Palantir 又火了。

从 2023 年至今，Palantir 股价两年飙升 15 倍，市值超过 3000 亿美金，风头盖过 Salesforce，成为美股科技市值前十公司。

这家十年前最著名的大数据独角兽公司，借助 Agent 平台 AIP 产品，成功转型为一家人工智能公司，2024 年营收增速超过 28%，达到 28.66 亿美金，取得显著成果。

十年前就有多家大数据厂商对标 Palantir，最近又有很多厂商以 " 中国 Palantir" 自居。那么，中国市场是否有机会出现 Palantir？

" 不卖平台、不卖标品 " 的公司定位，专注服务超大型企业

不同于 AWS 和 Salesforce 这样的云厂商，Palantir 既不卖平台也不卖标准产品，只卖解决方案，是个非常纯粹的定制化服务厂商。

Palantir 几个核心产品 Gotham、Foundry、Apollo、AIP，并不单独售卖，而是工具箱，帮助 Palantir 自己的工程师快速构建客户需要的场景应用。

正如 Palantir COO Shyam Sankar 在电话会议上的解答，Palantir 的竞争对手不是微软等软件厂商或集成商，真正竞争对手是客户自建。软件厂商一般销售标准产品或者平台，客户基于标准产品上构建针对自己业务的场景应用，而 Palantir 是希望自己帮助客户建立这一切，客户只需要花钱即可。

定制化服务的定位，意味着 Palantir 服务能力有限，只能服务超大型企业，只有超大型企业才能支付高昂费用。Palantir 做到 10 亿美金营收的时候，付费客户只有 139 个。相比之下，同样服务大客户的 Workday 做到 10 亿美金营收时已经有 1500 个客户，ServiceNow 达 10 亿美金营收时有超过 3000 个客户。

图 1:Palantir 客单价

从 Palantir 运营数据来看，虽然最近两年因客户数快速增长导致平均客单价走低，但 Top20 客户的客单价还在持续增长，对营收贡献保持在 45% 以上，大客户策略没有发生任何变化。

"AI 训练营 " 快速获客，用平台产品锁定大客户

Palantir 将客户分成三个类型 "Acquire"、"Expand" 和 "Scale"，Acquire 是年付费金额少于 10 万美金的客户，Expand 是年付费金额超过 10 万美金但利润为负的客户，Scale 是年付费金额超过 10 万美金且利润为正的客户。

早年财报 Palantir 曾披露过这些客户数据，2019 年 7.4 亿美元营收中，60 万美元来自 Acquire 客户，1.76 亿美元来自 Expand 客户，5.66 亿美元来自 Scale 客户。到了 2020 年，这些客户贡献了 11 亿美元营收，而当年新客户只贡献了 4180 万美元。

针对新客户（Acquire），Palantir 的策略是以免费或者低合作费用部署软件平台，通过短期试点项目让客户看到价值，推动后续成单。

2023 年，AI 大模型兴起后，Palantir 通过 "AI 训练营 " 策略获取新客户，用一周左右时间，帮助企业用户快速构建 AI 大模型场景用例。这种策略非常有效，"AI 训练营 " 策略推出四个月时间内，Palantir 就在 465 个企业完成了 560 场 AI 训练营，并显著缩短了销售周期，2023 年 Q4 新客户转化率达到 22%，显著高于当年 Q3 的 12% 和 Q2 的 4%。

Palantir 在新客户获取上投入成本很大，重点还是看重单个客户长期贡献价值。根据财报显示，Palantir 不在乎 Acquire 当年营收贡献，更加看重下一年。2019 年，Acquire 客户只有 60 万美元营收，但投入成本达到 6600 万美元，到了 2020 年，这些客户贡献了 7710 万营收，1320 万利润。

Palantir 能够长期锁定大客户，一方面是不断帮助客户解决业务场景问题，另一方面是 Palantir 的产品都具备平台属性。Apollo 定位是作为基础设施产品，让 Palantir 其他产品能够适配不同客户 IT 环境；Gotham、Foundry 是数据平台产品，清洗处理客户的多元异构数据，并搭建各类数据应用；AIP 是 AI 应用开发产品，搭建各类 AI 应用。

通过这些产品，让客户所有数据应用和 AI 应用都需要依托于 Palantir 的平台来构建，一方面降低了 Palantir 工程师帮助客户解决应用问题的交付成本，另一方面增加了客户黏性，随着平台上的应用越来越多，替换成本会越来越高。

尽管 Palantir 不单独售卖平台产品，但这些平台产品是能够持续留住大客户的关键因素。考虑到 AI 应用都是需要依赖于企业数据，因此，Palantir 核心平台还是数据平台 Gotham 和 Foundry。

中国是否有机会出现 Palantir

Palantir 成立于 2003 年，经过 20 年发展成为一家市值 3000 亿美金、营收 28 亿美金的科技公司。回到国内市场，考虑中美市场成熟度差异，直接换算货币单位，中国科技行业是否有机会诞生一家类似 Palantir 这样 3000 亿人民币市值的公司？我们从需求端和供给端分析下 Palantir 出现的可能性。

从需求侧来看，Palantir 重点服务的是有超强付费能力且愿意外采服务的大型企业，这类画像的企业用户有 300-400 家，中国企业的付费能力是足够容纳 Palantir 这样的科技厂商。

Palantir 的 Top20 客户平均客单价是 6000 万美金，这意味着国内厂商 Top20 客户平均客单价至少达到 6000 万人民币，而且是纯软件费用。考虑到一般大型企业的软件服务采购占整体 IT 支出的 20% 左右，因此这类企业每年 IT 支出至少要在 3 亿人民币左右。按照 IT 支出一般占企业营收的 0.5% 左右，这类企业年营收在 600 亿以上。

根据中国企业联合会和中国企业家协会发布的《中国企业 500 强》名单，超过 600 亿营收的中国企业有 405 家，去除掉京东、阿里、腾讯、华为、美团、小米、拼多多、百度、网易、唯品会、蚂蚁、平安等自研能力很强的企业，符合画像的企业数量超过 380 家。

从供给侧来看，厂商需要同时具备数据和 AI 平台产品并提供定制解决方案这两个条件，并且数据和 AI 平台是具备作为大型企业核心平台的能力，不是一个简单针对某个部门或业务场景的分析工具。

数据平台是 Palantir 的核心能力，各类 AI 应用都是基于数据平台对企业内部海量多源数据处理清洗，并结合 AI 平台的能力构建。因此，国内对标 Palantir 的厂商，需要具备较强的大数据处理清洗分析能力，同时具备帮助大型企业快速搭建 AI 应用能力。

在国内，具备企业级数据和 AI 平台产品的厂商主要有以下几类，云厂商、数据智能厂商、人工智能厂商、大模型厂商。考虑到云厂商、大模型厂商主要提供平台能力而非定制解决方案，因此重点关注提供端到端解决方案而非标准产品的数据智能厂商和人工智能厂商。

人工智能厂商中，具备海量非结构化处理能力的主要是以 NLP、知识图谱这类技术为核心的厂商，CV、语音、机器学习等技术厂商对数据处理能力比较弱，不具备处理大型企业级数据的能力。

因此，海致科技、滴普科技这些数据智能厂商，拓尔思这种主要处理海量非结构化数据的人工智能厂商，更有机会成为中国的 Palantir。