# SaaS 已死？Palantir 这篇文章真正值得看的不是口号，而是企业软件范式的变化

> 基于 Forbes 文章 *Palantir Says SaaS Is Dead* 的中文提炼。  
> 原文链接：https://www.forbes.com/sites/stevebanker/2026/05/16/palantir-says-saas-is-dead/  
> 原摘要路径：`/home/lin/.hermes/projects/hermes-gsummary-workflow/runs/outputs/20260517-151951-Palantir-Says-SaaS-Is-Dead-232947-038935960-summary.md`

## 一句话

Palantir 说“SaaS 已死”，不是说所有云软件都会消失，而是在说：**标准化、模板化、要求企业迁就软件流程的 SaaS，正在被“企业本体 + AI 代码生成 + 业务代理”这种更贴近真实业务的定制化模式挑战。**

## 这篇文章在讲什么

文章围绕 Palantir 部署策略师 Danny Lukus 的观点展开：传统企业软件，尤其是供应链和 ERP/SCM 系统，通常提供一套标准流程，让不同客户套用同一模板。

Palantir 认为，这种方式有两个问题：

1. **太僵硬**：真实企业流程往往比标准软件复杂，员工最终还是要用 Excel、手工表格、线下流程补洞。
2. **削弱差异化**：如果大家都用同一套标准模板，企业的运营能力就越来越像；即便某家公司提出了改进需求，软件商也可能把类似能力卖给其他客户。

Palantir 的方案是：不要求企业替换 SAP、Oracle 等既有系统，而是在这些系统上方搭一层抽象能力，用自己的平台和 Ontology（本体层）把数据、对象、权限、流程和动作统一起来，再由工程师和 AI 工具快速构建企业专属流程。

## Palantir 的核心主张

### 1. 标准 SaaS 解决不了企业最复杂的业务差异

供应链管理不是简单的软件功能清单，而是由工厂、库存、订单、客户、供应商、运输、财务等大量对象和规则交织而成。

标准 SaaS 能覆盖通用流程，但经常覆盖不了企业真正差异化的部分。于是企业会出现典型现象：系统在用，但关键决策仍然靠 Excel、人工判断和临时脚本完成。

这恰恰是 Palantir 看到的机会。

### 2. AI 代码生成改变了“定制开发”的成本结构

过去企业自研软件风险高、周期长、成本高，所以购买标准软件是更现实的选择。

但 Palantir 认为，Claude、Codex 等 AI 编码工具让定制化软件开发变得更快、更便宜。forward-deployed engineers 可以直接进入客户现场，快速搭建模型和工作流，根据反馈迭代，而不是先做数月需求调研再启动漫长开发。

这就是文章中“SaaS 已死”的主要逻辑：**当定制开发不再那么昂贵，标准 SaaS 的经济优势会被削弱。**

### 3. Ontology 是让 AI Agent 真正可用的底座

文章里最关键的概念不是 Agent，而是 Ontology。

Palantir 所说的 Ontology，可以理解为企业的业务操作层或数字孪生：它定义企业里有哪些对象，比如工厂、设备、产品、订单、库存、客户；这些对象之间有什么关系；谁能看什么数据；哪些动作可以被触发；动作结果如何写回底层系统。

如果没有这一层，AI Agent 很容易变成孤立脚本；有了这一层，Agent 才能在一个可理解、可约束、可追踪的业务环境中协作。

## 文中的具体例子

文章提到几个细节：

- Palantir 去年 46% 收入来自商业客户，而不只是政府和军方。
- 商业客户里，制造业是重要垂直领域。
- Advance Auto Parts 正在用 Palantir 做库存补货和定价。
- Palantir 声称曾在两个月内让部分员工使用某个复杂供应链工作流，并在季度末扩展到大型团队。
- 多数制造业客户最初把 Palantir 用在 S&OE，也就是销售与运营执行：识别异常，并自动触发响应。

一个典型 Agent 流程可能是：

1. 一个 Agent 判断新采购订单是否出现；
2. 解析订单并匹配主数据；
3. 另一个 Agent 判断库存是否足够；
4. 如果需要生产，再调用调度 Agent 计算生产周期；
5. 调度 Agent 可能使用线性规划等方法给出答案。

## 作者的怀疑很重要

这篇文章不是单纯替 Palantir 站台。作者明确表达了两个怀疑：

1. **生成式 AI 是否真的能写出可支撑复杂仓库海量交易的代码？**
2. **AI 代码生成是否能快速做出真正可扩展的大规模优化算法？**

这些怀疑很现实。传统供应链计划软件公司花了几十年优化算法和求解引擎，不是简单几句 prompt 就能完全替代。

所以，更稳妥的判断是：

> AI 会显著降低企业定制流程和自动化原型的成本，但在大规模优化、复杂约束求解、高并发交易处理等场景，还不能轻率认为它已经替代成熟专业软件。

## 对企业的启发

### 不要先问“要不要替换 SaaS”

更好的问题是：

> 我们有哪些关键业务流程，名义上在系统里，实际上还靠 Excel、人工判断、邮件、微信群、临时脚本维持？

这些地方往往就是标准软件没有覆盖好的业务缝隙。

### 先做小型业务本体，而不是直接做大平台

企业可以从一个具体流程开始，例如：

- 订单异常处理；
- 库存补货判断；
- 供应商延期响应；
- 价格调整审批；
- 生产计划变更通知。

先定义这个流程里有哪些对象、字段、规则、权限和动作，再看 AI 能否帮助生成自动化逻辑。

### AI Agent 的价值不在“像人”，而在“嵌入流程”

一个 Agent 不需要拥有通用智能才有价值。只要它能稳定完成一个明确任务，并能与其他 Agent 或系统动作衔接，就可能减少大量人工协调。

## 可以转发给团队的三个问题

1. 我们现在有哪些流程表面上在系统里，实际上靠 Excel 或人工补洞？
2. 这些流程里，哪些属于我们真正的运营差异化，而不是通用功能？
3. 如果只选一个低风险场景，能否用“本体定义 + AI 代码生成 + 小型 Agent”做一个两周原型？

## 我的判断

“SaaS 已死”是一个过度营销的说法。

但它背后的趋势值得重视：**企业软件正在从“购买标准功能”转向“围绕企业自己的业务语义快速生成能力”。**

标准 SaaS 不会消失，但它会越来越像基础设施；真正形成差异化的部分，可能会更多发生在标准系统之上的本体层、自动化层和 Agent 协作层。

## 适合落地的最小动作

如果要把这篇文章转成内部行动，可以从一件事开始：

> 找一个最依赖 Excel 的供应链或运营流程，画出它的对象、规则、异常和人工动作，然后尝试用 AI 生成一个只处理单一异常的小型自动化原型。

不要一开始就做“大模型平台”。先验证一个真实流程中的小闭环。

---

来源限制：本文基于 Forbes 原文摘要和可提取正文整理。文章核心观点大量来自 Palantir 员工表述，缺少第三方深度技术验证；涉及 AI 生成优化模型和大规模可扩展代码的部分，应视为供应商主张，而非已充分证明的事实。