本文作者 |   贝隆行业研究

数据支持 | 勾股大数据（www.gogudata.com）

2026 年的 AI 圈，有两个截然相反的叙事在同时发生。

一边，曾以极高增速扩张的 Anthropic，增长斜率开始出现变化。

这家曾以惊人速度扩张的大模型公司，正在经历增长曲线的微妙转折。高基数之下，市场开始重新审视：模型能力持续跃迁之后，收入增长还能否长期维持此前的陡峭斜率？

另一边，Palantir 依然能打得不像话。

就在 Anthropic 增长斜率放缓的同时，它交出 Q2 财报，营收 19.4 亿美元，同比增长 93%；净利润 10.7 亿美元，同比增长超过两倍；GAAP 净利润率高达 55%。CEO 卡普放话称这样的增长至少还能持续 18 个月。

这组反差真正值得讨论的，不是谁跑得更快，而是 AI 商业化正在出现两条不同的增长曲线：一条依赖模型能力和用户规模快速扩张，另一条则依靠持续进入企业核心业务，把 AI 从 " 能力供给 " 变成 " 经营结果 "。

在中国，这样的两种路径也在上演。大模型公司在不停追赶、反超；但同时有公司在深入、在深耕。

后者更深，且同样不见得更慢。例如同赛道的深演智能，上半年期内利润同比增幅 125.2%，营业利润更是同比翻了四倍。

01

大模型增速降温，

决策 AI 为何成 AI 产业新核心赛道

2020 年 Palantir 上市时，市场并不那么看好。

五年后，故事完全反转。

2025 年一年，Palantir 市值从 1700 亿美元上涨至 4200 亿美元。股价与市值的持续重估背后，市场对其 "AI 进入核心业务决策 " 的商业模式给予了更高定价。

2026 年赛道热度未减，深演智能在今年 5 月上市，短短三个月市值增长超十倍。

连 OpenAI 和 Anthropic 这两个大模型领域的头部玩家，都在今年 5 月各自联合头部私募设立独立合资主体，通过扩充前线工程师和咨询团队补齐交付能力，试图沿着与 Palantir FDE 相似的路径深入企业核心业务。

纯卖模型能力空间看似已经足够大了，为什么还想分一杯羹？

这至少说明一个趋势：模型能力本身并不是商业化的终点。随着 AI 从问答、生成走向企业核心流程，" 决策 " 正在成为更接近业务价值兑现的一层。

相较于单纯提供模型能力，决策 AI 至少呈现出三方面更贴近企业价值兑现的特征。

第一，决策 AI 处于 AI 价值链的 " 最后一公里 "。

整个 AI 产业链可以简化成三层：

模型层。比如 OpenAI、Anthropic、Google。竞争极其激烈，持续烧钱，且产品同质化在加速。

应用层。在模型之上形成 Copilot、AI 写作、AI 绘图等工具，迭代快、覆盖面广，但多数产品首先解决的是效率问题，价值衡量往往仍停留在 " 省了多少时间 "。

决策层。AI 直接参与企业的核心经营环节，比如营销预算怎么分、库存怎么备、价格怎么定、风险怎么控。主要替企业做判断。

决策层处在价值链的末端。模型再强，如果只停在问答和生成，就永远离企业的钱袋子隔了一层。而决策 AI 恰恰卡在这个 " 最后一公里 " 的位置上。

越往价值链末端走，离客户真正的预算越近。

第二个，企业更愿意为 " 结果 " 付费，而不是为 " 能力 " 付费。

麦肯锡在 2026 年 8 月发布的文章中提出，AI 最大的经济收益很少仅仅来自节省人力，而更多来自更快的决策、更好的资产配置和抓住原本会错过的机会。

企业买 Copilot 账号，和买 Office 软件差别不大，按人头付费。但这笔预算在企业内部是被反复审视的：员工到底用没用？省了多少时间？省下来的时间创造什么价值了？在编程以外的场景，这些问题会很难回答。

决策 AI 的逻辑完全不同。

企业内部预算审批有一条铁律，直接影响营收、利润、风险、成本的核心业务，才能拿到长期、常态化的预算。

决策 AI 更强调把技术能力映射到经营结果，其价值可以进一步锚定收入、利润、风险或成本，并据此建立更清晰的 ROI 衡量框架。

深演智能还直接提出 AI for Growth 的发展思路，把重心放在拉动业务增长的营销销售赛道。相较于其他大部分场景，这类场景的业务效果更能被清晰量化。例如，在奢侈品牌复购场景中，深演智能通过 Agentic 营销系统，分析品牌过往营销活动表现，判断每位消费者最合适的触达时间、最合适的权益，以及最可能发生复购的时间窗口，通常可以带来约 30% 到 100% 的实际复购率提升。

这意味着，决策 AI 争取的不只是传统 "IT 预算 "，还可能进入业务部门乃至公司级经营预算。金融的风控、制造的供应链、零售的营销与选品、政企的资源调度与风险排查，本质上都属于高频且高价值的决策场景。相较于单纯的效率工具，其可触达的预算池和价值空间更大。

第三，市场正处于拐点，技术红利刚刚释放。

更关键的是，这类需求并非单一行业的偶发现象，而是横跨金融、制造、零售、政企等多个行业的共性需求。

Gartner 在 2025 年 AI 技术成熟度曲线报告中，将决策智能列为 " 变革性 " 技术。2010 年，云计算被 Gartner 列为 " 变革性 " 技术；2023 年，生成式 AI 同样被列入这一等级。被列入当年，很多人对它们的商业价值和落地前景都曾存在质疑，但随后几年，两者都用爆发式增长证明了判断的前瞻性。

Palantir 深耕市场 23 年，深演智能深耕市场 17 年，已经积累了前期积淀。叠加底层模型能力到了临界点，成本曲线也大幅下移，决策 AI 的技术前提成熟。

大模型厂商开始补齐企业交付能力，本身也说明行业竞争正在从 " 模型能力 " 进一步向 " 业务落地能力 " 延伸。

但模型能力并不会自动转化为企业级决策能力。对于大模型厂商而言，从提供标准化模型到深入企业核心流程，中间还隔着数据治理、业务语义、组织协同和持续交付等多重门槛；这也是企业服务最难规模化复制的部分。

也因此，Palantir、深演智能这类长期扎根企业场景的公司，真正值得研究的并不是 " 用了什么模型 "，而是它们如何把模型嵌入复杂业务系统。

为什么？

02

大模型厂商挤不进来，

决策 AI 的护城河到底在哪

答案不在模型层，而在模型碰不到的地方。

市场一直有个质疑，Palantir 们是不是套了层大模型的壳。华尔街科技分析师 Gil Luria 近期直接反驳了这个说法，底层模型可以灵活替换，真正难以复刻的是沉淀多年的业务本体和客户部署方法论。

这个决策 AI 不是下载一个大模型、接上企业数据就能跑起来的东西。

把 Palantir 和深演智能放在一起看，会发现一套高度统一且和通用 AI 公司完全不同的商业模式。

两家公司的起点几乎一样，先啃最复杂的大型组织。Palantir 大量倾斜资源到大客户身上，深演智能 400 多家客户里有近 70 家世界 500 强，宝洁、雀巢、中国移动、华润万家都在其中。原因不只是大客户付费能力强，而是越复杂的场景越能训练出真正有用的决策 AI。

大型组织内部多部门博弈、多约束权衡，背后牵扯的隐性规则和历史惯例复杂得吓人。真正有用的决策 AI，必须在成千上万个这样的真实场景里，反复经历做出判断、执行、看结果、再修正的循环，才能把算法和业务经验蒸馏出来。

这些土壤，只存在于大型组织里。

有了复杂场景，只是拥有了训练土壤，距离真正的决策 AI，还需要语义认知底层建设。

BCG Platinion 提出，大量企业 AI Agent 项目止步试点，问题往往不在于模型推理能力不足，而在于普遍存在的语义负债。

技术负债是系统硬件、代码、架构层面的拖累，而语义负债是企业所有业务口径、隐性规则、部门定义、历史惯例没有统一标准，只存在老员工的脑子里。通用 AI 可以补技术负债，却应付不了语义负债。

Palantir 与深演智能都通过 FDE 前线部署工程师驻场，把客户分散在各个系统的数据、隐性业务规则梳理。Palantir 将其梳理为统一的业务本体 Ontology，打通跨部门业务对象的关联，支撑跨域资源调度。深演智能则面向营销经营场景搭建商业语义网络，打通投放、用户、交易多源异构数据，为全域决策输出打下底座。

这也是通用大模型厂商永远的短板。模型厂商追求标准化、轻量化、API 化交付，厌恶定制梳理。

在交付形式上，二者交付的是由算法、数据和场景共同组成的一整套决策系统，能跑通完整的 " 决策‑执行‑反馈‑迭代 " 业务闭环，而不是简单操作工具。

以深演智能为例，Agentic Software 把智能体能力内嵌进企业自身工作流，由客户内部团队持续运行；Agentic Marketing Services 则以同一套 Agentic Software 能力驱动外包服务，直接面向营销目标交付结果。两者并非彼此独立，而是共享 DeepAgent 4.0 Pro 技术底座，以不同交付形态承接客户的不同需求。

目前公司已经形成超过 25 个垂直 AI 智能体的产品矩阵，覆盖产品创新、GTM、Social 营销、广告投放、销售与客服、用户运营、用户洞察等核心业务环节。

底层基座模型可以随时替换，但在业务循环当中沉淀下来的取舍逻辑、场景策略资产很难迁移，客户使用越久，替换成本越高。

03

利润增速跑赢收入三倍，

决策 AI 的增长逻辑是什么

如果前述商业模式成立，它最终应该在财务报表上留下痕迹：收入增长之外，随着客户渗透加深和前期能力复用，利润增速有机会快于收入增速。

深演智能 2026 年上半年的中报就是典型样本。营收 3.98 亿元，同比增长 43.6%，期内利润 819.5 万元，同比增长 125.2%，营业利润更是同比暴涨 402.2%，利润增速是收入增速的近三倍。

从深演智能当前的经营数据看，这种利润弹性可以拆成两层逻辑。

第一层在收入端，存量客户的持续渗透。普通 AI 工具的增长高度依赖不断挖新客户，拿下一单就结束一个场景。决策 AI 不一样，它切入大型企业后，先完成底层数据治理、商业语义对齐和业务规则适配，之后业务会顺着企业经营链条，从一个场景自然渗透到更多环节。

深演智能创始人黄晓南提出的双 100 战略，说的就是这件事。一端是客户规模扩百倍，另一端是单客户产品数扩百倍。分部业务数据已经在验证这个逻辑。

报告期，智能体营销服务实现收入 3.70 亿元，同比增长 42.9%；智能体软件收入 2819.6 万元，同比增速达到 52.9%，增长跑赢整体营收规模。

尽管当前智能体营销服务与智能体软件的收入体量存在明显差距，但这更大程度上反映的是企业采用 AI 的阶段和交付方式差异。Gartner 预计，到 2028 年，33% 的企业软件应用将集成 Agentic AI，较 2024 年的不足 1% 显著提升；与此同时，从 Palantir 到 OpenAI、Anthropic，FDE 式前线部署正在成为 AI 深入企业核心工作流的重要交付方式。随着企业内部 AI 能力建设加深，更多客户从 " 购买结果 " 走向 " 把 AI 能力沉淀在内部 "，Agentic Software 有望在低基数上继续保持更快增长。

上半年，公司智能体产品及服务新签订单同比增幅超 300%，30% 的智能体新客户会一次性采购多款智能体，部分大型企业直接部署十余个产品。从单个智能体到多智能体协同，从单一业务场景到全经营链路，单客户的收入天花板被不断抬升。

来源：深演智能公众号

第二层在成本端，前期沉淀的可复用性带来经营杠杆。决策 AI 很难像标准软件一样开箱即用，前期需要投入研发、产品和业务团队去理解复杂的业务流程，完成数据、语义和业务规则的适配，项目前期成本不低。但一旦第一个场景跑通，已经打通的客户关系、搭建完成的商业语义网络、DeepAgent 底层技术底座，都可以直接复用来支撑新的决策场景。同一个客户从部署第一个智能体到第二个、第三个，不需要重复付出完整的获客成本，语义层和智能体微调一下就能反复复用。复用得越多，增长的杠杆就越大。

这两层逻辑叠加，直接反映在中报的费用结构里。营收同比增长 43.6%，但销售及营销开支仅增长 9.9% 至 2526.7 万元，人均产出突破 120 万元。研发投入 3367.8 万元，同比增长 44.3%，和营收增速基本持平，资金主要投向智能体技术迭代。也就是说，公司还在持续加码技术，但规模效应已经开始摊薄销售和后台管理成本，最终传导到利润端，营业利润同比增长 402.2%。

Palantir 的财务表现提供了一个海外参照：当高价值客户持续扩张、产品深入更多业务环节后，经营杠杆可能显著释放。深演智能仍处在更早阶段，但 2026 年中报已经出现相似的早期信号——收入保持较快增长的同时，销售费用增速明显低于收入增速，利润弹性开始显现。

04

结语

2026 年夏天，AI 行业的增长逻辑正在分化。

有时候，深度才是加速度。

其实 Palantir 已穿越过一次这样的周期。

SaaS 最热的时候，它因为不按席位收费、不做标准化产品、坚持工程师驻场，被资本市场当成异类。后来的事大家都知道了。

太阳底下无新鲜事。

模型决定 AI 能力的上限，而真正决定商业价值能否持续兑现的，越来越可能是企业场景里的深度。（全文完）

▍往期回顾

格隆汇声明：文中观点均来自原作者，不代表格隆汇观点及立场。特别提醒，投资决策需建立在独立思考之上，本文内容仅供参考，不作为任何实际操作建议，交易风险自担。