Palantir（PLTR.US）深度报告：强大的企业级AI落地能力，苛刻的股票赔率

大模型（GPT/Claude/Gemini）擅长推理，却不了解一家企业具体如何运转；ERP、CRM和MES沉淀了大量业务数据，却各自为政。Palantir连接两者：

它把大模型与企业的物理世界连接起来：它将原本躺在各个系统和员工脑海里的运营规则结构化，为企业搭建一套可直接调用的数字分身。这让大模型不再只是回答问题的陪聊工具，而是能够有凭有据地跨系统发起调配、执行任务，真正演进为接管生产力的“运营大脑”。

公司的稀缺性已经反映在价格里。截至2026年8月20日收盘，Palantir的NTM EV/Revenue约为41倍。业务仍在加速，估值却几乎不允许失误。本文将讨论Palantir究竟做什么、护城河能否抵挡AI原生公司的竞争、未来增长来自哪里，以及当前价格还剩下多少投资赔率。

一、Palantir的核心业务：为企业建立“数字分身”

1. 从情报机构走向企业市场

Palantir成立于2003年，创始人包括Peter Thiel和现任CEO Alex Karp。公司早期获得CIA旗下投资机构In-Q-Tel支持，最初服务于美国情报和国防部门。

这些客户的数据高度敏感，业务也很复杂。分析人员很难把需求整理成一份完整说明，更不能把数据交给外部公司慢慢研究。Palantir只能把工程师（FDE）派到一线，与客户共同搭建系统。

这段经历为公司留下两项重要能力：一支能够处理复杂业务的FDE团队，以及从产品底层建立的权限、安全和操作记录机制。后来，Palantir把这套方法拓展到制造、医疗、金融和能源等商业领域。

Palantir做的事情可以说得很简单：它帮助企业建立一个持续更新的“数字分身”，把企业的数据、运营规则和执行流程放进同一套软件系统，再让员工和AI在这套系统上工作

2. 产品矩阵与 Ontology：数据、逻辑与行动构建的企业数字分身

Palantir 主要有四个产品 ：

• Gotham： 防御与情报操作系统，支持多源数据融合、实体关系识别与实时作战决策（如美军 Project Maven 智能作战系统）。
• Foundry： 商业级企业操作系统，打通 ERP、CRM、SCM 等孤岛数据，实现全流程业务可视化与决策闭环。
• AIP (Artificial Intelligence Platform)： 核心 AI 枢纽，将主流大模型（Claude、GPT、Gemini 等）无缝编排至企业工作流，使 AI Agent 能够依据严格权限安全调用工具与执行任务。
• Apollo：持续交付层，负责把上面三个产品部署到任何环境里，包括公有云、私有机房、物理隔离的涉密网络、甚至舰船和战场边缘设备。

而贯穿所有产品的灵魂，是 Ontology（本体架构）。

Ontology：把公司如何运转装进软件

大型企业通常同时使用几十甚至上百套软件。采购用 ERP、销售用 CRM、生产用 MES，中间充斥着离散的 Excel 与邮件，数据缺乏统一的业务上下文。

Palantir先通过连接器和数据管道接入这些系统。在Snowflake、Databricks和BigQuery等受支持的平台上，Virtual Tables还可以直接访问部分外部数据，减少不必要的数据复制。Ontology随后将这些信息整理成企业的“数字分身”：

• 数据——正在发生什么： 企业有哪些客户、订单、库存和设备，它们之间存在什么关系。
• 逻辑——应该如何判断： 库存低于多少需要补货，哪些订单必须优先，什么操作需要主管批准。
• 行动——系统可以做什么： 通知负责人、生成调货方案、发起审批，并在获得授权后将结果写回ERP或CRM。

通过将思考逻辑与行动路线写入算法，Ontology 成功为企业构建了具备上下文感知力的“数字分身”。

资料来源：Palanti

3. FDE 模式：把员工经验写进软件

在企业级 AI 落地中，最大的瓶颈在于需求模糊与工作流难以复刻。Palantir 并没有采用传统 SaaS 依赖售前顾问的公版模式，而是通过 FDE（前沿部署工程师） 解决了 AI 从演示走向生产的最后一公里问题：

• 本质定位（咨询能力 + 技术杠杆）： FDE 是具备高阶写码能力、长期驻扎客户一线的硬核工程师，核心任务是把模糊的业务困境，现场转化为可运行的代码与工作流。
• 解决传统 SaaS 失效： 面对国防与大型工业客户的非标痛点，FDE 直接在客户现场利用 Foundry/AIP 搭建系统，取代了传统 SaaS 繁琐的定制开发流程。
• 研发反馈闭环（FDE 与 PDE 联动）： FDE 在一线将特定客户的解决逻辑抽离出来，交由后方的 PDE（产品开发工程师）编写成通用模块。这使得 Palantir 的产品迭代完全由客户的真实生产需求驱动，而非开发团队的主观假设。

资料整理：TradingKey

二、护城河：企业的“决策大脑”越完整，替换成本越高

Ontology：数据容易搬，企业的运营方式很难搬

Ontology的护城河来自长期沉淀的业务逻辑。随着使用深入，客户的订单关系、调度规则、审批权限和执行流程都会逐渐写入系统。

这些规则又被不同部门和应用共同使用。修改一次库存规则，相关的采购、排产和供应链应用都可以继承新的逻辑；接入新的AI Agent，也可以直接使用已有的业务上下文和权限。底层大模型可以更换，企业的“运营说明书”仍然留在Ontology中。

目前，有市场观点担忧AI原生应用会淘汰传统软件，但我们认为，AI Agent缺乏企业真实业务的“物理映射”：比如采购权限、库存规则和供应链调度。Palantir 把企业复杂的运转逻辑沉淀为 Ontology，底层大模型可以随时更换，但企业的“运营说明书”依然绑定在 Ontology 中。AI Agent 越多、越普及，反而越需要依赖 Palantir 提供真实的业务上下文与安全执行路径。

2. FDE：工程师容易招聘，整套交付体系却很难复制

企业AI落地最难处理的知识，往往是一线员工的工作经验和判断逻辑：设备出现什么信号必须停机，哪些订单需要优先交付，采购主管为什么选择某家供应商。

而FDE进入客户一线，目的就是把这些经验整理成Ontology里的规则、权限和操作流程，再使用Foundry和AIP搭建应用。

虽然OpenAI、Anthropic等公司也在招聘FDE，但是Palantir已经积累了近二十年的工具、经验和交付方法，具有短期难以快速追上的先发优势和成熟平台。

3. 安全认证和复杂环境部署构成信任壁垒

在政府、国防及其他对数据安全更高要求的行业，系统的安全性、合规审计与复杂网络环境下的部署能力往往比大模型的性能更为重要。相比于其他竞争者，Palantir具有：

• 高等级安全认证： Palantir 从情报与国防领域起步，已获取包括 FedRAMP High、DoD IL5 及 IL6在内的严苛认证。
• Apollo 赋予的全环境部署能力： 凭借 Apollo 引擎，Palantir 能够在私有机房、涉密云、物理隔离网络甚至边缘前线设备上实现无缝部署与无中断更新，解决了传统 SaaS 无法触及的敏环境痛点。

安全资质与全环境部署能力是长期积累的信任壁垒。 Palantir 的 AIP 不仅提供开发环境，更提供了严格的权限隔离、合规护栏与每一步操作可回溯的审计日志。买 Palantir 买的不仅是 AI 工具，更是“合规兜底与责任确权”。新兴 AI 厂商即便拥有高分的大语言模型，仍需面临数年之久的安全审查、采购周期与稳定测试，短期内难以突破 Palantir 的防御边界。

三、未来的增长：美国存量扩张是主线，海外提供期权

1. 订单增加，老客户继续扩大使用范围

2Q26美国商业客户新签合同的潜在总金额达到21.3亿美元，同比增长153%。公司已经签约、但尚未确认为收入的订单达到49亿美元，同比增长103%，高于当期93%的收入增速。

简单来说，Palantir一边确认收入，一边以更快的速度获得新订单，未来几个季度仍有较强的增长基础。

同一批现有客户贡献的收入在过去一年净增长57%。客户通常先用Palantir解决一个具体问题，例如供应链预警；第一个应用跑通后，已经接入的数据和Ontology可以继续用于采购、排产和财务等部门。

Palantir由此形成“先落地、再扩张”的增长路径：新订单带来客户，更多工作流不断提高单个客户的收入。

2. 产品更容易部署，FDE可以服务更多项目

Palantir正在把FDE过去需要重复完成的工作做成标准化工具：

• AIP Bootcamp使用客户自己的数据，快速搭建第一个AI应用，缩短客户试用和验证产品的时间；
• Workflow Lineage和行业模板把常见的数据、审批和操作流程做成模块，客户可以像搭积木一样增加新的工作流；
• AI FDE帮助工程师编写代码和完成基础配置，减少重复开发。

FDE仍然负责理解客户业务和解决最复杂的问题，基础工作则逐渐由软件完成。这样一来，同样数量的工程师可以支持更多客户，每个客户也能更快增加新的应用。

Q2收入增长93%的同时，调整后经营利润率达到62%。收入快速增长，利润率也在提高，说明交付效率已经开始改善。

3. 与NVIDIA合作，打开主权AI市场

2026年6月29日，Palantir 官宣与 NVIDIA 的战略合作：推出一个”智能引擎”，用于在主权环境（sovereign environments）中部署 NVIDIA AI 与 Nemotron 开源模型，面向美国政府机构和美国关键基础设施企业。

所谓主权AI，就是政府或企业将数据、模型和计算基础设施掌握在自己手中，无需把敏感信息交给外部云服务商。

双方分工很清楚：NVIDIA提供加速计算和Nemotron开放模型，Palantir通过AIP、Ontology、Foundry和Apollo负责数据权限、业务上下文及安全部署。客户可以在自己的机房或物理隔离网络中运行和训练模型，数据、部署环境及最终生成的模型权重均由客户控制。Jensen Huang 对此的表述是，这套架构可以立在任何 air-gapped 区域、完全本地、甚至战场现场。这个方案目前没有第二家公司能完整交付。

这套方案解决了政府、能源和金融等客户最担心的问题：既希望使用先进AI，又不愿把核心数据交给外部闭源模型服务商。对Palantir而言，合作有望扩大其在政府和关键基础设施市场的应用范围，同时强化安全部署壁垒。

4. 海外尚未起量，成功复制就是额外空间

2Q26Palantir的海外收入合计约3.63亿美元，占公司总收入约19%，同比增长约33%（vs. 美国收入同比增速115%），Palantir在美国的爆发尚未复制到国际市场。

如果AIP Bootcamp能够帮助海外客户快速完成第一个应用，再通过合作伙伴进入欧洲、中东和亚太的制造、能源及金融企业，海外可能成为下一阶段的增长来源。

不过，鉴于海外数据主权法规（如 EU AI Act）与地缘敏感性带来的客观阻力，海外更适合作为额外的上行空间，不能作为当前增长必须依赖的前提。

四、 风险分析：优秀的业务，苛刻的股票

1. 高估值几乎不允许失误

估值始终是悬在 Palantir 头上最大的一把剑。

按照2026年8月20日收盘价和市场一致预期的调整后EPS计算，Palantir的2026E和2027E Forward P/E分别约为109倍和77倍，NTM EV/Revenue约为41倍。当前价格要求公司继续交出高于预期的增长和利润率；收入仅符合预期、指引不够强或大合同签署延迟，都可能引发估值收缩。

2. 产品太贵，AI原生竞争者可能分走新增预算

Databricks正在推出Genie Ontology，Microsoft Fabric IQ也开始提供Ontology和Operations Agent；OpenAI则扩大企业部署团队。这些产品在复杂权限、跨系统行动和涉密部署上尚未达到Palantir的成熟度，却已经能够覆盖数据问答、轻量Agent和部分工作流。

客户短期内难以戒掉Palantir，但很可能把简单项目和新增预算交给更便宜、或已经包含在云协议中的产品，以平衡自己的AI相关支出。

3.SBC 稀释、高管减持与空头博弈，将放大短期股价波动

除了基本面与估值，一系列结构性因素正在将 Palantir 的股价推向极高波动的状态：

• 股权激励（SBC）与高管减持压力： 2Q26股权激励费用为 2.65 亿美元（占收入约 14%），在当前高增长阶段，市场往往会忽视股权激励逐步兑现带来的股本扩张压力；但一旦后续收入增速放缓，过去持续积累并兑现的增发股本将对EPS产生更为明显的摊薄。同时，CEO Alex Karp 于 2026 年 3 月设立了涉及 708 万股的新 10b5-1 减持计划，长期的筹码供给对高位股价构成持续挤压。
• 空头分歧： Michael Burry在2026年4月公开表示持有2026年12月100美元和2027年6月50美元执行价的Put；Citron则曾给出40美元的目标价。

五、 投资建议与总结：公司值得长期跟踪，但当前赔率并不便宜

Palantir 当前约 41x EV/Revenue 的定价，已经计入未来继续高速增长的预期。

• 对短期交易者： 赔率并不友好。任何单季度业绩的微小瑕疵、指引的微弱放缓，都极易引发估值倍数剧烈收缩。
• 对长期投资者： Palantir拥有稀缺的企业上下文和AI执行平台。但优秀公司也需要合适的买入价格。当前估值缺少安全边际，更适合等待，而不是追高。

结论： 我们认为 Palantir 依然是 AI 时代最优质的底层软件标的，但在当前估值水位下，追高性价比有限；如果我是投资者，我会选择等待因市场情绪或短期业绩波动带来的估值回踩时，再进行长线分步布局。

免责声明：本文分析仅代表基于现有公开信息的研究框架，不构成任何投资建议。