01 / 原始访谈找到了
原始视频与可读转录不是同一份材料。下面分别说明本次真正核实了什么。
CEOInterviews 的英文转录
它对应韩国频道 Value Investor 的转载视频。页面说明删除了原版开头 1 分 59.64 秒。因此本报告的段落时间一律标为“转载版”，不能直接套到官方视频。
公开可得原稿的边界：已找到原始视频与辅助逐字稿；尚未找到主办方发布的官方书面逐字稿。本次原视频未返回公开字幕，未完成逐句音频听校。
“We look for people who are unusually jagged”
辅助转录短句 · 转载版 02:35。这里说的是不均衡的才能；“锯齿形人才”是中文解释，不是经过测量的分类。
“what did you pay, and what did you lose?”
辅助转录短句 · 转载版 11:22。它提醒读者查看隐性成本，但不能替代对具体数据流失事件的举证。
这篇文稿没有覆盖整场访谈
转录后段还讨论安全响应、财富税与财富分配、中美欧技术竞争。原视频简介也明确包含财富政策与地缘竞争议题。文稿主要选取人才与企业 AI 主线，因此适合称“主题解读”，不宜称“整场完整实录”。
卡普兼具经营者与供应商身份。他对应用平台、主权架构和本体的论述，也服务于 Palantir 的产品定位。产品优势、唯一性、政治因果与国家竞争判断，都不因来自 CEO 就自动成为客观事实。
02 / 哪些可保留，
哪些要改写？
“原文主题”只表示辅助转录存在对应内容，不表示该说法已被独立研究证实。以下纠偏是本报告分析。
14 条主张
01 / 原文主题转载版 02:35 ↗
艺术家社区与不均衡才能
保留主题，改准术语。
artist colony 更接近“艺术家群落”；jagged 是能力不均衡的描述，不能当作已验证的人才分类。用实际任务样本评估突出能力。
02 / 作者延伸用户文稿 / 本报告分析
80分通才，60/99分特殊人才
明确为虚构示意。
这些分数没有量表、样本与测量过程。通才在协调、交接与跨任务判断上可能创造很高价值；不能用雷达图给招聘结论。
03 / 原文主题转载版 04:31 ↗
组织排斥强于管理者的人
保留为卡普的经验概括。
需要区分地位威胁、对未知的规避、证据不足和真实协作成本。组织淘汰创新者的普遍比例在这场访谈中没有被验证。
04 / 原文主题转载版 05:23 ↗
年轻人指出 CEO 的错误
保留情境，删除年龄实证暗示。
这是“看起来很年轻”的叙述，不能写成真实聘用了某名十二岁天才。被挑战时，先审查论据，再讨论表达与行为。
05 / 待证判断用户文稿 / 本报告分析
标准化会降低创新上限
改成有条件判断。
统一审美和路径可能排斥新想法；统一安全底线、实验记录与质量验收也能降低试错成本。要检验具体哪项制度造成损失。
06 / 原文主题转载版 08:30 ↗
第一颗橄榄与客户采用
保留比喻，补充需求边界。
客户拒绝也可能代表产品不值成本。“教育客户”不能成为回避需求证伪的理由；应允许客户在可比较的结果上说不。
07 / 原文主题转载版 08:30 ↗
FDE 与现场反馈影响产品
保留机制，检验是否可交接。
FDE 是贴近业务现场工作的部署工程师。需要记录通用产品改动、专属配置与持续人工服务，否则很难判断可复制性。
08 / 原文主题转载版 12:52 ↗
Token 消耗不等于业务价值
保留提醒，拒绝扩大成行业统计。
访谈没有提供企业回报的总体样本。Token 是成本和活动量；结果要看质量、周期、收入、风险等本任务指标。
09 / 原文主题转载版 11:22 ↗
AI 成本包含专有知识流失
保留风险，核对实际数据路径。
不能从使用外部模型推导出商业知识必然流向竞争对手。先看具体服务条款、训练用途、留存、日志、连接器与访问权限。
10 / 原文主题转载版 10:01 ↗
隐性知识与企业架构
保留方向，拆开知识与系统。
经验可能包含偏见或过时规律。只有带出处、例外、审批和结果反馈的规则，才可被检验；本体并不自动更新模型权重。
11 / 待证判断用户文稿 / 本报告分析
模型相同，知识越多壁垒越深
改成竞争假设。
知识必须相关、有效、可更新且难以替代。对手也可能用公开数据、通用产品或不同流程达到同等结果。存量多不自动构成优势。
12 / 作者延伸用户文稿 / 本报告分析
持续进化的组织大脑
作为解释比喻使用。
明确实际更新的是数据、规则、权限、提示、评测或代码。没有训练管线和权重更新证据，不能称模型在自我训练。
13 / 原文主题转载版 16:49 ↗
AI 财富集中引发社会反弹
保留风险主张与发言立场。
原对话还包含财富税、政治与国家竞争议题。文稿提炼了分配风险，但不是整场访谈的完整政治立场；政策因果仍需另证。
14 / 作者延伸用户文稿 / 本报告分析
AI 越强，判断越昂贵
保留为结尾命题，加条件。
部分执行任务会变便宜，部分判断也会被辅助。更值得检验的是：谁能定义正确目标、发现错误、承担后果并持续交付结果。
没有匹配的主张。请清空搜索或选择“全部”。
03 / 创新价值链，
不能跳过中间环节
这是一套依据文稿整理的分析框架，不是卡普提出的数学模型，也不是已经验证的因果定律。
01 · 发现独特能力
发现遗漏问题，提出可证伪的新办法。
证据：真实任务作品02 · 转移组织采用
用户在日常业务中改变动作。
证据：重复使用与异常处理03 · 验证业务结果
相对基线改善质量、周期或收益。
证据：对照、成本和风险04 · 积累可复用知识
其他人也能用，规则可以更新。
证据：交接、复测和长期维护没有采用，技术仍可能有价值，但价值尚未实现。
采用也不必然正确。员工可能因考核被迫使用，或者因为工具有趣而频繁调用。应把采用率与结果质量放在一起观察。
成功演示与可交接能力是两项证据。
让另一名合格人员在原专家不在场时完成任务；如果系统必须持续由原专家救场，它尚未成为组织可稳定使用的能力。
FDE 的验收，不只看上线
试用代表性任务能完成；失败样本也留存。
采用真实用户多次使用；拒绝与覆盖有原因。
效果质量、周期、返工相对基线有变化。
付款与续约单独查合同、到账与续约，不能用活跃度代替。
净经济结果扣实施、运行、复核、维护与退出成本。
先安排有明确验收标准的小任务；用产物和反例判断能力，不用“个性独特”替代证据。
04 / 接纳不均衡能力，
不是取消行为底线
“难管理”混合了不同现象：不熟悉的工作风格、对旧判断的挑战、技能短板，以及会伤害团队的行为。不能用一个标签处理。
能力已证明 / 行为可靠
给任务空间，减少不必要审批
明确要解决的难题，允许不同方法；保留验收、信息安全与交接要求。
能力已证明 / 行为造成伤害
纠正行为，不能豁免底线
把不尊重、隐瞒错误、越权操作等单独处理。个人产出不自动抵消团队损失。
能力尚未证明 / 行为可靠
提供小规模验证机会
给明确任务、资源和反馈。强通才可能在整合、交接与稳定交付上承担关键职责。
能力尚未证明 / 行为造成伤害
先限缩风险，再验证主张
挑战权威、表现自信或言辞尖锐，都不能作为杰出能力的替代指标。
哪些标准应保留？
安全边界、可复现的质量要求、尊重他人、承诺兑现与错误报告。这些标准让不同的人能一起工作。
四个可执行动作：用任务作品识别特长；允许专业异议；让受挑战的主管之外的人参与评审；对团队总成本和交接质量负责。上述是本报告建议，不是 Palantir 内部制度实录。
05 / 六组案例，
分别检验不同环节
没有一个案例同时证明“特殊人才 → 采用 → 收入 → 长期壁垒”整条链。案例数字不可直接相加或横比。
6 组案例
创意被拒绝，不一定只因领导自尊
两项研究
观察结果：在两项研究中，不确定性与对创意的负面偏见相联系，并影响对创意的识别。
证据边界：实验支持一种可能机制，不证明所有企业都会淘汰天才，也未测量某家公司创新收入。
高产出不能抵消伤害团队的行为
5万+ / 11家
观察结果：Toxic Workers 分析超过 5 万名员工、11 家企业的数据，发现避免有害员工带来的收益可高于用明星替换普通员工。
证据边界：观察研究中的有害行为不等于内向、表达直接或非主流。不能据此给不合群者贴标签。
知识传播，可能让新人受益更多
14% / 34%
观察结果：NBER 2023 年修订工作论文观察 5,179 名客服。每小时解决问题数平均提高 14%，新人及低技能组提高 34%。
证据边界：分批引入工具的现场研究；不是通用岗位随机试验，也没有证明净利润提高 14%。固定使用该版本口径。
同一工具，在另一种任务上可能误导人
758人
观察结果：BCG 实验中，AI 在能力范围内改善表现；对研究中一个范围外任务，AI 组答对概率低约 19 个百分点。
证据边界：这里是特定任务正确率的百分点差，不是所有工作效率下降 19%；“锯齿状 AI 边界”也不是“锯齿形人才”。
16人 / 246项
观察结果：METR 随机试验：16 名熟悉成熟开源项目的开发者完成 246 项任务，允许使用早期 2025 年 AI 工具时，完成时间增加 19%。
证据边界：2026 年后续研究出现加速迹象，但作者认为选择偏差等问题妨碍可靠估计。不能据旧结果宣称当前 AI 必然拖慢开发。
预测必须触发维护动作，才接近价值
85架 / 31次
观察结果：easyJet 2018 年公告称：在 85 架飞机、三类技术问题试点中，Skywise 预测了 31 次故障并支持提前更换部件；同时宣布五年协议。
证据边界：Skywise 是 Airbus 与 Palantir 合作推出的平台。这里是客户自述与避免延误的反事实估计。未披露完整成本、实际付款及续约；不能当作生成式 AI 或独立净回报证据。
不能忽略的反证：新人可能比专家从 AI 中获益更多；高产出者也可能损害团队；预测性维护成功不等于生成式 AI 成功。证据支持“按任务测量”，不支持“所有企业应复制某一种文化”。
对象供应商 / 订单 / 物料每项有来源、更新时间与责任人。
关系谁供应什么，影响哪个订单能从一个异常追到受影响业务。
动作与权限复核 / 改单 / 暂停采购能读到数据，不代表有权改变订单。
一个采购判断的结构化示例
下列为教学情境，所有规则与阈值均为虚构，不是 Palantir 客户数据或可直接上线的采购标准。
| 经验说法 | 要补成的可检验记录 | 怎样发现规则错了 |
|---|---|---|
| “这家供应商感觉不稳。” | 最近交付异常、质量记录、替代来源；标注缺失信息。 | 原专家与另一位专家分别判断；保留分歧和最终结果。 |
| “连续两次延期就要警惕。” | 明确延期定义、样本周期、是否由本方变更引起。 | 对误报与漏报单独复盘，避免只收录成功故事。 |
| “尽快换一家。” | 先验证库存、替代品认证、成本和合同限制；指定审批人。 | 记录动作后是否真的减少缺料，而不只看是否生成建议。 |
互动：同一条建议，为什么动作不同？
这是本地教学状态切换，不连接真实业务系统，也不证明任何产品的权限配置已经正确。
更新规则，不等于模型自我训练
如果改的是数据、提示、规则、评测或应用代码，应按实际对象记录。要称“模型训练”，需要训练过程和权重变化的证据。
沉淀错误判断会放大旧偏见。每条重要规则都应有负责人、复查日期和可撤销版本。
怎样检验它是不是竞争优势？
相关且有效
能否在新任务上改善结果，而不是仅解释历史成功？
难以替代
对手用公开资料和通用工具，能否达到相近质量与成本？
能够维护
专家离开、模型更换或业务变化后，优势还能持续吗？
这三项是本报告提出的检验条件。它们不构成对 Palantir 或任何企业护城河的投资判断。
把知识控制权
拆成具体问题
外部处理、训练用途、权限泄露、模型记忆和知识产权许可是不同问题。不能用一个“泄露”概括。
一个直接的反例是：OpenAI 官方说明，企业产品和 API 的业务输入输出默认不用于训练。它足以反驳“用了外部 AI 就必然把知识训练给竞争者”，但不能推出所有产品都不留存、都没有第三方处理或都不会越权。[12]
先画实际数据路径
原始资料 → 检索与脱敏 → 模型服务 → 日志与缓存 → 外部工具 → 人员访问。逐个确认发了什么、谁能读、何时删除、是否参与训练、如何撤回。
同时检查控制的代价
自建部署也有运维、安全和更新成本；供应商托管也可能提供可用控制。按数据敏感度与用途选方案，避免把架构标签当安全证明。
还要测试退出：规则、评测集、数据和接口能否迁出？如果只能在某家供应商系统内运转，组织能力可能部分变成供应商依赖。安全、迁移与维护都应纳入成本。
07 / 不是多用了多少，
而是多得到多少
这是一张可编辑的单月情景表，默认值全部是假设。它不预测你或 Palantir 客户的回报，也不计入未知的安全事件损失。
SCENARIO / 假设试算
首月净收益
稳定月份净收益：+1,000 元
采用 600 项；其中有效收益任务 480 项
不计一次性投入的盈亏平衡采用率：40.0%
按当前稳定月份假设，静态回收期 12.0 个月。
图条以两项中的较大值为 100%。净收益按同一口径计算，不把节约工时与新增产出重复计价。
展开公式、示例验算与遗漏成本
设 N 为任务数，A 为采用率，Q 为有效收益占比，S 为节省分钟，H 为复核及返工分钟，W 为小时成本，R 为兑现比例。所有百分比先除以 100。
可兑现收益 = N × A × Q × S ÷ 60 × W × R。月复核成本 = N × A × H ÷ 60 × W。复核成本按全额人力资源成本计，是保守口径；节时收益按可兑现比例折算，两者不对称。它不是纯现金流表；若复核使用原有闲置工时，应另行核对机会成本。稳定月份净收益 = 可兑现收益 − 月复核成本 − 月运行费用 − 月维护费用。首月再扣全部一次性投入。
默认例：600 项采用，480 项有效收益；毛节时 160 小时，按 50% 兑现为 8,000 元；复核及返工 50 小时计 5,000 元，加运行 2,000 元与实施 12,000 元，首月净收益 −11,000 元。
盈亏平衡采用率仅在每项采用任务的边际净收益大于零时计算。高于 100% 表示现有规模内无法平衡。静态回收期 = 一次性投入 ÷ 正的稳定月份净收益，未计资金时间价值与波动。
缺失项包括重大事故损失、退出迁移、业务中断、额外收入及税费。计算器不是完整财务模型；无法可靠量化的高后果风险应单独设停止条件，不能用一个虚构数字掩盖。
08 / 用 30 天，
验证一个业务流程
这是提议的试验计划，不是已经执行的服务，也不保证 30 天足以证明长期收入、续约或组织壁垒。
第 1–5 天建基线
选一个任务；明确业务负责人、质量底线、成本上限与禁止动作。
保留：原流程样本与计时第 6–12 天做小样本
测试正常、困难和失败任务；检查权限、人工复核与回退。
保留：所有结果与错误第 13–23 天做比较
条件允许时随机分组；否则记录可比任务，并说明选择偏差。
保留：采用、质量、返工和成本第 24–30 天决定下一步
检查另一人能否接手；业务、财务和使用者共同判断。
结论：停止 / 修改 / 扩大扩大条件
关键质量指标不退步；真实采用稳定；收益在保守假设下仍覆盖成本；出现异常有人能接管。付款、续约和长期使用继续单独追踪。
提前停止条件
越权读取或操作、严重错误无法拦截、必要复核被绕过、成本超出事先上限。样本过少或置信度不足时，记录“尚无法判断”，不包装成成功。
适合创作者、独立开发者和小团队的最小做法
先选一个你确实要反复完成的交付任务，例如“把公开访谈整理成可溯源研究报告”。记录找原文、核对、制作、审查及返工时间，同时检查错引、漏证据与读者实际使用情况。
这篇文稿可以怎样改写结尾？
AI 可能降低部分执行成本，但价值不会自动出现。企业仍要判断什么问题值得解决，让合适的人提出办法，让业务人员真正采用，再用结果修正系统。特殊才能需要被识别，行为与质量也需要共同底线。真正值得积累的，是能够交接、接受反证、持续改善结果的组织能力。
以上为本报告建议稿，不是卡普原话。
09 / 来源与研究边界
公开资料查阅截止 2026-10-25。来源只支持其对应范围；同一篇报道的转载不算多个独立证据。
- 1. Palantir 官方原始视频 ↗
2026-10-23 · 35:52
已读取官方频道视频元数据；未找到该视频公开字幕。视频标题、频道、发布日期、时长已核验，录制日期未确认。
- 2. CEOInterviews 转载版英文转录 ↗
2026-10-23 · 转载时间轴
文本检索与段落定位来源。对应 Value Investor 转载视频 V6h6EQJHqVw；转载者称删去原版开头 1:59.64。本页不是官方逐字稿，未逐句听校。
- 3. Mueller / Melwani / Goncalo：The Bias Against Creativity ↗
Cornell 作者稿 · 两项研究
研究不确定性与创意偏见。仓储日期显示 2010，页面说明期刊版当时待刊；不以仓储日期冒充正式出版日期。
- 4. Housman / Minor：Toxic Workers ↗
2015 · HBS 工作论文
超过 5 万名员工、11 家企业的观察数据；不是针对 Palantir 或所有创造性岗位的随机试验。
- 5. Brynjolfsson / Li / Raymond：Generative AI at Work ↗
2023-11 修订 · NBER WP 31161
本报告固定使用该工作论文版本的 5,179 人、14%、34%口径，不混用后续版本数字。
- 6. HBS：BCG 顾问现场实验与 AI 能力边界 ↗
2023 · 758 名顾问
研究机构对原研究的说明；任务内效果、任务外错误率分别记录。
- 7. METR：资深开源开发者随机试验 ↗
2025-07 · 16 人 / 246 项任务
早期 2025 年工具与特定成熟代码库；不能作为当前全部 AI 编程工具效果。
- 8. METR：更新实验设计与选择偏差 ↗
2026-02-24 · 后续研究说明
后续研究原始估计趋向加速，但作者认为选择效应与时间测量使当前效果难以可靠估计。
- 9. easyJet：Skywise 预测维护试点及五年协议 ↗
2018-03-27 · 客户公告
客户自述试点结果与协议；未公开完整成本或独立因果审计。不是生成式 AI 案例。
- 10. Palantir：Ontology 官方文档 ↗
2026-10-25 查阅
证明产品描述与概念；不证明产品唯一性、客户实际配置或投资回报。
- 11. Palantir：Ontology 权限文档 ↗
2026-10-25 查阅
区分对象类型等资源权限与对象数据权限；不能仅凭文档断言部署安全。
- 12. OpenAI：企业数据与训练默认设置 ↗
2026-10-25 查阅
企业产品和 API 默认不使用业务输入输出训练；不能外推为零留存、无处理或零泄露风险。