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，并在政企智能和數據決策賽道加速布局，更有頭部大廠親自下場切入。

但真正的挑戰才剛剛開始：技術路線保守、數據治理滯后、高毛利模式失效，再疊加戰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實困境的破局之道。

從政府與國防業務起家的Palantir，如何實現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的軟件公司，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、執法體系：國防情報局（DIA）、聯邦調查局（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。

在戰場、情報這類生死攸關的場景里，最棘手的難題莫過于數據太亂、標準不統一且無法融合。Palantir的本體論，本質就是用一套統一的語義與模型，將異構數據打通、定義并關聯起來，將混亂的信息整合成一張清晰的“作戰地圖”。

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據安全能力的極致打磨。一方面，其數據場景高度封閉，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%來自政府業務，46%來自商業收入。自2020年上市以來，To G業務常年貢獻超一半收入，占比穩定在55%左右。

它與美軍、情報機構等美國聯邦政府部門長達十余年的深度綁定，帶來的是業務穩定、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100億美元的協議，坐實了美國聯邦政府“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也明確要在美國聯邦政府的軟件系統支出中搶占更大份額。

To G基因注入To B業務

但在美股市場，To G業務向來是被投資人“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業務性感。

在政府業務站穩腳跟后，Palantir很早就埋下了商業化的野心。

2010年前后，Palantir從金融賽道切入To B業務，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。后來Metropolis迭代演變為Foundry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業務早已從早期探索邁入全面爆發階段。

財報顯示，Palantir2025年商業部門收入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業務這個基本盤很穩，二是它正把這個優勢，實打實地轉化成了To B業務的增長動力。

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

這套方法論在To B業務場景中找到了新戰場。數據分析專業出身、曾在美國從事BI（商業智能）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”的軟件平臺。“本體數據處理、模型、仿真，這套系統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。“重型模式才是它的真正優勢，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To B大爆發？

AIP“引爆”

真正讓市場承認Palantir To B業務價值的，是2023年4月發布的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，創下歷史低位。

“現在很多投資人炒作Palantir，正是認為它曾經被低估。”

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，實現原有產品從傳統數據分析工具升級為企業AI操作系統。

二是將落地效率拉滿，把過去數月甚至數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、難復用的行業痛點。

這得益于AIP的泛化能力打開了規模化“復制”的可能性。英喆指出，與傳統的機器學習模式不同，AIP不會因訓練數據而局限于單一行業，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，創下歷史新高。

AIP對商業化的拉動，最終都清晰反映在財報數據上：Palantir近幾年的營收增速曲線呈現高增長-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業務的爆發，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商業化還在加速。單看2025年Q4數據，其營收增長勢頭不減：整體營收同比增長70%，美國商業收入同比更是暴漲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業務：軍政場景的數據封閉、環境復雜，常規的軟件開發模式“失靈”，Palantir只能派人去一線摸清業務，再把經驗帶回來沉淀、抽象成產品。這套打法，后來被系統化為FDE模式——跑通了先定制化落地、后產品化沉淀的閉環。

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的產品開發工程師（Product Development Engineer，即PD工程師）。

從協作方式上看，作為前線作戰部隊的FDEs，每周需要花費3-4天時間駐場工作，深入了解業務流程，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檢驗的解決方案沉淀為標準化、可規模化的產品能力。

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據模型，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健上升態勢：從78%穩步提升至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。”陸程認為，Palantir的核心優勢在于“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。“美國人對交付這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中殺出重圍。

長期研究Palantir的滴普科技聯合創始人楊磊指出，過去幾十年，在美國軟件服務行業，IBM、埃森哲等公司在項目管理、業務咨詢及調研等環節做得很深。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開發工作。

Gartner分析師曾分析，客戶選擇Palantir而非Snowflake，核心原因在于To B業務非常看重燈塔項目的示范效應。Snowflake缺乏這類復雜場景的實踐經驗，而Palantir恰恰在軍政、金融等高壁壘行業積累了深厚的“實戰”經驗。

Palantir的行業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專家，將這群最懂業務場景、最懂客戶痛點的“軍師”收入麾下。

“Palantir提供的首先是業務專家，其次才是IT人員。”國內某軟件廠商高管趙陽認為，Palantir是少有能將行業know?how和IT技術做到優質匹配的軟件公司。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？

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的依賴持續加深。

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

當客戶的核心業務流程、數據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，完全依靠實戰效果和客戶口碑實現轉化。

截至2025年底，Palantir客戶數量從上一年的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，為了推廣面向企業市場的Foundry產品、應對上市壓力，Palantir才開始大規模招聘銷售人才，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。可見即使組建了銷售團隊，Palantir的重心仍然放在行業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，這類業務前期投入高、落地風險大、數據環境復雜、銷售周期漫長，恰恰構成了天然的行業壁壘，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”的成熟商業模式，國內軟件行業長期深陷盈利難、規模小的泥潭里——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，學它的節奏，再找自己的步頻。”

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

在這波熱潮中，業內人士認為有三類玩家有潛力成為“中國版Palantir”：

• 一類是業務邏輯上與Palantir相似的廠商。這類廠商業務以數據智能、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，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。據稱國內某大廠已有團隊正對標Palantir研發相關產品，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。”

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？

挑戰一：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。”

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

據他觀察，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，不希望AI在業務場景中隨意泛化、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，且很難跨行業泛化，與今天大模型思考決策、掌握業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、現百望股份首席咨詢專家續巖向雷峰網表示，大語言模型本質上是一套概率模型，而醫療、金融等場景需要保證結論的可解釋性和精準性。在這樣的業務場景下，大語言模型的表現未必比機器學習好。

據雷峰網了解，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。

續巖透露，百望股份目前采取“雙線并行”的技術路線，其數據科技團隊正嘗試從以機器學習為代表的傳統后驗論模式，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。“大家都在拼命等場景，等大模型真正能解決什么問題，才會大力投入。”關于國內云廠商、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，只能繼續在原有體系上拓寬場景，很難用新一代技術打開全新的業務空間。“原有團隊靠舊技術發家，如今讓他們轉型或出局，都難上加難。”

但現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據智能架構時，將Palantir作為重要參照。

楊磊向雷峰網表示，滴普科技在2018年創立時關注的對象還是Snowflake、Databricks這類公司，當時業界主要關注數據平臺建設、數據湖倉建設、數據實時化及數據呈現。

但他逐漸意識到，這一方向存在一個問題，即數據和業務知識相互孤立。業務邏輯體現在ERP（企業資源計劃系統）、MES（制造執行系統）等流程系統中，數據只是反饋結果和過程描述，二者處于分離狀態。

在深入研究Palantir后，楊磊和同事發現這家數據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現：‘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。

挑戰二：數據治理是塊“硬骨頭”

技術追趕只是第一道坎，真正考驗國內廠商內功的，是更難跨越的數據治理關。

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

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

由此可見，中國數據基建更為薄弱，面臨的數據治理難題比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出一批數據治理廠商，雖然它們已經積累了相應的技術經驗，但時至今日，數據治理仍是產業界的一塊“硬骨頭”。

一方面，國內數據碎片化嚴重，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，海外企業接受云原生的概念比國內要好很多，他們在數據基建上的統一性或規范性比國內企業要強得多。

早年海外企業普遍采用Snowflake、Databricks、dbt Labs等通用解決方案進行數據基建，并沉淀了大量業務數據，業務建模后更容易“跑”起來。

而國內企業的數據基建水平參差不齊：

在早年數字化轉型中，有的部署在本地IT環境，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。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到底是怎么搭的、用的什么技術架構。

企業在數字化轉型中積累的海量IT系統，對廠商來說無疑是個巨大的挑戰。“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據中臺。”

李夢林明顯感受到，在當前市場環境下，企業決策愈發謹慎，不愿投入千萬元級別的資金用于數據基建。核心原因在于數據基建投資回報周期長——動輒數千萬的投入，往往需要兩到三年才能看到基本效果，企業很難保持足夠的耐心。

另一方面，數據治理并非單純的技術問題，還涉及組織變革的壓力。

面對客戶的內部協調問題或其他訴求，廠商即便是駐場做跨部門的協調溝通并打通數據，也面臨不少考驗。比如中臺項目需要打通各種部門“墻”，將不同部門的數據拿過來一起共建、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）20年前創立時并未對標Palantir，后來明確對標是在2014年成立明略數據之時。

“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，明略數據早期的業務方向與Palantir的軍政口業務很像，當時將知識圖譜技術應用在公安口業務。

但從數據治理的現實困境看，李夢林認為，Palantir采取的是“自下而上”路線，先幫客戶把所有數據打通、治理好，再教客戶使用，讓企業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：

國內企業的員工采用這類復雜系統的意愿并不高，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據治理這類前置工作，更希望一開始就知道如何通過數據應用驅動業務增長。

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

挑戰三：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模式。”李夢林表示，中美市場環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模化，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余年行業經驗的業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務專家。養這樣的團隊，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：缺乏派行業專家在客戶現場理解需求、定義和開發項目、再反向迭代產品的咨詢式大單。“沒有哪家企業會給廠商開出10億美金的單子，還以咨詢、現場部署、工程交付為主。”

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、有數據，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”。

挑戰四：戰略與資源的雙重考驗

外有頑疾，內有隱痛。除了行業共性的難題，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略定力。

續巖向雷峰網表示，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，從商業回報看，這類業務需要長期投入，偏向半戰略性投資——在全面實現盈利前，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業務參與國家財稅的數據基座建設，在背后默默做“架橋鋪路”的底層支撐工作。續巖提到，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，也不是數據，而是現在還未被完全拆解出來的“推理框架”——“穿透到底層就會發現它的地基非常深厚，不是我們現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”。

據她觀察，國內廠商更傾向于快速追求商業變現，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字人，都能有商業變現的機會。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。”

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——業務線很多，不是只干一件事。“創業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始人們，在過去8年同樣認識到“懂業務”的重要性。

楊磊向雷峰網坦言，業務敏感度不足，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，很容易低估業務的復雜性，認為供應鏈只是簡單的貨物分發。

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

在他看來，既懂AI又懂業務、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模式并不現實。目前業界已形成基本共識：借鑒Palantir模式，亟需進行本土化的適配或改造。

劉暢認為，雖然國內廠商現在直接對標Palantir為時尚早，但它就像當年IT從業者眼中的IBM，是值得尊敬的標桿。“把Palantir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。”

但不乏為這波熱潮“潑冷水”的從業者。“中國的軟件廠商估計都想學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。”

陸程認為，誰能學得明白，大概兩三年就能看得比較清楚。“Palantir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。”

本文作者長期關注AI巨頭動態及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。