3月以來，港股AI股票又開始猛漲了。

但這里頭漲得最猛的，既不是智譜，也不是MiniMax，而是一家很多人之前沒怎么聽過的公司——迅策。

漲得有多夸張？3月5日還在70港元，現在已經沖到140多港元，短短幾天接近翻倍。更極端的是，有兩天時間里，股價從76港元直接拉到153港元。

而一切的開始源于公司發布的2025年業績盈喜。3月6日，公司發布了2025年業績盈喜：全年收入12.8億元，同比增長102%。

給出的解釋也很直接：大模型落地，帶動數據需求爆發。

隨著股價暴漲，關于迅策的故事講得飛起，又是“Token第一股”，又是對標Palantir。

那拋開這些敘述不談，迅策到底距離Palantir有多遠？

今天，我們就把迅策這家公司拆一遍。

迅策是做什么的？

迅策的業務，看上去很復雜，其實就干了兩件事：

第一，把數據收上來、洗干凈、整合好。第二，把數據變成可以直接用來做決策的結果。

簡單來說，就是把數據變成可以直接用來做業務決策的東西。

這么說可能還不直觀，我們就以資管行業為例。

這是一個典型的數據密集型行業：數據多、來源雜、結構復雜，而且對實時性要求極高。

但過去，這個行業處理數據的方式非常“原始”。

來自幾十個終端、上百個Excel 表格的數據，需要人工收集、整理、校對，很多時候要等到收盤之后，才能完成一輪更新。

這種方式不僅效率低、錯誤率高，而且幾乎不具備實時決策能力。

更麻煩的是系統割裂。

內部系統分散在不同業務線，外部數據來自不同供應商，彼此之間難以打通，最后形成“數據孤島”。

數據拼不起來，自然也就無法支撐決策。

到了AI 時代，這個問題反而被進一步放大。

數據更多了、頻率更高了、復雜度更強了，傳統的數據架構已經撐不住，更別說把數據真正沉淀為業務能力。

這時候，迅策這類公司的價值才真正顯現出來。

它本質上做了一件事：把“數據處理”這件事工業化。

一方面，它可以同時接入上千個外部數據源，實現毫秒級更新，同時保證一致性與可追溯性。

另一方面，在數據打通之后，它不只是“給你數據”，而是直接“給你結果”。

系統會自動理解數據之間的關系，結合業務邏輯進行處理，輸出可以直接用于決策的結論。

比如，一條可能影響股價的重大新聞出現后，系統可以在極短時間內完成抓取、清洗、結構化處理，與已有數據融合，并同步更新投資組合指標。

最后直接給出結果：買、賣，還是持有。

從數據產生，到決策支持，整個過程只需要毫秒到秒級。

像這樣把數據分析導向業務結果，就是像迅策這類數據公司的核心競爭力。

在這個行業，全球做得最牛的當屬Palantir。

這一點，看股價表現就知道了。

Palantir 從 2022 年底不到 6 美元，一路上漲到 2025 年超過 200 美元，漲幅超過 30 倍，市值一度逼近 5000 億美元。

即便回調之后，市值仍在3000 億美元以上，最新市銷率甚至高達81倍，遠遠超過一眾軟件股。

而迅策是國內第四大實時數據基礎設施廠商，市場份額約3.4%，排在它前面的，是阿里、華為和騰訊。

于是，一個很自然的類比就出現了：

迅策，是不是“中國的 Palantir”？

難以逾越的客單價鴻溝

說完行業，再來看迅策的業務。

從表面數據看，它確實“很像Palantir”。

過去三年，公司收入從2.88億增長到6.31億，復合增速約48%；到去年，收入直接躍升到12.8億元，同比增長102%。

拆分業務結構看，這兩年的多元化戰略做得也很成功。

一開始，公司幾乎是一個專門服務于資管行業的數據公司。2022年，來自資管行業的收入是2.14億，占比74%。到了2024年，這部分占比已經降到38.7%。

來自其他行業的收入則從2022年的26%攀升至2024年的61%。

其中，城市管理、制造是增長最快的兩個方向。城市管理的收入從2022年的0.36億增長到1.53億，制造管理則從500萬，增長到0.88億。

同時，公司的毛利率也不低。Palantir長期在80%左右，而迅策2022–2024年分別為78%、79%和76.8%，差距并不大。

但即使如此，它依然沒有盈利。

過去三年，經調整凈虧損分別為0.97億、0.58億和0.82億。

一個很重要的原因是，運營費用太高了。2022–2024年，公司研發投入分別為2.59億、3.79億和4.5億，占收入比例高達89.8%、71.4%和71.3%。

如果只看這組數據，其實并不稀奇。Palantir在很長一段時間里，費用率也多年維持在100%以上。

看到這里，你可能會覺得迅策還挺像Palantir的。

但兩者卻有一個最關鍵的差別：客單價。

眾所周知，Palantir是出了名的挑客戶，只做“有錢人的生意”。

2025年，Palantir前20大客戶年均貢獻約9390萬美元，相當于接近6.4億人民幣，客單價大概在469萬美元/年，折合人民幣3236萬元。

反觀，2024年迅策的客單價只有272萬元，差了整整10倍不止。

為什么客單價這么重要？因為在重交付模式下， 客單價是盈利的關鍵。

與很多軟件公司不同， Palantir其實把交付做的很重。Palantir有一套非常獨特的交付體系：FDE模式。

簡單理解，就是把工程師直接派到一線。這些Forward Deployed Engineer，每周有3–4天駐場，深入業務流程，搞清楚真實問題，再把解決方案帶回去沉淀成產品能力。

這種重交付模式意味著，Palantir在首次服務某個客戶時需要投入極高的前期成本，但一旦建立起“本體模型”，無論是客戶后續擴展新場景，還是Palantir平臺服務同類客戶，都可以直接調用已有的數據模型，無需再重復投入大量FDE資源。

也就是說，Palantir是用一次性的高固定成本，撬動長期趨近于零的邊際成本。這也是Palantir能夠走向盈利關鍵。

這意味著，即使模式看起來在靠攏，但客單價的不同，盈利能力完全不同。

提升客單價，其實也是迅策這兩年一直在做的事情。

過去兩年，迅策有一個很重要的變化：從訂閱制，轉向項目制。

從收入結構來看，2022-2024 年公司的訂閱模式收入在下降，而交易模式收入占比在逐步提升，從 2022 年的 47%提升至 2024 年的 81%。

這其實是一個“反常識”的動作。大多數軟件公司，都在拼命從項目制走向訂閱制，而迅策反而在往“更重”的方向走。

對此公司的解釋是，公司在拓展新客戶，新客戶更容易接受項目制，同時大客戶也更傾向“按需采購”，而不是長期綁定。

而迅策另一個提升客單價的方式就是靠AI。

一方面，公司利用AI能力，做厚產品。

現在，迅策的產品高度模塊化，不同能力拆成不同模塊，客戶按需組合。模塊越多，系統越復雜，客單價也越高。

2022–2024年，公司模塊數量從152個增長到318個，本質就是在“堆能力厚度”。

在AI火了之后，AI自然也成了公司重點打造的能力。

2025年，公司引入自然語言交互。也就是說，用戶只需描述業務問題，無需理解系統結構或配置參數，即可完成復雜分析，極大降低了用戶的使用門檻。

在此基礎上，公司還搭了兩層關鍵能力：

VOne：AI員工平臺，用自然語言完成查詢、分析和操作；

DOne：AI數據平臺，把自然語言轉化為可執行的數據指令。

二是修改定價邏輯。通過輸出AI能力，從“按功能收費”，轉向“按結果收費”，即數據處理量或者按實際降本或效率提升。

這一步，其實和Palantir的方向是一致的。但真正的問題是：這條路真的能走通嗎？

中國出不了Palantir

很多人研究Palantir，第一反應都是：AIP 能不能抄，本體論能不能復現。

但真正的問題，從來不在技術，而在商業路徑。

Palantir 最難復制的，從來不是某個產品架構，也不是某套技術名詞，而是它背后那套極其特殊的生意模式。

雖然它也做重交付，但交付只是手段，沉淀才是目的——統一數據模型、統一語義層、統一權限體系。這才是它真正的護城河。

從本質上講，它本來就不是傳統軟件公司。它更像是，AI時代的軟件服務商，或者說，高端咨詢業的軟件化版本：

它賣的不是一個標準化軟件，也不只是一個數據平臺，而是一種“把復雜系統真正跑起來，并對結果負責”的能力。

這和國內大多數軟件公司的邏輯，幾乎是反著來的。

國內傳統軟件公司怎么賺錢？

國內傳統軟件公司，賣的是“交付”。靠賣產品、賣項目、賣交付。合同簽完，系統上線，任務基本就結束了。至于客戶最后有沒有真正用起來，業務有沒有因此變好，很多時候并不在廠商的責任范圍內。

也就是說，客戶買到的，往往只是一個“中間品”。

而中國軟件行業的主流路徑，進一步強化了這一點：強調短期ROI、快速驗收和成本控制，大量項目被壓縮為定制開發與駐場服務。

所帶來的結果是，大家都在做“系統”，卻很難沉淀出真正的“操作層”。

業務邏輯差異背后，是行業環境的不同：

第一，市場環境不同。因為中國的軟件市場，長期以來并不是按“結果價值”定價的，而是按“項目價格”競爭的。

很多甲方采購軟件，核心訴求不是誰真正能把業務結果做出來，而是誰報價更低、功能寫得更多、招投標文件更漂亮。

在這種環境下，軟件公司只能拼命壓縮成本、堆功能、拼人力，最后比的不是誰最懂業務、誰能對結果負責，而是誰更能忍受低利潤，誰更能熬。

這種生態，直接扼殺了Palantir 這類公司的生長空間。

第二，更復雜的數據治理。

Palantir 的價值，建立在“可以重構組織”的前提上。也就是說，它可以把原本分散在不同系統與部門中的數據、流程與權限，收束到一個統一的操作層中。

但這件事的前提，不是技術，而是權力。誰有權讓數據打通？誰有權改變流程？誰能跨部門重構系統？

在中國，很多組織的問題不在于沒有中臺或數據平臺，而在于部門邊界強、系統煙囪多、權責復雜。你可以搭一層語義系統，但未必能推動組織真的圍繞它運轉。

第三，信任難題。

很多人有一個誤區，把Palantir模式簡單視為高端系統集成，忽視了其核心是一種需要持續共創，且深度綁定的運營模式。

而一旦缺少這種深度綁定，大多數AI 數據公司就只能停留在“輕集成”層面。

但在國內，真正能支付高客單價、又愿意長期信任外部廠商的客戶，本來就少。

更現實的是，很多大客戶一旦意識到數據和智能系統很重要，第一反應不是去養一個外部版Palantir，而是自己成立數科公司，把能力內化。

這就造成一個很現實的結果：

中國不是做不出類似Palantir 技術形態的東西，而是很難長出一家像 Palantir 那樣的公司。

因為Palantir 的成功，不只是產品成功，而是它恰好生長在一種愿意為“復雜能力”和“最終結果”買單的商業環境里。

它的偉大，不只是因為技術先進，而是因為它把咨詢、軟件、數據和AI 結合成了一種極少數市場才養得起的生意。

所以更準確地說，不是中國企業學不會Palantir，而是中國市場暫時還養不出 Palantir。

文/林白

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。