夜雨聆风我做数据分析师时，最怕的往往不是SQL写不出来，而是不知道该信哪张表。
同一个“客户收入”，财务库里一张表、CRM里一张表、业务部门自己还维护一张Excel。字段名看起来差不多，口径却完全不同。
customer_id到底能不能直接关联？退款算在哪个月？测试客户要不要剔除？某个状态码为什么从去年开始失效？
真正的业务逻辑通常不在数据库里，而在某个老员工的脑子里。
他在的时候，分析还能跑；他一离职，整条数据链就断了。
企业后来又买了数据仓库、BI、ERP、CRM和大模型，但系统越买越多，问题反而越复杂：数据散在不同地方，权限相互冲突，业务口径没人说得清，AI即使能写出一段漂亮的答案，也不知道这段答案到底能不能用。
如果涉及国防、医疗、法律和核心工业数据，问题就更麻烦。
企业既想用最先进的AI，又不愿把自己的客户数据、生产数据和决策逻辑交出去；既需要软件适应自己的特殊流程，又不想每次改需求都重新养一支外包团队。
这几乎是企业软件最难解的三角：
数据越复杂，越需要定制；越需要定制，越依赖人；越依赖人，毛利率和规模效应就越差。
很多所谓软件公司，最后都变成了“卖人天”的工厂。
Palantir想做的，就是把这三个问题一起解决。
过去二十多年，它先服务情报和国防机构，再进入制造、能源、医疗、法律和供应链。到了AI时代，这套原本显得昂贵、笨重、过度定制的系统，突然变成企业最需要的AI基础设施。
最新一个季度，Palantir营收几乎翻倍，GAAP经营利润率达到47%，调整后自由现金流利润率达到63%。
财报发布后，股价盘后一度上涨约15%。
问题来了：
Palantir究竟做对了什么？它的爆发，能不能成为软件股从“AI讲故事”走向“AI赚真金白银”的反攻信号？
一、企业真正缺的不是模型，而是一张业务地图
Palantir成立于2003年，名字来自《指环王》里可以看见远方的“真知晶球”。
公司最早服务美国情报和国防机构。那里的数据问题比普通企业更极端：卫星图像、无人机数据、人员情报、武器状态和地理信息来自不同系统；不同人员能看的内容不同；部分环境甚至与互联网物理隔离。
普通的数据仓库可以把数据集中起来，BI可以把数据画成图表，大模型可以根据提示词生成答案。
但这些工具通常回答不了三个更关键的问题：
这条数据在业务里代表什么？ 谁可以看、谁可以改、谁要为结果负责？ 得到判断以后，系统能不能真的推动下一步行动？
Palantir的核心，不是又造了一个数据库，也不是又接了一个大模型，而是在企业数据和真实业务之间，建立一层叫做Ontology，也就是“本体”的业务地图。
比如，一家制造企业底层可能有SAP、Oracle、MES、供应链系统和几十张自建表。
在数据库里，它们只是字段和记录；进入Ontology后，它们会被翻译成“订单、客户、工厂、设备、供应商、库存”这些业务对象，再补上对象之间的关系、权限、规则和可执行动作。
这相当于把原来散落在代码、文档和员工脑子里的知识，变成一套可以被人和AI共同调用的企业语言。
大模型不再面对一堆不知含义的表，而是面对一张带着权限和业务语义的地图。
这张地图，才是Palantir真正想占住的位置。
二、Palantir不是消灭定制，而是把定制沉淀成产品
Palantir的产品名字很多，但用大白话可以拆成四块：
Gotham：主要面向政府、国防和情报客户，把复杂情报变成可执行的决策； Foundry：主要面向商业客户，把企业的数据、模型和流程放进同一套运营系统； Apollo：负责把软件持续部署到公有云、私有云、客户本地、边缘设备，甚至物理隔离网络； AIP：把大模型和Agent接入前面这套数据、权限与流程，让AI不仅回答问题，还能参与决策和执行。
把它们连起来，就是一条完整链路：
Apollo负责“软件安全地运行在哪里”，Ontology负责“企业到底是怎么运转的”，AIP负责“AI如何在规则内做事”。
这套架构解决了传统私有化软件最头疼的问题。
过去，一个客户一套代码、一个版本、一个实施团队。客户改了ERP，接口要重写；软件升级一次，现场可能停机；客户提出新需求，软件公司只能继续派人。
收入看起来在增长，成本也跟着人数一起增长。项目越多，组织越重，毛利率始终上不去。
Palantir也需要前向部署工程师，也要和客户业务专家一起梳理数据和流程。它并没有神奇地消灭实施。
但区别在于，工程师不是永远替客户手工搬数据、写一次性报表，而是把客户的数据关系、权限和动作配置进Ontology，再用Apollo自动维护不同环境里的软件版本。
第一次要靠人把企业“教”给系统，教过以后，这些知识会留在平台里，被后续应用和Agent重复使用。
所以，Palantir真正做的不是“零定制”，而是：
把一次性定制，尽可能变成可复用的配置；把人的经验，沉淀成软件资产。
这也是它能同时做私有化部署和高毛利率的关键。
2025年，Palantir的GAAP毛利率已经达到82%；2026年第二季度进一步达到约85%。这和大量依赖驻场开发、毛利率被人力锁死的传统系统集成商，已经不是同一种生意。
三、客户买的不是一个聊天框，而是业务结果
Palantir的客户案例很能说明问题。
美国律师事务所Kirkland & Ellis把AIP用于私募股权基金募资流程。过去律师分析、讨论和起草材料需要几天，现在部分工作可以压缩到几分钟。
核燃料公司Centrus用AIP支持铀浓缩设施扩建。公司管理层称，截至目前已经识别出接近3亿美元的潜在节约。
美国农业部则把数百个割裂的遗留系统接入同一个受治理的Ontology。新项目上线62分钟，线上农户报名量就打破此前纪录，并在前5天向农户发放超过44亿美元。
这些案例横跨法律、核能和政府服务，看起来完全不相关，底层逻辑却一样：
先把散乱数据翻译成业务对象，再把模型放进权限和流程里，最后让AI推动真实行动。
普通企业AI经常停在“问答”这一步。
Palantir想继续往前走：AI发现库存风险后，不只是生成一段解释，还要找到受影响订单、比较替代供应商、计算产能和利润影响，再把确认后的动作写回业务系统。
这也是为什么它把自己叫做“企业操作系统”，而不是数据分析工具。
当然，客户案例主要来自公司Business Update和客户公开发言，不能直接等同于第三方审计后的投资回报率。
但至少它证明了一点：Palantir卖的不是“接入了哪个大模型”，而是“这个模型进入业务后，究竟把哪件事往前推进了”。
四、AI没有推翻Palantir，反而把二十年的苦活变成了护城河
2023年，ChatGPT带火大模型后，市场一度认为传统企业软件会被模型替代。
但大模型进入企业后，很快撞上现实：它不知道客户内部的字段是什么意思，不理解审批流程，拿不到敏感数据，也不能绕过权限直接修改生产系统。
模型越聪明，企业越需要一套可信的数据、权限和行动底座。
Palantir在2023年推出AIP，恰好补上了这一层。
它还用“Bootcamp”改变销售方式：不先做半年PPT和概念验证，而是在几天内把客户自己的数据和真实问题接进系统，让客户直接看到结果。
这相当于把漫长的软件销售流程，压缩成一次现场实战。
从财务数据看，AIP推出后，Palantir确实出现了第二次加速。
2023年，公司营收22.25亿美元，同比增长17%；2024年增速回升到29%；2025年营收达到44.75亿美元，增速进一步升到56%。
更重要的是，净利润同时由负转正。
2022年，Palantir归属于普通股股东的GAAP净亏损仍有3.72亿美元；2023年转为盈利2.10亿美元；2025年净利润已经达到16.25亿美元。
2026年第二季度，增长再次加速：
总营收19.35亿美元，同比增长93%，环比增长19%； 美国商业收入7.64亿美元，同比增长149%； 美国政府收入8.09亿美元，同比增长90%； GAAP经营利润9.12亿美元，经营利润率47%； GAAP净利润10.62亿美元，净利率55%； 经营现金流12.16亿美元，调整后自由现金流12.20亿美元，自由现金流利润率63%； 净收入留存率达到157%，说明老客户一年后贡献的收入平均增加了57%。
公司口径下的Rule of 40达到155%，计算方式是93%的营收增速，加上62%的调整后经营利润率。
这不是普通的“收入增长、利润暂时承压”，而是收入和利润率同时加速。
订单也在同步放大。第二季度，公司签下220笔金额不低于100万美元的交易，其中73笔不低于1000万美元；美国商业剩余交易价值达到62.38亿美元，同比增长124%。这说明增长不只来自一两个大项目，也有存量客户扩容和后续合同储备支撑。
公司还把2026年全年营收指引上调到81.50亿至81.58亿美元，对应约82%的同比增长；美国商业收入指引提高到超过34.24亿美元，同比增长至少134%。
最夸张的是，Palantir在2025年第二季度的营收只有10.04亿美元；一年后，单季度GAAP净利润已经达到10.62亿美元。
但这里也要多说一句：净利润里包含利息及其他收益，不应该把它简单理解成“去年每1美元收入，今年全部变成了经营利润”。真正更能说明主业质量的指标，是47%的GAAP经营利润率和63%的调整后自由现金流利润率。
五、不按Token收费，Palantir想卖的是“价值”
这次股东信里，Alex Karp把矛头直接对准了大模型公司的商业模式。
他的原话很直接：
“我们不按点击、不按Token、不按聊天收费。”
按Token收费的优点，是简单、透明，用多少付多少。
但站在企业客户角度，它也有两个问题。
第一，使用量不等于价值。
一个Agent调用100万Token，可能替客户节省1000万美元，也可能只是生成了一堆没人使用的报告。如果软件公司只按调用量收费，收入和客户结果并不完全一致。
第二，收入和成本一起随用量增长。
Token越多，模型推理和算力成本越高。如果价格竞争加剧，软件公司可能出现“用户越活跃、亏得越多”的情况。
Palantir选择的方向，是围绕平台、部署范围和客户创造的经济价值谈合同。客户愿意付多少钱，不只取决于调用了多少模型，而取决于软件控制了多关键的流程、解决了多大的问题。
在高安全场景里，这套模式还有另一层价值。
Palantir可以把软件部署在客户本地、私有云、边缘设备或物理隔离网络。客户可以选择不同模型，并把数据、权限和业务逻辑保留在自己的受控环境里。
Karp把这叫做“AI主权”：企业不能只拥有数据，还要掌握模型如何使用数据，以及最终决策如何形成。
这个叙事确实击中了大型机构的焦虑。
不过，也不能把营销口号当成全部事实。
主流大模型企业版通常也承诺不使用客户业务数据训练模型；Palantir并非所有项目都部署在客户物理防火墙内；它的实际收入合同仍然包括软件订阅、运维和专业服务，并不是严格意义上“创造100元价值就分走10元”的纯结果收费。
更准确的说法是：
Token定价卖的是计算消耗，Palantir想卖的是进入关键流程后的议价权。
前者容易标准化，后者合同更大、粘性更强，但也更依赖客户是否真的认可结果。
六、业绩炸裂，股价就便宜了吗？
财报发布前，Palantir股价在2026年已经下跌约29%。
8月3日常规交易收于约125.65美元；业绩发布后，盘后价格一度升到约144.8美元，涨幅约15%。按约24亿股估算，对应市值接近3500亿美元。
这就是Palantir现在最大的矛盾：
基本面极强，估值同样极高。
截至2026年第二季度，Palantir最近四个季度营收约61.56亿美元。按盘后价格估算，市销率仍在56倍左右；即使直接用公司2026年收入指引计算，前瞻市销率也在42倍左右。
这个价格隐含的，不只是今年增长80%，而是市场相信高增速和高利润率还能持续很多年。
只要未来收入增速从90%降到40%，公司即使仍然优秀，估值倍数也可能先压缩。高估值股票最怕的不是业绩差，而是业绩从“完美”变成“仅仅很好”。
此外，还有四个风险需要盯住：
美国集中度高：2025年约74%的收入来自美国，政府收入占总营收约54%； 客户与政策风险：国防和政府合同稳定，但也受到预算、采购周期、政治与声誉争议影响； 股权激励和稀释：2026年第二季度股权激励费用约2.65亿美元，仍占营收约14%； 可复制性风险：Palantir需要持续证明Bootcamp带来的项目可以转成大额、长期、可扩容合同，而不是一次性的AI热潮。
所以，炸裂业绩证明公司做对了很多事，却不自动等于当前股价有足够安全边际。
七、Palantir能带领软件股反攻吗？
我的答案是：它点燃了反攻的第一把火，但不能代表整个软件行业。
过去两年，AI产业的利润主要先流向GPU、服务器、网络和云基础设施，因为这些订单最容易确认。
软件一直在等待一个证据：AI到底能不能变成可单独识别的收入、续费扩容和现金流，而不是免费功能和演示项目。
Palantir给出了目前最强的一份答卷。
它证明，当一家软件公司同时掌握客户的专有数据、业务语义、权限体系和关键流程时，AI不仅不会消灭它，反而会放大它的价值。
但Palantir也非常特殊。
它有二十多年政府和国防场景积累，有高安全等级的部署能力，有前向部署工程师和Ontology，还有大量多年期合同。普通SaaS公司只在右下角增加一个聊天框，很难复制它的增长曲线。
因此，判断软件股是否真正反攻，不能只看谁发布了更多Agent，而要继续盯住三件事：
AI有没有形成可识别的新增收入，而不是免费捆绑； 客户用了以后，续费、扩容和经营结果有没有改善； 推理、实施和销售成本，能不能被更高的毛利和现金流覆盖。
Palantir最值得研究的，不是它会不会成为下一家万亿美元公司。
而是它给所有软件公司指出了一条路：
不要只把模型接进软件，要把数据、权限、业务逻辑和行动一起接进去；不要卖更多Token，要替客户把一件真正重要的事做成。
如果越来越多软件公司能够证明这一点，软件股的反攻才真正开始。
现在，Palantir只是第一个把枪声打得足够响的人。
数据说明：本文财务数据截至2026年8月4日，主要来自Palantir 2025年Form 10-K、2026年第二季度业绩公告、Q2 2026 Business Update、CEO致股东信及公司产品文档；股价参考Wind/StockAnalysis盘后行情。盘后价格会持续波动，文中约144.8美元仅对应2026年8月3日业绩发布后的盘后时点。客户效果数字来自公司材料及客户公开发言，未经本文独立审计。本文仅用于公司研究和行业讨论，不构成投资建议。
主要资料：
Palantir 2025年Form 10-K Palantir AIP、Foundry与Apollo架构 Palantir Ontology产品说明 Palantir Apollo产品说明