Q2收入增长93%、美国商业收入增长149%、GAAP营业利润率升至47%。Palantir这份财报真正值得研究的，不只是“AI需求爆发”，而是AI产业的价值可能正在发生一次迁移：模型越来越强、越来越便宜之后，企业真正稀缺的开始变成自己的数据、业务语义、权限、行动和决策系统。
如果只看数字，Palantir 2026年第二季度的财报很容易被写成一篇“AI第一股业绩爆炸”的文章。
季度收入19.35亿美元，同比增长93%；其中政府业务收入9.90亿美元，同比增长79%，商业业务收入9.45亿美元，同比增长110%；GAAP毛利润16.39亿美元，毛利率接近85%；GAAP营业利润9.12亿美元，营业利润率从去年同期约27%升至47%。如果剔除股权激励及相关薪酬税，调整后营业利润率甚至达到62%。
更夸张的是美国商业市场。
Q2美国商业收入达到7.64亿美元，同比增长149%；美国政府收入8.09亿美元，同比增长90%。公司随后又把2026年全年收入指引提高到81.50亿—81.58亿美元，而此前的指引只有约76.5亿美元。
这些数字当然很好。
但如果只是得出一个结论——“企业正在大量购买Palantir的AI产品”——我觉得还没有真正读懂这份财报。
真正有意思的问题是：
为什么OpenAI、Anthropic、Google的模型越来越强，开源模型越来越多，推理成本越来越低，Palantir反而增长得越来越快？
理论上，如果大模型真的可以解决一切，企业为什么还需要一个Palantir？
理解这个问题，才是理解这家公司长期价值的入口。
一、这份财报最重要的不是93%增长，而是47%的利润率
先看一个容易被增长数字掩盖的变化。
2025年Q2，Palantir收入约10亿美元，销售与营销费用2.44亿美元，研发1.35亿美元，管理费用1.63亿美元；一年之后，收入已经接近翻倍至19.35亿美元，但销售与营销费用只增加到3.40亿美元，研发1.93亿美元，管理费用1.95亿美元。
换句话说，收入增长93%，但销售费用只增长39%，研发增长43%，管理费用增长20%。
所以Palantir出现了软件公司最希望看到的一种状态：
收入增长远快于组织成本增长。
这才是GAAP营业利润率从27%突然跃升到47%的原因。
这个变化非常重要，因为Palantir上市以来一直面临一个质疑：
它究竟是一家真正可以规模化复制的软件公司，还是一家披着软件外衣、依靠Forward Deployed Engineers深入客户现场做大量定制工作的高端咨询公司？
两种公司的估值逻辑完全不同。
如果每增加一个客户，都需要同比例增加工程师、销售、实施和服务人员，那么收入即使增长得很快，也不会形成真正的软件经营杠杆。
但现在财务数据开始提供相反证据。
商业业务的贡献利润率已经从去年同期的64%提升至78%；政府业务则由63%升至71%。Palantir也披露，过去12个月前20大客户的平均收入从7500万美元增长到1.24亿美元，同比增长67%，而公司明确表示，收入增长的重要来源之一，就是现有客户不断扩大对Palantir产品和服务的使用范围。
这说明Palantir正在出现一种非常典型的 Land and Expand 效应：
先进入一个业务环节，然后不断向更多部门、数据、工作流和决策场景扩张。
所以我认为，Q2财报真正值得注意的第一件事不是“AIP卖得很好”，而是：
Palantir可能终于开始证明，它的产品化速度正在超过它的组织扩张速度。
二、Palantir正在完成一次身份变化：从政府承包商走向商业平台
过去很多投资者对Palantir最简单的理解是：
一家拥有美国政府背景的数据软件公司。
这个判断不能说错，但已经越来越不完整。
Q2政府业务收入9.90亿美元，商业业务9.45亿美元，两者第一次真正接近同一量级。而商业业务同比增长110%，明显快于政府业务的79%；尤其美国商业业务增长149%，已经成为全公司的核心增长引擎。
这里有一个很值得思考的问题：
为什么Palantir能够从政府市场进入商业市场？
可能恰恰因为它的发展路径和普通SaaS公司完全相反。
传统企业软件通常先解决相对标准化的问题：CRM、财务、人力、协同办公。然后逐渐进入更复杂的业务流程。
Palantir恰恰从最复杂的地方起家——情报、国防、战争、反恐、军事供应链。
这些环境有几个共同特点：
数据极度碎片化，系统极度复杂，权限要求极高，而且软件最终不能只生成一个报表，它必须帮助人在现实世界里作出决策。飞机到底能不能起飞？哪个目标应该被优先处理？供应链哪里可能中断？哪个部队缺少什么资源？
错误并不是“报表难看”，而可能带来真实世界的巨大代价。
所以Palantir二十多年在政府领域积累的东西，并不只是一批政府客户，而是一整套在高复杂度、高安全性、高责任约束环境下连接数据与决策的能力。
从这个角度看，政府业务可能并不是Palantir商业化道路上的历史包袱。
它更像是一个持续了二十年的极端环境产品实验室。
今天AIP做的事情，本质上是把这种能力迁移到制造业、能源、医疗、汽车、金融以及越来越多普通企业。
这也是为什么美国制造业回流、国防工业扩张、无人系统、能源基础设施和AI自动化这些趋势，对Palantir可能是同一件事的不同表现：
它们都要求软件开始真正理解和控制现实世界。
三、为什么很多企业有了大模型，还是做不出真正的AI？
过去三年，企业AI经历了一个非常典型的阶段。
先买ChatGPT Enterprise，然后接入Claude，再部署Copilot，接着做几十个Demo和Pilot。最后很多企业发现一个很尴尬的问题：
模型很聪明，但公司并没有因此自动运转起来。
原因并不复杂。
假设你问一个大模型：“今天应该把哪一个客户订单提前生产？”
模型也许可以拥有世界上最好的推理能力，但它并不知道：你现在还有多少库存；每条生产线的真实产能是多少；哪个供应商明天会到货；哪些设备正在维护；哪一个客户违约成本最高；哪个合同存在特殊交付条款；谁有权限修改生产计划；这个动作完成之后，又应该写回ERP里的哪个系统。
这些知识不是公开互联网里的知识。
它们存在于一家企业几十年的数据库、Excel、ERP、CRM、传感器、邮件、合同、内部规则和员工经验里。
更关键的是，这些信息不是静态文本。它们不断变化，而且彼此存在关系。
所以企业AI真正困难的问题，从来不只是：
模型聪不聪明？
而是：
模型知道自己正在替谁思考吗？它理解这个组织里的现实世界吗？以及它思考完以后，到底被允许做什么？
这就是我认为Palantir真正进入价值区间的地方。
四、Ontology到底是什么？它可能是理解Palantir最重要的钥匙
很多人研究Palantir，知道Foundry、Gotham、Apollo、AIP，却很容易把Ontology理解成“高级数据中台”。
我认为这样理解太浅了。
Palantir自己的定义是，Ontology把一家企业的数据、逻辑、行动和安全规则编码到同一个系统里，它表示的并不仅是数据，而是组织内部复杂、相互关联的决策。Palantir现在甚至直接把Ontology称为人类与AI团队协调决策的核心系统。
我更愿意把它理解成：
一家企业现实世界的数字模型。
比如一家航空公司。
传统数据库里可能分别存在：飞机、航班、机组人员、维修记录、天气、机场、乘客、燃油、调度系统。
但数据存在，不代表AI理解这个世界。
Ontology做的是把它们变成业务对象，并定义对象之间真实存在的关系：这架飞机正在执行哪趟航班；谁可以驾驶；哪个零部件即将超过维修周期；如果飞机不能起飞，哪些乘客需要被重新安排；重新调度以后会影响哪些航班；谁有权限批准操作。
Palantir官方自己的例子里，同样会把航空公司的飞机、机组、排班和其他资产建模到Ontology中，从而支持当天运营和长期规划；医院则可以把患者、护士、床位、医疗物资等放进同一个实时运行的决策世界。
这和单纯的数据库最大的区别是：
数据库告诉AI：“这里有一张设备表。”
Ontology试图告诉AI：
“这是一台真实世界里的设备，它属于这家工厂、负责这个工序、当前处于这个状态、发生故障会影响这些订单，并且只有这些人拥有修改它的权限。”
到了这里，大模型才真正获得了一个可以行动的世界。
因此我认为可以用一句非常简单的话解释Palantir：
大模型解决的是“AI会不会思考”，Ontology解决的是“AI到底在理解谁的世界”。
五、这也解释了一个反直觉的问题：模型越强，Palantir为什么可能越重要？
这是我认为Palantir最值得研究的长期投资命题。
AI第一阶段，模型非常稀缺。GPT-4出现以后，所有人关注的是：谁能训练出更强的模型？OpenAI、Anthropic、Google不断竞争。
然后进入第二阶段，算力成为稀缺资源。NVIDIA、AWS、Azure、Google Cloud开始争夺数据中心、电力和芯片。
但如果继续往前发展，我们很可能进入第三个阶段：
模型能力不断接近，推理价格不断下降，企业可以自由选择多个模型。今天用GPT，明天换Claude，代码任务用Gemini，某些敏感任务跑开源模型。
这时候，企业真正不可替换的资产是什么？
不是某个模型。
而是：自己的客户、自己的设备、自己的生产方式、自己的供应链、自己的规则、自己的权限、自己的历史知识、自己的决策方式。
这些东西无法从OpenAI API直接获得。
于是AI价值链就有可能出现一次迁移：
模型越来越商品化，而企业Context越来越值钱。
Palantir现在把这种思路进一步包装成了一个非常有意思的战略概念：
Sovereign AI——主权AI。
Palantir提出，企业应该掌握自己的数据、代码、业务逻辑、行动和安全体系，同时能够路由、审计、更换和部署不同模型，而不是把整个AI能力锁死在某一家模型供应商内部。
这个战略已经开始在产品层兑现。
2026年，Palantir的Ontology MCP正式GA，可以把Ontology里的对象、行动和查询函数暴露给兼容MCP的外部AI Agent；AIP也可以接入来自Google、Anthropic等不同供应商的模型。
于是Palantir真正想建立的并不是：
“所有企业都使用Palantir自己的大模型。”
而是：
无论未来哪个模型最强，模型进入企业以后，都需要经过Palantir定义的现实世界。
如果这一层成立，模型竞争越激烈，对Palantir反而未必是坏事。
六、“主权AI”是Palantir最漂亮的故事，也可能成为它最大的矛盾
Sovereign AI是一个很聪明的战略定位。
但它存在一个天然悖论。
Palantir告诉企业：不要把自己的数据、知识和决策权完全交给OpenAI、Anthropic或者任何一家模型公司。
这个逻辑非常有吸引力。
但欧洲政府完全可以反过来问：那我为什么应该把国家最敏感的数据和决策基础设施交给一家美国公司？
这不是理论问题。
Reuters报道，法国国内安全机构DGSI正在用法国本土公司ChapsVision替代Palantir；与此同时，Palantir在欧洲部分市场还面临与数据主权、政府采购和政治敏感性有关的挑战。相较之下，公司目前的增长越来越集中在美国市场。
Palantir自己的10-Q也明确提示，近年来美国占公司收入的比例持续提高，如果这一趋势继续，公司将更加暴露于美国宏观、政策和政府采购环境；同时，非美国市场面临不同的数据保护、AI监管、出口控制、本地竞争和市场进入问题。
这就形成了一个很有意思的矛盾：
Palantir越成为美国国家技术体系的一部分，它在美国的护城河可能越深；但同样的身份，也可能成为一些国家采用它时的障碍。
所以Palantir未来是不是全球企业AI的通用操作系统，仍然没有答案。
它可能成为美国及其盟友工业与国防体系里非常重要的软件基础设施，却未必自然复制成全球标准。
这应该是长期估值里非常重要的一项折价因素。
七、Palantir可能还在重新定义一件事：软件公司到底需要多少销售？
Karp在这次财报之后又一次强调，公司美国商业业务实现如此高速增长，是在一个“极小且仍在缩小”的销售团队下实现的。此前他曾公开提及公司传统销售人员规模只有大约70人。
这个数字传播性很强，但我觉得不能简单理解成：
“Palantir只有70个人在卖软件。”
事实上Palantir仍然拥有Forward Deployed Engineers、客户工程团队、产品人员以及大量直接参与客户部署和扩展的人；公司自己在10-Q中也写得很清楚，工程师会在现有客户中负责部署，同时发现更多产品使用机会，而且未来仍可能根据业务需要调整销售队伍规模。
真正值得关注的是另一件事：
Palantir正在尝试把传统企业软件依靠销售推动的增长，变成依靠产品实际结果推动的增长。
传统SaaS公司经常有一套巨大的机器：销售找客户，售前做Demo，咨询做方案，实施团队部署，客户成功续费，再由销售完成扩单。收入增长，很容易伴随人员同步增长。
Palantir现在的财务数据显示，这种线性关系正在松动。收入增长93%，销售与营销费用只增长39%。
如果这种趋势能够持续，就意味着AIP和Ontology正在变得越来越产品化，客户成功案例本身开始承担一部分获客作用，而一个客户部署以后，新增场景的边际成本越来越低。
这可能比“只有70个销售”更重要。
因为它涉及一个更大的AI时代问题：
未来最优秀的软件公司，是不是可以用比过去少得多的销售、实施和管理成本，创造比过去大得多的收入？
Palantir正在成为一个很有意思的实验样本。
八、现金流很好，但股权激励还不能假装不存在
一家公司如果能同时做到高增长、高利润、轻资本开支，财务结构通常会非常漂亮。
Palantir现在正在接近这种状态。
2026年上半年，公司经营活动现金流达到21.15亿美元，而资本性支出很低；同时公司持有大量美国国债和现金类资产，截至6月底可供出售的美国国债公允价值约75.9亿美元，且公司5亿美元循环信贷额度没有任何借款余额。
这和我们前面分析微软、Google、Amazon时看到的AI商业模式完全不同。
AWS、Azure和Google Cloud要先花几千亿美元建设数据中心、电力、GPU和网络。
Palantir站在这些基础设施之上。它不需要建设算力工厂。它卖的是：
算力进入企业以后，究竟如何变成决策。
所以如果Palantir能够守住这一层，它天然具有比云基础设施更轻的资本结构。
但这里不能忽略一个老问题：SBC。
Q2 Palantir股权激励支出达到2.65亿美元，同比增长66%；上半年达到4.67亿美元，同比增长48%。不过，由于收入增长更快，Q2 SBC占收入的比例已经从去年同期约16%下降到约14%。
所以SBC现在更合理的观察方式，不是简单说“Palantir还在疯狂发股票”，而是持续看：
SBC占收入比例是否继续下降
稀释后每股自由现金流是否持续增长
公司创造的经济价值增长是否长期快于股东稀释
只要后两者成立，SBC问题的重要性会逐渐下降。反过来，如果收入增速明显回落，而SBC仍然保持高增长，它就会重新成为估值的核心风险。
九、最终的问题不是Palantir是不是好公司，而是这种增长究竟能持续多久
读完这份财报，很容易得出一个结论：Palantir是一家经营质量极好的公司。
但价值投资最危险的地方恰恰在这里：好公司不自动等于好股票。
一家收入增长93%、GAAP营业利润率47%的公司，不可能用传统20倍或30倍PE来理解。
但反过来说，极高质量也不能证明任何价格都是合理的。
真正决定Palantir长期价值的变量，我认为不是下季度EPS，而是一个英文词：
Duration。
也就是：这种增长可以持续多久？
如果Palantir的收入增速是：93%→70%→50%→30%→20%，三四年后就进入成熟期，那么今天的价值是一回事。
如果这个减速过程需要十年：93%→80%→65%→55%→45%→35%……那完全是另一家公司。
所以真正应该研究的是：
美国商业业务的渗透空间究竟有多大
Ontology能不能从Palantir独特的产品变成企业AI事实上的基础层
国际市场能不能突破“主权悖论”
OpenAI、Anthropic、Microsoft、Databricks、Snowflake等公司会不会最终进入Ontology这一层
Agent的发展最终是强化Palantir，还是绕开Palantir
Palantir到底是在争夺一个几十亿美元的软件市场，还是一个最终覆盖工业、政府和企业决策的万亿美元级基础设施市场
这才是估值。
Palantir截至2025年底披露的剩余合同总价值约112亿美元，其中商业68亿美元、政府44亿美元，但公司自己也明确提醒，其中很多合同可以便利终止，政府合同还包含尚未执行的选择权，因此不能把全部合同价值直接理解为确定收入。
甚至Q2还有一个细节值得长期跟踪：一个匿名的Customer I占公司应收账款总额的27%，虽然这并不意味着该客户贡献27%的收入，却说明大型合同的回款和客户集中度仍然需要观察。
所以我认为Palantir最大的投资风险，可能不是公司做不好。
而是：
公司做得非常好，却还没有好到足以匹配市场已经提前支付的那个未来。
十、最后：AI真正进入现实世界以后，价值会留在哪里？
过去三年，AI产业讨论的中心一直在不断移动。
最开始大家讨论：谁的模型最强？OpenAI、Anthropic、Google不断刷新模型能力。
然后市场开始讨论：谁拥有算力？NVIDIA、TSMC、AWS、Azure、Google Cloud成为最直接的受益者。
但AI真正进入企业之后，第三个问题开始变得越来越重要：
AI到底在理解哪个现实世界？
模型知道人类知识。但它不知道一家宝马工厂今天缺哪个零件，不知道一家医院还有多少床位，不知道一家航空公司的哪架飞机需要维修，不知道军队里的哪一个单位缺什么装备，也不知道一家企业内部，什么人有权批准什么行动。
这些东西不会自动存在于模型权重里。
它们存在于每一家组织几十年形成的现实世界之中。
Palantir正在做的事情，就是试图把这个世界变成机器能够理解、推理并采取行动的结构。
所以我越来越觉得，“AI软件公司”并不是理解Palantir最好的标签。
它真正想做的，更接近：
AI时代企业与现实世界之间的操作系统。
OpenAI想提供大脑。NVIDIA提供算力。微软和AWS提供运行环境。
而Palantir试图回答的是：
这个大脑进入一家企业以后，究竟看见什么、理解什么、被允许做什么。
如果未来模型真的越来越商品化，那么模型本身的价值未必会无限扩大。真正稀缺的，反而可能是企业不可复制的Context——数据、业务对象、关系、权限、规则和行动。
如果这个判断成立，Ontology的价值会随着AI能力增强而上升，而不是下降。
这也是Palantir今天最迷人的投资命题。
但同样，它也是今天估值里最大的假设。
这份财报证明了Palantir正在高速奔跑，却还没有证明它最终能跑多远。
而对于长期投资者来说，后一个问题，远比下一季度增长多少更重要。
本文仅为公司、产业与财务研究，不构成任何股票买卖建议。
