财务数据和关键指标变化 - 第三季度总收入达到24.78亿元人民币，同比增长率从上一季度的24%加速至31% [7][19] - 调整后毛利润为3.93亿元人民币，同比增长28%，调整后毛利率从上一季度的50%提升至16% [9][20][23] - 调整后营业利润首次转正，达到1536万元人民币，调整后营业利润率为0.6%；调整后净利润首次实现历史性盈利，为2873万元人民币 [9][24] - 长期缺口EBITDA利润为8.266亿元人民币，是去年同期1.854亿元的3.5倍，EBITDA利润率达到33%，去年同期为10% [25] - 截至2025年9月30日，现金及现金等价物为39.545亿元人民币，较2025年6月30日的54.641亿元有所下降，主要由于对智能云的基础设施投资 [25] - 本季度资本支出为27.878亿元人民币，包括第三方融资和2024年融资租赁负债获取的使用权资产 [25] 各条业务线数据和关键指标变化 - 公有云服务收入为17.523亿元人民币，同比增长49% [7][10][19] - 智能计算云业务（AI Cloud）总账单金额为7.824亿元人民币，同比增长约122%，占公有云收入的45%，较去年同期的31%显著提升 [7][19] - 企业云服务收入为7.257亿元人民币 [19][22] - 小米和金山生态系统收入为6.91亿元人民币，同比增长84%，占总收入比例进一步升至28%；2025年1月至9月，该生态系统总收入达18.2亿元人民币 [8] 公司战略和发展方向和行业竞争 - 公司战略定位为在稳步满足模型训练需求的前提下，为推理需求的爆发性增长做好技术和资源储备，并提供稳定高效的集成训练和推理智能云计算服务 [5][6] - 生成式人工智能与云在技术、产品和客户交叉销售等多方面共生融合，人工智能需求不仅驱动智能计算云的快速发展，也带动基础公有云的增长和技术创新 [7] - 在企业云服务领域，公司深度挖掘自身ToB企业服务的DNA，瞄准优势垂直行业和地区，为未来构建核心竞争力，并在公共服务、医疗、企业服务等领域取得突破 [11][12][13][14] - 公司坚信积累的成功经验、市场声誉和可复制的核心解决方案将使其在新兴产业浪潮中占据先发地位 [15] 管理层对经营环境和未来前景的评论 - 管理层认为，在当今快速演进的生成式人工智能格局下，智能化将从模型能力演进到行业解决方案，赋能并重塑经济的各个领域，作为智能计算不可或缺的载体，云服务在数字化和智能化方面拥有巨大潜力 [11] - 随着人工智能应用进入快速发展阶段和需求的爆发性增长，公司将进一步投资基础设施、加强技术、提升服务稳定性，并为客户提供高附加值的云服务 [26] - 对于未来的利润率趋势，管理层认为推理需求将呈现出比当前训练阶段更高的利润率特征，当这波需求浪潮到来时，预计利润率会更高 [34][35] - 在EBITDA层面，随着AI业务占比持续上升且其成本结构主要以折旧为主，公司预计今年的EBITDA利润率仍将保持在20%以上 [36] 其他重要信息 - 2025年9月，公司成功完成风险股权融资，筹集28亿港元，其中8%将用于进一步投资AI基础设施，20%用于一般运营需求 [21] - 在产品和技术方面，公有云领域本季度推出了模型API服务，升级了在线模型服务，并推出了数据标注和数据集市场；企业云领域则构建了计算力调度平台、轻量化mass平台和生成式人工智能知识库 [16][17] - 通过北京和武汉双研发中心的组织发展，公司吸引各地人才，建立人才管道，并维持对智能计算领域的持续投资强度；截至第三季度末，武汉员工数量是2022年首次提出武汉战略时的2.8倍 [17] 问答环节所有提问和回答 问题: 第三季度AI收入增长的关键驱动因素是什么？生态系统和外部客户的需求在过去一个季度是否有结构性变化？管理层如何看待未来几个季度的利润率趋势？不同计算资源获取模式的预期组合是怎样的？ [29][32] - AI收入增长的核心原因是前期部分交付的集群（如2025年第二季度）在本季度开始按完整季度确认收入，以及部分第二季度的收入延迟至第三季度确认 [33] - 从需求结构看，目前仍以大型客户的训练需求为主，但最新季度越来越多地看到客户将人工智能模型应用到不同行业的趋势；公司已推出Starflow平台以应对此趋势 [34] - 对于利润率趋势，管理层认为未来的推理需求将呈现出比当前训练阶段更高的利润率特征 [35] - 在EBITDA层面，随着AI业务占比上升，预计今年EBITDA利润率将保持在20%以上；但本季度的显著改善主要受一次性其他收入驱动，下季度将恢复正常水平 [36] 问题: 管理层能否分享明年及以后的收入展望？除了今年已经进行的互联网复杂模型训练和具身智能场景，哪些其他行业和应用场景预计会有强劲的计算需求以推动明年收入增长？随着多家云服务商增加服务器租赁在计算资源组合中的比例，管理层如何看待当前采购与租赁的市场动态？从成本效益和利润率角度，公司如何在这两种方式之间分配资源？ [40] - 公司的预算流程正在进行中，预计明年年初完成，完成后将分享具体细节；但对AI业务的需求增长充满信心 [41] - 采购方式主要与客户实际需求对齐，包括集群规模、交付时间和供应库存水平，没有硬性的自上而下的分配目标；租赁模式对供应链渠道友好，资源分配灵活；自采则能更好地控制交付时间线和集群管理，减少与供应商的利润分成，从而提升利润率 [41][42] - 在中国，机器人公司增长非常迅速，公司已覆盖大部分中国机器人公司，其收入增长迅猛，预计明年机器人公司的增长也将很快；同时，越来越多中国互联网公司使用token（API）服务，该业务增长迅速，预计明年将成为推动收入增长的重要因素 [43] - 关于采购与租赁的选择，对于基本面扎实、可信赖的优质大客户（如小米），倾向于选择资本支出模式；对于成长期的中小公司，则倾向于采用租赁模式以降低自身风险；目前两种模式的组合没有预期会发生重大变化，但未来预计利润率会改善 [45][46] 问题: 关于AI训练与推理的差异，能否分享这两种需求的定价方法以及过去几个月或年初至今的定价趋势？在芯片/GPU的整体利用率、定价和盈利能力方面，训练和推理之间的差距如何？ [49] - 推理和训练的定价策略没有太大差异，价格主要基于使用的资源数量和质量 [50] - 比较利润率，推理服务有两种：一种是客户购买资源并使用公司平台进行推理，其利润率与训练利润率非常相似；另一种是客户直接购买公司的API token服务，预计后者将有更好的利润率，但该业务刚起步，需要时间观察两者之间的巨大差异 [50][51]

财务数据和关键指标变化 - 第三季度总收入达到24.78亿元人民币，同比增长31%，增速较上一季度的24%有所加快 [7][19] - 调整后毛利润为3.926亿元人民币，同比增长28%，环比增长12% [9][23] - 调整后毛利率从上一季度的50%提升至本季度的16% [20][23] - 调整后营业利润首次转为盈利，达到1536万元人民币，营业利润率为0.6% [9][24] - 调整后净利润首次实现历史性盈利，为2873万元人民币 [9] - 长期缺口EBITDA利润为8.266亿元人民币，是去年同期1.854亿元人民币的3.5倍，EBITDA利润率达到33%，去年同期为10% [25] - 截至2025年9月30日，现金及现金等价物为39.545亿元人民币，较2025年6月30日的54.641亿元人民币有所下降，主要由于对智能云基础设施的投资 [25] - 本季度资本支出为27.878亿元人民币 [25] 各条业务线数据和关键指标变化 - 公有云服务收入为17.523亿元人民币，同比增长49% [7][10][19] - 智能计算云业务总账单额达到7.824亿元人民币，同比增长约120%，占公有云收入的45%，较去年同期的31%显著提升 [7][19] - 企业云服务收入为7.257亿元人民币 [19][22] - 小米和金山生态系统收入为6.91亿元人民币，同比增长84%，占总收入比例进一步上升至28% [8] - 2025年1月至9月，小米和金山生态系统总收入达到18.2亿元人民币 [8] 公司战略和发展方向和行业竞争 - 公司战略定位于在稳步满足模型训练需求的前提下，为推理需求的爆发性增长做好充分的技术和资源储备 [5] - 提供稳定高效的集成训练和推理智能云计算服务，并布局模型API业务，将推理场景转化为新的增长引擎 [6] - 生成式人工智能与云在技术、产品和客户交叉销售等多方面共生融合，人工智能需求不仅驱动智能计算云的快速发展，也带动基础公有云的增长和技术创新 [7] - 在公有服务领域，致力于成为公共服务机构和企业在推理需求方面的首选智能计算云合作伙伴 [12] - 在医疗领域，实现了人工智能与中医临床场景融合项目的里程碑式突破 [14] - 在企业服务领域，持续推进信贷审批全流程的智能化转型 [14] - 坚定抓住小米和金山生态系统提供的历史性机遇，持续投资基础设施，专注于打磨核心产品和解决方案 [18] 产品和技术进展 - 在公有云领域，本季度增强了智能计算云技术，强化了StarFlow平台能力 [16] - 推出了模型API服务，为模型调用和管理提供高可用、易集成的能力 [16] - 升级了在线模型服务，集成了多个开源基础模型并配备自动扩缩容能力 [16] - 推出了数据标注和数据集市场，旨在为客户提供端到端的数据流支持 [16] - 在企业云领域，为满足私有化部署场景需求，构建了算力调度平台、轻量化MaaS平台和生成式人工智能知识库 [17] - 与WPS AI紧密合作，为公共服务用例构建可信赖的智能产品架构 [17] - 通过北京和武汉双研发中心的组织发展，吸引各地人才，建立人才梯队 [17] - 截至第三季度末，武汉员工数量是2022年首次提出武汉战略时员工数的2.8倍 [17] 管理层对经营环境和未来前景的评论 - 人工智能技术驱动云计算革命，公司不仅满足模型训练和推理的计算需求，还赋能企业调用API并将AI能力应用于业务 [26] - 随着AI应用进入快速发展阶段和需求爆发性增长，公司将进一步投资基础设施，加强技术，提升服务稳定性，为客户提供高附加值的云服务 [26] - 面对模型快速迭代和人工智能应用日益普及的双重趋势，公司已为客户提供稳定高效的集成训练和推理智能云计算服务 [5] - 公司瞄准收入增长和盈利能力提升的双重目标，随着规模经济效应日益凸显，在加速智能计算基础设施和技术能力建设的同时，也加强成本和费用的控制 [9] 其他重要信息 - 2025年9月成功完成风险股权融资，筹集28亿港元，其中8%的资金将用于进一步投资AI基础设施，20%用于一般运营需求 [20][21] - 公司预计今年将充分履行持续关联交易年度配额下的业务合作，并对明年配额的进一步增加持乐观态度 [8] - 本季度显著改善部分由一次性其他收入驱动，预计下一季度将恢复正常水平 [37] 问答环节所有提问和回答 问题: AI收入增长的关键驱动因素是什么？生态系统和外部客户的需求结构在过去一个季度是否有变化？管理层如何看待未来几个季度的利润率趋势？不同计算资源获取模式的预期组合是怎样的？ [30][33] - AI收入增长的核心原因是部分在之前季度（如2025年第二季度）交付的集群，在第三季度开始按完整季度确认收入，此外还有部分收入延迟确认的因素 [34] - 从大趋势看，目前正处于从大型顶级客户的训练需求向更广泛客户的推理需求过渡的阶段，当前大部分需求仍来自大客户的训练需求，但最近一个季度越来越多地看到客户将人工智能模型应用于不同行业的趋势 [35] - 面对这一趋势，公司推出了StarFlow平台，未来推理需求预计将呈现出比当前训练阶段更高的利润率特征 [35][36] - 在EBIT层面，随着AI业务占比持续上升且其成本结构主要以折旧为主，预计今年EBITDA利润率仍将保持在20%以上，但本季度的显著改善主要受一次性其他收入驱动，下一季度将恢复正常水平 [37] - 关于计算资源获取模式，公司主要根据实际客户需求（包括集群规模、交付时间和供应库存水平）来调整资本渠道，没有硬性的自上而下的分配目标 [42] - 从成本效益角度看，采购和租赁模式各有优缺点，租赁模式对供应链渠道友好，在资源分配上提供一定灵活性，而自行采购则让公司在控制交付时间和管理集群方面拥有更大自主权，减少了与供应商的利润分成，从而提升了利润率 [42] - 对于大型、基本面扎实、值得信赖的优质客户（如小米），公司倾向于选择资本支出模式，而对于其他处于成长阶段的中小型公司，则普遍采用租赁模式，这也是降低自身风险的有效方式 [45][46] - 过去三个季度采用了这两种不同模式的各种组合，第三季度毛利率较第二季度环比改善，现阶段不预期当前状况会发生重大变化，但总体上预计未来利润率会改善 [47] 问题: 管理层能否分享明年及以后的收入展望和指引？除了今年已经进行的模型训练和具身智能场景外，哪些其他行业和应用场景预计将产生强劲的算力需求以推动明年收入增长？随着多家云服务提供商增加服务器租赁在计算资源组合中的比例，管理层如何看待当前采购与租赁的市场动态？从成本效益和利润率角度，公司将在两种方法之间如何分配资源？ [41] - 公司的预算流程目前正在进行中，预计将在明年年初完成，一旦最终确定将分享具体细节，但对AI业务的后续需求增长充满信心 [42] - 中国的机器人公司增长非常迅速，今年已覆盖了中国大多数机器人公司，收入增长非常快，预计明年机器人公司的增长也将很快，同时随着越来越多中国互联网公司使用Token服务（即API服务），该业务增长非常迅速，相信这将是推动明年收入增长的一个非常重要的因素 [44] 问题: AI训练与推理之间有何区别？管理层能否分享这两种需求的定价方法，以及过去几个月或年初至今的定价趋势？在芯片/GPU的整体利用率、定价和盈利能力方面，能否分享更多关于训练和推理之间差距的信息？ [50] - 推理和训练的定价策略没有太大差异，价格基于使用的资源数量，这是最重要的因素 [51] - 比较利润率，有两种推理服务：一种是客户购买资源并使用公司平台进行推理，其利润率与训练利润率非常相似；另一种是客户直接购买公司的API Token服务，预计这种服务将有更好的利润率，但该业务刚刚起步，需要时间观察两者之间的巨大差异 [51][52]