Palantir 商业 AI 增长提高了赌注

Palantir 报告称，其营收同比增长 93%，这一数字足以重塑市场对企业 AI 软件的预期，也成为 Techmeme Palantir 报道的核心。

第二季度营收达到 19.4 亿美元，高于分析师约 18 亿美元的预期。美国商业营收增长 149%，美国政府营收增长 90%。Palantir 还上调了全年业绩展望。

市场的初步反应立竿见影。根据财报报道，在 8 月 3 日发布公告后，其股价盘后上涨超过 9%。随后一个交易日又上涨了 29.5%。

这一反应不只是因为公司超出季度盈利预期。多年来，投资者一直在讨论，Palantir 能否在不削弱其政府业务基础的前提下，成长为一家覆盖广泛的商业软件公司。

本季度让这一讨论更倾向于商业化应用。它并未彻底回答有关增长可持续性、客户集中度，以及 Palantir 估值中已计入的预期这些更大的问题。

Microsoft、Amazon、Google、Oracle 以及新兴 AI 软件厂商，都希望掌控企业 AI 支出。Palantir 提出的则是另一种主张：将模型与组织的数据、决策、权限及运营流程连接起来。

因此，主要竞争并不是 Palantir 与某一家特定竞争对手之间的较量，而是 Palantir 的运营软件模式，与云基础设施及通用 AI 工具将攫取大部分企业价值这一观点之间的竞争。

这一差异让这份财报显得异常重要。这些数字表明，企业正在为将 AI 嵌入实际运营的软件付费。接下来的几个季度必须证明，在早期部署规模扩大后，这种需求是否仍能保持强劲。

Techmeme Palantir 故事聚焦于商业业务拐点

Palantir 的商业业务不再只是附属于政府合同的次要增长叙事。

该公司本季度在美国商业业务中实现了约 7.64 亿美元营收。这较上年同期增长 149%，较第一季度增长约 28%。

美国政府营收达到约 8.09 亿美元，同比增长 90%。这些数据表明，这两项国内业务的规模已比 Palantir 长期以来的企业形象所暗示的更为接近。

包括国际客户在内，政府业务总营收仍略高于商业业务总营收。披露的分部数据表明，政府营收接近 9.9 亿美元，商业营收接近 9.45 亿美元。

这种平衡很重要，因为商业增长长期以来一直承载着 Palantir 软件业务逻辑的重任。政府部署项目可以规模庞大、持续时间长，但并不能自动证明其在私营部门获得广泛采用。

商业客户通常必须通过营收提升、生产率改善、风险降低或更快执行来证明 AI 部署的合理性。当收益仍不明确时，采购团队可以推迟或取消软件采购。

Palantir 表示，其 Artificial Intelligence Platform，即 AIP，缩短了实验与部署之间的距离。AIP 将 AI 模型与组织数据、软件权限和运营工作流相连接。

该公司的方法不同于仅销售语言模型访问权限。其目标是在真实运作的组织内部，治理模型能够看到、建议和触发的内容。

当制造商调整生产计划、医院协调资源，或物流团队重新调配库存时，这一控制层就变得至关重要。在这些场景中，仅给出一个看似合理的答案并不够。

软件必须遵守权限设置、保留审计轨迹，并反映当前的运营数据。它还必须适配员工已经在做出的决策。

Palantir 一直将密集型研讨会作为这些部署项目的切入点。在这些会议中，其工程师与客户团队并肩合作，识别一个狭窄的运营问题，并构建初始工作流。

这种模式减少了用于抽象演示的时间。但它也要求 Palantir 在每个项目发展成更大合同之前，先投入技术人力。

这一权衡有助于解释，为何商业营收增长比试点项目公告更重要。营收表明，至少有一些部署正在超越评估阶段，进入付费使用。

第二季度业绩也延续了既有的加速趋势。根据其季度申报文件，Palantir 第一季度营收达到 16.3 亿美元，较上年同期增长 85%。

第二季度的增长再次加速。在已经较高的基数上继续加速，比在疲软时期基础上实现一次强劲同比增长更难。

Palantir 的规模也在迅速变化。2025 年第二季度，该公司季度营收首次突破 10 亿美元。

当时季度总营收增长 48%，美国商业营收增长 93%。当前季度的营收几乎是该公司一年前的两倍。

这一转变构成了本文的核心张力。Palantir 一方面提供了其商业战略有效的证据，另一方面也为未来每一份财报设定了高得多的标准。

对于一家达到这一规模的公司而言，接近 100% 的增长不可能成为永久基准。更相关的问题是，当同比比较变得更困难时，其业务会如何表现。

这使故事从一次财报超预期，转向对 Palantir 在企业 AI 市场地位的考验。

商业 AI 支出如今有了更清晰的基准

Palantir 已让生产环境营收，而非模型能力，成为企业 AI 竞争对手最难回避的比较标准。

许多公司都能在受控环境中展示生成式 AI。能够将模型接入敏感数据和运营系统，同时确保行动受到治理的公司则少得多。

这一实施差距塑造了企业 AI 支出。买方已经购买了云计算能力、模型访问权限、数据平台、咨询服务和专业应用，但并不总能构建出一个统一的系统。

Palantir 正在押注，编排层拥有持久价值。在这里，编排是指在一个受治理的环境中，将数据、模型、权限和业务行动连接起来。

第二季度商业业务增长为这一论点赋予了财务分量。这表明，一些企业愿意为部署架构付费，而不是在内部自行拼装每个组件。

这给几类公司带来了压力。

云服务提供商必须证明，其 AI 平台能让客户从基础设施消费转向可靠的运营工作流。它们的优势仍然在于规模、既有合同和广泛的开发者分发能力。

数据平台供应商必须证明，存储和处理组织数据能够自然导向生产级 AI 应用。它们靠近企业信息的定位，为此提供了可信的起点。

应用供应商必须证明，专业工具能够捕获足够多的工作流价值，而不会沦为更广泛平台中的功能。它们通常拥有深厚的领域专长，但覆盖范围更窄。

咨询公司同样面临艰难平衡。它们可以帮助大型组织整合碎片化系统，但定制工作可能变得昂贵且难以复制。

Palantir 对这些群体提出的挑战，并不在于它拥有最好的底层模型。该公司通常保持模型灵活性，这意味着客户可以在其受控的软件环境中使用不同模型。

它的主张是，组织需要一个能够代表其实际运营的软件层。Palantir 将这种结构化表示称为 ontology，即将数据映射为业务对象、关系和获准行动的体系。

ontology 可以表示工厂、货运、员工、组件、账户或维护事件。它为 AI 系统提供了通用模型默认不具备的上下文。

这一概念并非 Palantir 独有。竞争问题在于，Palantir 能否比客户或竞争对手更快地将其打包、部署并纳入治理。

如果答案持续是肯定的，云服务提供商就可能只能提供有价值的基础设施，而由另一家供应商控制应用逻辑。软件公司此前已经见过这种模式。

基础设施可以吸引巨额支出，但最接近决策的层往往决定采用率和客户依赖度。Palantir 希望占据这一层。

这种压力对那些销售广泛 AI 承诺、却缺少可衡量运营成果的供应商最为强烈。买方现在可以将这些承诺与 Palantir 披露的商业业务扩张进行比较。

这种比较仍不完美。营收增长无法揭示每位客户获得的回报，财务报告也不会描述失败的部署。

不过，它确实提供了一个市场基准。一家声称需求强劲的企业 AI 供应商，现在必须解释这种需求为何会或不会体现在营收中。

同样的压力也传导至企业内部技术负责人。当另一家供应商报告生产环境快速扩张时，首席信息官已无法再将无休止的试点描述为不可避免。

这并不意味着 Palantir 适合每家公司。其部署模式、治理方法、合同结构和所需的组织投入，可能与更轻量的软件产品不同。

拥有经验丰富数据团队的公司可能更偏好模块化服务。另一些公司可能希望采用集成和流程变更需求更少的窄领域应用。

尽管如此，Palantir 的业绩让采购问题更加尖锐。企业必须决定，AI 应继续作为一组工具存在，还是应成为其运营结构的一部分。

对于开发者和知识工作者而言，这一区别影响 AI 如何进入日常工作。聊天机器人会响应提示，而运营系统则可以呈现上下文并协调获授权的行动。

员工也需要保留决策背后证据的方法。可搜索的 AI knowledge base 可在个人或团队层面支持这一需求。

Palantir 面向的是更大范围的组织层面。其商业业务增长表明，更多企业希望让 AI 接入受治理的工作流，而不是停留在孤立的对话中。

这就是竞争对手如今必须回应的标准。

Palantir 正将 AI 部署转化为一种运营模式

Palantir 增长背后的机制，是其试图压缩有前景的 AI 原型与可问责业务流程之间的距离。

企业 AI 项目往往在演示与生产环境之间失败。一个模型可以给出令人印象深刻的答案，却无法满足安全性、准确性、集成或问责要求。

生产部署带来了更棘手的问题。谁可以访问数据？模型可以更新哪些系统？当其建议出错时会发生什么？

Palantir 的软件围绕这些约束进行设计。Foundry 管理商业数据运营，Gotham 支持政府和国防任务，AIP 则将 AI 模型连接到这些环境。

这些产品相互重叠，而非作为彼此孤立的订阅服务运行。这种组合使 Palantir 能够将 AIP 定位为既有运营系统的延伸。

这种方法提供了三项实际优势。

首先，该软件能够利用带有组织语境的数据。当一批货物与供应商、订单、截止日期和权限相连时，它就不再只是一条数据库记录。

其次，该平台可以限制模型和用户被允许执行的操作。这一点在受监管行业和政府环境中尤为重要，因为访问权限必须始终受到控制。

第三，该系统可以从分析走向行动。一项建议可以进入已获批准的工作流程，而不是停留在聊天窗口中。

这些优势有助于解释 Palantir 对“AI 主权”的关注，这是 Alex Karp 在财报发布后强调的一个说法。主权意味着保留对数据、模型、基础设施和运营决策的控制权。

这一术语对不同客户有不同含义。政府可能侧重于国家层面的控制，而企业则可能更关注避免依赖单一模型供应商。

当买家将控制权视为核心要求时，Palantir 便能从中受益。其在国防和情报工作方面的长期经验，使其在敏感部署中更具可信度。

这段历史也提供了可复用的技术模式。为机密或严格受控环境设计的系统，必须从一开始就管理权限、可审计性和数据隔离。

商业客户日益面临类似需求。银行、医疗机构、制造商和能源企业都无法将治理视为事后补充。

BofA Securities 分析师 Mariana Perez Mora 将 Palantir 的战略描述为提供能够改善客户成果的基础设施。她还强调了该公司在受监管及国家安全任务方面的经验。

积极的解读很直接。Palantir 为要求严苛的政府场景开发了重治理的软件，随后将这一基础适配到商业 AI 领域。

高强度研讨会模式支持了这一转变。Palantir 不必先要求客户制定完整的 AI 战略，而是可以从一个具体的运营瓶颈开始。

制造商可能会调查生产延误、材料短缺或质量问题。医疗机构则可能连接人员配置、产能和排班信息。

平台随后可以呈现这些关系，并将模型接入选定的决策。员工仍需具备明确的权限和升级处理路径。

一个成功的初始工作流程会为更广泛的采用创造路径。客户可以在同一环境中增加部门、数据源、使用场景或获授权的操作。

这种扩展机制很重要，因为一次部署无需获得完全新的客户，也能带来额外收入。它还会提升平台在组织内部的重要性。

不过，当数据碎片化，或管理层缺乏明确负责人时，这种深度也可能拖慢采用速度。软件无法解决围绕流程和问责的所有分歧。

因此，Palantir 的模式既取决于组织准备程度，也取决于模型性能。客户需要可用的数据、投入的运营人员，以及改变工作流程的授权。

公司的增长表明，已有足够多的客户满足了这些条件。但这并不能说明成功在整个客户群中的分布是否均衡。

政府业务还以另一种方式强化了商业体系。国防需求可以为日后在私营行业中变得相关的能力提供资金支持。

反向情况也可能发生。商业部署模式可以改善政府客户的易用性和速度，而他们同样面临类似的数据集成问题。

这一反馈循环赋予 Palantir 一个不同寻常的位置。如果两项业务能够相互促进，它就不必在政府信誉与商业规模之间二选一。

其美国政府业务增长 90%，表明公共部门需求依然强劲，同时商业收入也在加速。这种组合使本季度不同于简单的业务板块轮动。

这一结果还让 Palantir 区别于依赖单一模型代际的 AI 公司。Palantir 有可能受益于多家外部供应商推出的更优模型。

模型灵活性并不能消除技术风险。在保留控制、可靠性和可预测行为的同时集成新模型，仍然十分困难。

不过，这改变了公司的风险敞口。如果 Palantir 控制模型如何进入具有重大影响的工作流程，它就无需赢得训练最大模型的竞赛。

这正是竞争对手必须挑战的商业机制。他们需要提供可比的集成和治理能力，或者说服客户模块化替代方案更好。

营收激增并不能证明什么

这份财报验证了需求，但并不能证明 Palantir 当前的增长速度、市场地位或投资者预期能够持续。

第一个不确定性是增长的持久性。Palantir 的季度营收从 2025 年约 10 亿美元增至一年后的 19.4 亿美元。

这种扩张会带来艰难的未来比较。即使绝对营收增量依然出色，最终也会带来较低的百分比增长。

投资者必须区分由规模导致的增速放缓，与由需求走弱导致的放缓。这是截然不同的信号，但市场往往会对表面增长率作出反应。

第二个不确定性涉及客户集中度和合同时间安排。大型政府或商业协议对单个季度的影响，可能超过数千份小型订阅合约。

Palantir 在其文件中警告称，客户合同可能包含“为便利而终止”条款。这类条款可以允许客户在特定条件下终止协议。

政府采购还会引入额外不确定性。预算、政治优先事项、安全需求和行政审查都可能改变合同的时间安排或范围。

公司的政府业务增长减轻了对即时疲软的担忧，但并未消除公共部门支出在结构上的不可预测性。

第三个不确定性关乎部署经济性。Palantir 的深度参与式销售和工程方法可以加快采用，但也需要熟练员工。

如果营收增长快于部署人力，利润率就能改善，同时客户仍可获得深入支持。如果人力需求同比例上升，扩张就更难维持。

公司在增长的同时报告了强劲盈利能力，这支持了乐观解读。然而，随着部署数量增加，投资者仍应关注运营效率能否保持在较高水平。

第四个不确定性是竞争。Microsoft、Amazon、Google、Oracle、Salesforce、ServiceNow、Snowflake、Databricks 以及专业初创公司，都在扩大企业 AI 产品布局。

这些公司从不同位置切入市场。云服务商控制基础设施，数据平台控制信息环境，应用供应商则掌控既有工作流程。

Palantir 的优势在于跨越这些层级的集成能力。其劣势在于，竞争对手可以将 AI 功能捆绑进客户已持有的合同中。

即使单个工具不那么全面，捆绑销售也能减少采购阻力。许多企业更愿意先扩展现有平台，再增加另一家战略供应商。

开放软件也为技术成熟的组织提供了另一种选择。工程团队可以在不购买单一集成平台的情况下，组合模型、检索系统、访问控制和工作流引擎。

这一路径提供灵活性，但将集成责任转移给客户。当组织能够招聘并留住所需技术人才时，这种方式最有效。

当买家更看重部署速度和集中式治理，而非模块化控制时，Palantir 就会胜出。当既有分销渠道或较低投入承诺更重要时，竞争对手则会胜出。

第五个不确定性是，报告中的加速增长有多少来自异常有利的支出周期。企业和政府正在争相建立 AI 能力，赶在标准定型之前抢占位置。

早期的紧迫感可能带来快速采购。后续阶段往往会出现整合、预算审查和对可衡量回报的要求。

Palantir 必须证明，扩大的合同反映的是可重复的价值，而非防御性试验。续约行为和客户扩张将成为重要证据。

估值在不改变运营结果的前提下增加了另一层风险。即使一家高速增长企业，也可能因其市场价格预设了更快的未来表现而令股东失望。

该股在财报发布后上涨 29.5%，显示投资者对这一结果给予了多么强烈的奖励。这也显示出高预期所带来的敏感性。

后续一个季度无需表现疲软，也可能引发负面反应。它只需要低于投资者已经预期的增长、指引或盈利水平。

市场反应也超过了原始 techmeme Palantir 报道中的盘后初步走势。这一演变表明，随着投资者审视其商业业务构成，他们重新评估了本季度表现。

BofA 的乐观看法强调了 Palantir 的 AI 战略和控制层。一位持怀疑态度的投资者可以接受这一战略，同时质疑股价已反映了多少成功。

这些立场并不矛盾。企业质量和投资价值彼此相关，但并不相同。

围绕 Palantir 在政府和国防领域角色的更广泛担忧同样存在。其系统可以支持涉及监控、军事行动和公共行政的决策。

这些部署引发了关于透明度、公民自由、采购监督和人为问责的问题。营收增长本身无法回答这些问题。

商业买家也面临相关的治理挑战。让 AI 系统访问运营数据，会带来隐私、偏见、安全和不当自动化方面的风险。

Palantir 表示，其软件提供控制和可审计性。客户仍需决定哪些用途可以接受，以及哪些决策需要人工审查。

受治理的平台可以记录一项行动，但并不能使其背后的政策变得公平。技术保障措施无法取代组织责任。

随着 Palantir 扩张，这一区别应始终处于核心位置。公司的营收证明客户正在购买其方法，但并不意味着每次部署都能产生同等价值或可接受的结果。

因此，对本季度最有力的解读应比市场的庆祝更为克制。Palantir 已在美国本土商业客户和政府客户中建立了强劲势头。

公司现在必须将这一势头转化为可重复的扩张，同时抵御资金雄厚的平台竞争。随着其软件进入更多具有重大影响的决策领域，它还必须在日益严格的审视下运营。

三项信号将检验 Palantir 上调后的 2026 年展望

下一项考验不是 Palantir 能否再交出一个令人印象深刻的标题数字，而是支撑本季度的结构能否保持完整。

第一个信号是美国商业收入增长。Palantir 目前预计，该业务在 2026 年将贡献超过 34.2 亿美元，高于此前超过 32.2 亿美元的展望。

这一上调反映了管理层在第二季度加速增长后的信心。公司还将全年总营收指引上调至约 81.5 亿至 81.6 亿美元。

投资者应将未来商业增长与第二季度 149% 的增速进行比较，但不应要求这一百分比永远保持不变。规模会让比较变得更困难。

更有用的检验是，商业收入能否继续环比增长，同时在整体业务中占据更大份额。

持续扩张将强化这样一种观点：Palantir 已成为一个广泛的企业 AI 平台。若增长急剧放缓，则会重新引发对合同签订时点和早期周期紧迫性的疑问。

增长的构成与总量同样重要。投资者应关注是否有证据表明，客户正在从初始项目扩展到采用更多运营工作流。

客户数量可以提供参考，但其本身无法体现部署深度。剩余交易价值、合同价值、续约模式和商业收入结合起来，能提供更多背景信息。

第二个信号是增长与运营效率之间的关系。当收入增长快于服务客户的成本上升时，Palantir 的模式最具优势。

其以研讨会为主导的方法可以在早期形成势头。关键问题在于，随着部署走向成熟，客户是否会变得更加自给自足。

如果成熟部署需要更少的增量资源，Palantir 就能在保护利润率的同时扩大收入。这一结果将强化其平台定位。

如果每次扩张都需要大量定制工程投入，公司将面临服务型业务的限制。增长仍可保持健康，但规模化将更加依赖人力。

因此，未来的财报文件应重点关注运营费用、股权激励、营业收入和现金生成能力。没有任何单一指标能够完整反映全貌。

股权激励尤其值得关注，因为它会影响股权稀释，以及调整后业绩与按公认会计准则计算的业绩之间的差异。

强劲的现金生成能力可以缓解部分担忧，但投资者应同时审视报告口径和调整后口径的盈利能力。只关注一种呈现方式，可能会掩盖重要的权衡。

第三个信号是竞争性企业平台的回应。Palantir 商业业务的加速增长，促使竞争对手改进集成化治理和运营部署能力。

有意义的回应不应只是再推出一个聊天机器人或模型合作关系。它需要将模型与权限、结构化业务数据、审计追踪和获授权的行动连接起来。

Microsoft 可以将 AI 与 Azure、Microsoft 365、Fabric、Dynamics 及其安全产品连接起来。Amazon 则可以将模型与其广泛的云基础设施和企业服务相结合。

Google 可以整合其模型、云平台、数据工具和办公软件。Oracle 和 Salesforce 可以将 AI 嵌入成熟的数据库和业务应用中。

数据平台也可以进一步贴近运营工作流。它们对企业信息的访问能力，为受治理的 AI 系统提供了基础。

如果这些供应商能让生产环境部署更简单，Palantir 将面临更大的定价和分销压力。客户可能会从现有供应商处选择足够好的一体化方案。

如果竞争对手仍在销售碎片化组件，Palantir 的地位就会更强。它可以主张，客户需要一个覆盖模型和基础设施的统一运营层。

竞争回应也可能通过合作而非直接模仿出现。供应商可以将 Palantir 与其云服务或模型集成，同时在其他领域展开竞争。

这种混合关系在企业软件领域很常见。供应商可以在一个客户账户中成为合作伙伴，在另一个账户中成为供应商，并在第三个账户中成为竞争对手。

读者不应将这个市场视为简单的赢家通吃竞争。大型组织通常会同时使用多个云、模型、数据系统和应用程序。

Palantir 无需取代每一个组件。它需要成为足够多重要运营决策被呈现和治理的场所。

这会形成一种战略引力。随着越来越多工作流依赖该平台的数据关系和权限体系，替换它将变得更加困难。

同样的引力也可能令买家担忧。深度集成能够创造价值，但也可能提高切换成本，并加深对单一供应商的依赖。

因此，企业买家应在扩展部署前评估可移植性、访问控制、模型选择、审计能力和退出规划。

技术负责人也应在试点开始前设定结果衡量指标。这些指标可能包括周期时间、预测准确率、设备可用性或错误减少程度。

如果没有达成一致的衡量标准，一个视觉效果出色的 AI 工作流可能会在未证明价值的情况下持续存在。这会削弱问责机制，也会使未来的采购决策更加困难。

知识工作者也面临同一问题的较小版本。当 AI 能够连接可靠的上下文，并在不掩盖证据的情况下支持决策时，它才会真正发挥作用。

用于知识融合的工具可以帮助个人将自己的信息与 AI 辅助结合起来。企业平台则尝试在更大的系统范围和更严格的控制之下实现同一原则。

techmeme 的 Palantir 标题捕捉到了惊人的增长率、超预期的营收表现以及强劲的市场反应。其持久的故事取决于后续发展。

关注商业收入是否持续环比增长。关注运营效率能否经受扩张考验。随后，关注成熟的企业平台是否能提供可信的运营替代方案。

这三个信号将表明，Palantir 是建立了企业 AI 的持久控制点，还是仅抓住了一个非同寻常的采用阶段。

对于企业买家而言，眼下的行动很实际：通过一个具有可衡量后果的真实工作流来比较供应商。要求明确的权限、可追溯的输出以及清晰界定的人类责任。

对投资者而言，所需的纪律类似。跟踪公司相对于上调后展望的执行情况，但不要把一个季度视为永久性的增长速度。

Palantir 已赢得了更有力的商业定位。接下来的几份报告将决定，techmeme 的 Palantir 时刻究竟标志着持久转变，还是市场最高预期过早到来。