迅策科技 2026年上半年电话会议纪要关键要点总结 一、纪要涉及的行业与公司 * **公司**：迅策科技，定位为AI实时数据基础设施与分析解决方案服务商[3] * **行业**：覆盖11个高价值行业，包括资管、电信、能源、智慧城市、智能汽车、低空经济、高端制造（PCB）、医疗、金融等[3][9][31] * **新进入行业**：2026年上半年新进入智能汽车和低空经济两大高壁垒行业[9] 二、核心观点与论据 2.1 财务表现与扭亏为盈 * **营收爆发式增长**：2026年上半年营收达9.7亿元，同比增长389%，达到2025年全年（约13亿元）的75%[2][3][7] * **全口径扭亏为盈**：2026年上半年在所有利润口径均提前实现整体扭亏为盈[2][12] * **毛利率高位稳定**：综合毛利率保持在60%的高位水平，其中资管行业业务毛利率达82%，多元化行业业务毛利率为57%[12] * **费用结构优化**：综合三费费用率从2023年的94%大幅优化至2026年上半年的55.3%[2][13] * **研发投入持续**：研发费用占收入比重保持在41%以上，绝对金额较2025年同期增长136%[13] 2.2 商业模式转型：Token化跃迁 * **商业模式演进**：从1.0阶段（2016-2025年）的订阅制/项目制，升级至2.0阶段（2026年起）的Token调用量收费模式[2][7] * **Token业务收入**：2026年上半年Token业务收入占比超10%，绝对金额突破1亿元[2][10] * **Token OS系统**：2026年5月发布，包含Token One（模型选型优化与场景模型生成）和Token Cloud（硬件选型、资源配置与异构算力优化）[3][7] * **技术实现路径**：将数据处理九大环节整合为五大标准化流程，包括基础层（原始Token）、中间层（行业know-how封装）、应用层（垂类场景Token）、计量层（可追溯审计）[11] 2.3 行业结构剧变与多元化渗透 * **多元化行业占比跃升**：多元化行业收入占比从2025年同期的53%跃升至88%，绝对金额增长超过7倍[2][9] * **行业分布分散**：营收在11个行业的分布位于5%至20%的区间内，电信、能源、智慧城市等领先行业占比达15%-20%，超过资管行业约18%的水平[31] * **客户数量增长**：客户从120多家增至170多家，新增53家客户平均客单量在千万元级别[32] 2.4 经营效率显著提升 * **ARPU大幅增长**：2026年上半年ARPU达550万元，同比增长240%，基本达到2025年全年体量[2][13][31] * **人均产出提升**：2026年上半年单人贡献达214万元，相较2025年同期增长近四倍[2][13] * **客户粘性高**：持续付费客户比例超过90%，产品深度嵌入客户本地系统或私有云[31] 2.5 国际化进展超预期 * **海外营收增长**：2026年上半年海外市场营收同比增长264%[2][12] * **海外布局**：已完成日本与新加坡子公司的设立，并切入德国等欧洲市场[2][12][31] 2.6 技术架构与战略定位 * **全链路闭环**：技术架构覆盖算力、数据、Token、模型到应用的全链路，底层为AIDP平台，中间层为Token OS，最上层为Token Routers[3] * **战略定位**：连接算力与算法，作为AI to B一体化全链路平台，与算力厂商及大模型厂商均为深度战略合作伙伴关系[6] * **硬件合作**：与华为、天数、壁仞、沐曦等硬件厂商合作打造软硬一体解决方案[4] 2.7 未来战略规划 * **3.0阶段**：2026年下半年推出Token Routers交换平台，实现跨组织、跨行业、跨场景的Token价值交换，商业模式升级为平台化生态收费[2][15] * **4.0阶段**：进一步下沉数据服务，为客户训练可私有化部署、可持续进化的企业级小模型，商业模式涵盖按需订阅、买断部署、持续微调及按效果付费[15] * **长期战略五要点**：深化商业模式、加速跨行业复制（目标20个及以上行业）、开拓前沿应用、携手生态合作伙伴、稳步开拓海外业务[16] 三、其他重要但可能被忽略的内容 3.1 资产负债与现金流状况 * **总资产**：截至2026年6月30日为35.14亿元，较2025年底增长10.8%[14] * **净资产**：24.82亿元，与2025年同期基本持平[14] * **资产负债率**：维持在个位数的较低水平[14] * **在手现金**：截至2026年6月30日为6.34亿元，2026年7月完成3亿美元配售及可转债发行后现金充裕[14] 3.2 高端制造客户案例（PCB） * **客户痛点**：质量风险发现滞后、效率瓶颈制约、缺乏统一标准[16] * **解决方案**：将AI质检融入背钻、激光钻孔等关键前序工序，实现高速产线100%全检[17] * **落地效果**：出货良率稳定在99%及以上，检测效率提升3倍以上[17] * **核心价值**：将客户HDI专有数据、自研核心传感器、融合判定方法及工艺模型沉淀为完整能力，用私域专业数据训练专有模型[17] 3.3 企业AI需求新趋势 * **四大趋势**：AI Agent和多模态应用加速进入真实业务场景；企业需求转向完整AI基础设施而非单一模型；场景Token价值持续提升；自主可控和安全合规要求提升[8] * **AI核心价值**：提升业务边界和质量，而非降本裁员，例如PCB制造业中AI成为获得链主厂商订单的前提条件[35] 3.4 数据资产化与Token经济学 * **数据资产化路径**：遵循"先业务价值化，后资产化"路径，核心评估基于业务赋能效果[21] * **Token作为价值载体**：Token有望成为承载质量、衡量、计价与追溯功能的核心载体，形成RaaS（Result-as-a-Service）按结果付费模式[22] * **双循环理论**：企业内循环（数据合规确权入表）与外循环（数据资产流通交易），AI技术加速两个循环进程[22] 3.5 人才与行业拓展策略 * **人才培养**：不设立专门FDE岗位，要求60%-70%研发人员朝此方向培养[38] * **行业拓展**：从金融起步，将数据处理理念迁移至其他行业，每进入新领域需寻找合作伙伴（如医疗与连锁机构合作，制造业与资深专家合作）[28][29] * **核心壁垒**：将积累的Know-how进行跨行业迁移，选择具有可复用闭环逻辑的行业进入[36] 3.6 与大模型厂商关系 * **定位**：大模型应用的"最后一公里"，关系类比为组件与整车或发动机与飞机[33][34] * **影响评估**：大模型license限制或价格变动主要影响具体客户应用场景，公司积极寻求深化合作[34] 3.7 业务增长驱动因素 * **四维增长策略**：企业AI落地数据需求增长、加快行业拓展、商业模式创新（Token业务收入占比预计下半年突破20%-30%）、国际化拓展[30][31] * **第三季度展望**：预计全年营收将继续保持加速增长趋势[30]