Palantir 股价反弹18%背后：明略科技和它押中了同一个

7月初，Palantir CEO Alex Karp 接受 CNBC 采访的视频在科技圈迅速传达。

视频里，他连续了一贯夸张激烈的风格，质疑根底模型公司的商业模式——不少企业"一边付费购买 Token，一边把自己的中心常识财物贡献给模型"，甚至直言整个 AI 职业"Something has gone completely wrong(有些事情现已完全跑偏了)"。社交媒体很快把它浓缩成一句更有冲击力的话："Palantir CEO 怒骂 OpenAI 是小偷。"

一开端，很多人把这当成又一次企业家的情绪化开炮。但假如把它和另一个数字放在一起看，味道就不相同了：就在 Karp 放话前后，Palantir 前期因估值争议深度回调的股价，从 6 月底到 7 月初逆势反弹超越 18%。

一边是创始人开炮，一边是商场用真金白银投票。这就不再只是一句嘴炮，而是一个正在被定价的工业信号：当大模型才能越来越接近，AI 工业的钱，究竟该由谁来赚?

假如完好看完这场采访会发现，Karp 真实对立的并不是某一家公司，而是一种路径依赖：把企业数据当燃料、把模型调用当终点。而商场对 Palantir 的从头定价说明，认同这个判别的，不止 Karp 一个人。

这个问题的答案，正在改变整个 AI 工业的价值分布——而这个改变，也正在一批中国企业 AI 公司身上同步发生，包括后文会说到的明略科技。

一、从"谁的模型更强"，到"谁真实发明价值"

曩昔三年，AI 职业简直所有重要的论题，都围绕根底模型打开。

OpenAI 界说了职业对大模型才能的幻想，Anthropic 继续强化安全和推理才能，Google、Meta 不断刷新多模态、开源模型的竞赛边界。资本商场评论的是参数规模、Benchmark 效果、推理速度和上下文长度，创业公司抢夺的是模型才能排行榜上的一席之地。

在那个阶段，职业形成了一个简直默许的一致：谁具有强的模型，谁就具有大的商业价值。

但 2026 年以来，一个改变正在越来越明显。越来越多企业客户开端提出的问题，不再是"哪个模型强"，而是"哪个计划真实能发明事务价值"。

模型能够换，事务不能停;Token 能够无限耗费，但 ROI 不能无限下降。当企业开端把采购决议计划从技术指标转向经营指标，AI 工业的话语权也开端悄然发生改变。

Karp 在采访中反复诘问的那句话，正是这个改变的缩影：假如 AI 真的发明了巨大价值，为什么大家还在按 Token 收费?

这句话看似在质疑 OpenAI，实际上质疑的是曩昔几年整个根底模型职业默许的商业逻辑。企业真实乐意付出的，历来不是 Token，而是效果。

二、AI 工业，正在阅历一次熟悉的价值搬迁

假如把时间拉长，会发现这种改变并不陌生。

云核算刚兴起时，商场竞赛的中心是服务器、虚拟化和核算资源;移动互联网爆发初期，大家抢夺的是操作系统和使用分发进口。但随着工业老练，真实沉积长时间价值的，往往不是底层的根底才能，而是离客户事务近的渠道和使用。

AI 工业也正在走向类似的轨道。曩昔几年，GPU 和根底模型构成了整个工业价值链耀眼的部分。但随着模型才能快速趋同、推理成本继续下降，越来越多企业意识到，只是具有一个才能更强的大模型，并不意味着能处理安排里的真实问题。

企业真实需求的是另一套才能：让 AI 了解自己的数据、融入自己的流程、遵守自己的权限系统，并稳定地参加日常事务运行。

换句话说，模型正在逐渐成为一种根底才能，而真实稀缺的，是把模型转化为企业生产力的才能。这样的才能，现已有公司在悄然搭建。

这也是为什么近一年，无论是 Salesforce 提出 Agentforce、ServiceNow 着重 AI 作业流，仍是 Oracle、SAP 不断强化企业 AI 渠道，简直所有企业软件公司都在把重点从模型才能转向作业流、Agent 和事务流程。职业竞赛的焦点，正在从"谁练习了强模型"，转向"谁懂企业"。

三、不止 Palantir 一个信号

Palantir 的股价反弹不是孤例。曾被视为 AI 仅有主线的芯片叙事，近期也开端出现裂缝：闻名投资人 Michael Burry 公开做空英伟达并正告泡沫、Google 传出下一代 TPU 转向其他供货商。当"卖铲子"的上游与"纯模型"的故事一起被从头审视，资金正从头流向离事务效果近的那一层。

换句话说，商场不再只为"谁模型强"投票，而是开端为"谁能把 AI 变成可衡量的事务效果"投票。这让 Karp 的判别，从一句嘴炮，变成了有市值背书的工业信号。

Palantir 为什么要从头界说 AI?

放在这个背景下，再看 Palantir，就更容易了解 Karp 那些看似激烈的话。

Palantir 历来没有企图成为另一家 OpenAI。它真实销售的，不是根底模型，而是一套能衔接企业数据、权限系统、事务流程和 AI 才能的企业操作渠道。

对它来说，OpenAI 能够是模型，Anthropic 能够是模型，开源模型也能够是模型。模型会不断改变，但企业的安排结构、数据财物和事务常识不会频繁重建。因而，Karp 真实关心的不是模型本身，而是谁具有企业与 AI 之间要害的衔接层。

四、Karp 提出的问题，需求一个详细的答案

Karp 的两句话，其实点出了企业迟迟不敢把 AI 放进中心事务的两块心病。

第一块是数据。"一边付费买 Token，一边把中心常识财物贡献给模型"——这不只是钱的问题，而是企业怕的事：自己多年沉积的事务常识、客户数据、决议计划逻辑，在一次次调用中，悄然变成了别人模型的养料。对越有数据财物的企业，这一刀越疼。

第二块是价值。"AI 真发明了价值，为什么还在按 Token 收费"——按调用量付费，意味着企业为"进程"买单，却无法确定能不能拿到"效果"。用得越多、账单越高，但事务究竟改善了多少，没人担保。

把这两块心病放到一起，答案其实现已显现：企业真实需求的，是一套让 AI 跑在自己数据上、自己权限里，而且按效果、而不是按耗费来计价的才能。

这恰好是明略科技在做的事，也是它和纯模型公司根本的分野。

在数据主权这一侧，明略的协作渠道 Octo 支持私有化布置，并已开源(Apache 2.0)。企业的数据、权限系统、事务常识一向留在自己手里——AI 进来是"到你家干活"，而不是"把你的东西搬去它家练习"。Karp 忧虑的那种"把中心常识贡献给模型"，在这套架构下从一开端就不成立。

在价值实现这一侧，明略走的是 Agentic Services——不是卖模型调用，而是交给事务效果。落到详细场景里，是让 Agent 真实接住一项作业、跑完一段流程、产出可衡量的成效，企业为这个成效付费。这正是"企业乐意付出的历来不是 Token，而是效果"直接的落地。

换句话说，Karp 在美国商场指出的病，明略正在中国企业的真实流程里提出处理计划：一手用私有化布置解数据主权的焦虑，一手用按效果交给解价值实现的焦虑。

五、AI 真实的竞赛，或许才刚刚开端

曩昔三年，人们一向相信，大模型决定 AI 工业的未来。但今日，越来越多企业开端意识到，大模型只是 AI 系统的一部分。

真实决定商业价值的，不是谁具有强的模型，而是谁能把模型嵌入企业安排、作业流和决议计划系统，让 AI 继续发明可衡量的事务效果。

或许，这才是 Palantir 这场采访真实想表达的。它评论的不是 OpenAI，而是整个 AI 工业正在阅历的一次价值搬迁。

而这场搬迁不是美国独有。Palantir 是这套工业逻辑在美国商场的答案;明略科技这样的企业，则是在用私有化布置 + 按效果交给的方式，把同一套逻辑落进中国企业的真实流程里。模型仍然是 AI 年代的发动机，但真实决定企业价值的，将是衔接模型与事务的那一层。