PALANTIR产品矩阵、商业模式、客户群体及成功要素分析

从大数据到决策智能龙头，AIP 焕发新机遇。

1. Palantir是一家基于大数据和AI能力的决策智能系统供应商

Palantir成立于2003年，最早负责开发反恐行动中所需的应用软件。其技术起源于 PayPal反欺诈技术，强调对大数据处理的分析速度和灵活性。通过垂直整合各不同 数据源，以及对结构化和非结构化的数据进行实时整合、分析来为用户提供可视化 的数据方案，帮助用户做决策。Palantir起初主要做G端业务，美国中央情报局CIA成 为公司的第一个客户，后续通过产品建设，将业务范围逐渐从G端拓展至B端，覆盖 多种垂类行业，包括金融、制造、能源、航空、医疗等。2023年4月发布AIP产品， 将生成式AI接入其核心产品Foundry以及Gotham。

Palantir四款产品打造优秀产品矩阵。Palantir分别于2008年和2016年推出Gotham （军用）和Foundry（商用）核心产品。并在于2021年和2023年先后发布Apollo和AIP 这两款辅助性产品。前者帮助公司优化产品部署效率助力企业端统一管理不同平台， 后者使得客户可以在保护自身数据安全的同时，调用包括GPT4和Google BERT等 其他大语言模型。 （1） Foundry：主要为商业端服务，帮助企业自身联接各部门数据、消除各不同部 门之间壁垒。客户可以引入自己的数据平台、数据湖、分析工具、机器学习服务 等，将它们插入Foundry的数据集成层和模型集成层后，扩展到操作工作流中。 通过构建范式的一致界面，对企业各不同数据源进行数据挖掘而达到优化决策 的目的。 （2） Gotham：应国防情报机构服务的大数据分析需求而生，主要面向政府部门， 提供威胁识别、国防等相关服务。能够将分散在各不同数据库的结构化数据如 日志文件、DNA序列等和非结构化数据如监控视频，图片，录音等整合在同一 个平台，建立联系以并从中提取有价值的结论。做到全面把握局势并能够进行 战术、作战和战略决策。 （3） Apollo：一个可扩展、可升级的软件管理和部署平台、用于快速升级、监控和 管理Palantir在全球范围内的各种软件部署。 （4） AIP：基于私有化数据对大语言模型进行定制部署与应用。当客户部署AIP之 后，AIP会调用大语言模型，并结合企业本体的数据，通过Foundry和Gotham分 别达成AIP商用和AIP军用的目的，完成实时决策。

Palantir最新产品AIP功能齐全，实现了构建、调试、开发的全流程赋能。构建板块 主要为AI工作流构建者设计，涵盖包括AI驱动的数据管道、AI驱动的逻辑构建、工作 流可视化、工作流监控。如工作流监控功能可以实现记录所有采取过的操作，并通过 本体Ontology进行指标跟踪，便于后期持续改进工作流程。迭代改进工作流功能中 包括了逻辑调试、型号比对、以及持续监控，通过不断改进和测试，持续优化性能并降低成本。在开发板块中，开发人员可选择在熟悉的IDE（集成开发环境）通过 Ontology SDK安装包无缝构建AI应用。

从商业模式上看，Palantir为客户提供标准化产品的基础上满足客制化需求。收入方 式有两种，第一种是通过将软件和定制咨询服务（包括对软件的运营，支持，维护） 打包成一个IT产品，以软件授权的方式进行收费。第二种是为按照客户需求为其提供 专业的服务，该服务按用户需求以此提供用户界面配置、培训、以及持续的数据建 模支持等。前者共有两种部署方式，分别是云化部署和本地化部署。云化部署赋予 客户在Palantir控制的托管环境访问特定产品的权利，客户在合同期内有对目标IT产 品的访问权。本地化部署则是赋予客户在合同期内在其内部的硬件基础设施或自有 云中使用Palantir核心产品功能的权力。 业务能够跑通的关键是合理的商业逻辑。Palantir的商业逻辑可分为前中期和中后期 两个阶段。在前中期通过高投入加提供试用的方式解决客户的痛点，吸引客户；在 中后期通过客户的规模化部署实现最终盈利。在刚接触客户时，为达到留住客户目 的，Palantir在此阶段会派工程师前往项目地线下进行并对客户所处行业及自身已有 的平台和数据库进行深度研究并完成部署。这段时间多为客户的试用期，客户需付 费的金额较少；当客户选择规模化部署后，付费自然变多，也就进入了盈利期。

从客户属性上看，Palantir客户群体主要集中于G端和B端。G端客户主要包括美国 陆军、美国空军、美国海军、英国NHS等。B端客户所处行业较为分散，其中包括制 造业、能源、医疗、交通运输、信息科技、服务业等等。以空客为例，在Palantir和 空客Airbus的合作里，产品从最开始辅助生产A350飞机，到为其创造航空业的中央 操作系统Skywise，为多家航空公司的飞机提供中央链接与支持，帮助各不同机场实 时监测飞机起飞降落时间，实现效率最优化。 从收入分布上看，G端贡献收入略高于B端贡献收入。FY24Q3，公司G端收入达4.0 亿美元，B端收入达3.2亿美元，G端收入占比56%，B端收入占比44%。客户整体支 付意愿较强。平均客单价近11个季度维持在134万美元。FY23Q3至FY24Q3的平均 客单价分别为121/122/113/121/131万美元。从地域维度上看，Palantir的主要客户仍 集中于美国。FY24Q3，美国地区客户贡献收入为5.0亿美元，英国地区贡献收入为 0.7亿美元，其他地区贡献收入为1.6亿美元，分别占比达69%、10%、22%。（客单 价计算方法为当季账单总额/当季客户数。其中，当季账单总额计算方式为收入-融资 收入+本期软件递延收入-上期软件递延收入）

2. Palantir成功要素解析：核心技术壁垒+超前布局AIGC，两者缺一不可

（1） 核心技术Ontology助力企业实现最优化决策，打造强产品力。Palantir将决策的完整过程分为三个层级，分别是数据层、逻辑层、以及行动层。通 过对底层的巨量数据进行处理，使这些经过处理的数据资产经过模型层和函数层后 转变为逻辑资产，再针对这些逻辑资产实现决策并回溯至源头，完成闭环。 具体来看，在数据层，可以分为源数据库（结构化数据、非结构化数据、ERP系统数 据等）和数据平台（数据处理、数据检索等）。逻辑层由人工智能模型（模型搭建、模型监管、实时模型反馈等）和动态知识图谱（对象和流程监管、操作谱系等）组 成。而最后的行动层又可划分为模块化业务流程（实时分析、数据可视化等）以及决 策编排（决策抓捕、源数据系统回溯等）。

基于此架构，Palantir构建了“Ontology”本体论，该技术原理成为Palantir高技术 壁垒产品的基石。公司在本体中构建了语义层、动能层和动态层。 ① 在语义层，Palantir将捕获非结构化数据、结构化数据、运营数据、边缘数据等 数据，以语义元素（semantic elements）代表对象、实体、属性，以动力学元 素（kinetic elements）代表活动、事件、操作和业务发展变换，并进行自有方 式呈现； ② 在动能层，无缝整合不同环境下的异构逻辑资产，构建范式的一致界面，并允许 以AI驱动的决策能够在多逻辑集合的环境中成功实施，以部分AI可实现的决策 代替传统的纯人工决策，减少工作量； ③ 在动态层，使人工或AI驱动的决策以同样的颗粒度完整写回到原层级，包括边缘 设备、企业管理系统、应用程序等，实现最终决策闭环。

（2） 提前布局AIGC，以AIP产品承接生成式AI时代红利。于企业而言，范式的大语言模型在很多情况下并不能够满足特定场景的需求，唯有 和①涵盖行业Know-how的产品以及②相关的专业数据库相结合，才能够解决最终的 实际问题，因此站在产品角度出发，AIP的接入很好的满足了上述的两点。 AIP接入Foundry/Gotham之后，能够实现外接大语言模型，以准确的分析结果为使 用者提供便利，同时也保障使用者本身的数据安全。使用者可以通过AIP在私人网络 中部署大语言模型或其他人工智能软件，并获得与其业务相关的实时、完全保真的 数据，包括所有操作、决策和流程，通过自然语言就可满足业务需求。此外，AIP也 会对大语言模型进行实时监控，进一步保障了用户自身的数据安全。

从业务驱动的角度分析，AIP接入后既对公司存量客户上的持续收入贡献给到了帮 助，也为公司带来了更多的增量客户。 ① 从存量上看，由于公司本身的两款核心产品Foundry以及Gotham本身功能齐全， 种类繁多，因此使用起来会较为繁琐。且从“开始使用产品”到“能够用好产品”往 往需要较长的时间周期。而自然语言的接入使得用户无需经过培训就可以用好 产品。因此，存量客户在体验到AIP的便捷性后，往往会选择在产品上附着AIP 功能，附着率的大幅提升为Palantir贡献了更多的收入。 ② 从增量上看，Palantir围绕AIP产品推出了AIP训练营。客户参加完该训练营后， 可以在1-5天时间内了解其全套产品体系，也能够体会到AIP所带来的操作便利 和AI再升级。这意味着公司的销售工作量大幅减少。能够在短时间内使得客户 体会到公司产品的全貌会增加双方合作的概率，而业绩表现也证明了这一点。