Palantir（PLTR.US）深度報告：強大的企業級AI落地能力，苛刻的股票賠率

大模型（GPT/Claude/Gemini）擅長推理，卻不了解一家企業具體如何運轉；ERP、CRM 和 MES 沉澱了大量業務資料，卻各自為政。Palantir 連接兩者：

它把大模型與企業的物理世界連接起來：它將原本躺在各個系統和員工腦海裡的營運規則結構化，為企業搭建一套可直接調用的數位分身。這讓大模型不再只是回答問題的陪聊工具，而是能夠有憑有據地跨系統發起調配、執行任務，真正演進為接管生產力的「營運大腦」。

公司的稀缺性已經反映在價格裡。截至 2026 年 8 月 20 日收盤，Palantir 的 NTM EV/Revenue 約為 41 倍。業務仍在加速，估值卻幾乎不允許失誤。本文將討論 Palantir 究竟做什麼、護城河能否抵擋 AI 原生公司的競爭、未來成長來自哪裡，以及當前價格還剩下多少投資賠率。

一、Palantir 的核心業務：為企業建立「數位分身」

1. 從情報機構走向企業市場

Palantir 成立於 2003 年，創辦人包括 Peter Thiel 和現任 CEO Alex Karp。公司早期獲得 CIA 旗下投資機構 In-Q-Tel 支持，最初服務於美國情報與國防部門。

這些客戶的資料高度敏感，業務也很複雜。分析人員很難把需求整理成一份完整說明，更不能把資料交給外部公司慢慢研究。Palantir 只能把工程師（FDE）派到第一線，與客戶共同搭建系統。

這段經歷為公司留下兩項重要能力：一支能夠處理複雜業務的 FDE 團隊，以及從產品底層建立的權限、安全與操作紀錄機制。後來，Palantir 把這套方法拓展到製造、醫療、金融與能源等商業領域。

Palantir 做的事情可以說得很簡單：它幫助企業建立一個持續更新的「數位分身」，把企業的資料、營運規則和執行流程放進同一套軟體系統，再讓員工和 AI 在這套系統上工作

2. 產品矩陣與 Ontology：資料、邏輯與行動構建的企業數位分身

Palantir 主要有四個產品：

• Gotham： 防禦與情報作業系統，支援多源資料融合、實體關係識別與即時作戰決策（如美軍 Project Maven 智慧作戰系統）。
• Foundry： 商業級企業作業系統，打通 ERP、CRM、SCM 等孤島資料，實現全流程業務視覺化與決策閉環。
• AIP (Artificial Intelligence Platform)： 核心 AI 樞紐，將主流大模型（Claude、GPT、Gemini 等）無縫編排至企業工作流，使 AI Agent 能夠依據嚴格權限安全呼叫工具與執行任務。
• Apollo：持續交付層，負責把上面三個產品部署到任何環境裡，包括公有雲、私有機房、實體隔離的涉密網路、甚至艦船和戰場邊緣設備。

而貫穿所有產品的靈魂，是 Ontology（本體架構）。

Ontology：把公司如何運轉裝進軟體

大型企業通常同時使用幾十甚至上百套軟體。採購用 ERP、銷售用 CRM、生產用 MES，中間充斥著離散的 Excel 與郵件，資料缺乏統一的業務上下文。

Palantir 先透過連接器和資料管道接入這些系統。在 Snowflake、Databricks 和 BigQuery 等受支援的平台上，Virtual Tables 還可以直接存取部分外部資料，減少不必要的資料複製。Ontology 隨後將這些資訊整理成企業的「數位分身」：

• 資料——正在發生什麼： 企業有哪些客戶、訂單、庫存和設備，它們之間存在什麼關係。
• 邏輯——應該如何判斷： 庫存低於多少需要補貨，哪些訂單必須優先，什麼操作需要主管批准。
• 行動——系統可以做什麼： 通知負責人、生成調貨方案、發起審批，並在獲得授權後將結果寫回 ERP 或 CRM。

透過將思考邏輯與行動路線寫入演算法，Ontology 成功為企業構建了具備上下文感知力的「數位分身」。

資料來源：Palanti

3. FDE 模式：把員工經驗寫進軟體

在企業級 AI 落地中，最大的瓶頸在於需求模糊與工作流難以複刻。Palantir 並沒有採用傳統 SaaS 依賴售前顧問的公版模式，而是透過 FDE（前沿部署工程師） 解決了 AI 從展示走向生產的最後一公里問題：

• 本質定位（顧問能力 + 技術槓桿）： FDE 是具備高階寫碼能力、長期駐紮客戶第一線的硬核工程師，核心任務是把模糊的業務困境，現場轉化為可執行的程式碼與工作流。
• 解決傳統 SaaS 失效： 面對國防與大型工業客戶的非標痛點，FDE 直接在客戶現場利用 Foundry/AIP 搭建系統，取代了傳統 SaaS 繁瑣的客製化開發流程。
• 研發回饋閉環（FDE 與 PDE 聯動）： FDE 在第一線將特定客戶的解決邏輯抽離出來，交由後方的 PDE（產品開發工程師）編寫成通用模組。這使得 Palantir 的產品迭代完全由客戶的真實生產需求驅動，而非開發團隊的主觀假設。

資料整理：TradingKey

二、護城河：企業的「決策大腦」越完整，替換成本越高

Ontology：資料容易搬，企業的營運方式很難搬

Ontology 的護城河來自長期沉澱的業務邏輯。隨著使用深入，客戶的訂單關係、調度規則、審批權限和執行流程都會逐漸寫入系統。

這些規則又被不同部門和應用程式共同使用。修改一次庫存規則，相關的採購、排產和供應鏈應用程式都可以繼承新的邏輯；接入新的 AI Agent，也可以直接使用已有的業務上下文和權限。底層大模型可以更換，企業的「營運說明書」仍然留在 Ontology 中。

目前，有市場觀點擔憂 AI 原生應用會淘汰傳統軟體，但我們認為，AI Agent 缺乏企業真實業務的「物理映射」：比如採購權限、庫存規則和供應鏈調度。Palantir 把企業複雜的運轉邏輯沉澱為 Ontology，底層大模型可以隨時更換，但企業的「營運說明書」依然綁定在 Ontology 中。AI Agent 越多、越普及，反而越需要依賴 Palantir 提供真實的業務上下文與安全執行路徑。

2. FDE：工程師容易招聘，整套交付體系卻很難複製

企業 AI 落地最難處理的知識，往往是第一線員工的工作經驗和判斷邏輯：設備出現什麼訊號必須停機，哪些訂單需要優先交付，採購主管為什麼選擇某家供應商。

而 FDE 進入客戶第一線，目的就是把這些經驗整理成 Ontology 裡的規則、權限和操作流程，再使用 Foundry 和 AIP 搭建應用程式。

雖然 OpenAI、Anthropic 等公司也在招聘 FDE，但是 Palantir 已經累積了近二十年的工具、經驗和交付方法，具有短期難以快速追上的先發優勢和成熟平台。

3. 安全認證與複雜環境部署構成信任壁壘

在政府、國防及其他對資料安全更高要求的行業，系統的安全性、合規審計與複雜網路環境下的部署能力往往比大模型的效能更為重要。相比於其他競爭者，Palantir 具有：

• 高等級安全認證： Palantir 從情報與國防領域起步，已獲取包括 FedRAMP High、DoD IL5 及 IL6 在內的嚴苛認證。
• Apollo 賦予的全環境部署能力： 憑藉 Apollo 引擎，Palantir 能夠在私有機房、涉密雲、實體隔離網路甚至邊緣前線設備上實現無縫部署與無中斷更新，解決了傳統 SaaS 無法觸及的敏感環境痛點。

安全資質與全環境部署能力是長期累積的信任壁壘。 Palantir 的 AIP 不僅提供開發環境，更提供了嚴格的權限隔離、合規護欄與每一步操作可回溯的審計日誌。買 Palantir 買的不僅是 AI 工具，更是「合規兜底與責任確權」。新興 AI 廠商即便擁有高分的大語言模型，仍需面臨數年之久的安全審查、採購週期與穩定測試，短期內難以突破 Palantir 的防禦邊界。

三、未來的成長：美國存量擴張為主線，海外提供選擇權

1. 訂單增加，老客戶繼續擴大使用範圍

2Q26 美國商業客戶新簽合約的潛在總金額達到 21.3 億美元，年增 153%。公司已經簽約、但尚未確認為收入的訂單達到 49 億美元，年增 103%，高於當期 93% 的營收增速。

簡單來說，Palantir 一邊確認營收，一邊以更快的速度獲得新訂單，未來幾個季度仍有較強的成長基礎。

同一批現有客戶貢獻的營收在過去一年淨成長 57%。客戶通常先用 Palantir 解決一個具體問題，例如供應鏈預警；第一個應用程式跑通後，已經接入的資料和 Ontology 可以繼續用於採購、排產和財務等部門。

Palantir 由此形成「先落地、再擴張」的成長路徑：新訂單帶來客戶，更多工作流不斷提高單一客戶的營收。

2. 產品更容易部署，FDE 可以服務更多專案

Palantir 正在把 FDE 過去需要重複完成的工作做成標準化工具：

• AIP Bootcamp使用客戶自己的資料，快速搭建第一個 AI 應用程式，縮短客戶試用和驗證產品的時間；
• Workflow Lineage 和產業範本把常見的資料、審批和操作流程做成模組，客戶可以像搭積木一樣增加新的工作流；
• AI FDE幫助工程師編寫程式碼和完成基礎配置，減少重複開發。

FDE 仍然負責理解客戶業務和解決最複雜的問題，基礎工作則逐漸由軟體完成。這樣一來，同樣數量的工程師可以支援更多客戶，每個客戶也能更快增加新的應用程式。

Q2 營收成長 93% 的同時，調整後營運利潤率達到 62%。營收快速成長，利潤率也在提高，說明交付效率已經開始改善。

3. 與輝達合作，打開主權 AI 市場

2026 年 6 月 29 日，Palantir 官宣與輝達的戰略合作：推出一個「智慧引擎」，用於在主權環境（sovereign environments）中部署輝達 AI 與 Nemotron 開源模型，面向美國政府機構和美國關鍵基礎設施企業。

所謂主權 AI，就是政府或企業將資料、模型和計算基礎設施掌握在自己手中，無需把敏感資訊交給外部雲端服務商。

雙方分工很清楚：輝達提供加速計算和 Nemotron 開放模型，Palantir 透過 AIP、Ontology、Foundry 和 Apollo 負責資料權限、業務上下文及安全部署。客戶可以在自己的機房或實體隔離網路中運行和訓練模型，資料、部署環境及最終生成的模型權重均由客戶控制。黃仁勳對此的表述是，這套架構可以立在任何 air-gapped 區域、完全在地、甚至戰場現場。這個方案目前沒有第二家公司能完整交付。

這套方案解決了政府、能源和金融等客戶最擔心的問題：既希望使用先進 AI，又不願把核心資料交給外部閉源模型服務商。對 Palantir 而言，合作有望擴大其在政府和關鍵基礎設施市場的應用範圍，同時強化安全部署壁壘。

4. 海外尚未起量，成功複製就是額外空間

2Q26 Palantir 的海外營收合計約 3.63 億美元，佔公司總營收約 19%，年增約 33%（vs. 美國營收年增率 115%），Palantir 在美國的爆發尚未複製到國際市場。

如果 AIP Bootcamp 能夠幫助海外客戶快速完成第一個應用程式，再透過合作夥伴進入歐洲、中東和亞太的製造、能源及金融企業，海外可能成為下一階段的成長來源。

不過，鑑於海外資料主權法規（如 EU AI Act）與地緣敏感性帶來的客觀阻力，海外更適合作為額外的上行空間，不能作為當前成長必須依賴的前提。

四、 風險分析：優秀的業務，苛刻的股票

1. 高估值幾乎不允許失誤

估值始終是懸在 Palantir 頭上最大的一把劍。

按照 2026 年 8 月 20 日收盤價和市場一致預期的調整後 EPS 計算，Palantir 的 2026E 和 2027E Forward P/E 分別約為 109 倍和 77 倍，NTM EV/Revenue 約為 41 倍。當前價格要求公司繼續交出高於預期的成長和利潤率；營收僅符合預期、財測不夠強或大合約簽署延遲，都可能引發估值收縮。

2. 產品太貴，AI 原生競爭者可能分走新增預算

Databricks 正在推出 Genie Ontology，Microsoft Fabric IQ 也開始提供 Ontology 和 Operations Agent；OpenAI 則擴大企業部署團隊。這些產品在複雜權限、跨系統行動和涉密部署上尚未達到 Palantir 的成熟度，卻已經能夠覆蓋資料問答、輕量 Agent 和部分工作流。

客戶短期內難以戒掉 Palantir，但很可能把簡單專案和新增預算交給更便宜、或已經包含在雲端協議中的產品，以平衡自己的 AI 相關支出。

3. SBC 稀釋、高管減持與空頭博弈，將放大短期股價波動

除了基本面與估值，一系列結構性因素正在將 Palantir 的股價推向極高波動的狀態：

• 股權激勵（SBC）與高管減持壓力： 2Q26 股權激勵費用為 2.65 億美元（佔營收約 14%），在當前高成長階段，市場往往會忽視股權激勵逐步兌現帶來的股本擴張壓力；但一旦後續營收增速放緩，過去持續累積並兌現的增發股本將對 EPS 產生更為明顯的稀釋。同時，CEO Alex Karp 於 2026 年 3 月設立了涉及 708 萬股的新 10b5-1 減持計劃，長期的籌碼供給對高位股價構成持續擠壓。
• 空頭分歧： Michael Burry 在 2026 年 4 月公開表示持有 2026 年 12 月 100 美元和 2027 年 6 月 50 美元履約價的 Put；Citron 則曾給出 40 美元的目標價。

五、 投資建議與總結：公司值得長期追蹤，但當前賠率並不便宜

Palantir 當前約 41x EV/Revenue 的定價，已經計入未來繼續高速成長的預期。

• 對短期交易者： 賠率並不友好。任何單季度業績的微小瑕疵、財測的微弱放緩，都極易引發估值倍數劇烈收縮。
• 對長期投資者： Palantir 擁有稀缺的企業上下文和 AI 執行平台。但優秀公司也需要合適的買入價格。當前估值缺少安全邊際，更適合等待，而不是追高。

結論： 我們認為 Palantir 依然是 AI 時代最優質的底層軟體標的，但在當前估值水位下，追高性價比有限；如果我是投資者，我會選擇等待因市場情緒或短期業績波動帶來的估值拉回時，再進行長線分步佈局。

免責聲明：本文分析僅代表基於現有公開資訊的研究框架，不構成任何投資建議。