投资评级与核心观点 - 报告未明确给出投资评级 [1] - 报告核心观点：项目进度延期影响当期业绩，但公司持续推进“安全+智算”双轮驱动战略，长期向好趋势不改 [2][3] 2025年三季度财务表现 - 2025年前三季度实现营收12.02亿元，同比下降24.01% [2] - 2025年前三季度实现归母净利润-2.35亿元，同比下降39.10% [2] - 2025年前三季度实现扣非净利润-2.52亿元，同比下降36.43% [2] - 单2025Q3实现营收3.76亿元，实现归母净利润-1.71亿元，实现扣非净利润-1.75亿元 [2] - 前三季度毛利率为63.62%，同比基本持平 [3] - 前三季度费用总计同比下降11.13%，销售/管理/研发费用分别为6.23/1.34/4.57亿元，同比变化-6.48%/-17.23%/-15.05% [3] 战略进展与业务亮点 - 智算云平台全面适配DeepSeek-V3.2-Exp，优化威胁情报运营流程 [3] - 公司与华为鸿蒙协同，终端安全一体化方案深度兼容华为鸿蒙系统，VPN系统客户端已完成HarmonyOS NEXT操作系统适配 [3] - 智算云业务已发布智算云平台和17款一体机，产品在政务、医疗、科研等行业应用落地，40+行业场景测试中，在手商机统计约1亿元 [3] 盈利预测与财务展望 - 预计2025-2027年EPS分别为0.12/0.16/0.21元 [3] - 预计2025-2027年对应P/E分别为83.78/62.92/49.22倍 [3] - 预计营业总收入2025E-2027E分别为2,954/3,153/3,433百万元，增长率分别为4.7%/6.7%/8.9% [4] - 预计归属母公司净利润2025E-2027E分别为146/194/248百万元，增长率分别为75.9%/33.2%/27.8% [4] - 预计毛利率2025E-2027E分别为61.9%/62.0%/62.2% [4]

收购事项核心进展 - 致尚科技拟收购恒扬数据99.8555%股权事项有新进展，独立财务顾问五矿证券已发布针对交易所问询函的专项核查意见 [1] 标的公司业务模式 - 恒扬数据主营智能计算产品和数据处理产品的研发销售，核心产品包括AI算力集群DPU和智算一体机，业务模式以研发设计为核心，生产主要委托外协厂商完成 [2] - 报告期内（2023年、2024年及2025年1-3月），公司主营业务收入分别为2.15亿元、4.55亿元和1.78亿元，智能计算产品收入占比从32.83%大幅提升至91.48%，成为主导收入来源 [2] - 业务增长高度依赖阿里巴巴及其指定整机厂商新华三的订单，合作模式为阿里巴巴签署NRE技术服务协议，产品开发后由恒扬数据销售给新华三，最终用于阿里巴巴智算中心 [2] 财务表现与客户集中度 - 恒扬数据收入波动显著，2024年智能计算产品收入达2.64亿元，较2023年增长271.83%，但2025年一季度回落至1.63亿元，主要受产品交付周期及客户采购节奏影响 [4] - 对阿里巴巴的销售金额及占比持续攀升，报告期内分别为6356.27万元、2.49亿元和1.46亿元，占营收比例从26.84%升至79.81%，存在重大客户依赖 [4] - 阿里巴巴2025财年云计算收入达1180.28亿元，并计划未来三年投入3800亿元用于AI基础设施，财务顾问认为恒扬数据作为其FPGA路线DPU核心供应商，合作具备可持续性 [4] 毛利率变动趋势 - 对阿里巴巴终端客户的销售毛利率呈现持续下滑趋势，报告期各期分别为55.39%、28.38%和9.91% [3] - 公司综合毛利率亦呈下降趋势，报告期内智能计算业务整体毛利率从55.48%降至12.65% [4] - 毛利率下滑主要因产品进入规模化交付阶段后，受供应链管控及市场竞争影响，双方阶段性重新议价导致价格下调 [3] - 公司预计随着新一代产品NSA.A5、北斗七星2.0等项目推进，2026年量产后不利因素将逐步缓解，毛利率有望回升 [4] 生产运营与供应链管理 - 公司采用“研发+销售为主、生产外协”的经营模式，将硬件加工等低附加值环节委托外部厂商 [5] - 报告期内，前两大外协供应商NationGate（马来西亚）和珠海一博科技的采购金额占比分别达85.68%、98.61%和98.39% [5] - 截至2025年3月末，公司存货账面价值1.72亿元，其中合同履约成本主要为A客户数据应用解决方案项目支出，该项目已进入验收阶段，预计2025年内完成交付 [5] 对问询函的回应与未来展望 - 关于客户集中度，公司表示AI行业头部客户集中特征显著，并正通过拓展B客户（半导体设备商）、华大智造等新客户分散风险，2025年新增B客户收入1358.50万元 [6] - 关于境外业务，报告期内境外收入占比超50%，主要来自非洲某政府客户（A客户），2024年新签E23项目合同金额4770万美元，预计2025年确认收入2.4亿元 [7] - 本次收购完成后，致尚科技将切入智能计算赛道，与现有业务形成协同，财务顾问认为标的资产在FPGA-DPU领域具备技术优势，客户合作稳定 [7]

上海市智能终端产业行动方案核心目标 - 到2027年，上海市智能终端产业总体规模突破3000亿元 [5] - 打造3家以上具有全球影响力的消费级终端品牌 [6] - 实现人工智能计算机、人工智能手机、人工智能新终端规模各达到千万台以上，即三个“一千万”台目标 [7] 重点发展的智能终端产品类别 - 培育人工智能计算机领军品牌，建设年产千万台产能生产基地 [6] - 引育人工智能手机终端品牌，加快布局人工智能手机生产能力 [6] - 围绕AR、MR、VR三类眼镜产品形态，加快打造一批智能眼镜头部品牌，形成覆盖消费级、企业级和专业级的完整产品矩阵 [6] - 新终端方面重点提及智算一体机、机器人等产品，打造智算服务器终端产业集群并强化机器人终端能力 [7] 产业布局与技术发展路径 - 加快浦东新区、松江区、青浦区、临港新片区等智能终端重点区域发展，打造产业集聚区 [7] - 加速未来终端研发，包括推动下一代移动通信、量子计算、光子计算等前沿技术产业布局 [7] - 推动软硬件协同创新，促进芯片、模型、终端企业深度合作，实现芯片架构与模型结构的跨层联调优化 [7] 机构观点与市场展望 - 大模型与生成式AI正快速从云端走向消费终端，各巨头加紧构建软硬件一体的AI生态 [8] - 2026年有望迎来端侧AI大年，重点看好供应链机会 [9] - 消费电子龙头公司在算力侧的产品突破和在端侧AI供应链中的重要地位值得关注 [9]

公司与DeepSeek模型合作进展 - 公司产品与DeepSeek模型的系列版本进行了深度融合，全面提升"AI+安全"产品竞争力[1] - 2025年2月公司推出适配了DeepSeek模型的智算一体机、天问大模型等产品[1] - 2025年9月公司智算云平台已完成与最新发布的DeepSeek-V3.2-Exp模型版本适配[1]

公司与深度求索的合作关系 - 公司产品与DeepSeek模型的系列版本进行了深度融合 [1] - 合作旨在全面提升“AI+安全”产品竞争力 [1] 产品发布与适配进展 - 2025年2月公司推出适配了DeepSeek模型的智算一体机和天问大模型等产品 [1] - 2025年9月公司智算云平台已完成与最新发布的DeepSeek-V3.2-Exp模型版本适配 [1]

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 - 公司云计算业务升级为智算云 与华为合作推出基于鲲鹏+昇腾架构的智算一体机 相关收入达百万级别 在手商机近亿元[1][3] - 智算云业务成为新增长引擎 2025年上半年占比达12.4% 同比增长3% 40余行业场景测试中[3] - 网络安全行业长期向好 IDC预测2028年中国市场规模达171亿美元 五年复合增长率9.2%[3] 业务发展 - 云计算业务五年复合增长率44.76% 2024年占总收入9.06%[3] - 智算一体机已发布17款产品 在手商机约1亿元 AI智能体硬件销售目标1亿元有望实现[3] - 车联网安全与北汽 广汽等头部企业深度合作 构建弹性自适应安全体系[3] 财务表现 - 2025年上半年毛利率同比提升4.1个百分点[3] - 净利率同比提升15.73个百分点[3] 行业前景 - IDC预测2028年中国安全智能体市场规模达16亿美元 年复合增长率超230%[3] - 政策驱动行业需求 "两重""两新"政策及可信数据空间计划释放增量安全需求[3] - 宏观经济增速放缓使短期需求承压 但AI新技术革新推动产业升级[3] 战略布局 - 积极拓展国际化业务 参与"一带一路"数字基础设施安全建设[3] - 形成全栈安全产品体系与智算云综合解决方案[3] - 与英特尔保持业务往来 部分产品采用其芯片[3] 客户需求 - 政府行业采购节奏可能受财政预算影响延迟[3] - 金融行业在新领域需求增长 可信数据空间试点项目带来增量需求[3]

产品布局 - 公司于2025年2月推出智算一体机 目前已发布智算云平台和17款覆盖高 中 低训推性能需求的一体机产品 [1] - 公司与华为联合发布基于鲲鹏+昇腾架构的智算一体机型号 以满足国产化智算云建设需求 [1] 市场应用 - 智算云产品已在政务 教育 医疗卫生等领域实现落地应用 [1] - 主要客户群体包括政府 金融 运营商等机构 公司提供全栈云能力服务 [1] 商业进展 - 当前在手商机规模近亿元 [1] - 基于鲲鹏+昇腾架构的智算一体机相关收入为百万级别 占公司整体营收比重较小 [1]

AI服务器安全风险与防护 - AI服务器存在被网络攻击的风险需要构建网络安全防御体系 [2] - 公司推出防火墙AI版大模型安全网关大模型安全评估网络数据防泄漏等创新产品及服务为AI服务器云计算等基础设施提供安全防护 [2] 公司在AI+安全领域的布局 - 公司在AI+安全领域已有布局和投入为各行业客户智能化转型提供安全护航 [2] - 公司产品包括防火墙AI版大模型安全网关大模型安全评估网络数据防泄漏等 [2] 智算云领域的产品与服务 - 公司在智算云领域已有布局和投入为各行业客户智能化转型提供算力支撑 [2] - 公司推出智算云平台智算一体机等产品实现安全与算力深度融合 [2] - 产品内置智能体全生命周期管理容器资产全景视图镜像漏洞扫描模型服务API管控及敏感词检测等能力 [2] - 产品满足智算中心大模型私有化部署及训练推理大模型安全防护等场景需求 [2]

AI智能体市场发展现状 - 2025年被广泛认为是AI智能体元年 代理型AI正从辅助工具进化为复杂协同生态系统 将深刻改变企业自动化复杂任务和决策的方式[2] - 集成代理型AI的产品提供更个性化 主动且流畅的用户体验 要求产品团队重新思考设计与开发策略[2] - 部分明星Agent产品出现用户兴趣下降和续费率低迷现象 主要由于产品能力不足和市场策略问题[3] AI智能体面临的挑战 - 存在Agent Washing现象 厂商将自动化程度低的传统产品重新命名为AI智能体 导致用户期待过高但体验不符[3] - 缺乏明晰且可预期的定价结构 用户难以理解产品成本 增加续费和长期使用顾虑[3] - 产品效率提升不显著优于现有方案 且对用户要求较高 影响用户采纳和续订[3] 智算一体机技术演进 - 智算一体机在边缘侧快速发展 显著加快AI智能体的发展与迭代[6] - 边缘设备具备先进处理能力 可在本地完成复杂计算 减少延迟 提升Agent响应速度和实时决策能力[6] - 全栈GenAI支持多种数据类型 增强Agent对上下文的理解和交互能力 并提供持续环境数据形成反馈闭环[6] 多智能体协同与幻觉解决方案 - 边缘智算一体机支持多个Agent协作 形成更强大有效的多智能体系统 提升处理复杂任务能力[6] - 行业通过构建负责任AI框架 提升数据质量 采用人机闭环机制等方式解决模型幻觉问题[7] - 未来将引入更先进训练技术 使用更丰富高质量数据集 并发展领域专用模型来降低幻觉率[7] 金融行业AI应用现状 - 到2026年全球银行业至少30%的生成式AI项目因数据质量差 预算限制或缺乏专业知识而被放弃[8] - 银行在核心业务部署生成式AI仅10% 非核心部门部署率相对较高 反映优先选择见效快风险低的领域[8] - 2024年金融机构AI相关技术投入预算仅占总支出4% 受合规监管壁垒和高研发成本制约[9] 金融AI实施挑战与应对 - 降低反欺诈AI误报率1%需增加300%算力投入 导致性价比不高[9] - 面临数据孤岛 成本估算不合理 POC陷阱等问题 真实环境性能较测试下降20%以上[10] - 采用MoE混合专家模型 模型蒸馏等技术控制成本 并建立企业级高质量数据底座[10] 金融智能体演进路径 - AI技术在金融领域从工具向代理演进 经历对话智能体 AI助手 自主AI智能体到代理体AI四个阶段[11] - 当前处于自主AI智能体阶段 能在极少人工干预下做简单决策如贷款初审 但仍需人工复核[11] - Agentic AI是未来最具变革影响力的技术 未来两年内可能实现市场化[11] 行业整体发展趋势 - 到2028年约33%的企业软件应用将内嵌代理型AI 2024年这一比例不足1%[12] - 15%的日常工作决策将由智能体自主完成 2024年几乎为零[12] - 未来三到六年内专家型智能体将兴起 专注于复杂的领域特定工作流程[12]