AI泡沫升溫，Palantir高估了嗎？

過去一周，關于AI泡沫的聲音，又被推上了一個小高潮。

宏觀方面，美股科技公司的資本支出，跟1999年互聯網泡沫極其相似。標普500指數漲幅七成以上被少數AI股貢獻。

另一邊，“大空頭”邁克·巴里在最新13F里亮出自己的新下注：買了5萬張Palantir的看跌期權，行權價50美金，2027年1月17日到期，期權成本1.84美金，總共掏了大概920萬美金，對應名義敞口9億多。

媒體自然樂于用“做空9億美金PLTR”的標題來放大這個動作，巴里本人還特意跑到X上糾正算術，但方向沒改——在他眼里，這一批最熱的AI股，估值里已經摻了不少水分。

Palantir的CEO Alex Karp也比較有意思，在最近幾場公開采訪里，一邊承認現在AI賽道里確實有不少投資“創造不了足夠的價值”，一邊又強調自己這家公司代表的是另一類：幫美國政府和大企業把AI真的用進系統里的“操作系統”，而不是概念股。他形容做空芯片和本體論（ontology）是“batshit crazy”。

所以現在這家公司站在一個有意思的位置上：

一頭連著這輪美國AI基建的大潮——幾千億美金砸進GPU、數據中心、電力和軟件；另一頭連著“AI會不會重演2000年互聯網泡沫”的爭論，以及最典型的一位空頭代表。Palantir不只是一個股價漲得很猛的ticker，它某種程度上代表了這輪AI情緒的一部分投影。

在這樣一輪投資周期里，Palantir到底是一家什么樣的公司，它的業務和財務是不是撐得住現在這身價格？更重要的，它在這輪AI基建浪潮里，和2000年那些被推上神壇的互聯網公司相比，到底有哪些相似、哪些不同？

Palantir到底在賣什么？

先把定位厘清。Palantir不做大模型，它不是OpenAI、Anthropic那一掛的，它做的是大模型之上的“業務操作系統”——讓一個政府部門或大企業，真的能把AI融進自己的決策鏈條里。

三個主產品大致對應三塊世界：

Gotham：給情報、軍隊、執法系統用的大腦。

起家盤，客戶從CIA、國防部到英國國防部、北約，在俄烏戰爭、反恐、情報分析這種場景里用了很多年，這塊業務外界看不透細節，但從美國和英國近期的一些國防AI框架合同來看，Palantir已經基本成了“西方陣營默認的那家做戰場/情報軟件的公司”。

Foundry：企業版Gotham。大客戶里有空客、BP、R1 RCM、能源公司等，它做的是把企業內部所有核心系統的數據打通，建立一個統一的數字孿生——生產、供應鏈、財務、人力、IoT全部進一個本體模型里。

AIP（Artificial Intelligence Platform）：這一輪AI浪潮的增長發動機。

它對接的是GPT、Claude、Llama這些大模型，在Foundry構建的世界模型之上，把AI嵌進業務流程里：模型調度、權限管理、審計追蹤、自動化工作流全包。對企業來說，它解決的是“怎么讓AI真正接管一部分決策權”。

跟Walgreens的案例是一個最好理解的樣板。Walgreens作為美國第二大藥店連鎖，自己測算過，要想把幾千家門店的庫存、補貨、人力排班、配送路線做到理論最優，每天要做3840億次微觀決策，光靠人腦+Excel根本不可能。

Palantir上去做的是，先用Foundry把門店、庫存、銷售、人力、物流等所有關鍵系統接到一個平臺，再用Ontology把門店、商品、員工、倉庫、供應商、路線這些對象以及邏輯關系統一建模，最后在AIP上疊加一層AI工作流——需求預測、庫存推薦、排班優化、補貨和配送調度都交給AI去算、去發指令，門店一線更多是“確認和監督”，而不是“從零做判斷”。

官方披露的數據是，8個月時間，Foundry+AIP已經鋪到了4000多家門店，原來那3840億次/日的決策，基本交給系統自動化處理。

AIG的故事類似，只是換成了核保。AIG搭了一套生成式AI核保助手，底層用的是Claude這類大模型，調度和業務流程那一層交給Palantir來做，據他們自己的說法，核保效率提升了3–5倍，準確率從大約70%提升到了90%左右，關鍵是全鏈路可審計。

這些案例的共同點是：

第一，場景是真的復雜和“重”，不是搞個問答機器人那么簡單；第二，ROI是可以量化的——庫存周轉、營運成本、核保時效這些財務指標是實打實在改善；第三，Palantir做的是模型之上的世界觀和操作系統，這一層本質上比較難替換。

這也是為什么在Analyst Day和各種媒體訪問里，Karp總是反復談ontology、本體、世界模型這些看上去很哲學的詞，對他們來說，這確實是區別于普通SaaS的那塊護城河。

基本面是一件事，估值又是另一件事

聊完業務，回頭看數字到底對不對得上口徑。

最新2025年Q3財報，Palantir的幾組關鍵數據是這樣：

總營收11.81億美金，同比+63%，環比+18%；美國商業收入3.97億，同比+121%，美國政府4.86億，同比+52%；全球政府業務6.33億，同比+55%，商業業務5.48億，同比+73%。

GAAP凈利潤4.76億美金，凈利率約40%，GAAP營業利潤率33%，非GAAP營業利潤率51%；按Investopedia的算法，“Rule of 40”達到了114%。

調整后自由現金流單季5.4億美金，FCF利潤率46%；過去12個月滾動FCF接近20億，賬上現金60多億、長期債務基本可以忽略。

合同方面，Q3新簽TCV27.6億美金，創歷史新高，美國商業剩余合同價值（RDV）達36億，同比翻了近兩倍。

管理層第三次上調全年收入指引到43.96–44億美金，對應全年增速在53%左右。

這幾組數字說明：從“賺錢能力”角度，Palantir很難被簡單歸類為“講故事的泡沫股”。它現在已經是一個高速增長、穩定盈利、自由現金流充沛的成熟成長股，和很多還在虧損、靠講ARR/NRR的AI概念比，基本面明顯厚實得多。

但估值是另一回事。

今年以來，PLTR股價漲幅在135%–150%區間，自2022年低點算起接近20倍。

匯總MarketBeat主流機構分析師給的目標價，一年平均目標價在172美金附近，Citi、UBS等這一掛給的是中性評級，目標價從170–180調到190–205，美銀、Wedbush這樣的多頭則給到了215–255的高位；有“極端估值”給了18.5最低。

算估值倍數的方式大家各有各的模型，但大致共識是：按收入算，PS在100倍附近；按當前TTM自由現金流看，P/FCF約20–25倍，但若套用部分分析師更前置的2026–2027年FCF預測，估值倍數會被拉高到接近三位數，因此空頭才會把Palantir視為板塊里最貴的一檔。換句話說，市場已經在用“AI時代操作系統+國防軟件復合體”的故事來定價，而不是用傳統SaaS的樣板來套。

這也是為什么巴里那5萬張2027年到期的put會顯得特別“對情緒”：在他那套框架里，Palantir的問題不在于業務，而在于市場愿意為這些業務付出多高的價格，以及這種意愿能持續多久。

美國AI基建已經卷成什么樣了？

聊“AI泡沫”這件事，如果只盯著幾只股價，其實有點片面。如果關注一下美國在AI基建上的動作你會發現，這是近幾十年來資本開支最激進、最集中的一輪投資之一。

I/O Fund給出了一組數據，把微軟、谷歌、亞馬遜、Meta等幾家大廠未來幾年的CapEx預算加在一起：未來幾年Big Tech在“AI基礎設施（GPU、CPU、數據中心、電力）上計劃投入約4050億美金”，單微軟2025財年的CapEx就同比增長了58%，達到882億美金，而且管理層已經提示2026財年增長率還會更高。

另外JPMorgan在11月的一份長文里估算，未來五年全球數據中心和AI基建（包括電力配套）總投資將超過5萬億美元，他們甚至專門寫了一節講這件事會如何重塑美國信用債市場，因為公用事業、電網公司也要同步加大資本開支。

IoT Analytics的數據顯示，僅數據中心基礎設施（IT+機房設施）這一塊，到2030年的年支出就有望逼近1萬億美元，AI驅動的服務器、網絡、存儲占比會提升到接近一半。

電力側，大型公用事業公司已經開始為“AI要電”重寫自己的五年計劃。比如美國最大的輸電公司之一AEP在10月底把2025–2030年的資本開支計劃從540億美金上調到了720億，理由很直接，就是為了滿足數據中心和工業客戶猛增的用電需求，預計峰值負荷要從37GW拉到65GW。

微觀一點的例子，比如微軟在亞特蘭大剛開了一個新的AI“超級工廠”：占地85英畝、建筑面積超100萬平方英尺，里面塞了幾十萬顆GPU，液冷系統、12萬英里光纖，把它和全球Fairwater網絡上的其他算力中心連起來。單Q1一個季度，微軟在數據中心和AI相關基礎設施上的CapEx就超過340億美金，而且管理層在財報會上談的是“要在兩年內把數據中心footprint再翻一倍”。

OpenAI那邊，Sam Altman對外講過一個目標：到2033年希望全球AI計算能力能達到250GW，這意味著需要持續運轉6000萬顆GPU，每年新增3000萬顆，耗電量相當于整個印度的用電水平，排放量是ExxonMobil的兩倍。

微軟、Alphabet、Meta、亞馬遜在全國范圍內砸下了數百億美元建AI數據中心，AI基建已經成了美國經濟增長的關鍵驅動力之一，同時也在擠占土地、電力、地方財政等資源。

從這些數字往回看，所謂“AI泡沫”的一個直觀含義不是多了幾個“AI概念股”，而是整個美國經濟正在被一輪前所未有的“算力基建投資周期”推著走：芯片廠拉著臺積電、ASML投巨資，云廠商砸數據中心，公用事業砸電網、變電站和發電廠，連美國能源分析機構都在估算未來AI數據中心可能拉高10%–15%的全國天然氣產量和LNG出口。

如果把時間軸再拉長一點，大概只有90年代末那輪互聯網+光纖鋪設能和現在這一輪AI基建投資的強度相比。那一輪最后被寫進教科書的是“互聯網泡沫”，但整個通信基礎設施的超前鋪設，也確實為后來的云計算和移動互聯網打好了底子。

現在的問題是：我們在AI上看到的是不是類似的事情？

AI vs dot-com

相似的地方不用多說，當年的互聯網和現在的AI都屬于“通用目的技術”，都帶來了一種“再不跟就要被時代拋棄”的焦慮；資本開支都是一窩蜂上，一邊是鋪光纖、建交換機、搞機房，現在是建數據中心、買GPU、擴電網；股市結構都是少數科技巨頭拉動大盤，普通公司跟漲跟跌；估值都是先看“眼球”和“用戶數”，現在換成了“參數量”和“算力規�！�。

但不同的地方也非常關鍵。

第一，現在這撥AI龍頭，大多是已經盈利、現金流充沛的大公司。

2000年那會兒，很多dot-com公司還在虧錢，商業模式不清晰，全靠講“eyeballs”和“clicks”；現在AI龍頭里，微軟、谷歌、亞馬遜、Meta本身已經是有巨大現金牛業務的成熟巨頭，它們拿出來砸AI的，更多是過去十年積攢的家底。這使得這輪AI投資，即便出現泡沫，也不太會是“全行業大面積破產”的那種崩法，更多是估值層面的再定價。

第二，這輪AI的硬件、能源成本，是直接落在實體經濟上的。

2000年時你上網站，背后當然有服務器和機房，但社會整體感知的是“互聯網公司股價漲很多”；現在AI要跑起來，前面是模型，后面是實體電廠、輸電線路、水資源，連公用事業公司都在更新資本開支指引，電價、土地、地方財政都被牽著走。AEP這種公司估計自己到2030年峰值負荷要從37GW拉到65GW，很大一塊就是數據中心和AI帶來的新增負荷。

第三，落地速度不一樣。

互聯網當年很多商業模式要等十年后才成熟，泡沫破裂的時候，盈利模式還沒跑通；現在AI雖然離“全面提升全社會生產率”還有距離，但像Walgreens、AIG這樣在具體行業里提升效率的案例已經真實發生，而且是在一兩年內完成從試點到規模化部署。從這個意義上講，AI不是只有“第一層敘事”，已經開始有一部分“第二層現金流”。

第四，投機層面的行為，當然還是一如既往地熱鬧。

“沒有人想在音樂停的時候還在舞池里跳�！边@句話放在2000年、放在2021年的加密貨幣、放在今天的AI股上，大概都適用——人類對新技術的FOMO（害怕錯過），其實每一輪都差不多。

回頭看Palantir，它有點像這一輪AI投資故事里的一塊情緒投影：

一方面，它沒有自己的模型，卻站在模型之上做操作系統，政府+企業兩頭吃，踏實落地；另一方面，它的股價表現、估值水平、分析師分歧，又是這一輪AI情緒的縮影：多頭覺得它代表的是“AI基建軟件層里的長期贏家”，空頭覺得它代表的是“在真正回到現金流折現之前，市場愿意預支的那一部分熱情”。

現在的AI經濟，是一個同時被“地緣政治競賽”和“資本回報競賽”驅動的系統。Palantir這家公司，恰好剛好站在這兩條賽道的交點上：一條是Karp口中“幫美國打贏AI戰爭”的敘事，一條是華爾街看報表、看估值、看回報期的冷冰冰的模型。