萬字拆解Palantir：股價暴漲30倍幕后，中國廠商卡在哪？

“本體論、AIP、FDE三大壁壘，在中國又有哪些新「變種」？”

作者丨張嘉敏

編輯丨徐曉飛

“空頭死了至少3次，Palantir漲了不只30倍。”

在美股市場，有這么一個現(xiàn)象級標的——Palantir。它被一路看空做空，卻一路逆勢暴漲，讓所有做空者接連慘敗。

短短幾年間，Palantir的股價走勢堪稱炸裂：從2022年底、2023年初不到6美元的歷史低位絕地反擊、暴漲超30倍，在2025年創(chuàng)下了207.52美元的歷史最高價，市值一度逼近5000億美元，是同類軟件Snowflake的5倍之多，也明顯高于Salesforce、SAP等傳統(tǒng)軟件巨頭。

即便經歷高位回調，Palantir當前市值仍超3600億美元，上市以來股價累計漲幅近15倍。

但誰能想到，這家一飛沖天的資本寵兒，竟是曾經被華爾街普遍看空的To G公司。

To G生意重交付、慢周轉、難資本化，Palantir卻靠AI商業(yè)化徹底顛覆了市場偏見：不僅把To G基本盤做得扎實，還在To B業(yè)務上大放異彩，2025年To B收入占比高達46%，成為新的核心增長引擎。

To G的出身，暴漲的股價，超200倍的市盈率，在硅谷和華爾街掀起一波“Palantir化”熱。

這股熱潮也迅速席卷國內市場。第四范式、明略科技、滴普科技等廠商紛紛對標研究，并在政企智能和數(shù)據(jù)決策賽道加速布局，更有頭部大廠親自下場切入。

但真正的挑戰(zhàn)才剛剛開始：技術路線保守、數(shù)據(jù)治理滯后、高毛利模式失效，再疊加戰(zhàn)略與資源的雙重考驗。“中國版Palantir”的對標之路，遠比想象更艱難。

近期雷峰網采訪了長期關注Palantir的投資人、分析師，以及明略科技、滴普科技等AI廠商的高管和資深從業(yè)者，深度拆解Palantir從被看空到資本熱捧的逆襲邏輯，并反觀中國廠商面對現(xiàn)實困境的破局之道。

從政府與國防業(yè)務起家的Palantir，如何實現(xiàn)To G和To B“兩條腿走路”？是什么構筑了這家公司的“護城河”，助其在AI巨頭中殺出重圍？而在大洋彼岸對標Palantir的國內廠商，又能否跑出一個“中國版Palantir”？

01

To G打法，如何拿捏To B市場？

在To G生意中長期蟄伏

作為一家大眾耳熟能詳?shù)能浖?，Palantir的崛起之路，在一開始卻與眾不同。

公司的第一筆外部投資，來源于美國中央情報局（CIA）旗下的風險投資機構In-Q-Tel。2005年，In-Q-Tel向Palantir投了約200萬美元，直接為它打開了最高壁壘的政府市場大門。

早期，Palantir的客戶幾乎清一色是國防、情報、執(zhí)法體系：國防情報局（DIA）、聯(lián)邦調查局（FBI）、美軍、大城市警局等。面向軍政場景的Gotham平臺，也在這一時期逐步成型。

也正是在這種高風險、強決策、不能出錯的極端場景里，Palantir引入了一個頗具哲學味的概念——本體論（Ontology），并將其變成自己的核心技術方法論。

在戰(zhàn)場、情報這類生死攸關的場景里，最棘手的難題莫過于數(shù)據(jù)太亂、標準不統(tǒng)一且無法融合。Palantir的本體論，本質就是用一套統(tǒng)一的語義與模型，將異構數(shù)據(jù)打通、定義并關聯(lián)起來，將混亂的信息整合成一張清晰的“作戰(zhàn)地圖”。

不僅如此，長期研究Palantir的技術專家、明略科技副總裁李夢林指出，軍政場景給Palantir帶來的，正是對頂尖技術和數(shù)據(jù)安全能力的極致打磨。一方面，其數(shù)據(jù)場景高度封閉，不對外公開；另一方面，軍政場景對整個推理的透明性要求非常高。

“在情報領域，如果推理出來了一個結論但卻不知道它的推理過程，會產生非常大的顧慮。”與當下主流大模型的“黑箱式”推理不同，Palantir早期憑借本體論構建的推理框架，就能將決策鏈條完全攤在桌面上。

這些優(yōu)勢都讓To G生意成了Palantir的壓艙石。

從2025年財報看，全年近45億美元營收中，54%來自政府業(yè)務，46%來自商業(yè)收入。自2020年上市以來，To G業(yè)務常年貢獻超一半收入，占比穩(wěn)定在55%左右。

它與美軍、情報機構等美國聯(lián)邦政府部門長達十余年的深度綁定，帶來的是業(yè)務穩(wěn)定、客單價極高的訂單。去年7月，Palantir與美國陸軍簽署了一份為期10年、價值上限高達100億美元的協(xié)議，坐實了美國聯(lián)邦政府“AI軍火商”的地位。

2025年，其美國政府收入同比增長55%，達到18.55億美元。Palantir也明確要在美國聯(lián)邦政府的軟件系統(tǒng)支出中搶占更大份額。

To G基因注入To B業(yè)務

但在美股市場，To G業(yè)務向來是被投資人“嫌棄”的生意：政府訂單周期長、回款慢、想象空間有限，遠不如To B業(yè)務性感。

在政府業(yè)務站穩(wěn)腳跟后，Palantir很早就埋下了商業(yè)化的野心。

2010年前后，Palantir從金融賽道切入To B業(yè)務，為美國金融巨頭摩根大通定制部署Metropolis平臺，為其量身打造反欺詐與風險分析系統(tǒng)。后來Metropolis迭代演變?yōu)镕oundry平臺，成為Palantir服務B端客戶的核心產品。更多關于Palantir向To B業(yè)務轉型的故事，歡迎添加作者微信skylar_12_14交流探討。

如今，To B業(yè)務早已從早期探索邁入全面爆發(fā)階段。

財報顯示，Palantir2025年商業(yè)部門收入20.73億美元，同比增長60%。它越來越受到美國大企業(yè)們的青睞，相關收入在2025年同比大增109%，達到14.65億美元。

二級市場之所以看好Palantir，底氣無非兩點：一是To G業(yè)務這個基本盤很穩(wěn)，二是它正把這個優(yōu)勢，實打實地轉化成了To B業(yè)務的增長動力。

Palantir在實戰(zhàn)里反復打磨、驗證過的本體論，成為它進軍商業(yè)市場的“殺手锏”。

這套方法論在To B業(yè)務場景中找到了新戰(zhàn)場。數(shù)據(jù)分析專業(yè)出身、曾在美國從事BI（商業(yè)智能）工作的VC投資人英喆提到，不同部門對同一概念的理解可能不同，比如采購和銷售講的“庫存”可能不是同一概念，業(yè)務增長的指標也可能不同。本體論可以通過語義模型把它們統(tǒng)一為同一定義，為智能決策鋪好第一塊基石。

不僅如此，Palantir的To B擴張之路，也延續(xù)了它服務政府時的重型基因。

B端產品Foundry是“不亞于一個云操作系統(tǒng)”的軟件平臺。“本體數(shù)據(jù)處理、模型、仿真，這套系統(tǒng)的復雜度基本與阿里云、百度智能云相當。”長期研究Palantir、擁有多家云廠商從業(yè)經驗的IT老兵陸程向雷峰網介紹。

Palantir之所以將Foundry打造得如此“重”，是因為從一開始就瞄準了金字塔尖的大客戶。

“營收體量高、客戶數(shù)量少、客單價極高，這就意味著要為每個客戶做深、做透。”這一戰(zhàn)略選擇的成果清晰可見，頭部大客戶至今仍貢獻絕大部分營收。

財報顯示，2025年Palantir前二十大客戶平均收入9390萬美元，合計18.78億美元，占比約42%，同比增長45%；前三大客戶合計收入占比高達16%。

這也正是Palantir與一眾走輕量化路線的大模型廠商的核心差異。陸程認為，如果Palantir走輕量化路線，股價或許還能再上一個臺階。盡管輕量化的空間很大，但并沒有必要走這條路?！?strong>重型模式才是它的真正優(yōu)勢，一旦走向輕量化，反而可能是一條死路。”

02

絕地反擊，何以實現(xiàn)To B大爆發(fā)？

AIP“引爆”

真正讓市場承認Palantir To B業(yè)務價值的，是2023年4月發(fā)布的AIP（Artificial Intelligence Platform，人工智能平臺）。

在此之前，Palantir在2022年的二級市場連遭重挫：在加息風暴、解禁拋壓和商業(yè)化質疑的三重夾擊下，市場對Palantir的耐心跌至冰點，股價全年跌幅超64%，2022年底、2023年初跌破6美元，創(chuàng)下歷史低位。

“現(xiàn)在很多投資人炒作Palantir，正是認為它曾經被低估?！?/strong>

在英喆看來，Palantir早期估值沒漲，是因為只做軍政口生意的想象空間有限，且偏保密性的業(yè)務很難被市場化投資人感知。

正是AIP，讓Palantir撕掉了“國防股”的標簽，一躍成為美股市場最受關注的AI明星之一。

Palantir從歷史低點絕地反擊，掀起史詩級主升浪：2023年全年股價大漲167%，2024年再度飆升340%，2025年繼續(xù)上漲135%。

AIP之所以能引爆Palantir的股價，原因在于：

一是它把存量能力激活，將Gotham、Foundry與生成式AI（包括大語言模型）相結合，實現(xiàn)原有產品從傳統(tǒng)數(shù)據(jù)分析工具升級為企業(yè)AI操作系統(tǒng)。

二是將落地效率拉滿，把過去數(shù)月甚至數(shù)年的部署周期壓縮到幾天，大幅降低部署時間成本，解決了大模型落地慢、難復用的行業(yè)痛點。

這得益于AIP的泛化能力打開了規(guī)?；皬椭啤钡目赡苄?/strong>。英喆指出，與傳統(tǒng)的機器學習模式不同，AIP不會因訓練數(shù)據(jù)而局限于單一行業(yè)，從而解決了以往能力難以復用的痛點。

真正將市場情緒推向高潮的，是Palantir與“AI算力之王”英偉達的聯(lián)手：

去年10月底，雙方宣布英偉達GPU加速計算、CUDA?X庫、NEMOTRON模型與Palantir本體論框架、AIP平臺融合。

這一合作被視為頂級AI決策平臺和頂級算力的強強聯(lián)合，疊加Palantir Q3財報利好，Palantir股價在11月3日盤中一度沖高至207.52美元，創(chuàng)下歷史新高。

AIP對商業(yè)化的拉動，最終都清晰反映在財報數(shù)據(jù)上：Palantir近幾年的營收增速曲線呈現(xiàn)高增長-放緩-再加速的走勢。

2020-2021年上市紅利期保持40%以上增速，2022-2023年增速放緩至24%、17%，2024年增速回升至29%，2025年大幅攀升至56%。

毫無疑問，AIP加速了Palantir To B業(yè)務的爆發(fā)，并開啟了這家曾被視為純To G公司的第二增長曲線。

如今，Palantir的AI商業(yè)化還在加速。單看2025年Q4數(shù)據(jù)，其營收增長勢頭不減：整體營收同比增長70%，美國商業(yè)收入同比更是暴漲137%。

FDE的“內功沉淀”

除了AIP的市場引爆，Palantir的商業(yè)化能跑通、跑快，離不開FDE模式（Forward Deployed Engineer，前沿部署工程師模式）的內功積累。

FDE模式同樣脫胎于Palantir早期的To G業(yè)務：軍政場景的數(shù)據(jù)封閉、環(huán)境復雜，常規(guī)的軟件開發(fā)模式“失靈”，Palantir只能派人去一線摸清業(yè)務，再把經驗帶回來沉淀、抽象成產品。這套打法，后來被系統(tǒng)化為FDE模式——跑通了先定制化落地、后產品化沉淀的閉環(huán)。

FDE模式看似神秘，但剝開其內核，核心就是為了解決從軟件到客戶場景的閉環(huán)問題。陸程形象地打了個比喻：“如果說軟件是高速公路，那么FDE模式就是從高速公路到家門口的‘最后三公里’國道。”

有前員工透露，Palantir的工程師體系分為兩類：一類是常駐客戶一線的前沿部署工程師（Forward Deployed Engineers，即FDEs）；另一類是專注于核心產品研發(fā)的產品開發(fā)工程師（Product Development Engineer，即PD工程師）。

從協(xié)作方式上看，作為前線作戰(zhàn)部隊的FDEs，每周需要花費3-4天時間駐場工作，深入了解業(yè)務流程，再利用積累的know?how經驗設計出真正能解決問題的軟件。而PD工程師則作為后方支援部隊，負責將這些經過實戰(zhàn)檢驗的解決方案沉淀為標準化、可規(guī)?；漠a品能力。

這種重交付模式意味著，Palantir在首次服務某個客戶時需要投入極高的前期成本，但一旦建立起“本體模型”，無論是客戶后續(xù)擴展新場景，還是Palantir平臺服務同類客戶，都可以直接調用已有的數(shù)據(jù)模型，無需再重復投入大量FDE資源。

從邊際效應來看，Palantir是用一次性的高固定成本，撬動長期趨近于零的邊際成本。這也就能理解其毛利率為何能常年維持在高位。

財報顯示，Palantir 2025年毛利率高達82%。過去五年其毛利率呈穩(wěn)健上升態(tài)勢：從78%穩(wěn)步提升至80%以上，2025年Q4毛利率更是超84%。

不難看出，Palantir的商業(yè)秘訣在于“賣平臺”，而非“賣人頭”。

“如果不是已經證明自身能力的公司，很多B端客戶不會接受這套模式?！标懗陶J為，Palantir的核心優(yōu)勢在于“比IT咨詢公司做得更多”。

他認為，FDE模式本質上是咨詢和交付的結合，美國本土能同時兼具這兩種能力的公司并不多見?！懊绹藢桓哆@件事帶有某種天然的鄙視，”陸程坦言，“他們更傾向于純咨詢或純標準化產品，不愿意下場干苦活。”

正是在交付這件事下的苦功夫，讓Palantir在競爭激烈的美國軟件行業(yè)中殺出重圍。

長期研究Palantir的滴普科技聯(lián)合創(chuàng)始人楊磊指出，過去幾十年，在美國軟件服務行業(yè)，IBM、埃森哲等公司在項目管理、業(yè)務咨詢及調研等環(huán)節(jié)做得很深。但它們的短板在于沒有自己的核心產品，咨詢結束后，仍需投入大量人力完成后續(xù)開發(fā)工作。

Gartner分析師曾分析，客戶選擇Palantir而非Snowflake，核心原因在于To B業(yè)務非?？粗責羲椖康氖痉缎?。Snowflake缺乏這類復雜場景的實踐經驗，而Palantir恰恰在軍政、金融等高壁壘行業(yè)積累了深厚的“實戰(zhàn)”經驗。

Palantir的行業(yè)know?how，正是在FDE模式的反復打磨中孵化成型。

為此，Palantir還使出了一招“以子之矛，攻子之盾”：大量吸納從客戶方走出來的行業(yè)專家，將這群最懂業(yè)務場景、最懂客戶痛點的“軍師”收入麾下。

“Palantir提供的首先是業(yè)務專家，其次才是IT人員?！?/strong>國內某軟件廠商高管趙陽認為，Palantir是少有能將行業(yè)know?how和IT技術做到優(yōu)質匹配的軟件公司。國內不少軟件廠商已試水“類FDE模式”，歡迎添加作者微信skylar_12_14了解成效幾何。

“組合拳”如何兌現(xiàn)？

AIP和FDE的這套“組合拳”，為Palantir筑起了一道對手難以逾越的壁壘：極高的客戶粘性。

據(jù)2025年Q4財報電話會，Palantir Q4的凈美元留存率（NDR）達到139%，意味著存量客戶在原有基礎上年均增購39%。

換言之，老客戶不僅續(xù)了約，年度支出還同比增加了39%，足見客戶留存度極高、流失率極低，且對Palantir的依賴持續(xù)加深。

AI落地能力、FDE貼身服務、行業(yè)know?how這三者的疊加，轉化成了最實在的東西：客戶離不開Palantir。

當客戶的核心業(yè)務流程、數(shù)據(jù)模型和決策邏輯都跑在Palantir平臺上，且由FDE團隊深度參與共建，客戶的替換成本變得極高。

這也是Palantir向市場打出的一張王牌：最好的銷售，就是產品本身，完全依靠實戰(zhàn)效果和客戶口碑實現(xiàn)轉化。

截至2025年底，Palantir客戶數(shù)量從上一年的711家增長至954家，同比增長34%。

有意思的是，早期的Palantir長期奉行“反銷售”文化。CEO Alex Karp甚至公開表示不屑于組建銷售隊伍。直至上市前夕，為了推廣面向企業(yè)市場的Foundry產品、應對上市壓力，Palantir才開始大規(guī)模招聘銷售人才，逐步搭建起正式的銷售體系。

Los Angeles Times曾解密Palantir銷售隊伍的組建過程：早期成員不乏曾在甲骨文、IBM等美國大型軟件公司任職的頂級銷售人員；復制早前在歐洲的銷售模式——主打3人團隊，其中包括一名工程師和兩名銷售。

有銷售員工透露，上任兩個月后，所有培訓都集中在Foundry軟件本身，沒有銷售指導?？梢娂词菇M建了銷售團隊，Palantir的重心仍然放在行業(yè)know?how上。

在2025年財報中，Palantir總結了拿下G端、B端大客戶的核心秘訣：“問題越大、越復雜，技術難度越高，我們的勝算就越大。”對于Palantir來說，這類業(yè)務前期投入高、落地風險大、數(shù)據(jù)環(huán)境復雜、銷售周期漫長，恰恰構成了天然的行業(yè)壁壘，將大量競爭者擋在門外。

03

中國能否跑出一個Palantir？

Palantir起飛后，不僅硅谷人工智能初創(chuàng)公司紛紛效仿Palantir，這波熱潮也傳到了國內。

不同于硅谷早已跑通“平臺型軟件”的成熟商業(yè)模式，國內軟件行業(yè)長期深陷盈利難、規(guī)模小的泥潭里——低端市場內卷廝殺，高端市場又被海外巨頭牢牢把持。時至今日，中國仍未跑出像Palantir、Salesforce那樣具備全球影響力的軟件巨頭。

“就像長跑一樣，Palantir是很好的領跑者。我們先跟在后面，學它的節(jié)奏，再找自己的步頻?！?/p>

不少國內廠商正在拆解Palantir的產品技術、商業(yè)模式，希望能夠從中找到突圍路徑。

在這波熱潮中，業(yè)內人士認為有三類玩家有潛力成為“中國版Palantir”：

• 一類是業(yè)務邏輯上與Palantir相似的廠商。這類廠商業(yè)務以數(shù)據(jù)智能、AI決策為主，諸如第四范式、明略科技、滴普科技、百望股份、迅策科技、拓爾思等。

• 一類是對標Palantir核心軍口業(yè)務的廠商。這類廠商聚焦軍工+AI賽道、做To G生意，諸如靖安科技、淵亭科技、中科世通亨奇等。曾研究過靖安科技的投資人林宇告訴雷峰網，靖安科技想結合Palantir和美國另一家國防技術公司Anduril的模式，做無人機群飛控制系統(tǒng)，試圖講述類似Palantir幫助尋找本拉登的故事。

• 還有一類是更有資源和組織能力的大廠。在陸程看來，要想成為Palantir，還是要大公司，小公司很難。像華為、百度這類大廠更有可能，不僅是因為它們同樣擁有很多政府客戶，還有組織文化的因素。因為Palantir是重型的玩法——產品部署重、PDE交付重，并非小而美的路線，只有大廠才能集中力量辦大事，才有可能投入大量資金和資源。據(jù)稱國內某大廠已有團隊正對標Palantir研發(fā)相關產品，更多內幕可添加作者微信skylar_12_14交流。

Palantir走紅后，國內多家廠商在對外傳播中主動向其模式靠攏。

在英喆看來，第四范式之所以常被稱為“中國版Palantir”，是因為它是上市公司，有對外發(fā)言權，且相比起國內“AI四小龍”，在這一領域做得更扎實，擁有大量B端和G端客戶，也推出了類似Palantir AIP的先知平臺，所以顯得更像。

“第四范式股價一度漲得不錯，是因為它在季報、答投資者問時會向Palantir的模式對齊，比如強調并非每個項目都定制化，而是像Palantir那樣高度抽象出一套方法論?！?/p>

但市場更為關心的是，在這波熱潮中，國內廠商究竟能向Palantir學到什么？到底能否跑出自己的Palantir？以及目前面臨哪些挑戰(zhàn)？

挑戰(zhàn)一：偏保守務實的技術路線

“中國廠商要做到完全像Palantir，非常難。”英喆去年研究了國內To B領域偏Agent的項目，得出了這一結論。

但他認為，這也并非完全不可能。能否跑出類似Palantir的公司，取決于后續(xù)技術能否強到支撐這樣的敘事。

目前來看，國內廠商長期缺乏打磨軟件技術的場景。

“國內B端企業(yè)采購時普遍認為軟件不值錢，一般要求軟硬一體，且以硬件為主導，軟件價值不被重視?！?/p>

英喆認為，國內沒有一家廠商能在早期憑借高質量、高價值的數(shù)據(jù)打磨出頂尖技術，雖然很多類似公司在10年前AI 1.0機器學習時代發(fā)展起來，但至今仍停留在業(yè)務外圍，沒有進入核心領域。

據(jù)他觀察，目前國內市場上公開的技術還是機器學習那套，且客戶求穩(wěn)，不希望AI在業(yè)務場景中隨意泛化、智能決策和接管，更希望AI扮演輔助角色。

英喆補充，機器學習的方法論常見于金融風控領域，但它只能輸出概率閾值，且很難跨行業(yè)泛化，與今天大模型思考決策、掌握業(yè)務全鏈條的能力尚有差距。

這背后折射出，國內廠商更愿意選擇一條偏保守務實的技術路線。

曾在IBM任職、現(xiàn)百望股份首席咨詢專家續(xù)巖向雷峰網表示，大語言模型本質上是一套概率模型，而醫(yī)療、金融等場景需要保證結論的可解釋性和精準性。在這樣的業(yè)務場景下，大語言模型的表現(xiàn)未必比機器學習好。

據(jù)雷峰網了解，包括百望股份在內的多家國內廠商，已開始將機器學習和大模型的技術范式相結合。

續(xù)巖透露，百望股份目前采取“雙線并行”的技術路線，其數(shù)據(jù)科技團隊正嘗試從以機器學習為代表的傳統(tǒng)后驗論模式，轉向大模型驅動的先驗論模式。

在陸程看來，相比Palantir已掌握大模型To B落地應用的硬核能力，國內大模型項目大多仍處于PoC（概念驗證）階段。

主要原因還是在于國內大模型準確性不夠（即“幻覺”問題），且中美投資理念差異大，國內相對謹慎?！按蠹叶荚谄疵葓鼍?，等大模型真正能解決什么問題，才會大力投入?！标P于國內云廠商、大模型廠商及軟件廠商的最新AI進展，歡迎添加作者微信skylar_12_14互通有無。

除此之外，歷史技術包袱，同樣在強化這種偏保守務實的技術傾向。

英喆認為，想要成為中國的Palantir，就不能有太多歷史技術包袱，但很少有廠商愿意完全拋掉原有技術體系進行轉型。

他提到其中一點，如果前期將大量資源投入機器學習，形成了技術流派和資源核心，就很難轉型到大模型時代的Transformer和Diffusion技術架構，只能繼續(xù)在原有體系上拓寬場景，很難用新一代技術打開全新的業(yè)務空間。“原有團隊靠舊技術發(fā)家，如今讓他們轉型或出局，都難上加難。”

但現(xiàn)實差距并未冷卻國內廠商的技術突圍熱情，反而推動他們在探索下一代數(shù)據(jù)智能架構時，將Palantir作為重要參照。

楊磊向雷峰網表示，滴普科技在2018年創(chuàng)立時關注的對象還是Snowflake、Databricks這類公司，當時業(yè)界主要關注數(shù)據(jù)平臺建設、數(shù)據(jù)湖倉建設、數(shù)據(jù)實時化及數(shù)據(jù)呈現(xiàn)。

但他逐漸意識到，這一方向存在一個問題，即數(shù)據(jù)和業(yè)務知識相互孤立。業(yè)務邏輯體現(xiàn)在ERP（企業(yè)資源計劃系統(tǒng)）、MES（制造執(zhí)行系統(tǒng)）等流程系統(tǒng)中，數(shù)據(jù)只是反饋結果和過程描述，二者處于分離狀態(tài)。

在深入研究Palantir后，楊磊和同事發(fā)現(xiàn)這家數(shù)據(jù)分析公司的路線與他們探尋的方向高度一致。

“這就像大家從不同方向爬山，Palantir從A面爬，我們從B面爬，后來爬到某個地方發(fā)現(xiàn)：‘誒！就應該以這種方式去爬山。’”后來滴普科技打造了FastData Foil、FastAGI等平臺，與Palantir的Data+AI模式不謀而合。

挑戰(zhàn)二：數(shù)據(jù)治理是塊“硬骨頭”

技術追趕只是第一道坎，真正考驗國內廠商內功的，是更難跨越的數(shù)據(jù)治理關。

與美國數(shù)據(jù)基建完善、Palantir憑借早年定制化項目積累大量數(shù)據(jù)治理經驗不同，國內廠商面臨的核心考驗是需要處理各種“臟數(shù)據(jù)”：

英喆認為，數(shù)據(jù)治理能力是基本功。中國對標Palantir的廠商一旦深入業(yè)務場景，首先要解決的是數(shù)據(jù)來源和質量問題。國內市場面臨的嚴峻問題在于，只有大型企業(yè)使用多年數(shù)字化系統(tǒng)后，才會有相對結構化的數(shù)據(jù)，其中仍有可能存在異常值、缺失值、錯誤值等問題。

由此可見，中國數(shù)據(jù)基建更為薄弱，面臨的數(shù)據(jù)治理難題比Palantir更多、更復雜。英喆提到，過去10年，國內在機器學習浪潮中涌現(xiàn)出一批數(shù)據(jù)治理廠商，雖然它們已經積累了相應的技術經驗，但時至今日，數(shù)據(jù)治理仍是產業(yè)界的一塊“硬骨頭”。

一方面，國內數(shù)據(jù)碎片化嚴重，需要廠商花費更多精力治理。

前述技術專家、明略科技副總裁李夢林提到，海外企業(yè)接受云原生的概念比國內要好很多，他們在數(shù)據(jù)基建上的統(tǒng)一性或規(guī)范性比國內企業(yè)要強得多。

早年海外企業(yè)普遍采用Snowflake、Databricks、dbt Labs等通用解決方案進行數(shù)據(jù)基建，并沉淀了大量業(yè)務數(shù)據(jù)，業(yè)務建模后更容易“跑”起來。

而國內企業(yè)的數(shù)據(jù)基建水平參差不齊：

在早年數(shù)字化轉型中，有的部署在本地IT環(huán)境，有的采用云架構，有的基于開源方案構建，有的則通過自研方式直接搭建系統(tǒng)。李夢林透露，明略科技在國內駐場服務的第一天，首先就得摸清楚客戶原來的系統(tǒng)到底是怎么搭的、用的什么技術架構。

企業(yè)在數(shù)字化轉型中積累的海量IT系統(tǒng)，對廠商來說無疑是個巨大的挑戰(zhàn)。“今天不太可能告訴客戶要推翻重來、從零開始，從底層上去構建一套數(shù)據(jù)中臺。”

李夢林明顯感受到，在當前市場環(huán)境下，企業(yè)決策愈發(fā)謹慎，不愿投入千萬元級別的資金用于數(shù)據(jù)基建。核心原因在于數(shù)據(jù)基建投資回報周期長——動輒數(shù)千萬的投入，往往需要兩到三年才能看到基本效果，企業(yè)很難保持足夠的耐心。

另一方面，數(shù)據(jù)治理并非單純的技術問題，還涉及組織變革的壓力。

面對客戶的內部協(xié)調問題或其他訴求，廠商即便是駐場做跨部門的協(xié)調溝通并打通數(shù)據(jù)，也面臨不少考驗。比如中臺項目需要打通各種部門“墻”，將不同部門的數(shù)據(jù)拿過來一起共建、治理，才能真正把中臺跑通，這無疑又是一場硬仗。

諸多現(xiàn)實難題，讓中國廠商無法直接復刻或照搬Palantir的成熟模式。

李夢林告訴雷峰網，明略科技（前身秒針系統(tǒng)）20年前創(chuàng)立時并未對標Palantir，后來明確對標是在2014年成立明略數(shù)據(jù)之時。

“當初對標Palantir，是希望把它的技術方向應用到中國本土市場，解決類似的問題。”李夢林提到，明略數(shù)據(jù)早期的業(yè)務方向與Palantir的軍政口業(yè)務很像，當時將知識圖譜技術應用在公安口業(yè)務。

但從數(shù)據(jù)治理的現(xiàn)實困境看，李夢林認為，Palantir采取的是“自下而上”路線，先幫客戶把所有數(shù)據(jù)打通、治理好，再教客戶使用，讓企業(yè)員工自己在平臺上搭場景，并學習怎么用。而這一模式在國內市場難以落地：

國內企業(yè)的員工采用這類復雜系統(tǒng)的意愿并不高，尤其當下大模型已相對普及，員工更習慣直接提問、直接出結果，學習一套復雜系統(tǒng)的成本過高。

疊加前述因素，客戶并不愿意承擔過高的人力成本單純只做數(shù)據(jù)治理這類前置工作，更希望一開始就知道如何通過數(shù)據(jù)應用驅動業(yè)務增長。

因此，明略科技在2025年主動升級為Agentic AI戰(zhàn)略，走出一條“自上而下”的路子：并非一開始就扎進很重的數(shù)據(jù)治理工作，而是通過自身積累的垂直領域專有數(shù)據(jù)加上專有模型，先用Agent幫客戶解決實際問題，用數(shù)據(jù)應用反過來帶動數(shù)據(jù)治理。

挑戰(zhàn)三：FDE模式難在國內跑通

對標Palantir的國內廠商，當下還面臨另一個棘手難題：交付重、毛利率低。像Palantir高達80%以上的毛利率，在國內市場幾乎難以想象。

“依靠人力的FDE邏輯，在國內很難走出可盈利的商業(yè)模式。”李夢林表示，中美市場環(huán)境對交付型項目的客單價接受度不同：

中國B端市場不具備美國那樣的高客單價、高毛利基礎，單純依靠大量人力交付很難規(guī)?；?，廠商的成本控制和盈利壓力非常大。

曾任職國內外多家云大廠、擁有20余年行業(yè)經驗的業(yè)內人士張弛算了一筆賬，Palantir能拿到1億美金起、10億美金起的訂單，可以派駐專門團隊服務；但在中國，除了基礎設施建設的算力采購大單之外，幾乎很少看到特別大的單子。

另外，阿里、華為、騰訊等國內大廠人才成本不低，P7級別年薪總包一兩百萬（20萬美金以上），但這在Palantir的項目里可能還算不上頂尖的業(yè)務專家。養(yǎng)這樣的團隊，訂單必須要有比較好的毛利率才能支撐起來。

這也是張弛認為Palantir模式無法在中國復制的一個原因：缺乏派行業(yè)專家在客戶現(xiàn)場理解需求、定義和開發(fā)項目、再反向迭代產品的咨詢式大單。“沒有哪家企業(yè)會給廠商開出10億美金的單子，還以咨詢、現(xiàn)場部署、工程交付為主?！?/strong>

這也不難理解，雖然FDE模式能夠在重交付場景彌補客戶需求與產研團隊需求的差距，但在中國幾乎沒有企業(yè)愿意為此買單。

面對交付重、毛利率低的難題，國內相關廠商也在嘗試不一樣的解法。

李夢林告訴雷峰網，明略科技正在探索一種新的交付模式：在借鑒FDE模式、保留“人”的角色的同時，逐步讓Agent承擔更多交付工作。背后的考量，一方面是借助AI降低交付成本，更重要的是通過AI提升交付效率與質量。

另外，國內軟件行業(yè)向來“重交付、輕咨詢”。

前述長期研究Palantir的專家陸程表示，國內廠商之所以對FDE模式帶有仰視的態(tài)度，是因為大部分廠商并不具備咨詢的能力，只是擅長干交付。

論深度交付能力，第四范式在國內屬第一梯隊。英喆談到，投資人之所以看好第四范式，正是因為它有場景、有數(shù)據(jù)，掌握了To B的鑰匙。

但第四范式常被詬病的地方是項目交付周期長，大量依賴人力外包，還要搭配硬件，毛利率只有30%多，且長期未盈利。這類廠商面臨的另一難題，是難以花大量精力做前沿研究。

英喆認為，第四范式如果想突圍，就需要走出與Palantir截然不同的路子：Palantir是技能到位了再拓展場景，而第四范式是先有場景再提升技能，即“下一步要提升技術能力”。

挑戰(zhàn)四：戰(zhàn)略與資源的雙重考驗

外有頑疾，內有隱痛。除了行業(yè)共性的難題，國內廠商還要直面自身的兩大考驗。

一方面，國內廠商能否堅持長期主義和擁有足夠的戰(zhàn)略定力。

續(xù)巖向雷峰網表示，百望股份認可Palantir的其中一點便是“長期主義”。Palantir從To G的軍政口生意起家，從商業(yè)回報看，這類業(yè)務需要長期投入，偏向半戰(zhàn)略性投資——在全面實現(xiàn)盈利前，Palantir曾歷經近20年的長期虧損。

而百望股份對標Palantir，部分原因在于自身G To B To B的基因，通過To G業(yè)務參與國家財稅的數(shù)據(jù)基座建設，在背后默默做“架橋鋪路”的底層支撐工作。續(xù)巖提到，建設G端和B端兩套平臺過程復雜、投入巨大，百望股份每年在這方面的投入積累接近千萬資金。借“中國版Palantir”之名，也是希望能夠被市場看見。

能否堅守長期主義，正在考驗著國內一眾廠商。不少投資人毫不諱言，現(xiàn)階段國內對標Palantir的產品大多為“只有形而沒有魂”，甚至“有形者都寥寥無幾”。

國內軟件從業(yè)者劉暢曾深入研究Palantir，她認為Palantir憑借AI崛起的核心原因不是Agent，也不是數(shù)據(jù)，而是現(xiàn)在還未被完全拆解出來的“推理框架”——“穿透到底層就會發(fā)現(xiàn)它的地基非常深厚，不是我們現(xiàn)在能夠完全破解出來的，但要明白這是它很多年前就在做的布局”。

據(jù)她觀察，國內廠商更傾向于快速追求商業(yè)變現(xiàn)，并沒有像Palantir想得那么長遠。

“中國市場很大，哪怕做垂類模型或者做數(shù)字人，都能有商業(yè)變現(xiàn)的機會。當這些領域成為紅海時，決定競爭力的將會是推理框架，但那個時候再做肯定來不及了?！?/p>

另一方面，算力、資金、人才三重瓶頸，共同考驗著國內廠商的資源整合能力。

首先是算力層面。

某機構分析師周潔認為，Palantir的成功，背后有英偉達成熟生態(tài)提供的強勁算力作為支撐。中國廠商要走的路更難：能否與國產芯片廠商真正協(xié)同、補齊算力短板，這是必須邁過的一道坎。

其次是資金層面。

陸程認為，中國廠商不是不會學，而是學不會Palantir。學不會的原因是“窮”，即沒有足夠的投入。

小廠沒資源，大廠資源也分散——業(yè)務線很多，不是只干一件事。“創(chuàng)業(yè)公司活下來才是最本質的事情，最快的方式是包裝速成；大廠看著有實力，但是資源分散到各個部門后也就沒有實力了。”

另外，國內缺乏成熟的know?how人才培養(yǎng)機制。

“Palantir愿意把自己的員工直接派到美國軍隊變成一個軍官，這在中國幾乎不敢想象。”在李夢林看來，國內最核心的問題在于，是否有足夠多既懂技術又真正理解行業(yè)縱深的復合型人才，補齊know-how的短板。

脫胎于華為和阿里技術團隊的滴普科技創(chuàng)始人們，在過去8年同樣認識到“懂業(yè)務”的重要性。

楊磊向雷峰網坦言，業(yè)務敏感度不足，曾是這支技術出身團隊的“軟肋”：以供應鏈場景為例，如果沒有在大型物流公司工作過，即便有大廠技術工作經驗，也未必能真正理解供應鏈的運作邏輯，很容易低估業(yè)務的復雜性，認為供應鏈只是簡單的貨物分發(fā)。

但過去幾年，滴普科技開始投入大量精力組建業(yè)務團隊，成立DIC（Deep Innovation Center，深度創(chuàng)新中心）。DIC團隊以業(yè)務專家為主，進駐客戶現(xiàn)場提供專業(yè)服務。

在他看來，既懂AI又懂業(yè)務、同時具備強技術能力的人才在當下非常稀缺。把這件事情解決好，未來中國市場才有可能誕生出真正意義上像Palantir這樣的公司。

04

“Palantir化”熱潮何時退去？

在這波熱潮中，不少廠商已經意識到照搬Palantir模式并不現(xiàn)實。目前業(yè)界已形成基本共識：借鑒Palantir模式，亟需進行本土化的適配或改造。

劉暢認為，雖然國內廠商現(xiàn)在直接對標Palantir為時尚早，但它就像當年IT從業(yè)者眼中的IBM，是值得尊敬的標桿?！鞍裀alantir拆開看、揉碎了學，再長出屬于自己的東西，也許有一天就能跟它一起跑在第一方陣?！?/p>

但不乏為這波熱潮“潑冷水”的從業(yè)者?！爸袊能浖S商估計都想學Palantir，有的想學本體論，有的想學FDE，最后大概率學得五花八門、奇形怪狀，然后又開始卷價格；但也有公司只想借Palantir抬股價、包裝概念?！?/p>

陸程認為，誰能學得明白，大概兩三年就能看得比較清楚?！癙alantir股票漲了，大家一窩蜂涌上去。第一年可能會死一波，第二年再死一波，第三年就看明白了?！?/p>

本文作者長期關注AI巨頭動態(tài)及AI云市場，歡迎添加作者微信skylar_12_14交流探討。

注：文中陸程、趙陽、林宇、張弛、劉暢、周潔皆為化名。