
从 lyhalfway 那学到的 PLTR 思考逻辑

信息主要来自 lyhalfway 历史发过的文章和动态,我有做笔记的习惯,很多碎片化的信息放在一起,会从点变成线,从线涌现成面。
所以把笔记交给 cluade,让它整理了出来。
一张图总结:
一、lyhalfway 的风格
- 坚持基本面分析,不炒短线
- 仓位集中,不开超市(主要持仓:PLTR、GOOGL、BMNR)
- 重视一手信息:财报、CEO 股东信、机构研报、官方合作公告
| 信息类型 | 来源 | 为什么重要 |
|---|---|---|
| CEO 股东信 | 每季度财报时发布 | 最能理解公司理念,Karp 是哲学博士,写得很有深度 |
| 官方合作公告 | 政府采购网站、合作方官网 | 一手信息,没有媒体加工 |
| 机构研报 | BofA、UBS 等 | 跟踪长期覆盖 PLTR 的分析师,他们有深度调研 |
| 政策文件 | 国防部备忘录、AI 行动计划 | 理解政策风向对公司的影响 |
二、先真搞懂 PLTR 是干嘛的
2.1 PLTR 是什么公司?
是一家美国的数据分析和 AI 软件公司,2003 年由 Peter Thiel(PayPal 联合创始人)和 Alex Karp 创立。
简单说,PLTR 就是一个 "企业级 AI 操作系统":
- 帮政府/军方/企业把乱七八糟的数据整合起来
- 用 AI 让这些数据变成可以执行的决策
- 让不懂技术的人也能用 AI 提升效率
2.2 核心产品介绍
| 产品 | 服务对象 | 大白话解释 |
|---|---|---|
| Gotham | 政府/军方 | 给 CIA、军队用的数据分析平台。比如追踪恐怖分子、分析战场情报,电影里那种大屏幕上各种数据连线的场景,背后可能就是 Gotham |
| Foundry | 商业企业 | 给企业用的数据整合平台。比如一家航空公司有几百个系统(订票、维修、排班...),Foundry 把它们全部打通,让管理层一眼看清全局 |
| AIP | 所有客户 | 最新的 AI 产品(2023 年推出)。在 Foundry 基础上加入大语言模型,让普通员工也能用自然语言跟数据对话,比如问"下个月哪条航线可能亏损",系统直接给答案和建议 |
| Ontology | 底层技术 | 这是 PLTR 最核心的技术,不是一个产品,而是一种方法论。简单说就是把现实世界的业务逻辑"翻译"成计算机能理解的语言。比如"这个零件坏了→需要更换→影响哪些订单→通知哪些客户",Ontology 把这整个链条数字化,AI 才能真正帮你做决策 |
2.3 一个关键概念:FDE 模式
FDE = Forward Deployed Engineer(前线部署工程师)
这是 PLTR 独创的销售 + 交付模式,和传统软件公司完全不同:
| 传统软件公司 | PLTR 的 FDE 模式 |
|---|---|
| 销售卖软件→客户自己装→自己学着用 | 没有销售团队 |
| 客户有问题打客服 | 工程师直接坐到客户的工位上 |
| 卖的是标准化产品 | 深度参与客户工作流,边干边开发定制功能 |
这种模式的好处:
- 真正理解客户痛点
- 产品越用越贴合业务
- 客户换掉 PLTR 的成本极高(因为已经深度绑定了)
三、对 PLTR 的核心看法
3.1 核心投资逻辑
PLTR 是 AI 时代的"操作系统",在政府/军方已经站稳脚跟,正在商业市场高速扩张,没有真正的竞争对手,与美国政府 AI 战略高度绑定。
3.2 为什么看好 PLTR?(核心逻辑链)
四、投资逻辑链详解
逻辑链 1:政府业务稳如磐石
逻辑链 2:商业业务高速增长(AIP 增长飞轮)
逻辑链 3:护城河在加深
逻辑链 4:政治优势明显(特朗普第二任期背景)
⚠️ 政治关系是双刃剑,未来政权更迭可能带来变化。
逻辑链 5:用"跨越鸿沟"理论看 AI 应用渗透
先解释什么是"跨越鸿沟理论":
这是一个经典的科技产品市场渗透模型,把用户分成 5 类:
创新者 (2.5%) → 早期使用者 (13.5%) → [鸿沟] → 早期大众 (34%) → 晚期大众 (34%) → 落后者 (16%)
- 创新者:极客,新东西出来第一个尝试
- 早期使用者:愿意为新技术承担风险的人
- [鸿沟]:很多新技术死在这里,因为大众不愿意冒险
- 早期大众:看到别人用得好才跟进
- 晚期大众:等到成为主流才用
- 落后者:被逼无奈才换
用这个理论分析 PLTR:
五、估值怎么看?
5.1 态度
PLTR 的 PE(市盈率)确实很高,但不用太纠结:
"意识形态是无法用 PE 衡量的" "看懂《从 0 到 1》这本书,就不会再纠结 Palantir 的 PE"
5.2 为什么传统估值方法不太适用?
5.3 Rule of 40:一个更适合的评估指标
什么是 Rule of 40?
这是硅谷用来评估科技公司(尤其是 SaaS 软件公司)健康度的指标:
Rule of 40 = 营收增长率 (%) + 利润率 (%)
怎么理解?
- 如果一家公司增长很快(比如 50%),但在亏损(利润率-20%),Rule of 40 = 50-20 = 30
- 如果一家公司增长一般(比如 20%),但利润丰厚(利润率 30%),Rule of 40 = 20+30 = 50
- ≥40 被认为是健康的科技公司
为什么这个指标好?
因为它平衡了"增长"和"盈利"。早期公司可以牺牲利润换增长,成熟公司可以牺牲增长换利润,只要两个加起来够高就行。
举个具体例子:
| 公司 | 营收增速 | 利润率 | Rule of 40 | 评价 |
|---|---|---|---|---|
| 公司 A | +60% | -10% | 50 | 高速增长期,可以接受亏损 |
| 公司 B | +15% | +30% | 45 | 成熟稳健,赚钱能力强 |
| 公司 C | +10% | +10% | 20 | 不太行,增长慢还不赚钱 |
PLTR 的 Rule of 40 是多少?
- 2024 年 Q4:39%(增速)+ 44%(利润率)= 83
- 2025 年 Q3:达到 114
⚠️ 以上是截至 2025 年 Q3 的历史数据,最新数据请查看最近一期财报。
什么概念?在当时所有营收超过 10 亿美元的软件公司里,PLTR 独一档。能跟它比的只有英伟达(120)和礼来制药(102)。
CEO Karp 说:"We have killed the Rule of 40"(我们把 Rule of 40 打爆了)
六、投资策略和操作方法
6.1 他的持股策略
| 策略 | 说明 |
|---|---|
| 正股 + 期权组合 | 正股打底长期不动,用 3 个月以上的 call 期权做波段 |
| 长线目标 | 看好市值破万亿美元(对应股价约 400 美元) |
| 中期目标 | 2026 年初预测:看 6000-7000 亿市值,对应股价 250-280 |
| 操作策略 | 空头砸盘就是买入机会 |
6.2 如何应对下跌?(2025 年实战案例)
总结了 2025 年 PLTR 的 3 次大跌,虽然是历史案例,但规律值得参考:
第一次(2025 年 2-3 月):120→80
- 原因:传出"国防部要缩减军费"的谣言
- 结果:后来国防部辟谣,川普还通过了军费大涨的法案,股价回升
第二次(2025 年 8 月):180→130
- 原因:香橼(Citron,著名做空机构)发报告做空
- 结果:多空激烈博弈后,通过期权链观察到空头逐渐离场,股价回到 170
第三次(2025 年 11 月):210→150
- 原因: 迈克尔·伯里(Michael Burry)高调做空 AI 股
- 结果:后来发现新闻严重夸大了他的仓位,股价回升
迈克尔·伯里是谁?
就是电影《大空头》的原型人物。2008 年金融危机前,他精准做空了次贷市场,大赚一笔,从此被称为"大空头"。他的一举一动都会被媒体放大报道。
但这次做空 PLTR,他实际只花了 920 万美元买看跌期权,媒体却报道成"9.12 亿做空"。
总结规律:
- PLTR 业绩非常坚实,3 次大跌都是被恶意做空
- 砸盘来得快,但回升也能在短时间内扭转
- 空头离场的时机可以通过观察期权链来判断
6.3 怎么看期权链?
通过观察期权链来判断多空博弈情况:
| 观察指标 | 说明 |
|---|---|
| 未平仓量(OI)变化 | 看多头/空头的筹码增减 |
| Put 和 Call 的分布 | Put 多=看空的人多,Call 多=看多的人多 |
| 大额价内期权成交 | 大资金在进场还是离场 |
| 关键价位的博弈 | 比如某个价位 Put 和 Call 都很多,说明多空在这里激烈交锋 |
七、老样子来点金句
"有实打实业绩兑现的公司,被错杀后市场也会纠偏"
"业绩会自证,我希望财报前能杀得再狠点,我在 150 接货"
"这个市场没有新鲜事,你看到的一定是别人想让你看到的"
"有分歧才有机会,前提是你能看懂并坚持"
"高额的股权激励也好、适度的减持提现也好,都是创始人应得的"
八、风险提示
作者虽然非常看好 PLTR,但也提到了以下风险:
- 估值确实很高,短期可能像 meme 股一样被炒作,波动大
- 空头攻击会反复出现,需要心理准备扛得住
- 政治绑定是双刃剑:这届政府利好,但政权更迭可能带来不确定性
- 国际业务增长较慢:欧洲有隐私和意识形态阻碍
- 软件股被杀时会跟跌:不是每次都能走出独立行情
本文版权归属原作者/机构所有。
当前内容仅代表作者观点,与本平台立场无关。内容仅供投资者参考,亦不构成任何投资建议。如对本平台提供的内容服务有任何疑问或建议,请联系我们。



