洞察 · 业财融合
Palantir暴涨96%，CEO却在骂街：中国企业抄错了什么？
曾亮 · 2026-11-06 · 全文 3917 字，建议留 10 分钟
11 月 2 日，Palantir 交出一份营收同比暴涨 96% 的财报。
同一场电话会上，CEO Alex Karp 却把枪口对准了整个 AI 行业。
一边数钱，一边开骂。他到底在骂谁？更重要的是——他无意中暴露了中国企业做 AI 最容易踩的那个坑。
一、一边暴涨96%，一边开骂
2026 年第三季度，Palantir 的财报几乎挑不出毛病。
营收 23.13 亿美元，同比增长 96%，环比增长 20%。净利润 11.28 亿美元。全年营收预期上调到约 85.3 亿美元。
更值得看的是收入结构的变化。
美国商业业务营收 9.84 亿美元，同比增长 148%，第一次超过同期 9.53 亿美元的美国政府业务。
过去 Palantir 靠政府和国防吃饭，现在商业客户成了增长主引擎。这个转折比 96% 本身更有信息量：说明企业市场真的在掏钱。
然后，就在同一场电话会上，Karp 开始骂人。
他骂的不是竞争对手，是整个行业的商业模式——靠转卖 Token、靠 API 调用量、靠名不副实的“部署规模”撑增长。他的意思是，客户已经厌倦了这些证明不了实际效果的东西。
一家公司营收翻倍的时候，CEO 反过来质疑自己所在行业的增长方式。这个反差，是今年企业 AI 最值得读的一条新闻。
因为他说的是实话。
模型被调用了多少次，和这家企业多赚了多少钱，中间隔着一整个太平洋。
一个 Agent 一天处理几万次请求，可能只是让员工把原来要干的活干得更快。但如果采购审批仍然要走五天，库存积压照样降不下来，客诉还是没人闭环——调用量再大，也变不成经营效率。
二、Palantir 的答案：三层
它怎么把“用了 AI”变成“赚了钱”？原文给了三层。我用更直白的话重说一遍。
第一层：本体论（Ontology）——给公司建一本词典。
ERP 里有订单，CRM 里有客户，生产系统里有工单，财务系统里有预算。这些系统各自记各自的账，说法都不一样。
Ontology 干的事，是把这些数据重新组织成有业务含义的对象——订单、客户、设备、供应商——再用关系把它们连起来。
AI 去查一张订单，能顺着关系找到库存、供应商、生产计划，知道这件事牵动什么、影响谁。
第二层：工作流——AI 要进流程，不是进工位。
Palantir 的 CTO Shyam Sankar 说了一句很狠的话：企业的基本单元不是知识工作者，是工作流。
这句话戳的是这几年企业上 AI 的通病——给每个岗位发一个 AI 助手。
销售用 AI 写邮件，财务用 AI 看报表，采购用 AI 整理供应商资料。每个人都快了一点，但整条流程一点没变快。
因为企业的事，从来不是一个人干完的。一张订单从签订到回款，要经过报价、审批、发货、开票、对账、催收。AI 只在其中一个环节快了十分钟，剩下六个环节还在人肉搬，总周期几乎不动。
第三层：后训练——让企业自己的业务长出模型。
这是最容易被忽略、也最有意思的一层。
Palantir 的说法是，很多有经济价值的企业任务，根本不需要最强的模型。业务范围清楚、评价标准稳定的活，用企业自己的数据微调一个小模型，效果更好、成本更低。
它举了三个例子。
L3Harris 整合了 30 多个 ERP 系统，用自身业务数据微调开放模型。不到 48 小时，在特定任务上超过了此前用的前沿模型，成本降低 95%。这是厂商披露的初步测试，比较范围仅限具体业务任务，不代表小模型在通用能力上超过大模型。
建筑企业 McCarthy 用 10 万多条真实项目的 RFI（信息请求）做微调，喂给一个 4B 的小模型。这个模型负责识别工程风险、起草合同条款。按厂商预期，每年可省约 3 万小时。
NVIDIA 用类似方法优化供应链任务，单块 GPU 几小时就能完成一轮训练。
三层串起来是一条闭环。
业务执行产生数据和反馈，本体论把这些状态组织起来。数据进入后训练，新模型回到工作流，新反馈再检验。
模型不再靠“等下一个版本”，而是靠企业自己的业务长出能力。
三、钱是怎么变多的
技术讲得再好，也要看客户愿不愿意续费。财报里的事实是：愿意。
一家全球家电企业，第二季度启动 100 万美元的 AI 试点。同季度扩展到年合同 300 万美元。第三季度增加到 1500 万美元，覆盖商业、财务和供应链工作流。
另一家工业材料企业，从接近 300 万美元的试点，扩展到 2900 万美元年合同。
净美元留存率 165%。第三季度完成 212 笔百万美元以上的交易，其中 64 笔超过 1000 万美元。
这个数字很关键：客户不是买一次试试，是越用越多。
越用越多的前提只有一个——它真的解决了问题。从一条工作流开始，验证有效，再用同一套业务对象和执行机制扩到别的部门。不用每个场景重建一次系统，边际成本才会降下来。
四、但财报里藏着一个反向信号
如果故事到这里结束，这就是一篇标准的“Palantir 封神”稿。
问题是，财报里还有一组数字，很少被人拿出来讲。
第三季度，总新签合同价值 29.18 亿美元，同比增长 6%。美国商业业务新签合同 14.63 亿美元，同比增长 11%。
而上一季度，这个数字的同比增速是 153%。
营收涨 96%，新签合同的增速从 153% 掉到 11%。
存量客户还在加钱，但新客户、新场景的扩张速度，明显慢下来了。
这个落差说明什么？
高基数、宏观预算周期、竞争对手增多，都可能是原因。单一数据不足以下结论。
但 11 月 2 日那场电话会，Karp 自己给了一个更直接的答案。
被问到训练营（bootcamps）的效果时，他说从首次接触到做出试点或投产，时间线“完全改变了”。紧接着这一句是关键：
What we have to do internally is figure out how to re-resource our company to focus exclusively on those people, because we don't have even the bandwidth to do that.
意思是：公司内部要重新调配资源，专注到这批人身上——因为连这点带宽，我们都没有。
谈到那些还没被说服的 CEO，他又补了一句：
We really cannot satiate demand.
我们真的满足不了需求。
一家营收同比涨 96% 的公司，公开说自己缺的不是订单，是人。有长期跟踪 FDE 组织的研究者把这句总结得更狠：发明了前置工程师这个岗位的公司，说自己没人了。
线索到这里就接上了。
卡点不在技术，在人。
这套模式的扩张，不是装个软件就完事。
每进一个新客户、每扩一个新场景，都要有人把这家企业的业务，一句一句翻译成 Object、Property、Link。
订单到底是什么？毛利怎么算？这个字段归谁改？这笔异常算不算异常？
这个活，Palantir 有一个专门的岗位来干：FDE，Forward Deployed Engineer，前置部署工程师。
人直接进客户现场，跟业务坐在一起，把说不清的业务规则变成系统读得懂的语义。
Palantir 最不像软件公司的地方就在这里。它卖的不是 License，是“人 + 语义”。
而这门生意有个天然的天花板——FDE 是长出来的，不是招进来的。
一个人要同时懂客户业务、懂数据建模，还得能在会议室里跟业务总监吵出一致口径。这种复合能力，培养周期以年计。
产能不够，结果就会写在市场的取舍上。还是那场电话会，谈到美国以外的市场，尤其是欧洲，Karp 说得更直白：
Palantir is in a unique position where we really don't have the bandwidth to do anything that's difficult outside of America.
一家营收翻倍的公司，说自己没有带宽去做美国以外任何困难的事。
他还提到法国。他认为法国是对这个问题认识最清楚的国家，但解决方案涉及购买美国产品，这让事情变得复杂。
这不是市场判断，是产能判断。哪儿都想去，人不够，只能先做离得最近、最好做的那一块。
所以 96% 的营收增长里，有相当一部分是人的产能在增长。合同签得比人长得快，增速自然会掉下来。
原文自己也承认了两件事：本体论需要持续维护业务对象和规则；复杂企业的历史系统和组织边界，不会因为引入 Agent 就自动消失。
翻译成一句人话：词典要人一笔一笔写出来，而且天天要维护。
五、中国企业抄走了平台，漏掉了写词典的人
这才是这条新闻对中国企业真正的价值。
过去两年，我见过太多企业拿着 Palantir 的架构图开会。讨论的都是：我们是不是也要建一个本体？要不要上知识图谱？选哪家的平台？
很少有人问一句：谁来写这本词典？
于是一个典型的路径就出现了：立项、选型、买平台、搭中台、建了几个模型、半年后没人用。
今年 5 月我写过《从“工具幻觉”到“本体重构”》，讲的就是这个失败循环。一句话概括：企业以为买的是能力，其实买的是一套空语义壳。
壳里没有东西。
因为定义“客户”到底是什么、口径归谁定、异常谁来判，这些事平台一件都干不了。
它们只能由人干。
而这个人，必须同时站在两边的现场：一边知道业务到底怎么跑的，一边知道这个数最后进哪张表、担什么责任。
六、谁能当这个人？三种 BP
很多人第一反应是找 IT。
我在 8 月那篇《别再迷信“驻场FDE”了》里已经说过一次：把这件事整包给外部驻场，结果一定是“项目结束之日，能力归零之时”。顾问一撤，口径又开始打架，系统没人敢改。
代跑不是陪跑。这个坑中国企业踩了二十年。
真正的解法，是让企业自己长出 FDE。
具体是三种人。
财务 BP。 他天然同时握有业务现场和财务口径。一笔合同签下来，业务看的是金额，财务看的是收入确认。这两件事必须在他脑子里合成一件事。
我常讲一句话：财务 BP 不是“懂业务的财务”，是企业词典的现场编写者。
HRBP。 人是最难被定义的业务对象。“一个在编员工”“一个外包”“一个实习生”“一个人同时挂在两个项目上”——这些在 HR 系统里可能是四张表，在成本核算里必须是四个不同的人天单价。
谁把这个说清楚？HRBP。
ITBP。 所有语义最后要落到系统里，要有权限，要有状态流转。ITBP 是那个知道“这个改动会震到哪些系统”的人。
三种人合起来，才凑齐一个 FDE 的完整能力。
| 角色 | 带来的语义 | 对应 Ontology 的层 |
|---|---|---|
| 财务 BP | 口径、维度、状态、谁负责 | Data + Logic |
| HRBP | 人的对象定义、人天与成本归属 | Data |
| ITBP | 可执行性、权限、系统边界 | Action + Security |
再往上，才是 AI。
AI 不需要你去教它“什么是订单”。它需要你告诉它“在你们公司，订单的哪个状态才算真正的成交”。
这件事，只有企业自己的人知道。
七、所以顺序是：先 Human for AI，再 AI for Human
这是我今天最想说的一句。
绝大多数企业谈 AI，默认的顺序是 AI for Human——让 AI 来服务人。
方向没错，顺序错了。
在 AI 能服务人之前，必须先有人服务于 AI。
我把这个动作叫 Human for AI：在 AI 上岗之前，由人先把三样东西显式地交出去。
一是业务语义。这个词在你们公司到底指什么。
二是判断规则。什么情况算异常，什么情况算正常波动。
三是例外处理。历史上有哪些特殊情况，当时是怎么处理的、谁批的。
这三样交不出去，AI 就永远只能做通用问答。它能写诗、能总结会议、能翻译合同，但做不了你公司的事。
让 AI 更懂企业，是前提，不是结果。
而这个“让它更懂”的动作，本质上是企业做一次自我翻译——把散落在老员工脑子里、Excel 隐藏列里、三次部门会议争吵里的东西，写成一套机器读得懂的定义。
这件事，Palantir 管它叫 Ontology。
我们管它叫业财融合。
思想同源，路径不同。
Palantir 面对的是主数据相对成熟的欧美企业，它可以用一支 FDE 部队现场翻译。中国企业面对的是 ERP 好几套并存、基础编码不统一、业务半年一变，而且真正懂经营语义的人，往往在财务和业务骨干身上，不在 IT 部门。
所以我们不能只买平台，也不能只请顾问。
得把两件事合起来：外部顾问陪着，企业自己的 BP 长出能力，最后顾问退出，能力留下。
这就是“陪跑不是代跑”。我们真正的交付物不是系统，是一支甲方自己的、能独立运转的业财融合队伍。
没有退出条件的陪跑，本质上就是长期驻场。
八、三个现在就能问自己的问题
不用等年报，也不用先买平台。
第一个：你们公司的“客户”，是一个客户吗？
让销售、财务、客服各写一遍定义，看看是不是一回事。如果三套编码三套含义，你的 AI 地基就还是空的。
第二个：随便挑一个指标，比如“毛利率”，能说清它是怎么算出来的吗？
不是公式。是每一层分摊规则、每一个例外处理，谁定的、什么时候定的、为什么这么定。
第三个：一个关键异常发生时，现在是“三个人花两天找数据”，还是“数据自己找到责任人并触发动作”？
这一条，是我们讲的“五个正确”里最难的一条：正确的时间、正确的地点、正确的数据、正确的维度和口径、正确的人。五个缺一个都不成立。
三条里只要有一条答不上来，你缺的不是模型。
缺的是那本词典，和写词典的人。
Palantir 那份财报最扎人的地方，不是 96%。
是它一边证明这条路能走通，一边告诉你：这条路要靠人走。
AI 不会自动懂你的企业。
在它懂之前，得先有人替它把话说清楚。
这件事，买不来，也外包不掉。
资料来源：Palantir 2026 年第三季度财报（11 月 2 日）及同场财报电话会公开记录；后训练相关案例数据来自厂商披露，保留原始限定条件。
关于作者
曾亮 · en+数智化 创始人
加拿大注册会计师（CGA）、Schulich 商学院 MBA，27 年财务与数智化从业经验。主张以业财融合为抓手做数据治理，反对长期驻场外包，坚持把能力留在甲方。
想聊聊你们公司的业财融合怎么起步？
加微信，说清楚你现在的痛点，我们先做一次免费的现状诊断。
微信 / 电话：138 1154 6176 · zengliang@enfry.com