Palantir：93% 增长，62% 利润率

一、公司简介：先服务最挑的客户，再往商业走

Palantir，美股代码 PLTR，总部在科罗拉多州丹佛。

它是美军最大的 AI 供应商，也是这一轮 AI 浪潮里「最不像软件公司」的软件公司。

二〇二六年第二季，营收 19.35 亿美元，同比 +93%——市场预期 18.1 亿。

拆开看：

美国营收 15.73 亿（+115%）。

美国商业 7.64 亿（+149%，环比 +28%）。

美国政府 8.09 亿（+90%，环比 +18%）。

调整后营业利润率 62%（提升 16 个百分点）。GAAP 营业利润 9.12 亿（47% 利润率）。

GAAP 净利 10.62 亿（55% 利润率），摊薄每股收益 0.41 美元（+215%）。

调整后自由现金流 12.2 亿。

Rule of 40 = 155%。（算法是「营收增速 + 调整后营业利润率」，健康线是 40。）

净收入留存率 157%。

剩余履约义务（RPO）约 49 亿（+103%）。美国商业合同总值（TCV）21.32 亿（+153%，创纪录）。

百万美元以上的交易 220 宗——其中 98 宗不低于 500 万美元，73 宗超过 1,000 万美元。

现金加短期美债 92 亿。

股价在财报后盘后涨约 15%，次日（八月四日）单日涨 29%——从 125.65 到 162.66。

二、2003 年，五个创始人，钱来自蒂尔

二〇〇三年，彼得·蒂尔（Peter Thiel）、亚历克斯·卡普（Alex Karp）、斯蒂芬·科恩（Stephen Cohen）、乔·朗斯代尔（Joe Lonsdale）、内森·格廷斯（Nathan Gettings）五个人创立了 Palantir。

启动资金来自蒂尔（PayPal 联合创始人），而最初的技术灵感来自 PayPal 的「反欺诈系统」——那套系统能在几百万笔交易里找出「可疑的那几笔」。

他们的判断是：同样的方法，可以用在「反恐」上。

第一笔钱来自 CIA 的风投部门（In-Q-Tel），约 200 万美元。之后是漫长的「政府项目期」——做情报分析、做战场态势、做供应链追踪。

这段历史决定了它的两个特征：

一是「涉密」。它的很多项目不能公开，所以外界长期看不懂它在做什么。

二是「高定制」。政府客户的需求各不相同，所以它早期是「派工程师驻场做定制」，不是「卖标准软件」。这导致它长期亏损（人力成本高、不可复制）。

二〇二〇年，它直接上市（DPO）。

二〇二三年，它推出 AIP（Artificial Intelligence Platform）——把大模型接入它的数据平台，让客户「用自己的数据 + 大模型」做决策。

而 AIP 的推广方式很特别：「训练营」（bootcamp）——把客户关在房间里五天，用他们自己的数据做出一个能跑的东西。做完就签合同。

这个方式解决了「企业不知道怎么用 AI」的问题。也是它美国商业收入 +149% 的直接原因。

三、它卖的到底是什么

一句话：「让一个组织用自己数据做决定的能力」。

这个说法要拆开。

一家制造企业有 ERP 数据、有生产线传感器数据、有供应链数据、有质量检测数据。这些数据在不同的系统里，格式不同、口径不同、互相不通。

而 Palantir 做的事是：把这些数据连起来，建成一个「本体」（ontology）——也就是「这个企业里有哪些东西（工厂、产线、订单、零件），它们之间是什么关系」。

建完本体之后，就能回答以前回答不了的问题：

「这条产线停一小时，会影响哪几个订单？」

「这批零件的质量问题，源头在哪个供应商？」

「如果我把这条线的排产改一下，整体交付会快几天？」

而 AIP 加上去之后，问题变成：「AI 能不能直接告诉我该怎么做，甚至直接做？」

所以它卖的不是「软件许可」，是「一个能算清楚『因果』的系统」。

这个东西的独特之处在于：它必须先「进到客户的业务里」，才能建本体。这意味着它的销售周期长、实施重，但一旦建成，客户换不掉（因为本体是用它的工具建的）。

四、钱是怎么赚的

它的收入结构，这一季发生了一个关键变化：

美国商业 7.64 亿（+149%），美国政府 8.09 亿（+90%）。

两个数字几乎相等，但增速差 59 个百分点。

这意味着：它正在从「政府公司」变成「商业公司」。而这正是市场最想看到的——因为政府收入的「天花板」可见（预算有限），商业收入的「天花板」不可见。

而「训练营」这个销售方式，是它商业爆发的关键。逻辑是：

传统企业软件销售：演示 → 试点 → 采购 → 实施（6-18 个月）。

Palantir 的训练营：五天做出能跑的东西 → 客户当场看到价值 → 签合同（2-4 周）。

这个方式把「销售周期」从「年」压到「周」。所以它的「美国商业合同总值」能在一个季度涨 153%。

而「净收入留存率 157%」说明了另一件事：客户一旦用了，第二年花得更多。

多出来的 57% 从哪来？三个来源：

一是「扩场景」。从一个工厂扩到十个工厂，从一个部门扩到全公司。

二是「扩用量」。AIP 按「用量」收费（算力、token、查询），用得越多越贵。

三是「扩产品」。从 Gotham（政府）扩到 Foundry（商业）再扩到 AIP。

所以它的增长模型是：新客户（训练营）+ 老客户扩场景（157% 留存）。

五、最该看清的一件事：这个组合在软件史上没有过

这是本篇的核心。

营收 +93%，调整后营业利润率 62%。

这两个数字放在一起，违反了软件行业的常规。

因为常规逻辑是：高增长要烧钱（销售、研发、获客），所以利润率低；高利润率要控费用，所以增长慢。

这就是为什么「Rule of 40」（增速 + 利润率 ≥ 40）被当成健康线——多数公司只能「一头高」。

而 Palantir 是 155。是健康线的近四倍。

为什么能做到？三个原因：

第一，它的获客成本极低。因为它的客户是「政府和大企业」，靠「口碑 + 高层关系」获客，不靠「广告投放」。而且「训练营」这种方式的转化率极高。

第二，它的产品是「平台」，不是「项目」。早期它是「派人驻场定制」，现在 AIP 让客户「自己搭」。这把人力的边际成本降下来了。

第三，它的定价是「按价值」，不是「按席位」。一个客户省了 1 亿美元的库存成本，收他 2,000 万是合理的。所以它的客单价能到「千万美元级」（73 宗超 1,000 万）。

但这里有一个必须问的问题：62% 的利润率能持续吗？

答案取决于两件事：

一是「训练营」能不能规模化。现在靠「精英团队」做训练营，人不够就做不了。如果要做一千场训练营，就要招几千人——利润率会掉。

二是「国际业务」能不能起量。它的国际业务是「弱的那条腿」（这一季没单独披露增长，但被卖方点名为风险）。而国际市场的「获客成本」比美国高得多。

六、Karp 那句话，其实是个风险提示

创始人兼 CEO 亚历克斯·卡普在电话会上说：

「增长看起来至少还能持续 18 个月。」

他还说这个季度是「otherworldly」（超凡的），并说「对 AI 主权的需求已经被释放」。

这句话听起来是「极度乐观」。但仔细读，它同时是一个风险提示——因为一个 CEO 给自家增长设了「保质期」，说明他自己也不认为这是「永久状态」。

为什么只有 18 个月？三个可能的原因：

一是「AI 主权」是政策性需求。各国政府要「数据不出境、模型自主」，这在短期内会带来大量订单。但政策需求有「一次性」特征——建完了就建完了。

二是「训练营」的红利会衰减。第一批客户是「最想用 AI 的」，第二批是「跟风的」，第三批是「被逼的」。越往后，转化率越低。

三是「基数效应」。93% 的增速是在「19 亿营收」的基数上。当营收到 80 亿（FY26 指引），93% 就意味着「一年加 74 亿」——这个绝对增量，市场没那么大。

所以「18 个月」这个说法，翻译过来是：「我知道这个速度不可持续，但短期内没问题。」

这是一个诚实的表述。但对投资者来说，它意味着：你必须在「这 18 个月」里，判断「18 个月之后是什么」。

七、护城河有多深

三层，但性质特殊。

第一层：本体（ontology）的沉没成本。一家企业花两年建的本体，是「用 Palantir 的工具、按 Palantir 的规范」建的。换供应商，等于把两年的工作作废。

第二层：涉密与合规。它做政府项目二十年，有「绝密级」的安全许可、有「军方认证」的部署环境。这个门槛，商业软件公司过不去。

第三层：政治关系。它是美军最大的 AI 供应商。这个位置不是「技术最好」能拿到的，是「二十年积累的信任」。

但要看清一个特殊性：它的护城河，有一部分是「政治性」的。

这意味着一件事：它能被政治保护，也能被政治伤害。

如果美国政府的 AI 采购政策变化（比如「要求多供应商」、或「限制某类数据使用」），它的政府收入会受影响。而政府收入仍占它营收的一半。

八、真正的风险：40 倍市销率，容不下一次低于预期

第一，估值。财报后股价 162.66，对应约 40 倍全年营收（不是市盈率）。按 GAAP 净利算，市盈率约 100 倍。

这个估值容不下「一次低于预期」。任何一次「增速从 93% 掉到 70%」，都会被重罚。

第二，国际业务是弱的那条腿。美国商业 +149%、美国政府 +90%，但国际业务没披露具体增速。而国际市场的「AI 主权」需求虽然大，但「落地能力」（当地团队、语言、合规）是瓶颈。

第三，政府预算的周期性。美国政府收入 8.09 亿（+90%），靠的是「国防数字化」的预算。如果美国财政紧缩，这块会掉。

第四，AIP 的「训练营」模式难规模化。五天一场、精英团队、客户高管在场——这个模式「质量高、产能低」。要做大，必须标准化，而标准化会降低「惊艳感」。

第五，「AI 主权」的政策属性。这是「一次性建设」需求，不是「每年复购」需求。

九、该盯的三个数

一，美国商业收入的增速。这一季 +149%。这是它「从政府转向商业」的唯一证据。如果它掉到 60% 以下，说明「训练营」红利在衰减。

二，净收入留存率。157%。这个数是「老客户扩场景」的证据。如果它掉到 130% 以下，说明「扩场景」的空间在收窄。

三，Rule of 40。155%。要看的是：当增速从 93% 降到 40% 时，利润率能不能补上。如果增速降、利润率也降，Rule of 40 会从 155 掉到 70 以下，估值会被重估。

十、一句话

Palantir 卖的是「让一个组织用自己数据做决定的能力」——它先建「本体」（这个企业里有什么、怎么连），再让 AI 在本体上做判断。

它这一季做出了一件软件史上很少见的事：营收 +93%，同时调整后营业利润率 62%。Rule of 40 是 155，是健康线的近四倍。

而它的转型正在发生：美国商业 +149%，增速比美国政府（+90%）快 59 个百分点。这意味着它从「政府公司」变成「商业公司」。

但创始人自己给增长设了保质期——「至少还能持续 18 个月」。

这句话是诚实的。它意味着：40 倍营收的估值，买的是「这 18 个月」。而 18 个月之后是什么，现在没人知道。

这一类：先啃最难的客户，再往下打

归类：先啃最难的客户，再往下打。

这一类在站内只有它一家。共同逻辑是：**先接政府、国防这种「要求最高、周期最长、但一旦进去就出不来」的客户，用他们的标准把产品磨出来，再拿这套标准去打商业市场。**

代价是增长慢、单笔合同大、收入集中。它的争议也在这里——**这家公司的估值，一直在「政府订单的确定性」和「商业化的想象空间」之间摆动。**