買 Token 不等於創造價值：Palantir 為何把 FDE 放在商業模式中央

AI 產業最容易被誤解的一件事，是把模型用量當成企業價值。Token 的確是成本與收入單位，卻不是客戶的損益單位。客戶真正關心的是少花多少工時、降低多少錯誤、提高多少成交、縮短多少週期。兩者之間差的那一段，正是 Palantir 長年經營的 FDE 模式。

從資料平台，走到企業的決策語言

Palantir 強調 Ontology，中文常譯為本體。它不是一份資料字典，而是把企業裡的對象、關係、規則、權限與可採取行動建成一個共同語境。例如設備不只是一筆資料，還連著維修紀錄、庫存、產線、責任人與停機風險。模型若看不到這些關係，只能回答；接上本體之後，才有機會參與決策。

FDE 的工作，是在現場把這個語境建出來。他要知道『準時交貨』背後有哪些資料、『高風險客戶』由誰定義、某個建議能不能被系統執行，以及發生例外時誰有最後決定權。這些知識多半不在規格書，而在資深員工的經驗、跨部門默契與歷史例外裡。

Palantir 模式和一般專案公司的分水嶺

一般客製案也會派工程師進場，但專案結束後，程式碼和知識常留在客戶的一座孤島。Palantir 要追求的則是第二條曲線：先解決一個具體問題，再把其中共通的資料模型、工作流與工具沉澱回平台，讓下一個客戶部署更快。

這使 FDE 不只是成本中心。第一個案子看起來像高強度服務，若能成功抽象化，後面就會轉成產品能力、標準元件與更短的交付週期。服務收入與軟體毛利之間原本互相拉扯，FDE 的任務就是把客製經驗轉成產品資產。

商業模式可以拆成四層

• 模型層：推理、生成、工具使用與多模態能力。
• 語境層：企業資料、對象、規則、權限和組織知識。
• 執行層：FDE 把模型與語境接入工作流，處理例外與治理。
• 價值層：營收、成本、風險、速度或服務品質的可衡量變化。

對投資人來說，Token 成長可以證明需求，卻不能單獨證明護城河。更重要的問題是：每次部署是否產生更多可重用資產？客戶更換模型時，平台與流程是否仍留下？如果答案是肯定的，價值就不再綁在某一顆模型上。

最好的 FDE，不是讓客戶永遠依賴工程師，而是把工程師的經驗逐步變成平台能力。

這也是為什麼 FDE 被稱為 AI 商業模式的黏合劑。它黏住的不是兩段程式，而是模型能力與企業損益表。

這是「FDE × 企業 AI 落地」第 2 篇。整套策展只追一個問題：AI 如何從模型能力，變成企業每天可驗證的營運能力？