Palantir公司的软件原本是为了帮助英国国家医疗服务体系(NHS)改善医疗服务并减少延误而引入的,但最新报告显示,一些工作人员出于道德、隐私和信任方面的担忧,正在抵制使用该软件。
员工抵制情况严重
据报道,NHS的临床和非临床工作人员本周表示,他们的同事正在抵制使用Palantir的联邦数据平台(FDP)。该平台是2023年授予Palantir公司3.3亿英镑合同的一部分,旨在为医疗服务体系构建系统。FDP的设计目标是将NHS的各种系统连接到一个可搜索的数据库中,以帮助清理医疗积压问题。
即使在合同签署之前,英国与Palantir的关系就已经很紧张,隐私担忧以及对Palantir与美国政府密切关系的担忧一直是官员和公众关注的焦点。自系统采用以来,一些医疗委员会由于不愿使用该系统而推迟了实施,英国医学会甚至呼吁医生停止使用该系统,原因是Palantir最近在特朗普政府期间与美国移民和海关执法局在驱逐行动方面的合作。
道德和实用性质疑
据《金融时报》周四关于NHS抵制FDP的报告,这些都是NHS专业人员给出的原因,许多人表示他们对使用Palantir构建的系统感到不舒服。
据报道,一位官员在为拒绝使用该软件进行辩护时将Palantir描述为"在道德上破产",并指出他知道有同事在被迫使用该系统时故意放慢工作节奏。另一位工作人员指出,该系统实际上"对我们来说没有任何新功能",并表示他们更愿意绕过它工作,但每当必须使用时,他们也会感到一丝道德愧疚。
"每次登录这个系统都让我感到恶心,我知道我不是唯一有这种感受的人。"这名工作人员告诉《金融时报》。
政府态度与合同争议
尽管NHS内部对Palantir在医疗服务中的作用及其对英国公民数据的访问权限普遍担忧,但围绕最初合同授予缺乏透明度的问题似乎是英国政府官员推动该组织通过行使合同中的解除条款来终止交易的关键原因。
Palantir批评英国政府内部要求解除合同的推动是出于意识形态动机,但议员们对此予以否认。相反,他们认为这完全关乎合同授予以及Palantir接触的患者数据所发生的情况。
业务扩张持续
尽管面临推力,Palantir在英国政府中的角色并没有缩小:就在上周,有消息透露,金融行为监管局已与Palantir签署了一份为期三个月的试用合同,以帮助其理解庞大的金融投诉和数据湖。
这标志着Palantir在2026年英国政府版图的又一次扩张,尽管政府声称希望在技术采购方面变得更加自主,国防部在1月份公布了与该公司后续数据和软件协议的详细信息。
Q&A
Q1:Palantir联邦数据平台是什么?
A:Palantir联邦数据平台(FDP)是2023年英国政府授予Palantir公司3.3亿英镑合同的一部分,旨在将NHS的各种系统连接到一个可搜索的数据库中,帮助清理医疗积压问题并改善医疗服务。
Q2:NHS员工为什么抵制使用Palantir软件?
A:NHS员工抵制的原因包括道德、隐私和信任方面的担忧,特别是对Palantir与美国政府的密切关系以及该公司与美国移民执法部门合作的不满。一些员工认为该公司"在道德上破产"。
Q3:英国政府对Palantir合同是什么态度?
A:英国政府内部存在要求解除与Palantir合同的推动,主要原因是对合同授予缺乏透明度以及对患者数据处理的担忧。不过,Palantir在英国政府的业务仍在扩张,最近还与金融行为监管局和国防部签署了新协议。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。