Palantir: AI第一股和瘋狂估值的矛盾
Palantir又交出一份完美的答卷了。
對我來說，Palantir 這支股票，一直有個難解的困境。
研究越深，越覺得它很強；但同時，也越覺得它貴得離譜。
稱它為「AI 應用第一股」並非過譽，它的平台，就是一個能讓數據真正「活起來」的作業系統。
然而，那 500 多倍的 PE，接近300倍的Forward PE，就像一道高牆，就算股價腰斬，也讓人下不了手。
投資這類股票，早已超越估值，變成一場對「敘事」的信仰考驗。
而我，顯然信仰不足。
最終只能當個純粹的欣賞者，當不了它的收藏家。
幾個月前其實在不同地方寫了很多關於Palantir的分析和介紹，有興趣可以重溫。
我將其中一篇重新分享一次如下：
這幾天，不止一個客戶，甚至是同事和客戶走來和我說，「我研究了好一陣子，但都不太明白究竟Palantir這家公司是做甚麼的。」
原來「我買了PLTR，但其實我不太清楚他們是做甚麼的」，這個時常出現的Reddit評論是真的。
為了向客戶解釋清楚，我決定嘗試將這家公司的業務，用簡單的文字寫出來，好讓自己有個清晰的脈絡，順便在這裡和大家分享一下。
裡面不包含任何投資建議，純粹介紹。如果想看投資方面的話，可以翻看這幾天寫的。
先來點High level一點的。
Palantir是一家專門幫助政府和企業，搞清楚「亂七八糟數據」的軟體公司。
現代社會每天都會產生大量的數據，這些數據有的來自人類的行為，有的來自機器設備，甚至有的來自衛星。
數據雖然多，但散落在不同的地方，由不同部門控制，彼此之間看起來沒有任何關聯。
Palantir 的工作，就是幫助這些機構，把「數據碎片」拼湊成「一幅完整的圖畫」。讓人們能從中找到規律，做出更好的決策。
接下來，我會介紹他們的客戶，產品，以及用一些真實事例來說明。
為甚麼這麼多人不太清楚Palantir的業務？
原因很簡單，因為暫時來說，只有大型機構才用得上他們。
我們普通人，在日常生活中根本不會有機會接觸到他們的東西。
Palantir一開始主要和美國軍方合作，然後和政府的不同部門也有生意，而近年亦越來越多大型企業客戶。
這些機構通常有極多不同的部門，而他們都有一個共同痛點(Pain point)。
1. 數據太多，太亂。
每天都在產生大量數據，但這些數據分散在不同系統裡，根本無法快速看清全貌。
2. 問題複雜，決策困難
比如要追蹤恐怖分子行蹤，或是管理全球供應鏈，這些挑戰涉及到數據之間的千絲萬縷的關係，人腦和傳統工具根本無法處理。
3. 需要快速行動
很多時候，數據分析的結果必須在短時間內得出，否則就會錯過最佳行動時機。
那麼，Palantir是怎樣幫助到這些機構的呢？
Palantir 的軟體就像一個「數據拼圖專家」，它的工作分成以下幾步：
1. 數據整合：把一堆亂七八糟的數據放在一起
首先，Palantir 的軟體會把來自不同來源的數據拉到一個平台上。
這些數據可能來自文件、圖片、數據庫，甚至是人手寫的報告。而這些數據的格式可能完全不同。
但 Palantir 能夠做到的是，它能把所有這些數據無縫整合在一起，變成一套完整的信息庫。
2. 發現規律：數據之間的「關聯」
接下來，Palantir會分析所有數據，找出它們之間的聯繫和規律。比如，它能告訴你哪個人和哪個地方有關聯，或者哪段時間的行為最可疑。
3. 可視化：把數據結果畫出來，讓你一眼看懂
最後一步，Palantir 還會把分析後的結果用圖表、地圖、時間線等方式呈現給用戶。這樣，即使你不懂數據分析，也能一眼就看懂結果，快速採取行動。
Palantir主要有3款產品，Foundry，Gotham，Apollo。
Foundry更多是企業市場，Gotham主要應用在軍事和反恐，Apollo則是管理這些系統的產品。
接下來，我會用三個真事例子，說明Palantir如何在政府，企業，軍事方面合作。
先來政府的案例。
幾年前，疫情大流行的時候，COVID-19 疫苗剛剛成功推出。
但美國政府亦立刻面對另一個難題，就是如何運輸和分發疫苗，尤其需要確保疫苗公平分配並避免浪費。
政府的痛點：
1. 數據分散：生產商、物流公司、各州政府的數據無法統一。
2. 分配公平：如何優先保障高風險人群？
3. 確保效率：疫苗有保質期，分配延誤會導致浪費。
Palantir 的解決方案：
美國政府使用了 Palantir Foundry，建立了一套名為 Tiberius的系統。
他們整合疫苗生產、運輸和需求數據，動態追蹤疫苗的狀況。
1. 數據整合：將生產商、物流公司和醫療機構的數據集中在一起，實時監控疫苗去向。
2. 優化分配：按需求計算優先供應地區，動態調整分配計劃。
3. 降低浪費：標註即將過期的疫苗，提醒管理人員優先使用。
成果：
- 疫苗分發效率大幅提高，幾個月內完成了上億劑接種。
- 減少浪費，保證疫苗供應透明。
然後，我們又看看企業端的例子。
在2015年的時候，空中巴士(Airbus)面臨一個問題。A350的需求激增。他們需要大幅提升生產速度的同時，但不能犠牲品質。
問題是，A350 是一架極其複雜的飛機，由超過 500 萬個零件構成。
這些零件分散在四個國家、八個生產工廠中，由數百個團隊共同協作完成。只要有一部份零件出現問題，整個生產計劃就會受影響。
企業的痛點：
1. 供應鏈複雜：全球供應商數據分散，缺乏透明度。
2. 生產瓶頸：零件延誤導致生產計劃停擺。
3. 監控不及時：難以快速發現問題並調整計劃。
Palantir 的解決方案：
Airbus 使用 Palantir Foundry 將供應鏈數據整合到一個平台中，幫助優化生產過程。
1. 數據整合：實時查看每個零件的交付狀態，提前發出延誤預警。
2. 分析瓶頸：提前預測高風險供應商，提前採取行動避免停工。
3. 即時可視化：用直觀的儀表板展示生產進度和風險。
成果：
- A350 的交付速度提升了 33%
- 供應鏈風險降低，突發情況能快速應對。
最後，我們又來看看Palantir是怎麼幫助軍方的。
在阿富汗和伊拉克，路邊炸彈（IED）對美軍構成重大威脅。IED 的設置方式隱秘，軍方難以預測威脅。
軍方的痛點：
1. 信息分散：軍方有大量數據，例如巡邏報告、衛星圖像和通訊記錄等，但他們並無法快速整合。
2. 難以預測：IED 的埋設時間和地點看似隨機。
3. 決策緩慢：戰場上需要立刻下決定，他們需要更快的數據分析支持行動。
Palantir 的解決方案：
軍方使用 Palantir Gotham 分析與 IED 相關的數據，幫助找到炸彈威脅的規律。
1. 整合數據：將巡邏報告、衛星圖像和通訊記錄集中到一個平台，標註高風險地區。
2. 發現規律：平台使用 AI 模型分析數據中的模式，比如哪些地方的 IED 活動頻繁、哪些人可能是製造炸彈的嫌疑人。
3. 快速行動：用地圖標註威脅地點，協助軍方規劃安全路線或清除行動。
成果：
- 士兵傷亡顯著減少，軍方能夠提前避開高風險地區。
- 成功追蹤並打擊炸彈製造者，減少炸彈活動。
- 數據分析和行動規劃的時間大大縮短
以上就是大概內容了，可能對某些人來說有High level，不夠深入。但我相信對於不少人來說，應該足夠讓大家理解個大概。
- KP
寫的真好，雖然投資palantir初期，只知道賓拉登事件，後來陸續知道它的功能，但KP很有條理的簡單說到重點，其實對投資決策就有幫助，從12元抱到80元清倉，違背原本要留50%的規劃，只因聽一堆YouTube喊估值如何不合理，未來五十年獲利都反映了，也覺得沒有說錯才清倉，不過有些公司的潛力很難想像，Palantir的大數據處理能力，實在很強，如果當時看完這篇，會提醒我為什麼要留下50%的決定，至少留下25%，不至於清潔溜溜！
我本身持有PLTR兩年以上了，但我追蹤的每個財經部落客都說PLTR估值太貴了，但太貴我也聽了兩年了。但這兩年如果因為太貴而不買就是錯過8倍漲幅。但我不覺得你們分析是錯的，但就像每個層面去看我也覺得大谷翔平很扯，但他就是這麼一直誇張的扯下去。