内容来源：智元深维
责编：科技商业观察

栏目：AI商业观察

第 37 篇深度好文：3308字 | 8分钟阅读

核心观点

1. 2026年，Palantir突然成了AI产业的"标准答案"——不是因为它模型最强，而是它验证了"把AI嵌进业务流程、而非停在聊天框"的应用层路径，能兑现成收入和利润。

2. Palantir化的本质，是AI价值捕获从基础设施层（算力、模型）上移到应用/决策层：卖的不是更聪明的模型，而是把模型接进企业真实决策链的"操作系统"。

3. 护城河不在算法，而在"本体论（Ontology）"——把异构数据映射成真实世界对象（飞机尾号、病床、供应链部件）及其关系，让AI能"理解"企业而非只"查询"数据。

4. 国内争当"中国版Palantir"的玩家分四类，共同的天花板是一道"本体"鸿沟：只做数据治理不足以复制Palantir，Snowflake就是前车之鉴。

5. 冷思考不能少：130倍以上的市盈率（TTM）是市场对完美增长曲线的提前定价；若LLM直接学会推断语义结构，Ontology的稀缺性会被削弱。Palantir化是真范式，但估值已把未来四年都押了上去。

一、为什么2026年，Palantir成了AI产业的"标准答案"

过去两年，AI产业的叙事主线是"军备竞赛"：谁囤的GPU多、谁的模型参数大、谁的token更便宜。OpenAI、Anthropic、Google在模型层贴身肉搏，Meta、微软在算力层疯狂下注。

但2026年，一个"不造模型、不囤显卡"的公司，突然成了所有人都在对标的坐标。Palantir一季度（截至2026年3月31日）营收16.33亿美元，同比增长85%，创上市以来最快增速；美国商业收入5.95亿美元，同比飙升133%；美国政府收入6.87亿美元，增长84%；美国总收入12.82亿美元，直接翻倍以上（+104%）。全年营收指引上调到76.5亿美元，隐含约71%的增速。

更夸张的是盈利质量。一季度GAAP净利润8.71亿美元，利润率53%；经营利润率46%；Rule of 40（增长率+利润率）飙到145%——这在企业软件里几乎是天花板级别。账上现金和短期国债80亿美元，零有息负债。

资本市场用脚投了票：2026年7月下旬，Palantir市值约3150亿美元（盘中一度突破3200亿），自2023年以来已膨胀十余倍。其市盈率（TTM）一度摸到130倍以上，远高于英伟达（约41倍前瞻市盈率）。关键不在于这些数字本身，而在于它证明了一件事：AI的钱，不一定非要在"卖铲子"（算力）和"卖模型"（API）这两层赚。在它们之上，有一层叫"应用/决策操作系统"的价值洼地，正在被快速填满。这正是2026年国内一批AI to B公司集体讲起"中国版Palantir"故事的底气所在。

二、Palantir化的本质：从"卖铲子"到"卖操作系统"

要理解Palantir化，得先看清AI产业的价值分层。最底层是算力，卖GPU和云；中间层是模型，卖token和能力；最上层是应用，把模型接进真实业务。前两层是"基础设施"，同质化快、价格崩得也快——过去三年token成本下降了上千倍，赢家和输家每半年换一轮。

Palantir卡在的，是最上层。它的产品体系可概括为四块：Gotham（面向国防情报的决策OS）、Foundry（面向企业的数据运营OS）、AIP（把大模型接进业务流的AI平台）、Apollo（跨云持续交付）。但真正串起这四块、也是它最核心的技术洞察，是一个叫"本体论（Ontology）"的东西。

Palantir的观点很锋利：数据本身没有业务意义，只有当数据被映射成"客户、订单、工厂、飞机、病床、供应商、合同"这些真实世界对象，以及它们之间的关系时，AI才真正"理解"了企业。这套本体不是数据库，不是知识图谱的简单堆叠，而是把散落在几十个孤岛系统里的数据，统一建模成"可被执行"的语义层。

AIP在此基础上更进一步——它赋予大模型"执行权"：不是分析完给你一个建议，而是能直接在受控环境里生成工单、触发采购、调配资源。这一步，是"建议"和"执行"的分水岭。Walgreens（美国第二大药店连锁）是个被反复引用的样板：几千家门店的库存、补货、排班、配送，每天要做3840亿次微观决策。Palantir先用Foundry把所有系统接到一个平台，再用Ontology统一建模，最后在AIP上叠AI工作流。官方披露，8个月铺进4000多家门店，那3840亿次/日的决策基本交给系统自动化处理。一线从"从零判断"变成"确认和监督"。这才是Palantir化的内核：它卖的不是"看见数据"，而是"基于数据持续做出更好的行动"。

三、市场用脚投票：85%增速背后的范式确认

光有故事不够，得有财务印证。Palantir的增速结构，恰好说明"应用层"这条路径正在被企业客户用预算确认。最值得看的指标是美国商业收入——它从2020年前后还是小头，到2025年全年已达约15亿美元（同比+109%），占营收约三分之一，首次逼近政府业务规模。2026年一季度单季就干到5.95亿美元、+133%。客户数571家，同比+49%，净美元留存率139%——老客户在持续加单。

政府业务则是"压舱石"。2025年7月，Palantir与美国陆军签下一份为期10年、价值上限高达100亿美元的协议，把75份分散合同整合为一，等于把整个陆军的软件系统往Palantir的本体上收敛。这带来了天文数字般的切换成本：一旦组织的本体建在Palantir上，换掉它的代价约等于把整个部门重新训练一遍。

CEO Alex Karp在股东信里的判断很直白："美国业务应在2027年再次翻倍。"人均创收也佐证了这种"轻骑兵"式扩张——年化约150万美元/人，美国区160万。换句话说，Palantir证明了一件事：当AI从"聊天"走向"接管决策"，企业愿意为"可执行的操作系统"付远高于"不可执行的模型接口"的溢价。这就是Palantir化被整个产业当成范本的根本原因。

四、中国的"Palantir化"竞赛：四类玩家与那道"本体"鸿沟

故事讲得最起劲的，其实是国内。2026年7月，港股接连迎来明略科技、海致科技、迅策科技等AI to B新股，几乎都在讲"中国版Palantir"。但按与Palantir模式的匹配度，国内玩家大致分四类，差异比想象中大：

第一类，大模型公司和云厂商

智谱、月之暗面、MiniMax定位是模型供应商，没有行业know-how，也不下场做驻场交付；百度、华为、阿里、腾讯云厂商业务形态接近Gotham/Foundry，但核心逻辑是卖算力和平台，和Palantir那种"把工程师派驻客户现场、把业务逻辑全沉淀成本体"的重度定制，有本质区别。

第二类，咨询公司和传统SaaS

埃森哲、德勤在美国与Palantir有重叠，但在中国几乎走不通——大企业很少愿为"咨询"直接付费，项目化交付不产生可复用产品资产，市场也不给估值溢价。

第三类，数据治理型公司

第四范式、滴普科技、迅策科技从数据中台、实时处理起家，底层数据集成能力突出，也积累了行业经验。但它们的共同短板是"本体"较弱——从数据到本体有显著技术跨度。业内一句话点破："如果只做数据治理就足以颠覆一切，Snowflake早该把Palantir干死了，但它没有。"

第四类，产业级AI / 知识图谱公司

明略科技（"Agentic AI第一股"）、拓尔思、海致科技这类，用知识图谱在向量数据之上再做抽象建模，更接近Palantir的本体思路，是被认为"业务逻辑最接近"的一类。案例层面，滴普科技把本体建模做了升级，宣称让模型自动生成企业专属本体，其FastAGI企业AI方案收入预计暴涨175%以上，公司已纳入港股通；星环科技在2026 WAIC发布"全球唯一GPU原生数据库"，把数据分析、知识检索、长期记忆全搬上GPU，性能提升20–100倍，走的是AI数据底座路线。

但迅策科技的过山车值得警惕：2025年营收破12亿元，2026年4月市值一度触1156亿港元，此后较高点回撤约七成——市场开始区分"真有本体"和"只是数据治理披了AI皮"。

五、冷思考：是真范式，还是泡沫的镜像？

把Palantir当成产业圣经之前，得先回答一个问题：130倍以上的市盈率（TTM），买的是什么？答案很直接：市场已经把"未来四到五年继续完美执行"提前定价了。隐含假设包括——AIP商业增速长期维持50%以上、政府业务不减速、净留存稳居130%以上。一旦某个季度商业增速从55%滑到35%，市盈率（TTM）可能从130倍压到约96倍，对应约26%的回撤。

更结构性的风险在于"商品化"。Palantir的商业价值，约70%建立在数据集成与分析之上。但LLM正在用自然语言接口直接对接企业数据——微软Azure OpenAI、Databricks Unity Catalog、Snowflake Cortex都在以更低价格提供"LLM连企业数据"的能力。看空方的核心论点是：如果大模型足够强，能直接从原始数据推断语义结构，那 proprietary 的Ontology层就不是必需品的，只是暂时领先。乐观方则相信Ontology架构能领先5–7年，且"可解释、可追溯、可审计"在国防、金融、医疗这类强监管场景里是硬约束，不是锦上添花。我的判断：Palantir化作为"应用层价值捕获"的范式是真实的，但作为"单一公司估值"的叙事已经把未来折现得太满。它代表的方向没错，它现在的股价未必。

六、对中国的启示：主权AI与"数据不出域"

抛开估值争论，Palantir化对中国AI最实在的启示只有一句：应用层，才是本土AI的生死线。Karp在CNBC反复强调一个词——"主权AI（sovereign AI）"：模型可以用别人的，但数据必须留在自己的围墙里，部署必须在可控的基础设施上。这和国内企业的体感高度一致。金山办公WPS 365的产研负责人有句话很到位："今天企业缺的不是硬件和模型，而是一个安全的AI应用层。"

IDC数据印证了这股趋势：企业AI算力部署中，公有云占比在下降，私有云和本地部署总占比从54%提升到69%。"数据不出域"正从合规口号变成CTO选型的第一道筛选条件。对国内厂商而言，这意味着在模型层追平国际一线之前，应用层（把模型接进业务、把数据留在本地、把决策变得可审计）是一条更现实、也更能建立护城河的路。Palantir验证的不是"美国模式"，而是"应用层先于模型层兑现价值"这一普适规律。

模型会趋同，算力会过剩，唯有"把AI真正用进系统里"的能力，才是别人抢不走的。这，才是这一轮AI竞赛里最该被看见的护城河。

AI这轮浪潮里，最容易被记住的是算力堆栈顶端的那几家公司——造芯片的、训模型的、卖云的。它们声势浩大，却也在同质化里彼此吞噬利润。Palantir化的意义，是给产业指了另一条路：当基础设施竞赛终会收敛，真正的价值捕获发生在最贴近业务的那一层——把模型接进真实世界的决策链，让AI从"会聊天"变成"能干活"。

这门生意不性感，要派工程师驻场，要把客户的业务逻辑一行行沉淀成本体，要熬过漫长的部署周期。但它贵在扎实：一旦组织的本体建在你身上，切换成本就是天文数字。

全文共 3308 字，预计阅读 8 分钟

第 37 篇深度好文

数据来源：Palantir 2026年一季度财报（SEC 8-K）及股东信、富途/雪球行情数据、今日头条、极客公园、雷峰网、新浪科技、腾讯新闻、IDC、金山办公WPS 365公开表述、各公司公告与招股材料

如果本文对你有启发，欢迎分享给更多人

文章为作者独立观点，不代表本号立场。