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]