年内涨超300%!神秘的Palantir ,AI泡沫还是下一个万亿龙头?

科技资本论
11 Dec 2024

2024年,人工智能软件公司Palantir取代英伟达成为最牛的AI股。股价从年初的近17美元涨到11月29日的67美元,涨幅近3倍。如今英伟达涨不动了甚至调头向下,Palantir的向上势头依旧不减。芯片不再是资本最青睐的,取而代之的是AI应用,而早已在军事领域获得显著成功的Palantir成了香饽饽。

Palantir刚被纳入标普 500 指数,市值已经超过1500亿美元,动态市盈率(基于Q4每股收益0.05美元的预测值,2024全年每股收益为0.21美元)高达335倍。相比之下,英伟达54倍的动态市盈率简直低得可怜,特斯拉的94倍也相形见绌,就连妖股Applovin的102倍也要汗颜。

与此同时,市场对Palantir出现了巨大的分歧:一种观点认为,它将成为下一个万亿美元市值的AI巨头;另一种观点则认为,它是一个巨大的泡沫,Palantir不过是集成了一些大模型,它本身并没有什么AI能力,这就是一个骗局。

为何出现如此两极分化的判断?Palantir究竟实力如何?

2002年10月将paypal以15亿美元卖给 eBay后,Peter Thiel(彼得 泰尔)于2003年创立了Palantir, Palantiri 是《指环王》中的一种宝石,拿着它就能凝视很远的距离,追踪朋友和敌人。

Palantir的业务就是对数据进行注标、分类和分析,其核心技术是所谓的本体论,将来自不同来源、不同格式的数据整合到一个统一的语义模型中,进行更深入的关联分析和模式挖掘。

据国外媒体报道,当时红杉等知名风投都不看好Palantir。但是,美国中央情报局(CIA)的风险投资部门 In-Q-Tel却对它颇感兴趣,先后给了两笔钱,共200万美元。在2008年以前,CIA是Palantir惟一的赞助人和客户。甚至可以说,Palantir就是CIA孵化出来的创业公司。

Palantir也为CIA立下汗马功劳。在阿富汗战争中,它搜集和分析战场上的信息,以可视化的形式直观呈现,提供作战方案和可能的结果。2011年,在Palantir技术的帮助下,美军成功找到了本拉登藏匿的具体位置,并将他击毙。

毫不夸张地说,在军事领域,Palantir被全球公认为“杀手”级应用。在2022年2月24日俄乌冲突爆发前,Palantir通过卫星发现大量俄罗斯军队在乌克兰边境集结,发出了战争的预警。战争爆发后,它又帮助乌克兰军队搜集和分析信息,精准定位俄罗斯坦克、船只、飞机的位置,提供作战指导。强大有如好莱坞电影,给Palantir蒙上了一层神秘的色彩。

Palantir成立至今20多年,美国政府一直都是它的最大客户。除了战争,美国政府还用Palantir来打击非法移民、监视犯罪嫌疑人、分发新冠疫苗等。2024年前三季度,Palantir总营收20.38亿美元,其中来自美国政府的收入为8.5亿美元,占比41.7%。

虽然有稳定而庞大的政府合同,Palantir也在开拓商业市场,它的两大软件平台,Gotham针对政府,Foundry针对企业。

2009年摩根大通作为第一个商业客户,将Palantir技术用于监督可能存在违规行为的员工。后来,克莱斯勒、英国石油、空客等大企业也开始采用Palantir。Palantir在官方的宣传资料中称,英国石油用它来分析数据,让北海油田的产量增加了10%。

2023年4月,Palantir 推出了AIP平台,即集成了各种开源的、商业的大语言模型,用以数据分析。

AIP加速了Palantir在商业市场的拓展。2023年,政府收入只增长了14%,商业收入增长了20%。2024年前三季度,政府客户收入同比增长24%,而商业客户的收入同比增长了29%。

如今在Palantir的收入中,政府和商业客户基本对半开:2024年前三季度,政府收入  11.45亿美元, 营收占比55%;商业客户收入为9.24亿美元,营收占比45%。

无论美国政府,还是英国石油、空中客车,无一例外都是大型机构。Palantir的订单动辙千万,甚至数亿美元,因此被诟病为“太昂贵”。财报显示,2023 年Palantir商业客户的 ARPU 超过 300 万美元;截至2024年9月30日的过去12个月内,Palantir前二十名客户的平均收入为6010万美元。

过高的市场定位让普通人根本无法接触到Palantir的产品。很多数据工程师吐槽,Palantir太神秘了,也不知道它好在哪。相比之下,他们更喜欢亲民的Databricks和Snowflake。

一些接触过Palantir的人则认为,它没有任何神奇的AI能力,且定制化太强。“在你交了昂贵的入门费之后,他们就会指派一名或多名前沿部署工程师过来,他们的行为非常像一家使用自己软件的咨询公司。”

政府喜欢购买带有“支持团队”的产品,为他们的全职咨询费无限期地支付费用。因为政府不像商业部门,他们不关心投资回报率。

基于此,很多人嘲讽,强大而神秘的Palantir其实不过是一家光荣的咨询公司,应该按咨询公司来进行估值,而非AI应用

那些厌恶Palantir参与战争的人甚至认为, Palantir应该按军工复合体进行估值,年营收600多亿美元的洛克希德马丁现在的估值才19倍,市值只有1200多亿美元。

Palantir究竟是AI泡沫、骗局,还是真正的明日之星、未来的万亿巨头?以下是我的个人观点,不构成任何投资建议,仅供参考。

首先,我发现一个有趣的现象,数据工程师讨厌Palantir,而管理者们却偏向喜欢Palantir。

“它有一个用户友好的界面,所有员工(不仅仅是数据科学家)都可以使用,只要用低代码或者无代码就可以构建数据相关的功能和应用,释放了公司每个员工的额外价值。”

市场上没有任何平台可以与 Palantir 代工厂相媲美!如果目标是提供商业价值并快速搭乘 Palantir 列车!但如果你的想法是雇佣一支数据工程师、平台工程师队伍,那么就搭上 Databricks列车吧!解决业务问题和产品上市时间的公司不会考虑 Palantir 以外的任何东西,而有些公司的 IT 人员只是为了 IT 而做 IT,这些人会继续使用 Databricks!”

Foundry 是唯一一个能够以实际成本的一小部分为您提供工程师承诺的一切的平台。现实中,工程师们在交付任何能够提供商业价值的产品方面都表现得很失败。企业需要一种替代中央 IT 的方法, Foundry就是这种替代方案。”

Palantir用 AIP 所做的事情确实令人难以置信,它们改变了游戏规则。最终,所有这些功能都将出现在所有竞争平台中,但目前,Palantir 在LLM集成方面拥有强大的领先优势。”

从上述观点可以看出,数据工程师之所以不待见Palantir,或许是因为Palantir扼制了他们的工作,他们也许已经意识到,Palantir未来有可能取代自己。这也是企业管理层为什么喜欢Palantir的原因,因为他们可以少招聘一些数据工程师。

工程师们诉病的Palantir定制化问题,我认为AIP应该能很好地解决这个问题。有了大模型,企业可以用它来生成代码编写自己需要的各种功能和应用,这不就是大模型们努力的方向吗?

其次,Palantir在数据领域上有非常明显的优势。

目前这个阶段,大模型落地的难点之一是如何融入企业的生产流程,某种程度上来说,是需要 AI 平台为客户提供更多的定制化,而Palantir 本身提供的数据分析业务定制化程度就较重,在这方面有丰富的经验。

难点二是,企业对于数据的隐私和安全性有很高的要求。而Palantir跟CIA、FBI、国家安全局、医疗卫生、海关等美国政府部门,以及英国国家医疗服务体系(NHS)建立了长期合作,有政府级的信用背书。

难点三是AI幻觉的问题,这也是企业使用大模型的一大顾虑。Palantir的AIP 虽然只是大模型的集成,但Palantir 在异源数据的归集合一分析上非常强大,这可以有效提高大模型分析数据的可靠性和准确性

我认为这也是Palantir  AIP业务爆发、股价领跑的原因。当然微软、谷歌也一直紧盯着数据分析这块市场, Palantir有没有可能成为下一个万亿美元巨头?这么高的估值是否意味着炒作过度?AI泡沫什么时候破灭?这些问题我都无法回答。

我只能说,万一哪天AI泡沫破灭,企业纷纷缩减AI支出,至少Palantir还有稳定的国防订单,这将成为它的安全垫

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10