标签
Michelle Sun 对比了 9 家大模型与机器人数据供应商的营收、毛利率、融资额和估值，探讨机器人数据业务能否达到大模型数据业务的利润率，以及复购与资本消耗问题。
Alexandr Wang 表示，Meta 为吸引顶尖 AI 研究人员提供的巨额薪酬包实际上“大致持平”，因为这些人在 OpenAI 和 Anthropic 的股票已大幅增值，真正的吸引点在于 Meta 的使命而非薪酬。
## Palantir 的护城河，不只是代码，而是一场“精心编排的舞台剧” ### 一个反直觉的观点 在一段视频中，Alexandr Wang——Meta 首席 AI 官、Scale AI 前创始人——给出了一个关于 Palantir 的精彩解释：Palantir 之所以能统治企业级市场与政府市场，靠的并不仅仅是技术本身，而是它懂得用一支"剧团"般的团队去塑造客户的认知，把产品的价值转化成叙事、转化成信任。 乍一听这似乎有失公允。毕竟，Palantir 的软件平台（尤其是 Foundry 和 Gotham）确实拥有深厚的技术壁垒：它能整合极其庞杂的数据源，提供实时决策支持，在国防、情报、医疗、能源等领域已深度嵌入客户的核心流程。但如果只是技术领先，为什么它的销售转化率和客户粘性会如此夸张？ Alexandr Wang 的答案是：**技术决定你能做什么，叙事决定别人相信你能做什么**。 ### "剧团"（Theater Troupe）隐喻的深意 这里的"剧团"并不是贬义词。Palantir 会派出一个由工程师、领域专家和解决方案架构师组成的精英小组，直接进入客户的组织内部——通常一待就是数周甚至数月。他们不是去"卖软件"，而是去"演一场戏"： - **第一幕：共情**。先与一线人员同吃同住，理解他们真实的痛点，而不是拿着 PPT 阐述价值主张。 - **第二幕：共创**。在客户的环境中实时搭建原型，让决策者亲眼看到"原来我的数据可以这样用"。 - **第三幕：交付与背书**。用一个可见的、可量化的成果作为高潮，把信任固化成合同与续约。 这种模式的成本极高，无法被轻易复制。它要求公司愿意把最优秀的人才"押注"在单个客户上，也要求企业文化中存在一种近乎偏执的交付纪律。Alexandr Wang 指出，这正是 Palantir 相对于许多 SaaS 竞争者的核心差异：**别人卖的是标准化产品，Palantir 卖的是"我们一起解决问题"的确定性**。 ### 把产品价值转化为信任资产 在高风险领域——国防采购、医院运营、电网调度——客户买的从来不是功能列表，而是"如果这个系统出了问题，谁来负责"的确定感。Palantir 的"剧团"实际上是在为这种确定感投票：它用人力投入、用可见的成果、用共情式的协作，把抽象的软件价值翻译成了具体的信任。 这与政府市场的采购逻辑高度契合。政府客户尤其厌恶不确定性，倾向于为"已被验证过的路径"付费。当一支团队已经帮助某个机构完成了从"数据混乱"到"决策透明"的完整叙事，后来者即便技术更先进，也很难打破已经建立的信任关系。 ### 启示：技术公司的分水岭 Alexandr Wang 的这段观察，对所有技术公司的管理者都有借鉴意义。当你把产品打磨到极致时，你其实只走完了 50% 的路。剩下的 50%，是把产品价值翻译成客户听得懂、信得过的叙事，是用人的投入和可交付的承诺去填补信任的鸿沟。 Palantir 并不是唯一一家这样做的公司，但它是少数把"交付即戏剧、信任即资产"写进商业模式里，并长期坚持执行的玩家。 技术会迭代，但信任不会。这，或许才是 Palantir 真正的护城河。
Alexandr Wang分享了一段一年前写的文档摘录，突显了与团队一起长期开发muse以及与Nat Friedman的合作。
Alexandr Wang 询问用户关于Muse发布一周后的故事，表达了团队的激励和对社区反馈的感激。
一条推文宣布 Alexander Wang 已经让一个总是穿着燕尾服的个人助理成为现实，并链接到更多信息。
CRAFT将基于评分标准的评估转化为LLM的分层能力诊断，识别特定弱点并生成有针对性的微调数据，在四个开源模型的金融和法律基准上取得了更强结果。
GergelyOrosz 评论了代理能力的快速进展，尤其是云端编码代理。Alexandr Wang 回应说，Scale AI 的下一次 Muse Spark 更新将带来编码和代理能力的重大提升。
Meta 收购 Manus 后，Scale AI 创始人 Alexandr Wang 取关了 ManusAI，引发讨论。
本文探讨了将强化学习应用于缺乏明确可验证性任务的挑战，引用了Dario Amodei关于实现“数据中心中的天才之国”的预测，并讨论了RLVR、RLHF、Constitutional AI以及Scale AI的基于规则的奖励等技术。
Gergely Orosz 指出，Scale AI 和 Meta 的软件工程师被分配做人工数据标注工作，而 Scale AI 的新领导层在发现这种做法后已叫停。
Scale AI首席执行官亚历山大·王分享了保罗·格雷厄姆的《Schlep Blindness》一文如何激励公司专注于解决构建高质量机器学习数据集这一不为人注意却至关重要的问题。