大模型（GPT/Claude/Gemini）擅長推理，卻不了解一家企業具體如何運轉；ERP、CRM和MES沉澱了大量業務數據，卻各自為政。Palantir連接兩者：

它把大模型與企業的物理世界連接起來：它將原本躺在各個系統和員工腦海裏的運營規則結構化，為企業搭建一套可直接調用的數字分身。這讓大模型不再只是回答問題的陪聊工具，而是能夠有憑有據地跨系統發起調配、執行任務，真正演進為接管生產力的「運營大腦」。

公司的稀缺性已經反映在價格裏。截至2026年8月20日收盤，Palantir的NTM EV/Revenue約為41倍。業務仍在加速，估值卻幾乎不允許失誤。本文將討論Palantir究竟做什麼、護城河能否抵擋AI原生公司的競爭、未來增長來自哪裏，以及當前價格還剩下多少投資賠率。

一、Palantir的核心業務：為企業建立「數字分身」

1. 從情報機構走向企業市場

Palantir成立於2003年，創始人包括Peter Thiel和現任CEO Alex Karp。公司早期獲得CIA旗下投資機構In-Q-Tel支持，最初服務於美國情報和國防部門。

這些客戶的數據高度敏感，業務也很複雜。分析人員很難把需求整理成一份完整說明，更不能把數據交給外部公司慢慢研究。Palantir只能把工程師（FDE）派到一線，與客戶共同搭建系統。

這段經歷為公司留下兩項重要能力：一支能夠處理複雜業務的FDE團隊，以及從產品底層建立的權限、安全和操作記錄機制。後來，Palantir把這套方法拓展到製造、醫療、金融和能源等商業領域。

Palantir做的事情可以說得很簡單：它幫助企業建立一個持續更新的「數字分身」，把企業的數據、運營規則和執行流程放進同一套軟件系統，再讓員工和AI在這套系統上工作

2. 產品矩陣與 Ontology：數據、邏輯與行動構建的企業數字分身

Palantir 主要有四個產品 ：

• Gotham： 防禦與情報操作系統，支持多源數據融合、實體關係識別與實時作戰決策（如美軍 Project Maven 智能作戰系統）。
• Foundry： 商業級企業操作系統，打通 ERP、CRM、SCM 等孤島數據，實現全流程業務可視化與決策閉環。
• AIP (Artificial Intelligence Platform)： 核心 AI 樞紐，將主流大模型（Claude、GPT、Gemini 等）無縫編排至企業工作流，使 AI Agent 能夠依據嚴格權限安全調用工具與執行任務。
• Apollo：持續交付層，負責把上面三個產品部署到任何環境裏，包括公有云、私有機房、物理隔離的涉密網絡、甚至艦船和戰場邊緣設備。

而貫穿所有產品的靈魂，是 Ontology（本體架構）。

Ontology：把公司如何運轉裝進軟件

大型企業通常同時使用幾十甚至上百套軟件。採購用 ERP、銷售用 CRM、生產用 MES，中間充斥着離散的 Excel 與郵件，數據缺乏統一的業務上下文。

Palantir先通過連接器和數據管道接入這些系統。在Snowflake、Databricks和BigQuery等受支持的平台上，Virtual Tables還可以直接訪問部分外部數據，減少不必要的數據複製。Ontology隨後將這些信息整理成企業的「數字分身」：

• 數據——正在發生什麼： 企業有哪些客戶、訂單、庫存和設備，它們之間存在什麼關係。
• 邏輯——應該如何判斷： 庫存低於多少需要補貨，哪些訂單必須優先，什麼操作需要主管批准。
• 行動——系統可以做什麼： 通知負責人、生成調貨方案、發起審批，並在獲得授權後將結果寫回ERP或CRM。

通過將思考邏輯與行動路線寫入算法，Ontology 成功為企業構建了具備上下文感知力的「數字分身」。

資料來源：Palanti

3. FDE 模式：把員工經驗寫進軟件

在企業級 AI 落地中，最大的瓶頸在於需求模糊與工作流難以復刻。Palantir 並沒有採用傳統 SaaS 依賴售前顧問的公版模式，而是通過 FDE（前沿部署工程師） 解決了 AI 從演示走向生產的最後一公里問題：

• 本質定位（諮詢能力 + 技術槓桿）： FDE 是具備高階寫碼能力、長期駐紮客戶一線的硬核工程師，核心任務是把模糊的業務困境，現場轉化為可運行的代碼與工作流。
• 解決傳統 SaaS 失效： 面對國防與大型工業客戶的非標痛點，FDE 直接在客戶現場利用 Foundry/AIP 搭建系統，取代了傳統 SaaS 繁瑣的定製開發流程。
• 研發反饋閉環（FDE 與 PDE 聯動）： FDE 在一線將特定客戶的解決邏輯抽離出來，交由後方的 PDE（產品開發工程師）編寫成通用模塊。這使得 Palantir 的產品迭代完全由客戶的真實生產需求驅動，而非開發團隊的主觀假設。

資料整理：TradingKey

二、護城河：企業的「決策大腦」越完整，替換成本越高

Ontology：數據容易搬，企業的運營方式很難搬

Ontology的護城河來自長期沉澱的業務邏輯。隨着使用深入，客戶的訂單關係、調度規則、審批權限和執行流程都會逐漸寫入系統。

這些規則又被不同部門和應用共同使用。修改一次庫存規則，相關的採購、排產和供應鏈應用都可以繼承新的邏輯；接入新的AI Agent，也可以直接使用已有的業務上下文和權限。底層大模型可以更換，企業的「運營說明書」仍然留在Ontology中。

目前，有市場觀點擔憂AI原生應用會淘汰傳統軟件，但我們認為，AI Agent缺乏企業真實業務的「物理映射」：比如採購權限、庫存規則和供應鏈調度。Palantir 把企業複雜的運轉邏輯沉澱為 Ontology，底層大模型可以隨時更換，但企業的「運營說明書」依然綁定在 Ontology 中。AI Agent 越多、越普及，反而越需要依賴 Palantir 提供真實的業務上下文與安全執行路徑。

2. FDE：工程師容易招聘，整套交付體系卻很難複製

企業AI落地最難處理的知識，往往是一線員工的工作經驗和判斷邏輯：設備出現什麼信號必須停機，哪些訂單需要優先交付，採購主管為什麼選擇某家供應商。

而FDE進入客戶一線，目的就是把這些經驗整理成Ontology裏的規則、權限和操作流程，再使用Foundry和AIP搭建應用。

雖然OpenAI、Anthropic等公司也在招聘FDE，但是Palantir已經積累了近二十年的工具、經驗和交付方法，具有短期難以快速追上的先發優勢和成熟平台。

3. 安全認證和複雜環境部署構成信任壁壘

在政府、國防及其他對數據安全更高要求的行業，系統的安全性、合規審計與複雜網絡環境下的部署能力往往比大模型的性能更為重要。相比於其他競爭者，Palantir具有：

• 高等級安全認證： Palantir 從情報與國防領域起步，已獲取包括 FedRAMP High、DoD IL5 及 IL6在內的嚴苛認證。
• Apollo 賦予的全環境部署能力： 憑藉 Apollo 引擎，Palantir 能夠在私有機房、涉密雲、物理隔離網絡甚至邊緣前線設備上實現無縫部署與無中斷更新，解決了傳統 SaaS 無法觸及的敏環境痛點。

安全資格與全環境部署能力是長期積累的信任壁壘。 Palantir 的 AIP 不僅提供開發環境，更提供了嚴格的權限隔離、合規護欄與每一步操作可回溯的審計日誌。買 Palantir 買的不僅是 AI 工具，更是「合規兜底與責任確權」。新興 AI 廠商即便擁有高分的大語言模型，仍需面臨數年之久的安全審查、採購周期與穩定測試，短期內難以突破 Palantir 的防禦邊界。

三、未來的增長：美國存量擴張是主線，海外提供期權

1. 訂單增加，老客戶繼續擴大使用範圍

2Q26美國商業客戶新籤合同的潛在總金額達到21.3億美元，按年增長153%。公司已經簽約、但尚未確認為收入的訂單達到49億美元，按年增長103%，高於當期93%的收入增速。

簡單來說，Palantir一邊確認收入，一邊以更快的速度獲得新訂單，未來幾個季度仍有較強的增長基礎。

同一批現有客戶貢獻的收入在過去一年淨增長57%。客戶通常先用Palantir解決一個具體問題，例如供應鏈預警；第一個應用跑通後，已經接入的數據和Ontology可以繼續用於採購、排產和財務等部門。

Palantir由此形成「先落地、再擴張」的增長路徑：新訂單帶來客戶，更多工作流不斷提高單個客戶的收入。

2. 產品更容易部署，FDE可以服務更多項目

Palantir正在把FDE過去需要重複完成的工作做成標準化工具：

• AIP Bootcamp使用客戶自己的數據，快速搭建第一個AI應用，縮短客戶試用和驗證產品的時間；
• Workflow Lineage和行業模板把常見的數據、審批和操作流程做成模塊，客戶可以像搭積木一樣增加新的工作流；
• AI FDE幫助工程師編寫代碼和完成基礎配置，減少重複開發。

FDE仍然負責理解客戶業務和解決最複雜的問題，基礎工作則逐漸由軟件完成。這樣一來，同樣數量的工程師可以支持更多客戶，每個客戶也能更快增加新的應用。

Q2收入增長93%的同時，調整後經營利潤率達到62%。收入快速增長，利潤率也在提高，說明交付效率已經開始改善。

3. 與NVIDIA合作，打開主權AI市場

2026年6月29日，Palantir 官宣與 NVIDIA 的戰略合作：推出一個」智能引擎」，用於在主權環境（sovereign environments）中部署 NVIDIA AI 與 Nemotron 開源模型，面向美國政府機構和美國關鍵基礎設施企業。

所謂主權AI，就是政府或企業將數據、模型和計算基礎設施掌握在自己手中，無需把敏感信息交給外部雲服務商。

雙方分工很清楚：NVIDIA提供加速計算和Nemotron開放模型，Palantir通過AIP、Ontology、Foundry和Apollo負責數據權限、業務上下文及安全部署。客戶可以在自己的機房或物理隔離網絡中運行和訓練模型，數據、部署環境及最終生成的模型權重均由客戶控制。Jensen Huang 對此的表述是，這套架構可以立在任何 air-gapped 區域、完全本地、甚至戰場現場。這個方案目前沒有第二家公司能完整交付。

這套方案解決了政府、能源和金融等客戶最擔心的問題：既希望使用先進AI，又不願把核心數據交給外部閉源模型服務商。對Palantir而言，合作有望擴大其在政府和關鍵基礎設施市場的應用範圍，同時強化安全部署壁壘。

4. 海外尚未起量，成功複製就是額外空間

2Q26Palantir的海外收入合計約3.63億美元，佔公司總收入約19%，按年增長約33%（vs. 美國收入按年增速115%），Palantir在美國的爆發尚未複製到國際市場。

如果AIP Bootcamp能夠幫助海外客戶快速完成第一個應用，再通過合作伙伴進入歐洲、中東和亞太的製造、能源及金融企業，海外可能成為下一階段的增長來源。

不過，鑑於海外數據主權法規（如 EU AI Act）與地緣敏感性帶來的客觀阻力，海外更適合作為額外的上行空間，不能作為當前增長必須依賴的前提。

四、 風險分析：優秀的業務，苛刻的股票

1. 高估值幾乎不允許失誤

估值始終是懸在 Palantir 頭上最大的一把劍。

按照2026年8月20日收盤價和市場一致預期的調整後EPS計算，Palantir的2026E和2027E Forward P/E分別約為109倍和77倍，NTM EV/Revenue約為41倍。當前價格要求公司繼續交出高於預期的增長和利潤率；收入僅符合預期、指引不夠強或大合同簽署延遲，都可能引發估值收縮。

2. 產品太貴，AI原生競爭者可能分走新增預算

Databricks正在推出Genie Ontology，Microsoft Fabric IQ也開始提供Ontology和Operations Agent；OpenAI則擴大企業部署團隊。這些產品在複雜權限、跨系統行動和涉密部署上尚未達到Palantir的成熟度，卻已經能夠覆蓋數據問答、輕量Agent和部分工作流。

客戶短期內難以戒掉Palantir，但很可能把簡單項目和新增預算交給更便宜、或已經包含在雲協議中的產品，以平衡自己的AI相關支出。

3.SBC 稀釋、高管減持與空頭博弈，將放大短期股價波動

除了基本面與估值，一系列結構性因素正在將 Palantir 的股價推向極高波動的狀態：

• 股權激勵（SBC）與高管減持壓力： 2Q26股權激勵費用為 2.65 億美元（佔收入約 14%），在當前高增長階段，市場往往會忽視股權激勵逐步兌現帶來的股本擴張壓力；但一旦後續收入增速放緩，過去持續積累並兌現的增發股本將對EPS產生更為明顯的攤薄。同時，CEO Alex Karp 於 2026 年 3 月設立了涉及 708 萬股的新 10b5-1 減持計劃，長期的籌碼供給對高位股價構成持續擠壓。
• 空頭分歧： Michael Burry在2026年4月公開表示持有2026年12月100美元和2027年6月50美元執行價的Put；Citron則曾給出40美元的目標價。

五、 投資建議與總結：公司值得長期跟蹤，但當前賠率並不便宜

Palantir 當前約 41x EV/Revenue 的定價，已經計入未來繼續高速增長的預期。

• 對短期交易者： 賠率並不友好。任何單季度業績的微小瑕疵、指引的微弱放緩，都極易引發估值倍數劇烈收縮。
• 對長期投資者： Palantir擁有稀缺的企業上下文和AI執行平台。但優秀公司也需要合適的買入價格。當前估值缺少安全邊際，更適合等待，而不是追高。

結論： 我們認為 Palantir 依然是 AI 時代最優質的底層軟件標的，但在當前估值水位下，追高性價比有限；如果我是投資者，我會選擇等待因市場情緒或短期業績波動帶來的估值回踩時，再進行長線分步佈局。

免責聲明：本文分析僅代表基於現有公開信息的研究框架，不構成任何投資建議。

原文鏈接