如果用一句话来说服你，一定要关注Palantir这家公司。那这句话是：Palantir是最受益于AI浪潮的公司之一，也是最有可能形成超级大泡沫的公司之一（实际我觉得，这一点没有之一，当然现在估值已经很贵）。
Palantir是一家专注于数据管理、数据整合和数据可视化的软件公司，其核心在于通过Foundry、Gotham和AIP平台实现数据的运营化利用。公司成立于2003年，最初为美国情报部门开发软件，随后逐步扩展至商业应用领域。
投资人，即使是很多机构投资人，对Palantir的业务都一头雾水。绝大部分券商研报、网络文章也都讲不清楚。部分原因是Palantir一半以上的业务是政府业务，尤其是军方业务，非常保密。还有部分原因是，市场上没有同类对标公司。公司迄今为止只有600多个客户，真正用过它产品的人很少。Palantir的业务似乎是一个黑箱，但如果你看到它的前20大客户，平均每年在它上面支付6000万美金，可以相信这些客户一定是看到了其产品强大的价值。UBS最近的研报，采访了十几位Palantir的客户、合作伙伴、行业分析师和财富500强企业的CIO/CTO，多角度呈现Palantir的业务，我觉得算是讲得最清楚的一篇报告。报告很长，分三次分享给大家。
Palantir Technologies Inc
AI与数据领域的关键赢家，但估值成为主要障碍，首次覆盖给予“中性”评级
摘要
我们首次覆盖Palantir股票，给予“中性”评级，目标价为80美元，同时对2025/2026年的业绩预期明显高于市场一致预期（收入增长高出200个基点）。我们对其基本面持非常积极的看法，这一观点基于与17家大型Palantir客户的深入交流及其他市场调研。
本报告聚焦于两个关键问题：
1.“Palantir到底是做什么的？”
2.其在AI与数据领域的强劲表现如何推动增长？
尽管基本面表现优异，但估值是我们保持观望态度的主要原因。以2025年的预测为基准，Palantir的估值为收入的49倍和自由现金流的124倍，令其难以被市场普遍接受。
基本面令人印象深刻
我们对Palantir基本面的评估非常积极。客户和其他市场调研几乎一致看好Palantir的商业模式，尤其是Foundry和AIP平台所带来的价值，但也有部分客户对其高昂定价及绑定策略表示一定的疑虑。挖掘私有数据集的价值是实现AI及传统优化收益的关键，而Palantir在这一领域处于极佳位置。其AIP-on-Foundry平台支持“自助式AI”趋势（我们认为这一趋势可能会持续），如果Palantir能够帮助客户在供应链优化之外发掘更多高价值的应用场景，则有望进一步推动增长。
我们首次覆盖时的2025/2026年收入增长预期为28%/25%，高于市场一致预期，且我们认为这些预测仍有上行空间。
估值难以逾越
尽管我们理解，对于处于重大技术范式转变（如AI与数据整合）的公司，估值分析可能并不直观。这些公司通常具备加速增长的潜力，叙事改善也可能使收入或自由现金流倍数的重要性降低。我们认为，与大多数其他上市软件公司相比，Palantir理应享有显著的估值溢价。然而，以2025年预测为基准，49倍收入倍数和124倍自由现金流倍数的估值仍然过高。我们倾向于保持耐心，等待更好的入场机会。
估值：
Palantir股价年初至今已上涨333%，吸引了更多机构投资者的关注。这不再仅仅是由散户推动或“meme stock”驱动的现象，其显著的收入增长加速和利润率提升反映了极强的基本面。我们的目标价为80美元，接近华尔街预测区间的上限，基于2026年EV/FCF倍数110倍的估值，这是一个显著但合理的溢价，反映了Palantir在高增长同行中的领先地位。
关键问题
1.Palantir是否是AI领域的重要受益者？
是的。 调研结果表明，Palantir的AIP-on-Foundry平台在即将推出的AI应用和场景中具有非常强的竞争力，且已推动Palantir在商业和政府领域的增长显著加速。此外，Palantir受益于甚至推动了“DIY式AI”或定制AI的趋势，在解锁私有/企业数据集并微调大型语言模型（LLMs）以提升AI应用性能方面，处于非常有利的地位。
2.30%的增长是否可持续？
可能可以。 以2024年第三季度30%的增长为基础，我们预计Palantir在Q4仍可实现30-31%的增长，并对2025年的增长率预测为28%。如果AIP-on-Foundry能够进一步带来增长动力，Palantir在供应链/物流优化领域之外成功扩展应用场景，并且DOGE（数据优化和效率改善）平台在美国联邦政府的推广成为催化剂，则2025/2026年30%以上的增长是有可能的。
我们采取更为保守的估计，对2025/2026年的收入增长预测为28%和25%。
3.合适的估值框架是什么？
自由现金流倍数（FCF multiple）。在非GAAP运营利润率达到38%的情况下，我们认为Palantir的利润率和现金流结构已经足够成熟，可以用自由现金流倍数来进行估值。然而，即便以这种标准，其2025年的124倍FCF倍数几乎是高增长软件同行（如Crowdstrike和Datadog）的两倍。尽管如此，我们认为Palantir应享有高于这些同行的溢价，其EV/FCF/G分析表明其倍数在增长调整后仍具合理性。
我们首次覆盖Palantir时给予“中性”评级，2025/2026年的业绩预测高于市场一致预期，同时我们对其基本面持非常积极的看法。然而，基于2025年49倍收入倍数和124倍自由现金流倍数的估值仍显过高，因此我们倾向于等待更好的投资入场点。
我们的观点基于与17位Palantir客户、合作伙伴、行业分析师和财富500强企业的CIO/CTO的对话。由于与军事情报机构的IT高管交流存在挑战，我们的调研主要集中在Palantir业务中占比44%的商业领域。
目前的估值显示，投资者已经对30%的可持续增长和持续的利润率改善进行了定价。定性分析表明，市场普遍认为Palantir是一家重要的AI/数据领域受益者，并有望在美国联邦政府效率（DOGE主导）改善中扮演关键角色。
Palantir到底是做什么的？
在传统的股票覆盖报告中，我们通常会直接关注“关键问题”或可能推动股票走势的投资者核心争论，并跳过公司基础信息部分，因为这些信息通常是公开且重复的，价值不大。然而，针对Palantir，我们选择了不同的方式。由于其商业模式的独特性，我们认为投资者可能需要一个关于Palantir实际业务的介绍。因此，我们将先描述其商业模式，然后讨论我们认为的关键投资者争论点。已经熟悉这部分内容的读者可直接阅读有关股票核心争论的讨论。
Palantir如何描述自己的模式？
我们听到过很多行业观察者和分析师将Palantir形容为“黑盒子”。我们理解这种说法——Palantir的商业模式和架构确实不易理解。但我们认为“黑盒子”这个词被广泛使用，主要是因为以下两个原因：
1.Palantir的独特性，没有明显的同行公司可供投资者和分析师类比。
2.Palantir所涉领域广泛，难以被归入一个明确的软件类别（例如，它既是一个数据整合公司、数据科学公司、人工智能应用公司，又是一个国防承包商，甚至类似麦肯锡/波士顿咨询集团的咨询公司）。
尽管如此，我们不认为Palantir是“黑盒子”意义上的神秘系统，使投资者一头雾水。如果它真的是一个“黑盒子”，我们很难想象其前20大客户会平均每年在Palantir的产品和服务上花费6000万美元——这些客户显然清楚自己得到了什么。
为了加深我们对Palantir模式的理解（尽管这仍在完善中），我们采取了一种“捷径”：直接向客户询问他们如何使用Palantir及对结果的看法。接下来，我们将展示这些客户（许多是Palantir最大的客户）毫无修饰的反馈。在此之前，我们先用Palantir自己的描述总结其业务模式。下面的图表（Figure 1）简要概述了Palantir的核心产品。
Palantir的政府与商业业务构成
起源于政府领域
Palantir的起点在政府领域，其核心产品是Gotham。到2024年第三季度，政府业务（主要是美国国防部和情报机构）仍占据了公司总收入的56%。这一比例部分得益于公司从美国政府合同中获得的大量AI收入（稍后将在报告中详细讨论）。
商业业务的扩展
近年来，Palantir非常努力地推动其在商业领域（非政府客户）中的扩展，主要依赖于其Foundry和AIP产品。截至2024年第三季度，美国商业业务的年化收入达到了约7亿美元，过去四个季度（剔除投资协议收入）年同比平均增长66%，是Palantir业务中增长最快的子板块。
投资者重点：商业增长
尽管政府业务规模庞大，但由于Palantir的国防部和情报项目的高度敏感性，进一步研究这些领域具有一定难度。从投资者的关注点来看，焦点更多集中于Palantir商业业务的增长轨迹。因此，我们的研究也主要聚焦于其商业领域的发展。
客户与行业分布
客户概况
截至2024年第三季度，Palantir拥有629个客户，其中498个为商业客户，131个为全球各地的政府机构。相比之下，另一家数据软件公司Snowflake（收入略高于Palantir）拥有超过10,000个客户。
尽管客户数量较少，但Palantir的平均每客户收入为460万美元，这在软件行业中属非常高的水平。具体到商业部门，平均每客户收入为250万美元，虽不及整体平均水平，但相对于同行仍属较高。
顶级客户贡献
Palantir的前20大客户平均每年贡献收入6000万美元，合计约为12亿美元，占公司总收入的 41%。这一高比例显示出Palantir在其最大客户中的营收依赖度高。值得注意的是，前20大客户的平均支出在2024年第三季度 同比增长了12%，表明一旦客户入驻，Palantir具有很强的扩展潜力。
销售模式
尽管客户贡献显著增长，Palantir的销售团队仍处于“初期发展”阶段。这表明，公司依赖于 产品驱动的增长模式，而非大规模的销售团队扩展。
行业分布
从行业来看，Palantir的收入构成为：
•56% 来自政府部门（其中78%为美国政府机构）。
•44% 来自商业企业，覆盖多个行业领域。
这一分布反映出Palantir在政府与商业市场的双重布局，尤其是在美国政府部门的强势地位。
我们调研听到的内容
在这一背景下，我们整理了来自Palantir客户及与客户互动的行业分析师的直接反馈，随后我们将对这些反馈进行总结。出于明显的原因，这些对话是与Palantir的商业客户进行的（因此仅涵盖了公司业务中不到50%的部分）。
Customer 1
关于我们的数据架构，我们是Palantir的大客户，主要使用他们的产品进行高级分析和人工智能应用。我们从2018年开始了一些投资项目，这些项目是所有公司都会做的，例如优化采购、房地产管理和后台办公。这些项目的一部分涉及云服务，主要依赖于 AWS。我们还与 Azure 有一个小型合作关系，用于运行我们的 SAP 系统。
如果说数据资产现代化（data estate modernization）中谁赚了最多钱，那就是那些超大规模云服务提供商（hyperscalers）。我们正在向这些平台投入更多资金，并使用它们的服务。
Customer 2
在IT预算增长方面，从高层次来看，我们的IT支出约占销售额的3%，这大致能给你一个规模的感觉，接近10亿美元的IT支出。因此，我们在2024年和2025年的增长轨迹基本平稳，虽然在某些特定领域还有增长空间。我们非常专注于投资那些我们以后不需要再进行大幅削减的领域。我们真正在尝试改变我们购买和构建数据平台的方式，这正是Palantir的作用所在——我们真正想要打破的，是仅仅添加为特定用例设计的定制软件的过程，而是构建可以未来广泛应用的数据平台和数据模型。
在云迁移方面，我们非常注重云优先。虽然我不能给出具体的云工作负载百分比，但可以说，大概有三分之一到一半的工作负载在云中。我们在云方面有两个具体的目标——我们非常专注于购买云原生软件，这是我们战略中的关键部分，解决遗留系统并找出如何在云中运行它们的方法。第二个领域是云中的数据平台，我们已经将支出集中在两个大平台上——Snowflake和Palantir。在Snowflake上，我们基本上将所有的本地数据集中并转化为一个大数据湖，这个数据湖将托管在Snowflake上。对于Palantir，它涵盖了从数据摄取、数据管道、数据清洗、商业智能到最终能够将这些数据运作起来的能力。此外，Palantir是数据存储不可知的，我们能够将Snowflake和Palantir虚拟连接，从而实现基本相同的体验。
当你考虑到我们的IT预算年增长时，它实际上是全新的，而不是替代遗留系统。使用Palantir的本体论，我们能够打破各个部门、运营之间不同技术栈的孤岛，并简化管理这些孤岛所需的所有劳动力。这正是Palantir的作用，它摄取所有这些看似不相关的数据，并允许你在这些数据上层叠管道/算法，通过这种方式，你可以从反应式转变为主动式。这是一个游戏规则的改变，这也是为什么在我看来，至少在供应链领域，Palantir正变得越来越必要，甚至是为了保持竞争力。
我花了过去5年时间专注于与供应链相关的数字化转型项目，涉及整个技术栈，真的从标准操作工具到企业资源规划。我的认识，为什么我们选择了Palantir，是因为我们供应链技术栈中的每个工具都有自己的数据模型，而这些数据模型是为执行特定任务而构建的。实际上，这种情况非常常见，所有这些财富500强企业都投资了这些世界级的工具，因为这是完成特定工作最有效的方式，但这也带来了很多孤岛。如果你仔细想想，这些孤岛其实是不必要的，每个工具都需要访问许多相同的信息：建筑材料、客户数据等。我们选择了Palantir，因为我们确实需要一个能够整合整个技术栈、打破所有定制软件孤岛并创造出通过单独使用这些不相关工具无法获得的商业智能的解决方案。
我们是在2021年底与Palantir接触的，当时他们向我们推销Foundry作为零成本的概念验证，实际上这是他们的市场推广策略，我必须说，老实说，这对他们来说可能是一个效率很低的策略，但对我们来说却很有利。它给了我们机会，通过这两个月免费的概念验证，证明了自己在Foundry技术栈上的能力。在Palantir方面，连接数据相对简单，但在我们这边，确保所有数据都正确流动稍微有些困难。在ERP方面，这非常好，因为我们能够快速地将所有客户的ERP数据从订单输入到生产再到交付进行集成，通过他们的数据集成工具，我们能够非常快速地连接所有这些数据。然后，Palantir技术栈中最具颠覆性的部分，在我看来，就是本体论，在我们的案例中是供应链本体论。它本质上是为您的业务定制的数据模型，从我的角度来看，这个改变游戏规则的技术，而不是查看表格、列和行，您是从对象的角度来看待您的业务——在我们的案例中是客户、供应商、零件等，这对于从数据分析到支出管理的所有工作都极为有用。当你购买定制软件时，你需要将你的业务融入到该数据模型中，但突然间，通过本体论，你可以按照自己想要的方式定义你的业务，实际上你可以非常轻松地构建一个定制版的模型。
我能想到一些其他Palantir的客户，他们实际上只为一个用例支付Palantir——比如我知道有一家非常大的饮料公司，他们只用Palantir来装载冷却卡车，这只是一个非常小众的用例，他们正处于一个转折点，只为一件事支付Palantir费用。我认为这些客户最有可能最终取消使用Palantir，但我认为这正是Palantir可以通过AIP来增强平台粘性的地方。
我们在云端使用Palantir，100%云端，没有任何本地部署。实际上，Palantir现在与AWS和Azure都有很好的合作关系。就我所知，我们在组织中没有使用任何Oracle OCI，也没有Palantir曾向我们展示过任何包含OCI作为目标云提供商的内容，我们与这家公司关系密切，定期与Alex Karp会面。当我们第一次开始使用Palantir时，AWS是Palantir的首选合作伙伴，但现在Azure的比例更为平衡。我们仍然主要在AWS上使用Palantir，但确实有一些非常特定的用例要求我们在公司其他领域使用Azure，特别是在Office套件和其他在Azure上运行的工作负载方面。此外，我们在Azure上的支出承诺很强，Palantir的支出也计入其中，所以无论Azure的表现如何，我们都要使用它来达成我们的支出承诺。我们的Palantir部署现在大约是AWS/Azure各占一半，这与我们更广泛的云端布局一致。
在数据方面，Palantir不仅仅是一个数据湖，它是关于将数据投入实际操作，所以它远不止是一个数据平台，它也不完全是SaaS产品，但他们实际上是将整个技术栈带进来，然后他们的前置工程师会来创建与您一起的用例和应用程序，因此从这个角度看，Palantir确实解决了应用程序的整个技术栈。
Customer 3
关于整体IT支出的增长，我们预计未来12个月内会保持平稳或略微增长，年增长率大约在几个百分点左右。我们主要投资于数字渠道、移动端和呼叫中心等领域，在这些领域我们预计年增长率在5-10%，未来几年可能达到20-30%的增长。在技术组合方面，我们重点关注的是加速向云端迁移，因此我们也会在云端消耗上有较高的增长，预计年增长率大约为10%。目前，我们的大部分应用程序和工作负载仍然在本地部署，估计大约只有15%的工作负载在云端。我们使用Google Cloud和Azure，从支出角度看，Google的比例略高，大约60-65%使用GCP。
我们在云端迁移到Palantir的过程相当困难，但我们算是一个独特的案例。当我们开始将Palantir迁移到云端时，Palantir只支持AWS，AWS是唯一可以使用的公共云提供商。对我们来说，这行不通，因为我们只能使用Azure和GCP。我们要求Palantir为Google工程定制解决方案，他们也做到了，这为我们提供了机会，我们成为了第一个在GCP上完全运行Palantir的公司。当然，这个过程非常痛苦，因为我们是第一个在GCP上运行的客户，而当时该平台还未针对GCP进行优化。此外，Foundry在本地部署与在云端部署有所不同，这并不是简单的迁移和替换，您确实需要对底层应用程序进行一定程度的轻微重构，确实并不简单。我们原本期待的是更简单的迁移，但这两个因素——不同版本的Foundry以及作为第一个在GCP上使用的客户——让迁移过程变得更加复杂。我们有大约5000名Palantir用户，连接到Palantir的应用程序有7000个，仅仅是重新测试就非常庞大。我们花了一年时间来重构所有应用程序，又花了一年时间进行迁移和重新测试，总共花费了2年时间来完成云端迁移。
关于支出的增加，我们实际上通过淘汰基础设施节省了整体成本，因为显然不再需要相同的基础设施，而且我们的工作负载具有非常突发的特点。在任何给定时刻，我们的用户通常只利用了大约30-40%的基础设施。所以，最终我们能够淘汰大量本地部署的基础设施。我们的Palantir支出包含两个部分。一部分是类似SaaS的固定费用，另一部分是基于消费的变动费用。正如你可能猜到的那样，由于我们实际上是第一个在GCP上运行Palantir的客户，所以我们获得了非常优惠的折扣。相比于在本地运行时，我们在云端的总体支出大概增加了30%。但正如我之前提到的，整体支出下降了，从TCO（总拥有成本）角度来看，实际上是非常强劲的。
我们使用Palantir的用例非常集中于每个业务单元内的数据分析和报告。我会列出需求特别高的几个领域。首先是CRM领域，我们使用Palantir作为我们的分析CRM。它是一个系统，用来获取客户信息、渠道反馈、推荐下一个最佳产品、提出目标客户名单等。在这些分析型CRM用例中，Palantir表现非常出色。另一个重要的用例是审计，Palantir的数据关联能力非常强大，在审计和取证领域，Palantir非常出色。支付和金融犯罪也是，我们使用Palantir来定义算法，以了解与特定交易相关的风险级别。
对于我们来说，我们确实有AI/ML用例，老实说，这也是推动Foundry的主要因素之一，使用Palantir在数据上写AI模型。Palantir尚未完全适用于我们的一些用例，尤其是在生成式AI（GenAI）方面，这也是AIP发挥作用的地方。我认为，要真正大规模使用AIP，他们需要改变数据锁定的方式，即我们需要将所有数据锁定在Palantir中才能使用。如果Palantir能让他们的数据生态系统更加开放，这样你就不需要将所有数据都导入Palantir，而且能与外部系统互操作，那对我们来说将是一个巨大的改变。我可以保证，我们的支出可能会在未来几年增加50%，因为这是我们最大的抱怨。Palantir一直没有在数据锁定问题上退步，他们强调安全性，认为如果数据不在Palantir中，很多数据完整性和治理会丧失。这个说法在某种程度上是正确的，安全性也是他们为DoD赢得大量业务的原因之一，但对于企业来说，这确实是个棘手的问题。所以，如果你看到一个更开放的数据生态系统，这将成为AIP和Foundry的一个重要催化剂，至少对我们来说是这样。
Customer 4
我们有很多使用Palantir的场景已经有其他更低成本的解决方案覆盖了。在大数据方面，我们是Databricks的重度用户，虽然我们也可以使用Palantir，但这对我们来说没有意义。我们也是Informatica的大客户，每年花费几百万美元，并且今年的支出预计会增长大约5-7%。在AI/ML方面，我们每年使用C3.ai，花费大约1500万美元。我们曾考虑过使用Palantir来处理AI/ML的用例，但结果发现它的成本比C3.ai高出50%。这就是我们对Palantir的竞争格局的考虑。
我们不想选择Palantir，主要是因为它的高度定制化特性。它并不是一个开放的生态系统，而且存在大量的数据锁定问题，我们不希望开始使用Palantir然后在未来遇到这些问题。我们的数据栈中有大量的Microsoft和SAP产品，我们希望选择一个能够适应这种生态系统的AI/ML平台，对我们来说，C3.ai正好符合这一需求。
Customer 5
Palantir是我们主要的技术合作伙伴，实际上，我们从客户那里捕获的所有数据、所有车辆的所有数据都通过Palantir Foundry流动。我们现在是Foundry的重度用户，目前只使用这个平台。我们使用Palantir的核心场景主要集中在供应链方面，进行预测分析，处理大量关于生产和制造的分析工作，协调所有库存，确保最大化每班次的生产效率等。在COVID期间，Palantir对我们来说非常重要，帮助我们实时协调供应链，解决了获得半导体供应的问题，这一切都是通过Palantir完成的。实际上，我们现在还在考虑利用Palantir来推动我们的智能引擎，帮助我们在回购二手车时定价，分析哪些二手车最畅销等。我们的Palantir完全在云端运行，全部运行在AWS上。
在增量用例方面，我们实际上已经开始采用他们的数字双胞胎解决方案，它将帮助我们通过在Palantir中创建端到端的视图，优化我们的房地产和制造业布局。所以，数字双胞胎是我们目前在Palantir上的最大增量用例。数字双胞胎是一个我们愿意投入的领域，因为我们非常有信心能在不久的将来从中获得足够的回报。
Customer 6
我们在2024年计划实现整体IT预算的10%年比年削减。过去几年，由于Palantir和我们的ERP大规模转型，预算增长了很多。我们正在推进一个庞大的SAP ERP大修，但没有获得额外的资金，因此我们必须在其他地方找到削减成本的办法。我们是一家大型公司，决策高度分散，因此我们主要集中在通过减少应用程序数量来合理化我们的IT基础设施。我们进行了大规模的工作，找出可以取消的应用程序，减少每个用户的应用程序数量。我们还特别关注减少与大型系统集成商的支出，减少使用IBM等公司的专业服务，并优化我们在Azure和AWS上的云支出。
作为IT部门，我们其实一开始并不希望使用Palantir。我们的CFO在他之前的公司使用过Palantir，并坚持要引入它。我们签署的合同结构允许Palantir分享他们创造的10%的收益或价值，这对Palantir来说非常有利。2019到2020年，我们在CFO的要求下引入了Foundry，CIO和技术部门都反对，并非我们的选择。Palantir非常擅长消除反对意见，这是他们的一大强项，他们直接去和CEO、CFO和COO会面，在高层达成交易。我们的定价不是基于价值的，而是每年固定的软件支出。
我们大量使用了Palantir的专业知识，尤其是他们的前端工程师团队，我们的支出主要用于专业服务。我们签订了一个4年的合同，承诺在这4年内支出5000万美元，然后他们会每季度来评估我们的使用情况，看我们是否达到了承诺的标准。Palantir的人员不断直接与业务部门接触，进行实验并推动新的用例。他们会使用分析人员和数据科学人员的组合，进来并持续增加供应链的用例。他们在识别那些能产生投资回报的供应链用例方面做得非常好，比如帮助我们降低运输成本，提高货物生产率等，这些都有非常可衡量的回报。我们的Palantir完全在云端运行，托管在AWS上。
我们使用Palantir Foundry的最大用例是数字孪生，特别是我们的矿山运营的数字孪生。举几个例子：我们有一个大约一英里深的矿山，当他们开采铜矿时，会在铜矿床下方挖掘隧道，并使用炸药清理天花板的部分区域以获取铜矿。我们通过建立这个矿山的数字孪生来预测哪些墙壁可能会发生位移，从而大大改善了安全框架。另一个应用是建模空气的毒性水平，我们能够利用Foundry优化空气中的毒性水平，确保毒性不会超过一个临界值，迫使我们停产，这为生产力带来了巨大的提升。Foundry基本上是帮助我们规划运营并做出更好的决策的关键，但核心用途是作为数字孪生，然后它也可以轻松扩展到其他用例。
Palantir就像一个黑匣子，他们会为你创建这些本体（Ontologies），他们的团队非常聪明，最终会让你接受他们的做法，Palantir在任何特定用例中总是最贵的选择。组织通常有大量的数据，但往往没有对这些数据进行分类整理。很多时候，你会有多个相同的数据副本，每次做一个项目时，基本上都会重新复制一遍数据。Palantir做得很好的就是，他们带来一套数据，创建一个“黄金记录”，这是你可以信任的唯一数据来源。
本体（Ontology）可能是Foundry中最关键的部分，它允许你快速地对现有数据进行分类。如果数据发生变化，模型会立即更新，它与系统紧密连接。本体实际上就是你数据之上的元数据层，它将你的底层数据映射成你业务的视角，对于我们来说，本体就是矿卡、矿山堆料场，基本上是一个数据模型。
Foundry有五个核心组成部分推动着这些用例，首先是数据管道，它将所有数据连接起来。第二是数据治理和数据安全，Palantir在数据安全功能上做得非常出色，尤其是在军事应用中的经验。第三是数据目录管理，但与Informatica不同的是，它是以业务为中心的方式进行分类，比如按卡车、矿山等分类，这种分类更直观。第四是数据可视化，我认为这是关键所在。与Tableau或Power BI不同，Palantir提供的是一个连接式仪表板，帮助你查看所有数据的单一连接视图。最后是假设测试，Palantir不是一个机器学习平台，但它非常擅长假设测试，能帮助你回答“如果我做这个，生产线提高了会怎样？”等问题。因此，Palantir实际上是一个完整的技术栈。
我们将Foundry完全运行在AWS的私有云实例上。所有与AWS相关的费用都是通过Palantir结算的，这些AWS费用流经Palantir的账单。这部分费用并不大，大约占我们与Palantir总体支出的2%。
我认为Palantir如果能够使其生态系统更加开放，将会受益匪浅。现在缺乏很多互操作性，这是一个很大的挑战。企业希望能有更开放的数据生态系统，特别是在使用AI时，需要让AI访问多个不同的系统。当然，从Palantir的角度来看，开放自己的环境会影响到它们的数据锁定能力，这种锁定非常强。但如果他们解决了这一问题，我认为这将是一个重大推动因素。我不认为他们会很快采取行动。
Customer 7
我负责数据与分析团队，我们团队有超过1000人，主要处理所有供应链分析，涵盖从B2B到B2C的各个方面，包括我们的工厂、所有商业物流、供应预测等，所有这些都在我的职责范围内。
我们在采购软件时有几种不同的方式，选择哪种方式取决于具体的使用案例。第一种是自行开发软件，自己用Python编写并完全由内部团队完成。第二种是与平台公司合作，可能是DataRobot、Dataiku、Alteryx等，第三种则是像Palantir这样的平台公司，它们是平台公司的更高阶版本，因为它们不仅提供平台，还会和你一起开发解决方案。最后一种是现成的SaaS产品，对我们数据和分析团队而言，我们通常使用的是第二种或第三种方式。
如我所说，供应链是我的主要关注领域，所以我非常关注Palantir。Palantir是像DataRobot这样的平台的进阶版本，但它的大问题在于无法将这些数据整合到更广泛的供应链系统中。使用Palantir时，你可以创建一个完整的数字双胞胎，并将供应链各个环节的数据都连接到一个地方。你甚至可以直接在Palantir内部进行操作，我可以将Palantir与Blue Yonder直接集成，它还与我的Tableau、Qlik和Power BI兼容。在数据分析层面，我们是Snowflake和Databricks的重度用户。我们的IT预算是数十亿美元，但数据和分析的预算大约为1.2亿美元，年增长15%。这1.2亿美元中，大约7000万美元用于数据，剩下的用于分析。我们是微软的用户，正在积极在Azure云上进行标准化。我们还在进行大规模的SAP S/4HANA迁移，这占用了我们团队大部分的资源。我们在团队中使用了很多Azure的解决方案，目前我们正在考虑使用Copilot，特别是在票务自动化方面，但对于我们来说这还处于早期阶段。在我的数据和分析团队中，我们为GenAI解决方案预留了1000万美元的预算，其中包括Copilot。这个1000万美元仅限于数据和分析团队，并不包括整体IT预算。
我们在供应链中大量使用Palantir，所谓供应链不仅包括我们的所有生产业务，还包括我们的制造足迹。我们有超过300家工厂，每一座工厂都需要在生产线、包装线等环节中以最优方式运作，它们需要在最大效率下运转。事实上，我们的啤酒厂的生产力平均只有66-70%，因为会遇到锅炉停机、机器故障等问题。任何可以提高工厂正常运行时间的措施都会带来巨大的好处，同时还能够节约水、电和天然气。优化生产运营的机会非常大，而这正是Palantir至关重要的地方。
Palantir的第二大机会主要集中在我们业务的物流部分。一旦啤酒生产完成，它就开始了从生产地点到最终消费者的运输过程，基本上是B2B模式，但我们也负责确保啤酒能够顺利到达消费点。所以，如何通过Palantir确保这一点呢？首先是优化库存，其次是减少浪费，我们的产品保质期只有6个月，过期后需要销毁，这就会产生销毁库存的成本，而且以环保的方式销毁往往比生产啤酒本身还要贵；另一个重点是确保订单及时配送。总的来说，我们的目标是降低为客户服务的整体成本。Palantir在这些方面都有帮助，光是装载卡车就已经是一个庞大的过程了。我们需要为不同类型的产品选择最佳卡车，我们有9种不同类型的卡车。我们还需要找出最优的路线，因为我们常常需要在同一时刻运送多个品牌到多个销售点。空间优化方面，当你装载卡车时，需要考虑重量和体积的因素，我们的目标是优化每个托盘的装载方式。
Palantir主要关注的是物流和供应链的各个环节，我们实际上并未在采购方面使用Palantir。从高层次来看，Palantir的作用是优化生产，它是一个连接平台，能够连接所有不同的数据源，并在其基础上进行数据整合。然后，你可以以可扩展的方式部署这些分析解决方案，这在我们行业中是一个巨大的挑战。一个解决方案在一个工厂有效，但如果无法在300个工厂中规模化应用，就无法成功。此外，它还需要易于操作，应该避免一些简单的操作（比如修改交货时间）变成手动过程。我们的操作员不应该手动将信息传递给配送团队，这样的做法不可扩展。能够将Palantir自动连接到Blue Yonder，直接与供应链对接并自动更新交货时间，这正是Palantir的价值所在。
我们目前仅在供应链方面使用Palantir，但我认为有两个潜在的扩展应用领域。首先，在高级分析方面，我们目前使用的是Arena，这家公司为我们的B2B平台提供分析，但我们的领导层对其成果并不满意。其次，我们的首席销售官实际上正在与Palantir进行一个概念验证（PoC），他们在商业分析方面没有太多的专业知识，但我们认为Palantir可能能够启动一个有趣的连接分析解决方案，并且还涉及一些操作组件。
Palantir与典型的ERP或供应链解决方案（如Oracle或SAP）之间的区别在于，后者基本上是数据捕捉解决方案，并具有BI（商业智能）功能。你可以获得一些智能信息，确实有帮助，比以前的智能水平更好，但它主要关注过去。它并不真正帮助你预测未来，避免停机，提高效率，它主要是帮助你解释过去。Palantir做的所有这些，但它非常专注于改善未来的结果，这就是为什么它能够驱动如此高的ROI。它关注的是解决未来的问题，而不是像SAP或Oracle那样仅仅解释过去的表现。
Customer 8
从根本上讲，Palantir是一个数据平台，非常适合将大量无关的数据存储在同一个地方。我们继承了Palantir平台，投入了大量工作，过去五年我们大约在Palantir上花费了2亿美元，主要用于我们风险和合规部门（主要是合规）的应用程序和工作流的开发。我们的开支从2019年几乎为零，到了2021年大约花费2000万美元，最终增长到现在每年超过4000万美元。
我们的合同将在2026年中期到期，可能会延长6个月，然后在2027年完全停止使用。这个决定与技术本身关系不大，主要是出于我们成本削减目标的商业原因。有几个原因促使我们不再继续使用它，最终这个决定升到我们的CEO，最终由他做出决定。两个主要原因是成本和它不是一个开放的生态系统。在成本方面，我们每年在Palantir上的花费大约为4000-4500万美元，而我们可以在Azure上构建相同的解决方案，年花费不到2000万美元，几乎只有一半。在闭源生态系统方面，我们实际上尽可能多地投资开放源代码和开放生态系统，因为没有办法将所有数据集中到一个平台上。Palantir在这方面非常出色，如果你所有的数据都存储在Palantir平台上，那么它的性能和功能是其他任何数据平台无法匹敌的。然而，当你的数据分散在多个位置时，它的价值就会降低，我们实际上将其视为一个“全有或全无”的平台。
Palantir 是一个平台，你可以使用它来构建分析应用程序，它提供了集成和存储数据的工具，也可以用来分析数据。在风险管理方面，我们有几个大的应用程序是在这个平台上构建和运行的。在合规管理方面，他们用它创建了一个巨大的数据仓库，并将统计模型集中在一个地方，整个合规的数据工作负载都在 Palantir 上运行，这是一个非常强大的数据框架。我们曾考虑过在整个公司层面更广泛地使用 Palantir，但我们非常喜欢 Spark，并且已经在 Azure 上有了一个数十亿美元的合同。在风险管理方面，可能有 20-30% 的风险数据和系统是在 Palantir 上运行的；而在合规方面，几乎 100% 的合规功能都运行在 Palantir 上，每一个合规员工都在某种程度上与 Palantir 进行交互，无论他们是否意识到这一点。
从性能角度来看，Palantir 是一个非常好的解决方案。如果是像我们这样的技术栈非常异构的公司，它会是一个更好的解决方案。我们确实需要一个尽可能开放的平台，因为我们内部使用了很多不同的数据平台，因此我们更倾向于选择具有重用性且成本低的平台。从功能和特性角度看，Palantir 是一个非常强大的平台，不仅对开发者有用，终端用户也能轻松使用。它内置了像数据沿袭和数据安全这样的功能，我们会非常愿意使用这些功能。从技术角度来看，Palantir 是一个非常强大的解决方案。然而，出于商业原因，我们不能完全采用 Palantir。
Industry Analyst 1
Palantir主要涉及两个市场：数据管理和AI数据科学。大多数问题来自商业客户，尽管Palantir在政府领域的重点依然存在，但近年来商业市场的推动非常显著。通常，Palantir的交易金额不低于每年20万到30万美元，这才是实际交易的起点。其核心是数据集成、数据质量和数据建模。实际上，Palantir承担了公司的数据分析职能。数据要求相对简单，您可以将任何地方的数据导入Palantir平台。
在需求方面，分析师表示，当前需求大约为4到5分（满分10分），相比去年约为2分有所增长。至于定价，Palantir的定价非常定制化且不透明，很难进行同行对比。所有项目都是基于项目需求高度定制，因此很难给出一个大致的价格范围。定价问题是他们与大客户经常讨论的话题，但没有简单的答案。
Palantir主要是在本地运行，通常会要求公司将所有数据迁移并复制到自己的平台Foundry上，这实际上会导致很强的供应商锁定效应。一旦数据进入Foundry，用户可以轻松构建应用程序，Foundry为不同行业提供了许多现成的工具。Foundry的一个关键特点是其数据流的构建，也就是Palantir所称的“Ontology”，即数据如何在实体之间映射。与传统的表格和文件操作不同，Foundry让用户以简化的方式与数据互动。例如，如果你是汽车制造商，Foundry平台不会展示表格和文件，而是通过业务关键对象如引擎、阀门等与数据互动。Foundry的另一个关键优势是数据血统，它让数据追踪变得非常简单，且质量优秀，用户不必担心权限等问题。Gotham是Palantir最初的产品，主要用于政府和银行领域，现在几乎所有的业务都转向了Foundry。
分析师提到采用Palantir的几个关键客户特征：
1.数据成熟度较低、技术遗留较多，且缺乏高质量工程人才的企业，这类公司通常需要外部IT帮助，解决服务水平协议（SLA）、隐私等问题，不希望自己处理IT事务。
2.需要具有规模的企业，中小型企业很快会被排除在外，因为成本不适合他们。
3.仍有大量数据在本地部署的组织。虽然许多企业迁移到云端并选择超大规模云服务商，但仍有许多大型客户在云端使用Palantir。Palantir的优势在于，它帮助公司“跳过”云迁移过程，避免增加许多新的供应商，而在不迁移的情况下提供了许多类似功能。
在考虑Palantir的应用场景时，需要区分操作性和分析性应用场景。Palantir特别适用于需要实时洞察的操作性场景，如监控患者、飞机或油井等，在这些场景中，需要立即根据数据做出反应。这包括构建实时仪表盘和定制化的行业特定应用程序，银行、制造业和能源等行业尤其依赖实时操作。Palantir通常不用于批处理应用场景；它在需要连接数据视图的场景中表现出色，比如欺诈监控或实时的产品推荐等。
Palantir将其解决方案托管在客户站点的本地数据中心，或在自己的数据中心内，但也利用超级云计算服务提供商以实现可扩展性。虽然Palantir并不专注于营销，但它拥有少数几个大客户，合同价值非常大，且其商业市场的影响力仍在增长。Palantir接到的很多咨询来自口碑推荐和同行之间的推荐。
Palantir的交易规模通常从200万美元起，并随着需求增加。公司以强大的服务团队闻名，首先部署其“ A团队”进行设置和知识转移，但之后，维护和执行由“ B团队”负责，这可能会让客户感到沮丧。Palantir在数据集成、管理和分类法方面表现突出，但客户可能会在长期使用中遇到这些方面的挑战，特别是在使用3-5年后，他们可能开始寻求知识转移和脱离的选项。
Palantir的Gotham平台专为元数据分析而设计，特别适合数据工程师。它可以摄取第三方数据，分析并找出相关性。Palantir通常通过业务单元预算（如索赔管理副总裁的预算）而非IT预算进行资助。该平台非常适合需要复杂数据集成和智能的任务，但对于简单的任务（如飞机维修）可能被视为过于复杂。Palantir的优势在于将数据分解为模型，并训练客户建立提示词以使用OpenAI等工具，从而大幅提高投资回报率（ROI）。他们还对人工智能平台（AIP）收取额外费用，AIP于2023年推出，目前仍相对较新。
Industry Analyst 2
销售能力与特点：Palantir在销售方面表现非常出色，他们以软件公司的方式销售，但实际上涉及大量定制代码和顾问支持。客户通常会同时购买Gotham和Foundry，这两个产品经常被结合使用。有时他们会使用“大炮打蚊子”的方式，用海量数据解决问题。他们的产品更像是完整的解决方案，与Accenture和Deloitte直接竞争。
核心优势与客户群：Palantir的强项是军事情报领域，政府客户是其主要垂直市场。大企业，尤其是对其军事背景印象深刻、且拥有技术能力的大型企业，也是主要客户。他们的竞争对手包括Accenture Information Platform（AIP）和Deloitte的相关产品。Palantir在用户访问层、访问权限管理和数据治理方面技术非常优秀。
整体解决方案能力：Palantir不仅仅是销售一个AI层来组织数据，他们会承接整个挑战，并且不分步进行。如果客户感到不满意，通常是因为迁移成本过高。
客户续约与风险：是否存在客户流失风险？是的，通常在使用3-4年后，客户会因依赖性和高成本而抱怨。这些抱怨主要集中在价格和依赖性上，而非产品或服务质量。虽然存在不满，但真正流失的案例较少，大多数情况只是抱怨而已。
Industry Analyst 4
参与模式：Palantir的项目模式通常遵循一个非常标准化的流程。初期阶段的重点并非向客户转移知识，而是将专业知识保留在Palantir团队内。这种模式对于客户的技术支持人员来说是合理的，因为他们通常不是数据集成或数据技术方面的专家，从而导致对Palantir的依赖性越来越强。到项目第3年左右，Palantir通常会将最顶级的工程师从项目中抽离，换成B级或C级团队进行维护。同时，Palantir的前线部署工程师会推动使用案例扩展，助力公司实现有机增长。到第5年（通常是合同续签期），如果客户对支出水平产生犹豫，Palantir会重新调派其顶尖工程师以争取续约并推动新的扩展。
Foundry与Gotham功能：虽然Foundry可能看起来像一个“黑箱”，但实际上并非如此。如果是经验丰富的前线部署工程师，Foundry的操作相当直观。它本质上是一个元数据图工具。Gotham的一个次要功能是能吸收第三方元数据，为Foundry提供支持并推动增量使用案例的发展。Foundry通常作为一个非常重要的BI（商业智能）工具，尤其是对部门负责人而言。可以将其看作一个极其强大的联合搜索和图形工具。客户最终会将大部分数据集成迁移至Foundry，从而推动Palantir的进一步增长。
实施规律：在分析师10多年的Palantir实施经验中，Foundry的实施模式几乎没有任何变化，体现了Palantir非常一致的操作方法。
Industry Analyst 5
云中立优势与局限：Palantir在云中立方面确实有一定优势，但实际上，大多数客户更倾向于使用他们已有的云服务供应商。尽管Palantir和C3.ai在与各大云平台的合作方面都表现不错，但云中立这一点对数据平台来说并非决定性优势。Palantir在复杂的行业特定用例上表现出色，这对部分客户来说非常重要。而AWS和Azure则主要依赖其合作伙伴，但这些合作伙伴在处理深度供应链用例时可能缺乏足够的深度，具体效果取决于客户对复杂性的需求。
与主流数据解决方案的差异化优势：数据集成与治理：Palantir在处理大型数据集的集成、分析及其强大的治理能力上表现卓越。这也是他们在政府和军事领域表现突出的原因。安全性：Palantir平台的安全性能无与伦比，尤其是在数据安全和隐私方面。数据溯源与治理：在AI开发中，数据溯源和治理是关键领域，而Palantir的能力独树一帜。这种对每一条数据的溯源和治理能力极大地增强了客户对数据的信任感。
目标行业及技术背景：历史上，Palantir主要专注于“低技术”垂直行业，如银行、工业/制造业、政府、医疗等。技术密集型公司通常不需要Palantir，因为这些公司已经具备了Palantir所提供的技术和专业知识，因此无需支付Palantir的高额费用。Palantir的核心竞争力在于与客户合作，将解决方案落地。他们不仅提供数据和技术战略，还提供支持组织成功实施解决方案所需的所有关键要素，从而证明了其高价位的合理性。
Palantir 的应用场景：Palantir 主要侧重于操作型用例，其核心是将所有可用数据整合到工作流中，从而支持数据的操作化应用。目前其业务可能约 60% 操作型，40% 分析型，与早期相比已有显著转变。
发展历程：Palantir 起初在联邦政府的情报分析领域建立优势，专注于将不同政府行为、活动连接起来，在安全和军事背景下构建完整的情报分析画像。但随着商业领域分析市场趋于饱和，Palantir 转向更强调操作性的解决方案，同时拓展了大量操作型分析产品。
Industry Analyst 6
历史上，Palantir 在高度监管行业或处理敏感数据的行业中取得了最大的成功，因为 Palantir 强调治理、安全性和合规性。随着时间的推移，我们看到其客户群体扩展到以供应链为重点的行业，如公用事业、制造业和石油天然气行业，现在的客户群比以前更加广泛，尽管我认为其客户群体仍然以政府、金融和工业为主。
一般来说，Palantir 是以平台销售的方式进入市场，但我也看到过一些案例，其中他们作为针对非常具体用例的解决方案进入。Palantir 平台的主要差异化特征包括：语义数据层、动态逻辑层、动力行动层、细粒度 AI 防护措施和基于反馈的 AI 运维。总体来说，Palantir 的主要焦点仍然是平台销售，但他们也能有效地作为点解决方案竞争。在具体的用例中，我看到 Palantir 与各种点解决方案或工具竞争，例如 Alteryx（数据准备）、Cognizant（IT 服务）、Splunk（日志分析）、Tableau（数据可视化）和 IBM（各种数据相关领域），但作为一个端到端的平台，这些都不是直接竞争对手。
我认为 Palantir 目前大约 60-70% 的业务仍然是在本地部署，但大约 80% 的增长来自云端。Palantir 的终端用户差异很大，从操作员到商业分析师、数据科学家，一直到高层管理人员，他们使用 Palantir 进行实时数据监控、预测分析、数据探索和战略决策，实际上有 CEO 会通过 Palantir 监控他们整个业务。尽管存在分析成分，但这些用例本质上都是操作性的，重点是将数据分析与操作工作流集成，因此，尽管有分析的部分，真正的重点是在实时操作中使数据发挥作用。
Partner 1
我在同一家公司工作了将近20年，过去5-6年里我特别专注于AI和数据管理解决方案，主要是Palantir、Snowflake和Databricks。我从2018年开始与Palantir合作，我们的合作范围一直在扩大，如今每年仅在软件方面的支出就超过5000万美元。就客户整体的IT预算而言，我认为平均每年都有所增加，但增幅较为温和，大约是几个百分点到中等单位数百分比。
我大概与一半的《财富》100强公司有过某种形式的合作。在创新方面，我观察到集中职能的重要性在降低，而业务单元和业务层级职能变得更为关键。Palantir特别符合这种需求，销售可以针对CIO或CDO，但大部分支出实际上发生在业务单元层面，而不是中央IT，这种趋势在过去几个季度特别有利于Palantir的发展。关于云迁移，我认为现在已经从“无论成本如何都要全部迁移”的方式，转变为更理性、更有针对性的做法，主要集中在数据迁移和将数据整合到单一环境中。而这正是Palantir擅长的领域。
我们的 Palantir 业务表现非常好，今年预计同比增长30%，我几乎可以肯定我们会实现这个目标。令人惊讶的是，有这么多商业客户在使用 Palantir，却没有对外宣传，但事实上，这些公司确实采用了 Palantir，并且在有机地扩大其支出。Palantir 是一个非常大的项目，它本质上是一个数据平台，可以彻底变革你如何消费和运用数据。老实说，30%的同比增长相当显著，而其中很大一部分是由这些大型供应链改造推动的，同时在这个领域针对各种用例进行深入挖掘。
如果让我为 Palantir 当前的需求打分（1-10分），需求显然已经升温，我会打9/10，而过去几年可能只有6-7/10。主要的催化剂是业务层领导对这些转型项目的推进速度感到厌倦。通过 Palantir，我们90%的业务是向业务部门而非中央 IT 销售。对 IT 部门来说，这是一个生存威胁，因为你基本上可以用一半的人力完成他们的工作。相比之下，我们在向业务部门领导、C-suite高管和首席数据官（CDO）销售方面的成功率要远高于向首席信息官（CIO）销售。
Palantir 的定价极其复杂。尽管我们是 Palantir 的一个大合作伙伴和客户，但我们仍花了数月时间制定一个定价计算器来估算 Palantir 的价格。价格取决于一系列因素——规模、用例数量、组织规模等等。说实话，一切都是定制化的，完全可以协商，没有一个统一的定价模型适用于所有情况。
他们确实宣布了对 Oracle 云基础设施（OCI）的 Foundry 原生支持，我们也是 Oracle 的一个重要合作伙伴。不过我不会对此过度解读，因为 OCI 的覆盖范围还非常新，我还没听说有谁在使用它。就像我说的，我们是 Oracle 的重要合作伙伴，但到目前为止，我的客户中还没有人在 OCI 上使用 Palantir。我对这项支持的实际效果还没有足够的了解，虽然从 Oracle 那边听说了一些相关消息，但没有人真正了解。我也没遇到客户强烈要求在 OCI 上使用 Palantir，所以我不认为 OCI 的支持会是一个关键的推动因素。大多数客户只是在 AWS 或 Azure 上使用 Palantir，老实说，这两者之间没有太大区别，只是看客户使用或投资的是哪家云服务。
当谈到推动 Palantir 用例的因素时，Palantir 在那些涉及多个分散组件的非常复杂的技术堆栈中表现最佳，这也是他们在供应链领域表现如此出色的原因，而供应链正是我们业务的最大推动力。例如，本周我接触了三个新的 Palantir 客户，他们每个都有数百个潜在的用例想用 Palantir 来解决。这些用例主要以提高效率为导向，但也包括一些与人员相关的用例。我认为目前最热门的用例大概集中在以下领域：简化流程、减少现场部署、更好的现金流周转和库存管理。这正是 Palantir 如此有效的原因——如果用其他供应商来解决其中一个用例，可能需要一整套分散的解决方案，比如 Snowflake、Power BI、Informatica，可能还需要一些专业服务、内部定制的 IT 工作等等。我认为 Palantir 的采用速度还处于早期阶段，随着 Palantir 的采用率提高，你会看到用例的扩展速度也会加快。
就行业领域而言，Palantir 一直在制造业、银行和政府领域表现良好。我个人参与的大部分工作非常偏向供应链领域，因此对其他行业领域可能无法深入探讨。Palantir 在高科技行业通常不会有太大的成功，这主要是因为这些公司更倾向于自行开发一切。从地理分布来看，Palantir 在美国显然非常成功，但他们在国际市场上也表现不错，我们在亚洲和欧洲的一些最大成功案例都与 Palantir 相关。尽管整体来看欧洲市场可能较弱，但我们非常专注于工业领域，而这些领域的表现相当不错。
我认为人工智能确实加速了 Palantir 的使用，但它并没有增加新的用例，而是加快了用例的启动时间，比如你能够更快地上线这些用例。很多时候，我被引入到这些价值 50 亿美元的供应链转型项目中，这些项目通常试图解决大约 400 个尚未解决的用例。人工智能与 Palantir 的结合并不是创造了更多用例，而是加快了解决这些用例的速度。
关于合同期限，坦率地说，我对此不太熟悉，因为一切都是高度定制化的。这类交易大多数至少是 3 年期限，但也有很多为期 5 年的交易，没有一个固定的标准方式。此外，Palantir 也有在合同期间按阶段调整支出的流程。通常情况下，你会在并行用例时回收部分容量，但我认为这并不是一个关键的影响因素。不过并不是每个客户都有这种机制，Palantir 的合同中包含了许多定制化的条款，因此很难给出一个明确的答案。我想补充的是，Palantir 正处于尝试简化其市场拓展策略（GTM）的早期阶段，他们确实希望更多专注于软件开发，同时减少在服务和市场营销方面的参与，这显然对我们来说是件好事。
Partner 3
Palantir 的支出增长主要是由底层驱动的，项目之间相互推动，特别是我们在数字孪生和数字线程方面看到相当大的需求。有很多非常高投资回报率的领域，比如维护、预防性维护、质量检查和物流，这些用例的投资回报率非常高，我认为这正是我们看到的 Palantir 核心需求的推动因素。我们其实主要讨论的是制造业和供应链用例，因为这些是我们最大的挑战，但 Palantir 本质上是一个平台，你可以用它来构建任何用例的应用程序。我认为供应链领域之所以迅速发展，是因为 Palantir 对这些用例的投资回报和价值主张非常明确。
当你对比 Palantir 和 C3 时，我认为 Palantir 的一个问题是数据湖更加封闭，因此在 Palantir 生态系统之外使用这些数据会比较困难，但如果你在 Palantir 内部完成所有工作，那就不是问题。另一个很大的区别是，Palantir 使用自己的所有工具，包括在 AI 方面，来为客户创造解决方案，而 C3 则没有使用自家工具。这也是我认为 Palantir 在部署速度上超越 C3 的原因，我认为 Palantir 的部署速度比 C3 快 3 到 6 个月。尽管如此，你确实需要为此付出代价，正如我之前提到的，Palantir 的 Foundry 可能比 C3 贵 50%，而且项目范围几乎相同。
访谈的主要结论
让我们回顾一下这些客户、行业分析师和合作伙伴的反馈，回答我们最初提出的基本问题——Palantir 到底做什么？
数据集成公司：上述所有描述 Palantir 的内容中有一个共同点，那就是其模型根植于为客户更好地组织数据。我们的几项调查将 Palantir 描述为一个替代孤立数据堆栈的方案，其吸引力在于 Palantir（特别是 Foundry）能够作为一个联邦数据平台，而不是让客户被迫拼凑不同的数据源。Palantir 的优势被描述为在本体或数据模型层面，以及数据摄取、数据分析、数据管道构建、数据清洗和紧密的数据治理或访问控制功能。在这个意义上，Databricks 及其“数据湖”架构可能是一个相对接近的同行。
将数据应用于现实问题：我们覆盖了大部分现有的公共数据软件公司的股票，包括 Oracle、MongoDB、Informatica、Confluent 和 Snowflake。从这些对话中我们发现，Palantir 不仅仅是用来聚合数据，更是将数据付诸实践。换句话说，Palantir 迈出了下一步——这是这些数据同行没有做到的——通过将数据应用于现实问题，去“使数据操作化”。Palantir 通过定制构建本体或数据模型层，然后与客户合作识别问题或用例，并在此数据平台之上定制构建应用程序。一些客户将其描述为 Palantir “编码化”他们的业务或建立其“数字双胞胎”，以改善利用其宝贵企业数据来创造价值的过程。
常见的使用案例 – 供应链优化：关于客户如何应用 Palantir 的实时洞察，最常见的使用案例无疑是供应链和物流效率提升项目。展望未来，许多调查中提到的额外供应链用例（增加地理位置、产品等）是推动其 Foundry 支出增长的主要动力。正如一位调查者所说：“Palantir 在这些涉及大量不同组件的复杂技术堆栈中表现最好，这就是为什么他们在供应链领域表现出色，这实际上是推动我们业务增长的最大动力”。不过，使用案例有所不同，一位调查者提到，Palantir 被用于 CRM 分析。我们认为，关键的增长催化剂将是成功地向已安装的客户群体追加更多的使用案例——超越供应链效率项目。
工业、银行和能源行业：供应链优化等使用案例频繁被提及的一个主要原因是，我们的大多数调查对象都来自物流/供应链复杂的行业，如制造业和能源业。实际上，关于 Palantir 的垂直行业组合，我们的调查表示：“历史上，Palantir 一直专注于你所称之为低技术垂直行业——银行、工业/制造业、政府、医疗保健”，并且 Palantir 对“具有稍微较低的数据成熟度，且拥有不少遗留技术的客户”暴露较大，这些客户通常没有太多高质量的工程技术人才。
两个主要的反对意见 - 锁定效应与定价
锁定效应/封闭系统：关于 Palantir 的主要投诉或反对意见，尽管通常来自大型付费客户，就是锁定风险。Palantir 被描述为拥有一个封闭的生态系统（“缺乏互操作性”），并依赖高度定制化的模型和应用程序，这使得实施后的知识转移变得困难。正如一位调查者所说：“如果 Palantir 能够使他们的数据生态系统更加开放，不需要将所有数据都导入到 Palantir 中，并且能够在 Palantir 内外互操作，那对我们来说将是巨大的，我们可以保证在未来几年我们的支出可能会增加 50%，因为那绝对是我们最大的不满。”
定价：我们的多项调查表明，Foundry 的定价高度定制化且不透明，但我们的调查一致认为，Foundry 的费用明显高于其他选择。几位调查者指出，C3.ai 是唯一真正的“同类竞争者”与 Palantir 竞争，这些调查还提到，Palantir 的费用比 C3.ai 高出近 50%，针对各自的使用案例。在这一点上，我们认为缺乏直接竞争是几乎所有调查者都将 Palantir 定义为昂贵的原因之一，因为迄今为止，Foundry 的“竞争”几乎都是采用 DIY 解决方案，使用多个软件组件，即数据集成（Informatica）、数据管理（Snowflake 或 Databricks）和数据可视化（Tableau 或 Microsoft Power BI）。
关于 Palantir 服务组合的担忧是误解
多年来，我们听到一些对 Palantir 持负面看法的人将公司描述为一家以专业服务为主的公司，附带一些软件，暗示由于其服务重的定位，股票不应当获得高倍数的估值。与几乎所有其他上市软件公司不同，Palantir 并未披露其收入中来自专业服务的部分与软件的比例。尽管在我们看来这种反对声音已经减弱，但我们在调查中确实讨论了这个问题。
Industry Analyst 1：根据我的经验，从与客户的沟通来看，Palantir 的软件和服务的比例大约是 50/50。
Industry Analyst 4：对于 Palantir，我认为大多数客户合同中，服务的比例相较软件较重。根据我看到的合同，大约 35% 的合同总价值（TCV）来自服务。我们收到的官方预估显示，Palantir 的收入中大约 35% 来自服务，这也与之吻合。就合同规模而言，最低的年合同价值（ACV）可能在 200 万美元左右，但大多数通常会在 500 万美元左右，然后会更高。
Customer 2：关于软件与服务的比例，虽然我们的账单没有明确列出，但我认为大概是三分之一。我们的合同定价方式是将这些费用嵌入到计算和存储成本中，并且他们基本上会提供前置部署的工程师支持。前置部署的工程师确实非常出色，我们已经充分利用了他们的帮助，唯一的问题是我们可能会在一段时间内依赖他们。我已经把一些数据科学团队的人从 Python 脚本、Alteryx 中调出来，现在我们基本上把所有的数据都投入到 Foundry 中，尝试围绕这个构建团队。我一直在努力建设一个专门负责 Palantir 的内部团队，因为最终你希望自己能够开发和支持这些用例，而不是过度依赖前置部署的工程师。在理想的情况下，你希望利用前置部署的工程师将用例投入生产，然后用自己的团队来做所有的支持，否则你可能会对 Palantir 产生过度依赖。
Customer 3：就服务费用而言，对我们来说，占我们支出的 10%。我们的服务协议实际上是嵌入到我们的 Palantir 支出中的，因此我们实际上看不到它。现在我们在云端，实际上它包含在 “SaaS” 组件中，所以在当前的合同中，我们不再单独为此支付费用。但正如我所说，对我们来说，考虑到总体的 Palantir 投资，这部分费用始终是非常有限的。我们更倾向于自己构建，且 Palantir 本身也在朝这个方向发展，他们希望能够实现自助服务。我们在使用 Palantir 的专业服务和前置部署工程师（FDE）以及架构师时，总是采取一种更具机会性的按需方式，只有在某些特别复杂的项目或升级中才会召集他们。我们的基础设施团队相对独立。随着我们的团队在 Palantir 方面的工程能力不断提升，我们使用前置部署工程师的需求也在逐渐减少，但我们偶尔仍会使用他们。在云端，你也需要的前置部署工程师的时间大大减少，因为你端需要管理的内容少了很多。
Customer 4：就软件与服务的比例而言，对于我们来说，如果我们与 Palantir 的支出超过 2000 万美元，那么其中可能 200-300 万美元是服务相关的，即专业服务/咨询。这大致的比例是 85/15，即软件/服务，但我们有一个相当大的内部团队，本来会负责这些内容，因此我们需要的专业服务少于典型的大型企业。
Customer 6：就服务与软件的比例而言，我们这边大约是 80% 的支出用于服务，20% 用于软件。大部分是服务。随着时间的推移，这个比例会逐渐偏向软件，目标是希望最终达到类似 50/50 的比例。Palantir 成功的原因是他们专注于最大客户和最大的用例，并派遣他们的人进入客户的高级管理层，从上到下推动使用。
Customer 8：我们使用 Palantir 进行二级和三级支持，我们有一些他们的人在现场与我们一起运行平台，你确实需要他们的人来运行产品、运行软件并开发用例。大约 20% 的整体 Palantir 支出是用于专业服务或前置部署工程师。
Partner 1：一般来说，我们将这些交易结构化为 80% 软件，20% 专业服务。我认为，在前置部署工程师（FDE）商业模式下，历史上这种比例更像是 60/40，但根据我们目前正在进行的交易，这个比例更接近 80/20。随着客户的逐步推进，这个比例实际上相当稳定，你一开始解决一个问题，然后就进入下一个问题。当我被引入一个供应链项目时，有些客户有像 400 个待处理用例，所以你最终会在合同中保持一个持续的服务成分，这个比例是相对稳定的。基本上，一旦你将所有数据源集成进去，就变得相当简单，可以加入新的用例。如果你考虑到输入到 Palantir 的数据，80% 的数据并不是为了特定的用例，这确实有助于你在其他领域有机扩展。
Palantir的服务结构是其优势
上述访谈显示，Palantir的服务结构通常在20-30%的范围内，某些情况下可能达到50%甚至80%。然而，许多检查指出，随着Palantir向低接触部署过渡，服务占比正在减少。一家大合作伙伴提到，Palantir的交易曾经有大约40%的服务费用，但现在接近20%。Gartner估计，Palantir在2023财年32%的收入来自专业服务，因此20-30%可能是我们所有检查中的合理估算。尽管这个比例相较于像Workday、Salesforce和ServiceNow等大型软件公司（这些公司将专业服务比例控制在10%以下）来说偏高，但这并不显得过于突出。
结论
我们并不特别担心Palantir较高的服务占比。首先，Palantir的毛利率为83%，这表明其专业服务部门并未对整体毛利结构造成重大影响。更重要的是，我们的研究得出结论，Palantir的服务结构——通过“前置部署工程师”作为现场顾问，在Foundry平台上创建用例和应用——是其商业模式中的一个至关重要的增值环节。Palantir与其他纯数据软件公司不同，后者的产品交付后由客户自行解决应用问题。Palantir的差异化在于，它需要高度定制的数据模型，并且必须将数据应用到实际问题中。这种定制化和实际应用的需求，比起仅提供产品并让客户自己摸索的传统软件供应商，需要更重的咨询服务支持。
从这个角度来看，Palantir的商业模式结合了麦肯锡式的咨询和Databricks的数据信息软件特点。我们认为这是Palantir商业模式的一个积极方面，也是其价值主张的核心。因此，我们不认为这一点应该导致其估值倍数下降，而简单地将Palantir描述为一家靠销售软件的专业服务公司是不准确的。
（未完待续）