一口气了解Palantir：20年不盈利后如何单季净赚10亿美元
Palantir 是一家美国软件公司，专注于整合机构分散数据。文章回顾了其 20 年从亏损到爆发式增长的历程，分析了其核心产品、通过派驻工程师建立竞争壁垒的策略，以及财务和业务上的风险与挑战。
相关文档
我天天用微软，却一直以为它是免费的——美股七姐妹拆解·第三期：微软
本文是美股七姐妹拆解系列第三期，作者从大学生视角出发，探讨微软的商业模式。文章解释了为何用户感觉微软产品免费却仍在付费（厂商预装授权、学校权益等），分析了Windows的生态锁定与转换成本、企业办公服务的订阅收费逻辑，以及护城河的构成：软件设备生态、企业流程积累和云服务。文章还讨论了Azure与AWS的云计算竞争，以及Copilot等AI功能能否带来新增长——作者认为关键在于能否真正减少操作、稳定完成任务，而非'内置AI'标签本身。
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
万字长文：见到最真实的现状后，我决定放弃FDE
作者基于两个月通过FDE赚取20万元、平台储备500多个FDE、走访60多个真实项目的一线经验，揭示FDE行业的真实现状。文章指出国内FDE本质是帮企业用上AI，而非Palantir式的高端模式；深度数据治理是新兴团队不该碰的无底洞；总包模式因下游交付能力薄弱风险极高。企业多数需求用通用办公Agent即可解决，真正闷声发大财的是懂业务的代运营团队，他们借助vibe coding做轻量智能体和落地陪跑。获客应网上发声、线下拿单，最终作者决定放弃FDE重交付模式。
普通人不要转型FDE，但是这个岗位一定是个机会！
作者指出FDE岗位对国内大部分普通人难以落地，但Palantir的Deployment Strategist（内部称Echo）更值得关注。文章以车企营销日报项目为例，详细拆解Echo的工作内容：把模糊的客户需求拆成业务规则和开发任务、在开发过程中管控规则变更、用旧日报逐项验证系统输出、交付后持续跟进业务使用情况。最后给出普通人向Echo靠拢的路径：练习追问需求、输出规则清单等文档、善用AI工具，从手头重复性工作入手，把它变成AI可参与且可检验的流程。
AI 时代普通人的商业思维升级指南
作者通过法国公司 Famileo 的案例，讲解 AI 时代普通人应有的商业思维。Famileo 把家庭成员在手机上发布的照片和消息打印成家庭小报寄给不使用智能设备的老人，解决了数字表达与老人接收习惯之间的矛盾。文章提炼出几个关键商业思维：顺着用户原有习惯做产品而非改变用户；旧需求在新环境下可被重新满足；先在养老院这类需求密集的滩头阵地跑通产品再扩张；区分使用者、生产者与付款者；订阅制需对应持续产生的真实需求。该公司现服务 2700 多家养老机构、约 180 万用户，年营收约 1500 万欧元。
Anthropic 工程师讲了一堂 FDE 入门课
本文总结了 Anthropic Applied AI 团队工程师 Kevin Bai 的 FDE 101 分享。FDE（前线部署工程师）源于 Palantir，其核心是向客户交付“结果”而非软件或咨询：工程师深入客户业务，在可复用平台上组装定制方案。FDE 与外包开发的关键区别在于必须有可复用平台。判断是否需要 FDE 有两个标准：产品技术复杂且买家非技术、具备或愿意建设可复用平台。文章还指出 2026 年 AI 使软件高度可定制、Agent 化，客户更难自行摸索产品，FDE 正从 Palantir 独有玩法变为更多软件公司需要考虑的模式。适合做 FDE 的是技术上值得信任、能直接面对客户的工程师。
FDE 的前世今生：每一代基础设施，都会发一次「最后一公里」的财
文章回顾了 FDE（前线部署工程师）岗位的兴起，提出核心观点：每当新基础设施把某一环节成本打到趋近于零，相邻环节就会裂开一条责任真空的缝隙，率先站上去的人会从「打杂的」成长为值钱的岗位。作者以 ERP 实施顾问、SRE、互联网运营为历史样本，论证 FDE 正是 AI 把「做出来」变便宜后撕开的最后一公里。文章还分析了中国企业的「先干后认」路径及其在需求、计价、组织上的独特约束，并指出岗位动荡期与稳定期的不同价值规律。
Huashu-Excel正式发布：也许是最好用的Excel数据处理和分析skill
花叔开源了名为huashu-excel的AI数据处理分析skill，用户丢入Excel或CSV即可用自然语言完成体检、清洗、对齐、分析、对账、交付、验图、质控八步流程，输出HTML/Excel/Word等格式报告。该skill针对大模型算错不报错的缺陷设计了合计对账、外部基准校验、独立agent复核等机制，并借鉴Anthropic角色激发研究提升分析质量。经十份真实公开数据（106万行电商明细、纽约市政预算等）压测，能独立拆解辛普森悖论、识别脏数据并给出可审计的业务结论。兼容Claude Code、Codex等多种agent，MIT协议开源。
AI股票研报详细教程：5个开源项目搭出你的投研团队
本文介绍了5个开源AI投资研究项目：Serenity Skill（产业链瓶颈研究）、TradingAgents（多Agent模拟投研团队）、UZI-Skill（22维个股深度分析）、Buffett Skills（巴菲特价值投资体系）和QuantDinger（AI策略生成与回测）。作者详细说明了每个项目的功能、安装方法和使用场景，并提出了一个完整的AI投研流水线：从产业研究、个股筛选、多空辩论到策略验证。文章强调AI研报不应作为买卖信号，最终决策应保留给人，并建议用户分阶段安装使用这些工具。
每个类别都有一个赢家
尽管SaaS行业整体估值下滑，但几乎每个细分领域都有领导者脱颖而出。CrowdStrike、Cloudflare、Shopify、Samsara、ServiceNow、Figma、Twilio和Salesforce等公司凭借AI战略，在各自领域获得了远超行业中位数的估值倍数。这些公司利用AI代理、数据优势和平台效应，实现了高增长和高估值。文章还指出，虽然市场估值天花板从2021年的100倍降至34倍，但头部公司的估值正在回升。
AI Adoption is a Myth
本文指出企业AI普及是一个神话。在大多数组织中，AI使用呈现“哑铃式”分布：约10%的深度用户消耗了90%的Token，而剩余90%的员工几乎不使用或使用效率极低。文章强调，使用AI和精通AI是完全不同的技能，单凭登录次数来衡量“采用率”毫无意义。此外，AI供应商不断拉高产品门槛，加剧了这种技能鸿沟。企业必须认清现实，调整AI推广策略。
FDE模式行业观察与实践：第一单更重，为何反而能规模化？
本文深入探讨了AI企业交付的FDE（Field Deployment Engineering）模式。FDE虽首单成本高昂，但通过将现场经验沉淀为Skill、模板和连接器等可复用资产，能显著降低后续同类客户的交付成本，打破传统外包模式困境。文章将FDE能力拆解为定义问题的Echo和负责落地的Delta，并提出“双向蒸馏”机制。以Palantir为例，指出国内团队应遵循“先做Skill，再逼近本体”的现实路径，通过构建持续的反馈链，将一次性交付转化为组织能力，最终实现规模化复利。
