Palantir（纪要）：美国商业增 149%，全年指引抬 11 个点

以下为海豚君整理的 Palantir FY26 二季度的财报电话会纪要

一、财报核心信息回顾

1. 全年指引大幅上调，为历史最大单次上调幅度

全年 2026 收入指引区间提至 81.5 亿–81.58 亿美元，中值 81.54 亿美元，同比增 82%，较上季度指引提高 11 个百分点。

全年美国商业收入指引提至 34.24 亿美元以上，同比增速至少 134%。

全年调整后经营利润指引提至 48.89 亿–48.97 亿美元；全年调整后自由现金流指引提至 45 亿–47 亿美元；仍预计今年每个季度均实现 GAAP 经营利润与净利润为正。

2. 三季度指引

预计收入 21.6 亿–21.64 亿美元，调整后经营利润 12.92 亿–12.96 亿美元。

3. 本季关键财务指标

总量：收入 19.35 亿美元，同比增 93%（历史最高增速）、环比增 19%；GAAP 经营利润 9.12 亿美元（利润率 47%）；GAAP 净利润 10.62 亿美元（利润率 55%）；调整后经营利润 11.94 亿美元（利润率 62%）；GAAP 与调整后每股收益均为 0.41 美元。GAAP 净利润、调整后自由现金流、调整后经营利润三项本季均首次突破 10 亿美元。

分部：美国收入 15.73 亿美元，同比增 115%、环比增 23%，占总收入超 81%；美国商业收入 7.64 亿美元，同比增 149%、环比增 28%；美国政府收入 8.09 亿美元，同比增 90%、环比增 18%；国际商业收入 1.82 亿美元，同比增 26%、环比增 2%；国际政府收入 1.81 亿美元，同比增 42%、环比增 5%。整体商业分部收入 9.45 亿美元（同比增 110%），政府分部收入 9.9 亿美元（同比增 79%）。

现金流与一次性项目：经营性现金流 12.16 亿美元，调整后自由现金流 12.2 亿美元，利润率均为 63%、同比增 115%；期末现金、现金等价物及短期美国国债 92 亿美元；股权激励费用 2.65 亿美元，股权相关雇主工资税 1,700 万美元；SpaceX 持仓未实现收益对 GAAP EPS 贡献 0.03 美元、对调整后 EPS 贡献 0.02 美元。Rule of 40 得分 155%，环比提高 10 个百分点，为连续第 12 个季度扩张。

4. 订单与合同存量指标全面创纪录

美国商业 TCV 订单 21.32 亿美元，同比增 153%、环比增 81%，比此前最高季度多出近 8 亿美元；过去 12 个月美国商业 TCV 订单累计 59.64 亿美元，同比增 117%。

整体 TCV 订单 34 亿美元，同比增 49%；按美元加权久期口径计算，同比增 129%。整体商业 TCV 订单 23.37 亿美元，同比增 118%。

净收入留存率（NDR）157%，环比提高 700 个基点；剩余合同总价值（RDV）131 亿美元，同比增 83%、环比增 11%；剩余履约义务（RPO）49 亿美元，同比增 103%、环比增 10%。RPO 主要由商业业务构成，不计入初始期限短于 12 个月的合同，也不计入"因便利终止"条款之后的合同义务，而这两类在政府业务中很常见。

本季签下 220 笔 100 万美元以上订单，其中 98 笔在 500 万美元以上、73 笔在 1,000 万美元以上，均创历史新高。美国商业客户数增至 653 家，同比增 35%、环比增 6%；美国商业总合同价值同比增 124%、环比增 27%。前 20 大客户过去 12 个月单客户收入 1.24 亿美元，同比增 67%。

5. 毛利率口径变化与费用节奏

调整后毛利率（不含股权激励）86%，环比走低源于为一家政府客户承接云托管带来的成本上升；公司认为此举将换来更快的价值交付、更高效率和对客户更确定的成本，并为后续拓展该客户工作流打开空间。

二季度调整后费用 7.41 亿美元，环比增 14%、同比增 37%，主要来自 AI 平台持续投入与技术人才招聘；受新员工入职季节性以及产品、市场推广项目影响，预计三季度费用将显著爬坡。

战略商业合同（即早期以投资换收入的一类合同）本季贡献收入约 40 万美元，占总收入 0.02%；预计今年余下每个季度均低于 50 万美元。

二、财报电话会详细内容

2.1 高管陈述核心信息

1. 需求侧叙事：企业转向"主权 AI"

管理层称 LLM 市场出现突变，未使用 Palantir 的企业"token 表空转"，付费换来的是无法与价值挂钩的低质输出，且把自身最核心的机密变成第三方模型的训练数据，最终导致自身业务被商品化。

Palantir 侧的需求是"AI 主权"，即企业自己掌握数据、逻辑、动作与安全的运营定义；管理层将企业数据称为其"alpha"来源。

Kirkland & Ellis 被引用为案例：与 Palantir 合作建立了法律服务的新运营模式，把最资深律师的经验集中化并复利化，原本律师需要数天完成的分析、讨论与起草现在数分钟完成，管理层称若无 Ontology 则无法实现。

2. 本季重点成交案例（均为美国商业）

一家跨国科技公司去年四季度先从单一运营子公司起步，本季扩展至全集团，转化为一笔为期三年、金额近 3.7 亿美元的合同。

一家全球资产管理公司一季度开始合作，本季转化为三年期、3,500 万美元 TCV 的合同，覆盖资产管理、自动化与投资生命周期智能四条垂直线。

一家全球软件与服务公司在 5 月参加 agent camp 后，本季签下 1,500 万美元、为期五个月的初始合同。

一家领先的非营利医疗系统 2025 年底签下试点，本季转为三年期、3,700 万美元 TCV 的合作。

美国商业口径下按美元加权久期计算的 TCV 达 21 亿美元，同比增速 271%。

3. 产品与技术：AIP 栈与后训练能力

AIP 被定位为企业内最"人体工学"的 AI 环境，整合人与 AI 混合团队（mixed mammal AI teams）跨异构、相互依赖的工作流，在复杂高风险场景中把 token 转化为真实经济价值。

支撑层包括数据集成与转换、Ontology 与动作、安全与审计、工作流、agent SDK、带遥测与可观测性的 agent 编排、评估与客户专属基准、AIP Evolve，以及最新投入的后训练（监督微调与强化学习）。

这套基础设施捕捉运营遥测数据，形成在客户安全边界内运行的"自动化模型工厂"，把智能沉淀进客户自己掌控的模型权重中。

管理层提出从"benchmaxing（刷榜）"转向"benchmaking（造榜）"：客户专属基准不只是计分卡，而是引导整个运营工作流与后训练管线的方向；AIP 提供控制平面，让客户按工作流持续在成本、性能、延迟之间做取舍，并决定在自己的权重还是别人的权重上运行。

实证案例：Nemotron Ultra 接入 24 小时内，在五个生产任务上，未经后训练的标准版即击败前沿模型，说明少数通用基准是可以被"刷"出来的，前沿模型并不必然是实际表现最好的。

4. 竞争格局：与前沿实验室的正面对决

管理层称市场创造的智能远超已转化为价值的部分，更强的模型并不能解决这个问题，真正的限制因素是 AIP 的部署速度。

一家大型硅谷科技公司近期做了一场对决测试：一家前沿实验室及其部署团队对阵 AIP 与 Palantir 的前线部署工程师（FDE）。该实验室选了工单自动化问题，未能交付任何价值；Palantir 为客户的每一位终端客户搭建 agent 群，主动给出营销、打包与定价建议以拉动收入与使用率，最终转化为一笔 1,000 万美元 ACV 合同，实验室出局。

管理层强调同一客户、同一时间线、同一批模型，唯一差异在于 AIP 与 FDE 的方法论；并称"只有 Palantir 有 FDE，其他人只有会推销的销售工程师"。

5. 美国政府与 Maven

本季首次出现"program of record"（正式列编项目）选择 Maven 作为其运行平台的案例，该项目将利用 Palantir 的开放数据标准、Ontology、开发者工具、对接能力与安全等平台原语，向国防部门选定的指挥控制平台交付能力。

Maven 作为联合部队的开发者与构建者平台，构建者已超过 2.5 万人，包括现役军人、文职人员、承包商与企业。

Palantir 来自战争部（Department of War）的过去 12 个月收入，仍不到五角大楼预算的 25 个基点。

6. 人才与生态：American Tech Fellowship

上周在华盛顿举办首届 American Builder Summit，主题是论证 AI 正在创造就业与繁荣。

设立 American Tech Fellowship（ATF）的初衷是：最具变革性的 AI 应用往往由没有传统技术背景、身处一线与工厂车间的人推动；目前 ATF 结业者已超过 1,000 人。

案例：13 年前入职潜艇零部件制造商（转录稿记为 Tabbit）、至今仍在一线拧扳手的蓝领工人 Jonah，开发了一个 AI 应用，把生产排程从 30–40 天压缩到 1 天以内。管理层结论是"模型是商品，但美国工人不是"。

7. CEO 的战略框架与增长目标

Karp 回顾公司从服务美国政府起步、在没有 AI 只有 NLP 的年代摸索出前线部署工程师模式与 Ontology 雏形，并称当年拒绝了硅谷"让客户依附却不真正创造价值"的寄生式软件打法，选择与客户利益完全对齐。

公司正把 AIP 栈向主权 AI 延伸，需要具备编排与微调模型的能力，从而为客户提供完整的主权栈。

已与 NVIDIA 建立合作并扩展应用层；已在涉密领域进入模型微调市场，Karp 称由 Palantir 在 NVIDIA 栈上微调的模型表现优于前沿模型，且客户拥有权重、拥有 alpha。

Karp 明确提出目标：未来 18 个月推动业务以不低于美国商业当前的增速增长，并称这是很高的目标，但可以达成。

2.2 Q&A 问答

Q：这次主权 boot camp 上和客户交流，有哪些是你原本没预料到的收获？

A：这场主权 boot camp 是在这轮变革爆发后临时办的。两年前筹备 AIPCon 时要花四五个月拉人，这次原本更像"叫几个熟人来吃顿午饭"，结果被大量报名淹没——受邀的、没受邀的、企业各个层级的人都来了，包括 CEO 和运营负责人。做企业业务时，运营岗的人是否感兴趣非常关键。

其中有很大的教育成分。客户已经明白自己需要一种掌控 alpha 的方式，也明白 token maxing 是以自身为代价、正在把他们的数据、prompt、经营方式和专业知识转移给第三方。但他们需要被教育的是接下来能做什么——合同怎么签，怎么和开放权重模型合作、怎么和封闭权重模型合作，这在 Ontology 里怎么运作，Ontology 是不是他们被告知的那层保护层、能否创造价值，在自己业务里长什么样，以及怎么与算力栈协同。我们愿意教育客户和非客户。

这也是 NDR 数字异常强的原因之一，而且这个数还会继续往上走：一些很久没有互动的老客户也来了，他们的反应是"现在明白为什么需要你们、而不只是 Foundry"，正在跨我们的产品栈迁移——原来只用 Foundry 的客户现在要 Ontology、要进入主权 AI 栈。对内也一样，招聘、留存和士气都在受益。

我们内部的思考框架是：市场中"愿意创造价值并保住价值"的那部分有多大。这一部分已经从我们原来做的一小块，变成了美国 GDP 的很大一部分。所以我们需要合作伙伴，现在正在幕后寻找技术上极其强的伙伴。合作伙伴不等于附庸，不必事事一致，甚至不必在每个客户上一致，偶尔可以和我们竞争——就像我们在国防科技领域的做法，合作不代表意见相同，有时也竞争，但方向一致，这能让我们规模化。我推动公司不只看今年年底、还要看明年的增长，也是因为这会倒逼我们找到扩张产能、承接现有需求的方式。

Q：三年前 AI 革命开始时企业就知道专有数据重要，为什么直到现在大家才意识到"必须掌握模型从我的数据里学到的东西"？Palantir 当时是怎么押对这条路的？

A：可以分成两部分看，第一部分是有效性，第二部分是可扩展性。在"从零到一"的阶段，更重要的是聚焦应用层——新东西出现了，怎么把它变成经济价值。等到大家开始真正体验到经济价值、时间往后推移，就会发现一些原来的合作方在做与自己竞争的东西。这个认知渗透进市场心理需要时间：我现在知道这东西在对的平台、对的人手里很有价值，但我也需要控制权重，因为生成的 alpha 不只是我企业里的数据，还包括元数据、推理链路、使用痕迹这些"排放物"，而我目前没有机制去控制它们——而这些可能比企业里的数据本身更有价值。这在过去一到两个季度成了市场的警号。

至于我们为什么押对了：我们是真的与客户完全对齐，有时甚至做违背自身经济利益的决定，比如我们支持欧洲的大量机构，这块业务增长很差，但没有我们的产品，他们的恐怖主义和移民问题的后果会糟糕十倍。这已经不符合我们的经济利益，但我们还是做，因为我们是信仰者。

另外，这家公司从创立起就重视"艺术直觉"——你不能纯靠科学建模，还需要审美判断。我们做过很多大赌注，桌上这些人和 Palantir 数以百计的人本质上靠的是艺术直觉，我们一直说自己是"艺术家的殖民地"。我们重视那些远早于其他人被看见的洞察，并据此构建主要业务板块。这对普通公司很难做到，因为普通公司围绕"有一本剧本、我们照着执行"来构建，而现在是一个没有剧本的世界；五到十年前那套"造寄生型软件再变现"的剧本现在不管用了。公司内部有个玩笑：如果抄我们的人都付费，明年的指引肯定能完成。

还有一点对我们很特殊：我们是局外人。局外人必须拿出真正好的结果，因为客户不会因为我们高尔夫挥杆姿势好或请了牛排晚餐才买单——他们根本不请我们吃牛排晚餐。这种局外人身份在头 18 年造成巨大麻烦，但会在接下来 18 年带来很多好处。

Q：主权风险还有另一面——如果你从某个实验室买了编排、咨询和 harness，就被绑定在它的模型上；今年已经出现过前沿模型被政府或厂商下架的情况，客户的关键任务系统就可能瘫痪。用 Palantir 是不是就能随时换一个模型接上？

A（Karp）：我们在整个美国政府侧已经在这么做了，我们有产品支持切换模型。如果你被锁定在一个产品里，那就是垄断资本主义的本性——大家想要 lock-in，是因为之后可以涨价、降质。我们反对这一点，因为我们站在美国工人、美国民众及其重要机构、以及西方其他机构一边。

在美国经营大企业的人非常成熟，很清楚这些风险，而且他们不喜欢那种被摆布、被当成傻子的姿态，所以这里其实积攒了不少愤怒。我还花了不少时间跟人解释，涉事的一些人并不是他们想象的那种漫画式形象；但这个商业结构看上去就是"正面我赢、反面我也赢"，美国商界不喜欢这样。合同层面也有很多条款可以支持客户这一点。

A（Ryan Taylor）：我们的全部焦点是把 token 转化为价值。Shyam 举的那个例子在所有客户对话里都在发生，这也是客户想要扩大合作、重塑自己在行业中定位的原因。这不是被某一个模型绑定，而是把合适的模型用在合适的用途上，我们的合同与结构就是为支持并复利化客户组织内的 alpha 而设计的。

A（Shyam Sankar）：过去大家一直被少数几个基准绑架，模型按这些基准设计，发布时说自己在这个基准上表现多好，但这些基准和你的业务几乎没关系。真正的问题是怎么造出代表你自身现实、代表你想成功和想改进的那件事的基准，再去看哪个模型合适。这样做的自然结果是——即使抛开所有主权层面的论据——你会问"怎么爬这座山、怎么把我的业务沉淀回我能控制的权重里"，而这本身就预设了开放模型和主权。

而且这样一来，你不会被动等到模型被下架、地毯被抽走才去换，而是会用自动化持续判断：在下一个你负担得起的 checkpoint，是否有更合适的新模型。我提到的例子让我几乎怀疑自己被"煤气灯"了——原版 Nemotron Ultra 在没有任何后训练的情况下，24 小时内表现就超过了前沿模型。只看基准数字你会觉得它离前沿差得远，这本不该发生；当然基准就它所测量的东西而言是对的，只是那不是我的业务，也不是我客户要解决的任务。把这件事移到经验主义的基础上，才是加速 token 转化为真实经济价值的路径。

Q：线上有很多个人投资者，结束前还有什么想说的？

A（Karp）：各位的支持对我们走到今天很关键，对我们走向一家大得多的公司也很关键。我们会帮助转型这个国家以及盟国，商业和政府两端都是。我们使用的这套"主权"框架作为组织原则，对所有希望今天和明天世界更好的人都是开放的，欢迎所有人以某种形式参与。

<正文结束>

本文的风险披露与声明：海豚研究免责声明及一般披露