Palantir(PLTR.US)：AI 决策，重塑竞争优势

2023-11-12 07:11

报告导读

PLTR致力于打造智能数据决策基础设施平台，凭借AI在运营决策的应用场景优势逐步放大规模效应，看好客户数和单客户营收增长基础上的业绩表现。

摘要

首次覆盖，给予“增持”评级，目标价20.5美元。我们看好Palantir紧跟人工智能时代步伐，商业化提速，预计公司FY2023E/ FY2024E/ FY2025E营业收入分别为22.0/26.3/32.0亿美元，净利润分别为1.6/2.9 /4.2亿美元。我们给予Palantir目标价20.5USD，给予“增持”评级。

致力于大数据分析和软件服务，为政府及商业用户提供智能数据解决方案。Palantir初期通过Gotham对大量非结构化处理进行分析与整合，为政府用户构建一体化决策平台；而后逐渐进军商业领域，凭借Foundry作为数据平台基础上的强大分析及决策模拟工具成为驱动企业的决策的基础设施；此后推出自动化软件更新部署的后端系统Apollo，是企业跨平台部署、管理SaaS软件的任务控制中心。

AIP平台整合LLM，以更加安全的形式将AI引入辅助决策。公司最新AIP平台与现有软件平台结合，帮助用户将GPT-4和BERT等大语言模型部署于私有平台，表现为AIP可访问内部数据集，通过调用大模型进行学习，并将模型推理的结果帮助客户优化决策流程。在此基础上，AIP同时可以管理大模型的数据访问权限及范围，解决了数据安全的隐忧，并注重大语言模型输出结果的合规性。基于AI在智能决策领域的应用需求，AIP有望催化产品渗透率进一步提升。

在手订单丰富叠加客户数量迅速增长，公司业绩持续改善。目前公司已形成了“获取-扩展-规模”的稳定商业模式，2000年上市以来，季度营收持续增长，驱动公司连续三季度实现GAAP盈利。截至FY2023 Q2，公司未履约合同价值约9.68亿美元，客户数达到421位，单客户平均营收贡献达5,300万美元。此外，公司估计政府客户的潜在市场价值为630亿美元。我们认为，公司目前产品已形成规模效应，单客户营收贡献增速可观，看好公司净利润持续增长。

风险提示：公司商业化拓展不及预期；公司研发进度不及预期；系统性风险；政策风险；研报数据更新不及时等。

报告正文

数据驱动智慧决策

Palantir是一家从事大数据分析的软件和服务公司。公司总部位于美国科罗拉多州丹佛市，公司于2020年在纽约证券交易所上市，代码为PLTR。2003年，Paypal的联合创始人Peter Thiel与另外三位工程师正式创立了Palantir。公司名称Palantir来源于《指环王》中的“真知晶球”(Palantir)，含义即为看到各个数据背后的深层价值。

1.1.始于反恐，成于智慧决策

Palantir是一家“以使命为导向的公司”，致力于创造世界上最好的数据处理用户体验。成立初期，Palantir专攻反恐软件的研发。2005年，美国中央情报局（CIA）成为Palantir的首个客户，Palantir为其开发定制数据分析系统。2006年，CIA旗下的风险投资部门In-Q-Tel为Palantir投资200万美元。2008年，美国政府与Palantir正式签订合约，同年Palantir Gotham发布，Palantir处理和分析复杂数据的能力也让外界熟知。

凭借出色的情报分析能力，Palantir进军商业领域。政府项目的成功激发了Palantir开拓非政府业务的想法。2010年，摩根大通成为Palantir首位商业客户，将其技术被用于监测欺诈行为的项目上，此举标志着Palantir成功开拓非政府领域业务。同年Palantir宣布与汤森路透公司（Thomson Reuters）合作，以“QA Studio”的名义销售Palantir Metropolis产品。2011年，Palantir凭借其强大的数据分析帮助美国政府击败本-拉登。此后Palantir名声大噪，业务范围不断扩张，在人工智能、财务、保险、医疗等方面都进行了业务布局。

专注研发，开发新品寻求新突破。2016年，Palantir发布了Foundry商用平台，可以无缝连接核心业务和运营团队的数据库以及公司外部数据，推动各部门的实时协作。2018年，Palantir Apollo发布，用于管理Palantir Gotham和Palantir Foundry，协调软件更新，使客户可以不受环境限制地使用其软件平台。2020年，Palantir于纽约证券交易所上市。2023年AIP平台发布，Palantir可以整合AI大模型与客户软件平台，Palantir开启了自己的人工智能时代新篇章。

挖掘数据潜力，驱动智慧决策

Palantir 通过旗下 Foundry 和 Gotham 两大平台，分别为商业及政府用户提供智能数据解决方案。Foundry 商业数据平台能够连接客户各部门之间的结构化数据，消除信息壁垒，构建客户数字分身。Gotham 政府部门数据平台可以充分利用非结构化数据，探索数据之间逻辑链。Palantir 通过两大平台为客户充分挖掘数据潜力，驱动管理人员的智慧决策。

2.1.Foundry构建客户数字分身

Foundry平台是Palantir面向商业用户的产品，是一体式数据平台，亦是辅助企业进行决策的基础设施。

► 2.1.1. 一体式数据平台，企业数字分身

Foundry收集及连接企业各类数据，消除部门之间壁垒，为客户构建一站式数据平台，使相关管理及业务人员以“上帝视角”纵览整个工作流程。一个企业通常由诸多部门构成，部门之间不同的信息管理制度，独立的信息管理平台等会造成隐形的“部门墙”，导致沟通不畅，不便于管理人员统筹规划，制定决策。Foundry平台可以全面收集及连接企业各部门之间的数据，并将其自动整合到一个统一的模型之中，Palantir称其为“ontology：本体”。“本体” 就像企业的数字分身，通过将企业中的每个独立个体及事件定义为一个object，并记录每一个object的特点、与其他object的联系及其自身的行为，来整合企业全部运营数据，成为一体式数据平台，使相关管理及业务人员以“上帝视角”纵览整个工作流程。

► 2.1.2. 超越数据平台，成为决策的基础设施

Foundry不仅仅是数据平台，其强大的分析及决策模拟工具，使其成为驱动企业智慧决策的基础设施。Foundry拥有丰富且强大的分析套件。可编程分析套件允许用户根据自身需求进行无代码、轻度代码及完全代码编程，创作最适用于自身的分析工具。Object-aware套件让用户以object为单位，通过可视化等方式进行分析，挖掘个体数据背后的价值。例如，据公司官网介绍，对于“机场”object，客户不仅可以查看其地理位置等基本信息，还可以快速浏览与其连接的所有机场及航班信息，形成全方位的认知。流程及自动化分析套件可以使用户深挖企业运营方面的机会，优化或自动化企业运营流程。同时，该套件包含机器学习算法，可以模拟及预测决策带来的影响。在每一个决策正式做出之前，决策者都可以进行模拟，从而选择最优解。强大的分析及决策模拟工具，成为企业智慧决策的基础设施。

2.2.Gotham：政府部门决策制定的底层系统

Gotham平台是Palantir面向政府用户的产品，是政府部门制定决策的基础设施。

► 2.2.1. 深挖数据，寻觅逻辑

Gotham可以对大量非结构化数据，例如图片、报告，进行分析、整合。通过将数据转换为带有“标签”的、有具体含义的信息，Gotham寻觅隐含在数据背后的逻辑，帮助政府部门进行决策。据Palantir官网表述，美国国家丢失儿童中心（National Center for Missing & Exploited Children）通过Gotham系统，在每年超过1800万份报告及6000万张图片中提取有关失踪儿童的蛛丝马迹。在Gotham帮助下，以前需要几天时间才能完成的决策，如今仅需要几小时就可以完成。目前，Gotham已经帮助该中心成功找到350名儿童，逮捕500名罪犯。

► 2.2.2. AI、ML持续进化，不断提高决策辅助效率

Gotham内置人工智能（AI）及机器学习（ML）模型，在辅助政府客户进行决策的同时，可以利用决策反馈的数据对自身模型进行训练迭代，进一步提高效率。模型的进化需要数据的训练，不同于实验室中模型，缺少数据进行训练，Gotham模型内置决策反馈功能，可以根据已作出的决策的反馈对自身进行升级迭代，构成一条正反馈循环，不断提升自身决策辅助能力。

► 2.2.3. 整合分散信息，构建一体化决策平台

Gotham平台类似Foundry，可以整合多种数据源，解决信息“隔离墙”。不同政府部门甚至同一政府部门往往有多个数据平台。Gotham可以无缝衔接多个独立数据平台，为政府人员构建一体化决策平台。

► 2.2.4. 重视信息安全，赢得政府信赖

Gotham平台拥有多重信息安全保证，赢得政府信赖。作为政府部门承包商，Gotham极其注重信息、数据安全，其云平台及运营流程满足多重行业安全规范，成为美国政府及军方的长期决策辅助系统承包商。

向下优化平台部署，

向上兼容LLM大模型

Palantir不断进化，Apollo的发布使得开发人员可以高效的部署、维护及更新包括Gotham、 Foundry平台在内的SaaS软件。AIP的发布将大模型集成在平台之中，紧跟人工智能时代步伐。

3.1.Apollo：开发端与用户端之间的最强夹层

Apollo是开发端与用户端之间的最强夹层，是企业跨平台部署、管理SaaS软件的任务控制中心。通过Apollo平台，企业可以在公有云、私有云及“无云”的终端设备上部署Gotham、Foundry平台在内的SaaS软件，并且实现统一维护、升级等操作。

► 3.1.1. 天空不止一朵云，信息安全驱动私有云及混合云发展

信息安全考量驱使政府机构及部分企业用户采用私有云、混合云等平台部署SaaS软件。Microsoft Azure、Amazon Web Services等大型云平台的出现助力企业拥抱SaaS软件。大多数企业可以方便快捷地在一个云平台上部署、维护及升级SaaS软件。统一的超大云平台带来了便捷，同时引发数据安全方面的考量。据Palantir公司官网介绍，政府部门客户，例如美国国防部，要求将SaaS软件安装于政府私有云平台，来保障信息安全。此外信息安全立法对数据存储做出了限制。欧洲的GDPR和美国的FedRAMP条例均要求信息必须储存于本国服务器。不仅如此，据福布斯报道，许多大型企业同样选择私有云或者混合云来提高信息安全。信息安全考量造就了私有云、混合云等平台，它们的出现丰富了云平台市场，天空从此不止一朵云。

► 3.1.2. Apollo：助力企业统一管理跨平台SaaS

私有云、混合云等平台在保障信息安全的同时为SaaS软件的部署、升级及维护带来了困难。Apollo可以帮助企业统一管理跨平台SaaS，优化部署、维护流程。在没有Apollo情况下，开发人员在私有云、混合云部署、维护SaaS软件极为复杂，需要在各个运行环境重复操作。通过Apollo平台，开发人员可以纵览部署在公有云、私有云、混合云平台，乃至卫星等“无云”终端的SaaS软件状况，决定对哪个平台的软件进行升级，何时升级，以及监控软件故障等，极大的提高了效率。此外，Apollo能够实现在更新过程中无需人为干预，无需停机，用户可以在使用软件的同时进行升级。据Palantir官方博客，Apollo一周大概会对Gotham、Foundry平台做出41,000次更新，用户在不知不觉之间便进入了“新版本”。如果出现任何问题，Apollo还可以自动返回上一版本，报错并通知开发工程师处理问题。

► 3.1.3. 拓展服务边界，剑指PaaS

Apollo最初是为快速部署、维护自家Gotham、Foundry平台而生，如今Apollo亦可兼容其他SaaS软件，剑指PaaS服务。据Palantir2021财年第4季度财报表示，Apollo平台实现了部署其他SaaS厂商软件。这标志着Apollo平台不仅仅只是Gotham、Foundry平台的辅助套件，更可以作为单独PaaS产品向客户销售。Apollo强大的跨平台渗透能力及数据安全标准构成了其独特的竞争优势。Apollo作为PaaS服务，其自身的商业化之路指日可待。

3.2.AIP平台：AI大模型与数据安全的两全之策

AIP是Palantir最新推出的人工智能平台，在将AI大模型整合到用户私有平台的同时，解决了大模型相关的数据安全问题，真正做到了大模型与数据安全的两全之策。

► 3.2.1. 数据安全考量阻碍大模型渗透政府机构等特定用户

以GPT-4为代表的AI大模型在给人带来惊叹回复的同时，也带来了数据安全方面的隐忧。数据安全考量阻碍大模型渗透政府机构等特定用户。应用GPT-4为代表的AI大模型解决问题离不开人与模型间的交互式对话，由此引发信息泄漏的隐患。之江实验室发布的《生成式大模型安全与隐私白皮书》指出，用户在使用生成式AI模型时可能存在“显式”或“隐式”信息泄露：“显式”信息泄漏指大模型可能会储存用户个人信息等隐私信息；“隐式”信息泄漏则表现为大模型可能通过收集对话框数据来进行广告推荐或生成虚假的信息，甚至诱导用户泄漏数据。政府机构同样已经注意到大模型带来的信息泄漏问题。加拿大隐私专员办公室（Office of the Privacy Commissioner of Canada）于2023年4月宣布开始调查OpenAI，以回应针对该公司“未经同意收集、使用和披露个人信息”的投诉。除信息泄漏隐患之外，AI大模型的回复内容还面临版权等问题。多重信息安全方面的隐忧阻碍大模型渗透政府机构等对数据安全敏感的特定用户。

► 3.2.2. AIP：以安全手段将大模型带入决策辅助之中

AIP平台在将AI大模型整合进入政府等用户的私有平台的同时，解决数据安全这个痛点，以安全手段将AI代入决策辅助之中。以AIP军用功能为例，AIP在将GPT-4和谷歌的BERT等大语言模型部署于军队私有平台的同时，可以管理大模型的数据访问权限及范围。得益于此，大模型化身AI助手，它可以在保证数据安全情况下调用用户指定的战场信息，情报等数据帮助指挥人员进行决策及下达命令。与此同时，指挥人员可以实时监控大模型的活动范围，通过可视化方式看到信息的来源。AIP亦可商用，以相似方式帮助企业管理人员在保证数据安全情况下，利用AI制定最优决策。AIP平台真正做到了数据安全与AI应用的两全之策。

商业模式：

重视客户长期价值，不争朝夕

Palantir的商业模式为通过前期自身的投入，为客户解决问题，展现自身价值，牢牢吸引用户，最终实现客户公司规模化部署Palantir软件平台，实现盈利。据Palantir招股书披露，公司关于获取和发展客户分为三个阶段：（1）获取，（2）扩展，（3）规模。评估标准主要基于贡献年收入而定。

首先，获取阶段，贡献年收入低于10万美元。Palantir通过为客户进行短期试点部署软件平台，证明其平台价值。在短期试点期间内，公司会以亏损的价格运营这些客户，并以这个阶段的投资推动未来的收入增长。

其次，扩展阶段，贡献年收入高于10万美元但贡献利润率为负。在此阶段，Palantir通过自身投资来了解客户面临的主要挑战，并以此确保软件可以为客户创造价值。此阶段Palantir自身投资往往相当大。客户贡献利润率为负，Palantir仍然进行亏损运营，以促进未来收入增长和利润率扩张。

最后，规模阶段，贡献年收入高于10万美元且贡献利润率为正。此阶段客户基本可以实现自主使用该平台，Palantir的投入相对收入通常会减少，软件平台为客户提供的服务和价值显著增加。此时Palantir的软件平台将有效地覆盖客户的整个运营和管理，贡献利润率为正，Palantir真正实现盈利。据Palantir招股书披露，截至2019年，公司前20大客户平均已经与公司合作6.6年，持续为公司带来营收。

政府、商业两大客户群营收增长齐头并进

静待规模化带来盈利转变

5.1.总体营收快速增长，政府、商业两大客户群营收增长齐头并进

Palantir属于成长型企业，自2020年IPO以来营收上升迅速，增长势头明显。从整体营收来看，Palantir季度营收持续增长，在新冠疫情期间增长尤其迅速，随后季度同比增长率虽逐渐降低，但仍保持良好势头。FY2023 Q2 Palantir营收约5.33亿美元，较去年同期增长12.75%。据公司季度报告表示，FY2023 Q3 Palantir预计营收5.53亿美元，较去年同期增长15.72%，预计FY2023全年营收将超过22亿美元。

Palantir政府、商业两大客户群营收增长齐头并进。Palantir以政府项目起家，在深耕政府客户群的同时，积极拓展商业客户。如今商业客户群营收占比超整体营收的40%。从营收增速来看，政府、商业两大客户群营收增长在疫情期间形成互补态势，FY 2022 Q3开始，两大客户群营收增长齐头并进，季度同比增速均超10%。

5.2.在手订单丰富，客户数量增长迅速，静待规模化带来盈利转变

► 5.2.1. 销售、研发费用持续保持高位，静待规模效应实现营业利润率质变

Palantir销售、研发费用高企，静待规模化效应推动营业利润率质变。作为科技企业，研发乃Palantir生存之根本，因此公司研发费用高企。此外，我们在上文Palantir商业模式中提到，公司不争朝夕，注重客户长期价值。公司在“获取”、“扩展”阶段需要大量资源，导致销售费用持续保持高位。我们认为随着公司客户逐渐走向“规模”阶段，规模化效应将持续摊薄公司销售及研发费用率，帮助公司实现高营业利润率。

► 5.2.2. 在手订单丰富，客户数量及单个客户营收贡献增长迅速，业绩未来可期

短期来看，Palantir在手订单丰富，客户数量增长迅速，“规模”阶段单个客户营收贡献增长稳定，业绩具有稳定性。截至FY2023 Q2，Palantir未履约合同价值约9.68亿美元，为短期业绩带来确定性。客户数量方面，截至FY2023 Q2，Palantir客户数达到421位，在过去12个月中客户数增加超100位，增长迅速。与此同时，公司前20大客户，单个客户平均营收贡献由4,600万美元升至5,300万美元，涨幅15%，显示出客户带给Palantir的长期价值。

长期来看，Palantir市场广阔，业绩可期。商业客户方面，据Palantir招股书披露，公司将年收入5亿美元以上的公司定义为潜在客户，截至2020年公司上市，全球约有6000家公司满足该条件，市场巨大。政府客户方面，Palantir估计政府客户的潜在市场价值为630亿美元，其主要为美国及其盟友国家政府在软件方面的预算开支。总体来看，Palantir目标市场前景广阔，结合公司软件在数据分析，决策辅助方面的优势，我们认为，Palantir业绩未来可期。

投资建议及盈利预测

首次覆盖，给予“增持”评级，目标价20.5美元。我们看好Palantir紧跟人工智能时代步伐，商业化提速，预计公司FY2023E/ FY2024E/ FY2025E营业收入分别为22.0/26.3/32.0亿美元，净利润分别为1.6/2.9 /4.2亿美元。我们给予Palantir P/S 20X，目标市值440亿，目标价20.5USD，给予“增持”评级，向上还有30%的空间。

风险提示

公司商业化拓展不及预期；公司研发进度不及预期；系统性风险；政策风险；研报数据更新不及时等。

作者：秦和平/李奇

来源：秦和平海外科技研究

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章