Palantir Technologies 首席执行官 Alex Karp 近期将自家公司与 英伟达、美光 和 SK 海力士 归为一类，称它们是人工智能基础设施建设中唯一真正重要的四家公司。这一归类乍看之下有些出人意料：英伟达提供训练和运行 AI 模型的 GPU，美光和 SK 海力士主导着 高带宽内存 供应，而 Palantir 则处于更下游的软件层，负责将原始数据转化为可操作的情报。
将这四家业务迥异的公司联系在一起的，是一个共同的财务标尺——“40 法则”。该法则通过将公司的年营收增长率与营业利润率相加，来评估高增长科技企业是否在构建可持续的商业模式。当两者之和超过 40% 时，通常意味着增长与盈利相互强化，而非彼此消耗。
在整个 AI 革命进程中，Palantir 的“40 法则”得分呈指数级攀升。2025 年第一季度，该公司该得分为 83%；一年之后，这一数字飙升至 145%。这种改善源于两个相互加强的趋势：一方面，随着更多商业客户采用其 人工智能平台（AIP），Palantir 的营收正在加速增长；另一方面，公司能够将固定的研发和销售成本分摊到更大且持续增长的营收基础之上，推动营业利润率持续扩大。新增客户带来的增量收入所需额外成本相对较低，从而在销售增长的同时提升了盈利能力。这种良性循环正是“40 法则”试图捕捉的核心，而 Palantir 的持续进步证明了其在增长与盈利两条战线上同时取得了成功。
尽管处于 AI 产业链的不同位置，这四家公司共享两个驱动卓越“40 法则”表现的特质：一是与难以满足的 AI 需求直接挂钩的激增营收，二是将加速的销售转化为超额利润的显著运营杠杆。英伟达的营收因 GPU 成为超大规模数据中心 AI 训练与推理的默认引擎而爆发；美光和 SK 海力士则受益于 AI 工作负载对高带宽内存日益庞大的需求——没有足够的内存，再强大的 GPU 集群也会遭遇延迟问题。Palantir 的增长则源于企业和政府机构需要软件来整理用于喂养 AI 系统的孤立数据集，并将模型输出转化为运营决策。
运营杠杆放大了这一效应。每项业务都需要在研发、芯片制造或软件开发上进行大量前期资本投入，但一旦这些投资到位，新增营收便能以较高的增量利润率流入。英伟达可以在不成比例增加核心设计开支的情况下销售更多 GPU；内存厂商通过提升工厂利用率将固定成本分摊到更高的销售量上；而 Palantir 的软件模式则利用了 AIP 一旦集成后，获取新客户或在现有客户中扩展用例的边际成本极低的特点。最终，四家公司的结果殊途同归：营收增长与利润率同步上升，共同造就了即便在拥挤的 AI 赛道中也脱颖而出的“40 法则”得分。
从投资视角看，有分析认为英伟达在这四者中提供了最具吸引力的风险回报比。其远期市盈率相对于预期增长而言显得合理，且其业务横跨从芯片到网络设备及周边软件生态的整个 AI 计算层，这使其在 AI 资本支出加速时有多个增长抓手。相比之下，Palantir 的估值已计入了对商业业务持续加速的高预期，若增速放缓，安全边际有限；而美光和 SK 海力士虽然是关键的存储供应商，但在更广泛的 AI 芯片栈中角色相对单一，并不像英伟达那样掌控基础计算架构。不过，这四家公司均处于多年期 AI 基础设施建设的有利位置，它们共同具备的产生加速营收增长和扩大利润率的能力，使它们成为天然的互补者而非竞争替代品。