Palantir Foundry：简单四步将您组织的数据平台扩展到运营领域

大数据和云计算技术 2025-06-09

630

Palantir Foundry 可以通过四种主要方式将您组织的数据平台扩展到运营领域：

一、模型/AI 集成与创建

Foundry 中的模型开发与集成是一套一流的功能，涵盖整个 MLOps 生命周期。它将机器学习、人工智能、统计和数学模型与 Foundry 生态系统的其他组件集成在一起，使模型能够串联在一起，并在不同的工作流程中运行。这一层的核心功能包括开发、发现、管理和部署模型的能力。

自动化的软件定义集成可快速连接 Foundry 外部的数据和模型。您可以通过原生平台集成（例如 AWS Sagemaker、Azure ML、DataRobot、Databricks）进行连接，也可以将模型工件作为代码、库或已训练的模型直接导入 Foundry。支持所有主流开源框架（例如 PyTorch、TensorFlow 和 SKLearn）以及互操作性标准 (ONNX)，从而简化集成流程。
Foundry Code Workbooks为模型构建者在执行端到端模型开发时使用数据集和本体范例实现本机、安全的数据访问。
Foundry 模型管理提供对已部署和候选模型的持续评估和监控，以及多方利益相关者的审批和发布流程，用于将改进部署到运营中。Foundry 为您的集成数据和模型提供完整的版本控制、分支、可重复性、安全性和沿袭功能。
模型目标是 Foundry 工作流中使用的模型的“任务控制”，可确保您的业务逻辑与特定的业务 KPI 相关联，并在用例中部署以实现一致的目的。

二、动态本体和语义层

Foundry 将所有相关数据、逻辑和模型集成到组织的数字化表示中，称为本体。本体超越了业务对象和关系，编码了高级数据语义（空间、关系、时间）、“动力学”（反映复杂的写入操作和系统集成链）以及细粒度的权限——所有这些都通过 UI 和安全 API 公开。本体启动速度快，并且通常会随着新工作流程的出现而不断增长，从而捕获更多数据源、对象、关系、交互和流程。

您的业务的数字化表示既反映了您的世界的关键语义（对象和关系），也反映了您的世界的关键动力（功能、动作和模型）。
决策和数据捕获确保工作流程能够扩展而不会破坏核心数据基础，这将继续作为企业值得信赖的事实来源。
原生的“场景感知”功能允许进行假设分析和运行复合模拟。

三、模块化工作流和应用程序

Foundry 包含丰富的构建块，可用于快速组装工作流和读写操作应用程序（而非简单的只读仪表板）。这些构建块包括上文讨论的语义和动态原语，使您的团队能够在数小时内为一线用户配置高质量的交互式工作流。

无代码/低代码应用程序构建器利用本体并为用户提供高度灵活的框架，以便与组织的数据资产进行交互，同时管理底层存储、计算、本体数据、模型绑定和安全范例。
所见即所得，小部件驱动的构建器提供与本体数据以及表格/SQL 形状数据的交互。
“低地板和高天花板”的灵活性使您能够构建任何东西，从适合小组的简朴应用程序到运营中心核心的关键任务应用程序。
开放的 API确保平台能够适应不断发展的技术格局。

四、决策编排：

此层在组织的分析与运营工作流之间搭建了技术桥梁。当操作员、业务流程和系统做出决策并采取行动时，此层会将结果写入本体，为高速的组织学习提供反馈循环。

可扩展的双向连接器使 Foundry 能够记录所有决策并将其写回到您组织的本体及其运营/交易系统（例如 ERP、CRM、MES、Asset Config、Edge）。Foundry 会维护决策和状态的完整日志，以确保可审计性和完全透明度。
模拟功能让用户能够进行强大的“假设”分析和决策探索，模拟各种可能的行动，并评估这些行动对业务的影响。模拟可以是战术性的，也可以是长期性的，并随着数据和模型的更新而不断更新。
从数据到决策的完整沿袭得以维护，让您在外部写入特定数据或元数据时能够思考“当时的情况如何？”。由于 Foundry 通过系统集成引入底层数据，并对所有变更进行版本控制，因此决策始终保持非破坏性。