公司概况与核心业务 * 公司：迅策，一家中国领先的AI实时数据基础设施与分析服务商[3] * 上市情况：2025年12月30日在香港上市，计划于2026年3月9日纳入港股通[3] * 核心业务：以AI、Data、Agent为核心，提供覆盖数据获取、清洗、标准化、标签、建模、实时计算、业务开发的全流程数据服务，并对最终交付结果负责[2][3] * 最终交付形态：通常为可交互的界面化产品，客户可完成具体业务功能与决策支持，如管理、订单执行、估值等，并具备实时能力[14] 市场与客户演进 * 早期市场：成立初期聚焦东南亚市场，客户以金融行业为主[5] * 当前行业覆盖：已拓展至约7-8个行业，包括金融、便利零售、城市运营、医药健康等[2][5] * 客户结构：客户数量不到300家，模块数量300多个[5] * 金融客户：包括私募基金、公募基金、银行理财子公司、券商自营资管等[2][5] * 多元化行业客户：包括中国移动、中国联通、中国电信等大型企业[2][5] * 客户集中度：当前客户集中度没有明显偏高，收入由金融与多元化行业客户共同构成[9] 商业模式与财务表现 * 收入模式：主要按模块收年费，交易模式为辅[2][6] * 按模块收年费是当前主要模式，客户粘性较高[2][6] * 交易模式更多用于部分关系型客户，按年度结算[6] * 2025年上半年收入：约2亿元，但受客户验收延迟、统计口径等因素影响，该数据参考意义有限[2][7] * 定价演进方向：现阶段以按模块收年费为主，同时探索按价值创造进行后端分成；未来或考虑按流量或token定价[4][13] * 毛利率目标：目标是推动各行业毛利率逐步向金融行业水平收敛，规划中的长期收敛目标为毛利率80%左右[4][13] * 2026年盈利目标：预期实现盈亏平衡，并形成一定利润[20] 核心能力与竞争壁垒 * 核心能力：将客户内外部异构、脏数据转化为可用的高质量数据，并在数据与大模型之间提供适配与调优能力[2][8] * 差异化：公司不直接拥有客户数据，客户可自主选择前端工具与大模型[2][8] * 竞争壁垒：对客户数据的理解能力与工程化交付门槛，金融等高要求行业的长期积累带来稳定性[8] * 与大模型关系：客户可自主选择大模型，公司提供大模型调优与适配服务，与模型方形成互补关系[4][12] 行业拓展策略与执行 * 拓展策略：以行业为单位自上而下拓展，每年择机扩展1-2个新行业[2][10] * 进入方式：从头部客户切入，第一个客户通常为定制化交付，用于学习行业数据与沉淀方法论，之后逐步提升标准化程度[10] * “可收敛性”判断：对于3-5年或5-7年难以收敛的行业，会阶段性选择暂不进入[2][10] * “行业收敛”定义：核心是对行业特定数据体系的理解与掌握程度逐步加深，而非技术熟练度或客户盈利[15][16] * 收敛时间：预计用3-5年或5-7年可逐步实现单一行业的收敛[16] * 2026年重点投入方向：计划重点投入机器人训练数据平台与商业航天两个方向，判断每个行业均为“万亿以上”市场规模[10] 研发与交付 * 研发团队：研发人员约320人，占比约67%，整体员工规模约四五百人[4][12] * 跨行业能力：工具与工程化能力具备跨行业复用性，但进入新行业仍需学习行业数据，并引入专家型人才[4][12] * 典型项目流程：覆盖数据获取、清洗、标准化、打标签、建模等全流程，将异构数据转化为高质量数据，搭建数据计算平台，提供标准化行业解决方案[4][11] * 交付方式：取决于客户需求，在数据格式等条件具备的情况下，可实现远程交付[4][11] * 进入新行业链条：需要从前到后完整覆盖端到端流程，并结合客户需求完成后端调优，包括模型选择与适配、后训练等[14] 增长动力与市场环境 * 增长较快方向：AI相关应用增长较快，AI相关订单占比相对更大、增长相对更快[13][17] * AI能力建设侧重点：核心投入在应用侧落地，包括agent方向的产品化与交付，如投研、合规等场景，而非自研大模型[13] * 2026年增长信心：对2026年整体更有信心，订单增长较快，并出现客单价较高的订单；新行业在观察上半年是否有订单落地[17] * 市场环境变化：客户（包括国企）对AI重视程度显著提高，存在KPI要求，对数据端价值的认知在提升，不再只关注算力端投入[19] * 获客方式：主要依靠客户转介绍，销售人员占比少、费用低；同时也有客户主动找上门的情况[19] 其他重要信息 * 解禁情况：老股东解禁周期为1年，基石投资者解禁周期为6个月[18] * 基石投资者：基石占比在30%以内，包含较多长线资金，合作取向偏长期[18]