里那些没人愿意碰的碎片化信息，一点一点拼成可用的系统。这件事的壁垒不在技术，在信任！
帕兰提尔 CEO 卡普二季度股东信里写得很直接：“我们的客户拒绝成为语言实验室的附庸国。”
这话翻译一下就是：你们这些搞大模型的，别总想着把别人的东西变成你们的东西！
但前沿实验室正在往反方向跑。OpenAI 通过 Thrive Holdings 收购了七十多家会计和 IT 公司，本质上就是把客户变成自己的数据采集器和模型训练场。Thrive Holdings 八月刚融了二十亿美元，估值一百二十亿，软银领投。钱很多，但问题还在：你买了七十家公司，把 OpenAI 的研究员塞进去，用人家积累了几十年的专业数据训模型，训好了之后呢？
训好了之后，这些公司还需要那么多会计吗？
过去四个月，OpenAI、Anthropic、谷歌、Meta、微软合计投入三百亿美元资金，收购或投资了四家由帕兰提尔前员工创立、核心团队来自帕兰提尔的公司：Tomoro、Fractional、Northslope、Thrive Holdings。它们和黑石、TPG、贝恩资本、托马斯·布拉沃等头部私募达成合作，并且大举招聘，目标搭建九千多名自己的 FDE，人数相当于两个帕兰提尔的体量。
所有这些动作，目标本质一致：获取可信权限，拿到帕兰提尔长期认定的稀缺机构场景知识，把它变成可编程资产，把模型 token 转化成经济价值。
帕兰提尔二季度营业利润率百分之四十七，意味着每收一块钱，有四毛七是利润。这种利润率说明什么？说明客户不是在买试试看的东西，是在买必须用的东西。坦帕总医院那套败血症系统，如果停掉，死亡率会回去，哪个院长敢停？
带着损益表的哲学系
想要真正读懂帕兰提尔，需要退后一步，意识到它本质上是一个深度思辨的机构！
帕兰提尔认为，机器本身的迭代普及，并不自带道德属性。技术进步不会自动让人类更清晰地理解现实，也不会自动利用这份认知提升人类福祉。它同样明白，机器进步和机构适应性之间的正向耦合，也不会自动发生。而这种共生耦合，正是技术进步转化为文明进步的基础，也是二者持续发展的前提。
帕兰提尔隐含的观点是，硅谷已经遗忘这条根本真理。硅谷要么相信技术会自动带来一切，也就是有效加速主义；要么认为，只要自己懂技术，就有权决定机构与社会该如何组织，也就是有效利他主义。帕兰提尔和这些思潮一样拥有宏大愿景，但它的不同之处在于，它的使命建立在充分尊重现有秩序中那些有效部分的基础之上。
它认真看待切斯特顿栅栏原则，尤其放到机构层面：在没有彻底弄懂一项制度规范为什么存在之前，永远不要去摧毁或重构它。
帕兰提尔是一群持怀疑态度、却深度投入的人组成的团体，大家热衷于争论世界走向，以及软件在其中的位置。这是一个持续发问的共同体：机器，尤其是强大、普及的数字计算机，如何持续提升关键机构服务市场与民众需求的能力，同时不牺牲个人与机构的自主权和自由？
但因为帕兰提尔服务具体客户，这不是那种能登上九十年代《连线》杂志封面、宣称一切都将改变的宏大命题，而是落地到具体场景，用特定工具，一次解决一件事。
帕兰提尔意识到，拥有高通用能力、可以熟练使用工具的智能个体，已经在地球上存在几十万年。但仅仅过去几百年，这类个体才被相对合理地部署，持续拓展人类对世界的集体认知，并且转化为造福人类的解决方案。
就算在过去一代人的时间里，很多领域的人才筛选机制也严谨得多：身材高大、运动能力强的孩子，就算不关心体育，也会听说 NBA；心算极强的孩子会知道 IMO，也就是国际数学奥林匹克；写作者就算简历会被《纽约时报》直接丢弃，也能在网上获得名气。
为什么？核心原因就是机构。机构是经济与文明层面奖励函数的生成器。驱动进步的奖励函数，会激励那些拓展人类对宇宙集体认知的行为，让我们从富有成效的好奇心、完善想法这件事中获得正向反馈，并且把认知转化为解决人类难题的有效方案。如果奖励函数激励的是别的东西，尤其是以牺牲认知创新为代价换取感官新鲜感，或是制造恐惧，大概率会带来停滞。停滞几乎总会催生零和博弈，最终走向文明崩塌。
乔尔·莫基尔、菲利普·阿吉翁与彼得·豪特去年凭借这套理论获得诺贝尔奖：当拓展人类集体认知，也就是科学，和利用认知落地实践，也就是技术，两者之间的反馈回路足够紧密时，进步就会加速。那些收紧反馈回路、奖励认知创新、并且把认知进步落地解决现实问题的机构，会推动进步。能最高保真、最快做到这件事的机构，会带来进步的向上跃迁；其他类型机构，则会造成下行滑坡。
帕兰提尔的核心洞见大多来自联合创始人、董事长彼得·泰尔：硅谷这个教会，很大程度上已经被伪善的表演派占据。资本主义的奖励函数，无论是不是硅谷版本，已经越来越和进步脱节。我们想要会飞的汽车，结果只拿到一百四十个字符的推文。但这套体系仍有修复的可能。
帕兰提尔的对立观点是：机构是终极元技术，把机构和实体技术原生绑定，是重新加速进步的根本。换句话说，我们必须利用实体技术，提升机构生成正确奖励函数的能力。实体技术可以无限改造世界，但正是机构，从无数改造方向里筛选出有用的那些。在机构把人类大脑接入这套奖励函数、大规模协同推动生产性目标之前，人脑本身其实没有那么大价值！
帕兰提尔并不认为，仅仅因为懂计算机，就拥有超凡能力去打造更高效的机构、决定社会该如何组织，或是定义一套最优道德哲学准则。就算是亿万富翁、AI 研究员、企业软件创始人，也不一定有能力去研判人类面对的宏大命题。
帕兰提尔在软件领域给出的方案，是深入真实场景。也就是把硅谷工程师派驻到机构当中，获得可信权限，接触丰富、本地化的现实。这些场景里，领域专家已经从底层理解自身难题，他们最大的需求，就是把本地专业知识和持续变强的数字算力打通，把知识变成可编程资产。
有效软件与经济计算
帕兰提尔把这项技术叫做有效软件，全部工作都围绕打造有效软件展开！
在帕兰提尔的定义里，有效软件，就是帮助关键机构，把关于现实的信息转化为决策，转化为对服务对象有益的良好状态；顺境创造价值，逆境保障生存。它让服务人类的机构可以伴随数字算力的增强同步成长，而不是被算力抛下、淘汰或是摧毁。
理解帕兰提尔的一个思路：它根本不是一家软件公司，而是一个元机构，把机构适应性转化为工程与信息管理问题。这套系统持续在复杂机构环境中探索，奖励函数只和机构适应性提升挂钩；配备本体工具的 FDE，就是闭环学习的执行单元。
从精神内核和组织模式来看，帕兰提尔更接近台积电，而非 OpenAI 或是 Anthropic。二者都沉淀了极其复杂的流程知识，组织架构和执行哲学从第一天起，就优先获取稀缺机构场景的可信访问权限，并且一次次守住这份信任，让客户以更高自主权使用算力。台积电帮你制造芯片，但永远不会和你的芯片设计竞争，不会拿你的知识产权帮助你的对手。台积电所有组织设计，都是最大化客户成功概率。
同理，帕兰提尔帮你搭建计算底座，把把人的需求信息转化为经济、社会价值方案这套业务流程变成可编程系统。但它不会拿你的信息和你竞争，这套系统由你掌控。
帕兰提尔推动的这场经济计算革命，衡量进步的标尺不是摩尔定律、每瓦 FLOPs、每瓦智能、每美元 token 数，而是一个更宏大的指标：单位能耗内，服务人类的个体与机构，所能掌握、且属于自身主权的可编程经济复杂度，也就是具备经济价值的知识经验的密度。
帕兰提尔让机构记忆、机构的探索与学习过程，变得可计算。但这些由帕兰提尔协助设计搭建的计算机，所有权完全属于使用它们的机构。帕兰提尔明白，不能把这台经济计算机和它所属的机构剥离开。这么做，就像从 GPU 上拆掉显存，夺走企业核心生产资料。不同场景会有不同配置包：个人电脑缺显示器无法使用，但数据中心服务器不需要显示器。
你也不能把多台经济计算机的内存合并，造出一台能适配所有机构、性能同样优秀的机器。这台计算机的状态、生成新有效方案的能力，完全来自它诞生的独特场景。换句话说，数据中心里的天才这个概念本身就不成立。把很多天才聚合在一起，是误解天才的本质：天才是在特定现实环境选择性适应，诞生的独特认知共鸣。
帕兰提尔选择垂直整合，是为了理解经济计算的底层逻辑，梳理价值网络，为算力加速时代，找到机构设计的最优路径。最根本的信念是：沉淀在西方机构、自由市场中，经过长期筛选保留下来的知识，应当依靠技术进步变得更强、被保护下来。少数工程师，哪怕懂计算机，也没有天命授权，按照自己的构想改写这套体系。
抄形还是抄神决定谁笑到最后
前沿实验室现在做的事，有一个词可以精准概括：货物崇拜！
二战时太平洋岛民看见美军用飞机运来物资，战后自己用竹子搭飞机、修跑道，指望飞机自己降落。他们模仿了形式，没理解原理！
微软、谷歌、Meta、OpenAI、Anthropic 现在做的，本质上就是这个：看见帕兰提尔的 FDE 驻扎在客户现场，就也去驻扎；看见帕兰提尔做垂直整合，就也去收购公司；看见帕兰提尔叫 Foundry，就也管自己叫 Foundry！
但帕兰提尔真正的内核，是那套本体方法论：把一家机构的隐性知识，一点一点挖出来、结构化、变成可计算资产，然后所有权还给机构！
这套东西，抄起来比训一个大模型慢多了！
帕兰提尔干了二十三年，它的 FDE 知道怎么推开工厂大门、怎么走进医院病房、怎么在军事基地里拼出一张完整的画。这些元能力，判断什么信息值得挖、什么关系值得建、什么规则值得写进系统，是几万次现场实践磨出来的，不是从互联网上爬来的！
前沿实验室确实意识到了自己缺什么。它们缺的不是算力，不是模型，是那些大模型永远爬不到的数据：一家公司三十年积累的操作习惯、一个行业心照不宣的潜规则、一个老师傅脑子里看一眼就知道不对劲的直觉！
但它们学帕兰提尔的方式，恰恰会摧毁这些数据的来源！
客户凭什么把最核心的业务知识交给你？如果你最终的目标是让模型学会它、然后替代掉那个客户？
帕兰提尔二十三年只回答了一个问题：怎么让客户愿意把最见不得人的东西交给你？
答案很简单：你得让客户知道，这东西交给你之后，还是它的！
坦帕总医院的系统，数据在医院手里，判断规则在医院手里，帕兰提尔只是那个帮忙搭建的人。医院救活九百个人，功劳是医院的，帕兰提尔拿服务费！
OpenAI 和 Thrive Holdings 的模式，数据进了模型，模型归 OpenAI，客户拿到的只是效率提升。长期看，效率提升的终点是把人换掉！
你选哪个？
这不是道德问题，是商业逻辑问题。帕兰提尔的模式能持续吸引最优质的客户，因为客户不傻：你帮我把东西建好、东西归我，我下次还找你。你拿我的东西训模型、模型归你，我下次防着你！
前沿实验室的货物崇拜，最终会走向它们想要的反面：它们越想获得客户的深层知识，客户就越不敢给。越不敢给，它们就越只能拿到表面的、公开的、已经被爬虫爬烂了的东西！
卡普二季度股东信里还有一句话：“我们过去一直拒绝，未来也会继续拒绝，和合作伙伴建立寄生关系。在这件事上，我们的思路和市场主流截然不同。但我们是科技行业少数和客户利益完全对齐的公司之一。”
帕兰提尔二十三年经验教训浓缩成一句话：为创新而垂直整合。只有当垂直整合是获取受权限保护的真实场景知识、帮助客户与社会挖掘全新高价值洞见的唯一途径时，才去做。不要为了寻租、集中权力而垂直整合。寻租行为不仅会降低自身机构适应性，还会在社会层面带来负面选择压力，根源是一个错误假设：已经没有新秘密可以挖掘。
各大实验室想要模仿帕兰提尔，方向上没错。但它们没有意识到，自己学错了东西，看不懂帕兰提尔客户信任它的根本原因。实验室垂直整合落地部署，隐含目标是：通过看到经济世界里一切数据，让模型拥有处理经济领域全部任务的能力。但和客户、合作伙伴、更广泛经济主体利益对齐，和这个目标在逻辑上无法共存。于是实验室最终会直接和基于它平台构建应用的企业竞争：推出原生代码智能体，抢占 Cursor 的市场，比如 Claude Code 和 OpenAI Codex；在法律领域推出专业产品，威胁 Harvey。
最近，这种竞争甚至延伸到构成经济活力的小企业。Thrive Holdings 收购七十家会计与 IT 服务商，本质上把这些企业变成 OpenAI 前沿模型的强化学习环境，用来迭代优化模型。私募想要收购这类企业、用技术优化运营，本身不难理解。但这里的收购目的，是获取业务流程、点击行为、本地化场景数据，供 OpenAI 工程师研究员训练模型，实现这类领域的工作自动化。
在这套范式下，垂直整合表面宣称赋能客户，长期目标却是夺取客户的生产资料。
反观帕兰提尔，它垂直整合落地部署，目的是打造能力与流程知识，包括前沿部署工程、本体、AIP，尽可能降低搭建机构专属经济计算机的门槛。如果帕兰提尔为中情局搭建一台主权经济计算机，英国国民保健署、空客、柯克兰·埃利斯律所这类头部机构，也会更容易接受这套思路。很快，社会最核心的机构，会成为推动经济前沿的主力：它们收获一部分收益，同时掌握自身命运的更多控制权。
但如果 FDE、AI 落地垂直整合，只是利用机构场景的可信访问权限，用来寻租，或是更糟，用来打造客户与合作伙伴的替代品，就像 Thrive Holdings 和 OpenAI 的合作，经济计算的整个愿景就岌岌可危：让进步可编程，让所有人都可以参与、拥有成果。
这场抄作业大赛，谁抄到了形、谁抄到了神，可能再过十八个月就见分晓。二〇二六年八月，Thrive Holdings 刚完成二十亿美元融资，估值一百二十亿，而帕兰提尔同期商业客户数还在涨。等到那些被收购的会计公司发现自己培养出来的 AI 正在替代自己的时候，它们还会把下一批数据交出去吗？