Palantir商业收入首超政府:企业决策AI怎么赚钱
11月2日,Palantir(NASDAQ PLTR)交出一份收入结构发生重要变化的财报。2026年三季度,公司收入23.13亿美元,同比增长96%。美国商业收入增长148%至9.84亿美元,首次超过美国政府业务的9.53亿美元;全球商业收入也在当季略高于政府收入,增速分别为113%和81%——政府业务依然在高速增长,
11月2日,
Palantir(NASDAQ PLTR)发布一份收入结构明显变化的财报。2026年三季度,公司收入23.13亿美元,同比增长96%。美国商业收入增长148%至9.84亿美元,首次超过美国政府业务的9.53亿美元;全球商业收入也在当季略高于政府收入,增速分别为113%和81%。政府业务还在高速增长,但这一季更大的收入来源换成了商业客户。
Palantir的订单为何随工作流扩张
财报电话会上,CEO亚历克斯·卡普(Alex Karp)对把模型用量包装成转售生意的路子提出了批评。他的判断是,Palantir真正落脚的地方在应用层。企业把模型接进来只是第一步,接下来还得让它连上内部系统和数据,按各家自己的权限与规则跑起来。在卡普看来,模型公司拓宽了企业可做的事,而应用公司要做的,是从中挑出一件,把它变成日常运转的业务。
CTO希亚姆·桑卡尔(Shyam Sankar)在同场把话讲得更直白:“企业的基本单位是工作流。”他举了保险公司的例子:员工处理材料快上几分钟,企业不见得就能多接一单生意;可要是AI能把从前没时间分析的业务组合拉进承保评估,新的业务量才有可能冒出来。
桑卡尔还提到,业务运行中留下的数据,企业可以拿来评估和训练模型,再把改好的模型放回原来的流程里。核保就是个例子:每次判断调用了哪些资料、人工复核改动了什么、后面结果怎样,都会成为下一轮评估的参照。单个环节各自提速并不难,难的是把判断、执行和结果串成一条线,企业才能分清该动模型、该补数据,还是该改业务规则。
一些合同试点之后迅速变大,原因也能从这里找到。Palantir披露的案例是,一家全球家电企业先投了100万美元做试点,二季度转成年化合同价值300万美元的项目,三季度又扩到1500万美元,商业、财务和供应链流程都包了进去。说到底,最初为单个项目接入的数据、权限和业务规则,有机会被快速搬到下一个项目上接着用。数据回流撑着AI产品的可靠性,也成了Palantir的护城河。
深演智能把AI接进营销与销售决策
营销和销售,同样可以成为把上一流程攒下的数据与业务知识用到下一流程的起点。中国AI企业深演智能(DeepZero,02723.HK)挑的正是这个切口。“在这条业务链上,客服听到的产品反馈,研发和销售也用得上。”创始人兼CEO黄晓南在署名文章里主张,AI要“进入核心工作流,连接数据、知识、内容与组织规则”。她接受采访时说,真实业务产生的数据能反哺模型,模型改进后的智能体再走向更多场景。公司对电视访谈的整理显示,她把这个方向叫作“AI for Growth”。她举的例子是,从客服、电商和社交媒体的反馈中挖出还没被满足的需求,让原本沉在客服系统里的信息进入新品决策。
消费品导购把这条路径摆得很清楚。顾客说要找一款抗衰产品,智能体得先听懂诉求,再把成分、功效和商品对应起来,最后按品牌规则给出推荐。深演智能的DeepRag知识中台负责把这些关系和规则梳理成体系,导购和客服可以共用。碰上答不上来的问题,团队能从真实对话里定位知识缺口,审核更新之后再交给智能体调用。这和Palantir本体的思路有相通之处:两家都是把企业独有的业务知识,变成软件能够调用的规则。落到客户现场,深演智能安排AI产品经理和前线部署工程师(FDE)配合,把这些能力接入实际流程。
2026年中报里,深演智能以DeepAgent为统一平台,把业务分成智能体产品与智能体营销服务两块。前者部署到客户内部,后者由公司参与运营、交付业务成果。上半年公司收入3.98亿元,同比增长43.6%,智能体产品收入增长52.9%;新签产品合同涉及的客户中,约30%采购了多个智能体。
中报后,IDC将深演智能列入了2026年全球
企业决策AI的商业化前景
再翻Palantir的三季报,商业收入已经超过政府收入,客户从一项试点铺到多个部门,应用合同也随业务范围一起扩大,这为决策类AI的商业化提供了一个增长范式。营销与销售决策这块,深演智能已经显出“中国版Palantir”的商业轮廓。智能体被接进客户的核心流程,客户在使用中攒下的业务知识、人工修正和执行结果,又回到自家的智能体软件里,用来更新知识、校正判断,让同一条流程下一次跑得更好。两家公司的业务各有侧重,相同的地方在于:软件进了企业之后,还能跟着经营活动不断改进。
放到全球AI应用市场看,模型能力普遍往上走,能在具体行业里长期参与决策、把经营结果做好的厂商,才有机会挤进企业的常规业务预算。全球AI商业化的机会,或许就藏在左右企业决策的那些工作流里。