关键要点总结 一、 公司概况与核心战略 * 公司为优刻得，是一家中立云厂商，2012年成立，2020年上市，按规模口径在国内中立云厂商中处于首位[3] * 公司自2021年起战略性收缩不盈利业务，并自2020年起自建IDC，有效提升毛利率[2][3] * 未来核心发展方向为AI与全球化，经营抓手是提升AI收入占比和拓展海外市场[2][5] * 2025年四季度首次实现季度盈利，为关键转折点[2][3][27] 二、 财务与经营表现 * 2025年前三季度AI相关收入占比已接近40%[3] * 毛利率从几年前的个位数提升至2025年的25%，未来倾向于稳中小幅提升，短期可能在25%以上、30%以下区间[16][17] * 2025年四季度实现首个季度盈利，2026年目标是在全年层面实现盈利[3][11] * 客户结构分散，前五大客户收入占比不到25%[2][7] * 季度收入规模约4–5亿元，全年约20亿元[12] 三、 数据中心资源与规划 * 自持IDC位于内蒙古乌兰察布和上海青浦[2][5] * 乌兰察布IDC具备低电价优势，规划12,000个机柜，当前利用率约60%（即7,200个），计划2026年3月新增1,800个机柜，2027年投产[2][5][6] * 上海青浦IDC区位优势明显但电价较高，规划5,000个机柜，已部署2,000多个，扩建将根据需求逐步推进[2][5][6] * IDC侧资源上架率在不考虑磨损的情况下为90%多，接近满载[12] * 公司自持机柜比例较少，主要集中于青浦和乌兰察布，其余以租赁为主，在全球20多个国家部署节点[21] 四、 AI业务与算力资源 * AI相关收入占比接近40%，且毛利水平高于传统业务[3] * GPU采购以推理场景为主，整体卡量合计2万多张[4][9] * 绝大部分GPU为4,090和5,090型号，国产卡“木兮”约2,000张，H20、H200尚未到位[4][9] * 2026年购卡策略以客户需求为导向，较为动态，不制定固定规划[19] * 自2025年第三季度起，将GPU算力卡折旧年限从4年调整为5年，对后续利润表现有积极影响[4][20] 五、 客户结构与行业分布 * 客户结构分散，中小客户占比较高，更偏向中小客户的需求增长[7][18] * 行业代表性客户包括：游戏行业（智谱）、手机行业（vivo、OPPO、小米）、汽车行业（小鹏、长安）和金融行业（东方财富）[2][7] * 智谱在现有客户中至少处于前三水平，当前前三客户为米哈游、智谱和vivo[24] * AI算力需求主要来自需要使用AI能力的客户，大模型相关需求量最大，其次是行业模型构建和智驾训练[24] * 在脑机接口等领域存在从客户关系升级为战略合作的具体案例[24][25] 六、 涨价策略与影响 * 紧张资源主要集中在GPU相关资源，公司已在2025年7月中旬先行对AI相关服务涨价[2][7] * 涨价执行仅对新增订单，存量订单暂不调整[2][8] * 涨价幅度参考亚马逊，约为15%-20%，但实际幅度仍在逐客户沟通中[2][9] * 若假设整体涨价10%，对应年收入增量约2亿元，增量中绝大部分预计将转化为利润，利润留存估计为6成（扣税后约6成7）[12][13] * 涨价成因判断为上游设备涨价，由供给刚性叠加需求提升导致[8] 七、 全球化与海外业务 * 2025年前三季度海外收入占比约20%出头，现阶段主要服务中国企业出海[5] * 未来将深化海外布局，拓展至欧美等更发达区域，已于2026年初开始在海外布局新节点[5] * 扩张海外客户可提升国内资源利用率（利用时差），且欧美客户AI需求更强[2][5] * 计划在美国新设节点，2026年赴欧美出差将更频繁[5][30] * 海外业务利润率不会特别高，公司未核算过海外较国内高5–7个点的具体数据[15] 八、 竞争优势与业务模式 * 竞争优势主要体现在：1) 中立性优势，不与客户竞争[10]；2) 经营灵活性，在跨境业务（如俄罗斯）有适配性[10]；3) 技术与服务快速响应能力[10] * 业务模式更偏“零售商角色”，签单周期较短，平均约一年，较少出现多年期大额长单[8][26] * 偏零售模式若运营到位，其毛利率应高于偏批发、承接大客户型业务，公司毛利率较部分偏“大厂运营”模式的厂商高出几个点[26] 九、 行业展望与前沿探索 * 行业变化快，三年维度的中期判断难度较大[11] * 更理想的情景是2026年内看到AI、agent及AI应用同步兴起并普及，更多行业形成商业闭环[24] * 公司关注太空算力/太空数据中心领域，认为其长期经济性核心来自太空能源成本显著低于地面[28] * 该方向属于系统性工程，关键难点集中在太空运营与运维，如容错率低、散热、机器人运维及故障排查机制等[29] 十、 其他运营细节 * 资源复用率区间为1.5到2[12] * Open Cloud等相关产品仍处于观察阶段，需求门槛主要来自IT知识和使用环境[22] * 金融领域客户（如东方财富、同花顺）较适合推进行业模型建设，因其数据量大且投入能力强[24]