Palantir(紀要):展望未來 5 年美國收入 10 倍增長

海豚投研
08/05

以下是海豚投研整理的關於$Palantir Tech(PLTR.US)FY25Q2 的財報電話會紀要,財報解讀請移步Palantir:無愧 AI 應用一哥,指引瑕疵不是問題

一、財報核心信息回顧

1. 3Q25 指引:

a. 營收:10.83-10.87 億美元(環比 + 8%+,同比 + 50%),爲歷史最高環比增速指引。

b. 調整後營業利潤:4.93-4.97 億美元。

2. 全年指引:全年各季度均實現 GAAP 盈利。

a. 總營收:41.42-41.50 億美元(同比 + 45%),較上季度指引提升 9 個百分點。美國商業營收:超 13.02 億美元(同比 + 85%)。

b. 調整後營業利潤:19.12-19.20 億美元。

c. 調整後自由現金流:18-20 億美元。

d. Rule of 40 得分:預計 94%。

2. AIP 的需求持續加速推動我們在美國的整體業務表現優異,國際政府收入主要來源與英國政府需求的深耕。

3. Q3 因爲新員工入職造成費用季節性高增,但下半年 adj. 經營利潤率將持續擴大。

4. 賬面商 60 億美元現金等價物回購額度還有 8.99 億。

二、財報電話會詳細內容

2.1 高管陳述核心信息

1. 整體營收:季度營收首次突破 10 億美元,同比增速達 48%,持續快速提升。“Rule of 40” 得分達 94%,環比上升 11 個百分點,創歷史新高,體現業務規模與質量的同步提升。

2. 合同與客戶拓展:

季末總合同價值(TCV)達 23 億美元,年均合同價值(ACV)達 6.84 億美元,均創歷史新高。

a. 完成 157 筆百萬美元以上交易,66 筆交易超 500 萬美元,42 筆交易超 1000 萬美元。

b. 頭部客戶粘性增強:前 20 名客戶過去 12 個月平均年收入達 7500 萬美元,同比增長 30%。

3. 企業級 AI 核心價值:

a. 強調目前的大型語言模型(LLMs)只能算碎片化的智能體,甚至缺乏最基本的理解能力,還會犯災難性錯誤;而 Palantir 的 本體論(Ontology)通過軟件實現 “純粹的認知能力”,是 LLMs 在現實場景中實現應用的核心支撐 。

b. 過去幾個季度的重要進展:“本體論網絡服務” 作爲客戶架構理念的願景加速落地。AIP 的定位超越 “客戶使用的軟件”,成爲 “客戶構建自身軟件的平臺”。相比超大規模服務商的 “無特定傾向工具”,AIP 的 “高度特定化模塊” 能讓客戶以 10 倍速度實現價值,吸引衆多軟件公司遷移平臺。

4. 業務進展:

a. 美國政府業務:

- 獲美國太空部隊 2.18 億美元訂單,旨在爲太空和空中作戰單位提供無縫協同的多域作戰支持。

- Maven 智能系統合同上限提高了 7.95 億美元,應對未來 4 年作戰司令部對 AI 軟件的需求。使用量持續激增,2024 年前 9 個月翻倍→隨後 5 個月再翻倍→自 2025 年 2 月以來再次翻倍, adoption 率持續攀升。

- 與美國陸軍簽署 10 年企業協議,總金額達 100 億美元,整合 75 份合同,深化長期合作。

b. 美國商業業務:新業務目標更高,現有客戶擴張速度加快,推動營收佔比持續提升。

5. 產品進展:

a. AI FDE:AI FDE 的設計目標是實現跨領域任務的自主執行,包括創建編輯本體論、構建數據轉換、編寫函數、調試問題等任務,具備閉環錯誤處理能力(可自主糾錯,必要時通知人類),並能與 AIP 分支功能整合,實現人機無縫協作。

b. Warp Speed:基於 AIP 構建,服務於核能、國防工業基地等工業客戶。通過"Warp Speed"系統中的 MRP 速度模塊,某客戶反饋其生產線平衡時間已從 1 天縮短至 1 小時。

隨着美國認真着手修復其海事工業基礎,我們在美國造船業看到了一系列重大機遇的湧現。中國去年建造的船舶數量已超過我國自二戰結束以來的累計造船總量。如今,強大的美國創新引擎正在加速運轉,直面這一挑戰。

6. 未來展望

對下半年業務充滿信心,將持續聚焦爲客戶創造 “AI 實際應用價值”,全力解決客戶託付的關鍵挑戰。

a. AIP 平臺化遷移將是產品路線圖的核心投資領域,採用 AIP 平臺使客戶能夠實現競爭跨越,率先搶佔市場。同時也是商業與政府業務的重要增長機會。

b. 持續通過技術創新(如 Ontology、AI FDE、Warp Speed)強化客戶價值,鞏固行業領先地位。

c. 將與勞工領袖合作,探索讓工人通過 AI 技能提高收入的路徑,強調 “AI 是增強能動性的革命”。

2.2 Q&A 問答

Q:除了使用大型語言模型(LLM)之外,Palantir 是如何讓人工智能對一線工作者和決策者(而非僅僅是數據科學家)更有用的?

A:象牙塔的 AI 研究者與一線實際情況差異很大。但我們始終紮根於生產一線——無論是工廠車間的工人還是消防單元。我們在一線看到,AI 正賦予美國工人超能力:ICU 護士有更多時間陪伴患者,減少整理臨牀記錄的時間;潛艇基地工人從 3 天的零件報價工作中解放,專注解決生產問題。

最讓我興奮的是松下能源的案例,我們開發的 AI 能培訓曾在賭場工作的工人操作精密的日本高端電池技術。這擴大了就業,增強了能動性和創造力,也是我們推行 “美國科技獎學金” 的原因。實際中,一些創意 AI 應用來自藍領工人(如自學的汽車從業者),他們不僅用 AI,還構建能改變業務的 AI 應用。我們要找到並賦能這些人,通過培訓讓他們在美國經濟中釋放潛力。

我們的實際經驗表明,部分最具創意的 AI 應用正來自藍領工人——那些自學成才的汽車模具師,而非科班出身的計算機科學家。他們不僅在使用 AI,更重要的是在構建改變自身業務的 AI 應用。我們要發掘這些人,賦能他們,給予資質認證,通過培訓釋放他們在美國經濟中的潛力。

Q:能否說明一下,在取得如此巨大成功且本質上沒有直銷團隊的情況下,你們對此是如何考慮的?是否會考慮組建?還是說繼續保持審慎?

A:對於剛瞭解 Palantir 的人來說,我們曾做過許多爭議性決定,其中之一是拒絕軟件行業常見的模式 —— 靠應酬推銷無用的靠關係寄生的產品。我們堅信能從創造的價值中獲益,公司組織架構(包括內部協同、扁平化層級等)都圍繞這一理念。

我們現在及未來的主要銷售力量是現有客戶推薦,即客戶告訴他人 “請他們來,看看如何用其產品協同自身文化”。我們並非沒有直接銷售人員,但可信度提升纔是關鍵,讓客戶從一開始就深度使用我們的產品(而非舊版本),追求借助本體論、大模型等實現更多可能。這種模式的劣勢是沒有大量銷售人員,但優勢是一旦接觸客戶,就具備極高可信度。

客戶相信我們能爲其盈利、省錢,或讓士兵更安全高效,這源於他們信任的人的推薦,且人員流動也帶來機會(曾接觸我們的人換工作後會主動聯繫)。如今會議已從 “不知如何使用” 變爲 “請教如何獲得同等影響力”,這推動業務數據增長。

未來 5 年美國業務有望實現 10 倍收入增長,很多公司在財報會上提及我們,讓合作更順利,無需從陌生狀態起步,起點更高且能持續提升。我們維持小規模靈活銷售團隊,由資深員工負責大交易,瑞安全職處理合同,專注於創造價值再獲取回報。

目前客戶領導層主動合作,合作啓動、拓展更快更深,且一開始就探討全企業推廣。這得益於美國的可塑性優勢:相比德國等有固定模式的國家,美國對創造價值更開放,企業內部人員收益與公司關聯度高,更想要實效而非空談。

Q: 關於白宮幾周前發佈的人工智能行動計劃,你通過提供建議參與了這一過程。其中最讓你感到興奮的是什麼?你認爲還有哪些方面有待完善?

A:這本質上是卸下所有束縛。人工智能是實證探索之旅,必須親自動手,專注落地。這明確了擁有美國開放式人工智能技術棧至關重要 —— 它可供大家構建解決方案。或許我們過去太憂心,行動不夠。因此,不僅 Palantir,整個行業及客戶都渴望行動起來,實現價值,也期待相關支持和後續投資。

Q:考慮到當前軟件公司間激烈的人才競爭,而要成爲未來的主流軟件,吸引、留住和培養合適的人才至關重要。你如何確保 Palantir 在吸引合適人才方面領先於其他公司?

A:人才方面,關鍵是讓人們接觸到有意義的問題。我們留存率高,因爲別處難有這樣的機會。雖有人喜歡純粹研究,但我們能吸引、留住並激勵那些想改變歷史、解決能帶來實際成果問題的人。

對有天賦且認同西方優越(或能容忍這種觀點)的人來說,Palantir 是非常獨特的地方。二十多年來,我接觸過西方衆多機構和企業,沒有哪家能像 Palantir 這樣,讓員工從入職到擁有充分自主權、參與能登上報紙的項目,快則僅需 3 個月,且我們還在通過加強內部協同提升這一點。如今,Palantir 的經歷已是科技行業最有分量的 “通行證”,能爲職業生涯定調。

另外,在 Palantir,無論你是否上學、學校好壞、出身如何,大家只在乎你在 Palantir 的經歷、口碑和參與的項目,我們正打造一種獨立於階層和背景的全新資質,這是科技行業最重要的資質。正是充分的自主權加這種新資質,讓我們在人才招聘和留存上表現出色。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10