文 | 少年维特
过去一周，关于 AI 泡沫的声音，又被推上了一个小高潮。
Related articles
宏观方面，美股科技公司的资本支出，跟 1999 年互联网泡沫极其相似。标普 500 指数涨幅七成以上被少数 AI 股贡献。
另一边，“ 大空头” 迈克· 巴里在最新 13F 里亮出自己的新下注：买了 5 万张 Palantir 的看跌期权，行权价 50 美金，2027 年 1 月 15 日到期，期权成本 1.84 美金，总共掏了大概 920 万美金，对应名义敞口 9 亿多。
媒体自然乐于用“ 做空 9 亿美金 PLTR” 的标题来放大这个动作，巴里本人还特意跑到 X 上纠正算术，但方向没改—— 在他眼里，这一批最热的 AI 股，估值里已经掺了不少水分。
Palantir 的 CEO Alex Karp 也比较有意思，在最近几场公开采访里，一边承认现在 AI 赛道里确实有不少投资“ 创造不了足够的价值”，一边又强调自己这家公司代表的是另一类：帮美国政府和大企业把 AI 真的用进系统里的“ 操作系统”，而不是概念股。他形容做空芯片和本体论 （ontology） 是“batshit crazy”。
所以现在这家公司站在一个有意思的位置上：
一头连着这轮美国 AI 基建的大潮—— 几千亿美金砸进 GPU、数据中心、电力和软件；另一头连着“AI 会不会重演 2000 年互联网泡沫” 的争论，以及最典型的一位空头代表。Palantir 不只是一个股价涨得很猛的 ticker，它某种程度上代表了这轮 AI 情绪的一部分投影。
在这样一轮投资周期里，Palantir 到底是一家什么样的公司，它的业务和财务是不是撑得住现在这身价格？更重要的，它在这轮 AI 基建浪潮里，和 2000 年那些被推上神坛的互联网公司相比，到底有哪些相似、哪些不同？
Palantir 到底在卖什么？
先把定位厘清。Palantir 不做大模型，它不是 OpenAI、Anthropic 那一挂的，它做的是大模型之上的“ 业务操作系统”—— 让一个政府部门或大企业，真的能把 AI 融进自己的决策链条里。
三个主产品大致对应三块世界：
Gotham：给情报、军队、执法系统用的大脑。
起家盘，客户从 CIA、国防部到英国国防部、北约，在俄乌战争、反恐、情报分析这种场景里用了很多年，这块业务外界看不透细节，但从美国和英国近期的一些国防 AI 框架合同来看，Palantir 已经基本成了“ 西方阵营默认的那家做战场/情报软件的公司”。
Foundry：企业版 Gotham。大客户里有空客、BP、R1 RCM、能源公司等，它做的是把企业内部所有核心系统的数据打通，建立一个统一的数字孪生—— 生产、供应链、财务、人力、IoT 全部进一个本体模型里。
AIP（Artificial Intelligence Platform）：这一轮 AI 浪潮的增长发动机。
它对接的是 GPT、Claude、Llama 这些大模型，在 Foundry 构建的世界模型之上，把 AI 嵌进业务流程里：模型调度、权限管理、审计追踪、自动化工作流全包。对企业来说，它解决的是“ 怎么让 AI 真正接管一部分决策权”。
跟 Walgreens 的案例是一个最好理解的样板。Walgreens 作为美国第二大药店连锁，自己测算过，要想把几千家门店的库存、补货、人力排班、配送路线做到理论最优，每天要做 3840 亿次微观决策，光靠人脑+Excel 根本不可能。
Palantir 上去做的是，先用 Foundry 把门店、库存、销售、人力、物流等所有关键系统接到一个平台，再用 Ontology 把门店、商品、员工、仓库、供应商、路线这些对象以及逻辑关系统一建模，最后在 AIP 上叠加一层 AI 工作流—— 需求预测、库存推荐、排班优化、补货和配送调度都交给 AI 去算、去发指令，门店一线更多是“ 确认和监督”，而不是“ 从零做判断”。
官方披露的数据是，8 个月时间，Foundry+AIP 已经铺到了 4000 多家门店，原来那 3840 亿次/日的决策，基本交给系统自动化处理。
AIG 的故事类似，只是换成了核保。AIG 搭了一套生成式 AI 核保助手，底层用的是 Claude 这类大模型，调度和业务流程那一层交给 Palantir 来做，据他们自己的说法，核保效率提升了 3–5 倍，准确率从大约 70% 提升到了 90% 左右，关键是全链路可审计。
这些案例的共同点是：
第一，场景是真的复杂和“ 重”，不是搞个问答机器人那么简单；第二，ROI 是可以量化的—— 库存周转、营运成本、核保时效这些财务指标是实打实在改善；第三，Palantir 做的是模型之上的世界观和操作系统，这一层本质上比较难替换。
这也是为什么在 Analyst Day 和各种媒体访问里，Karp 总是反复谈 ontology、本体、世界模型这些看上去很哲学的词，对他们来说，这确实是区别于普通 SaaS 的那块护城河。
基本面是一件事，估值又是另一件事
聊完业务，回头看数字到底对不对得上口径。
最新 2025 年 Q3 财报，Palantir 的几组关键数据是这样：
总营收 11.81 亿美金，同比+63%，环比+18%；美国商业收入 3.97 亿，同比+121%，美国政府 4.86 亿，同比+52%；全球政府业务 6.33 亿，同比+55%，商业业务 5.48 亿，同比+73%。
GAAP 净利润 4.76 亿美金，净利率约 40%，GAAP 营业利润率 33%，非 GAAP 营业利润率 51%；按 Investopedia 的算法，“Rule of 40” 达到了 114%。
调整后自由现金流单季 5.4 亿美金，FCF 利润率 46%；过去 12 个月滚动 FCF 接近 20 亿，账上现金 60 多亿、长期债务基本可以忽略。
合同方面，Q3 新签 TCV27.6 亿美金，创历史新高，美国商业剩余合同价值 （RDV） 达 36 亿，同比翻了近两倍。
管理层第三次上调全年收入指引到 43.96–44 亿美金，对应全年增速在 53% 左右。
这几组数字说明：从“ 赚钱能力” 角度，Palantir 很难被简单归类为“ 讲故事的泡沫股”。它现在已经是一个高速增长、稳定盈利、自由现金流充沛的成熟成长股，和很多还在亏损、靠讲 ARR/NRR 的 AI 概念比，基本面明显厚实得多。
但估值是另一回事。
今年以来，PLTR 股价涨幅在 135%–150% 区间，自 2022 年低点算起接近 20 倍。
汇总 MarketBeat 主流机构分析师给的目标价，一年平均目标价在 172 美金附近，Citi、UBS 等这一挂给的是中性评级，目标价从 170–180 调到 190–205，美银、Wedbush 这样的多头则给到了 215–255 的高位；有“ 极端估值” 给了 18.5 最低。
算估值倍数的方式大家各有各的模型，但大致共识是：按收入算，PS 在 100 倍附近；按当前 TTM 自由现金流看，P/FCF 约 20–25 倍，但若套用部分分析师更前置的 2026–2027 年 FCF 预测，估值倍数会被拉高到接近三位数，因此空头才会把 Palantir 视为板块里最贵的一档。换句话说，市场已经在用“AI 时代操作系统+国防软件复合体” 的故事来定价，而不是用传统 SaaS 的样板来套。
这也是为什么巴里那 5 万张 2027 年到期的 put 会显得特别“ 对情绪”：在他那套框架里，Palantir 的问题不在于业务，而在于市场愿意为这些业务付出多高的价格，以及这种意愿能持续多久。
美国 AI 基建已经卷成什么样了？
聊“AI 泡沫” 这件事，如果只盯着几只股价，其实有点片面。如果关注一下美国在 AI 基建上的动作你会发现，这是近几十年来资本开支最激进、最集中的一轮投资之一。
I/O Fund 给出了一组数据，把微软、谷歌、亚马逊、Meta 等几家大厂未来几年的 CapEx 预算加在一起：未来几年 Big Tech 在“AI 基础设施 （GPU、CPU、数据中心、电力） 上计划投入约 4050 亿美金”，单微软 2025 财年的 CapEx 就同比增长了 58%，达到 882 亿美金，而且管理层已经提示 2026 财年增长率还会更高。
另外 JPMorgan 在 11 月的一份长文里估算，未来五年全球数据中心和 AI 基建 （包括电力配套） 总投资将超过5 万亿美元，他们甚至专门写了一节讲这件事会如何重塑美国信用债市场，因为公用事业、电网公司也要同步加大资本开支。
IoT Analytics 的数据显示，仅数据中心基础设施 （IT+机房设施） 这一块，到 2030 年的年支出就有望逼近1 万亿美元，AI 驱动的服务器、网络、存储占比会提升到接近一半。
电力侧，大型公用事业公司已经开始为“AI 要电” 重写自己的五年计划。比如美国最大的输电公司之一 AEP 在 10 月底把 2025–2030 年的资本开支计划从 540 亿美金上调到了 720 亿，理由很直接，就是为了满足数据中心和工业客户猛增的用电需求，预计峰值负荷要从 37GW 拉到 65GW。
微观一点的例子，比如微软在亚特兰大刚开了一个新的 AI“ 超级工厂”：占地 85 英亩、建筑面积超 100 万平方英尺，里面塞了几十万颗 GPU，液冷系统、12 万英里光纤，把它和全球 Fairwater 网络上的其他算力中心连起来。单 Q1 一个季度，微软在数据中心和 AI 相关基础设施上的 CapEx 就超过 340 亿美金，而且管理层在财报会上谈的是“ 要在两年内把数据中心 footprint 再翻一倍”。
OpenAI 那边，Sam Altman 对外讲过一个目标：到 2033 年希望全球 AI 计算能力能达到 250GW，这意味着需要持续运转 6000 万颗 GPU，每年新增 3000 万颗，耗电量相当于整个印度的用电水平，排放量是 ExxonMobil 的两倍。
微软、Alphabet、Meta、亚马逊在全国范围内砸下了数百亿美元建 AI 数据中心，AI 基建已经成了美国经济增长的关键驱动力之一，同时也在挤占土地、电力、地方财政等资源。
从这些数字往回看，所谓“AI 泡沫” 的一个直观含义不是多了几个“AI 概念股”，而是整个美国经济正在被一轮前所未有的“ 算力基建投资周期” 推着走：芯片厂拉着台积电、ASML 投巨资，云厂商砸数据中心，公用事业砸电网、变电站和发电厂，连美国能源分析机构都在估算未来 AI 数据中心可能拉高 10%–15% 的全国天然气产量和 LNG 出口。
如果把时间轴再拉长一点，大概只有 90 年代末那轮互联网+光纤铺设能和现在这一轮 AI 基建投资的强度相比。那一轮最后被写进教科书的是“ 互联网泡沫”，但整个通信基础设施的超前铺设，也确实为后来的云计算和移动互联网打好了底子。
现在的问题是：我们在 AI 上看到的是不是类似的事情？
AI vs dot-com
相似的地方不用多说，当年的互联网和现在的 AI 都属于“ 通用目的技术”，都带来了一种“ 再不跟就要被时代抛弃” 的焦虑；资本开支都是一窝蜂上，一边是铺光纤、建交换机、搞机房，现在是建数据中心、买 GPU、扩电网；股市结构都是少数科技巨头拉动大盘，普通公司跟涨跟跌；估值都是先看“ 眼球” 和“ 用户数”，现在换成了“ 参数量” 和“ 算力规模”。
但不同的地方也非常关键。
第一，现在这拨 AI 龙头，大多是已经盈利、现金流充沛的大公司。
2000 年那会儿，很多 dot-com 公司还在亏钱，商业模式不清晰，全靠讲“eyeballs” 和“clicks”；现在 AI 龙头里，微软、谷歌、亚马逊、Meta 本身已经是有巨大现金牛业务的成熟巨头，它们拿出来砸 AI 的，更多是过去十年积攒的家底。这使得这轮 AI 投资，即便出现泡沫，也不太会是“ 全行业大面积破产” 的那种崩法，更多是估值层面的再定价。
第二，这轮 AI 的硬件、能源成本，是直接落在实体经济上的。
2000 年时你上网站，背后当然有服务器和机房，但社会整体感知的是“ 互联网公司股价涨很多”；现在 AI 要跑起来，前面是模型，后面是实体电厂、输电线路、水资源，连公用事业公司都在更新资本开支指引，电价、土地、地方财政都被牵着走。AEP 这种公司估计自己到 2030 年峰值负荷要从 37GW 拉到 65GW，很大一块就是数据中心和 AI 带来的新增负荷。
第三，落地速度不一样。
互联网当年很多商业模式要等十年后才成熟，泡沫破裂的时候，盈利模式还没跑通；现在 AI 虽然离“ 全面提升全社会生产率” 还有距离，但像 Walgreens、AIG 这样在具体行业里提升效率的案例已经真实发生，而且是在一两年内完成从试点到规模化部署。从这个意义上讲，AI 不是只有“ 第一层叙事”，已经开始有一部分“ 第二层现金流”。
第四，投机层面的行为，当然还是一如既往地热闹。
“ 没有人想在音乐停的时候还在舞池里跳。” 这句话放在 2000 年、放在 2021 年的加密货币、放在今天的 AI 股上，大概都适用—— 人类对新技术的 FOMO（害怕错过），其实每一轮都差不多。
回头看 Palantir，它有点像这一轮 AI 投资故事里的一块情绪投影：
一方面，它没有自己的模型，却站在模型之上做操作系统，政府+企业两头吃，踏实落地；另一方面，它的股价表现、估值水平、分析师分歧，又是这一轮 AI 情绪的缩影：多头觉得它代表的是“AI 基建软件层里的长期赢家”，空头觉得它代表的是“ 在真正回到现金流折现之前，市场愿意预支的那一部分热情”。
现在的 AI 经济，是一个同时被“ 地缘政治竞赛” 和“ 资本回报竞赛” 驱动的系统。Palantir 这家公司，恰好刚好站在这两条赛道的交点上：一条是 Karp 口中“ 帮美国打赢 AI 战争” 的叙事，一条是华尔街看报表、看估值、看回报期的冷冰冰的模型。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
