深演智能（02723.HK）2026年上半年的中期业绩公告里，有一组不算惊人但方向一致的数字：收入3.98亿元，同比增长43.6%；期内利润819.5万元，同比增长125.2%；经调整净利润1746.2万元，同比增长30.6%。同期营业利润同比增长402.2%，销售费用只增长9.9%，研发费用则增长44.3%至3368万元。
单看这组数字，它说明的是经营杠杆开始出现——收入增长四成，销售费用增长不到一成，当期收入的增量不是靠同比例堆人力换来的。但市场真正在意的是另一件事：这份财报第一次让"中国版Palantir"这个说法有了可以逐项对照的指标。
此前把深演智能和Palantir放在一起讨论的声音主要来自两个方向。一是两家公司解决的问题类型相近，都在把AI推进企业核心经营环节，而不是停在效率工具的位置；二是有券商研报直接把两家公司的能力结构做了映射，认为深演智能已从POC（概念验证）阶段走到Production（生产环境）阶段。
但这类讨论多数停在"都做企业决策AI"这一层。真正值得追问的是：Palantir被反复引用的那套增长逻辑，究竟由哪几件事构成？深演智能在这几件事上分别走到了哪一步？哪些对上了，哪些还没有？
这篇文章要做的是这件事。需要先说明一点：下面的比较不把两家公司的收入放进同一张表做同比，因为两者规模不在一个量级，并列只会制造误导；Palantir的财务数据只作为参照系出现，用来说明"这套逻辑跑到成熟阶段是什么形态"，不用来推算深演智能的空间。
先把飞轮拆开：Palantir 真正卖的不是模型
要理解为什么市场会拿这两家公司做比较，得先把Palantir那套增长逻辑拆成可以验证的部分。它由三段结构组成，缺一段都转不起来。
第一段是本体（Ontology）。Palantir把企业分散在各个系统里的数据、业务对象、规则和动作组织成一个统一语义层。系统理解的对象是"客户、订单、设备、门店之间是什么关系"，而不只是表与表之间的字段对应。这一步的价值不在建模本身，而在于它是可复用的：同一套底层资产被不同应用和工作流重复调用，第二个场景不必从零建设。
第二段是前置部署工程师（FDE）。工程师进入客户现场，和业务人员一起，把那些从来没有被写进任何文档的隐性规则、部门口径、历史惯例梳理出来，变成系统可以执行的逻辑。咨询机构BCG Platinion把这个存量称为"语义负债"，并指出大量企业AI Agent项目止步试点的原因，往往不是模型推理能力不足，而是语义负债没有被清偿——口径不统一、规则只存在于老员工的经验里，模型再强也无从下手。
第三段是服务驱动订阅，也就是常说的land and expand。不按软件授权一次性收钱，而是先和客户一起把一个问题解决掉，再用同一套底层能力去承接第二个、第三个问题。收入因此有机会从项目型逐步向订阅型迁移。与此同步，客户侧沉淀下来的业务语义、决策规则、执行记录和反馈结果构成迁移成本：底层模型可以更换，这套长期运行形成的决策体系换起来很贵。
这三段之所以难被复制，原因不在模型层。市场一直有质疑，认为Palantir不过是套了一层大模型的外壳。底层模型可以灵活替换这一点本身不构成壁垒——模型本来就该是可替换的；难以复刻的是沉淀多年的业务本体和客户部署方法论。一个旁证是，2026年5月，OpenAI和Anthropic各自联合头部私募设立独立合资主体，扩充前线工程师和咨询团队来补交付能力。做大模型的公司在往Palantir的交付方式上靠，说明瓶颈确实不在模型那一侧。
那么这套逻辑跑到成熟阶段是什么形态？据公开财报，Palantir 2026年第二季度收入19.35亿美元，同比增长93%；美国商业收入同比增长149%；当季签署220份金额不低于100万美元的合同，其中73份不低于1000万美元；经调整经营利润率62%，经营现金流12.16亿美元。这组数字回答的是一个问题：所谓成熟平台期，是高增长、大额合同密度与高利润率同时出现，而不是其中一项突出。它也说明飞轮转到后半程时，收入结构已经以订阅为主。
需求这一侧的数据同样在往这个方向聚拢。申万宏源研究在一份企业AI行业报告中提出，企业采购重点已从"模型是否可用"转向私有数据能否接入、业务知识能否沉淀、工作流能否稳定执行以及经营结果能否验证；直接采购成熟AI产品的企业比例已从53%升至76%；中国决策AI市场规模预计从2024年的345亿元增长至2029年的1615亿元，复合增速约36.2%。这段判断的含义是：企业AI预算的主要承接方向，正在从模型能力转向决策层。
飞轮的三段必须按顺序走，而且要都走通。因此判断一家公司是否真在这条路径上，不看它怎么定位自己，而看这三段是否都在经营数据里留下了痕迹。深演智能这份中报之所以被拿来做对照，原因也在这里——三段在同一年报里都出现了对应的信号，只是深浅不一。
语义层：决定第二个场景要不要从零开始
先说第一段对应关系，也就是本体那一段。
Palantir的本体解决的是跨部门、跨系统的业务对象关联问题，目标是支撑跨域的资源调度。放在深演智能身上，对应的东西不是通用本体平台，而是一张从经营场景里长出来的语义网络。
它的服务对象是同一批业务对象：消费者、产品、渠道、内容、预算、销售线索、复购。对企业客户来说，这些对象本来就在同一套经营体系里，而不是分散在互不相通的部门里。底层则依赖第一方数据中台与客户数据，把投放、用户、交易等多源异构数据打通，形成面向营销与销售的商业语义网络，为全域决策输出打底。
两者的差别需要写清楚，否则"本体"这个词会被用得太宽。Palantir的本体是跨行业、跨场景的通用层；深演智能的语义层目前集中在营销、销售、用户运营这些经营域。所以更准确的说法不是"具备同等成熟度的本体能力"，而是"同一件事在一个更窄的范围内先做出来了"。
范围窄有代价，也有好处。代价是跨行业、跨场景的可复用边界更小，语义层沉淀出的资产只能服务有限类型的客户。好处是域内数据密度更高、反馈更快、效果更容易被量化——营销和销售天然可以回到收入、复购和ROI上验证，这比"省了多少时间"更容易建立付费逻辑。
这一层的价值在财务上最终会体现为复用成本。如果一个客户从第一个智能体扩展到第二个、第三个时，不需要重新接一遍数据、不需要重新对齐一遍指标口径，那么单客户价值上升的同时，边际交付成本不必然同比例上升。这是飞轮能不能加速的第一个开关，也是后面扩单逻辑能不能成立的前提。
FDE：是成本项，还是产品定义的来源
第二段对应关系落在交付方式上。
Palantir的FDE模式是把工程师送进客户现场，和业务人员共同定义问题、梳理规则、搭建系统。深演智能采用的是"AI产品经理＋FDE"的协同方式：先进入客户现场，找到业务流程中价值最高的问题，再把解决方案产品化，回流成可复用的产品能力。
这里有一个容易被忽略的判断点。驻场交付本身谁都能做，区别在于现场经验最终去了哪里。如果经验只是被写进项目文档、随项目结束而封存，FDE就是纯粹的成本项，公司规模越大，人力成本越重，收入的边际质量越差。如果经验被沉淀下来，情况就完全不同。
申万宏源研究的报告对这个环节的描述是：FDE将SOP、业务规则和客户经验沉淀为Skill、Workflow与评测体系，推动跨客户复用飞轮。这句话是整个链条里最关键的一环——它把"驻场"从一次性的人力服务，变成了资产积累的过程。服务因此不只是收入，也是产品定义的信息来源。
这个分岔点不需要听口号来判断，看两个地方就够了。一是产品收入的增速：如果现场经验真的在被沉淀，产品收入应该比服务收入增长更快。二是服务毛利率的走向：如果驻场经验无法复用，服务毛利率会随着规模扩张持续被压住；如果能复用，服务毛利率才有改善空间。
深演智能本期智能体产品收入2819.6万元，同比增长52.9%，快于整体收入43.6%的增速，这是产品化在发生的直接证据。但它占整体收入的比重只有7.1%。这个数字容易被误读成"沉淀很薄"，所以需要先把两条业务线的关系摆正。
智能体产品单独确认的收入确实不高，但公司的智能体服务恰恰是建立在智能体产品之上的。深演智能能够进到客户现场去承接经营决策类任务，前提是DeepAgent平台上已经存在可用的决策AI能力——数据接入、语义理解、决策推理、业务规则执行与效果评测这些环节都在平台上完成。产品是服务的底座，服务收的是交付的钱，能力来自产品。
这些能力也不是当期形成的。FDE长期驻场积累的对业务的理解，叠加公司十七年在营销与经营决策领域沉淀的数据、方法与行业经验，被逐步固化到平台上，才形成今天可以复用的底座。所以7.1%反映的是收入在两条业务线之间的确认分布，而不是能力积累的厚薄——它更像是在说明，这些能力目前主要通过服务交付的方式变现。真正需要验证的不是占比高低，而是这个底座的复用效率：同一个能力放到第二个、第三个客户身上，是否需要重做一遍。不需要重做，产品化的价值才会真正从能力层面传导到财务层面。
扩单：服务驱动订阅的中国版本
第三段对应关系是land and expand。这一段最值得细看，因为它决定了前面两段的投入能不能回收。
Palantir的机制是先用一个场景进入客户，再用同一套本体和交付方法论承接更多场景，收入因此从项目变成订阅、从一次性变成经常性。放到中国企业软件市场，这个机制会有一个变形：国内企业采购长期以项目和定制交付为主，服务很容易吃掉订阅的空间。所以在中国市场，这套逻辑能不能成立，往往要先看一个更朴素的问题——同一个客户会不会买第二个、第三个产品。
深演智能给出的第一个证据在订单侧。公司在中期业绩公告中披露："新的智能体产品及服务签约订单数量同比增长超过300%。"
这句话的口径需要单独说明。它说的是签约订单数量的增长，不是订单金额增长，不是收入增长，也不是客户数量增长。一个客户可以签多张订单，也可以只签一张金额更大的订单，三种口径背后的经营含义完全不同。订单数量的增长主要反映成交频次和产品的可售性在变好；金额和收入能不能同步跟上，需要用后面的财报来回答，不能由这一句直接推出。
第二个证据在采购结构上。约30%的新签智能体产品客户一次采购多个智能体，并且已经有企业一次部署超过两位数产品。"约30%"这个比例限定在新签智能体产品客户范围内，不是全部客户的比例——两者含义差别很大。但即便是30%，它指向的机制是清楚的：同一个客户在第一个场景跑通之后，开始把第二个、第三个场景交给同一家供应商。
这个机制为什么重要，可以拆成两层。第一层是复用：前期已经在客户侧完成的数据接入、语义层搭建和对业务的理解，可以在后续场景里继续使用，同一套标签体系和数据管道服务一个场景与服务三个场景的边际投入并不相同。第二层是替换成本：客户把核心经营决策挂到供应商的系统和流程上之后，更换供应商不再只是一次软件采购决策，还牵动内部流程与数据资产。
深演智能对外提过"双100"的目标。这里要把口径放对位置：它描述的是围绕客户数量与单客户产品渗透的长期增长路径，属于方向性表述，不是已经兑现的收入承诺，也不应被换算成收入倍数。
反面同样要写清楚。多智能体采购比例目前只有约30%，如果这个比例不上行，增长就只能继续依赖新客。依赖新客的增长质量更低：获客成本一次性发生，客户留存与交叉销售还没有跑完一个完整周期，收入的可预测性也更弱。前面两段投入的复用效应，在这种情况下会被大幅折价。
三处差距，比三处对应更需要写清
三处对应讲完，容易产生一种错觉，好像两家公司只是进度不同。事实是差距相当具体，而且分布在不同的维度上。
第一处是规模与盈利结构上的差距。Palantir单季收入19.35亿美元，经调整经营利润率62%；深演智能半年收入3.98247亿元，期内利润819.5万元。深演智能利润的绝对规模仍然很小，还不足以说明盈利已经稳定。经调整净利润1746.2万元与期内利润819.5万元之间存在差异，这个差额来自调整项，两个口径不能互相替代，观察趋势时只能盯住其中一条线。需要一并说明的是，据券商研报口径，深演智能已实现三年持续盈利——盈利的持续性早于规模，说明它不是靠补贴换来的收入，但距离平台型的利润结构还很远。
第二处是收入结构上的差距。Palantir的收入以订阅为主；深演智能的收入中，智能体营销服务收入3.70051亿元，占92.9%，智能体产品收入2819.6万元，占7.1%。服务收入的确认更依赖人力交付，边际成本更高。服务占比越大，整体毛利率越容易被压住，收入的可预测性也越弱。这一点直接决定了它很难在现阶段被当作平台型公司来理解，收入结构如果没有变化，规模增长反而会加大交付压力。
第三处是复制半径上的差距。按2024年收入计，深演智能在中国营销和销售决策AI应用市场排名第一，市场份额2.6%。这个口径必须完整保留：它是营销和销售决策这一细分市场的位置，不是企业AI综合排名；2.6%这个数字本身也说明该市场仍然高度分散，领先者并未形成集中度优势。客户结构方面，据券商研报口径，深演智能累计服务468家终端客户，其中69家为《财富》世界500强企业。大客户结构既是优势也是约束——复杂场景更能训练出可用的决策系统，但收入节奏也会跟着大客户的预算周期走。
把三处差距摆在一起，可以看到一个不太舒服的结论：三处对应关系证明方向是对的，三处差距说明这条路径还处在早期。方向正确不构成结果，尤其在收入结构这一项上，7.1%和92.9%之间的比例关系不是靠一两个季度就能翻转的。
接下来看四个变量
这份中报给出了方向，但没有给出答案。往后跟踪，有四项指标可以持续观察，每一项上行与不上行，含义并不一样。
新增客户数量。上行说明产品仍在扩大可触达的客户面；不上行，说明增长越来越依赖存量客户扩单，天花板会更早出现。
多智能体采购客户比例，当前约30%。上行说明场景在客户内部持续横向扩散，飞轮的第二段和第三段开始咬合；不上行，说明扩单逻辑还停留在少数标杆案例上，尚不足以支撑整体增长质量。
智能体产品收入占比，当前7.1%。上行说明收入结构在向产品侧迁移，毛利率与可预测性都有改善空间；不上行，说明这仍是一家服务驱动的公司，规模越大交付压力越大。
毛利率与经营性现金流。本期毛利9775万元，同比增长30.3%，低于收入43.6%的增速，说明收入增长伴随成本结构变化。毛利率企稳回升意味着产品化和交付效率在改善；经营性现金流保持为正并持续，说明收入能收回来——利润是会计口径，现金流更接近真实经营质量。
券商研报对这家公司提出的跟踪重点可以并列参考：Production转化率、完整Job的扩张、跨客户复用效率。三项关注的其实是同一个问题——已经在标杆客户里验证过的能力，能不能稳定地复制到第二类客户身上。
结论：把"中国版Palantir"当框架，不当称号
回到文章开头的问题：深演智能为什么被对标Palantir。
答案不是两家公司像，而是两家公司的增长逻辑可以拆成同一组结构——统一语义层、前置交付、服务驱动订阅，再叠加客户内部的场景扩张。深演智能在这三段上都留下了痕迹，而且痕迹出现在同一份财报里：语义层对应它的商业语义网络与第一方数据底座，FDE对应"AI产品经理＋FDE"的交付方式，服务驱动订阅对应约30%的多智能体采购比例。
但"逻辑同构"和"成熟度相同"是两件事。Palantir已经转到飞轮的后半程，收入以订阅为主、利润率处在高位；深演智能仍在前半程，收入以服务为主，产品收入占比7.1%，规模化复制还在从标杆客户向同类客户外推。用同一套框架去理解它，比用"中国版Palantir"这个称号去概括它更准确——框架可以检验，称号不能。
检验的标准也不复杂：客户会不会重复采购，交付能不能复用，已经验证过的能力能不能被同一类客户接住。这三件事的答案不会出现在定位表述里，只会出现在后面几份财报的收入结构、订单结构和现金流里。
