00:00:00
大家好，这里是Money or Life美股频道
00:00:03
继几个月前第一次为大家分析
00:00:05
Palantir的业务之后
00:00:07
本期视频
00:00:08
我进一步为大家剖析Palantir
00:00:11
告诉大家
00:00:12
为什么Palantir再次让我感到惊艳
00:00:16
在最近几周股市持续低迷的情况下
00:00:19
屏幕前的观众朋友们可以通过Money
00:00:21
or Life频道的个股分析视频思考一下
00:00:25
静下心来想一想
00:00:26
哪一些公司值得你长期持有
00:00:29
这些公司里面
00:00:31
他们的股价
00:00:31
是否到了一个你完全可以长期持有
00:00:34
接受的这个价位
00:00:36
或许通过本期视频
00:00:38
Palantir会进入你的事业
00:00:40
成为你的候选目标之一
00:00:43
在未来更多黄金坑出现的时候
00:00:46
你或许会考虑他
00:00:47
本期视频分为四个部分
00:00:49
首先我会带大家回顾一下
00:00:52
我在几个月前Palantir业务分
00:00:54
析视频中的重点
00:00:57
第二部分
00:00:58
会给大家呈现
00:00:59
我自己制作的一张我认为Palantir
00:01:02
最重要的
00:01:03
财务数据图
00:01:04
到底里面有什么玄机
00:01:06
我会在第二部分揭开谜底
00:01:09
同时我也提一下
00:01:10
很多朋友认为
00:01:11
Palantir是一家数据应用公司
00:01:14
他无非就是在搭积木
00:01:16
把一些没有办法利用的数据
00:01:18
像拼乐高积木一样
00:01:20
做成有用的产品呈现给客户
00:01:23
这样何来护成盒呢
00:01:25
我会在这一部分仔细阐述
00:01:28
为什么我认为他确实有护城河
00:01:30
而视频的第四部分
00:01:32
我将通过三个直观的Palantir的产品
00:01:35
实际的应用
00:01:36
告诉大家Palantir的产品到底是什么
00:01:39
到底为客户带来了哪
00:01:40
些不可替代的价值
00:01:43
首先通过简单
00:01:44
回顾几个月前我的Palantir个股
00:01:47
分析视频
00:01:48
带给大家Palantir的基本面
00:01:49
这样大家不会忘了
00:01:51
Palantir这家公司到底是做什么的
00:01:54
Palantir的产品是以方嘴为基础的
00:01:57
那么方嘴又是以ontology
00:01:59
这个理论为基础
00:02:01
同时呢在2023年
00:02:03
Palantir推出了至关重要的产品AIP
00:02:07
那么在上次Palantir的视频里面
00:02:09
实际应用里
00:02:11
我主要通过三个例子向大家解释
00:02:14
Palantir的产品具有AI Agent
00:02:17
AI代理的功能
00:02:18
也有可视化以及去代码化的功能
00:02:21
这些功能帮客户省了非常多的时间
00:02:25
节约了大量的人力和物力
00:02:28
在那个视频里面
00:02:29
我对普拉提尔的总体结论是
00:02:31
他虽然有强大的护城河
00:02:33
但是他的估值也高得吓人
00:02:36
同时和过高估值相匹配的
00:02:39
正是他无限的潜力
00:02:41
提到目前的Palantir
00:02:43
就不得不提两个概念
00:02:45
第一个是方嘴这个产品
00:02:47
它是基于本体论ontology
00:02:50
专用于企业运营工作流的运营系统
00:02:54
请注意它是一个运营系统
00:02:56
而不是单一的片面的软件工具
00:02:59
它有自己的marketplace
00:03:01
第三方开发者企业
00:03:03
和Palantir形成一个生态系统
00:03:06
好比Google的marketplace
00:03:08
而2023年推出的明星产品AIP
00:03:12
他并不是一个单独的产品
00:03:14
而是类似一个基于方嘴的交互插件
00:03:18
这个交互插件神奇的地方就在于
00:03:20
它运用了LM大语言模型
00:03:23
比如GPT 4等
00:03:25
通过这些大语言模型
00:03:27
Palantir公司开发的AI技术构架
00:03:30
能够与用户很好的进行交互
00:03:33
大大降低了非技术人员使用Palantir
00:03:37
所有market place工具的门槛
00:03:39
做到了强大的可视化和去代码化
00:03:43
同时在我的另一个视频AI Agent里面
00:03:46
我提到其实ontology并没有大家
00:03:49
想象的那么神秘
00:03:50
他也并不是说只有Palantir能够做到
00:03:54
ontology加上数据
00:03:56
就是我们熟知的知识图谱knowledge graph
00:04:00
而知识图谱这个东西
00:04:02
已经被很多公司所运用
00:04:04
比如说谷歌
00:04:05
正式发明知识图谱的元老之一
00:04:09
视频进入第二部分
00:04:10
我通过一张自己制作的
00:04:12
我认为Palantir最重要的财务数据图
00:04:16
为大家展示
00:04:17
为什么Palantir最近的股价这么牛
00:04:21
尽管股价从最高点回落了
00:04:23
但是我们知道
00:04:24
它在每一次财报之后股价都是暴涨
00:04:28
这个图片告诉我们三组数据
00:04:31
第一组是白色的柱状图
00:04:33
这是从2020年第三季度
00:04:36
一直到2024年第四季度
00:04:38
每个季度的revenue
00:04:40
也就是营收
00:04:42
第二组数据是粉红色的这条折线
00:04:45
也就是他的adjusted operating margin
00:04:49
调整后的运营利润率
00:04:52
可以看到
00:04:53
运营利润率
00:04:54
从一开始的比较高的30%以上
00:04:57
降到17%
00:04:59
然后迅速反弹达到第四季度的45%
00:05:03
非常的高
00:05:05
而第三组数据
00:05:06
荧光色的折线是year on year revenue growth
00:05:10
它是相较于上年同一季度
00:05:12
营收的增长速率
00:05:15
同样是有一个从30%以上下降到13%
00:05:20
然后迅速回弹到24年四季度的36%
00:05:25
这张图告诉我们两个最重要的结论
00:05:28
第一是白色柱子代表的季度营收
00:05:31
从2023年到2024年这段期间
00:05:35
开始加速增长
00:05:37
特别是2024年增速尤其的快
00:05:41
可以看到这个斜率相当的高
00:05:44
而第二个大家需要知道的重要结论
00:05:46
就是Palantir
00:05:47
adjusted or pretty margin
00:05:49
以及year on year revenue growth
00:05:51
都在2022年末到2023年初
00:05:55
呈现了一个v型反弹
00:05:58
我在之前
00:05:59
Palantir的季度报告分析提到过
00:06:01
这两组数据
00:06:03
这两个百分比加起来
00:06:04
其实就是所谓的rule of 40
00:06:08
也就是说
00:06:09
你的adjusted operating margin
00:06:11
加上year on year revenue growth
00:06:13
加起来如果能够超过40%
00:06:16
那意味着
00:06:17
这家公司有非常亮眼的业绩
00:06:20
我们知道
00:06:21
revenue growth代表了营收的增速
00:06:24
而operating margin代表了你的盈利能力
00:06:28
所以这两个数字相加
00:06:30
证明了Palantir这家公司
00:06:33
极具成长性
00:06:34
在最新的2024年第三季度
00:06:37
他的rule of Fort的结果是45%加上36%
00:06:42
也就是81%
00:06:45
而在两年前
00:06:46
这个数字还仅仅是接近40%
00:06:50
所以目前是翻了两倍
00:06:52
这背后其实没有巧合
00:06:55
这里是我认为的答案
00:06:57
在2023年年初
00:06:59
有两个重大事件
00:07:00
在普兰提尔身上发生
00:07:02
第一是和他无关的GPT 4的发布
00:07:06
也就是大语言模型
00:07:08
趋于成熟的一个milestone
00:07:11
而第二个就是Palantir introduced
00:07:13
这个AIP产品
00:07:15
AIP在刚刚提到了
00:07:17
他是目前Palantir最重要的产品
00:07:20
没有之一
00:07:21
正是结合了大语言模型的运用
00:07:24
以及顺势推出的AIP
00:07:26
帮助Palantir
00:07:28
直线拉高了他的operating margin以及
00:07:31
revenue growth
00:07:32
让他的业绩每个季度不断地刷新
00:07:36
我们的认知
00:07:37
我之所以呈现这张图
00:07:39
是因为有朋友质疑
00:07:41
Palantir这家公司
00:07:42
其实已经成立了20多年了
00:07:46
他并不是一家因为大语言模型
00:07:48
而诞生的公司
00:07:50
但是我们也要知道
00:07:51
Palantir仅仅是在几年前刚刚上市的
00:07:55
那么
00:07:55
我们需要把Palantir的过去和现在
00:07:58
分开来看
00:07:59
尽管Palantir的过去
00:08:01
为他的现在奠定了基础
00:08:03
但是真正改变Palantir的
00:08:06
是大语言模型的成熟
00:08:08
以及VIP产品的顺势推出
00:08:11
我在这里就不得不提一下AI
00:08:13
agent视频里面我提到过的一个案例
00:08:16
Casetext Casetext这家初创企业
00:08:19
它是利用大语言模型
00:08:21
构建一个法务的专用chatbot
00:08:25
帮你解决很多繁琐的法务问题
00:08:28
避免你使用很多法律专业人才
00:08:31
法务费用过高的这个问题
00:08:33
Casetext这家公司在成立初期
00:08:35
发展的其实只是一般
00:08:37
但是正是大源模型的新奇
00:08:40
他们迅速将大语言模型
00:08:42
进一步融入自己的产品
00:08:44
那么很快公司的价值不断提升
00:08:47
随后以高价被
00:08:49
Tomson Rutus这个公司收购
00:08:52
这也说明了
00:08:53
大语言模型的诞生
00:08:54
改变了非常多的事情
00:08:56
而2023年初是一个重要的AI节点
00:09:00
在初步了解了Palantir的业务
00:09:03
以及为什么Palantir这家公司
00:09:05
在最近两三年
00:09:06
飞速发展之后
00:09:07
我会在视频的下一部分告诉大家
00:09:10
为什么Palantir确实有护城河
00:09:13
我认为我在第一期视频里面
00:09:16
分析的不够透彻
00:09:17
那么现在经过几个月的学习
00:09:19
我有了一些新的认识
00:09:21
首先我们知道
00:09:23
Palantir提供的是一个克制化
00:09:25
定制化的数据应用服务
00:09:28
它不是一个通用的Sass系统
00:09:31
其实这一点是很多投资者抨
00:09:33
击Palantir的原因
00:09:35
因为这些人说
00:09:36
helentier他的系统并不是通用的
00:09:39
他需要去定制化
00:09:41
定制化的成本非常高
00:09:43
所以你没有办法skill啊
00:09:45
但是经过思考之后
00:09:47
我恰恰认为
00:09:48
这是Palantir能够胜出的原因
00:09:51
也就是
00:09:52
整个公司非常强大的克制化的能力
00:09:55
能够在非常短的时间内
00:09:58
为客户提供一套定制化的产品
00:10:01
而不是千篇一律的SAS产品
00:10:03
为什么这么说
00:10:04
原因很简单
00:10:06
我一点击透
00:10:08
也就是数据应用没有办法做到通用
00:10:12
想象一下每家公司的数据不一样
00:10:15
哪怕是同一个行业不同的公司
00:10:18
数据的类型可能也不同
00:10:20
他们存储的地方
00:10:21
他们存储的方式
00:10:23
他们不同的供应链有太多的不同
00:10:26
你如何通过一个通用的
00:10:28
类似于SAS的系统
00:10:30
就能够做到很好的数据应用呢
00:10:32
我认为是不可能的
00:10:34
而看了这么多Palantir的案例之后
00:10:37
我认为定制化是现在以及未来
00:10:41
数据应用的主要渠道
00:10:44
只有通过深度定制化的服务
00:10:46
才能帮助客户深度应用数据
00:10:50
我所熟知的一些
00:10:51
通用的SAS企业及系统
00:10:53
其实他们只是提供一个基本的框架
00:10:56
当然每个企业都在推AI
00:10:59
但是这些AI还是基于传统的Sass
00:11:02
框架之上
00:11:03
而Palantir是建立在AI的基石之上
00:11:08
第二点我认为plentier
00:11:10
不只是简单的利用数据
00:11:12
而是构建企业的数据生态
00:11:14
也就是data ecosystem
00:11:17
现在数据生态非常重要
00:11:19
因为数据不止涉及到利用
00:11:22
他也涉及到前端的准备
00:11:24
后端的利用以及整个系统的构建
00:11:27
Palantir正式这么一家公司
00:11:29
他能整合所有的数据需求
00:11:32
端到端可以
00:11:33
说是其实我在之前的Snowflake
00:11:35
以及dataware house这个视频里面
00:11:38
提到过Palantir和这些dataware house公司
00:11:41
是合作的关系
00:11:42
其实甚至有的时候
00:11:44
可以跳过这些datawarehouse公司
00:11:46
而相较于传统的Sass系统
00:11:48
Palantir为客户提供一个数据生态
00:11:52
他帮助客户了解自己的数据
00:11:54
利用自己的数据
00:11:56
一旦客户开始使用Palantir的产品
00:11:58
那么他就有了自己的企业数据生态
00:12:02
而一个企业
00:12:03
一旦有了自己的企业数据
00:12:04
生态就再也离不开Palantir
00:12:07
这个服务提供者了
00:12:09
第三点是比较直观的护城河
00:12:11
也就是大家熟知的Palantir
00:12:13
是一家
00:12:13
具有政府业务和商业业务的双重
00:12:17
业务公司
00:12:18
这没有任何一家竞争对手能够做到
00:12:21
目前Palantir
00:12:22
在AI
00:12:22
应用的业务的不同的覆盖面方面
00:12:25
无人能敌
00:12:26
而第四点护城河是一个软实力
00:12:29
也就是帕兰铁尔的企业文化
00:12:32
我在第一期视频里面提到
00:12:34
尽管帕兰铁尔的业务不断增长
00:12:36
但是最近他的员工没有变多
00:12:39
反而稍微变少了
00:12:41
而正是因为Palantir
00:12:42
有政府业务这一块的原因
00:12:44
他的员工很多当地的员工
00:12:46
非常具有使命感
00:12:48
基于高效率和非常强大的使命感
00:12:52
再加上推广业务的方式
00:12:54
也就是非常激进
00:12:56
以结果为导向
00:12:57
以时间为导向
00:12:59
以客户为导向的这种企业文化
00:13:02
为Palantir这家公司
00:13:03
在最近几年不断扩张中
00:13:05
注入了最强的推动原料
00:13:08
好的不管屏幕前的你们
00:13:10
认不认可我对Palantir
00:13:12
护城河的进一步解析
00:13:14
那么我们可以进入视频
00:13:16
第四部分通过几个真实案例
00:13:18
看一下在这几个案例中
00:13:20
是否反映了
00:13:22
我现在提到的这些护城河
00:13:24
那么接下来我要分享的三个案例
00:13:26
都是来自最近举行的AIPCON 6
00:13:30
这三个案例各有侧重点
00:13:33
第一个是Palantir的老牌优势
00:13:36
也就是供应链方面的应用
00:13:38
它是通过整合Heineken啤酒的供应链
00:13:41
用AI Agent做到自动优化供应链
00:13:45
而第二个案例
00:13:46
正是刚刚提到的
00:13:47
Palantir的护城河之一
00:13:49
也就是
00:13:49
他能够提供全套的企业操作系统
00:13:53
提供一个Ecosystem
00:13:54
而不只是简单的软件前端的工具
00:13:58
最后一个案例是强调Palantir
00:14:01
在医学方面的应用
00:14:03
一个叫做Parexel的公司
00:14:04
是专门做临床试验数据的
00:14:07
Palantir通过运用自己的AI Agent
00:14:10
来代替专业的医学从业者
00:14:12
不仅节约了大量的人力
00:14:14
同时也大大缩短了
00:14:15
临床试验数据的分析时间
00:14:18
好那我们一个一个来deep Dive
00:14:20
第一个例子是关于Heineken
00:14:22
啤酒的供应链
00:14:24
如果我没记错的话
00:14:25
Heineken啤酒的总部应该是在丹麦
00:14:27
之前我还去了丹麦哥
00:14:29
本哈根的这个Heineken的酿酒厂
00:14:32
参观了他们的工厂
00:14:34
我们知道
00:14:34
虽然啤酒看起来很简单对吧
00:14:37
但是他的供应链其实是很复杂的
00:14:40
可以看到这里从酿酒厂到仓库
00:14:43
再到港口
00:14:44
然后再到海运
00:14:45
再到当地的市场
00:14:47
再到经销商手里
00:14:48
再到我们客户手上
00:14:50
是一个非常长的供应链
00:14:53
在这个例子中
00:14:53
Hannican强调了他们用AI
00:14:56
解决明天的问题
00:14:58
在问题发生之前就先发现问
00:15:01
题
00:15:02
Hannican的负责人也非常强调
00:15:04
Palantier在服务客户方面
00:15:07
非常短的Li time
00:15:09
非常高的时效性
00:15:11
在仅仅3个月
00:15:13
we've gone from concept to reality
00:15:15
就是说从概念到应用只用了3个月
00:15:19
而在2024年9月
00:15:21
Hennican才第一次参加AAP CON
00:15:24
在仅仅6个月后呢
00:15:25
就进行了这次的演讲
00:15:27
把很多东西都落到了实处
00:15:30
这正好体现了刚刚提到的
00:15:31
Palantir整个公司的文化
00:15:33
都是以服务客户为导向
00:15:35
是以结果为导向
00:15:37
在Palantir看来
00:15:39
服务客户
00:15:39
优化他们的数据应用没有不可能
00:15:42
在接下来的分享中
00:15:44
Heineken的负责人着重强调了
00:15:46
三个air agent
00:15:47
在Heineken supply change的应用
00:15:50
第一个air agent叫做Abu
00:15:52
也就是accelerate order before los的缩写
00:15:57
OS就是out of stock
00:15:58
库存即将脱销的意思
00:16:00
也就是说
00:16:01
Hannican通过这个AI Agent
00:16:03
并没有去循规蹈矩
00:16:05
并没有说谁的订单先来
00:16:07
我就一定要先执行
00:16:09
而是说
00:16:09
对于那些客户即将脱销的订单
00:16:12
我优先执行
00:16:14
整合了整个供应链
00:16:15
对整个供应链进行协调
00:16:18
进行优化处理
00:16:19
第二个AI Agent
00:16:20
和前面的逻辑是相似的
00:16:23
都是为了做全局的优化
00:16:25
我们知道当你进口集装箱的时候
00:16:28
如果集装箱因为某些原因
00:16:30
在港口滞留时间过久
00:16:32
就会有一个demolish cost
00:16:34
也就是说
00:16:35
你不能白白的不花钱就放在港口
00:16:38
所以这个时候这个AA agent就叫做Dr g
00:16:42
SKIP container into inventry
00:16:45
对于那些因为不可预见的原因
00:16:47
必须要在港口
00:16:48
滞留过长
00:16:49
导致产生了滞留费用的情况
00:16:52
会进行一个SKIP q and move container into inventry
00:16:56
也就是说
00:16:57
优先把这些
00:16:59
即将产生港口滞留费用的集装箱
00:17:02
优先处理
00:17:03
让他先入库
00:17:04
节约整体的进口费用
00:17:07
而第三个AI Agent我觉得最有意思
00:17:10
它叫做Neptune execute container swaps
00:17:14
就是说当honeycomb这家公司
00:17:16
把不同的container
00:17:18
或者不同的track load
00:17:19
送到客户手上的过程中
00:17:21
如果有发现某些城市急需
00:17:25
他可以在最后的las mini去进行swap
00:17:28
比如说现在有一卡车的啤酒
00:17:31
正在从某个Heineken的中心仓库
00:17:33
运往美国西岸的L a
00:17:36
但是同时呢
00:17:37
系统收到了来自San Francisco的这种
00:17:41
shortage也就是缺货的警告
00:17:43
这个AI Agent就可以及时做出处理
00:17:46
让这个司机中途调转去到San Francisco
00:17:50
而改变原来送去LA的这个计划
00:17:53
因为LA可能并不缺货
00:17:55
而San Francisco即将缺货
00:17:57
就做到了一个container swap
00:17:59
之后plan去San Francisco的就可以再去LA
00:18:03
保证两边都不缺货
00:18:05
这也是一个供应链的orchestration
00:18:08
也就是做的一个协调
00:18:10
那么刚刚提到的这三个agent
00:18:12
我想都只是帮助Hennican
00:18:14
优化供应链的一部分而已
00:18:16
这些AA agent都是自动操作的
00:18:19
他不需要人为去干预
00:18:21
可以想象
00:18:22
如果你使用传统的Sass软件
00:18:25
其实你还是需要非常多的人为干
00:18:27
预的
00:18:28
Palantir通过运用不同的AI Agent
00:18:30
帮客户实现了供应链的automation
00:18:34
第二个例子也非常有意思
00:18:35
是volunteer和European
00:18:37
cricket network的合作
00:18:40
公司的主要业务就是赛事组织
00:18:42
组织一些板球的比赛
00:18:44
同时将这些比赛进行直播
00:18:47
进行数字化的内容
00:18:48
以增强粉丝的互动
00:18:50
通过直播通过粉丝经济获得收益
00:18:54
我之所以想和大家分享这个案例
00:18:56
主要有两点原因
00:18:57
第一就是这让我意识到
00:18:59
Palantir的应用范围太广了
00:19:01
居然还可以应用到赛事组织方面
00:19:04
这里就提到了Sports governing
00:19:07
body Federation association
00:19:09
或者是Franchise
00:19:10
也就是说他在娱乐行业
00:19:13
体育行业只要有数据存在
00:19:15
整合的地方
00:19:16
就依然有用处
00:19:18
而第二个原因就是我刚刚提到的
00:19:20
Palantir
00:19:20
能够为客户提供一整套的操作系统
00:19:24
不管是人力资源
00:19:25
还是预算
00:19:26
还是报告
00:19:28
还是物流方面他都能做
00:19:30
他可以帮助客户跳过传统的ERP
00:19:34
跳过传统的萨斯软件
00:19:36
我认为这是一个非常重要的点
00:19:38
那么我直接通过视频
00:19:40
来和大家解读这个案例
00:19:42
professional structures
00:19:43
and this unbelievable tech stack in place
00:19:45
to mean that we can go from
00:19:47
not seventeen matches our first year
00:19:49
they're three hundred matches and now
00:19:50
seventeen hundred matches
00:19:51
so the sheer volume is it's unbelievable um
00:19:54
and now i think we're fifty two percent of world
00:19:56
prequered this broadcast one team
00:19:58
sexy stuff is fan engagement and statistics
00:20:01
and all that sort of stuff
00:20:03
刚才这位European
00:20:04
cricket network的负责人说
00:20:06
他们如果没有普兰提尔
00:20:08
在数据应用方面的支持
00:20:10
是不可能从第一年仅仅十几场赛事
00:20:14
到现在一年举办超过1,300场赛事
00:20:18
所以可以意识到
00:20:19
在这个世界上
00:20:20
还有很多企业
00:20:21
因为缺乏对数据的有效利用
00:20:25
没有办法将自己的生意scale up
00:20:28
um then we started with the event scheduling
00:20:30
uh app that we built
00:20:31
uh benefit league
00:20:32
and that just means that anything
00:20:34
next is is possible literally
00:20:35
our mission was to replace all of our legacy spreadsheets
00:20:38
we we didn't have legacy arp systems
00:20:40
or any other legacy systems
00:20:41
but we had a lot of spreadsheets so
00:20:43
uh i just wanted to replace every spreadsheet we had uh
00:20:46
one by one uh then we started with the event scheduling
00:20:49
app that we built
00:20:51
then it was a budgeting
00:20:52
there was a cost reporting
00:20:54
and then as we went it was like
00:20:55
we're just optimizing everything here so quickly so
00:20:58
刚才的CLIP他又提到
00:21:00
Palantir帮助他们直接跳过了legacy
00:21:04
ERP系统从原始的可能Google spreadsheet
00:21:07
直接跳到了Palantir的
00:21:10
以AI数据
00:21:11
应用为中心的一整套操作系统
00:21:14
这套操作系统
00:21:15
不仅帮他们学会如何运用数据
00:21:18
而且是提供了一整套的企业
00:21:20
数据的生态系统
00:21:22
这套系统帮他们解决了诸多问题
00:21:24
比如说赛事组织
00:21:26
比如说预算的计划
00:21:28
以及人力资源的计划
00:21:30
还有就是各种需要的reporting
00:21:33
也就是不同的繁琐的报告等需求
00:21:36
接下来负责人总结了Palantir
00:21:38
对他们来说意味着什么
00:21:40
我们一起听一下
00:21:42
now we actually have eighty nine
00:21:44
apps to run everything we do if data is the new oil
00:21:48
then foundry is like the brig
00:21:50
the refinery the end product the car like it's
00:21:53
it's it's goes from
00:21:55
turning that oil
00:21:56
which is data
00:21:58
in something that i'm driving down the auto vine really good
00:22:01
负责人基本上就是说
00:22:03
如果现代社会数据就是新的石油
00:22:07
新的黄金的话
00:22:08
那么Pentier提供的服务
00:22:10
就是钻井平台
00:22:12
帮他们获得更多的石油
00:22:14
更多的黄金
00:22:16
我觉得这个评价真的非常的高
00:22:18
最后一个例子
00:22:19
我们来看一家叫做park sale的公司
00:22:22
那么这家公司的主要客户
00:22:24
其实是全球
00:22:25
各大医药企业
00:22:27
他们帮医药企业
00:22:29
做不同阶段的临床研究
00:22:32
也就是将临床研究的数据进行整合
00:22:36
提供给医药企业进行应用
00:22:39
在没有Palantir之前
00:22:41
Perksl这家公司面临了几大问题
00:22:44
首先就是要处理这些clinic data
00:22:47
临床数据非常耗时
00:22:50
通常一个indication就需要好几个小时
00:22:53
而且相关的数据
00:22:55
也就是说你在研究这些医疗数据
00:22:58
需要的辅助数据
00:22:59
都存在于不同的系统
00:23:01
所以要去找到各种数据
00:23:03
把它们结合起来去下结论
00:23:05
也非常的好使
00:23:07
而且做这些工作的
00:23:08
必须是highly skilled individual
00:23:11
不是说你随便找一个人都能做
00:23:13
你可能甚至需要PhD
00:23:15
博士来做这些工作
00:23:17
那我们看一下Palantir
00:23:18
如何用air agent
00:23:20
代替了
00:23:20
部分的这些非常昂贵的劳动力
00:23:24
在这里做一个简单的科普
00:23:26
这里叫做annotated CRF
00:23:29
我们知道
00:23:30
你要利用你的临床试验数据
00:23:32
不是说
00:23:33
没有规则的就去上报政府或者相
00:23:35
关机构就去审批的
00:23:37
你需要对你的数据做相应的说明
00:23:41
文件
00:23:42
审阅说明程序代码和注视病例报告
00:23:46
所以你要把你的deita
00:23:48
以一个固定的former去提交
00:23:51
怎么样去
00:23:52
理解你的这些临床试验数据
00:23:54
怎么样去整合成这些固定的格式
00:23:57
这就是刚刚提到的非常好使的内容
00:24:00
整个工作的流程主要分为三步
00:24:03
第一步是abstracting inputs
00:24:06
也就是把所有的这些
00:24:07
看起来没有逻辑的临床数据
00:24:10
进行输入
00:24:11
作为inputs
00:24:13
然后通过这些数据建立一个data model
00:24:17
建立一个数据的模型
00:24:19
最后就是building outputs
00:24:21
也就是产生
00:24:22
我们需要的这些文件的格式
00:24:25
我们再次看到了熟悉的ontology
00:24:27
类似的这种图谱
00:24:29
可以看到GPT4O
00:24:31
GPT4O Mini被应用在了里面
00:24:34
也就是说
00:24:34
你可以用简单的人类语言
00:24:36
进行指令操作
00:24:38
进行修改里面的一些程序
00:24:41
在进行了abstracting inputs
00:24:43
和building data model之后
00:24:44
我们看一下plentier的这个系统
00:24:47
是产生了什么样的outputs
00:24:49
我们去看view annotated forms这个选项
00:24:53
可以看到
00:24:53
通过plentile提供的这一套系统
00:24:56
把Parkso的临床试验数据
00:24:59
做了一个data Mapping
00:25:00
自动填入到了规定的表格里面
00:25:03
并且进行了合理的注视
00:25:05
而且系统还可以帮你纠错
00:25:07
在屏幕的左侧出现了一些warning
00:25:10
可能是一些错误
00:25:11
而右边自动为你提出了方案
00:25:14
也就是recommended fix
00:25:16
教你如何去fix这些错误
00:25:19
那么通过Palantir的服务
00:25:20
达到了什么效果呢
00:25:22
也就是一开始的10到12周
00:25:24
的submission readiness
00:25:26
这个timeline
00:25:27
缩减到了一半以下的3到6周
00:25:31
我觉得这是非常大的一个进步
00:25:34
我又想起了之前在制作Tampas AI
00:25:37
专题视频之后
00:25:38
有人反驳说
00:25:40
Palantir不能用于医疗领域
00:25:43
在这里
00:25:43
我认为Perkso是一个很好的例子
00:25:47
其实只要有数据
00:25:48
Palantir就可以成为
00:25:50
潜在的服务提供者
00:25:52
我不认为有任何的限制
00:25:54
今天的分享就到这里
00:25:56
希望能够再一次呈现我对帕兰
00:25:58
特的观点
00:25:59
让你更加了解Palantir的业务是什么
00:26:03
他的优势到底在哪里
00:26:05
熟悉我的观众朋友们也知道
00:26:07
我从第一次分析Palantir的时候
00:26:09
就决定了要进行月度定投
00:26:12
那么到现在已经买了6次
00:26:15
上一次买就是在前几天恐慌的时候
00:26:18
以60多的价格买入的4月的定投
00:26:21
如果看完本期视频还不过瘾
00:26:24
或者是还不太明白
00:26:25
欢迎大家去观看我几个月前发布的
00:26:28
Palantir
00:26:28
第一期专题视频
00:26:30
相信两期视频结合起来
00:26:32
能够为你提供一个全面的
00:26:35
Palantir的介绍
00:26:36
希望大家能够订阅Money or Life
00:26:39
美股频道
00:26:39
这是对我最大的支持
00:26:41
感谢大家！
00:26:42
下期节目，再见！
