核心观点 - AI行业正从工具销售转向收益导向模式 AI RaaS（结果即服务）成为关键发展方向 恒为科技收购数珩信息是A股首例AI RaaS核心布局案例 [2][3][4] AI RaaS模式定义与特点 - 以可量化业务成果为核心收费模式 仅在达成约定结果时收费 与传统按软件授权或人力投入收费方式形成对比 [3] - 通过退款承诺或效果保障条款实现风险共担 倒逼技术持续优化 形成"包工包料包结果"的服务模式 [4] - 利润池覆盖范围从传统数字化服务的1%-2%收入 扩展至人力资源、供应链等核心利润池的20%-60% 价值空间提升10-60倍 [4] 行业转型趋势 - SaaS行业从项目制转向服务制 从提供工具转向提供收益 项目交付成为服务起点而非终点 [4] - AI竞争焦点从模型参数规模转向可量化的价值创造能力 推动用户完成从"买工具"到"买收益"的认知革命 [4] - 在AI技术平权背景下 基础模型能力趋同 护城河向"场景纵深"与"业务耦合度"延伸 [7] 核心能力要求 - 需具备垂类模型部署、后训练及知识库集成能力 同时需要深入理解用户需求和行业基因 [5] - 模型价值体现在应用场景而非模型本身 需与行业Know-how、工程化能力和商业价值深度融合 [5][6] - 需深度嵌入客户生产系统（如ERP、CRM） 实现从辅助工具到生产系统的质变 形成高替换成本壁垒 [7] 恒为科技并购案例 - 收购上海数珩信息75%股份 实现"算力底座+场景落地"生态闭环 数珩信息已实现规模性盈利且处于利润高速增长期 [2][7] - 数珩自研模型与Langtree编排平台可将恒为AI一体机硬件算力转化为垂直场景解决方案 服务行业集中在日化快消和汽车领域 [7] - 国产化硬件与本地化部署结合大幅降低每token成本 在金融、政务等强监管领域形成竞争力 共同开拓价值成长空间超传统硬件业务10倍的市场 [8]

公司战略布局 - 恒为科技拟收购数珩科技75%股份 实现AI战略从基础设施向应用场景延伸 形成算力提供到应用落地的完整链条 [1][3] - 数珩科技是国内少有的AI RaaS模式实践者 为快消、汽车、金融等数十家品牌提供服务 近三年营收和利润均快速增长 [2] - 公司核心产品包括基于昇腾、沐曦、昆仑芯等国产GPU的AI一体机及正交液冷超节点硬件方案 服务于运营商和智算中心领域 [2] 技术协同效应 - 数珩科技拥有自研S-GPT大模型及Langtree模型编排平台 能实现从数据准备到部署上线的全流程闭环 [6] - 某日化企业通过数珩科技方案实现70%客户请求由AI独立解决 线上销售人员减少70% [6] - 恒为科技的国产GPU智算一体机与数珩科技S-GPT引擎高度契合 可实现硬件与AI模型的深度整合 [3] 业务模式创新 - AI RaaS模式以可量化业务成果为核心 直接对客户业务结果负责 按实际效益收费 [4] - 该模式可切入企业20%-60%核心利润池 相比传统SaaS覆盖的1%-2%数字化利润池 利润空间相差达20-60倍 [5] - 数珩科技通过RaaS模式实现规模性盈利 在AI应用企业中较为罕见 [5] 行业竞争趋势 - AI产业竞争正从算力层面向应用落地加速渗透 2025年竞争核心将从算力比拼转向场景落地能力 [1][6] - 大模型训练达到一定规模后 单位算力投入带来的性能提升放缓 行业需求呈现多样化和精细化特点 [6] - 恒为科技通过收购构建算力+应用生态 可在信创市场形成差异化优势 [7] 产品矩阵构成 - 数珩科技核心产品线包括AIGC多模态模型 IRISBOT服务机器人 AI陪练系统和企业定制智库四大领域 [3] - 在内容创作领域为日化、家装行业生成广告级图片与电影级短片 在智能交互领域已接入数千C端用户 [3] - 实时响应集成服务机器人实现周级迭代 可在汽车4S店自然解答顾客疑问 [3] 市场拓展规划 - 数珩科技在信息安全、通信设备制造、工业互联网等行业客户资源与恒为科技形成互补 [3] - 双方将共同开拓AI RaaS模式在垂直业务场景的商业化落地 重点覆盖快消、汽车等新市场 [3][7] - 并购有助于降低客户每Token成本 建立长期稳定的合作关系形成持续收入来源 [4][7]

核心观点 - 恒为科技拟收购数珩科技75%股份 这是A股首例上市公司并购AI RaaS标的案例 标志着AI产业竞争从算力层面向应用落地加速渗透 [2] 恒为科技AI战略布局 - 公司长期深耕网络可视化与智能系统平台 近年开拓人工智能基础架构及解决方案业务 核心产品覆盖算网可视化与算网基础架构 [3] - 已推出基于昇腾、沐曦、昆仑芯等国产GPU的AI一体机及正交液冷超节点等硬件方案 服务于运营商、智算中心等领域 [3] - 收购数珩科技将补足客户核心业务价值触达能力 实现AI战略从基础设施向应用场景的延伸 [3][4] - 数珩科技的S-GPT引擎与公司国产GPU架构智算一体机高度契合 可形成从算力提供到应用落地的完整链条 [4] - 双方客户资源形成互补 将共同开拓AI RaaS模式在垂直业务场景的商业化落地 [4] 数珩科技业务优势 - 是国内少数AI RaaS模式实践者 为快消、汽车、金融等数十家品牌提供服务 近三年营收与利润均快速增长 [3] - 融合业务策略与可本地化部署的S-GPT AI引擎 将大模型技术应用于企业业务场景 通过RaaS模式实现行业化与本地化 [3] - 核心产品线包括：AIGC多模态模型生成广告级图片与电影级短片 实时响应集成服务机器人IRISBOT已接入数千C端用户 AI陪练系统提升员工能力 企业定制智库整合全量信息 [4] - 拥有自研S-GPT大模型及Langtree模型编排平台 能实现从数据准备到部署上线的全流程闭环 [7] - 在某日化企业服务案例中 70%客户请求由AI独立解决 线上销售人员减少70% [7] AI RaaS模式价值 - 以可量化业务成果为核心 直接对客户业务结果负责 按实际效益收费 形成"包工包料包结果"的服务模式 [5] - 相比传统SaaS仅覆盖1%-2%数字化利润池 AI RaaS可切入人力资源、供应链等20%-60%核心利润池 利润空间相差达20-60倍 [6] - 能解决"客户不愿为工具买单"行业痛点 客户更直观看到AI服务价值 更愿意付费 [5][6] - 通过持续服务建立长期稳定合作关系 形成持续收入来源 同时积累行业数据优化AI模型 形成数据驱动增长闭环 [5] 行业发展趋势 - 随着头部推理模型开源 AI技术平权加速 单纯算力竞争难形成壁垒 [7] - 2025年AI应用竞争核心将从算力比拼转向场景落地能力 更关注模型效率与场景适配 [7] - 不同行业对AI需求呈现多样化与精细化特点 要求企业具备深入理解行业需求与开发针对性应用的能力 [7] - 恒为科技通过收购构建"算力+应用"生态 可降低客户每Token成本 在信创市场形成差异化优势 [8]

核心观点 - 恒为科技宣布停牌筹划收购上海数珩75%控股权 旨在通过并购实现AI战略向应用领域延伸 并把握AI RaaS商业模式先机[1][2][5] 收购方案 - 公司以发行股份及支付现金方式收购上海数珩75%股份 同时发行股份募集配套资金 交易不构成重大资产重组[2] - 标的公司上海数珩成立于2017年 2022年率先训练可本地部署的S-GPT大模型 2023年3月完成本地化部署[2] 业务协同 - 恒为科技专注AI软硬件基础设施 包括昇腾 沐曦 昆仑芯的AI一体机 云合智网智算交换机及正交液冷超节点产品[2] - 上海数珩专注AI工程化与场景化落地 拥有从基础模型到实际应用的产业链全阶段能力[2][4] - 双方合作实现硬件基础设施与软件能力融合 优势互补推动AI应用领域延展[2][6] 标的公司竞争力 - 数珩信息已实现规模性盈利 近三年营收 利润及人均利润均快速增长[3] - 公司创新采用AI RaaS商业模式 仅在实际达成约定结果时收费 收费比例从传统1%-2%提升至20%以上[3] - 基于自研大模型开发数智人 AI陪练 启明星 明思 明悉 明图和明镜等系列AI应用[2][4] - 已为快消 汽车 金融 教育和人力资源等数十家品牌公司提供服务[4] 商业模式优势 - AI RaaS模式对客户业务目标负责 将产品价值从"买工具"转变为"买收益"[3] - 突破传统数字化利润池限制 进入人力资源 资产 供应链等核心利润池[3] - 深度嵌入客户生产系统 替换成本远超技术价值 可构建可持续竞争壁垒[6] - 预计2025年起"数据-业务-模型"三角循环飞轮效应显现 实现营收增长与成本降低[4] 战略意义 - 本次并购是A股上市公司并购AI RaaS标的首次案例 具有行业卡位意义[1][5] - 先发者在垂直行业数据积累 客户黏性等方面具有显著优势[6] - 符合国家"人工智能+行业"发展战略 推动AI技术在2B 2G市场应用落地[6] - 通过融合硬件基础设施与AI RaaS模式 共同探索AI应用蓝海市场[6]

红杉资本AI峰会核心观点 - 下一轮AI将聚焦卖收益而非工具 红杉合伙人Pat Grady称这将带来"万亿美元机会" 与盛景提出的AI RaaS模式高度一致[2][6] - AI RaaS模式强调交付结果而非工具 敢于以结果作为定价和收费依据 将成为AI应用主流模型[2][6] - 商业认知发生里程碑式转变 从工具导向转为结果导向 把复杂留给自己 简单留给客户 将改变几乎所有行业运行规则[7] 硅谷创新创业生态四大特征 - 商业化意识深入DNA OpenAI去年收入数十亿美元 今年预计翻三倍至超百亿美元 2029年营收展望达1200亿美元[9][11] - 极早期孵化投资极其活跃 YC每年孵化项目增至600多家 另有五六百只极早期小基金专注AI领域投资[12][13] - 并购退出路径顺畅 创业公司常在被创立3-12个月后以数千万至数亿美元估值被收购[14] - 用人法则强调"最少但最好" 某AI Agent公司融资4000万美元仅40人 均为谷歌等顶级工程师[15] 中国AI应用发展路径 - 必须做到极致化结果导向 甚至决战物理世界 回到能源、供应链、硬件等领域才能赚大钱[4][20] - 数字化应用利润池仅占1%-3% 高度内卷 需通过软硬件一体化解决方案实现差异化竞争[21][35] - AI时代真正厉害的AI公司应直接持有IP和资产 而非仅收技术服务费 不做乙方要做甲方[4][27] AI RaaS典型案例 - Kobold Metals估值达30亿美元 利用AI探矿 14个月将1.5亿美元铜矿权增值至100-150亿美元[23] - Formation Bio总融资5.28亿美元 收购临床II期创新药管线 通过授权或出售实现资产增值[27] - 水下机器人企业世航智能瞄准"机器人洗船"场景 直接按清洗结果收费[28] - AI客服公司Sierra按每张工单0.99美元收费 估值达45亿美元 放弃传统按席位收费模式[42][44] AI包工头模式价值 - 不同商业模式下净利润空间相差可达10-30倍 AI赋能后差距扩大至20-60倍[5][39] - 人力资源利润池占20-40% 资产利润池占10-20% 供应链利润池占20-40% 远超数字化利润池[36] - AI包工头既要谈大单又要处理杂务 难度更高价值更大 将成为资本青睐的"新物种"[39] 盛景投资标准与方法论 - 核心标准是能否坚持按结果定价收费 用AI或机器人技术驱动实现极致化结果导向[41] - 遵循极简四核方法论 聚焦垂直细分市场 做到一米宽一百米深[7][49] - 推出AI RaaS联合创业计划 在100个垂直类别寻找结果导向创业者[43] - 云生科技社保公积金智能体服务费仅0.99元/人月 已服务某连锁企业近20万名员工[46][47]

核心观点 - AI应用的核心逻辑是RaaS（Result as a Service，结果即服务），即「AI包工头模式」，该模式按工作量和工作结果付费，实现AI服务方与客户利益深度绑定 [3][12] - 传统SaaS产品将被「端到端」「高智能」的AI应用替代，失去资本市场青睐 [4] - AI包工头模式将突破数字化利润池天花板，不同商业模式下净利润空间相差可达10-30倍，叠加AI赋能后差距可达20-60倍 [4][35] - AI包工头模式可能打破「规模、收益、确定性」的「不可能三角」，实现「五高」特征，从而创造高长期资本价值 [4][43] AI包工头模式的定义与特点 - 按工作量和工作结果付费（如计件式、计量式或收入分成），实现与客户利益绑定 [12] - 需要构建完整的交付体系和系统性业务能力，包括设备、人员、管理制度等，即「包工包料包人包结果」 [12] - 传统包工头业务被认为不值钱，但AI时代下该模式是构建长期客户关系、规模化收入和利润的必须路径 [14] - 分为L1-L4四大进化层级：从初级效率提升到资源掌控的质变 [5][50] 行业颠覆与案例 对传统行业的颠覆 - 对传统硬件、软件和服务业，以及2B和2C市场都可能造成颠覆 [15] - 传统SaaS代码资产价值因AI自动化编程而加速贬值，重置成本大幅下降 [28] - 传统SaaS数据模式和接口过时，MCP协议取代传统API，数据资产价值超越软件本身 [29] - 传统SaaS标准化功能模块被AI动态智能适配取代 [31] 典型案例 1. **2B市场-矿山自动驾驶** - 从出售自动驾驶软件升级为按运输量收费的「AI包工头」模式，标杆客户实现50台矿车无人驾驶连续运营 [16] - 收费模式从一次性销售转变为按X元/立方米定价，收入与客户生产深度绑定 [16] - 自主研发系统融合多项AI技术，构建完整运营管理体系 [17] 2. **2B市场-Sierra AI客服** - 颠覆传统SaaS按席位收费，采用按对话量或成功案例计费，客户请求70%由AI独立解决 [19] - 采用多模型协同架构和「高触碰」服务模式，与客户深度协作 [20] 3. **2B市场-Kobold矿产勘探** - 从技术服务升级为「AI业主」模式，通过矿权获取和合作开发获利，C轮融资5.37亿美元 [21] - AI平台整合多源数据，在赞比亚发现价值100-150亿美元铜矿，买入成本仅1.5亿美元 [22][23] 4. **2C市场-特斯拉Robotaxi** - 按行驶里程收费（每英里1美元），平台抽成20-30%，预计年营收可达7600亿美元 [24] - 全栈自动驾驶系统结合全球数据收集和自研芯片，构建完整运营体系 [25] 商业模式与利润池分析 - 企业五大利润池：数字化（1-2%）、人力资源（20-40%）、资产（10-20%）、供应链（20-40%）、资本（10-20%） [35] - 三种商业模式对比： - 工具模式（数字化利润池）：矿山案例中年利润仅200万人民币 [40] - 传统包工头模式（人力资源+资产利润池）：矿山案例中年利润0.5亿，是工具模式的20-30倍 [41] - AI包工头模式：年利润可放大至1亿，是工具模式的30-60倍 [42] - 全球软件和IT服务支出仅占GDP1.87%，美国占3.1%，远低于人力资源市场规模 [35][37] AI包工头模式的「五高」特征 1. **高科技含量**：如矿山案例集成AI、物联网、5G等技术 [44] 2. **高系统性优化**：端到端全链路优化，远超传统数字化应用的薄层 [45][46] 3. **高可控和可复制性**：技术驱动降低人为因素影响 [47] 4. **高客户粘性和复购**：客户切换成本高，如埃森哲签署十年十亿美金合同 [48] 5. **高财务确定性和可预测性**：资本市场给予高估值的核心原因 [49] 四大进化层级 1. **L1-初级效率**：标准化任务按量计费，如Sierra每工单0.99美元 [52] 2. **L2-综合效率**：软硬结合复杂系统按量计费，如矿山运输每立方米5-15元 [53] 3. **L3-利益共享**：收入分成模式，如某AI营销平台收取成交额5-10% [55] 4. **L4-AI业主**：掌控核心资源，如Kobold收购矿权获百亿收益 [56] 关键认知升级 1. **垂直专注**：必须坚持「一米宽、一百米深」，构建五重护城河 [58] 2. **人机协同**：人类作为校准者与进化伙伴，避免纯AI替代 [59][60] 3. **不避脏活累活**：非标环节沉淀不可替代价值，轻AI将出局 [61] 4. **快速执行**：1年窗口期需抢占场景、数据和客户，组合式联创是关键 [62][63]