3月以来，港股市场的AI板块再次迎来一波强势上涨。不过，这次行情中最引人注目的主角，并非智谱或MiniMax这类知名大模型厂商，而是一家此前声量相对较小的公司——迅策。
其股价表现堪称“现象级”。自3月5日股价还在70港元附近徘徊，随后便一路飙升，短短数日已突破140港元，接近翻倍。期间更是出现了从76港元直拉至153港元的极端涨幅。
这一轮行情启动的直接催化剂，是公司在3月6日发布的2025年业绩盈喜公告。公告显示，其全年收入达到12.8亿元，同比大幅增长102%。公司对此的解释非常直接：大模型技术的落地应用，带动了数据需求的爆发式增长。
伴随着股价的狂飙，“Token第一股”、“中国版Palantir”等叙事也随之而起，市场热情高涨。然而，抛开这些华丽的标签，迅策与真正的Palantir之间，究竟存在多远的距离？其商业模式是否真的能支撑起市场的高期待？今天，我们就来深入拆解一下迅策这家公司。
迅策是做什么的？
迅策的业务看似复杂，但其核心只做了两件事：
第一，将数据高效地采集、清洗与整合。第二，将处理好的数据转化为可直接服务于业务决策的洞见与结果。
简而言之，其目标是将原始、杂乱的数据，转变为驱动业务的直接燃料。为了更直观地理解，我们可以以资产管理行业为例。
资管行业是一个典型的数据密集型行业：数据源繁多、结构复杂、格式不一，且对信息的实时性要求极高。然而，过去这个行业的数据处理方式却相当“原始”。
分析师和基金经理常常需要手动收集、整理来自几十个终端和上百个Excel表格的数据。这个过程不仅效率低下、错误率高，而且严重滞后，往往要等到收盘后才能完成当日数据的更新，几乎无法支撑实时决策。
更根本的挑战在于“数据孤岛”。内部系统分散在不同业务条线，外部数据来自不同的供应商，彼此间难以打通和联动。数据无法有效地拼合在一起，自然也就无法形成完整的决策视图。
进入AI时代后，这个问题被进一步放大。数据量更大、更新频率更高、结构更复杂，传统的数据架构已难堪重负，更遑论将数据真正沉淀为业务能力。
此时，像迅策这类公司的价值才得以凸显。它本质上做了一件事：将“数据处理”这件事工业化。
一方面，它能同时对接上千个外部数据源，实现毫秒级的数据更新，并确保数据在整个链条中的一致性与可追溯性。
另一方面，在数据打通之后，它提供的不仅仅是“数据看板”，更是可以直接使用的“决策结论”。系统能够自动理解数据之间的关联，结合预设的业务逻辑进行处理，最终输出诸如“买入”、“卖出”或“持有”的建议。
例如，当一则可能影响股价的重大新闻发布时，系统能够在极短时间内完成抓取、清洗、结构化处理，并将其与现有的投资组合数据融合，同步更新相关指标，最终直接给出操作建议。从数据产生到决策支持，整个过程可缩短至毫秒到秒级。
这种将数据分析直接导向业务结果的能力，正是迅策这类公司的核心竞争力。在全球范围内，将这一模式做到极致的标杆，无疑是 Palantir。
这一点从股价表现上可见一斑。Palantir的股价从2022年底不到6美元，一路飙升至2025年超过200美元，涨幅超过30倍，市值一度逼近5000亿美元。即便经历回调，其最新市值仍在3000亿美元以上，市销率（PS Ratio）高达81倍，远超传统软件公司。
而迅策，根据市场数据，是国内第四大实时数据基础设施厂商，市场份额约3.4%，排在前面的依次是阿里、华为和腾讯。于是，一个自然而然的类比便产生了：迅策，是不是“中国的Palantir”？
难以逾越的客单价鸿沟
在行业层面进行类比后，我们再深入审视迅策自身的业务数据。
从表面财务数据看，它确实展现出一些与Palantir相似的成长轨迹。过去三年，公司收入从2.88亿元增长至6.31亿元，复合年增长率约48%；而到2025年，收入更是跃升至12.8亿元，同比增速达102%。
从业务结构来看，其多元化战略在过去两年也取得了显著成效。早期，公司几乎是一家专门服务资产管理行业的大数据公司。2022年，来自资管行业的收入为2.14亿元，占总收入的74%。到了2024年，这一比例已下降至38.7%。
与此同时，来自其他行业的收入占比则从2022年的26%大幅攀升至2024年的61%。其中，城市管理和智能制造是增长最快的两大方向。城市管理收入从2022年的0.36亿元增至1.53亿元；智能制造收入更是从500万元激增至0.88亿元。
公司的毛利率水平也维持在较高区间。Palantir的毛利率长期稳定在80%左右，而迅策2022年至2024年的毛利率分别为78%、79%和76.8%，两者差距不大。
然而，即便如此，迅策至今仍未实现盈利。过去三年，其经调整净亏损分别为0.97亿元、0.58亿元和0.82亿元。
一个重要原因是高昂的运营费用，尤其是研发投入。2022年至2024年，公司研发支出分别为2.59亿元、3.79亿元和4.5亿元，占收入比例高达89.8%、71.4%和71.3%。单看这组数据，似乎并不稀奇，因为Palantir在发展早期，其费用率也曾多年维持在100%以上。
看到这里，你或许会觉得迅策与Palantir的路径越来越像。但两者之间存在一个最关键的、本质性的差异：客单价。
众所周知，Palantir以服务“大客户”、“关键客户”著称。2025年，其前20大客户年均贡献收入约9390万美元，折合人民币接近6.4亿元，单个大客户年均客单价约为469万美元（约3236万人民币）。
相比之下，根据财报数据推算，2024年迅策的客单价约为272万元人民币，两者相差超过10倍。
客单价为何如此重要？因为这直接关系到重交付模式下的盈利能力。与大多数标准化软件公司不同，Palantir的交付模式非常“重”。其核心是所谓的“前沿部署工程师”（Forward Deployed Engineer， FDE）模式。
简单理解，就是Palantir将自己的工程师直接派驻到客户一线，每周有3到4天驻场工作。这些工程师深入客户的业务流程，厘清真实痛点，再将解决方案带回并沉淀为可复用的产品能力。
这种重交付模式意味着，服务一个新客户的初期投入成本极高。但一旦为客户建立起统一的数据与业务“本体模型”，无论是该客户拓展新场景，还是Palantir服务同类型的下一个客户，都可以直接调用和复用已有的模型，边际成本趋近于零。
也就是说，Palantir是用一次性的高固定成本，撬动了长期的、近乎为零的边际成本，这是其最终走向规模化盈利的关键。
这意味着，即使商业模式看似在向Palantir靠拢，但客单价的天壤之别，直接导致了盈利能力的巨大差异。提升客单价，也是迅策近年来一直在努力的方向。
一个显著的变化是，公司正从订阅制向项目制转型。从收入结构看，2022至2024年，其订阅模式收入占比在下降，而交易模式（可理解为项目制）收入占比则从47%提升至81%。这实际上是一个“反常识”的操作——多数软件公司都在追求从项目制转向更轻的订阅制，而迅策却在向更“重”的方向走。
公司的解释是，新客户更容易接受项目制合作，同时大客户也更倾向于“按需采购”，而非长期绑定。
另一个提升客单价的手段，则是依托人工智能能力。一方面，公司利用AI做厚产品，将能力高度模块化。客户可以按需组合不同的功能模块，系统越复杂，客单价自然越高。2022至2024年，其产品模块数量从152个增长到318个，正是“堆能力厚度”的体现。
2025年，公司引入了自然语言交互能力，用户只需用日常语言描述业务问题，系统即可自动理解并完成复杂分析，极大降低了使用门槛。在此基础上，公司还构建了两层关键平台：
- VOne（AI员工平台）：用自然语言完成查询、分析和操作。
- DOne（AI数据平台）：将自然语言转化为可执行的数据指令。
另一方面，公司也在尝试修改定价逻辑。希望通过输出AI能力，从传统的“按功能模块收费”，转向“按结果收费”，例如按数据处理量，或按实际带来的降本增效成果来计价。
这一步，在方向上确实与Palantir的“对结果负责”的理念趋于一致。但核心问题依然存在：这条提升客单价、转型“按结果收费”的道路，在中国市场真的能走通吗？
中国出不了Palantir？
许多人研究Palantir，第一反应是钻研其AIP（人工智能平台）能否复刻，其“本体论”（Ontology）技术架构能否模仿。但真正的问题，从来不在技术层面，而在商业路径。
Palantir最难以复制的，并非某个具体的产品架构或技术名词，而是其背后那套极其特殊的商业模式。虽然它也做重交付，但交付只是手段，沉淀才是目的——通过深度服务，沉淀出统一的数据模型、统一的语义层、统一的权限体系。这才是它真正的护城河。
从本质上讲，Palantir并非传统的软件公司。它更像是AI时代的“软件化高端咨询”：它出售的不是一个标准化的软件产品，也不仅仅是一个数据平台，而是一种“将复杂系统真正运行起来，并对最终业务结果负责”的综合性能力。
这与国内大多数软件公司的商业逻辑几乎是背道而驰的。
国内传统软件公司如何盈利？主要依靠“交付”。售卖产品、承接项目、完成实施。合同签订、系统上线，往往意味着主要任务的结束。至于客户是否真正将系统用起来，业务是否因此得到改善，很多时候并不在厂商的核心责任范围之内。客户买到的，往往只是一个需要自己继续加工的“中间品”。
而中国软件行业的主流生态，进一步强化了这种模式：市场普遍强调短期投资回报率（ROI）、追求快速验收和严格的成本控制，大量项目被压缩为定制开发和驻场服务。带来的结果是，行业积累了大量的“系统”，却很难沉淀出真正普适、可复用的“业务操作层”。
这背后是深刻的行业环境差异：
第一，市场定价逻辑不同。中国的企业软件市场，长期以来并非按“结果价值”定价，而是陷入“项目价格”竞争。许多甲方采购时，核心考量未必是谁能真正做出业务成果，而是谁的报价更低、投标文件中的功能列表更全、方案看起来更漂亮。
在这种环境下，软件供应商不得不拼命压缩成本、堆砌功能、比拼人力，竞争的不是谁更懂业务、谁能对结果负责，而是谁更能忍受低利润、谁更能“熬”。这种生态，从根本上抑制了Palantir这类公司的生存空间。
第二，更复杂的数据与组织治理挑战。Palantir的价值，建立在“可以重构组织数据流”的前提之上。它需要将分散在不同部门、不同系统中的数据、流程和权限，整合到一个统一的“操作层”中。然而，这件事的前提不是技术，而是权力。谁有权力推动数据打通？谁能跨部门协调改变流程？谁能主导系统的重构？
在中国，许多大型组织面临的挑战，不在于没有数据中台或技术平台，而在于部门墙坚固、系统烟囱林立、权责关系复杂。你可以帮助客户搭建一套先进的语义系统，但未必能推动整个组织真正围绕这套系统高效运转。
第三，深度信任与绑定难题。Palantir模式的核心，是一种需要与客户持续共创、深度绑定的长期运营关系，而非简单的一次性系统集成。然而，在国内，既愿意支付高额客单价，又愿意长期、深度信任并依赖一家外部厂商的客户，本就稀少。
更现实的状况是，许多大型企业或机构，一旦意识到数据和智能系统的战略重要性，其第一反应往往不是长期供养一个外部“Palantir”，而是选择自己成立数字科技公司或团队，将核心能力内化。
这就导致了一个很现实的结果：中国并非做不出类似Palantir技术形态的产品，而是很难生长出一家像Palantir那样的公司。
因为Palantir的成功，不仅仅是产品的成功，更是因为它恰好生长在一个愿意为“解决极端复杂问题的能力”和“可衡量的最终业务结果”支付高额溢价的商业环境里。
它的独特之处，在于成功地将咨询、软件工程、数据科学和人工智能融合成了一种只有极少数成熟市场才能孕育和支持的顶级生意。因此，更准确的说法或许是：并非中国企业学不会Palantir的技术，而是当前的中国市场环境，暂时还难以自然养育出一个Palantir。
发表于 1 小时前
|
查看: 1|
回复: 0
