
从 lyhalfway 那学到的 PLTR 思考逻辑

信息主要來自 lyhalfway 歷史發過的文章和動態,我有做筆記的習慣,很多碎片化的信息放在一起,會從點變成線,從線湧現成面。
所以把筆記交給 cluade,讓它整理了出來。
一張圖總結:
一、lyhalfway 的風格
- 堅持基本面分析,不炒短線
- 倉位集中,不開超市(主要持倉:PLTR、GOOGL、BMNR)
- 重視一手信息:財報、CEO 股東信、機構研報、官方合作公告
| 信息類型 | 來源 | 為什麼重要 |
|---|---|---|
| CEO 股東信 | 每季度財報時發佈 | 最能理解公司理念,Karp 是哲學博士,寫得很有深度 |
| 官方合作公告 | 政府採購網站、合作方官網 | 一手信息,沒有媒體加工 |
| 機構研報 | BofA、UBS 等 | 跟蹤長期覆蓋 PLTR 的分析師,他們有深度調研 |
| 政策文件 | 國防部備忘錄、AI 行動計劃 | 理解政策風向對公司的影響 |
二、先真搞懂 PLTR 是幹嘛的
2.1 PLTR 是什麼公司?
是一家美國的數據分析和 AI 軟件公司,2003 年由 Peter Thiel(PayPal 聯合創始人)和 Alex Karp 創立。
簡單説,PLTR 就是一個 "企業級 AI 操作系統":
- 幫政府/軍方/企業把亂七八糟的數據整合起來
- 用 AI 讓這些數據變成可以執行的決策
- 讓不懂技術的人也能用 AI 提升效率
2.2 核心產品介紹
| 產品 | 服務對象 | 大白話解釋 |
|---|---|---|
| Gotham | 政府/軍方 | 給 CIA、軍隊用的數據分析平台。比如追蹤恐怖分子、分析戰場情報,電影裏那種大屏幕上各種數據連線的場景,背後可能就是 Gotham |
| Foundry | 商業企業 | 給企業用的數據整合平台。比如一家航空公司有幾百個系統(訂票、維修、排班...),Foundry 把它們全部打通,讓管理層一眼看清全局 |
| AIP | 所有客户 | 最新的 AI 產品(2023 年推出)。在 Foundry 基礎上加入大語言模型,讓普通員工也能用自然語言跟數據對話,比如問"下個月哪條航線可能虧損",系統直接給答案和建議 |
| Ontology | 底層技術 | 這是 PLTR 最核心的技術,不是一個產品,而是一種方法論。簡單説就是把現實世界的業務邏輯"翻譯"成計算機能理解的語言。比如"這個零件壞了→需要更換→影響哪些訂單→通知哪些客户",Ontology 把這整個鏈條數字化,AI 才能真正幫你做決策 |
2.3 一個關鍵概念:FDE 模式
FDE = Forward Deployed Engineer(前線部署工程師)
這是 PLTR 獨創的銷售 + 交付模式,和傳統軟件公司完全不同:
| 傳統軟件公司 | PLTR 的 FDE 模式 |
|---|---|
| 銷售賣軟件→客户自己裝→自己學着用 | 沒有銷售團隊 |
| 客户有問題打客服 | 工程師直接坐到客户的工位上 |
| 賣的是標準化產品 | 深度參與客户工作流,邊幹邊開發定製功能 |
這種模式的好處:
- 真正理解客户痛點
- 產品越用越貼合業務
- 客户換掉 PLTR 的成本極高(因為已經深度綁定了)
三、對 PLTR 的核心看法
3.1 核心投資邏輯
PLTR 是 AI 時代的"操作系統",在政府/軍方已經站穩腳跟,正在商業市場高速擴張,沒有真正的競爭對手,與美國政府 AI 戰略高度綁定。
3.2 為什麼看好 PLTR?(核心邏輯鏈)
四、投資邏輯鏈詳解
邏輯鏈 1:政府業務穩如磐石
邏輯鏈 2:商業業務高速增長(AIP 增長飛輪)
邏輯鏈 3:護城河在加深
邏輯鏈 4:政治優勢明顯(特朗普第二任期背景)
⚠️ 政治關係是雙刃劍,未來政權更迭可能帶來變化。
邏輯鏈 5:用"跨越鴻溝"理論看 AI 應用滲透
先解釋什麼是"跨越鴻溝理論":
這是一個經典的科技產品市場滲透模型,把用户分成 5 類:
創新者 (2.5%) → 早期使用者 (13.5%) → [鴻溝] → 早期大眾 (34%) → 晚期大眾 (34%) → 落後者 (16%)
- 創新者:極客,新東西出來第一個嘗試
- 早期使用者:願意為新技術承擔風險的人
- [鴻溝]:很多新技術死在這裏,因為大眾不願意冒險
- 早期大眾:看到別人用得好才跟進
- 晚期大眾:等到成為主流才用
- 落後者:被逼無奈才換
用這個理論分析 PLTR:
五、估值怎麼看?
5.1 態度
PLTR 的 PE(市盈率)確實很高,但不用太糾結:
"意識形態是無法用 PE 衡量的" "看懂《從 0 到 1》這本書,就不會再糾結 Palantir 的 PE"
5.2 為什麼傳統估值方法不太適用?
5.3 Rule of 40:一個更適合的評估指標
什麼是 Rule of 40?
這是硅谷用來評估科技公司(尤其是 SaaS 軟件公司)健康度的指標:
Rule of 40 = 營收增長率 (%) + 利潤率 (%)
怎麼理解?
- 如果一家公司增長很快(比如 50%),但在虧損(利潤率-20%),Rule of 40 = 50-20 = 30
- 如果一家公司增長一般(比如 20%),但利潤豐厚(利潤率 30%),Rule of 40 = 20+30 = 50
- ≥40 被認為是健康的科技公司
為什麼這個指標好?
因為它平衡了"增長"和"盈利"。早期公司可以犧牲利潤換增長,成熟公司可以犧牲增長換利潤,只要兩個加起來夠高就行。
舉個具體例子:
| 公司 | 營收增速 | 利潤率 | Rule of 40 | 評價 |
|---|---|---|---|---|
| 公司 A | +60% | -10% | 50 | 高速增長期,可以接受虧損 |
| 公司 B | +15% | +30% | 45 | 成熟穩健,賺錢能力強 |
| 公司 C | +10% | +10% | 20 | 不太行,增長慢還不賺錢 |
PLTR 的 Rule of 40 是多少?
- 2024 年 Q4:39%(增速)+ 44%(利潤率)= 83
- 2025 年 Q3:達到 114
⚠️ 以上是截至 2025 年 Q3 的歷史數據,最新數據請查看最近一期財報。
什麼概念?在當時所有營收超過 10 億美元的軟件公司裏,PLTR 獨一檔。能跟它比的只有英偉達(120)和禮來製藥(102)。
CEO Karp 説:"We have killed the Rule of 40"(我們把 Rule of 40 打爆了)
六、投資策略和操作方法
6.1 他的持股策略
| 策略 | 説明 |
|---|---|
| 正股 + 期權組合 | 正股打底長期不動,用 3 個月以上的 call 期權做波段 |
| 長線目標 | 看好市值破萬億美元(對應股價約 400 美元) |
| 中期目標 | 2026 年初預測:看 6000-7000 億市值,對應股價 250-280 |
| 操作策略 | 空頭砸盤就是買入機會 |
6.2 如何應對下跌?(2025 年實戰案例)
總結了 2025 年 PLTR 的 3 次大跌,雖然是歷史案例,但規律值得參考:
第一次(2025 年 2-3 月):120→80
- 原因:傳出"國防部要縮減軍費"的謠言
- 結果:後來國防部闢謠,川普還通過了軍費大漲的法案,股價回升
第二次(2025 年 8 月):180→130
- 原因:香櫞(Citron,著名做空機構)發報告做空
- 結果:多空激烈博弈後,通過期權鏈觀察到空頭逐漸離場,股價回到 170
第三次(2025 年 11 月):210→150
- 原因: 邁克爾·伯裏(Michael Burry)高調做空 AI 股
- 結果:後來發現新聞嚴重誇大了他的倉位,股價回升
邁克爾·伯裏是誰?
就是電影《大空頭》的原型人物。2008 年金融危機前,他精準做空了次貸市場,大賺一筆,從此被稱為"大空頭"。他的一舉一動都會被媒體放大報道。
但這次做空 PLTR,他實際只花了 920 萬美元買看跌期權,媒體卻報道成"9.12 億做空"。
總結規律:
- PLTR 業績非常堅實,3 次大跌都是被惡意做空
- 砸盤來得快,但回升也能在短時間內扭轉
- 空頭離場的時機可以通過觀察期權鏈來判斷
6.3 怎麼看期權鏈?
通過觀察期權鏈來判斷多空博弈情況:
| 觀察指標 | 説明 |
|---|---|
| 未平倉量(OI)變化 | 看多頭/空頭的籌碼增減 |
| Put 和 Call 的分佈 | Put 多=看空的人多,Call 多=看多的人多 |
| 大額價內期權成交 | 大資金在進場還是離場 |
| 關鍵價位的博弈 | 比如某個價位 Put 和 Call 都很多,説明多空在這裏激烈交鋒 |
七、老樣子來點金句
"有實打實業績兑現的公司,被錯殺後市場也會糾偏"
"業績會自證,我希望財報前能殺得再狠點,我在 150 接貨"
"這個市場沒有新鮮事,你看到的一定是別人想讓你看到的"
"有分歧才有機會,前提是你能看懂並堅持"
"高額的股權激勵也好、適度的減持提現也好,都是創始人應得的"
八、風險提示
作者雖然非常看好 PLTR,但也提到了以下風險:
- 估值確實很高,短期可能像 meme 股一樣被炒作,波動大
- 空頭攻擊會反覆出現,需要心理準備扛得住
- 政治綁定是雙刃劍:這屆政府利好,但政權更迭可能帶來不確定性
- 國際業務增長較慢:歐洲有隱私和意識形態阻礙
- 軟件股被殺時會跟跌:不是每次都能走出獨立行情
本文版權歸屬原作者/機構所有。
當前內容僅代表作者觀點,與本平台立場無關。內容僅供投資者參考,亦不構成任何投資建議。如對本平台提供的內容服務有任何疑問或建議,請聯絡我們。



