매출 +85%, 영업이익률 46%, 적정주가

1.1. 핵심 기술: Ontology

팔란티어의 핵심은 AI가 아닙니다. Ontology입니다.

이게 무슨 뜻인지, 자동차 기업 사례로 보겠습니다.

하고 싶었던 것

고객 불만이 들어옵니다. "브레이크에서 이상한 소리가 나요." 처음엔 1건. 한 달 뒤 200건. 회사가 원하는 건 하나입니다:

이걸 하려면 이런 질문에 답해야 합니다: 불만 차량들의 브레이크 부품이 어느 공장에서, 어떤 배치로 만들어졌나? 그 배치의 원자재는 어디서 왔나? 같은 배치 부품이 들어간 다른 차량은 몇 대인가?

문제: 데이터는 있는데 흩어져 있다

필요한 정보는 전부 회사 안에 있습니다. 문제는 각각 다른 시스템에, 다른 이름으로 존재한다는 것입니다.

같은 브레이크 패드인데 시스템마다 이름이 다릅니다. 시스템끼리 연결도 안 되어 있습니다. 담당자가 5개 시스템에 각각 로그인해서 수동으로 교차 대조하면 2~4주가 걸립니다. 그 사이 결함 차량은 계속 도로 위를 달립니다.

Ontology가 해결하는 방식

Ontology는 이 모든 시스템의 데이터를 하나의 연결 지도로 만듭니다. 모든 데이터에 "이건 뭐다"라는 의미를 붙이고, "이것과 저것은 연결되어 있다"는 관계를 만들어줍니다.

"이 불만 차량의 브레이크 부품은 어디서 왔고, 같은 배치가 들어간 차량은 몇 대야?" 이제 몇 초면 답이 나옵니다. 2주가 아니라.

누가 이 지도를 만드는가?

팔란티어에는 FDE(Forward Deployed Engineer, 현장 파견 엔지니어)라는 직군이 있습니다. 이 엔지니어들이 고객사에 수개월~수년간 상주하면서, 사내 시스템을 전수 조사하고 데이터 간 연결 관계를 수작업으로 구축합니다.

이것이 팔란티어가 오랫동안 적자였던 이유입니다. 고객 하나당 엔지니어를 여러 명 붙여야 했으니까요. 하지만 동시에, 고객사 내부에 수년간 쌓인 이 지도는 경쟁자가 복제할 수 없는 자산이기도 합니다.

여기에 AI 에이전트가 등장했습니다

Ontology만으로도 강력했지만, 한계가 있었습니다. 쿼리 문법을 아는 전문 분석가만 쓸 수 있었으니까요. 2023년, 팔란티어가 AIP(AI Platform)를 출시하면서 이 한계가 사라졌습니다.

여기서 말하는 AI는 단순 챗봇이 아닙니다. 데이터를 이해하고, 추론하고, 행동까지 실행하는 AI 에이전트입니다. Ontology라는 지도 위에서 작동하는 에이전트가 세 가지를 바꿔놓았습니다.

사용자가 수십 명에서 수천 명으로 늘어난 것. 이것이 팔란티어의 미국 상업 매출이 +109% 폭발한 배경입니다.

반대로: AI 에이전트만 있고 Ontology가 없으면?

ChatGPT 같은 AI 에이전트를 자동차 회사에 그냥 도입하면 어떻게 될까요?

1.2. 핵심 제품: 이 기술로 뭘 만들어?

1.1에서 Ontology라는 핵심 기술을 봤습니다. 팔란티어는 이 기술을 기반으로 하나의 통합 플랫폼을 만들었고, 이 플랫폼을 고객 환경에 맞게 확장합니다.

맛집으로 비유하면: 중앙 주방에서 사골을 끓이고(Ontology), 같은 사골로 순대국도 만들고, 설렁탕도 만들고, 군용 전투식량도 만듭니다. 주방과 재료 관리 체계는 하나, 메뉴는 여러 개입니다.

핵심 플랫폼: Foundry + AIP

팔란티어의 공식 아키텍처는 세 플랫폼의 통합입니다:

1.1의 자동차 기업 사례를 떠올려보면: 5개 시스템의 데이터를 연결한 것이 Foundry이고, "브레이크 불만 원인 찾아줘"라고 말할 수 있게 해준 것이 AIP입니다. 이 둘이 합쳐져서 팔란티어가 말하는 "Enterprise Operating System(기업 운영 체제)"을 구성합니다.

국방에 적용하면: Gotham

같은 핵심 플랫폼을 군사 환경에 맞게 확장한 것이 Gotham입니다. Foundry가 관리하는 Ontology를 공유하면서, 군사 작전에 특화된 기능(표적 추적, 작전 계획, 센서 융합)을 추가한 전문 제품입니다.

기업에 적용하면: Foundry 사례

AIP가 바꾼 것

2023년 이전에는 Foundry/Gotham의 Ontology를 쿼리 문법을 아는 전문가만 사용할 수 있었습니다. AIP는 Foundry와 대등한 플랫폼으로, 이 Ontology에 자연어 인터페이스를 추가했습니다.

제품이 바뀐 게 아닙니다. 같은 제품을 쓸 수 있는 사람의 수가 바뀐 겁니다. 고객사당 사용자가 수십 명(전문가)에서 수천 명(모든 직원)으로 늘었고, 이것이 매출 폭발의 직접 원인입니다. → 2.1 "매출은 계속 늘고 있어?"에서 이어집니다.

제품 구조

팔란티어는 이 구조를 "Enterprise Operating System"이라고 부릅니다.

1.3. 해자: 기술은 따라올 수 있다. 해자는 통합 + 축적 + 시간이다.

Ontology의 개별 구성요소(Object=Table, Link=Foreign Key)는 단순합니다. 비판자(Vonng)의 지적처럼 PostgreSQL로 기본 구현이 가능합니다. 그런데 "시맨틱 모델 + 비즈니스 로직 + 실행(Action) + 거버넌스 + 에어갭 배포"를 하나의 통합 시스템으로 가진 경쟁사는 2026년 현재 0개입니다.

경쟁 구도: 레이어가 다르다

해자 4종류

2.1. 매출은 계속 늘고 있어?

기업이 커지면 성장이 느려지는 게 정상입니다. 매출이 $1B을 넘으면 +30%만 유지해도 잘 하는 겁니다. 그런데 팔란티어는 $2B → $3B → $4.5B으로 가면서 성장률이 17% → 29% → 56%로 올라갔습니다. 이건 정상이 아닙니다. 좋은 의미에서.

얼마나 빨리 늘고 있어?

보통 회사는 커질수록 성장이 느려집니다. 팔란티어는 반대입니다. 같은 업종 기업들과 비교하면 이 패턴이 얼마나 이례적인지 한눈에 보입니다.

어디서 늘고 있어?

전체 매출이 +56% 뛴 건 알겠는데, 모든 영역이 고르게 큰 걸까요? 아닙니다. 보라색(미국 상업)이 폭발하고 있습니다.

맛집으로 비유하면: 본점(미국 정부)은 단골이 꾸준히 오고, 2호점(미국 상업)은 2년 만에 3배로 커져서 본점을 위협하고 있는 상황. 해외 지점은 아직 초기입니다.

왜 이렇게 빨리 늘어?

이 속도가 우연이 아니라 구조적인 이유가 있습니다. 두 개의 엔진이 동시에 돌아갑니다.

엔진 A: 기존 고객이 더 많이 쓴다

처음엔 한 부서에서 시험삼아 써봅니다. 효과가 나오면 옆 부서가 "우리도 쓰자"고 합니다. 6개월 뒤에는 본부 전체가 쓰고, 1년 뒤에는 CEO가 "전사 도입"을 결정합니다. 이 과정에서 고객은 바뀌지 않았는데, 지출은 39% 늘어납니다.

왜 이런 확장이 가능할까요? 1장에서 본 Ontology가 답입니다. 한 부서에서 만든 데이터 연결이 다른 부서에도 가치를 주니까, 확장할수록 효과가 커집니다.

엔진 B: 새 고객이 빨리 들어온다

1장에서 AIP가 사용자를 수십 명에서 수천 명으로 늘렸다고 했습니다. 같은 효과가 세일즈에서도 일어났습니다. 기존 6~12개월 걸리던 도입 결정이 며칠로 단축되었습니다.

AIP가 세일즈를 어떻게 바꿨는지는 → 4.6 "성장 엔진은 뭐야?"에서 이어집니다.

실제로 고객 497 → 954명(+34%), $10M+ 대형 딜 21 → 61건(+91%), 잔여 계약 $11.2B(+105%). 두 엔진이 작동하고 있다는 숫자입니다. (Q4 2025 Earnings)

2.2. 남는 게 있어?

매출이 폭발하는 건 2.1에서 확인했습니다. 하지만 맛은 미쳤는데 망한 맛집이 있습니다. 원가 관리 실패, 무리한 확장, 직원 급여 폭탄. 매출이 아무리 많아도 남는 게 없으면 소용없습니다.

재료비 빼면 얼마 남아?

매출에서 직접 원가(서버, 엔지니어 인건비 등)를 빼면 매출총이익이 나옵니다. 맛집으로 치면 "재료비 빼고 남는 돈"입니다.

팔란티어의 GM 82%는 Snowflake(67%)나 C3.ai(61%)보다 높습니다. FDE(현장 엔지니어)를 고객사에 파견하는 인력 집약적 모델임에도 이 수준이라는 건, 플랫폼 자체의 원가 효율이 뛰어나다는 뜻입니다.

다 빼면 얼마 남아?

원가뿐 아니라 인건비·마케팅비·관리비까지 다 빼면 영업이익입니다. 맛집으로 치면 "임대료, 인건비, 광고비 전부 빼고 진짜 남는 돈"입니다. 팔란티어는 3년 만에 이 수치가 6배 뛰었습니다.

적자 기업이 대부분인 업종에서, 31.6%는 압도적입니다.

2.3. 번 돈을 효율적으로 쓰고 있어?

맛집 2호점을 내는 데 1억을 투자했다면, 연 수익이 얼마나 나와야 효율적일까요? ROIC(투하자본수익률)는 이 질문에 답하는 지표입니다. 투자한 돈 대비 벌어들이는 수익의 비율이죠.

경쟁사는 아직 GAAP 적자라서 ROIC 측정 자체가 불가능합니다. 팔란티어는 빚 없이 자기 돈만으로 S&P 500 평균(18%)을 크게 넘는 27%를 달성합니다. 많은 기업이 빚(레버리지)을 써서 수익률을 부풀리는 것과 비교하면, 팔란티어의 수익 효율은 진짜입니다.

2.4. 빚은 많아?

맛집이 은행 대출을 많이 받았다면, 매출이 줄어도 이자는 내야 합니다. 불황이 오면 빚 많은 가게부터 문을 닫습니다. 부채비율은 이 위험을 측정하는 지표입니다.

팔란티어와 C3.ai는 모두 부채 $0이지만, 보유 현금에서 10배 차이($7.2B vs $743M)가 납니다. Snowflake는 전환사채 $2.3B을 발행했고 부채비율이 89%입니다. 팔란티어는 빚 없이 가장 많은 현금을 보유한, 재무적으로 가장 안전한 기업입니다.

2.5. 현금은 넉넉해?

회계장부에 이익이 찍혀도, 실제로 통장에 돈이 없으면 직원 급여도 못 줍니다. FCF(잉여현금흐름, Free Cash Flow)는 회계 장부가 아니라 실제로 통장에 꽂힌 돈입니다. 맛집으로 치면 "장부상 이익 말고, 월말에 통장 잔고가 얼마 늘었나"입니다.

통장에 실제로 얼마 들어와?

3년 내내 초록색(FCF)이 파란색(순이익)보다 깁니다. 회계상 이익보다 실제 현금이 더 많이 들어온다는 뜻입니다. 반대 경우(순이익은 많은데 현금이 없는 기업)는 이익의 품질이 나쁘다는 경고 신호입니다.

쌓인 현금은 얼마야?

동종 기업과 비교하면?

매출의 거의 절반(47%)이 현금으로 남습니다. Snowflake(24%)의 2배, C3.ai는 아직 현금 유출 상태입니다. 부채 $0 + 현금 $7.2B + FCF $2.1B/년. 불황이 와서 매출이 반으로 줄어도 이 회사가 문 닫을 일은 없습니다.

2.6. 주주환원: SBC 논쟁과 CEO 매도

직원 급여를 어떻게 줘?

경영진의 태도를 판단하려면, 직원에게 어떻게 보상하는지도 봐야 합니다. 팔란티어는 직원에게 현금 대신 주식을 줍니다. 이걸 SBC(Stock-Based Compensation, 주식보상비용)라고 합니다. 연간 $684M(약 9,500억 원)어치.

SBC에는 비용 말고 또 하나의 얼굴이 있습니다. 바로 지분 희석입니다. 직원에게 주식을 줄 때마다 전체 주식 수가 늘어나고, 기존 주주의 몫은 줄어듭니다. 팔란티어는 매년 주식 수가 4~5% 늘고 있고, 연간 SBC 규모는 $684M입니다. 현금이 안 나가서 괜찮아 보이지만, 당신의 지분 비중은 매년 줄어들고 있습니다.

이 관점 차이가 5장(밸류에이션)에서 적정가를 갈라놓습니다.

SBC는 줄어들고 있어?

SBC가 문제라는 건 알겠는데, 나아지고 있는가? 매출 대비 SBC 비중을 보면 답이 나옵니다.

FY2024까지는 인력 확충으로 SBC가 오히려 악화되었지만, FY2025에 매출이 +56% 폭발하면서 비중이 15.3%로 급감했습니다. 동종 기업(Snowflake 43%, C3.ai 59%)과 비교하면 이미 업계 최저 수준입니다.

근데 왜 주식을 팔아?

실적도 잘 내고, SBC도 개선되고 있는데, 한 가지 신경 쓰이는 점이 있습니다.

CEO Alex Karp는 2024년에 3,800만 주를 매도하여 약 $1.88B를 현금화했고, 2025~2026년에도 매도를 계속하고 있습니다. 이 매도는 10b5-1이라는 사전 계획 매도 제도에 따른 것입니다. 내부자가 미리 매도 일정을 설정해두는 방식이라, 내부 정보 이용 의혹을 피하기 위한 장치입니다. (Fortune)

테크 CEO의 대규모 매도 자체는 드문 일이 아닙니다. 자산의 대부분이 자사 주식에 묶여 있으면 포트폴리오 분산 차원에서 파는 게 합리적입니다. 하지만 "전체의 몇 %를 팔았는가"를 보면 Karp의 매도 규모가 얼마나 큰지 드러납니다.

Karp의 매도 비중(67%)은 동종 업계 최상위입니다. 그런데 이렇게 팔아도 경영권에 문제가 없습니다. 팔란티어는 차등의결권(Dual-Class) 구조를 사용하기 때문입니다. 일반 주식(Class A)은 1주 = 1표이지만, 창업자가 보유한 Class F 주식은 훨씬 많은 의결권을 가집니다. 창업자 3인(Karp, Thiel, Cohen)이 전체 의결권의 과반을 보유하고 있어서, 일반 주식을 전부 팔아도 경영 지배력은 유지됩니다. 이것이 Karp가 적극적으로 매도할 수 있는 구조적 이유입니다.

사전 계획(10b5-1)에 의한 것이고, SBC로 받은 주식을 현금화하는 것이라는 해석도 가능하지만, 판 게 남은 것보다 많은 CEO를 어떻게 볼 것인지는 투자자 각자의 판단입니다.

2.7. 위험 신호는 없어?

장부상 숫자는 압도적입니다. 하지만 맛집 인수 전에 위생 점수, 주변 민원, 법적 분쟁을 점검하듯, 숫자에 안 잡히는 위험도 확인해야 합니다.

출처: The Intercept, 상원 재무위 서한

출처: ITEP, Truthout

출처: Business & Human Rights, PassBlue (UN 분석)

출처: TechCrunch, RevenueMemo

3.1. 의사결정 구조: 카프 1인 체제

카프는 기술 교육을 받은 적이 없습니다. 코딩을 할 줄 모르고, 운전도 못 합니다. 대신 프랑크푸르트 대학에서 "공격성이 사회를 어떻게 통합하는가"를 연구하며 사회철학 박사 학위를 받았습니다.

2025년 「The Technological Republic」 출간으로 세계관 320쪽 공개. 한 문장으로 줄이면: "실리콘밸리, 정신 차려. 사진 앱 만드는 동안 중국은 AI 무기를 만들고 있다."

이 세계관이 모든 사업적 의사결정을 관통합니다. "실리콘밸리가 국방을 거부한다" → 경쟁 진공의 독점. "서구 편에 선다" → 적대국 거래 거부. "AI 무기는 만들어진다" → 우크라이나/이스라엘 실전 배치.

Class F 차등의결권으로 카프, Thiel, Cohen 3인이 의결권 과반을 보유합니다. 카프가 일반 주식을 67% 팔아도 경영 지배력은 유지됩니다. 이 구조가 카프의 장기 비전을 보호하는 동시에, 외부 견제를 무력화하는 양날의 검입니다.

3.2. 실행 문화: 적자 17년을 버틴 확신

2003~2020년 17년 연속 적자. 이 기간 동안 고객 하나당 FDE(Forward Deployed Engineer, 현장 파견 엔지니어)를 파견하며 Ontology를 쌓았습니다. 고객당 비용이 수익을 초과하는 구조. 단기 이익 포기 + 장기 확신이 오늘의 해자를 만든 문화입니다.

레시피는 따라할 수 있지만, 10년간 이 고객사 안에서 쌓은 데이터 연결 지도는 하루아침에 복제할 수 없습니다. 이것이 1장에서 본 전환비용 해자의 문화적 기반입니다.

2023년 AIP 출시 후 FDE 의존을 탈피하는 새로운 실행 문화가 시작되었습니다. 기존 6~12개월 걸리던 도입 의사결정을 5일 체험(Bootcamp)으로 단축. 누적 1,300회+, 전환율 75%. 이것은 "축적의 문화"에서 "확장의 문화"로의 전환입니다. 단, Bootcamp가 5일 안에 가치를 증명할 수 있는 이유 자체가 Ontology가 이미 쌓여 있기 때문이므로, FDE 문화가 사라진 것이 아니라 그 위에 새 레이어가 올라간 것입니다.

약속은 지킨다

3.3. 인재와 보상: 4,430명 정예

직원 4,430명으로 매출 $4.5B. 1인당 매출 $1.01M은 소프트웨어 업계 최상위입니다.

SBC(주식보상비용) 중심 보상 구조: 연간 $684M. 보상의 무게중심이 현금이 아니라 주식에 있습니다. 장점은 직원 인센티브가 주가와 정렬되어 장기 헌신을 유도한다는 것. 단점은 매년 주식 수가 4~5% 늘어나 기존 주주의 몫이 희석된다는 것. 이 구조가 인재를 어떻게 묶어두는지가 보상의 핵심입니다. SBC를 비용으로 볼 것이냐의 논쟁과 매출 대비 비중 추이는 2.6 주주환원에서 다뤘습니다.

3.4. 거버넌스: 양날의 검

Class F 구조

이사회와 보상

이사 7명 중 비독립 3명(Karp CEO, Thiel 의장, Cohen 공동창업자) + 독립 이사 4명. 감사위원회는 독립 이사 3인으로 구성.

3.5. 키맨 리스크: 카프 없이 팔란티어는 유지되는가

카프의 철학이 "진보주의자가 국방 기업을 운영한다"는 모순을 견디는 내부 구조물입니다. 이 구조물 없이 모순이 노출되면, 회사의 정체성 내러티브가 흔들릴 수 있습니다.

정치적 포지셔닝: 양날의 검

키맨 리스크 판정

4.1. Agentic AI: 기업이 AI 에이전트에게 일을 맡기는 세상

회사에 신입사원이 들어왔다고 생각해 보세요. 이 사원은 머리가 아주 좋습니다. 하지만 회사 시스템에 접근 권한이 없고, 사내 용어를 모르고, 업무 프로세스를 모릅니다. 아무리 똑똑해도 혼자서는 아무 일도 할 수 없습니다.

ChatGPT 같은 LLM(대형 언어 모델)이 바로 이 신입사원입니다. 뛰어난 두뇌를 가졌지만, 기업의 데이터와 시스템에 연결되지 않으면 쓸모가 제한적입니다.

이것이 팔란티어가 말하는 "Agentic AI"의 핵심입니다. LLM 단독이 아니라, Ontology라는 몸에 LLM이라는 두뇌를 결합해서, AI가 실제로 기업 안에서 일을 할 수 있게 만드는 것.

예측에서 실행으로

지금까지 대부분의 기업 AI는 "예측"에 머물렀습니다. "이 고객은 이탈할 확률이 73%입니다"라고 알려주면, 사람이 판단하고 사람이 조치합니다.

Agentic AI는 다릅니다. AI가 이탈 확률을 감지하면, 자율적으로 할인 쿠폰을 발행하거나, 담당자에게 알림을 보내거나, 리텐션 캠페인을 실행합니다. 물류 회사의 AI 에이전트가 폭풍 예보를 감지하면, 사람이 개입하기 전에 배송 경로를 자동으로 재설정합니다.

이미 실전에서 작동하고 있다

주목할 점은 AIG 사례입니다. 에이전트 하나가 모든 걸 하는 게 아닙니다. 보험 심사 전문 에이전트, 클레임 처리 에이전트, 리스크 평가 에이전트가 각자 역할을 맡고, Ontology가 이들을 조율합니다. 팔란티어는 이것을 "멀티 에이전틱 오케스트레이션"이라고 부릅니다.

왜 경쟁사가 따라하기 어려운가

Q1 2026 기준, OSDK(Ontology 기반 개발 키트) 위에 구축된 애플리케이션들이 주당 10억 건 이상의 API 호출을 처리 중 (Q4 2025 어닝콜, Shyam Sankar)

4.2. Defense AI: 전쟁이 소프트웨어로 결정되는 세상

2026년 3월 이란 작전. 펜타곤 AI 수장은 이렇게 표현했습니다: "AI에 대한 갈증이 끝이 없었다(insatiable appetite for AI)." CTO Sankar는 블룸버그TV에서 이 작전을 "AI가 중심 역할을 한 첫 번째 대규모 분쟁"이라고 불렀습니다.

그 중심에 있던 시스템이 팔란티어의 Maven Smart System입니다. 20명이 Maven으로 2,000명이 하던 타겟팅 작업을 수행했습니다.

킬체인을 소프트웨어로 연결한다

군사 용어로 "킬체인"이란 적을 찾고(Find), 식별하고(Fix), 추적하고(Track), 타격하는(Target-Engage) 전체 과정입니다. 전통적으로 이 각 단계는 서로 다른 시스템, 서로 다른 부대가 담당했습니다.

팔란티어는 이 킬체인 전체를 하나의 소프트웨어 플랫폼으로 연결하고 있습니다.

계약 규모가 말해주는 것

Golden Dome $185B은 전체 프로젝트 규모이며, 팔란티어+Anduril이 소프트웨어 핵심("nervous system")을 공동 개발합니다. 팔란티어 단독 배분액은 미공개이나, Rosenblatt은 Phase 1에서만 "수십억 달러"를 추정합니다.

숫자 하나하나보다 중요한 건 구조입니다. 팔란티어는 2024년 12월 시가총액에서 RTX(레이시온)를 추월했습니다. 소프트웨어 회사가 전통 방산 대기업을 넘어선 것은 역사상 처음입니다. 방산 분석가들은 이 현상을 "네오프라임(neo-prime)의 부상"이라고 부릅니다.

Warp Speed: 전장을 넘어 공장으로

Warp Speed는 방산에서 시작했지만, 범위가 넓어지고 있습니다.

Panasonic Energy가 눈에 띕니다. 배터리 제조는 군사와 무관합니다. Warp Speed의 본질이 "방산 플랫폼"이 아니라 "제조 운영체제(Manufacturing OS)"라는 뜻입니다. 기존 ERP(SAP, Oracle)가 "소프트웨어에 맞춰 업무를 바꾸라"고 요구하는 반면, Warp Speed는 Ontology로 기존 시스템을 통합합니다. 1장에서 본 Ontology의 힘이 공장에서도 작동하는 것입니다.

4.3. Sovereign AI: 모든 국가가 자체 AI를 소유하는 세상

석유가 20세기 국력의 핵심이었다면, AI는 21세기 국력의 핵심이 될 것입니다. 문제는 AI 인프라를 제대로 갖춘 나라가 거의 없다는 것입니다. 대부분의 국가는 미국 빅테크의 클라우드에 AI를 의존하고 있습니다.

팔란티어는 이 문제를 기회로 봅니다.

시장은 얼마나 클 수 있나

McKinsey는 Sovereign AI 관련 지출이 2025년 약 $150B에서 2030년 최대 $600B에 이를 것으로 추정합니다. 전체 AI 지출의 30~40%가 데이터 주권 요건의 영향을 받는다는 분석입니다.

이미 움직이고 있는 국가들

영국이 가장 적극적입니다. 국방부(MoD)만 £10억에 가까운 계약을 체결했고, 정부 전체로는 10개 부처 이상에서 최소 34개 계약이 확인됩니다.

FedStart: 정부 앱 마켓플레이스

Sovereign AI가 "국가에 AI 인프라를 제공하는 것"이라면, FedStart는 "그 인프라 위에서 돌아가는 앱 생태계를 만드는 것"입니다.

미국 정부에 소프트웨어를 납품하려면 FedRAMP 인증을 받아야 하는데, 이 과정에 보통 수년이 걸립니다. FedStart는 팔란티어의 이미 인증된 환경에서 소프트웨어를 실행하게 해줍니다. 인증 기간이 수년에서 4개월로 줄어듭니다.

확인된 FedStart 파트너: Anthropic, Google Cloud, Unstructured, Accenture Federal Services. 팔란티어 추산에 따르면, 미국 정부는 연간 소프트웨어에 약 $1,000억을 지출하고 있으며, 팔란티어의 현재 침투율은 2% 미만입니다. (palantir.com/fedstart)

4.4. Everywhere AI: AI가 어디서든 작동하는 세상

지금까지 본 세 가지 비전, Agentic AI, Defense AI, Sovereign AI. 이 모두를 가능하게 하는 보이지 않는 인프라가 있습니다.

AI를 기업 사무실에서 돌리는 건 쉽습니다. 인터넷이 있고, 클라우드가 있고, 데이터센터가 가까우니까요. 그런데 전장에서는요? 적이 통신을 차단한 전투 차량 안에서는? 인터넷이 닿지 않는 위성 궤도에서는?

팔란티어의 Apollo는 이 문제를 풉니다.

경쟁자가 없는 이유

마지막 세 줄이 핵심입니다. 에어갭, 엣지, 위성까지 배포할 수 있는 소프트웨어 배포 플랫폼은 현재 Apollo뿐입니다. 이것이 왜 중요하냐면, Defense AI(4.2절)와 Sovereign AI(4.3절)가 작동하려면 "인터넷 없는 곳에서도 돌아가는 AI"가 필수이기 때문입니다.

이미 작동하고 있는 곳들

전장: TITAN 시스템은 에어갭 환경에서 위성·드론·신호정보를 실시간 융합합니다. 적이 통신을 차단해도 AI가 로컬에서 독립 작동합니다.

위성 궤도: 2022년 Satellogic의 NewSat 위성에 팔란티어 Edge AI를 탑재하여 발사했습니다. 궤도에서 직접 이미지를 분석하고, 건물 210개를 자동 탐지했습니다. 소프트웨어 업데이트를 위성에 7분 만에 업링크할 수 있습니다.

산업 현장: 2025년 Qualcomm과 파트너십을 맺어 Dragonwing 프로세서에 "Embedded Ontology"를 탑재했습니다. 공장의 IoT 장비에서 인터넷 연결 없이도 AI가 작동합니다. 연결이 복구되면 Apollo가 자동으로 데이터를 동기화합니다.

Embedded Ontology는 Foundry Ontology의 경량화 버전으로, 엣지 디바이스에 직접 탑재됩니다. 오프라인 상태에서도 AI 추론과 의사결정 데이터 캡처가 계속되며, 재연결 시 Apollo의 Object Peering이 자동 동기화를 처리합니다. (palantir.com/offerings/edge-ai)

4.5. 시장은 커지고 있어?

맛집을 인수할 때, "음식이 맛있는가"만큼 중요한 질문이 있습니다. "이 동네에 사람이 계속 늘고 있는가?" 아무리 맛있어도 동네 인구가 줄면 매출은 떨어집니다. 반대로 동네가 성장하면, 보통 맛집도 함께 큽니다.

TAM이 아니라 SAM이 핵심

전체 Enterprise AI 시장(TAM) $230B에서 팔란티어 매출 $4.5B은 2%에 불과합니다. 하지만 이 숫자는 오해를 만듭니다. TAM에는 BI 도구(Tableau), ML 훈련(SageMaker), 데이터 엔지니어링(Spark) 등 팔란티어가 경쟁하지 않는 영역이 포함되어 있기 때문입니다.

팔란티어가 실제로 경쟁하는 시장(SAM)은 3개 레이어로 구성됩니다.

SAM $27B에서 팔란티어 매출 $4.5B이면, SAM 기준 점유율은 17%입니다. TAM 기준 2%와 전혀 다른 그림이 나옵니다.

이미 1위, 그것도 독점에 가깝다

AI를 실제로 스케일 배포한 기업은 전체의 ~33%입니다. 배포한 기업만 놓고 보면, 팔란티어는 채택 시장의 ~50%를 점유하고 있습니다(범위 42~83%).

이 구조는 Google 검색 초기와 같습니다. 경쟁은 "다른 검색엔진"이 아니라 "검색을 안 하는 사람"이었습니다. 나머지 SAM은 "경쟁사 점유"가 아니라 "미채택(수동 프로세스, 자체 구축, 미도입)"입니다. 채택률이 올라가면 점유율이 자동으로 올라가는 구조입니다.

현재 대기업의 AI 스케일 배포율은 약 33%입니다. 2028년에는 70%+를 넘을 것으로 전망됩니다. AI는 S-커브에서 가장 가파르게 올라가는 구간에 진입하고 있습니다.

매출 성장의 구조: SAM 성장 + 점유율 확대

점유율이 17%에서 32%로 확대되면서 매출 성장률은 SAM CAGR(26%)을 크게 상회합니다. 그러나 점유율 확대가 둔화될수록 성장률은 SAM CAGR에 수렴합니다. 상세 계산(세그먼트별 분해, 교차검증)은 5장의 밸류에이션 딥다이브에서 다룹니다.

4.6. 성장 엔진은 뭐야?

시장이 커지고 있다고 해서 팔란티어가 자동으로 커지는 건 아닙니다. "이 맛집에 손님을 더 끌어올 무기가 있는가?"를 확인해야 합니다. 팔란티어에는 3개의 엔진이 있고, 하나는 아직 안 켜졌습니다.

엔진 1: 다음 세대를 준비하고 있어?

좋은 맛집은 히트 메뉴에 안주하지 않습니다. 다음 메뉴를 개발하고 있느냐가 미래를 결정합니다. 팔란티어는 연 $558M(매출의 12.5%)을 R&D에 투자하며 (FY2025 10-K), 4가지 방향으로 확장하고 있습니다.

배터리 산업으로 비유하면: 현재 팔란티어는 리튬이온 배터리(Foundry+AIP)를 잘 팔고 있고, 동시에 전고체 배터리(Agentic AI)·나트륨이온 배터리(Edge AI)·배터리 리사이클링 플랫폼(FedStart)을 개발 중입니다. 현재 제품 매출이 좋은 것과 별개로, 차세대 기술이 준비되고 있는지가 장기 투자의 핵심입니다.

이 기술들이 작동하고 있다는 증거가 AIP Bootcamp입니다. 누적 1,300회+, 전환율 75%. 4건 중 3건이 계약으로 이어지면서 Q4 2025 TCV $4.26B(+138%)를 만들어냈습니다. (Q4 2025 Earnings)

엔진 2: 이미 잡힌 미래 매출

맛집으로 치면 "예약이 꽉 차 있다"는 상태입니다. 매년 실현된 매출 중 얼마가 이미 전년에 체결된 계약이었는지를 보면, 매출의 예측 가능성이 보입니다.

핵심은 확보율의 변화입니다. FY2024~2025에는 약 40%만 미리 잡혀 있었지만, FY2026에는 55%가 이미 확보되어 있습니다. 경영진 가이던스 $7.65B(+71%) 중 절반 이상이 "이미 예약된 매출"이라는 뜻입니다.

아직 안 켜진 엔진: 해외 시장

맛집으로 비유하면, 본점은 줄을 서는데, 해외 지점은 아직 동네 사람만 옵니다. 전체 매출 구성을 보면 왜 이게 위기가 아니라 기회인지 보입니다.

보라색(미국 상업)은 2년 만에 3배로 폭발했습니다. 반면 노란색(해외 상업)은 3년간 거의 정체. 같은 제품인데 왜 이렇게 다를까요? AIP Bootcamp가 아직 미국 중심으로 운영되기 때문입니다.

FY2026 시나리오를 보면: 미국 상업이 가이던스대로 +115% 성장하고, 해외 상업이 미국의 절반(+50%)만 따라가도, 상업 매출만 $4.1B에 달합니다. 현재 전체 매출($4.5B)에 맞먹는 규모입니다. 해외는 아직 스위치가 켜지지 않은 엔진이고, 이것이 켜질 때 두 번째 도약이 시작됩니다.

4.7. 순풍이야 역풍이야?

맛집이 잘 되려면 실력만으로는 부족합니다. 날씨, 주변 환경, 경쟁 상황도 중요합니다. 같은 맛집이라도 번화가에 있으면 번창하고, 공사 중인 골목에 있으면 고전합니다.

팔란티어를 둘러싼 외부 환경을 순풍(장사에 도움)과 역풍(장사에 방해)으로 나눠 봅니다.

순풍 3가지

역풍 3가지

종합: 바람의 방향

5.1. 계산 구조

적정가는 EPS x P/E로 결정됩니다. 우리는 TAM에서 SAM(팔란티어가 실제 경쟁하는 시장)을 정의하고, 점유율을 곱해 매출을 도출하고, OPM(영업이익률)을 적용해 EPS를 산출합니다.

상세 계산 과정(세그먼트별 매출 분해, OPM 궤적, 세후 비율, 주식 희석률)은 밸류에이션 딥다이브에서 6개 챕터에 걸쳐 서술합니다. 이 장에서는 결과를 요약합니다.

이 적정가는 14개의 핵심 가정 위에 서 있습니다. US Commercial 성장률, NDR, OPM 궤적, SBC, SAM 점유율, 카프 경영 지배력, 국방 대형 계약까지. 하이브웍스의 인베스트 전용 AI모델은 이 가정들을 매일 리서치하여 변동 시 즉시 재계산합니다. 어떤 가정들인지, 각각이 적정가에 얼마나 영향을 주는지, 계산 과정 전체를 공개합니다.

5.2. 시장은 어떻게 보는가

밸류에이션을 하기 전에 시장의 전제를 먼저 파악했습니다.

63%가 Buy이지만, 진짜 정보는 목표주가의 편차에 있습니다. "AI 인프라 지속 여부"에서 갈리는 엔비디아(97% Buy, 2.8배 편차)와 달리, 팔란티어는 "비즈니스는 모두 인정, 멀티플 지속성에서 갈린다"는 구조입니다. Bear조차 "펀더멘털이 아닌 밸류에이션에 대한 콜"(Jefferies)이라고 인정합니다.

같은 기업을 보면서 2026년 기준(DA Davidson, 113x P/FCF → $165)과 2035년 기준(BofA, 15x EV → $255)이 공존합니다. "몇 년을 보느냐"가 목표주가를 결정합니다.

5.3. 우리의 분석: 매출 추정

팔란티어의 진짜 시장(SAM)은 상업 Operational AI($12.5B) + 정부/국방 AI SW($8.0B) + Sovereign AI SW($6.6B) = $27B(2025)입니다. 전체 Enterprise AI TAM $230B에서 팔란티어가 실제 경쟁하는 부분만 잘라낸 것입니다.

현재 점유율 17%는 Salesforce CRM 초기(14%)보다 높고, AWS 클라우드 초기(50%)보다 낮습니다. 직접 경쟁자 부재 + 4중 해자를 감안하면, 32%까지 확대는 합리적입니다. 핵심은 SAM 자체가 CAGR 26%로 성장하므로, 점유율이 정체하더라도 매출은 연 26% 성장합니다. 점유율 확대는 알파입니다.

가이던스/컨센서스 비교: FY2026E 가이던스 $7.65B, 컨센서스 $7.98B. 우리 $7.8B은 두 수치 사이. (StockAnalysis)

5.4. EPS와 적정가: 두 가지 프레임워크

Non-GAAP EPS를 산출하고, 두 가지 밸류에이션 프레임워크를 병기합니다.

EPS 산출 과정: SAM x 점유율 → 매출 → Non-GAAP OPM(58%→64%) → 세후 비율(85%→81%) → 희석 주식 수(2,620M→2,780M). 컨센서스 FY2026 $1.49(-1%), FY2027 $2.12(+8%). (StockAnalysis)

프레임워크 A: PEG 1.5~2.0 (성장률에 비례하여 P/E 하락)

성장이 둔화되면 P/E도 하락합니다. 3년 적정가가 2년과 비슷한 이유는 EPS 증가와 P/E 하락이 상쇄되기 때문입니다.

프레임워크 B: P/E Floor 80~100x (독점 프리미엄으로 바닥 존재)

카테고리를 만든 독점 기업은 성장이 둔화되어도 P/E가 일정 수준 아래로 내려가지 않습니다. Google(검색 90%+, P/E Floor ~25x), Amazon(e-commerce+AWS, Floor ~50x)이 선례입니다.

두 프레임워크 합산

5.5. 우리는 이렇게 판단합니다

투자 함의

전환 트리거

시나리오별 적정가

5.6. 당신의 승률

위에서 산출한 EPS와 P/E를 확률 분포로 놓고, 10,000번의 시뮬레이션을 돌립니다. 슬라이더에 당신의 매수 가격을 넣어보세요. 1년, 2년, 3년 후 각각의 승률을 확인할 수 있습니다.