3月以来，港股AI股票又开始猛涨了。
但这里头涨得最猛的，既不是智谱，也不是MiniMax，而是一家很多人之前没怎么听过的公司——迅策。
涨得有多夸张？3月5日还在70港元，现在已经冲到140多港元，短短几天接近翻倍。更极端的是，有两天时间里，股价从76港元直接拉到153港元。
而一切的开始源于公司发布的2025年业绩盈喜。3月6日，公司发布了2025年业绩盈喜：全年收入12.8亿元，同比增长102%。
给出的解释也很直接：大模型落地，带动数据需求爆发。
随着股价暴涨，关于迅策的故事讲得飞起，又是“Token第一股”，又是对标Palantir。
那抛开这些叙述不谈，迅策到底距离Palantir有多远？
今天，我们就把迅策这家公司拆一遍。
迅策的业务，看上去很复杂，其实就干了两件事：
第一，把数据收上来、洗干净、整合好。第二，把数据变成可以直接用来做决策的结果。
简单来说，就是把数据变成可以直接用来做业务决策的东西。
这么说可能还不直观，我们就以资管行业为例。
这是一个典型的数据密集型行业：数据多、来源杂、结构复杂，而且对实时性要求极高。
但过去，这个行业处理数据的方式非常“原始”。
来自几十个终端、上百个Excel 表格的数据，需要人工收集、整理、校对，很多时候要等到收盘之后，才能完成一轮更新。
这种方式不仅效率低、错误率高，而且几乎不具备实时决策能力。
更麻烦的是系统割裂。
内部系统分散在不同业务线，外部数据来自不同供应商，彼此之间难以打通，最后形成“数据孤岛”。
数据拼不起来，自然也就无法支撑决策。
到了AI 时代，这个问题反而被进一步放大。
数据更多了、频率更高了、复杂度更强了，传统的数据架构已经撑不住，更别说把数据真正沉淀为业务能力。
这时候，迅策这类公司的价值才真正显现出来。
它本质上做了一件事：把“数据处理”这件事工业化。
一方面，它可以同时接入上千个外部数据源，实现毫秒级更新，同时保证一致性与可追溯性。
另一方面，在数据打通之后，它不只是“给你数据”，而是直接“给你结果”。
系统会自动理解数据之间的关系，结合业务逻辑进行处理，输出可以直接用于决策的结论。
比如，一条可能影响股价的重大新闻出现后，系统可以在极短时间内完成抓取、清洗、结构化处理，与已有数据融合，并同步更新投资组合指标。
最后直接给出结果：买、卖，还是持有。
从数据产生，到决策支持，整个过程只需要毫秒到秒级。
像这样把数据分析导向业务结果，就是像迅策这类数据公司的核心竞争力。
在这个行业，全球做得最牛的当属Palantir。
这一点，看股价表现就知道了。
Palantir 从 2022 年底不到 6 美元，一路上涨到 2025 年超过 200 美元，涨幅超过 30 倍，市值一度逼近 5000 亿美元。
即便回调之后，市值仍在3000 亿美元以上，最新市销率甚至高达81倍，远远超过一众软件股。
而迅策是国内第四大实时数据基础设施厂商，市场份额约3.4%，排在它前面的，是阿里、华为和腾讯。
于是，一个很自然的类比就出现了：
迅策，是不是“中国的 Palantir”？
说完行业，再来看迅策的业务。
从表面数据看，它确实“很像Palantir”。
过去三年，公司收入从2.88亿增长到6.31亿，复合增速约48%；到去年，收入直接跃升到12.8亿元，同比增长102%。
拆分业务结构看，这两年的多元化战略做得也很成功。
一开始，公司几乎是一个专门服务于资管行业的数据公司。2022年，来自资管行业的收入是2.14亿，占比74%。到了2024年，这部分占比已经降到38.7%。
来自其他行业的收入则从2022年的26%攀升至2024年的61%。
其中，城市管理、制造是增长最快的两个方向。城市管理的收入从2022年的0.36亿增长到1.53亿，制造管理则从500万，增长到0.88亿。
同时，公司的毛利率也不低。Palantir长期在80%左右，而迅策2022–2024年分别为78%、79%和76.8%，差距并不大。
但即使如此，它依然没有盈利。
过去三年，经调整净亏损分别为0.97亿、0.58亿和0.82亿。
一个很重要的原因是，运营费用太高了。2022–2024年，公司研发投入分别为2.59亿、3.79亿和4.5亿，占收入比例高达89.8%、71.4%和71.3%。
如果只看这组数据，其实并不稀奇。Palantir在很长一段时间里，费用率也多年维持在100%以上。
看到这里，你可能会觉得迅策还挺像Palantir的。
但两者却有一个最关键的差别：客单价。
众所周知，Palantir是出了名的挑客户，只做“有钱人的生意”。
2025年，Palantir前20大客户年均贡献约9390万美元，相当于接近6.4亿人民币，客单价大概在469万美元/年，折合人民币3236万元。
反观，2024年迅策的客单价只有272万元，差了整整10倍不止。
为什么客单价这么重要？因为在重交付模式下， 客单价是盈利的关键。
与很多软件公司不同， Palantir其实把交付做的很重。Palantir有一套非常独特的交付体系：FDE模式。
简单理解，就是把工程师直接派到一线。这些Forward Deployed Engineer，每周有3–4天驻场，深入业务流程，搞清楚真实问题，再把解决方案带回去沉淀成产品能力。
这种重交付模式意味着，Palantir在首次服务某个客户时需要投入极高的前期成本，但一旦建立起“本体模型”，无论是客户后续扩展新场景，还是Palantir平台服务同类客户，都可以直接调用已有的数据模型，无需再重复投入大量FDE资源。
也就是说，Palantir是用一次性的高固定成本，撬动长期趋近于零的边际成本。这也是Palantir能够走向盈利关键。
这意味着，即使模式看起来在靠拢，但客单价的不同，盈利能力完全不同。
提升客单价，其实也是迅策这两年一直在做的事情。
过去两年，迅策有一个很重要的变化：从订阅制，转向项目制。
从收入结构来看，2022-2024 年公司的订阅模式收入在下降，而交易模式收入占比在逐步提升，从 2022 年的 47%提升至 2024 年的 81%。
这其实是一个“反常识”的动作。大多数软件公司，都在拼命从项目制走向订阅制，而迅策反而在往“更重”的方向走。
对此公司的解释是，公司在拓展新客户，新客户更容易接受项目制，同时大客户也更倾向“按需采购”，而不是长期绑定。
而迅策另一个提升客单价的方式就是靠AI。
一方面，公司利用AI能力，做厚产品。
现在，迅策的产品高度模块化，不同能力拆成不同模块，客户按需组合。模块越多，系统越复杂，客单价也越高。
2022–2024年，公司模块数量从152个增长到318个，本质就是在“堆能力厚度”。
在AI火了之后，AI自然也成了公司重点打造的能力。
2025年，公司引入自然语言交互。也就是说，用户只需描述业务问题，无需理解系统结构或配置参数，即可完成复杂分析，极大降低了用户的使用门槛。
在此基础上，公司还搭了两层关键能力：
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，把自然语言转化为可执行的数据指令。
二是修改定价逻辑。通过输出AI能力，从“按功能收费”，转向“按结果收费”，即数据处理量或者按实际降本或效率提升。
这一步，其实和Palantir的方向是一致的。但真正的问题是：这条路真的能走通吗？
很多人研究Palantir，第一反应都是：AIP 能不能抄，本体论能不能复现。
但真正的问题，从来不在技术，而在商业路径。
Palantir 最难复制的，从来不是某个产品架构，也不是某套技术名词，而是它背后那套极其特殊的生意模式。
虽然它也做重交付，但交付只是手段，沉淀才是目的——统一数据模型、统一语义层、统一权限体系。这才是它真正的护城河。
从本质上讲，它本来就不是传统软件公司。它更像是，AI时代的软件服务商，或者说，高端咨询业的软件化版本：
它卖的不是一个标准化软件，也不只是一个数据平台，而是一种“把复杂系统真正跑起来，并对结果负责”的能力。
这和国内大多数软件公司的逻辑，几乎是反着来的。
国内传统软件公司怎么赚钱？
国内传统软件公司，卖的是“交付”。靠卖产品、卖项目、卖交付。合同签完，系统上线，任务基本就结束了。至于客户最后有没有真正用起来，业务有没有因此变好，很多时候并不在厂商的责任范围内。
也就是说，客户买到的，往往只是一个“中间品”。
而中国软件行业的主流路径，进一步强化了这一点：强调短期ROI、快速验收和成本控制，大量项目被压缩为定制开发与驻场服务。
所带来的结果是，大家都在做“系统”，却很难沉淀出真正的“操作层”。
业务逻辑差异背后，是行业环境的不同：
第一，市场环境不同。因为中国的软件市场，长期以来并不是按“结果价值”定价的，而是按“项目价格”竞争的。
很多甲方采购软件，核心诉求不是谁真正能把业务结果做出来，而是谁报价更低、功能写得更多、招投标文件更漂亮。
在这种环境下，软件公司只能拼命压缩成本、堆功能、拼人力，最后比的不是谁最懂业务、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，直接扼杀了Palantir 这类公司的生长空间。
第二，更复杂的数据治理。
Palantir 的价值，建立在“可以重构组织”的前提上。也就是说，它可以把原本分散在不同系统与部门中的数据、流程与权限，收束到一个统一的操作层中。
但这件事的前提，不是技术，而是权力。谁有权让数据打通？谁有权改变流程？谁能跨部门重构系统？
在中国，很多组织的问题不在于没有中台或数据平台，而在于部门边界强、系统烟囱多、权责复杂。你可以搭一层语义系统，但未必能推动组织真的围绕它运转。
第三，信任难题。
很多人有一个误区，把Palantir模式简单视为高端系统集成，忽视了其核心是一种需要持续共创，且深度绑定的运营模式。
而一旦缺少这种深度绑定，大多数AI 数据公司就只能停留在“轻集成”层面。
但在国内，真正能支付高客单价、又愿意长期信任外部厂商的客户，本来就少。
更现实的是，很多大客户一旦意识到数据和智能系统很重要，第一反应不是去养一个外部版Palantir，而是自己成立数科公司，把能力内化。
这就造成一个很现实的结果：
中国不是做不出类似Palantir 技术形态的东西，而是很难长出一家像 Palantir 那样的公司。
因为Palantir 的成功，不只是产品成功，而是它恰好生长在一种愿意为“复杂能力”和“最终结果”买单的商业环境里。
它的伟大，不只是因为技术先进，而是因为它把咨询、软件、数据和AI 结合成了一种极少数市场才养得起的生意。
所以更准确地说，不是中国企业学不会Palantir，而是中国市场暂时还养不出 Palantir。
本文来自微信公众号“硅基观察Pro”，作者：硅基君，36氪经授权发布。
发布时间：2026-03-24 21:26
立即订购
在线咨询
返回顶部