Palantir и голые токены: как продать «суверенный ИИ» людям, которые не любят терять контроль

Palantir выпустил манифест про «суверенный ИИ». Если перевести с языка подрядчика для армии, разведки и крупного бизнеса на обычный русский: не отдавайте свои данные поставщикам больших языковых моделей, не считайте внедрение ИИ по расходу токенов, держите у себя модели, следы работы системы и результаты дообучения.

С подобными посылами на уровне здравого смысла спорить трудно. Если организация живёт на собственных процессах, правах доступа, связях между данными и накопленных рабочих приёмах, странно отдавать всё это внешнему поставщику только потому, что у него удобное окно для отправки запроса. Особенно когда речь не про канцелярскую рутину — письма, отчёты, таблицы, служебные записки, которые и без ИИ обработают руками, в Word или Excel, пусть медленнее и без аккуратной картинки для отчёта, — а про производство, логистику, безопасность, медицину или военное планирование.

Но важно, кто именно это говорит. Palantir вырос не из кружка любителей открытого ПО — компания продаёт софт для соединения данных, прав доступа, предметных моделей и действий оператора; сама она описывает свой рынок как решения «from the factory floors to the front lines». По годовому отчёту за 2025 год, 54% выручки Palantir пришло от государственных заказчиков, 46% — от коммерческих. Это не декоративный раздел «прочие красивые кейсы», а почти половина бизнеса.

Поэтому, когда такая компания заводит речь про «экономию на токенах», речь не о бережливости. Речь о новом слое контроля: где живут данные, кто управляет моделью, кто видит запросы, кто получает следы работы системы и кто потом становится обязательной частью всей этой конструкции.

Что Palantir продаёт под видом «суверенности»

Сначала надо разделить письменный текст и публичную речь Карпа. «Манифест» Palantir — это не PDF на сайте компании и не закрытая записка для избранных, а официальный пост Palantir в X. Там девять пунктов про «AI sovereignty»: организация должна владеть данными, моделями и весами, а «tokenmaxxing» создаёт ложное ощущение прогресса. По‑русски tokenmaxxing можно назвать проще: накручивание токенов. Компания покупает доступ к модели, сотрудники активно гоняют запросы, счёт растёт, в презентации эта цифра появляется с припиской «внедрение ИИ», но рабочий процесс остаётся примерно тем же, только с новым полем ввода.

Расход токенов не доказывает полезность системы. Это как оценивать работу сервера по росту числа операций ввода‑вывода дисков за сутки.

Дальше начинается карповский театр. Алекс Карп, сооснователь и гендиректор Palantir, в интервью и публичных выступлениях обвиняет ИИ‑лаборатории в том, что клиенты платят за токены, которые не создают ценности, а поставщики моделей забирают их «weights and alpha». Это уже не надо приписывать самому манифесту как письменному документу: фраза про «веса и альфу» разошлась из телевизионного выступления Карпа на CNBC, а медиа потом склеили пост Palantir, интервью и сделку с NVIDIA в один сюжет.

В таком виде это уже не факт, а фраза с надуванием щёк. Трудно поверить, что крупный корпоративный заказчик не осилил договориться с провайдером о режиме, при котором его данные не пойдут в обучение общей модели.

У OpenAI для бизнес‑продуктов и API заявлено отключение обучения на входах и выходах по умолчанию; у Anthropic для Claude for Work, Anthropic API и Claude Gov заявлен похожий режим. Это не отменяет рисков хранения, логирования, доступа подрядчиков и условий конкретного договора, но делает тезис «они забирают вашу альфу» слишком широким.

При этом Palantir сам умеет работать как прослойка к тем самым внешним моделям. В документации AIP перечислены поддерживаемые поставщики: xAI, OpenAI, Anthropic, Meta и Google. В другом разделе описаны прокси‑эндпоинты Foundry для Anthropic, OpenAI, xAI и Google, с управлением доступом, географическими ограничениями и учётом использования. То есть публично внешние лаборатории удобно ругать, а технически — можно маршрутизировать запросы к ним через свою платформу и брать плату «за наведение порядка» на входе.

Аккуратная версия претензии звучала бы скучнее: счёт за токены не доказывает результата; отдельно проверяйте, где хранятся запросы, кто видит ответы, какие журналы остаются после работы, что используется для дообучения и кому принадлежат производные модели. Но это язык аудитора. Карп говорит так, чтобы его услышали люди с большими бюджетами и традиционно коротким терпением: «вас обирают», «ваши токены ничего не стоят», «вашу альфу уносят».

«alpha» (но не банк) — и в чём подвох?

С весами всё более‑менее понятно: это параметры модели или дообученной версии. С упомянутой в интервью «alpha» («альфой») хуже, точнее, непонятнее со смыслом слова. В финансах альфа — доходность сверх базового ориентира, в бизнес‑разговорах слово расползается до «уникального преимущества». У Карпа оно превращается в мешок для всего ценного: данных, примеров решений, подсказок, внутренних правил, меток качества, связей между объектами и просто накопленного опыта людей, которые годами делали работу руками.

И вот тут начинается эффект голого короля. Термин звучит солидно, особенно когда его произносит глава Palantir с лицом человека, которому сейчас поверят генералы и инвесторы. Но вопрос остаётся простым: что именно унесли? Таблицы? запросы? ответы? веса дообучения? логи действий? коммерческую тайну? Если всё это вместе, так и надо писать. Если вместо ответа появляется «альфа», значит нам предлагают поверить в термин, который означает «всё» — и ничего конкретного.

Сильная сторона Palantir не в том, чтобы суметь сделать «самый умный мозг». Palantir продаёт слой, где данные превращаются в объекты и действия внутри организации. В документации Foundry это называется Ontology: она описывает рабочие объекты предприятия, соединяет данные, логику и действия, а не складывает таблицы рядом с чат‑ботом. Там же описаны права на действия, аудит и связь с внешними системами.

Для завода это могут быть деталь, станок, склад, ремонт, заявка и поставка. Для больницы — пациент, назначение, анализ, койка, маршрут, риск и врачебное решение. Для армии — разведсредство, подразделение, маршрут, цель, склад, штаб и средство поражения. Большая языковая модель может написать гладкий ответ. Рабочая система должна ещё понимать, кто имеет право видеть объект, кто может изменить его состояние, что надо сохранить для проверки и какое действие вообще допустимо.

Здесь Palantir (в лице Карпа) критикует «голые токены» не снаружи, а из соседнего отдела продаж. Он говорит: не покупайте просто модель; купите среду, где модель будет связана с вашими данными, правами и действиями. И, конечно, предполагается «купите у нас» (то есть у них).

NVIDIA, Nemotron и «контроль над весами»

В истории с NVIDIA видно, где заканчивается лозунг и начинается архитектура. Palantir не показывает собственную большую языковую модель. Он берёт NVIDIA Nemotron и предлагает запускать её в инфраструктуре заказчика. NVIDIA в своём объявлении пишет, что Palantir интегрирует ускоренные вычисления NVIDIA, библиотеки CUDA‑X и открытые модели Nemotron в Ontology и AIP. В отдельном блоге NVIDIA описывает запуск Nemotron в защищённых и изолированных средах, а также обучение моделей на данных заказчика с сохранением права собственности на результирующие модели и веса.

После обвинений в адрес внешних ИИ‑лабораторий надо показывать замену. Замена выглядит так: NVIDIA даёт модель, вычислительную платформу и стек запуска, Palantir обеспечивает слой данных, авторизации, журналирования, задач, проверок и действий. Это может быть полезно, особенно там, где отправлять запросы во внешний сервис нельзя или неудобно. Но «суверенность» здесь не означает исчезновение зависимости. Зависимость переносится: вместо внешнего ИИ‑чата появляется связка NVIDIA, Palantir и локальной инфраструктуры заказчика.

Поэтому фразу «контролируйте свои веса» стоит читать с уточнением. Базовые веса Nemotron — это NVIDIA. Дообученные веса под задачу могут принадлежать заказчику. А Palantir продаёт систему, которая помогает собрать данные, связать их с предметной моделью, организовать обратную связь и применить результат в работе. Это не «освобождение от всех цепей», а скорее «смена адреса кассы приёма оплаты».

Но ещё вчера внешние модели были нормальными?

У нынешней речи Карпа есть показательный фон. Palantir сам последние годы не жил в полной независимости от внешних моделей. Reuters писал, что Maven Smart Systems — военная платформа Palantir для разведанализа и наведения — использовала подсказки и рабочие процессы, построенные с помощью Anthropic Claude Code; после конфликта Anthropic с Пентагоном Palantir пришлось думать о замене.

На этом фоне манифест про «не отдавайте данные и веса наружу» выглядит не только как принцип, но и как своевременная попытка перехватить повестку. Пока внешние модели помогали продавать результат, они были рабочим инструментом. Когда зависимость стала политической и закупочной проблемой, она превратилась в угрозу «суверенности».

И всё же странно слушать, что токены якобы не создают ценности. Breaking Defense писал, что во время операции против Ирана пользователи Пентагона расходовали до 20 млрд токенов в день, а Palantir Maven Smart System использовалась для планирования и координации ударов по 13 000 целям за 38 дней. Если токены сами по себе бесполезны, почему их так много ушло в реальной военной системе? Ответ простой: бесполезен не токен, а метрика про их расход, когда её выдают за результат.

Токен — это оплаченная единица вычислений. Поставщик принял запрос, обработал его, вернул ответ. Услуга оказана. Вопрос в другом: стало ли меньше ручной работы, быстрее ли принимаются решения, меньше ли ошибок, можно ли воспроизвести ответ, понятно ли, какие данные ушли в запрос и что осталось после него. Рост потребления токенов не доказывает, что организация стала лучше работать. Но он и не доказывает обратного.

Боевые данные — не папка с отчётами

Здесь важно не делать вид, что речь только про обычный офисный документооборот, расходы на API и панели для начальства. Если годовой отчёт, таблица закупок или подборка служебных писем испортятся, потеряются или не будут вовремя обработаны, это неприятно. Иногда дорого. Но обычно не смертельно в прямом смысле слова. Palantir работает и в другой зоне: там данные, модели, разведсредства и операторы сходятся в решении, что считать целью, куда смотреть дальше и какое действие предложить человеку.

На Украине Brave1 Dataroom, созданная при участии Palantir, Минобороны Украины, ВСУ и других структур, описан как «защищённая среда для обучения и проверки ИИ‑моделей на реальных боевых данных». Речь идёт не о папке с отчётами, которую в крайнем случае заново соберут бухгалтерия, юристы или аналитики, а в том числе о данных для планирования дальних ударов.

С Израилем история выглядит кривее. Palantir объявлял о партнёрстве с Минобороны этой страны для поставки технологий, которые «помогут военным усилиям». То есть компания стала частью закупочной цепочки военного ведомства страны, которая в той войне била по Газе так «качественно прицельно», что дети составили около 30% убитых палестинцев. Будем честны: при такой статистике разговор о «точности» и «выборе целей» перестаёт быть стерильной инженерной темой.

Такой пример важен не потому, что позволяет привязать поставщика или продукт к конкретному удару. Он показывает, как быстро разговор о «суверенных данных» уходит из бухгалтерии в управление насилием. Военная ценность таких систем не в разовом «точнее попасть», а в постоянном обновлении картины противника: где у него слабое место, какой узел держит систему, какое действие даст максимальный эффект и как быстро пересчитать всё это после следующего удара.

Для гражданского бизнеса похожая логика звучит почти безобидно: найти узкое место в поставках, снизить простой, быстрее перебросить ресурсы. В военной системе это уже может означать удар по цепочке снабжения, узлу связи, энергетике, маршруту эвакуации или человеку, чьё состояние влияет на решение штаба. С точки зрения такой модели выбор между поражением хорошо прикрытого склада важного ресурса и «аккуратной», недорогой по расходу боеприпасов ликвидацией семьи вражеского генерала может свестись к банальной математике, если и то и другое считается рычагом воздействия на противника. Моральные вопросы здесь очевидны, но пока речь даже не о них, а о том, что «эффективность» в такой системе быстро перестаёт быть нейтральным понятием.

Где полезная мысль, а где продажа

Манифест Palantir полезен как раздражитель. Он бьёт по слабому месту нынешней моды на ИИ: многие компании покупают доступ к моделям, считают токены и называют это внедрением. Для серьёзных задач этого мало. Нужны данные у заказчика, права доступа, журналы действий, проверка качества, управляемое дообучение, локальный запуск там, где он нужен, и ясное право на результат.

Но читать это как чистую инженерию нельзя. Palantir давно работает на стыке государства, армии, разведки и крупного бизнеса. Карп в этой истории не независимый грубоватый комментатор, а официальный голос компании, которая продаёт дорогую инфраструктуру применения контроля. Он объявляет токены у признанных провайдеров «плохими» — спасибо, что не «протухшими», — и предлагает заказчику развернуть «личное» решение: модель попроще, зато владение полное (кластер за деньги клиента, данные рядом, журналы под рукой, интерфейсы в единой системе).

На бумаге это выглядит как возвращение контроля заказчику. В эксплуатации контроль уходит к тому, кто собирает предметную модель, права доступа, цепочки действий, метрики качества, дообучение и рабочие интерфейсы. NVIDIA здесь даёт открытые модели и средства запуска. Palantir даёт способ связать их с данными, правами, следами работы и операционными процессами. Такая интеграция действительно нужна там, где обычный чат‑бот бесполезен, но это не отмена зависимости, а её перенос в другое место. Теперь эта зависимость стоит на кластере, купленном за деньги клиента.

Поэтому главный вопрос не в том, украдёт ли OpenAI или Anthropic чью‑то «альфу». Главный вопрос жёстче: если система знает ваши данные, помогает принимать решения и постепенно обучается на ваших действиях, кто в итоге управляет этой системой — вы или тот, кто сумел стать её обязательной частью?