Palantir 的 AI 增长推动华尔街转向实体基础设施

Palantir 在公布第二季度美国商业收入增长 149% 后，再次将 AI 推至 Google News 的核心位置。尽管市场持续担忧科技股估值偏高，这一业绩仍强化了华尔街的热情，也凸显了一个不那么显眼的投资逻辑：AI 支出如今早已超出软件和芯片的范畴。

下一阶段需要土地、电力、冷却系统、电网接入、建设专业能力以及环境审批。这些实体需求正将市场注意力引向数据中心房地产，以及使开发得以实现的服务公司。

这种转变带来了核心矛盾：软件需求可以迅速加速，但电力系统和审批流程推进缓慢。Palantir 可以在既有组织内部部署企业平台；而公用事业公司无法以软件的速度建成变电站、输电线路或发电厂。

因此，投资者正在权衡两种相互竞争的观点。AI 收入增长看起来愈发真实，但支撑这种增长所需的基础设施正面临严苛的物理限制。

Palantir 让 AI 增长重回 Google News 的中心

Palantir 的业绩向华尔街证明，企业 AI 支出正在带来可衡量的收入，而不只是实验性尝试。

这家总部位于丹佛的软件公司表示，其美国商业收入较上年同期增长 149%。该业务在本季度创造了 7.64 亿美元收入。公司总收入增长 93%，美国政府业务收入增长 90%。

Palantir 还披露，其美国商业客户数量达到 653 家，同比增长 35%。其美国商业业务的剩余交易价值达到 62.4 亿美元，增长 124%。剩余交易价值衡量的是已签约、但尚未确认收入的业务。

这些数据之所以重要，是因为企业多年来一直在测试生成式 AI，却并非总能建立清晰的回报路径。Palantir 销售的平台可将组织数据与运营软件和 AI 模型连接起来。其商业业务的增长表明，一些客户正从小规模试点转向更大范围的部署。

首席执行官 Alex Karp 围绕经济成果而非使用量来阐释公司的模式。他认为，点击量、tokens 和聊天活动不一定能说明 AI 是否创造了商业价值。根据 Karp 的股东评论，Palantir 寻求与其软件创造的价值挂钩的报酬。

这一观点与面向消费者的 AI 服务形成了有益对照。聊天机器人可能吸引数百万用户，但运营方仍可能难以覆盖推理成本。推理是指训练完成的 AI 模型生成答案的计算过程。企业软件的用户数量可以较少，但一旦改变生产、物流、安全或财务决策，便能获得更大规模的合同。

Palantir 的政府业务又增加了一个维度。该公司为国防和民用机构提供数据集成及分析系统。政府客户和商业客户两方面的增长表明，需求并未局限于单一采购周期。

不过，Palantir 仍是一个格外醒目的案例，而非所有 AI 供应商都已找到可持续商业模式的证明。其产品往往需要密切的实施协作、获取敏感数据以及广泛的组织支持。规模较小的供应商未必拥有同样的客户关系或部署资源。

但这些业绩仍强化了更广泛的 AI 投资逻辑。当供应商将模型与专有数据和具体工作流程结合时，企业似乎愿意投入更多资金。即使客户看不到底层基础设施，这也会为软件背后的计算能力创造需求。

因此，本季度的意义超越了单一股票代码。Palantir 展示了 AI 经济的需求侧；数据中心、公用事业公司、物业业主、工程公司和环境承包商现在必须提供供给侧。

AI 交易正在成为房地产交易

AI 基础设施正使电力接入成为高价值工业地产的决定性特征。

传统仓库需要道路通达、劳动力和足够的公用事业服务。AI 数据中心则需要这三项条件，以及庞大而可靠的电力容量。它还需要光纤连接、冷却设备、备用系统、安保措施和扩展空间。

这改变了开发商评估土地的方式。当当地电网无法提供支持时，大面积地块对先进计算的价值有限。靠近输电基础设施的较小物业可能变得具有战略意义，尽管分区规定和社区接受度仍是决定性因素。

数据中心也不同于普通写字楼或仓储投资。建筑外壳可以使用数十年，但服务器和冷却系统需要反复升级。因此，数据中心既是物业，也是公用事业客户，还是持续更新的技术设施。

Digital Realty 展示了这一市场的物业侧。该公司在全球主要市场拥有并运营数据中心，其设施为云服务商、企业、网络运营商和 AI 客户提供设备托管空间。

当租户需要更多容量时，这项业务可以受益，但扩张仍高度依赖资本。新设施在开始产生租金收入前需要建设支出。较高利率也可能压缩回报，因为房地产公司通常通过债务和股权融资来支持增长。

因此，电力可得性已成为一种稀缺资源。一座拟建设施即使已获得土地和客户，仍可能因并网研究或缺少电网设备而延期。变压器、涡轮机和开关设备的生产周期，可能远超软件开发周期。

国际能源署估计，到 2030 年，全球数据中心的用电量将达到约 950 太瓦时，接近 2025 年水平的两倍。根据其更新后的能源展望，以 AI 为重点的数据中心用电量预计将在同期增长至三倍。

这种需求在地理上高度集中。一座新设施可能对某个区域电网形成巨大负荷，而非将用电量均匀分散至全国。地方公用事业公司必须为峰值需求、可靠性要求，以及可能同时到来的未来项目做好准备。

这种集中性解释了为何房地产是 AI 故事的核心。关键问题不再是开发商能否再建一栋楼，而是能否将建筑选址在能源、水资源、光纤、许可和社区支持交汇的地方。

波士顿地区的社区已经展现出其中的政治难题。居民和官员对噪音、柴油备用发电机、视觉影响以及本地就业有限表示担忧。这场马萨诸塞州争论反映了区域技术雄心与社区成本之间的冲突。

数据中心通常会创造建筑就业岗位，但相对于其占地规模，长期人员需求可能较低。市政当局必须在潜在税收收入与电力基础设施及周边社区所承受的压力之间进行比较。

开发商还面临过度建设的风险。AI 需求正在上升，但硬件效率可能提升，模型架构可能改变，企业也可能整合工作负载或在不同地区之间转移。一座围绕当前假设设计的设施，必须在经历数代计算设备后仍保持实用性。

这使获得电力保障的土地具有吸引力，但并不意味着每项数据中心提案都安全无虞。投资者必须审视租户承诺、电网接入、融资、冷却设计和替代用途。“AI-ready”这一标签并不能消除常规房地产风险。

尽管如此，Palantir 的商业增长仍给开发商继续建设提供了理由。企业采用将抽象的计算预测转化为客户工作负载，而这些工作负载最终会占用服务器，这些服务器必须在某个地方运行。

环境服务成为 AI 供应链的一部分

数据中心热潮为环境专业机构带来业务，因为每一个大型计算站点都与空气、水、土地和能源监管相交。

环境服务通常被视为防御性行业，服务于废物管理、工业清理、合规和应急响应。AI 基础设施增加了另一项需求来源。它不会将这些公司转变为软件企业，但可以扩大需要其专业能力的项目范围。

在施工开始前，开发商可能需要进行场地评估、湿地审查、地下水分析和修复规划。现有工业场地可能具备接入输电基础设施的条件，但过去的运营活动也可能留下需要调查或清理的污染。

在建设期间，承包商必须管理土壤、雨水、废物和当地环境条件。设施投运后，运营商还会持续面临用水、备用发电、制冷剂、电子废物以及与用电相关的排放等问题。

冷却尤为重要。AI 加速器会在每个服务器机架中部署高密度计算设备。排出由此产生的热量，可能需要液冷系统、冷水机组、冷却塔或其他专门设计。

不同设施和地点的用水量差异很大。有些站点采用蒸发冷却，另一些则更多依赖风冷或闭环系统。当地气候、电力结构、设备密度和运营策略决定最终环境足迹。

这种复杂性为工程师和环境顾问创造了工作。他们的职责不止于获得许可，还包括帮助开发商选择场址、比较冷却系统、规划供水、监测排放并记录合规情况。

废物处理专家同样发挥作用。数据中心建设会产生常规建筑废物，而设备更换会产生含有可回收金属和部件的电子材料。运营商需要建立安全流程，因为退役服务器可能仍存有敏感客户数据。

Clean Harbors 等公司通过危险废物管理、应急响应、回收和环境服务为工业客户提供支持。其增长不能完全归因于 AI。能源生产、制造业、化工、运输和监管仍是规模更大、基础更稳固的需求来源。

这一差异很重要。环境服务类股票上涨，并不自动证明数据中心热潮正在发生。盈利、收购、利润率和无关的工业活动都可能推动同一批股票。

不过，如果设施持续扩张，AI 仍会带来持久的工作负载。每个项目都会在规划、建设、运营、升级和最终退役环节产生持续需求。这些服务构成了云计算之下较少被看见的一层。

环境负担也让华尔街偏好的叙事变得更加复杂。投资者可以庆祝软件业务的快速增长，而社区则要承受新增用电需求、噪音、施工交通和用水方面的担忧。这些影响显现的节奏与季度营收并不同步。

国际能源署预计，到2030年，天然气和煤炭合计将满足新增数据中心用电需求的40%以上。可再生能源发电预计将贡献近一半的增量，但清洁能源无法立即覆盖每一项新增负荷。预计的电力供应结构表明，AI的排放在很大程度上取决于地点和时机。

这形成了一种悖论。AI可以帮助检测甲烷泄漏、管理电网并提升工业效率。然而，运行这些应用的计算基础设施本身也会消耗能源并产生额外排放。

环境服务提供商正处于这一矛盾之中。他们可以帮助项目减少损害、满足监管要求并处理废弃物，却无法让实体足迹凭空消失。

对AI产品的买家而言，这个问题似乎很遥远，但事实并非如此。电力和基础设施成本最终会影响云计算容量、软件合同和服务可靠性。延迟建成的数据中心，可能意味着延迟部署，或更昂贵的计算协议。

因此，企业应将基础设施相关主张纳入供应商评估。一家承诺快速扩张AI业务的供应商，不仅需要有吸引力的模型演示，还必须具备充足的计算资源。团队可以在可检索的AI知识库中保存公告、合同和技术发现，以追踪这些依赖关系。

华尔街的软件乐观情绪遭遇实体瓶颈

AI需求可以迅速复合增长，但数据中心供应仍受制于建设周期、电网接入排队和地方反对。

这正是最新一轮 Google News 周期背后的核心冲突。Palantir能够报告商业业务的快速增长，是因为软件部署可以在既有数字系统上扩展。而支撑这些部署的基础设施却无法以同样的速度扩张。

劳伦斯伯克利国家实验室估计，到2030年，数据中心的耗电量可能占美国总用电量的11.8%。其情景区间为9.5%至15.3%，反映出设备出货、设施效率、冷却和采用速度方面的不确定性。

该实验室根据计划采购的服务器、单台设备能耗、冷却模拟和设施特征得出这一估计。这种自下而上的方法将电力需求与实体设备联系起来，而非仅仅依赖市场热情。由此得出的美国估计凸显了挑战的规模。

即使是较低情景，也需要大规模投资。公用事业公司需要建设发电、输电、变电站和配电设备。开发商需要合格劳动力和交付周期较长的零部件。监管机构则必须在并不确知未来AI系统会以多快速度改进的情况下评估项目。

效率提供了一种可能的缓解途径。新芯片能够以更少的单位能耗完成更多计算。更好的冷却技术可以降低设施开销。软件优化可以避免不必要的处理，或将灵活工作负载转移到电力供应更充裕的时段。

不过，效率并不保证总能耗下降。更低廉的计算成本往往会鼓励更多使用。能够执行多步骤任务的AI智能体，可能因一次用户请求产生大量模型调用。视频生成、科学模拟和实时助手所需的处理能力，也可能高于简单的文本回复。

结果类似于反弹效应：每项任务都变得更高效，但由于组织执行了更多任务，总需求仍然上升。国际能源署报告称，2025年数据中心用电需求增长17%，而聚焦AI的设施耗电量增长更快。

电网接入延迟带来了更直接的约束。国际能源署估计，若不采取行动应对电力系统风险，约20%的规划中数据中心项目可能面临延迟。短缺未必是抽象意义上的能源不足，而是在所需地点和时点可交付的容量不足。

这有助于解释华尔街为何转向实体基础设施。投资者的目光正从模型开发商延伸至供应数据中心建筑、电气设备、冷却、工程和环境服务的企业。

这一策略类似于传统的“卖铲子和镐”思路。投资者不去押注哪一种AI应用胜出，而是支持众多竞争应用所需的资产。但这种方式也带来了自身风险。

基础设施供应商可能面临周期性订单波动。客户宣布的项目可能多于其最终实际建设的数量。计算效率的突然提升可能改变对容量的假设。更高的融资成本则可能削弱建设周期较长项目的回报。

公用事业公司同样面临艰难的资源分配决策。为一个大型客户建设新增容量，可能将成本或风险转嫁给其他缴费用户。如果预期需求未能到来，公用事业公司可能留下利用不足的基础设施。

当社区认为交换不对等时，也可能拖延或拒绝设施建设。一个数据中心或许支撑全国性的云服务，却在当地制造噪音并占用稀缺的电网容量。当居民认为开发商获得优惠却没有创造相应就业时，税收协议也可能引发争议。

这些限制并未否定AI基础设施逻辑，而是决定了哪些项目具有真实价值。拥有已落实电力、可信租户、高效冷却和社区支持的设施，处境远优于投机性的公告。

同样的逻辑也适用于环境承包商。拥有专业许可、受训员工、处理能力和区域关系的企业，具备更具防御性的资产。泛泛的AI标签所能提供的保护要小得多。

因此，投资者应将证据与关联区分开来。Palantir报告的营收增长，是客户支出的证据。拟议中的数据中心，是意向的证据。已完成的并网协议和正在进行的施工，则为未来容量提供了更有力的证据。

这种层级有助于读者解读每日涌现的AI新闻。Google News可以揭示哪些主题主导了关注度，但不能替代对合同、许可、电力接入或现金流的核实。

这些数字仍未证明什么

一个强劲的财报周期，并不能解决估值、基础设施回报或AI环境成本方面的问题。

Palantir的业绩显示其正在快速扩张，但投资者已经预期其未来将实现显著增长。当预期很高时，即使季度表现良好，若客户增长放缓或利润率走弱，股价仍可能承压。

商业营收也无法披露每位客户的回报。Palantir表示，其平台能够产生可衡量的经济价值，而持续增长的合同也支持这一说法。但公开业绩很少披露足够的项目层面细节，无法判断哪些部署带来了成本节省、新收入或运营改善。

企业采用情况也可能并不均衡。一家制造商可能利用AI管理维护或供应链，而另一家公司仍停留在试点阶段。数据质量、访问控制、员工培训和集成工作，往往决定一个模型能否真正发挥作用。

政府业务增长带来另一类不确定性。国防和公共部门合同可能规模庞大且具有持续性，但采购优先级可能改变。政治争议、隐私担忧和监控问题，都可能影响未来采用。

基础设施方面的预测不确定性更大。数据中心开发商常以兆瓦讨论容量，但已宣布的容量并不等同于正在运营的容量。有些项目缺乏最终许可、电力协议、融资或租户。

需求预测的范围也很宽。劳伦斯伯克利国家实验室对美国2030年的估计，相差近六个百分点的全国用电量。这并非微小的预测差异，而是意味着发电和电网建设需求会截然不同。

环境表现同样难以用一个数字概括。由低碳电网供电的设施，与依赖新增化石燃料发电的设施，环境足迹并不相同。水资源压力也会因地区、季节和冷却设计而异。

企业可再生能源合同可以改善项目经济性并支持新增发电，但这并不总意味着数据中心在每个运行小时都消耗无碳电力。实体电网仍在实时平衡所有可用电源。

因此，衡量方式的选择可能改变整个叙事。按年度匹配可再生能源或许看起来有利，但按小时统计的耗电情况会揭示依赖化石能源的时段。全公司平均值也可能掩盖某个缺水或拥堵站点周边的本地影响。

房地产投资者还必须考虑设备过时问题。AI硬件快速升级，机架密度持续提高。较老的设施在支持更新一代加速器之前，可能需要对电气和冷却系统进行昂贵升级。

有些站点将因能够容纳这些升级而增值。另一些站点即使占据理想土地，也可能变得竞争力不足。胜出者并不只是拥有最多建筑面积的公司。

环境服务企业面临与之相关的过度归因风险。数据中心业务可能增长，但它仍只是众多客户细分市场之一。投资者应审视积压订单、项目组合、劳动力可得性和利润率，而不是将每一家工业服务提供商都视为AI受益者。

还有一个更广泛的经济问题：当客户创造的价值足以支付成本时，建设更多计算容量才具有意义。如果AI使用增长快于盈利应用，基础设施回报可能令人失望，即使技术采用仍在持续。

Palantir的模式提供了一种答案，因为该公司强调运营成果。其商业增长表明，客户正在发现足以推动合同扩大的价值。市场仍需要在更广泛的软件提供商群体中看到类似证据。

对企业买家而言，实际教训是将技术测试与经济衡量联系起来。团队应记录基准成本、部署目标、准确性要求和实际结果。结构化的AI工作流可以避免热情超越有据可查的证据。

在预期与结果之间的差距变得过大之前，华尔街仍会奖励强劲增长。基础设施项目面临同样的考验，只是周期更长。营收最终必须证明服务器、建筑、电网设备和环境服务的投入合理。

最新 Google News 热潮后值得关注的三个信号

AI交易的下一阶段取决于合同的持续性、已通电的数据中心容量，以及针对地方基础设施成本的政治回应。

第一个信号是Palantir在接下来两个报告期的商业增长。投资者应同时关注客户新增数量、剩余合同价值和营收增长。

收入持续增长且交易金额不断攀升，将进一步支持这样一种判断：企业正在超越试点阶段。客户增长放缓或合同承诺减弱，则可能表明最新一个季度包含了规模异常庞大的部署项目。

这一差异对基础设施规划至关重要。持续的企业需求支撑着长期稳定的算力需求。少数特殊的大型合同，则难以为多年期建设提供可靠基础。

第二个信号是实际投入运营的数据中心容量，而不只是已公布的容量。开发商经常在完成电力协议签署或获得审批之前，就对外宣传园区项目。

已完成的电网接入提供了更有力的证据。租户租约、施工里程碑，以及明确列出已获资金支持升级项目的公用事业备案，同样如此。这些指标能够揭示预测需求是否正在转化为实体资产。

电力约束仍将是核心问题。变压器交付、输电项目和新增发电计划，可能决定哪些地区能够吸引投资。具备可用容量的市场可能加速发展，而拥堵地区则可能失去项目。

第三个信号是监管与社区层面的反应。地方政府正在重新审视分区规定、税收优惠、噪声规则、用水要求，以及备用发电标准。

更严格的要求可能拖慢建设进度，但也可能让设计更优的项目受益。披露用水情况、降低噪声、获得更清洁电力并参与电网升级的开发商，或许会面临更少冲突。

当监管要求增加监测、修复或合规工作时，环境服务提供商应会受益。不过，更严苛的规定也可能促使客户取消处于边缘状态的项目。实际影响将取决于场址在增加保障措施后是否仍具备经济可行性。

这三个信号应结合解读。强劲的软件需求若缺乏已通电的容量，将造成短缺并推高算力成本。新增容量若没有稳定的客户支撑，则可能带来疲弱回报。快速建设若缺乏地方认可，则容易引发政治阻力。

因此，华尔街近期的热情并不只是又一轮软件行情。Palantir 的增长正将关注点引向企业 AI 背后的实体系统。房地产和环境服务如今应与模型、芯片和云平台一同纳入分析。

关注 Google News 的读者应将新闻标题视为起点，再将每项说法追溯至运营证据。关注合同、电网接入和许可记录。这些记录将显示，AI 的财务动能是否正转变为持久的工业扩张，还是又一个在需求得到验证前就已提前建设的周期。