PLTR Palantir Technologies Inc. 美東 10/26 收盤價：198.84 元+2.09 (+1.06%)

追蹤

Palantir 主要提供企業與政府的資料整合、決策支援與 AI 應用平台。它不是自己訓練大型語言模型的公司，而是把客戶既有的資料、模型、流程與權限管理整合起來，讓 AI 能在真實營運場景中安全地執行與產生決策。

核心產品包括：

• Gotham：主要服務政府、國防、情報與公共安全客戶。將來自不同系統的資料串接、視覺化，協助進行情報分析、任務規劃、後勤調度與風險判斷。
• Foundry：主要用於企業客戶，整合 ERP、CRM、生產、供應鏈、財務等資料，建立可供營運團隊共同使用的資料與決策平台。
• AIP（人工智慧平台）：把生成式 AI、機器學習模型及 AI Agent 接入企業或政府的內部資料與工作流程；重點是權限控管、可追溯性及讓模型能執行受控的實際任務。
• Apollo：軟體部署與更新管理平台，可將 Palantir 的系統部署在公有雲、私有雲、企業內部伺服器，甚至隔離網路或邊緣設備中。

簡單說，Palantir 賣的是企業級的「AI 作業系統」：協助客戶把分散資料轉成可用資訊，再把 AI 的建議連結到採購、生產、物流、國防任務或管理決策等實際流程。

目前成長動能特別來自商業客戶導入 Foundry 與 AIP。頁面所列的 2026 年第二季中，美國商業營收年增 149%，顯示其 AI 平台正從概念驗證逐漸走向企業正式部署與擴大使用。

市場目前看 PLTR 的核心題材，可分成「成長能否持續」與「高估值能否被基本面消化」兩大主線：

1. 企業 AI 平台加速滲透

   • AIP 將生成式 AI 接入企業內部資料、權限與工作流程；Foundry、Ontology 則協助企業整合資料並轉為可執行的營運決策。
   • 2026 年第二季美國商業營收年增 149% 至 7.64 億美元，商業客戶數年增 35%、淨收入留存率達 157%，市場重點在於：AI 導入是否從試點擴大為長期且高金額的全企業合約。
   • 這是 PLTR 維持「AI 軟體平台」估值溢價的最重要支柱。

2. 美國政府與國防 AI 支出

   • PLTR 起家於政府情報與國防軟體，政府客戶對資料安全、機密環境部署及作戰決策系統的需求，是其差異化優勢。
   • 第二季美國政府營收年增 90%，市場會持續關注國防、情報、公共安全及政府現代化專案，能否轉為更長年期、更具規模的合約。
   • 相較純商業 AI 軟體公司，政府業務也有助於提升營收穩定度，但採購流程較長、合約認列可能有波動。

3. 主權 AI 與受控部署

   • 主權 AI 指政府、國防單位或大型組織希望將資料、模型與決策權保留在自身掌控的環境中，而非完全交由公有雲或外部模型服務商。
   • PLTR 的產品架構可在自有硬體、私有雲或高度受控的環境部署，因此有機會受惠於資料主權、資安與監管需求。
   • 題材的關鍵不只是宣布合作，而是這些專案是否能持續轉成可續約、可擴張的長約營收。

4. 美國商業業務能否持續高成長

   • 公司將 2026 年美國商業收入指引上調至逾 34.24 億美元、年增至少 134%；這反映市場對其企業端 AI 需求抱持高度期待。
   • 市場會觀察客戶數增加、每客戶支出提升，以及大型客戶導入後的擴張速度是否同步維持。若成長主要來自少數大單，波動風險會較高；若能擴散至更多產業與中大型企業，成長品質會更好。

5. 高成長能否消化高估值

   • PLTR 雖然營運強勁，第二季營收年增約 93%、調整後營業利益率達 62%，但目前仍屬市場給予高成長 AI 平台溢價的股票。
   • 頁面數據顯示本益比約 158 倍、股價淨值比約 49 倍；因此股價不只看「有沒有成長」，更看成長是否能持續大幅優於預期。
   • 估值回落不一定代表基本面轉差，也可能是獲利預期上修速度低於市場期待，或市場願意給的估值倍數下降。

6. 競爭與規模化能力

   • PLTR 的優勢在於資料治理、權限控管、系統整合與前線部署能力，而不只是提供單一 AI 模型。
   • 但市場也會檢驗：當大型雲端平台、模型供應商與企業軟體公司都加速推出 AI 解決方案時，PLTR 是否能維持技術差異化，並降低對高成本導入人員的依賴、讓商業模式更容易規模化。

整體而言，PLTR 現階段的投資敘事不是單純的「AI 概念股」，而是：能否把政府端的高門檻優勢，複製到企業 AI 與主權 AI 市場，並以持續高速的營收與獲利成長支撐估值。

Palantir 後續展望的核心，是 AIP 是否能持續將企業 AI 試點轉成大規模、長週期的正式部署；同時由美國商業與政府國防兩條成長曲線，支撐目前極高的市場期待。

1. 2026 年成長動能仍強，美國商業是最大引擎

Palantir 第二季營收達 19.35 億美元、年增 93%；其中美國商業營收 7.64 億美元、年增 149%，美國政府營收 8.09 億美元、年增 90%。美國市場目前已占公司總營收超過八成，是本輪高速成長最主要來源。

公司將 2026 年全年營收指引上調至 81.54～81.58 億美元，隱含年增約 80%；美國商業營收指引則上調至超過 34.24 億美元，年增至少 134%。第三季營收指引為 21.6～21.64 億美元，代表管理層預期 AI 平台需求仍在加速。

短期來看，營運重點不是「有沒有 AI 題材」，而是 AIP 是否能維持目前的企業導入速度，使美國商業收入在高基期下仍有顯著成長。

2. AIP 的價值在於把模型接入企業真實流程

Palantir 並非以自研大型語言模型為主，而是透過 Foundry、AIP、Apollo 與 Ontology，將企業資料、使用權限、業務規則、模型與可執行工作流整合在一起。

這種架構的價值在於，企業不只是使用聊天機器人或購買 token，而是能讓 AI 在可控、可稽核、安全的環境下參與供應鏈、生產排程、營運決策、金融風控與客戶服務等流程。

第二季淨美元留存率升至 157%，前二十大客戶過去 12 個月平均營收年增 67%，反映已導入客戶正持續擴大使用範圍。這是 Palantir 投資邏輯中最重要的正向訊號：若客戶由單點專案擴展為跨部門工作流，營收成長可更多來自既有客戶錢包，而非完全依賴大量新增客戶。

3. 主權 AI 是商業與政府市場的中期擴張題材

主權 AI 的概念，指企業與政府希望掌握自身的資料、模型權重、權限、運算環境與決策流程，而非完全依賴外部公有雲或單一模型供應商。

Palantir 的優勢在於：

• 支援多模型選擇與切換，降低對單一模型供應商的依賴
• 可在雲端、地端、隔離網路與高安全環境中部署
• 讓客戶保有資料與工作流的控制權
• 適合國防、情報、醫療、金融與關鍵基礎設施等高合規場景

主權 AI 若從概念轉化為政府與大型企業的長期採購標準，將擴大 Palantir 的可服務市場；但目前公司尚未獨立揭露其帶來的營收規模，因此仍需透過合約、RPO 與實際部署持續驗證。

4. 政府與國防 AI 提供穩定性，但採購節奏較不均勻

Palantir 在政府端的護城河建立於 Gotham、AIP、Apollo 與長期資料整合經驗。其系統已深入國防、情報與任務關鍵場景，導入後涉及資料模型、流程、資安規範、人員訓練與任務協同，因此轉換成本較高。

美國政府營收第二季年增 90%，顯示國防 AI、情報分析與作戰決策系統需求仍強。政府業務的優點是合約單價高、客戶黏著度強；限制則是預算週期、採購程序、政策優先順序與大型標案時點，都可能使單季營收與訂單出現波動。

5. 訂單與現金流支撐 2027 年能見度

第二季總剩餘合約價值達 131 億美元、年增 83%；其中 RPO 為 49 億美元、年增 103%。公司資料顯示，約 43% 的 RPO 預計在未來 12 個月認列，其餘則將於後續年度逐步轉為營收。

財務面也相當強勁：

• 第二季 GAAP 營業利益率約 47%
• 調整後營業利益率約 62%
• 調整後自由現金流約 12.2 億美元
• 現金、約當現金與短期美國公債超過 90 億美元
• 幾乎沒有有息債務。

高毛利軟體模式與既有平台的擴張，使 Palantir 展現強大的營運槓桿；未來若營收維持高成長、雲端託管與推理成本受控，獲利及自由現金流仍有持續上修空間。

6. 2027 年的考驗：高基期下能否維持高速成長

Palantir 現階段最大的問題不是短期獲利能力，而是高成長能否延續到 2027 年以後。

一份觀點指出，若以 2027 年營收約 105 億美元估算，年增率可能降至約 36%，反映基期快速墊高後，維持接近三位數的成長難度將明顯上升。

要支撐目前高估值，市場需要看到：

• AIP Bootcamp、試點專案持續轉為正式生產部署
• 客戶從單一部門擴展到更多工作流與模組
• 美國商業高成長可逐步複製到海外市場
• 政府國防合約持續擴張，而非只依賴少數大型標案
• RPO 與合約總價值可穩定轉化為營收與每股現金流

7. 主要風險

• 估值風險極高：目前本益比約 150 倍，市場已預先反映長期高成長與高利潤率；只要營收、接單或指引略低於預期，股價修正可能放大。
• 美國市場集中：美國營收占比超過八成，若美國企業 AI 投資放緩，對整體成長影響大。
• 國際市場成長較慢：第二季國際商業營收僅年增 26%，顯著落後美國商業；海外擴張能否成功，是長期成長空間的關鍵。
• 產品擴張與服務密度：Palantir 的客製化部署與前期導入能力是競爭優勢，但也可能限制規模化速度並提高銷售、部署與人才成本。
• 競爭壓力：大型雲端平台、企業軟體商與模型供應商都在加強 AI Agent、資料治理與工作流整合能力，Palantir 必須持續證明其 Ontology 與高合規部署能力具不可替代性。
• 股份酬金與每股價值：公司現金流很強，但仍應關注股權激勵對完全稀釋股數的影響，不能只看整體自由現金流。

整體來看，Palantir 正從政府資料分析公司，轉型為企業與政府的 AI 作業系統供應商。2026 年的成長已由美國商業 AIP 與政府國防需求共同驗證；下一階段的關鍵，是將試點與 Bootcamp 轉成可複製的長約、擴大既有客戶滲透率，並在高基期下維持營收、RPO、留存率與自由現金流同步成長。

市場對 Palantir 未來兩年的 EPS 預期，核心是營收高速擴張能否持續轉化為更高的營業槓桿。綜合目前可取得的預估：

以中性情境理解，2026 年 EPS 約落在 1.5 美元上下，2027 年約 1.7 美元上下。公司 Q2 2026 實際 EPS 已達 0.41 美元，且全年營收指引已上修至約 81.5 億美元；這表示早期全年 EPS 預估可能仍有後續調整空間，但也要注意，不同來源對 EPS 的口徑可能包含或排除股權薪酬等一次性、非現金項目，數字不宜直接混用。

預估背後的成長邏輯

• 美國商業業務是最重要的獲利引擎：頁面顯示 Q2 美國商業營收年增 149%，客戶數與既有客戶擴張均持續推進。若 AIP 從試用轉成跨部門、長期部署，軟體模式的高毛利特性有利於 EPS 成長快於營收。
• 美國政府業務提供規模與能見度：Q2 美國政府營收年增 90%，國防與政府專案可支撐長約型收入；但實際認列仍容易受預算與採購節奏影響。
• 2027 年成長率可能明顯降速：市場預期 2026 年是 EPS 高基期跳升的一年，到了 2027 年，即使絕對獲利續增，年增幅預計會回落至雙位數或更低。這代表股價能否續獲高估值，不只看 EPS 是否成長，更看成長是否能再次超越已很高的市場期待。

估值如何解讀

目前頁面的近四季 EPS 為 1.26 美元、本益比約 146.8 倍。即使以 2026 年 EPS 1.5 美元、2027 年 1.7 美元推算，市場仍是在用相當高的獲利倍數定價未來成長。因此，投資判斷的重點不是「EPS 有沒有成長」，而是：

1. 美國商業營收能否維持遠高於整體營收的成長；
2. 營業利潤率能否隨營收規模持續上升；
3. 政府大型專案是否如期轉為收入；
4. 股權薪酬造成的股數稀釋，是否侵蝕每股獲利成長。

結論是，PLTR 未來兩年 EPS 趨勢仍偏向上行，2026 年約 1.5 美元、2027 年約 1.7 美元可作為目前市場的中性參考；不過，現價反映的並非一般程度的成長，而是對 AI 商業化、政府需求與高利潤率能同時延續的高度期待。

Palantir 所處的並非單一「商業服務」市場，而是橫跨企業 AI 平台、資料治理與營運決策軟體、國防／政府任務系統的交叉領域；整體產業前景仍偏正向，但競爭與採購門檻也正在提高。

1. 企業 AI 從概念驗證，走向正式營運部署

生成式 AI 的下一階段，不只是讓員工使用聊天機器人，而是把模型接入企業內部的資料、權限、流程與決策鏈，例如供應鏈排程、製造良率、金融風控、能源調度與客服營運。

這使市場需求從「誰有最強模型」逐漸轉向：

• 能否整合企業分散、異質且敏感的資料
• 能否控管存取權限、資料主權與模型輸出
• 能否把 AI 建議真正轉成可執行的工作流程
• 能否在雲端、地端、邊緣或隔離網路中穩定運作

Palantir 的機會正在這個「AI 協調與營運層」。其 AIP、Foundry 與 Ontology 架構，重點不是自建基礎模型，而是把不同模型放進企業既有的資料與工作流程中。因此在多模型並存、企業不願被單一模型或雲端供應商綁定的環境下，平台價值有機會提高。

目前頁面數據也反映此趨勢：2026 年第二季美國商業營收年增 149% 至 7.64 億美元，幾乎追上美國政府營收；公司全年美國商業營收指引則上修為至少 34.24 億美元。這代表企業端 AI 已不只停留在試點，而有部分客戶進入擴大採購與跨部門部署。

2. 國防 AI 與主權 AI 是中長期結構性需求

國防、情報、政府與關鍵基礎設施的數位化，正從傳統資訊系統升級為即時資料融合、指揮決策、自動化後勤與邊緣 AI 系統。

驅動力主要包括：

• 地緣政治緊張，提高即時情報與作戰決策需求
• 無人系統、衛星、感測器增加，造成資料量大幅膨脹
• 軍方需要把感測、指揮、後勤與行動串成閉環
• 資料不能隨意離開本地或機密網路，提升主權 AI、資安與合規的重要性

這類市場的特色是採購週期較長、驗證嚴格，但一旦導入到核心任務流程，通常具備較高轉換成本與長期維運需求。Palantir 在政府端已有 Gotham、Maven 等實績，並持續切入下一代指揮控制、戰區邊緣部署與主權 AI 場景，因此能受惠於國防軟體化、AI 化的長期趨勢。

不過，政府業務不能只看合約公告。預算審議、採購程序、政策方向與專案驗收，都會讓季度營收認列出現波動。

3. 市場競爭將由「模型能力」轉為「資料、治理、部署與通路」

企業 AI 的競爭格局正快速重疊：

Palantir 的差異化在於：能把資料治理、業務語意、AI agent、權限審計、跨環境部署與任務流程整合到同一套平台，特別適合資料複雜、安全要求高、且 AI 必須真正影響營運或任務決策的場景。

但也要注意，雲端大型業者能透過既有雲端合約與辦公軟體通路進行打包銷售；若客戶認為通用工具已足夠，獨立平台的預算與定價能力就可能受壓力。Palantir 能否持續勝出，取決於其部署速度、擴約能力，以及是否能證明帶來可量化的營運效益。

4. 產業前景樂觀，但成長品質比「AI 題材」更重要

未來 1 至 3 年，最值得觀察的不是 AI 市場是否成長，而是企業 AI 是否能持續從試用轉成大規模、可重複的付費部署。對 Palantir 而言，幾個關鍵驗證指標是：

• 美國商業營收增速與大型合約數：確認 AIP 是否持續擴散至更多企業與部門。
• 既有客戶擴約與剩餘合約價值：判斷客戶是否從小型專案進入生產環境。
• 政府大案的落地與認列節奏：國防題材需轉化為持續收入，而非一次性消息。
• 國際市場進展：目前成長明顯集中美國，海外滲透若偏慢，營收集中度會是限制。
• 毛利率與股權激勵稀釋：平台化若成功，應反映在獲利槓桿；但股權激勵仍會影響每股價值的累積。

結論

產業的大方向是有利的：企業需要把 AI 從聊天與實驗，推進到受治理、可審計、可執行的核心流程；政府與國防則需要在安全環境中整合資料、模型與任務系統。Palantir 正好位於這兩條需求曲線的交會處。

但這也是一個高成長、高競爭、估值容錯率低的市場。公司能否維持領先，關鍵不是單季營收是否亮眼，而是商業客戶的擴約能否持續、國防合約能否穩定轉為收入，以及平台優勢是否足以抵禦大型雲端與資料平台的整合競爭。

Palantir（PLTR）的客戶主要分成兩大塊：美國政府/盟國政府 與 大型商業企業（以美國為核心）。由於許多政府案與部分商業案會受保密條款限制，公司不一定會逐一點名「完整名單」；但從公開資訊與法說會提到的案例，可以把「主要客戶輪廓」整理得很清楚。

1) 政府端：核心是美國國防與情資體系 + 民用機關

政府端是 Palantir 的傳統強項，產品多以 Gotham / Maven 等軍情作戰與指管決策系統為主（也延伸到供應鏈、製造與維保等）。

主要類型

• 美國國防體系：國防部及其下轄軍種/作戰司令部體系（法說會多次強調 Maven 在美軍「全面推廣」與使用量創高）
• 美國情報體系：情報單位（公司歷史起點）
• 美國民用政府機關（Civil agencies）：例如近期公開資訊提到 美國農業部（USDA） 有大型合約（用於支援農業計畫、供應鏈韌性、反詐欺等）

這類客戶的特徵（為什麼重要）

• 合約常見「長約/續約」與高能見度（但政府合約也常見可終止條款）
• 需求以「高機密、邊緣部署、即時決策」為主，與 Palantir 的安全認證與前線部署能力高度匹配

2) 商業端：以美國大型企業為主，集中在「重營運/高複雜度」產業

近幾季成長最強的是 美國商業客戶（頁面內容也指出美國商業收入年增非常快），客戶典型是資料、流程、供應鏈與現場營運極複雜的企業，導入 AIP/Foundry 做跨部門的營運 AI 與決策自動化。

常被點名/公開案例中出現的商業客戶（舉例）

（以下是公開場合/投資人溝通中「直接被提到」或常見案例類型） - 製造/航太與國防供應鏈：例如法說會案例提到 GE Aerospace 在生產與軍用航太供應鏈導入 agentic AI；也常見汽車零組件、工業製造客戶在 DevCon/案例中被引用
- 建築工程/工務類：法說會提到 Johnson Controls、以及建築工程公司導入後大規模取代既有軟體、以本體論（Ontology）驅動多用例擴張 - 保險/金融服務：法說會提到 AIG 用於核保、理賠與反詐欺的多代理流程；房貸流程也有合作案例被提及 - 能源/公用事業/電網：法說會描述「公用事業、能源公司」合約金額在一年內從數百萬美元 ACV 擴張到數千萬美元 ACV 的案例（公司未必每次都公開點名） - 醫療健康：法說會有「醫療公司」短期內簽下大型合約的案例（常以不具名方式描述）

這類客戶的共通點（判讀重點）

• 通常不是「為了報表好看」的 AI 試點，而是直接動到營運流程/供應鏈/產能/風險控管的核心系統
  
• 一旦做出成果，容易從少量用例快速擴張到上百用例與大量使用者（這也是 Palantir 商業端加速的主要敘事）

3) 客戶集中度：不是單一客戶綁死，但「前 20 大客戶」份量很大

從公開年報等資訊可見： - 客戶數已接近千家規模（大型機構客戶為主） - 沒有單一客戶貢獻超過 10% 營收（降低單點風險） - 但 前 20 大客戶平均貢獻很高，代表成長很倚賴「大客戶持續擴張用量/用例」（這也符合他們強調的擴張型商業模式）

4) 用「一句話」總結主要客戶是誰

• 政府端：以美國國防/情資為核心，外加部分美國民用機關與盟國政府
  
• 商業端：以美國的大型、重營運產業龍頭為核心（製造、航太、能源、公用事業、金融保險、醫療、建築工程等），導入 AIP/Foundry 來把 AI 變成可治理、可稽核、能落地的營運系統

Palantir 的競爭並非來自單一對手，而是同時面對「雲端平台、資料平台、企業工作流軟體、模型業者、國防科技與系統整合商」的多線競爭。它的定位介於資料整合、AI 協調、營運決策與實際執行之間，因此競爭對象會隨客戶需求而變化。

主要競爭對手

資料平台、雲端平台與國防軟體公司常呈現「亦敵亦友」關係：客戶可能把資料存於 Snowflake、Databricks 或雲端服務上，再把 Palantir 放在上層建立 Ontology、Agent 與決策工作流；但若客戶選擇直接使用其原生 AI 與工作流工具，Palantir 也可能失去預算。

Palantir 的主要優勢

1. 不只管理資料，而是連結「資料、規則、動作」

Palantir 的核心差異是 Ontology。它不只彙整資料表，而是把企業內的客戶、訂單、庫存、設備、人員、任務與權限，連同商業規則及可執行動作，建成同一套營運模型。

因此 AI Agent 可以不只回答問題，還能在被授權的範圍內提出調貨、排產、維修、核保、理賠或任務調度方案，並串接既有 ERP、CRM、製造與後勤系統。這類「決策到執行」的整合深度，是純資料倉儲或純模型服務較不容易直接替代的部分。

2. 模型中立，降低客戶被單一 AI 模型綁定的風險

AIP 可整合不同模型，客戶能依成本、效能、資安或主權要求選用與更換底層模型，而不用把整個營運工作流押注在單一模型供應商。

這對高度監管、國防、金融與製造客戶尤其重要：模型可能變動、服務可能受區域或政策限制，但企業的資料、權限、工作規則與應用流程仍可保留在 Palantir 的平台層。

3. 政府、國防與高敏感場景的部署經驗

Palantir 長期服務政府、情報與國防客戶，累積在地端、隔離網路、混合雲與高安全要求環境的部署能力。這些市場不只需要模型，也需要資料分級、權限控管、稽核、可追溯性與任務可靠性。

其 AIP、Foundry、Ontology 與 Apollo 的組合，也讓公司能把 AI 放在公有雲、私有雲、主權雲及邊緣環境運行，受惠於主權 AI 與敏感資料不出境的需求。

4. 前線部署工程師加快從 PoC 到正式上線

Palantir 的前線部署工程師會深入客戶現場，把資料、流程、規則與 AI 工具接入特定情境。這提高導入門檻，但也有助縮短概念驗證走到實際營運的時間。

這種「軟體平台＋現場交付」模式，是 Palantir 商業客戶能快速擴大使用的重要原因。2026 年第二季美國商業營收年增 149%、商業合約價值年增 153%，顯示部分客戶已從試點轉向較大規模的正式部署。

5. 客戶黏著度與切換成本高

一旦 Ontology 深入客戶的訂單、產線、供應鏈、任務或風控流程，移轉並不是單純搬資料，而是要重建資料定義、商業邏輯、權限設計、應用程式與跨系統動作。

這種切換成本有利續約與擴約，但前提是 Palantir 必須持續證明導入後能產生可量化的效率、成本或決策效益。

主要劣勢與風險

1. 最大威脅是雲端巨頭的綁售能力

Microsoft、Google Cloud 與 AWS 同時擁有雲端基礎設施、資料工具、模型、身分管理與企業通路。對已大量採用 Azure、Microsoft 365 或 AWS 的客戶而言，直接採購既有供應商的資料、Copilot、Agent 與治理功能，導入阻力與邊際成本可能低於另建 Palantir 平台。

其中 Microsoft 特別具威脅，因為可把 Fabric、Azure AI 與 Copilot 包進既有企業合約；若這些原生工具能滿足多數工作流需求，Palantir 的高單價、深度導入模式便可能遭遇價格壓力。

2. 資料平台正往語意層與 Agent 功能延伸

Databricks、Snowflake 與 SAP 原本強在資料湖倉、資料治理與企業系統紀錄，如今也持續加入 AI 開發、Agent、語意與工作流能力。這些平台已是許多企業的資料重心，具備現成客戶基礎與開發者社群。

Palantir 的策略是透過零複製整合，讓資料留在客戶既有平台、自己專注在決策與執行層；這可降低導入阻力，但同時也代表它必須持續證明上層 Ontology 與 Agent 的價值足以額外收費。

3. AI 模型業者正在複製其「前線部署」模式

OpenAI 與 Anthropic 等模型業者，不再只賣 API 或模型，也正建立直接協助企業導入的工程與服務能力。這會正面挑戰 Palantir 最具特色的前線部署模式。

Palantir 的反制優勢在於長期累積的受管制環境經驗、企業資料與權限治理能力；但模型業者資本充足、模型迭代快，若能把部署經驗產品化，將提高商業 AI 專案競爭強度。

4. 導入深度是護城河，也是擴張限制

深度客製與現場部署能建立高黏著度，卻可能使銷售與交付較依賴人才。若每個客戶都需要大量工程師長時間理解流程，公司擴張效率會受人力供給限制。

因此投資上應觀察：Palantir 能否將成功案例中的資料模型、Agent、工作流與行業模組逐步產品化，降低新增客戶的導入成本與時間，而不是只靠增加工程人員換取成長。

5. 國防市場面臨新型軟硬整合競爭

在國防與指揮控制領域，Anduril 等對手同時具備自主系統、感測器、無人機與軟體能力，更容易取得「硬體＋軟體＋整合」的一體化預算。Palantir 的強項是資料融合、決策支援與軟體平台，但在硬體主導的專案中未必占據主導地位。

不過，兩者也存在合作空間；國防客戶可能讓 Palantir 負責資料與決策軟體層，讓其他廠商承擔感測器、自主系統與硬體整合。

綜合判斷

Palantir 最強之處，在於它不是只賣模型、雲端或資料倉儲，而是試圖占據企業與政府 AI 的「營運控制層」：讓資料、商業規則、權限、模型與實際動作在同一個可稽核架構下運作。

但這個位置正是最具價值、也最受競爭者覬覦的位置。雲端巨頭擁有通路與綁售優勢；資料平台掌握資料重心；模型業者正延伸至導入服務；國防科技公司則從硬體端往軟體決策層推進。

因此，Palantir 的競爭力最終不在於模型是否最強，而在於能否持續證明：客戶導入後，AI 可否更快上線、能否安全地進入核心流程、是否真的帶來可量化營運成果，以及這些成果能否規模化複製。