2026年的AI圈，有兩個截然相反的敘事在同時發生。

一邊，曾以極高增速擴張的Anthropic，增長斜率開始出現變化。

這家曾以驚人速度擴張的大模型公司，正在經歷增長曲線的微妙轉折。高基數之下，市場開始重新審視：模型能力持續躍遷之後，收入增長還能否長期維持此前的陡峭斜率？

另一邊，Palantir依然能打得不像話。

就在Anthropic增長斜率放緩的同時，它交出Q2財報，營收19.4億美元，按年增長93%；淨利潤10.7億美元，按年增長超過兩倍；GAAP淨利潤率高達55%。CEO卡普放話稱這樣的增長至少還能持續18個月。

這組反差真正值得討論的，不是誰跑得更快，而是AI商業化正在出現兩條不同的增長曲線：一條依賴模型能力和用戶規模快速擴張，另一條則依靠持續進入企業核心業務，把AI從「能力供給」變成「經營結果」。

在中國，這樣的兩種路徑也在上演。大模型公司在不停追趕、反超；但同時有公司在深入、在深耕。

後者更深，且同樣不見得更慢。例如同賽道的深演智能，上半年期內利潤按年增幅125.2%，營業利潤更是按年翻了四倍。

01

大模型增速降溫，決策AI為何成AI產業新核心賽道

2020年Palantir上市時，市場並不那麼看好。

五年後，故事完全反轉。

2025年一年，Palantir市值從1700億美元上漲至4200億美元。股價與市值的持續重估背後，市場對其「AI進入核心業務決策」的商業模式給予了更高定價。

2026年賽道熱度未減，深演智能在今年5月上市，短短三個月市值增長超十倍。

連OpenAI和Anthropic這兩個大模型領域的頭部玩家，都在今年5月各自聯合頭部私募設立獨立合資主體，通過擴充前線工程師和諮詢團隊補齊交付能力，試圖沿着與Palantir FDE相似的路徑深入企業核心業務。

純賣模型能力空間看似已經足夠大了，為什麼還想分一杯羹？

這至少說明一個趨勢：模型能力本身並不是商業化的終點。隨着AI從問答、生成走向企業核心流程，「決策」正在成為更接近業務價值兌現的一層。

相較於單純提供模型能力，決策AI至少呈現出三方面更貼近企業價值兌現的特徵。

第一，決策AI處於AI價值鏈的「最後一公里」。

整個AI產業鏈可以簡化成三層：

模型層。比如OpenAI、Anthropic、Google。競爭極其激烈，持續燒錢，且產品同質化在加速。

應用層。在模型之上形成Copilot、AI寫作、AI繪圖等工具，迭代快、覆蓋面廣，但多數產品首先解決的是效率問題，價值衡量往往仍停留在「省了多少時間」。

決策層。AI直接參與企業的核心經營環節，比如營銷預算怎麼分、庫存怎麼備、價格怎麼定、風險怎麼控。主要替企業做判斷。

決策層處在價值鏈的末端。模型再強，如果只停在問答和生成，就永遠離企業的錢袋子隔了一層。而決策AI恰恰卡在這個「最後一公里」的位置上。

越往價值鏈末端走，離客戶真正的預算越近。

第二個，企業更願意為「結果」付費，而不是為「能力」付費。

麥肯錫在2026年8月發布的文章中提出，AI最大的經濟收益很少僅僅來自節省人力，而更多來自更快的決策、更好的資產配置和抓住原本會錯過的機會。

企業買Copilot賬號，和買Office軟件差別不大，按人頭付費。但這筆預算在企業內部是被反覆審視的：員工到底用沒用？省了多少時間？省下來的時間創造什麼價值了？在編程以外的場景，這些問題會很難回答。

決策AI的邏輯完全不同。

企業內部預算審批有一條鐵律，直接影響營收、利潤、風險、成本的核心業務，才能拿到長期、常態化的預算。

決策AI更強調把技術能力映射到經營結果，其價值可以進一步錨定收入、利潤、風險或成本，並據此建立更清晰的ROI衡量框架。

深演智能還直接提出AI for Growth的發展思路，把重心放在拉動業務增長的營銷銷售賽道。相較於其他大部分場景，這類場景的業務效果更能被清晰量化。例如，在奢侈品牌復購場景中，深演智能通過Agentic營銷系統，分析品牌過往營銷活動表現，判斷每位消費者最合適的觸達時間、最合適的權益，以及最可能發生復購的時間窗口，通常可以帶來約30%到100%的實際復購率提升。

這意味着，決策AI爭取的不只是傳統「IT預算」，還可能進入業務部門乃至公司級經營預算。金融的風控、製造的供應鏈、零售的營銷與選品、政企的資源調度與風險排查，本質上都屬於高頻且高價值的決策場景。相較於單純的效率工具，其可觸達的預算池和價值空間更大。

第三，市場正處於拐點，技術紅利啱啱釋放。

更關鍵的是，這類需求並非單一行業的偶發現象，而是橫跨金融、製造、零售、政企等多個行業的共性需求。

Gartner在2025年AI技術成熟度曲線報告中，將決策智能列為「變革性」技術。2010年，雲計算被Gartner列為「變革性」技術；2023年，生成式AI同樣被列入這一等級。被列入當年，很多人對它們的商業價值和落地前景都曾存在質疑，但隨後幾年，兩者都用爆發式增長證明了判斷的前瞻性。

Palantir深耕市場23年，深演智能深耕市場17年，已經積累了前期積澱。疊加底層模型能力到了臨界點，成本曲線也大幅下移，決策AI的技術前提成熟。

大模型廠商開始補齊企業交付能力，本身也說明行業競爭正在從「模型能力」進一步向「業務落地能力」延伸。

但模型能力並不會自動轉化為企業級決策能力。對於大模型廠商而言，從提供標準化模型到深入企業核心流程，中間還隔着數據治理、業務語義、組織協同和持續交付等多重門檻；這也是企業服務最難規模化複製的部分。

也因此，Palantir、深演智能這類長期紮根企業場景的公司，真正值得研究的並不是「用了什麼模型」，而是它們如何把模型嵌入複雜業務系統。

為什麼？

02

大模型廠商擠不進來，決策AI的護城河到底在哪

答案不在模型層，而在模型碰不到的地方。

市場一直有個質疑，Palantir們是不是套了層大模型的殼。華爾街科技分析師Gil Luria近期直接反駁了這個說法，底層模型可以靈活替換，真正難以復刻的是沉澱多年的業務本體和客戶部署方法論。

這個決策AI不是下載一個大模型、接上企業數據就能跑起來的東西。

把Palantir和深演智能放在一起看，會發現一套高度統一且和通用AI公司完全不同的商業模式。

兩家公司的起點幾乎一樣，先啃最複雜的大型組織。Palantir大量傾斜資源到大客戶身上，深演智能400多家客戶裏有近70家世界500強，寶潔、雀巢、中國移動、華潤萬家都在其中。原因不只是大客戶付費能力強，而是越複雜的場景越能訓練出真正有用的決策AI。

大型組織內部多部門博弈、多約束權衡，背後牽扯的隱性規則和歷史慣例複雜得嚇人。真正有用的決策AI，必須在成千上萬個這樣的真實場景裏，反覆經歷做出判斷、執行、看結果、再修正的循環，才能把算法和業務經驗蒸餾出來。

這些土壤，只存在於大型組織裏。

有了複雜場景，只是擁有了訓練土壤，距離真正的決策AI，還需要語義認知底層建設。

BCG Platinion提出，大量企業AI Agent 項目止步試點，問題往往不在於模型推理能力不足，而在於普遍存在的語義負債。

技術負債是系統硬件、代碼、架構層面的拖累，而語義負債是企業所有業務口徑、隱性規則、部門定義、歷史慣例沒有統一標準，只存在老員工的腦子裏。通用AI可以補技術負債，卻應付不了語義負債。

Palantir與深演智能都通過FDE前線部署工程師駐場，把客戶分散在各個系統的數據、隱性業務規則梳理。Palantir將其梳理為統一的業務本體Ontology，打通跨部門業務對象的關聯，支撐跨域資源調度。深演智能則面向營銷經營場景搭建商業語義網絡，打通投放、用戶、交易多源異構數據，為全域決策輸出打下底座。

這也是通用大模型廠商永遠的短板。模型廠商追求標準化、輕量化、API 化交付，厭惡定製梳理。

在交付形式上，二者交付的是由算法、數據和場景共同組成的一整套決策系統，能跑通完整的「決策‑執行‑反饋‑迭代」業務閉環，而不是簡單操作工具。

以深演智能為例，Agentic Software把智能體能力內嵌進企業自身工作流，由客戶內部團隊持續運行；Agentic Marketing Services則以同一套Agentic Software能力驅動外包服務，直接面向營銷目標交付結果。兩者並非彼此獨立，而是共享DeepAgent 4.0 Pro技術底座，以不同交付形態承接客戶的不同需求。

目前公司已經形成超過25個垂直AI智能體的產品矩陣，覆蓋產品創新、GTM、Social營銷、廣告投放、銷售與客服、用戶運營、用戶洞察等核心業務環節。

底層基座模型可以隨時替換，但在業務循環當中沉澱下來的取捨邏輯、場景策略資產很難遷移，客戶使用越久，替換成本越高。

03

利潤增速跑贏收入三倍，決策AI的增長邏輯是什麼

如果前述商業模式成立，它最終應該在財務報表上留下痕跡：收入增長之外，隨着客戶滲透加深和前期能力複用，利潤增速有機會快於收入增速。

深演智能2026年上半年的中報就是典型樣本。營收3.98億元，按年增長43.6%，期內利潤819.5萬元，按年增長125.2%，營業利潤更是按年暴漲402.2%，利潤增速是收入增速的近三倍。

從深演智能當前的經營數據看，這種利潤彈性可以拆成兩層邏輯。

第一層在收入端，存量客戶的持續滲透。普通AI工具的增長高度依賴不斷挖新客戶，拿下一單就結束一個場景。決策AI不一樣，它切入大型企業後，先完成底層數據治理、商業語義對齊和業務規則適配，之後業務會順着企業經營鏈條，從一個場景自然滲透到更多環節。

深演智能創始人黃曉南提出的雙100戰略，說的就是這件事。一端是客戶規模擴百倍，另一端是單客戶產品數擴百倍。分部業務數據已經在驗證這個邏輯。

報告期，智能體營銷服務實現收入3.70億元，按年增長42.9%；智能體軟件收入2819.6萬元，按年增速達到52.9%，增長跑贏整體營收規模。

儘管當前智能體營銷服務與智能體軟件的收入體量存在明顯差距，但這更大程度上反映的是企業採用AI的階段和交付方式差異。Gartner預計，到2028年，33%的企業軟件應用將集成Agentic AI，較2024年的不足1%顯著提升；與此同時，從Palantir到OpenAI、Anthropic，FDE式前線部署正在成為AI深入企業核心工作流的重要交付方式。隨着企業內部AI能力建設加深，更多客戶從「購買結果」走向「把AI能力沉澱在內部」，Agentic Software有望在低基數上繼續保持更快增長。

上半年，公司智能體產品及服務新簽訂單按年增幅超300%，30%的智能體新客戶會一次性採購多款智能體，部分大型企業直接部署十餘個產品。從單個智能體到多智能體協同，從單一業務場景到全經營鏈路，單客戶的收入天花板被不斷抬升。

來源：深演智能公衆號

第二層在成本端，前期沉澱的可複用性帶來經營槓桿。決策AI很難像標準軟件一樣開箱即用，前期需要投入研發、產品和業務團隊去理解複雜的業務流程，完成數據、語義和業務規則的適配，項目前期成本不低。但一旦第一個場景跑通，已經打通的客戶關係、搭建完成的商業語義網絡、DeepAgent底層技術底座，都可以直接複用來支撐新的決策場景。同一個客戶從部署第一個智能體到第二個、第三個，不需要重複付出完整的獲客成本，語義層和智能體微調一下就能反覆複用。複用得越多，增長的槓桿就越大。

這兩層邏輯疊加，直接反映在中報的費用結構裏。營收按年增長43.6%，但銷售及營銷開支僅增長9.9%至2526.7萬元，人均產出突破120萬元。研發投入3367.8萬元，按年增長44.3%，和營收增速基本持平，資金主要投向智能體技術迭代。也就是說，公司還在持續加碼技術，但規模效應已經開始攤薄銷售和後台管理成本，最終傳導到利潤端，營業利潤按年增長402.2%。

Palantir的財務表現提供了一個海外參照：當高價值客戶持續擴張、產品深入更多業務環節後，經營槓桿可能顯著釋放。深演智能仍處在更早階段，但2026年中報已經出現相似的早期信號——收入保持較快增長的同時，銷售費用增速明顯低於收入增速，利潤彈性開始顯現。

04

結語

2026年夏天，AI行業的增長邏輯正在分化。

有時候，深度纔是加速度。

其實Palantir已穿越過一次這樣的周期。

SaaS最熱的時候，它因為不按席位收費、不做標準化產品、堅持工程師駐場，被資本市場當成異類。後來的事大家都知道了。

太陽底下無新鮮事。

模型決定AI能力的上限，而真正決定商業價值能否持續兌現的，越來越可能是企業場景裏的深度。（全文完）