Palantir财报后大涨，AI应用层发生哪些重大变化？

恰逢软件板块反弹，Palantir Q2财报后大涨，不少投资人给出了“phenomenal quarter”的评价，The Information直接称“Palantir是AI软件领域的英伟达”。但财报背后的信息量更大，透过财报会，

我梳理了海外企业AI应用市场的重大转变。

这些成绩是在“销售人员极少且持续减少”的情况下取得的。作为一家无自有大模型的企业，Palantir展现了极高的资本效率——2026年H1经营现金流入21亿美元，而资本支出仅为2200万美元。

管理层在财报会上回应了热度极高的几个问题——AI应用公司如何与模型厂商竞争？AI浪潮3年多，为什么AI应用层胜出者仍然寥寥无几？

商业模式：揭穿Token消耗战，只看业务结果

“我们绝不按点击量、Token消耗量或对话次数收费”，在Palantir看来，这是收费方式完全跑偏了。一个平台的使用量或许能隐喻其价值，但绝不具备决定性。最近越来越多的客户发现：单纯的消耗量和使用量，往往与最终结果的产出毫无关系。

“Token消费模式或许适合Labs，但对其他所有主体都行不通”。

「主权AI」觉醒

Palantir这次频繁强调的理念就是Sovereignty AI，并推出了主权AI训练营。CEO认为，这是过去一两个季度客户侧最大的转变，蕴含着极大的市场需求。

越来越多的企业开始发现，Token消耗战是以牺牲自身为代价的，这导致企业把业务Know-how、专业知识、提示词转移给第三方，喂养外部大模型，最终抹平企业核心优势，走向同质化。同等危险的还有深度绑定某家大模型，一旦模型掉队甚至下架，关键业务系统就会瞬间崩溃。

这也echo了最近硅谷对以Anthropic为首的AI Lab的批评：

很多客户的核心诉求转向了对“主权AI”的掌控——企业必须对自身的数据、逻辑、行动和安全拥有绝对的定义权，能够根据场景自由切换模型，而不是被算力栈或单一模型绑架。

开放权重模型破局

沿着主权AI这条核心叙事线，企业必然要求应用厂商能编排并微调模型，交付完全可控的技术栈。Palantir目前的策略是与英伟达深度合作，在AIP平台中接入英伟达开放权重模型Nemotron及算力栈。

Palantir在涉密场景的实践已经证实：通过在企业专有环境内进行SFT与后训练，这种软硬协同的架构能实现对昂贵前沿大模型的超越。更关键的是，这一路径将模型权重、推理轨迹、最终沉淀的超额收益全部锁在了企业内部。

Benchmaking时代开启

Alex直言，“前沿大模型一定表现最好”的假设在企业实践中根本站不住脚。榜单高分往往能靠特定的训练数据刷出来，可一旦到了企业真实场景很难落地。

Palantir在某项目上引入Nemotron开放权重模型，仅针对具体业务场景做后训练，24小时内就在多个生产任务上击败闭源前沿模型。而且在5个生产任务中，未经任何后训练的原生开放权重模型，直接击败了闭源前沿模型。

“刷榜的时代结束了，现在是定制基准Benchmaking的时代”。

AI正把企业应用带入定制化阶段。而定制化业务的基准，绝不是第三方的静态评分表，而是企业必须持续攻克的业务目标。这个“定制化基准”必须完全基于企业自身战略去制定，由它来统一标准、指引整套工作流与模型后训练管线。

AI应用如何应对大模型侵蚀？

这是投资人今年关注的焦点。主权AI已经从核心叙事上给出回应，Palantir还分享了近期的真实案例。

一家硅谷科技公司最近举办了一场实战切磋，某头部AI Lab选择了工单自动化场景，最终未能交付有价值的成果。Palantir则构建了Agent Swarms，主动推荐营销、打包与定价策略以驱动收入增长，直接转化为1000万美元的订单。

“同一个客户、同一时间点、使用完全相同的模型，核心区别在于AIP平台和FDE技艺” ，Alex强调，“只有Palantir拥有FDE，其他人有的只是各种包装的售前工程师。今天的Palantir，已经是基础设施、软件、FDE、编排Orchestration与业务Know-how的综合体。”

为何AI应用赢家寥寥无几？

有投资人指出，AI浪潮3年多以来，Palantir的战略和方法论内核始终没有变化，并且凭借这条路径成为应用层赢家。那为什么其他软件公司没能预判到这条路径呢？

Alex认为核心差距在于两点——Efficacy和Efficiency，“其他人专注于生产力，我们一直雷打不动地专注于将Token转化为企业真正的经济价值”。Alex还分享了一个关键点——应用企业对“原始数据”与“过程数据”价值认知的滞后。

在0到1阶段，多数人简单地认为，只要拥有私域原始数据、接入大模型就能创造价值，结果却发现数据被外部伙伴吸纳、甚至演变成竞品。直到今年才逐渐形成共识：企业的超额收益，不仅蕴藏在原始数据中，meta data、推理轨迹、系统使用记录等衍生信息的价值甚至超过了原始数据本身。而过去，企业几乎没有任何手段去管控和复利这些核心资产。我在企业AI万亿级新市场，AI公司和SaaS公司都在布局 

详细介绍过。

文章来自于"后浪new"，作者 "Evelyn"。