RELX / Elsevier STM 投资者研讨会纪要要点总结 一、涉及公司与行业 - 纪要涉及公司为 **RELX (NYSE:RELX)** 旗下 **STM（科学、技术与医学）部门**，核心为 **Elsevier**，同时涉及RELX的风险（Risk）、法律（Legal）、展览（Exhibitions）等业务板块的协同[1][2] - 行业覆盖**全球科研出版（Primary Research）**、**科研决策支持工具（Decision Support Tools）**、**护理教育（Nursing Education）**、**医学教育与患者参与**、**企业研发（Corporate R&D）** 等[3][4][34][35] - 客户遍布**170多个国家和地区**，服务超过**10,000家学术与政府机构**、**2,000多家研发密集型企业**、每年数百万研究人员[3][8] 二、STM业务概况与财务数据 - 2026年上半年，STM占RELX收入的**28%**，占调整后营业利润的**30%**，对应年化收入约**40亿美元（约30亿英镑）**，调整后营业利润超过**10亿英镑**[3] - 收入地域分布：北美略超**40%**，欧洲略超**20%**，世界其他地区略超**三分之一**[4] - 近**80%** 收入为订阅制（多为多年合同），其余为交易型收入且多具经常性[4] - 主要研究（Primary Research）占STM收入略超**一半**；决策支持工具（数据库、工具与电子参考）约占**40%**[4] - 决策支持工具内部结构：研究解决方案占略低于**一半**（其中约**三分之一**来自企业客户）；护理解决方案约占**四分之一**（主要在北美洲）；其余四分之一涵盖医学教育、医生护理、专科用例与患者参与（美国与世界其他地区大致各半）[34][35] - 无单一客户占收入超过约**1%**[9] 三、核心观点与论据 （一）长期结构性增长驱动因素 - 全球研发支出按实际值数十年来持续以年化**5%** 增长，名义增速更高，且穿越经济周期、地缘政治与政策变化[5] - 研究人员数量同样持续以每年约**5%** 增长[6] - 全球卫生支出以每年**3%** 加通胀的速度增长，医生与护士数量持续增长[7] - 技术进步（含生成式AI）持续提升科研生产力，带来更多研究、更多发现、更多投稿与发表文章，以及对循证决策支持工具更大需求[6][7] （二）收入增长轨迹持续改善 - 四年前公司指引收入增速从**2%** 提升至**4%**，目前实际已达**6%** 增长[11][98] - 主要研究增速从四年前的**低个位数**提升至当前的**中个位数**[11][100] - 决策支持工具四年前为**中高个位数**增长，当前实现**强劲增长**[12][100] - 客户指标（产品与买家的净推荐值NPS、客户满意度）与员工敬业度指标均处改善轨道[11] （三）主要研究（Primary Research） - 行业发表文章总量自2015年以来以**5%** 的年复合增长率增长，预计将持续[21] - Elsevier投稿量从2015年的**130万**增至2025年的**420万**，年复合增长率**12%**；2025年增长超**20%**，2026年上半年再次超**20%**[22] - 发表文章从2015年的**40万**增至2025年的超**80万**，年复合增长率**7%**，增速低于投稿量系刻意保持选择性[23] - 质量指标：发表全球**18%** 的文章，获得约**30%** 的引用；领域加权引用影响力（FWCI）为**1.46**，行业平均为**1**[19][20] - 在FWCI排名前**10%** 的期刊中发表约**40%** 的文章，高于2022年时的**32%**[20] - 拥有超过**3,000种**期刊，每年新创**70至80种**期刊[22][24] - 与超过**37,000名**编辑、约**105,000名**编委会成员合作；过去12个月新招募约**8,000名**编辑与**12,000名**编委会成员；每年与超过**190万名**审稿人合作[15][16] - 约**70%** 的投稿未通过编辑初审；通过初审的稿件中约**一半**被接受发表，即总投稿中不到**20%** 最终发表[16][17] - ScienceDirect每月有**2,000万**独立访客[18] - 新期刊平均需**4年**才能被可信索引服务收录，成为领域领先期刊所需时间更长[18] - 开放获取（Open Access）目前占文章略超**三分之一**，公司保持商业模式中立[119] - 每篇文章收入（反映行业每篇文章平均支出）多年来持续下降，即持续以更低有效单价交付更多客户价值[26] （四）决策支持工具（Decision Support Tools） - 客户价值转化为更快收入增长的四条路径：一是在现有高价值工具上叠加AI（如Scopus AI），通常带来**双位数**支出提升；二是推出全新产品（如LeapSpace）带来新业务；三是构建可互操作的套件（如护理教育套件）提升组件产品采用率；四是嵌入客户智能体工作流，以机器对机器方式按价值定价[36][37][38][68][69] - 四大核心能力：深度客户理解与领域专长、领先内容与数据、复杂链接与分析（数十个分类法与本体、知识图谱、语义层）、先进技术与全球模块化平台[38][39][40] - 技术架构为技术中立、多模型，拥有**120多个**已批准模型（来自Anthropic、Google、OpenAI及Mistral等开源模型），按质量、延迟与成本为每项任务选择合适模型[77][78] - 模型选择成为商业决策而非技术依赖，更换供应商是配置变更而非重建[79] - Sherpath AI通过模型与提示优化今年将token成本降低近**50%**，同时用户与使用量强劲增长[79] - 今年已开展超过**20轮**由真实领域专家参与的评估循环[79] - 某领先药企客户使用公司解决方案实现**25%-30%** 的质量与精度提升，并将上下文token成本降低**30%**[76] （五）LeapSpace - LeapSpace为Elsevier的AI科研工作空间，2026年1月推出，基于2025年3月推出的ScienceDirect AI，6月与9月新增大量功能[44] - 提供Trust Card（展示研究来源、执行者、与发现的关联及原文段落）与Claim Radar（汇总支持、混合与矛盾的研究）等功能[46][47] - 已拥有约**1,000家**机构订阅客户，月度活跃用户与使用量持续快速增长[53] - 通过编辑流程与ScienceDirect等触点，已有超过**100万**用户使用过一项或多项LeapSpace功能[54] - 用户反馈：近**90%** 报告在构建或提炼研究问题与假设方面获得帮助；**97%** 报告节省时间，超过一半报告节省时间超过**50%**；超过**85%** 认为答案有稳健证据支持[52] - 行业调查显示超过**80%** 研究人员使用生成式AI，但仅**22%** 信任它[52] - LeapSpace内容覆盖科学领域影响力的**56%**，通过从多家出版商授权全文内容实现；Elsevier自身内容占约**20%**，引用占比约**30%**[102] - 定价：学术与政府客户按研究强度、研究人员数量与地域定价；企业客户按价值定价[53] （六）护理教育（Nursing Education） - 美国有近**500万**名护士，预计到2028年注册护士短缺**8%**[55] - 护理教育组合占护理解决方案收入略超**一半**[56] - 内容资产包括超过**15,000节**课程、**50万道**自适应测验题、**10万道**执照考试题[56] - 使用Sherpath与Elsevier Adaptive Quizzing的学生在预测考试中得分更高；在预测考试中超过基准的学生**98%** 首次通过执照考试[58] - 使用模拟的学生中**四分之三**提升了临床判断能力[59] - Sherpath AI在2026年已覆盖**100,000名**学生，占美国全部护理学生的**20%**[65] - 案例：某美国领先大学2025年仅按课程零散购买约**20万美元**产品，后转为三年期全套模块化产品合同，预计明年带来约**170万美元**收入；在最高层级扩展关系中，每学生支出增长超过一倍[66] （七）技术投入与效率 - RELX全球拥有超过**12,000名**技术人员，每年技术支出**20亿美元**，STM可复用这些资源、能力与基础设施[71] - 技术提效路径：AI驱动的规格驱动开发提升代码质量、缩短开发周期；自动化可复用内容管道以更低成本处理增长的量；AI辅助输出评估；客服AI代理；销售与营销AI分析[80] - 从接受到发表的处理时间过去十年已缩短超过**50%**，目标未来三年再缩短**75%**[31] - 投稿流程改造后作者投稿中位时间下降**60%**，**90%** 作者认为新体验有用且易用，已推广至近**三分之二**的3,000种期刊[30] - 同行评审体验重设计后作者与审稿人偏好度约**85%**，已推广至超过**三分之二**的期刊[30] 四、其他重要但可能被忽略的内容 - Elsevier CEO Kumsal Bayazit于2004年加入RELX，担任Elsevier CEO已**八年**，此前在风险、法律、展览及RELX总部担任运营与战略职务，曾任首席战略官与RELX技术论坛主席[2] - 上一次对Elsevier进行深度剖析是在**四年前**[2] - 首席技术官Jill Luber加入Elsevier近**五年**，此前在风险部门工作**20年**，从事数据工程与实体解析，参与创建身份链接技术[70] - 首席产品官Jamie Buckley在法务部门工作十年后，于一年多前接管STM职责[70] - 公司从风险部门借鉴反欺诈专长以增强研究诚信能力[27] - 研究诚信问题涵盖诚实错误、故意不端、AI垃圾（AI slop）、论文工厂与数据伪造等，公司从投稿前到发表后进行全流程筛查[27] - 公司预计AI垃圾与研究欺诈将成为类似其他行业欺诈的"军备竞赛"[29] - 公司不使用客户数据训练模型，解决方案私密且安全[41][45] - 公司采取"精确AI（Precision AI）"而非单纯AI的理念，结合自动化基准与人类专家在环评估[79] - 在健康领域，公司与真实医生一起测量的首要基准之一是"该答案是否会对患者造成伤害"[134] - 公司宁愿给出不确定的答案，也不愿给出过度简化的自信答案[135] - 公司提及Galileo（由Elsevier家族出版）挑战地心说的历史，以及20世纪80年代诺贝尔奖得主发现溃疡由细菌而非压力引起，说明科学突破常来自挑战传统智慧[146] - 他汀类药物从首次发现到成药约**20年**，若能压缩至**5至10年**将对科学界与医学界意义重大[148] - 公司并购策略以有机发展为主，主要研究领域偶尔进行小型收购以填补学科或层级空白[106] - 公司未看到新AI竞争对手对客户支出产生影响[101] - 公司业务覆盖170个国家中的**100个**[119] - 公司提及某前沿模型在千禧年数学难题上取得突破，但即使顶尖数学家也不完全理解其解题过程，说明理解步骤对科学进步至关重要[147] - 机器对机器机会方面，某生命科学客户CTO表示希望公司直接以机器对机器方式提供已叠加知识上下文的数据，而非让客户自行处理数据与构建知识图谱[143][144]