Palantir（PLTR）：投资档案

工作档案，截至2026年8月18日。价格、估值倍数和情景测算结果均截至该日期，此后未再更新。

要点速览

---

第1部分 · 商业模式与FDE机制

1. 核心引擎：落地（拿下新客户）与扩展（做深老客户）的飞轮

• 落地阶段：为新客户搭建Ontology（本体）。也就是把客户分散在各个系统里的数据（ERP、CRM、供应链等）整合起来，映射成一个统一的业务对象模型。这是打地基，也是前线部署工程师（FDE，Forward Deployed Engineer）密集投入的阶段。成本高，周期长。
• 扩展阶段：地基打好之后，就在同一个Ontology上“盖楼”，增加新模块、新工作流。这一步成本低、毛利率高，是利润的主要来源，体现为极高的净美元留存率（NDR，2026年Q2为157%）。
• 飞轮：过了落地的拐点，FDE就从老客户那里撤出来，一边让扩展继续做深，一边转去落地下一个新客户。

2. FDE既是护城河，也是增长的硬约束

• Ontology真正的壁垒，在于业务语义映射这一层的脏活累活：把一家公司具体如何定义“订单”“区域”“渠道冲突”，翻译成数据模型。这项工作高度定制，客户自己的技术团队做不了，必须由FDE和业务部门一起共建。
• 关键结论：Palantir在落地环节并没有摆脱FDE的约束。Bootcamp和AIP这类产品化工具降低的是扩展的门槛，不是落地（打地基）的门槛。

3. 行业模板可以加快落地，但只限于地基这一层

• Palantir确实在打造行业模板（也叫加速器），靠的是一套名为Ontology Compounding的机制：FDE在客户现场搭建的定制数据管道会回流到总部，被抽象成同一行业内可复用的标准模板。所以同一行业做的客户越多，下一个客户落地越快（例如从可口可乐到百事）。
• 但模板加快的，只是可以标准化的技术管道和数据结构这一层。业务语义映射层才是人才瓶颈的真正所在，模板帮不上忙，仍然要FDE逐个客户去共建。每进入一个全新的行业，Palantir都要把模板从零开始重新积累。

4. AI正在松动这一约束，但还没有突破

• AI正在接手数据清洗和管道整合这一层的大部分工作，这是搭建Ontology时最耗人力的部分。这放大了每名FDE的产能。
• CEO亚历克斯·卡普（Alex Karp）已公开表示（2026年6月，经多个来源交叉核实）：
  • “目标是营收做到10倍，员工3600人。我们现在是4100人。”
  • 计划“基本冻结招聘”，靠AI放大产能，而不是靠裁员。
• 含义：如果“人更少、营收更多”得以兑现，就能同时突破营收天花板（AI放大落地产能）和利润率天花板（总人数下降意味着成本下降），增长和盈利都会受益。
• 重要提醒：卡普提出的10倍营收、人员压缩到3600人，是愿景或指引，不是已兑现的事实。其中存在为估值造势的动机，必须用实际数据来验证。

5. 真正会改写估值逻辑的长期里程碑

• 问题在于AIP能否把搭建Ontology的过程自动化。目前，AI FDE能做数据管道这一层，但还做不了业务语义映射以及与客户共建这一层。一旦这一层实现自动化，落地环节人才的硬性天花板就会消失，整个增长逻辑将被彻底改写。这一步目前还没有发生。

6. 要盯的三个指标（比追问“还剩多少TAM”更容易衡量，预警也更早）

1. 净美元留存率（NDR）：扩展空间的晴雨表。基准是157%。真正的警报是跌破120%，或者连续2到3个季度单向下滑。跌破150%不算警报，因为高基数进入分母，会在数学上把这个数字拉回来。
2. 净新增客户数：落地速度的晴雨表。2026年Q2美国商业客户为653家，同比增长35%，但环比只增长6%。环比放缓值得关注。
3. 营收增速与员工人数增速之间的剪刀差：它是检验FDE产品化是否成功、增长最终靠产品还是靠人力驱动的试金石。剪刀差越大，说明每名FDE支撑的营收越多，飞轮越能自己转起来。如果两者同步上升，说明公司仍在悄悄堆人。更进一步的看法是，直接检查员工总数是否真的在下降（朝卡普3600人的目标靠拢），以及嘴上说要裁员，实际人数是否仍在上升。

---

第2部分 · 估值模型

重建后的电子表格，2026年8月17日。它取代了此前的版本，旧版的行按1、3、6、10、15、21递进（三角数指数），而且没有年份标注。这张没有标注的表格，正是下文三年与六年混淆这一错误的源头。重建版使用明确的连续年份行（PE year 1至PE year 10），并新增R=10%一列，陷阱就此消除。

远期市盈率衰减表：153 / (1+R)ⁿ，TTM市盈率（第0年）= 153

表中每个单元格都与公式完全吻合。

表中标红的那一行是第3年，而且这一次确实是第3年。

三年情景测算（退出市盈率随增速调整，当前市值4300亿美元）

三组测算的结果都完全吻合（753 / 518 / 379，单位为十亿美元；20.5% / 6.4% / −4.1%）。表格把这几个退出倍数标为“PEG = 1”；按三档增速计算，实际PEG在0.67到0.8之间，所以这些假设反而偏保守。

⚠️ 时间跨度：表格自己给出了答案

重建后的表格回答了此前一项估算留下的悬而未决的问题，而且答案与那项估算的头条数字相反。

此前的估算声称，三年内回报约4.9倍、约2.1万亿美元。而表格自己的三年一行显示，基准情景的回报是1.2倍（5180亿美元，年化+6.4%），悲观情景则亏损（0.9倍，年化−4.1%）。这才是真实的三年数字。

4.9倍到底出在哪里：解方程153 / 1.6ⁿ = 9.12，得n = 6.0年。3.0倍 / 4.9倍 / 9.4倍这一档（1.28万亿美元 / 2.12万亿美元 / 4.04万亿美元）是六年的结果，做法是把同样的40/45/50倍退出市盈率套用到第6年那一行：

要在三年内做到4.9倍，需要约155%的年增速（按45倍退出），或者约183倍的退出市盈率（按60%增速）。两者都不现实，所以这个数字不能改标成三年期，只能是六年。

结论：“这是一个要看六年的想法，头三年看起来却像个错误。” 我们的视频脚本已经表明了同样的立场。脚本中三年期的现实检验行（基准情景三年累计上涨约20%，悲观情景亏钱）与重建后的表格完全吻合，脚本和表格的口径一致。

---

第3部分 · 看多逻辑的压力测试（2026年8月18日）

来源：一次由看多方与看空方对垒的结构化压力测试（2026年8月18日），逐环检验。 目的：不是论证PLTR一定会涨，而是把看多逻辑的每一环都拆开来看，最终看清我们到底在赌什么，以及什么信号会告诉我们这个赌注押错了。 核心结论：外部威胁（竞争、AI颠覆、廉价替代品）基本被论证为5年视野内的次要风险。真正的不确定性全部收敛到三个内生问题上，只有时间和财报数据才能回答。

3.1 估值方法：从PEG的缺陷到远期市盈率轨迹

PEG是个粗糙的指标。 同样是PEG=1，增速50%、市盈率50倍，和增速100%、市盈率100倍，并不是一回事。增长是复利（指数）式的，而市盈率只是线性的买入成本。PEG用一个线性比率去衡量指数式的东西，天然会低估高增长。

数值验算（起始EPS为1，4年后按20倍市盈率退出）：

• A：增速50%，50倍买入。EPS升至5.1，市值101，年化回报约19%
• B：增速100%，100倍买入。EPS升至16，市值320，年化回报约34%

PEG的三个盲区：

1. 可持续性（久期风险）：增速越高，越难持续
2. 增长的寿命：20%的增速持续15年，价值可能高于100%的增速只持续2年
3. 增长的质量：由ROIC或ROCE驱动的内生增长，对比烧钱、靠增发稀释股东的增长

升级后的方法：多年远期市盈率轨迹，加上退出锚点

• 股价固定不动，只让EPS按各自的增速往前滚动
• 用每一年的EPS倒推出当年的远期市盈率
• 把当年的市盈率与届时应有的市盈率（退出锚点）做对比
• 有三个缺口必须补上。第一，退出锚点才是真正的判断点，它取决于届时剩余的增速。第二，增速衰减必须手工做折现。第三，要做成一条轨迹，才能看出市盈率崩塌的斜率

3.2 把PLTR的数字跑一遍

基础数据（已用一手信息核对）：

• 当前股价约174美元（比52周高点207.52美元低约16%）
• 2026年Q2单季GAAP净利润10.7亿美元，摊薄每股收益0.41美元（去年同期0.13美元，现为其3倍多）
• 2026年Q2营收19.4亿美元，同比增长93%，其中美国商业业务增长149%，毛利率约85%
• NDR为157%（较Q1的150%环比再升700个基点，创历史新高）
• 2026财年营收指引上调至同比增长82%
• TTM GAAP摊薄每股收益约1.20美元，当前TTM市盈率约145倍
• 摊薄后股本约26亿股

增速情景（看多方的假设，不是基线）： Y1 +100% / Y2 +100% / Y3 +75% / Y4 +60% / Y5 +45%

第4年退出锚点（PEG=1时）：

• 口径一（第4年的远期增速45%）：合理市盈率45倍，合理股价604.8美元，4年3.48倍，年化36.5%
• 口径二（第4年当年增速60%）：合理市盈率60倍，合理股价806.4美元，4年4.63倍，年化46.7%

即便把第4年的604.8美元按25%的高折现率折回今天，仍值约248美元，比当前174美元的股价高出40%以上。

3.3 绝对利润与倒推营收：一次现实检验

第5年绝对净利润：500亿至580亿美元（已计入每年3%的稀释），大致与今天的Meta（约620亿美元）处于同一量级。这要求PLTR在5年后达到Meta级别的绝对盈利能力。

倒推营收（假设净利率58%）：

关键洞察：TTM营收约100亿美元，到第5年升至874亿美元，是8.7倍，5年营收年化增速约54%。对比当前93%的实际增速，这是一条明显减速的路径，在数学上并不激进。

赌注浓缩下来，非常纯粹：

• 营收端（减速至年化54%）是最可信的
• 净利率端（从30%到58%）才是核心赌注

58%的净利率有多现实：

• 它高于微软（约35%）和Meta（约35%）的历史峰值，与Visa和万事达卡（50-55%）相比也处在高位
• 但它并不需要达到软件史上的天花板（只有65%才需要收取极端的垄断租金）
• 逻辑链：高净利率来自极高的经营杠杆（人更少、营收更多），而经营杠杆来自AI放大FDE的产能
• 与卡普的说法相呼应：10倍营收配3600名员工（目前4100人），以及计划“基本冻结招聘”、靠AI放大产能
• 提醒：卡普“人更少、营收更多”的目标是愿景或指引，不是已兑现的事实，而且有为估值造势的动机

3.4 护城河之辩：把威胁逐一拆解

3.4.1 核心资产：Ontology层

数字孪生加AI大脑框架：Ontology就是企业的数字孪生。它对企业的全部数据、业务流程和决策逻辑建模，并扎根在企业的中枢神经系统里。过去它只是“身体”，加上AI之后才有了“大脑”。竞争对手（微软、谷歌、Databricks）的问题在于，它们连“身体”都没有。它们提供的是工具、模型和数据仓库，却没有对企业业务逻辑做语义建模的那一层。给大模型接上原始数据，却没有Ontology，它只能聊天，交付不了决策。

Ontology是一道花了20年积累起来的时间壁垒。157%的NDR是客户依赖度在加深的铁证。

3.4.2 转换成本高于Visa和万事达卡（看多方观点）

看多方：PLTR将成为垄断者（而Visa和万事达卡是双寡头），客户依赖度更高。没有Palantir的系统，企业团队根本无法运转。

认同之处：这里的转换成本比Visa和万事达卡高出一个数量级。Visa的护城河是网络效应（单个客户的转换之痛有限），而PLTR靠的是深度嵌入式的锁定：把它拔掉，等于让企业把数字化转型重做一遍。这是关键业务系统。

两盆冷水：

1. Visa和万事达卡50-55%的净利率，靠的不是垄断定价权，而是零可变成本。Visa的抽成率其实很低，高净利率来自增量交易的边际成本趋近于零。PLTR的增量营收仍然需要增派FDE去落地新客户、搭建Ontology，属于劳动密集型。垄断地位不等于高净利率，决定净利率的是成本结构。PLTR能不能达到Visa那样的净利率，取决于AI能不能把搭建Ontology这件事，从劳动密集型工作变成可变成本接近于零的工作。
2. “垄断”是将来时，今天并不成立。今天PLTR面临来自上方的降维打击（Microsoft Fabric/Copilot、谷歌、Databricks、Snowflake）、来自下方的替代（企业自建）以及同行的竞争（C3.ai）。它是细分领域的龙头，不是整个市场的垄断者。

3.4.3 FDE只约束落地，不约束运营（看多方的观点，予以接受）

看多方的反驳：FDE只在早期落地阶段需要大量投入。系统成熟之后，由企业自己的技术人员维护。AI还会大幅提高FDE的效率。

接受这一修正：

• FDE是一次性的建设成本（盖房子），不是持续的运营成本（物业管理）。
• 成熟客户的扩展依赖AIP和Bootcamp这类产品化工具，由企业自己驱动，不消耗FDE。157%的NDR中，大部分增量来自产品化的扩展，这部分就是几乎没有可变成本的收租。
• AI确实在提高每一名FDE的落地产能。

遗留约束：FDE仍然是客户获取速度（落地）的约束。5年做到8.7倍的增长，在很大程度上取决于落地速度，而AI目前还无法取代搭建Ontology中最难的一层（把客户杂乱的业务逻辑翻译成数据模型）。约束并没有消失，而是转移了：从服务约束，变成了获客速度约束。

3.4.4 竞争对手之辩

看多方：

• 谷歌、微软和Databricks没有Ontology这一层，3到5年内也造不出来
• OpenAI和Anthropic执行力很强，但战线拉得太长，精力被摊薄了
• 企业天然抗拒被模型公司锁定（类比：用OpenClaw而不用Claude Cowork），所以PLTR的模型中立性（任何大模型都能接入）其实是个卖点

认同之处：

• 竞争对手确实缺少“身体”这一层，这个判断很有洞察力
• 企业抗拒被模型公司锁定：这一点犀利且正确，也是OpenAI和Anthropic打造企业中间层的结构性障碍

两个缺陷：

1. “没有竞争对手”言过其实：威胁并不来自复制Ontology，而是绕过它。Microsoft Fabric加Copilot用更轻、更便宜的方案覆盖了70%的使用场景，PLTR的TAM正被自下而上蚕食。垄断高端不等于垄断市场。
2. 低估了广度的价值：巨头们顺着整波AI浪潮的势头向前推进，很可能顺手把企业层也做了，而PLTR跟不上模型迭代的节奏（它的“大脑”是租来的）

3.4.5 圈地逻辑：整个看多逻辑中最核心的一点

看多方：5年后，大多数最有价值的企业都将已经长在PLTR上，以它为决策中枢连成一体，再也离不开它。

认同：这是典型的先发锁定加赢家通吃。每家企业只会装一套企业级的中枢神经系统（排他性资产）。谁先把Ontology建进一家企业、并让它长成决策中枢，谁就能把这个客户锁定极长的时间。这是一门窗口期生意。 未来3到5年里，谁抢下最多高价值的大企业，谁就赢得了此后二十年收租的权利。每落地一个客户，就是一块被永久划出对手潜在地盘的土地。一旦圈地完成，增长就从劳动密集型的落地，转向零边际成本的扩展，也就是收租，净利率自然上升。整个论点在这里自成闭环。

唯一的缺陷：地够大吗？ 今天美国商业客户只有653家。如果5年里只圈下两三千家，锁定的就是价值高但不够大的地盘。这足以支撑一家伟大的公司，却不一定足以支撑5年8.7倍的估值和Meta级别的利润。赌注不在于PLTR会不会赢，而在于它圈下的地够不够大，能否支撑今天的股价。

3.4.6 廉价方案不会造成数据碎片化（看多方驳斥“分流”威胁）

看空方情景一：大型企业的外围使用场景（60%）被分流到Fabric加Copilot，压缩了每个客户的钱包份额。

看多方的三层反驳（层层递进）：

1. 迁移是有成本的：要打通数据，要维护第二套系统，还要承担碎片化的风险。只要PLTR的溢价低于迁移的摩擦成本，企业就没有动力去迁移。
2. 按结果收费：PLTR的定价方式是“企业多赚100，PLTR拿30，企业留70”。付费与收益挂钩，企业就没有逃离的动机。TAM也从IT预算扩展到了企业利润。
3. 数据主权（致命一击）：如果市场部用了便宜的系统，数据一旦碎片化，CEO就再也无法在PLTR里提出跨部门、全公司范围的问题。碎片化的代价，不是由决定省钱的那个部门承担，而是由最高决策层承担，而决策层有权叫停。

接受这一驳斥：情景一从竞争威胁降级为基本不成立。它形成了一种数据向心力，也就是网络效应：每接入一块新数据，下一块就更倾向于接入。锁定的意思不是换不起，而是没有人会提出要换，因为提出来就等于给CEO制造一个盲区。

唯一遗留的隐患：前提中的限定语是“只要PLTR的定价不离谱”。最终的阿喀琉斯之踵不是竞争对手，也不是AI，而是PLTR自己的定价纪律（管理层行为风险）。

3.4.7 厘清定价结构：按结果与按用量的混合模式

看多方的观察（准确）：就目前而言，定价是按结果收费和按用量收费的混合模式。

混合模式的三个层次：

1. 平台订阅基础部分（按用量或按席位计费）：可预测的经常性收入
2. Bootcamp和部署服务（按项目计费）：随着成熟度提高而逐渐淡出
3. 与价值挂钩的部分（按结果计费）：“多赚100，拿30”的雏形，但不是纯粹的利润分成，更接近与价值挂钩、分档的用量扩张

为什么是混合模式，而不是纯粹按结果收费：纯粹按结果收费的致命弱点是归因。合理的做法是，基础订阅确定无疑地锁住现金流，增量部分则通过与价值挂钩的用量扩张来分享上行收益。本质上，它是以按用量计费的形式，实现了按结果收费的效果。

校准：

• 好的一面：比纯粹按结果收费更稳健、更可持续。这正是157%的NDR背后的机制：不是涨价，而是用得越深，用量越大。
• 需要打折的一面：“多赚100，拿30”这种强说法应当收一收。现实是，PLTR通过用量增长间接捕获一部分价值，而不是直接抽走30%。定价上限锚定在IT和数据预算加价值溢价上，而不是全体企业利润这个池子。
• NDR是判断这套混合机制是否健康的最佳单一读数。

3.5 终极的AI/ASI威胁：智能与工具的框架

看空方情景二：模型商品化会杀死PLTR。AI强大到连Ontology都不需要也能应付，“身体”的价值被稀释。

看多方最有力的论据：无论智能多高，都无法取代工具。工具的作用，是降低智能解决问题的成本和难度，而不是被智能吞并。

• 智商200的人处理一本复杂的账目，不用Excel也做得出来，但耗时会暴增（成本问题）
• 连草稿纸都不给他，稍微复杂一点的事就根本解决不了（工作记忆不够，成了能力边界）
• 工具是智能的外部记忆和算力卸载，是能力的一部分

套用到PLTR：Ontology就是那张草稿纸，那个Excel，是企业级AI的外部工作记忆。没有Ontology，哪怕最强的AI（哪怕是超级人工智能ASI），面对一家大企业的几十套系统和PB级的杂乱数据，处境也像那个被收走草稿纸的智商200的人。AI越强，越需要好工具来释放能力。高质量的“身体”是智能的效率倍增器，不是替代品。 情景二由致命降级为次要。

但有一道裂缝：Excel是通用工具（不属于任何人），而Ontology是PLTR专有的。这个框架说明，AI时代必然需要Ontology这样的工具层，却没有说明这个工具层必须是PLTR的。如果ASI足够强，它可能很快自己生成一个够用的Ontology。不能既假设ASI强到需要工具，又假设它弱到造不出工具。

看多方的关键限定条件：人在回路（human-in-the-loop）

看多方的反驳：ASI自己搭建Ontology的可能性是存在的，但搭建Ontology的过程中，嵌入了大量需要人来签字确认的决策（业务概念的定义、字段是否相同、例外规则、数据的可信度）。这些瓶颈不在AI的智能，而在人的判断和共识。只要企业仍然坚持人在回路，ASI搭建Ontology的速度就要受限于人类签字确认的速度。摩擦从AI能不能想明白，转移到了人愿不愿意、能不能达成共识。ASI消除不了这层摩擦，因为这是组织和问责问题，不是智能问题。

接受：时间线的问题，从ASI何时足够聪明（可能很快），变成了企业何时敢于让AI全权做出业务定义类的决策（要慢得多，因为这涉及信任、问责、监管和法律）。企业在5年内大规模把人移出决策回路的概率极低，所以5年期的投资逻辑是安全的。

最后的转折（分析最终落在哪里）：护城河成立的前提，是企业坚持人在回路。但AI发展的整体方向，恰恰是不断把人挤出决策回路。如果竞争压力迫使企业逐步取消人在回路，那么“人为摩擦在保护PLTR”这一前提就不复存在，ASI自己搭建Ontology的闸门也就打开了。这会形成一个囚徒困境：第一家敢让AI自主决策的企业，如果在速度和成本上获得压倒性优势，其他企业就被迫跟进。

PLTR的护城河，本质上取决于一个事实：在企业决策中，人是不可或缺的。只要人还在决策回路里，它就是安全的。它的终极风险不是任何竞争对手，而是AI浪潮本身有朝一日把人挤出决策回路。那一天，也将是Ontology的人为摩擦消失、护城河干涸的一天。这一天不会在5年内到来，但这意味着PLTR不应被当作传家宝式的永久持仓，而是一项需要持续监测人在回路是否松动的长期持仓。

3.6 估值定位与最终收敛

3.6.1 当前股价：不算便宜，但也不贵

174美元的当前股价大致对应这样一个判断：市场已经计入了高速但正常衰减的情景，但还没有计入激进曲线。

• 这不是捡便宜（捡便宜是指市场还没看到增长，而现在全世界都盯着PLTR的增长）
• 也不是追高泡沫（泡沫是指股价已经跑到了最乐观假设的前头，而当前股价还没到激进曲线在600美元上下的合理价值）
• 这是用公允的价格买入一个很可能兑现的好结果，同时白拿一份押注超预期兑现的上行期权

交易纪律：不适合满仓重注，因为没有安全边际折扣。适合按计划持有，或者分批买入，因为赔率不对称，上行空间远大于下行空间。

3.6.2 三种失败情景（全部被拆解或降级）

1. 分流到廉价方案：被迁移成本、按结果收费和数据主权驳倒，降级为基本不成立。遗留问题：定价纪律
2. 模型能力商品化（ASI）：被智能与工具的框架降级为次要风险。遗留问题：人在回路是否松动
3. 估值透支：不算便宜，但也不贵，取决于增长的速度和可持续性。当前判断：合理

3.6.3 所有不确定性最终收敛到三个内生问题

1. 地有多大？ 这是TAM的边界。要看：净新增客户数，以及单客户合同价值（TCV/客户）
2. 圈地能有多快？ 这取决于交付节奏能否跟上透支的估值。要看：营收增速与员工人数增速的剪刀差
3. 会不会自毁？ 涉及定价纪律、股权激励（SBC）的收敛，以及“人更少、营收更多”是否真正兑现。要看：NDR是否见顶、SBC占营收的比例，以及员工总数是否在朝3600人的目标靠拢

3.6.4 季度财报监测面板

• NDR：最需要盯紧的单一指标。2026年Q2为157%。真正的警报是跌破120%，或连续2到3个季度单向下滑（跌破150%不算）。注意，NDR按过去12个月滚动口径计算，明年高基数进入分母后，它在数学上会回落，所以不要把157%当作稳态去外推。
• 净新增客户的节奏：检验落地是否在加速（圈地的进展）。
• 营收增速与员工人数增速的剪刀差：检验增长是产品驱动还是人力驱动的试金石。剪刀差如果打开，PLTR就在变成一台零边际成本的机器；如果打不开，PLTR仍是一家高端的项目外包公司。
• 员工总数：看它是不是真的在下降（直接检验卡普“人更少、营收更多”的目标有没有兑现）。
• SBC占营收比例的趋势：看它是否从约14%开始逐季下降。这是净利率能否达到58%的直接先行指标。注意，牛市里股价高企，会推高新授予SBC的成本，所以收敛可能更慢。

3.6.5 SBC收敛之辩

看多方：公司成熟、护城河建立、客户被锁定之后，就不需要这么多股权激励，付现金就够了。

校准（方向是对的，但不要当成板上钉钉）：

• SBC占营收的比例很可能会下降，方向是对的。
• 但有两个前提需要盯着。第一，SBC的绝对金额不能膨胀到失控（PLTR有前科：历史上SBC占营收的20-30%，这是空头的主要攻击点）。第二，股价涨势需要阶段性平稳（SBC按授予时的公允价值计入费用，所以牛市里股价高企，反而会推高SBC，这与公司成熟后就该下降的直觉相反）。

3.7 小结：我们到底在赌什么

看多逻辑的核心是扎实的：Ontology长达20年的时间壁垒、模型中立性、企业对被模型公司锁定的抗拒、数据主权带来的向心力，以及智能越强、工具越值钱。

赌注浓缩下来，非常纯粹：

• 营收减速至年化54%（最可信）
• 净利率从30%升至58%（核心赌注；取决于AI能否把搭建Ontology中的人力劳动拿掉）

最终的不确定性，是逻辑消除不了、只能由时间来回答的：

1. 中期（5年内）： 地有多大、圈地能有多快，以及PLTR会不会因为定价贪心或SBC失控而自毁。这些通过季度监测面板来跟踪。
2. 长期（10年以上）： 人在回路会不会被AI浪潮挤出决策回路。这是PLTR护城河的终极软肋，目前既无法证伪，也无法证实，只能持续观察。

投资定性：当前股价不算便宜，也不算贵，赔率向上倾斜，适合按计划持有或分批买入，而不是满仓重注。PLTR不是传家宝式的永久持仓，而是一项高质量的长期持仓，需要每个季度对照监测面板检查，并长期留意其终极软肋出现的信号。当行业出现企业开始大规模让AI自主决策并获得压倒性优势的早期迹象时，就是重新审视整个逻辑的时候。