Palantir在生命科学领域的客户包括制药、研究机构、医疗保健系统等。这些客户依赖Foundry的安全和协作架构来发现和开发药物、管理商业启动、进行临床研究和分发疫苗。例如:
-
美国国立卫生研究院(NIH)全国新冠病毒队列协作(N3C)的1000多名研究人员使用Foundry安全维护COVID-19电子健康记录(EHR)数据，这是世界上最大的患者级数据资产之一，并在150多个研究项目上进行合作(如N3C演示的视频所示)。
-
英国国民医疗服务体系(NHS)的数千名全科医生负责订购、分配、跟踪和提供迄今为止全国接种的29900多万种疫苗中的每一种(如英国关于COVID-19数据和见解的网站所概述的)。
在Palantir的双击系列的第一期中，工程师们将演示最新的铸造功能，以及几种新的原型，这些都可以在铸造之上实现，包括:
在任何环境下可重复的研究：
Foundry可互操作、模块化和开放的体系结构使具有不同技术能力的用户能够集成任何数据、使用任何工具、管理任何模型、用任何语言编写代码——同时保持端到端的可重复性、透明度和分析的安全性。
Foundry将其治理和知识管理能力与常见的数据科学环境(如RStudio或HPC集群)集成在一起，使用户能够重复地使用他们所选择的任何库——从专业的生物信息学工具(如plink)到机器学习库(如scikit-learn、tensorflow或MLlib)。
Purpose-based访问控制：
Foundry的“基于目的”的访问控制原型，支持基于特定数据源或数据集的建议，使用自动或托管权限分配。通过系统地分析以及对相关研究的背景，对数据访问请求进行编码，这些访问控制为治理管理员提供了对数据用于何种分析的细粒度洞察。
系统的模型管理：
Foundry的模型管理原型支持预测模型的治理和部署，包括那些在Foundry之外开发的模型。研究人员可以很容易地重现结果，跟踪模型的每个版本是如何开发的，当上游源数据发生变化时自动更新模型，比较性能指标，以及在登台或生产环境中发布的标记版本。模型可以部署在Foundry(批处理或流处理，或用于特别查询的API端点)或外部系统中，包括专门的硬件。部署的运行状况检查、遥测技术和丰富的模型监控可以帮助组织超越模型漂移，从而根据真实场景理解和管理它们的模型。
用于标准化数据模型的开箱即用的管道模板：Foundry的管道原型部署了预构建的数据管道，可以将常见的真实数据源(如Optum claims或TriNetX)转换为标准数据模型(如OMOP)。这使得研究人员能够轻松地在资源之间转换，并重用开源社区已经定义的队列代码列表或分析方法。对于独特的数据源，如历史随机对照试验，Foundry的机器学习驱动实体解析原型提供了自动建议映射到用户定义的数据模型的框架，并支持人类驱动的确认。
在Palantir的“双击”系列的第一期中，工程师们将演示使这一功能成为可能的最新功能:
链式模型模拟
：
Foundry协调所有组织领域的数据模型，从而在物联网（IoT）时间序列数据和支持元数据之间建立语义链接。然后，这个本体可以用来为反映组织的真实操作的模型提供输入，而真实操作又可以输出到本体中。
为了了解任何决策的全部影响，这些模型可以被连接在一个数字孪生中，可以用来适应实时事件，或运行对未来事件的严格模拟。通过将模型构建和操作结合在一个平台上，任何见解和优化都会通过组织的日常决策传播。
无与伦比的解析计算范围
：
为了克服通常在复杂但缓慢的查询和简单但快速的本体和时间序列数据查询之间的权衡，Foundry的查询优化器重写了分析性查询，以便将操作符推入“热”和“冷”存储中的数据。
这意味着查询的执行具有更好的性能和更小的资源占用。此外，优化器对所有查询都可用，无论它们是通过api提交的，还是通过模型提交的，还是通过Foundry中的图形分析应用程序提交的。这使得客户可以实时查看数万亿的传感器读数。
无需权衡的动态编排
：
代工服务平台收集的所有物联网（IoT）时间序列数据。这些数据可以通过终端用户API和各种工具随时获得，而无需在高性能存储中存储所有数据。
传统的时间序列系统需要在两种存储方式之间进行权衡:一是将数据保存在优化但昂贵的“热”存储中，二是将归档数据卸载到更便宜的“冷”存储中，在这种存储中，数据将不再被查询。
Foundry的“热”/“温暖”系统根据需要自动将归档数据水合物化到热存储中，从而消除了这种折衷。使用Foundry，客户可以看到机器生成数据的压缩比高达50倍，具体取决于初始格式。这使得那些资本资产都配备了数千个传感器的工业客户——比如飞机、油井和制造厂——每秒可以接收数百万个新数据点。
除了这些功能，Palantir还将重点介绍Foundry上的两种新功能，工业客户只需点击鼠标即可获得这些功能，包括:
Foundry的质量原型使客户能够快速识别出现的问题，加速根本原因分析，管理预测性维护，在提高召回准确率的同时降低保修成本，在进行成本高昂的生产或供应链更改之前，数字化模拟诸如交换原材料或增加吞吐量等变化。
Foundry的供应链原型使客户能够预测网络运行状况，为潜在问题生成早期预警警报，通过算法比较和优化供应链场景，响应持续的冲击，并监控关键kpi，如成本、准时性性能和二氧化碳排放。
股票方面
研究机构Melius research上周增持了Palanti的股票，给予其持有评级，目标价为20美元
。分析师卡特·科普兰(Carter Copeland)通常关注国防和航空航天公司，他表示他越来越多地在国家安全领域和“技术快速转变的旧经济领域”“撞上”数据分析公司。
Palantir有两个核心软件产品:面向政.府应用的Gotham和面向商业客户的Foundry。
这两个平台通过自底向上、完全集成的方法，全面解决了大型复杂组织的数据集成、可视化和模拟问题。
从能力的角度来看，他们解决了五角大楼的一些最高优先事项。经过20年多的情报收集扩张，军方现在“充斥着数据。将这些数据整合在一起，提高作战能力，在紧缩的预算下，用更少的钱做更多的事，这正是国防部想要的。Palantir正在帮助实现这一目标。
