01

进入到2月财报月，越来越多的企业开始交出自己2025年的答卷。

特别是在2025年全球企业AI转型浪潮中，有的企业考了个满分，比如说中际旭创悄悄成为全球AI算力的隐形冠军，净利润增长率始终保持在100%左右，代表了中国精密制造在AI产业链中不可或缺的地位。

有的企业喊着转型，考了零分出来，比如说英特尔的财报就充满了亏损、裁员跟代工业务的巨额减值。

我们在观察这些企业成功跟遗憾的同时，也在思考我们自身的业务走向。

在研究之中，我们看到了一匹充满神秘色彩的黑马，它被称赞为企业级AI“手术刀”，就像一把尖刀直冲AI腹地，引发了市场对于AI价值落地的思考。

它的动态市盈率一度高达450倍，是整个标普500里PE最高的企业，换句话说，市场对它的期待已经高到给了它所有科技公司里最高的估值，甚至比英伟达还要高。

这个神秘公司是谁呢？

它的名字叫帕兰提尔（Palantir）。

02

这家公司确实非常神秘，如果不是AI爆火，可能都看不到它的名字。

帕兰提尔成立于2003年，一开始的核心业务是干嘛呢？

帮助PayPal这个支付平台应对全球欺诈团伙的洗钱。

这个业务确实够炸裂的，我都没想到它竟然是干反诈起家的。

但为什么要点出这个呢？

帕兰提尔的策略，就是用自动化算法，让机器把海量数据中的可疑数据找出来，然后以视觉化的方式呈现给人类分析师，由人类进行最终的直觉判断跟定性。

这就是最开始的“人机协作”模式，在这个过程中，帕兰提尔积累了三大原点能力，数据收集、关联分析跟视觉化呈现。

当然，我们为了方便理解，进行了简化，但帕兰提尔真的把这三大能力打磨得非常深。

他们甚至可以通过一张银行汇款单，收集所有跟它有关系的人，然后逐步排查数据，锁定每个人不同寻常的交易账单，进行关联分析，最后以“蜘蛛网”式的关系图，把看起来毫无关联的实体联系在一起。

所以，帕兰提尔就是专门在海量数据中捞针，进行收集跟分析，再把有用的数据转化为可视化、看得懂的逻辑图。

在帮助PayPal打造好了反诈系统后，他们开始了第一次转轴。

创始人彼得·蒂尔在想，既然我们能帮PayPal在海量交易中抓出潜伏的洗钱犯，那这个能力还能用在哪个场景呢？

诶，你可能还是想不到，他们去做2G生意，干起反恐了。

这业务真的一个比一个炸裂，但转念一想，好像确实很合理，既然能在海量数据中找到洗钱犯，那在情报中抓出恐怖分子不也是同一个逻辑吗？

就这样，帕兰提尔干起了情报数据分析，一直到2016年，他们开始了第二次转轴。

03

这一次转轴，他们把自己的能力开始平移到商业领域，一开始尝试过金融分析平台（Metropolis），结果发现定制化要求太高，很难在市场中快速复制，又尝试做企业财务系统，但这条赛道已经有了巨头，而且，它需要客户对你有非常非常高的信任度，这又走不通了。

但这些尝试，开始让帕兰提尔思考自己的能力究竟是什么？企业的需求又是什么？怎么可以对接在一起？

最终，他们推出了企业的操作系统平台，Foundry。

它能干嘛呢？

首先就是打破数据孤岛，把不同的数据进行集成，汇总在同一个系统里。

其次，就是最核心的“本体论”的数字孪生。

我们直接用帕兰提尔最成功的客户案例-空客来说。

当年空客在生产A350飞机的时候，遇到了一个大麻烦，一架飞机有几百万个零件，散落在全球几千个供应商手里。

生产线上的工人发现少了个零件，IT部门查库存说有，但实际上零件还没运到。

为什么呢？

因为零件数据在ERP系统，物流数据在物流系统，飞机设计在CAD系统，它们之间互相不认识，你得跨系统，跨部门，还得找对方看得懂数据、懂业务的人来协调。

所以，帕兰提尔就帮空客打造了一个数据中台（Skywise），把所有数据全部集成在一起，同时，他们注意到了一个问题。

那就是数据必须要让人看懂，必须要关联具体的业务对象。

为什么呢？

我不知道各位有没有看过自家企业原始的数据库，那里头全是各种代码跟数据，你想找一个零件，必须写SQL代码进行索引，还得问IT部门这个零件在哪个架子上。

单纯看数据表格，你根本想不到这个数据对应了哪个业务、哪个产品。

帕兰提尔就看到了这个问题，他们把冷冰冰的数据表格，还原成了现实世界中企业看得见、摸得着的业务流程，按照飞机、零件、设计变更、供应商的分类，对数据进行了可视化呈现。

这样，当一个零件延误了，本体就会自动触发提醒，开始关联。

然后，决策者进入平台一看，看到的不是原始数据，而是这个零件属于哪架飞机？哪个供应商？交付日期是多少？

这就直接联系到了现实业务，方便制定决策。

到这里，你有没有发现，这是不是对应了我们上面所说的帕兰提尔的三大原点能力，数据收集、关联分析跟视觉化呈现？

他们把这个原点能力迁移到了企业的数据系统这个应用场景中，并且，他们非常敏锐地注意到了“数据跟业务”之间的割裂，然后往前多走了一步，往用户的需求多走了那么一步。

不是我给你建好数据中台就不管了，而是我要让企业的决策者看得懂数据，能直接把数据跟业务对应起来。

这也是很多企业为什么到了某个阶段会有瓶颈期的原因。

我们可以代入到用户的视角，去走一遍自己的产品服务，看看哪个地方可以再多走那么一步，也许就能带来更大的增长。

04

当然，讲到这里，我相信你也能猜到，为什么AI让帕兰提尔成为了炙手可热的黑马了。

因为今天全球的AI，不管是任何一个AI都有一个最大的痛点，那就是容易一本正经地胡说八道，很难直接干预企业现实的业务。

AI模型通常只有常识，但没有针对你公司的专业知识，就像AI懂得所有的建筑理论，但问题是它没见过我的工地长什么样，不知道我的业务是怎么开展的。

如果全部都听AI的，那搞不好，我可能就把厕所盖在厨房里了。

这也是为什么很多公司用上AI，却只能拿它用来写周报的原因，这不是个例，这确实是一个全球企业都在头疼的问题。

用上AI只是一个开始，你还得做本地化，还得输入自己的数据进行训练，你自己还要有一套完整的业务逻辑去教AI，还要不断校准AI的回答，让AI基于企业真实数据的逻辑进行推演。

这不仅要更多的专业人员，时间跟成本，更关键的是，今天AI模型迭代速度这么快，本地化的模型落后了怎么办？

而这个时候，帕兰提尔就笑了，这不是又到我的强项了？

因为在Foundry的本体中，它已经把所有关键数据进行了收集、分析跟可视化的呈现，每个数据都对应了具体的现实业务流程，相当于本体层镜像了企业的业务逻辑。

所以，它只要把AI嫁接在本体中，让它在本体层运行，就能通过真实的业务场景跟逻辑去约束模型输出。

这下，AI就真的落地，能起作用了。

当其他的AI公司还在那用PPT跟客户科普什么是AI，能起什么作用，要怎么搭建应用，怎么去训练的时候。

帕兰提尔直接转型成咨询落地公司了。

他不跟你多逼逼AI是什么，他直接开“训练营”，派工程师去你公司，带着你的真实数据现场开练，直接在Foundry本体上调教AI，5天之内就让你看到“AI+本体”真实数据的生产流，AI现场直接给你决策，开始管工厂、管供应链了。

这种立竿见影，马上看到结果的做法，就让帕兰提尔开始起飞了。

2025年第四季度，帕兰提尔净金额留存率（NDR）高达139%，意味着客户不仅不走，还在不断追加投入。

一般来说，在SaaS行业里，收入增长率与利润率之和达到40%，就是优秀，帕兰提尔在2025年第四季度的得分达到了惊人的127%，领先于所有人，所有SaaS系统。

这就说明他在维持超高速增长的同时，依然保持着极高的盈利效率。

05

当然，我们在讲帕兰提尔的故事，也在把他增长的逻辑进行提炼。

2025年的爆发式增长，是他们深耕本体十年，不断在业务的转轴中打磨原点能力的厚积薄发。

客户的增长，也不是因为帕兰提尔碰巧遇到了AI，而是他们愿意比别人向客户的需求往前多走一步，把自己的产品服务再延伸长一点，解决“最后一公里”的问题，让客户体验再好一点。

AI爆发后，大家都在头疼落地的事，结果欣喜地发现，帕兰提尔已经有了一个干净、结构化，把所有数据串联在一起，跟业务直接对应的数据中台，AI进来就相当于直接拎包入住了。

所以，我相信，我们为客户的需求所做的一切努力都不是白费的，它都会在未来的某个时间狠狠地给我们奖励。

而帕兰提尔也给了AI服务商，包括像我们这样的咨询培训公司一个启示。

未来，没有人会为AI梦想买单，大家是为结果付钱，不管是工具还是人员，都必须要懂对方的业务规则，才能带来真正的生产力。

-

责任编辑 | 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。