Name: PLTR 为何成为AI应用第一股？真实应用案例超乎想象！最大风险也就此暴露！
Uploaded: 2025-05-27T17:22:49.431Z
Description: 提起PLTR，你或许知道，这是一家AI应用层公司，更具体一点，这是一家利用AI，给企业降本增效的公司。但再问下去，它的AI技术到底有多强，怎么通过AI给企业降本增效的，客户又都是些什么样的企业，降本增效的效果到底怎么样，我想能真正搞懂的人就不多了。

PLTR 为何成为AI应用第一股？真实应用案例超乎想象！最大风险也就此暴露！

2025-05-27

播放量 2.9k

提起PLTR，你或许知道，这是一家AI应用层公司，更具体一点，这是一家利用AI，给企业降本增效的公司。但再问下去，它的AI技术到底有多强，怎么通过AI给企业降本增效的，客户又都是些什么样的企业，降本增效的效果到底怎么样，我想能真正搞懂的人就不多了。

开通服务即可查看评论～

文字稿

提起PLTR，你或许知道，这是一家AI应用层公司，更具体一点，这是一家利用AI，给企业降本增效的公司。但再问下去，它的AI技术到底有多强，怎么通过AI给企业降本增效的，客户又都是些什么样的企业，降本增效的效果到底怎么样，我想能真正搞懂的人就不多了。毕竟PLTR作为一家to b的公司，散户本来能了解到的信息就不多，更别说PLTR的应用场景和客户都是我们接触不到的。
但如果我们不懂得PLTR的技术，不懂它的商业模式，那作为PLTR的投资者，多少会有一些不放心。而事实上，现在市面上我看不到有任何深度的，关于PLTR技术方面的研究，于是，美投君决定做一次开创性的深度调研。我会通过对PLTR技术和商业模式的分析，给大家总结出，这家公司在长期投资中的优势和局限。
对于这部分分析，我会分成两期视频，从不同的角度去讨论。第一期，我们会从PLTR前不久的一次公开成果大会，AIPCon出发，从真实案例中去探究PLTR的技术效果，以此我们能看到公司的业务模式和增长潜力。第二期，我会直接从公司的技术原理和产品定位出发，帮大家搞懂PLTR的AI到底厉害在哪，以及他商业模式的想象空间和局限。这两期视频互为辅助，相信看完之后，你一定能更清晰地看懂PLTR这家公司。今天，我们先从第一期开始，也就是AIPCon这部分。
（免责）
什么是AIPCon呢？这是PLTR每半年召开一次的公开成果大会，向外界展示PLTR的AI在各行各业的实际应用成果。它最核心的目的，是通过展示老客户的亲身体验和合作成果，给新客户“打样”，从而吸引一些新客户主动上门。这是PLTR一个重要的获客手段。不过，咱们作为投资者，肯定不能放过这种机会。通过观察AIPCon的案例，我们能更清楚地理解公司的业务模式，了解PLTR的AI技术是怎么样的，AI的能力在哪，以及最重要的，观察公司有没有什么具体的商业扩张计划。那么今天，我就来给大家总结最新一次AIPCon的核心信息，并分享我在看完这个成果展后的一些看法。
本次AIPCon在三月份如期举行，这已经是公司办下来的第六届了。这一届AIPCon的重点是展示AI怎么快速落地、实现大规模自动化。会议一共邀请了八家企业来做展示，其中包括一些之前没有宣布过的新客户。不少公司已经从合作中获得了看得见的效率提升。那么接下来，我给大家聊其中三个，我认为整个会议中最典型的，也对于我们投资者理解PLTR这家公司最有用的案例。
第一家登场的公司是Walgreens，这家公司我想在美国的朋友们应该都非常熟悉，大街小巷里都是他们的店。这是一家美国大型的连锁药店和便利店，在美国和波多黎各共有上万家门店。除了传统的商品零售以外，Walgreens的经营业务还包含药品零售、健康护理、健康咨询等服务。如果没有在美国生活过的朋友，你可以想象成是个7-11便利店，不过它除了有普通便利店的功能以外，还提供一些医疗药品和健康护理上的服务。
对于一个有着上万家门店，每天服务900万客户的零售品牌来说，Walgreens每天都在收集着海量的数据。这么多的数据，理应能找到非常多的insights，来帮助公司提高运营效率。但问题是，这些数据实在是太多太混乱了，而且被分散在不同的系统里，导致很多数据的利用率并不高。外加Walgreens自身也没有足够的数据分析能力。
于是，Walgreens决定跟PLTR进行合作。在会上，Walgreens就展示了他们是如何用 PLTR来打破原本的工作流程，去处理复杂且庞大的数据量的。根据Walgreens的说法，PLTR给他们设置了一个前所未有的统一视图，这个视图不仅可以看到实时的数据，它自己还有灵活的决策支持能力。比如，当他看到某一个商品将要缺货，PLTR就可以立即做出做出精准的决策，进行适当的人力调配，从而避免商品缺货的现象出现。
Walgreens就说道，原本他们的计划是用6个月时间，在10 家门店试运行一个工作量优化模型。结果没想到，PLTR只用了45天就搭建好了一个本体模型。本体模型本质上就是能把分散在各个不同系统的数据都统一起来，然后做一个全局性的分析。这个本体模型，不仅可以支持基于AI的工作流程，实时做出人力调配的决策。更厉害的是，这套自动化的人力分配系统，在8个月内就推广到了 4000家门店，可以说非常受门店运营者的欢迎。Walgreens就说，PLTR不光让运营效率提升了30%，连患者的参与度和留存率也提升了32%。效果远超预期。
整体来看，在 Walgreens的案列中，PLTR展现了它处理复杂数据、构建本体模型和支持实时决策的能力。通过PLTR快速整合不同系统里的数据，去搭建AI工作流程模型，这就显著提高了工作效率。
事实上，很多传统行业，像是Walgreens涉及的零售和医疗，也是有着大量数据的。而且他们的数据，说不定比很多科技公司都要更复杂，变化频率更快。这意味着，如果传统行业在数据分析上做到位，他们的运营效率还是有很大提升空间的。然而，和科技公司不同的是，传统行业自身没有强大的AI数据分析能力，也不愿意在这上面投入过多的资源，这就给了PLTR一个巨大的机会。由于PLTR非常重视在传统行业里落地实效方案的能力，让他们可以通过AI，真正弥补了传统行业的短板。 	
说完了Walgreens，接下来，我们来看另一个经典的案例，Morson。之所以选择介绍Morson这家公司，是因为它的业务是整场会议里最特别的。Morson是一家人力资源公司，它每天干的事情就是帮企业去招人，类似于猎头的工作。
在会上，Morson就介绍了和PLTR的合作流程。其实PLTR帮他们做的事情，没别的，就是提高招聘流程的效率。Morson的招聘流程中涉及大量数据，比如候选人简历数据库、岗位说明、候选名单等。由于这里的数据多而杂，使得整个招聘的流程容易变得复杂，而且对人力的需求也非常高。
那PLTR怎么帮助Morson呢？他们首先把公司超过一百万名候选人的信息，整合到一个本体知识库中。有了这个知识库过后，PLTR每一次收到岗位说明，就可以利用语义搜索功能，和AIP自动化的工作流，找到最符合条件的几个候选人。而每一个候选人，PLTR还能给出清晰的推荐理由，给HR作为参考，这便大幅提升了招聘效率和质量。
这么说可能有一点抽象，咱们不妨举个例子。假设Morson现在要帮英伟达招聘一个工程师，他们得到了英伟达的岗位说明后，就可以动用PLTR的系统，让PLTR利用AI，从他那上百万人的数据库中，精准且快速地找到最符合要求的几个人。不仅如此，PLTR还可以写出一个总结，来给负责的HR介绍，这几个候选人的特点分别是什么，为什么和英伟达的岗位需求相匹配。有了这些信息之后，HR就可以大幅减少初期人工筛选和排序的工作了。
Morson提到，用了PLTR之后，岗位匹配率提升了129%，候选人搜索效率提高了53%。更重要的是，大大节省了人力，现在，每位招聘专员每天能省下超过一小时的工作时间，整体效率和体验都有了明显提升，效果可以说是立竿见影。
我们之前的基本面分析视频中曾经介绍过，PLTR大部分的客户都是来自于较为重资产的行业，比如能源、物流、零售等等。这些公司数据量大，但是偏传统行业，技术能力不足。而Morson很显然和他们不同，它做的事情是相对轻资产的服务业，这体现出PLTR在用户扩展上迈出了一小步。当然，Morson和一般的服务业有些不同，因为从某种意义上看，人力资源也属于高度人力密集的行业，所以Morson也有着重资产行业的复杂性和高价值密度。而这正是PLTR可以大展身手的地方。所以我们看到，PLTR通过数据整合和AI工作流，就能大幅节省了人力。而这个例子，也充分展现了PLTR在处理复杂流程、提高运营效率方面的强大能力。
接下来，我们来分享一下第三家公司，RaceTrac。RaceTrac是美国的一家私营连锁加油站和便利店运营商，主要分布在美国的南部，运营着超过800家门店。
今年年初，RaceTrac在运营上恰好遇到了一些困难。2月份，美国南部的天气偏暖，使得人们外出的频率明显增加。这对于加油站来说肯定是个好事，客流量随之上升。可客流量不同寻常地上升，也对RaceTrac的运营提出了新挑战。比如说，客流量太多的话，人手可能就不太够，公司就需要想办法在清洁、收银等工作之间合理调配人力资源。又比如说，他们还要提前去推广一些更适合在夏天销售的商品，像是冷冻酸奶，太阳眼镜等。
要在以前，RaceTrac可能就要忙得手忙脚乱了，不过好在，RaceTrac在今年有了PLTR。PLTR整合了超过10000个客户的数据，并通过对天气等外部变化的输入，成功地预测了每家门店在不同条件下的客户需求。RaceTrac在会上说，PLTR预测的精度非常高，甚至能够具体到哪个门店哪一个产品的销售需求可能会有提升。不仅如此，PLTR还能根据供应链状态等内部因素，直接帮助企业下达命令，去完成资源的提前调度。比如，当平台预测出天气回暖将带来冷冻酸奶销量的增长时，系统就会推动相关门店提前准备货源、优化人员排班，这不仅优化了管理效率，也提升了真实的销售。
RaceTrac的案例中，有和前两个案例略有不同的应用场景。我们可以看到，PLTR不仅能管理企业内部的运营效率，它还能对外部环境变化的有着快速响应能力。PLTR不仅让RaceTrac有对天气等外部变量的实时感知，还能够将这些外部因素纳入到数据模型中，从而实时预测客户行为和门店需求。另外，和Walgreens的案例一样，PLTR也能帮助RaceTrac直接下达命令，调动资源，进一步提升了企业的动态调度和实时优化的能力。
可以看到，在这三个案例中，不管是Walgreens，还是Morson，亦或是RaceTrac，每一个案例都有各自的特点，展示出PLTR是如何通过不同的方式来应用AI的，也展示出了AI数据分析是如何驱动企业的自动化，从而提升自身效率的。
我自己在看这次AIPCon大会时，其实是看的津津有味的，其中有意思的案例还有很多，比如，AT&T减少了多达40%的不必要派遣，并提升了网络性能问题的响应时间；又比如，Wendy在跟PLTR合作之前，每次解决不同门店的库存分配，以及库存短缺问题，平均都需要15个人干一整天，现在仅仅只需要系统做5分钟即可。这样的故事在AIPCon上还有很多分享。时间关系，我就不跟大家一一去展示了，感兴趣的看官可以自己去网上搜索看一看。下面，我来和大家聊一聊，我从AIPCon大会中得到的一些思考。
首先，我想先来聊一聊，AIPCon这个大会本身对于公司的价值。从上面的案例中我们可以看到，AIPCon已经成为PLTR展示技术实力和推动市场拓展的重要窗口。酒香也怕巷子深，PLTR在技术上的优势毋庸置疑，但这么多年来，公司深耕于政府、军工等高敏感领域，使得公司在商业化过程中遇到了一些认知门槛。不少商业客户会担心，PLTR这个平台会不会太高端了，普通商业用户真的用得上吗？而AIPCon，就通过一个个成功的客户故事，真实地展现了PLTR技术在不同行业、不同体量公司中的落地情况。这不仅提升了市场信任度，也减少了客户的顾虑，从而推动了PLTR商业化能力的拓展。比如喜力啤酒，就是在现场观看了上一届AIPCon后，便开始和PLTR合作，他们在这次AIPCon上也有跟大家分享合作之后提升效率的故事。
另外，虽然AIPCon有不同的行业和公司，但PLTR采用的，其实是同一个核心逻辑，那就是通过数据整合、本体建模和AI驱动的自动化流程，为企业提升效率和决策质量。无论是零售、医疗、能源，还是人力资源、制造业，PLTR切入的方式都是非常类似的。他们先把企业里分散的数据打通，统一成一个清晰、有逻辑的数据框架。有了这个框架后，再用AI来找规律、做预测、自动化流程，最终让企业可以更高效地运转。
其实，每家企业的私有数据背后都蕴藏着大量信息，而PLTR面对所有公司的产品，底层逻辑都是相通的，就是去利用这些私有数据做预测。所以虽然客户面临的业务流程、数据结构、运营痛点各不相同，但PLTR可以用一套流程来服务所有用户。这是公司能够持续保持增长的关键。
但我们也能看到，PLTR和传统的SaaS公司不同，他针对不同公司的服务是深度定制化的。不同公司所处理的问题不一样，侧重点也各不相同。这则是PLTR的核心竞争优势。市面上的有数据分析能力的公司很多，但有PLTR这种顶尖AI分析能力，并且还能做深度定制化服务的公司，几乎可以说是凤毛菱角。而且更关键的是，PLTR的定制化能力还会在AI的不断发展中得到进一步的放大。这便给公司构建起了深厚的护城河。
到这里，我说的都还是我从这次的AIPCon上看到的PLTR的优势，不过，我也想提出几个我看到的问题。这些问题，主要都集中在公司的一些增长局限上。
首先，是公司的商业模式上过于依赖定制化了。尽管公司遵循的底层逻辑是相通的，但项目落地的过程，还是不得不通过定制化的方式去实现。而为了真正理解客户的业务痛点，PLTR常常需要派出工程师团队深入对接，去了解企业运营的细节、整合分散数据，识别出影响效率的关键环节。这个过程不仅很耗时间，而且由于高度依赖人力投入，成本也比较高，使得公司短期的增长受限。
其次，从会上可以看到，PLTR的核心价值还是集中在降本增效的层面，但降本增效带来的企业价值终究是偏低的。对于to b的企业来说，更有价值的服务，还得是给客户挖掘新的收入机会的，能帮客户赚钱的服务。尽管在RaceTrac的案例中，我们看到了 PLTR能根据天气变化推荐更畅销的产品，初步展现出推动销售的潜力，但这仍停留在表层的运营优化，还未完全转化为系统性的增长引擎。短期来看，这倒不算是太大的问题，不过随着AI降本增效的渗透率不断增加，如果PLTR的能力仅限如此的话，还是会对长期的增长带来一定的限制。
最后，也是最为重要的，是PLTR针对的客户群体。可以看到，公司主要的服务对象，还是零售、能源、制造等传统重资产行业。即便有Morson这种人力资源公司，但它本质上仍属于“人力密集型”的传统领域。长远来看，PLTR如果想进一步提升收入的天花板，还是需要进一步拓展至像金融、科技等高附加值行业。毕竟，这些行业的业务更为复杂，数据更丰富，而且也有更高的技术接受度和付费能力，能打开这部分市场，必然会进一步提升公司长期的增长天花板。
要注意的是，前面我说了这几个点，并不是想说PLTR未来就不增长了。相反， AIPCon进一步证明了，PLTR在传统行业里有着无可替代的整合数据和提升效率的实力。光这一点，放在传统行业的体量里，就足以让PLTR在未来几年里保持高速的增长了。但如果我们希望PLTR能进一步打开增长空间，那我前面说的这几点担忧，就需要考虑进来了。这包括，公司需要在商业模式上从定制化，变得更标准化、可复制化；需要想办法给客户带来更多收入的增长，而不仅仅是降本增效；以及需要打入金融、科技这种高附加值的行业。可以这么说，上面这三点，但凡只做到其中一个，都足以大幅提高公司的上限。好在，PLTR每半年都会做一次AIPCon，未来，我们就可以以此为观察窗口，去看看PLTR是否有进一步突破收入天花板的潜力了。
到这里，关于PLTR AIPCon的分析就结束了。整体来说，通过这一次AIPCon的案例，我们进一步看懂了PLTR是如何利用他的AI技术，给各种各样的传统行业公司来实现降本增效的。其实逻辑都是相通的，就是把企业分散的数据打通，统一成一个清晰、有逻辑的数据框架，然后再通过AI来找规律，做预测，从而提升企业的运营效率和决策质量。另一边，AIPCon也让我看到了公司长期增长的局限性。未来，如果我们想看到PLTR有进一步的增长，就需要它能向更标准化、可复制化的模式，提高企业收入，和进入高附加值行业上去做尝试了。
最后这里再给大家做一个预告。相信你也看到，这期视频我们主要是通过案例分享去帮助大家了解PLTR的技术的。这个角度切入，了解起来会更直观一些。而在下一期视频，我们会上一些难度，从更直接的技术原理出发，去看懂公司内部各个产品的定位，搞懂PLTR到底是怎么通过AI去做预测的，以及这对于公司的长期增长来说意味着什么。这期视频我还在努力准备当中，将会是一篇万字长文的大作，预计在未来两周内能推出，感兴趣的看官记得一定不要错过。