研究背景

• 宏观经济环境变化，企业经营与用人决策趋于审慎。
• 劳动用工监管体系完善，合规要求提高。
• 业务波动模式改变，需求波动更频繁、更分散。
• 外包服务从阶段性补充手段转变为常态化配置选择。
• 合规成本显性化，预算空间受限，要求外包管理精细化。

研究内容与主要发现

• 企业外包模式格局解析：
  • 多元化用工作为需求刚性最强的外包服务模式，渗透率最高，管理链路最复杂。
  • 企业外包需求集中在复杂、基础事务降本减负，具备专业门槛的外包服务市场渗透率不足。
  • 从事务到专业、从基础到深度或将成为企业的外包发展路径。
• 企业多元化用工现状与趋势：
  • 多元化用工渗透率全面提升，用工人员量上涨，岗位覆盖面进一步扩展。
  • 企业应用多元化用工的首要目的已从“省钱”变成追求用工灵活，定位升级为提升组织敏捷性的战略工具。
  • 多元化用工投入成本出现明显上涨趋势，但企业预算调整空间有限。
• 企业数字化工具应用程度：
  • 人力资源数字化成熟度越高，多元化用工的数字化管理实现率越高。
  • 企业以复用已有的人力资源核心系统管理多元化用工为主，全流程一体化的专业外包 SaaS 平台渗透率最低。
  • 数字化工具在多元化用工场景中已充分验证了事务提效、供需协同的基础价值，但在合规管控、精细化运营与数据驱动决策等高阶场景的价值仍有待释放潜力。
  • 企业人力资源数字化领域引入AI技术的核心驱动因素以降本增效为主，多元化用工场景AI技术落地应用的增长潜力充足。
• 企业系统部署形态：
  • 复用已有系统（如人力资源核心系统）是最为主流的使用方向，独立系统渗透率最低。
  • 已完成系统集成的企业中，主要对接人事核心系统和招聘/人才库系统。
  • 企业尚未充分意识到与业务、财务等系统打通的必要性。
  • 数字化工具的本质是承载固定规则、用数据替代经验判断、用自动化替代重复劳作，最终在管理对象更复杂、变化更频繁的场景下，依然保持管控效率、成本精度与风险可控。
• 数字化工具在多元化用工场景中的价值：
  • 提升流程效率、降低管理与沟通成本是企业部署数字化的首要目的，实现率最高。
  • 实现用工成本、服务质量、履约进度的精细化管控是企业使用数字化工具的重要诉求，但实现率相对较低。
  • 打破企业与供应商的信息壁垒、实现数据共享与业务协同的价值落地效果突出。
  • 通过标准化流程保障用工合规性，降低人为操作风险的价值实现度较低。
  • 用数据驱动决策、支撑柔性用工的价值具备明显的潜在价值，仍待企业探索验证。
  • 统一管理供应商、提升用工灵活度的价值实现度更低。
• 企业案例 & 实践经验精粹：
  • 多元化用工涉及劳动关系、员工权益和数据安全的专业判断与服务温度仍然不可替代。
  • 企业应先明确管理边界和数据标准，再决定采用何种技术架构。
  • 数字化工具在多元化用工场景中已充分验证了基础管理环节的效率提升、合规风险的主动管理、用工关系的透明化治理等价值。

研究结论

• 多元化用工已成为企业常态化的人力配置方式，企业整体持扩张态度，但以谨慎的小幅扩容为主。
• 数字化工具是支撑企业多元化用工高质量管理的必要基础，能够实现全链路快速响应，承载标准化、规模化的管理流程，达成效率提升、成本节约的目的。
• 企业应根据自身情况选择合适的数字化工具和系统部署形态，并持续优化数字化管理体系，以实现多元化用工的合规化、精细化、智能化管理。

百年契机·智向远大

AI智能体正重塑商业格局，推动生产力革命，并引发商业逻辑的深度变革。本报告分析了AI智能体的核心能力、应用现状和未来趋势，指出其将商业竞争从“拼功能”推进到“拼智能融合深度”的新阶段，并提出了“全域种智&生态制胜”的企业竞争战略。

AI智能体的核心能力包括：

• 生产力跃迁：从被动工具到主动执行，实现复杂任务端到端闭环，解放人力资源。
• 流程与决策重构：从预设流程到动态智能，基于实时数据自主感知、规划、决策与行动。
• 生态与竞争升级：从单一应用到生态协同，多智能体分工协作，引发巨头竞争。

AI智能体应用现状：

• 行业应用：主要应用于消费品、原材料、农业、工业品、文旅娱乐等行业，其中品牌营销领域应用最广泛。
• 价值兑现：体现在效率提升、收入增长和模式创新上。
• 规模化瓶颈：主要受技术、组织和伦理三重门限制。

AI智能体未来趋势：

• 新消费模式：代理式购买、对话即购买、向AI下达指令以及零点击决策成为主流。
• 商业业态：智能体生态、生成式引擎、服务型AI平台和人机协作商业将成为新的商业业态。
• 商业逻辑：从“渠道为王”到“流量为王”，再到“注意力稀缺性”，最终到“信任与推荐权稀缺性”。
• 竞争制胜：认知与推荐权垄断成为企业竞争的核心逻辑，算法协同能力成为企业核心竞争力。

企业竞争战略：

• 全域种智战略：通过“全信息、全AI生态、全场景”的品牌信息布局，将结构化品牌资产深度嵌入各AI Agent的知识图谱与决策逻辑中，构建可被AI Agent自动识别与优先调用的跨平台动态数据网络。
• 生态集成与协议调用：将自身能力封装成标准模块，接入主流AI平台或操作系统，从而瞬间触达海量用户。
• 人机协同与预测性响应：将重复性决策与内容生成交给AI，人类聚焦战略与创意；利用AI预测需求，提前配置资源。

研究结论：

• AI智能体正推动商业逻辑、竞争要素与组织形态的系统性重构，企业需要从“工具思维”升级为“代理思维”，构建以“意图中心主义”为核心的竞争战略。
• “全域种智战略”是企业竞争制胜的终极战略，通过系统性构建“算法友好型”品牌，实现“认知植入”与“价值共生”的双重目标。
• AI智能体时代，企业需要构建“数据-AI反馈-优化”的实时闭环，形成不断自我强化的智能资产护城河。

核心观点

本研报旨在协助各国评估其迈向气候韧性WASH系统（饮水、卫生和 hygiene）的进展。报告提出了45个初步指标，涵盖政策、制度、法规、财务、服务提供者、水资源管理、协调、基础设施属性、服务运行和用户体验等多个方面，用于监测气候对WASH系统的影响以及各国适应气候变化的努力。

关键数据

• 指标数量：45个初步指标，涵盖多个方面，包括政策、制度、法规、财务、服务提供者、水资源管理、协调、基础设施属性、服务运行和用户体验。
• 监测框架：提出了一个综合监测框架，将指标分为九个类别，以评估气候韧性WASH系统的各个方面。
• 数据来源：指标数据来源包括政府政策、计划、预算、服务提供者记录、监测数据、调查数据等。
• 评估方法：采用定性和定量方法，包括问卷调查、文献综述、数据分析等，对指标进行评估。

研究结论

• 气候风险：气候相关灾害、冲击和压力对WASH系统构成日益增长的威胁，导致疾病爆发和其他负面影响。
• 适应行动：各国需要采取一系列适应行动，包括制定气候适应政策、加强监测系统、投资气候韧性基础设施、提高服务提供者的能力等。
• 数据收集：需要收集更多数据，以监测气候对WASH系统的影响以及各国适应气候变化的进展。
• 国际合作：需要加强国际合作，共享数据、经验和最佳实践，以支持各国应对气候变化的挑战。

指标举例

• 指标101：WASH政策和计划是否将气候适应措施纳入其中。
• 指标201：用于气候韧性WASH规划的相关气候数据是否可用。
• 指标301：是否制定了考虑当前和未来气候的水供应和卫生设施的设计和建设标准和法规。
• 指标1701：过去12个月内，有多少比例的人口、学校和卫生保健设施的水供应基础设施因气候事件而损坏。

未来展望

本研报提出的指标将在世界卫生组织/联合国儿童基金会联合监测计划（JMP）和联合国-水全球分析和评估卫生和饮用水（GLAAS）中试点，以评估其整合潜力，并为全球WASH监测提供信息。

Neocloud行业研究总结

1. Neocloud资金来源与债务结构

• 融资模式：Neocloud依赖大客户长协、GPU资产抵押融资实现扩张，核心融资工具为GPU项目债，客户信用直接决定融资利率。同时使用股权融资（如Nebius可转债占比约66%）和客户预付款（占合同总额15%-25%）。
• 融资工具案例：CoreWeave融资工具最全，26Q2末综合债务成本约8.3%；Nebius高度依赖低息可转债和股权融资。
• 债券利率变化：CoreWeave债券价格下跌、收益率上升，市场重新评估其信用风险及未来融资能力，推高新增及再融资门槛。
• CDS变化：近期CDS利差同步快速抬升，显示整个北美AI算力链条的信用溢价走高，市场担忧AI资本开支周期、客户回款、供需反转。

2. Neocloud公司经营模式与杠杆

• 商业模式：以合同撬动杠杆、以杠杆撬动规模、以规模兑现现金流。通过5年期照付不议合同锁定现金流，以合同抵押DDTL融资（80%），剩余20%自有资金扩建。
• 财务数据：26Q2 Neocloud调整后EBITDA约40-60%，但高额折旧（占收入50%）和利息支出（占收入20%），GAAP报表普遍亏损。
• 杠杆水平：CoreWeave负债率达93%，Nebius从高负债率通过股权融资降杠杆后，25年随扩张重启债务融资。

3. Neocloud的扩张与兑现节奏

• 订单储备：RPO/Backlog约是年度云收入的十倍，巨量待交付订单需要大量投入，资本开支增速（同比+200%-1000%）约是收入增速（同比+100%-500%）的2倍。
• 收入兑现慢于资本开支：典型链条为“合同—融资—采购—部署—验收—确认收入”，扩张期资产和负债先上、收入后到。
• 交付周期：大型合同首批交付约需2-9个月，新平台和分期建设项目可能约一年或更长，部署、调试和客户上线仍需数月。

4. Neocloud的IRR、ROIC、ROE测算

• 投资回报误区：1年收回投资≠ROIC有100%，需区分静态/折现，是否扣除折旧等。
• ROIC与ROE：高利率、高杠杆下应关注项目IRR/回本期→ROIC/ROIIC → ROE。Neocloud高速扩表期长期ROIC＜WACC，稳态成熟期才能实现超额回报。
• CoreWeave财务预测：典型高杠杆、高资本开支、大客户依赖，靠预收抬现金回报，高速扩表期长期ROIC＜WACC。
• Nebius财务预测：早期长约大客户毛利偏弱，扩张期同样长期ROIC＜WACC，直到稳态才实现很高超额回报。
• 收入来源：
  • 大客户长约：锁量锁价、现金流稳定，基础回报偏低，全周期项目现金IRR约12.34%，大部分收益来自客户预付款资本红利。
  • 散单（非大客户）：天然单价高、回报高（全周期项目现金IRR约20.45%），但价格逐年快速衰减，第5年EBIT转负。

5. 敏感性测算

• 价格波动：价格下行超15%散单无法盈利，下行超40%公司现金IRR低于WACC，需不断融资，甚至陷入债务再融资死亡螺旋。
• 基准利率波动：基准利率上行对现有项目ROIC影响较小，但推高未来续贷、新增融资成本，推高主体WACC。
• 算力使用年限：硬件寿命低于五年ROIC易转负，高于六年则拉高ROIC回报。
• 建设节奏：建设延期超一个季度，长单和公司现金IRR和ROIC会小于WACC，项目需不断融资。

6. 与海外云厂商对比

• 海外云厂商：微软、亚马逊、谷歌等AI云回报健康，26Q2业绩测算ROIC约15%-20%、ROE约15%-25%，资本结构显著优于Neocloud，流动性安全垫更厚。

7. 风险提示

• AI技术进展较慢风险
• 竞争加剧导致增长不及预期风险
• 地缘政治影响供应链
• 监管与地缘政治风险
• 芯片贬值速度高于预期