华创计算机｜商汤线上交流

参会者：华创研究员+CEO 1、上半年经营与财务表现 •业务规模增长：商汤科技上半年业务规模显著增长。集团整体收入较去年上半年同比增长36%，生成式AI业务尤为突出，同比增长73%，占集团整体收入的77%（近八成）。经过两三年发展，商汤在生成式AI业务规模化收入上表现亮眼，是该领域规模化收入体量较大的公司之一。 •经营质量改善：商汤科技上半年经营质量提升，经调整净亏损较去年同期收窄50%。这得益于收入与毛利增长、应收账款质量改善：今年上半年应收账款拨备计提较去年同期减少约4.5亿元，生成式AI业务回款质量优于过去ToG的智慧城市业务。现金周转效率大幅提升，周转天数从四五百天降至100多天。25年上半年回款31.6亿人民币，超集团整体收入。亏损连续四个半年收窄，体现业务调整后的持续改善。 •业务结构调整：商汤科技上半年调整业务结构，收入披露分类更清晰。今年上半年微调为三类：生成式AI业务、视觉AI业务及X创新业务（未来可能子公司化独立运营并出表）。X创新业务因独立融资可能未来出表，前后可比性降低，建议关注核心业务（生成式AI+视觉AI）收入驱动。在‘1+X’战略推进下，X创新业务分拆出表取得成效，截至25年6月30日，大芯片公司‘希望’和端侧芯片公司‘影微创新’已出表。未来将继续推动X创新业务市场化运营及独立融资，部分公司可能进一步出表。 2、生成式AI行业认知与关键能力 •行业认知深化：生成式AI行业认知不断深化。早期关注模型技术，后转向杀手级应用，如今更强调业务闭环完整性。这在近期美国科技头部公司（如Oracle）26年Q1财报引发的讨论中得以体现。Oracle作为IT行业老兵，其数据库及行业理解积累，为生成式AI业务爆发增长提供支撑。从客户需求看，关注点从单一技术转向整体化、端到端交付，要求方案嵌入工作流、解决场景问题，具备深度调试优化的基础设施保障稳定输出和高性价比，与前两年差异明显。产业链中，中上游（芯片及相关产业、适配下游的云基础设施）确定性更强；应用层面，早期弹性最佳的是ToB应用，因其易在细分场景实现实质变化，客户接纳度与付款意愿高，商业化回报弹性更优。 •基础设施核心作用：基础设施是生成式AI端到端交付的核心，其复杂性远超GPU堆叠。 当前对基础设施的认知提升到新维度，不仅含芯片硬件，还需集成软硬件适配、算法研发、数据生成与存储、后训练工具、能耗管理等能力。与‘裸金属’设施不同，有效基础设施需针对客户场景进行数据二次训练与调试以解决实际问题，通用算力难以满足需求。企业需将自身能力沉淀于自有基础设施，在算子层面深度优化。同时，基础设施需具备训推一体调度能力和低能耗成本控制能力，支撑稳定商业化输出。25年上半年实践表明，深度整合的基础设施是实现客户价值最大化的关键。 3、核心业务布局与优势 •基础设施积累：公司在智能计算基础设施领域有先发优势，拥有中国首个5A级智算中心——上海临港AIDC，在ChatGPT出圈前已点亮运营，当年是亚洲最大单体智算中心之一。截至目前，它仍是除互联网大厂外，国内最先进、规模最大的智能模型基础设施之一。 •模型与应用能力：模型研发上，公司紧跟技术趋势，针对客户需求最大的方向，是国内最早全力投入多模态融合模型研发的企业。应用层面，与具身智能、智能硬件（如小米眼镜）合作，实现多模态融合模型在交互场景的应用，体现虚实交互能力，走在行业前列。公司有超10年商业化积累，覆盖传统与新兴领域（如AIGC、具身智能、智能硬件等），对下游应用场景理解深刻。基于基础设施、模型及应用的布局，业务结果不错，财务呈向上趋势。 4、小浣熊Agent产品情况 •产品功能与行业覆盖：小浣熊是生成式AI的重要交付形式，其核心能力为多步骤任务规划与执行、外部工具调用，需具备高稳定性和完成度，才能嵌入客户工作流并实现付费。产品依托强推理及以文档为出发点的任务规划执行技术，形成金融、电商营销、教育、政务等行业版本。合作覆盖多领域，与金山办公、大型保险公司、银行、地方12345平台合作，2025年上半年还服务了500多所学校。产品以ToB为主，也有开发者版本供用户自主开发尝试。 •用户规模与场景深化：小浣熊现有超百万ToB及开发者用户，是应用层面核心产品。应用场景从早期的浅层工作（如客服、企业OA问答、合规问答）拓展至核心业务场景：在银行信贷领域，可分析授信客户财务报表、行业数据及宏观数据，并提供可视化呈现；在保险领域，借助多模态大模型能力，可审核用户上传的理赔单据（含照片），完成勾稽关系梳理、时间线整理、金额对应及风险点识别。未来计划结合数字人生成技术深化营销领域产品，在金融领域基于标杆客户案例向更多客户复制经验，进一步做厚做深产品。 5、算力基建布局策略 •端到端交付理念：在算力基建布局中，商汤对算力服务强调端到端交付。美国因存在如OpenAI等新兴AI企业及云厂商算力不足需外租裸金属算力，裸金属算力市场规模大，如Coreweave公司上市后的业务表现。但国内客户更需端到端的完整服务，单纯裸金属算力缺乏软件层、工具层、机构模型等配套支持，难以满足客户业务和投资回报率需求。因此，商汤将自身能力沉淀于基础设施，向客户交付完整服务，整合多元能力，以取得更好商业化表现。 •动态调整与轻资产模式：商汤在算力规模布局上采取动态调整与轻资产模式。不设固定算力投入资本支出目标，因单纯追求规模有供应链和下游客户认可风险。动态调整结合下游需求与上游供应链变化：下游根据客户场景技术迭代、芯片选型测试确定方案；上游考虑芯片供给量及时间节奏，供应链变化常使友商或大厂芯片投入不及预期。商汤采用轻资产模式获取资源，包括合规采购、与合作伙伴联合运营、租赁或分成等。商汤认为针对需求与供应链变化的快速调整和迭代，重要性高于规模追求。 6、具身智能布局与合作 •端到端方案能力：商汤在具身智能领域布局较早且进展显著，早期仅有1个客户，目前已扩展至超20个客户。核心在于其具备稀缺的端到端解决方案能力，包含视觉感知、多模态模型交互与推理、数据仿真与生成、智驾导航模块、强大的基础设施支撑。其中，视觉感知方案成熟度获市场认可；多模态模型结合长期视觉及物理AI数据工作；数据仿真与生成契合具身客户需求；智驾导航模块是具身客户迫切需要的技术；强大的基础设施是多年沉淀的优势。通过模块化形式将积累沉淀于平台，商汤能端到端交付方案，与单点交付模式不同。 •与客户联合研发：具身智能是与物理世界密切交互的复杂系统，研发涉及多环节，需大小脑配合。商汤与客户采用互补合作模式，客户输出场景需求，商汤输出对神经网络等的理解，双方结合推进具身大脑研发。该模式适用于技术变化未成型、分层分工未明晰的早期领域，如脑机接口、AIforscience公司等，协同研发迭代更易获客户认可并实现商业化回报。 7、模型创新与多模态发展 •多模态模型研发进展：商汤自日新V6版本起，将研发管线切换至多模态融合领域。其核心逻辑在于，生成式AI需通过与硬件、客户场景结合（而非单纯依赖互联网文本数据），实现更高维度智能。具体进展包括：数据准备方面，每日生成约5T数据用于动态融合模型 训练，重点整合真实应用场景（尤其是与物理世界交互场景）的数据，这类数据在互联网留存并不完整；能力提升方面，日新6至6.5版本在多模态强推理、图文交错思维链、常识记忆等维度实现显著增益；商业化落地方面，已在金融、教育、政务、电商营销等场景初步实现应用，通过动态融合模型研发成果，可解决客户小场景中的部分问题。 •行业趋势判断：大模型下一阶段发展需打开与物理世界交互的通道，要优化底层架构、升级算法、提升数据质量并结合强化学习方法，推动模型智能跃升。从行业案例看，Google的Gemini及其周边应用（如影视、游戏场景）已展现多模态融合的应用潜力，值得重点关注。 8、未来盈利与发展展望 •扭亏目标与路径：扭亏目标的实现较复杂，受多因素影响。需在收入与毛利端持续努力，还受创新板块（如一加S4）分拆进度、减亏措施及技术底层变化对研发投入的影响。公司虽有内部目标，但暂不向资本市场分享或设定具体时间节点。公司将多维度推进扭亏：一是扩大收入规模，重点推动生成式AI标准化复制；二是推进一加X分拆，面向具体垂域发展；三是推动短期无法转正的亏损板块独立市场化运营；四是优化运营费用，控制人员成本（从6000多人降至3000出头），随着分拆推进，人员成本负担将进一步降低；五是改善现金流，减少应收账款拨备，助力盈利改善。整体上，公司正努力打造可持续盈利模式，但暂无法提供具体扭亏时间节点。 Q&A Q：小浣熊产品家族的整体产品情况、月活数据及客户转化情况如何？ A：小浣熊作为生成式AI的重要交付形式，强调多步骤任务规划执行与外部工具调用能力，需稳定性和完成度达标以嵌入客户工作流并实现付费。商汤较早布局该产品线，已形成金融、电商营销、教育、政务等行业版本，依托强推理与文档任务规划执行能力。产品以to B为主并含开发者版本，用户超百万，是商汤应用层核心产品。后续将通过标杆客户深化重点方向，包括营销领域结合数字人生成技术与数据分析Agent能力，金融领域从客服、企业OA问答等浅层场景延伸至银行信贷分析、保险理赔审核等核心业务场景。因涉及客户场景运营数据，无法提供日活、月活数据，但用户增长与场景渗透表明其为市场认可的特色生产力工具。 Q：商汤在算力基建的布局、下游客户情况及今年年底算力规模如何？ A：商汤不倾向于仅提供裸金属算力，中国客户更需要包含软件层、工具层、行业模型、数据能力及软硬协同的端到端服务。算力布局以商业化需求为导向，通过测试适配国产及海外芯片，提供高性价比方案。算力规模受下游需求及供应链动态影响，无固定CAPEX目标，采用轻资产模式获取资源，更注重根据需求与供应链变化快速调整迭代，而非单纯追求规模。 Q：商汤在具身智能领域的布局中，是否在机器人大脑方向有投入研究？ A：商汤在具身智能领域布局较早，目前已服务超过20个客户，核心依托其端到端解决方案能力。该方案整合了商汤多年技术积累，包括成熟的视觉感知能力、多模态模型交互推理能力、物理AI数据及仿真生成能力、2019年起开发的智驾导航模块能力，以及强大的基础设施支撑能力，通过模块化形式沉淀于平台并端到端交付客户。具身智能系统需与物理世界密切交互，涉及感知、多模态推理、任务规划、执行等多环节，商汤并非独立开发机器人大脑，而是与客户联合推进研发——结合客户场景需求与自身在神经网络、视觉、多模态模型、基础设施等方面的能力，共同迭代以实现商业化回报，此模式在当前技术快速变化、分工尚未明晰的阶段更易获得客户认可。 Q：如何看待当前模型创新问题？GPT-5及DeepSeek产品推进低于预期的背景下，对商汤日新模型有哪些期待？ A：商汤认为，基于现有大语言模型架构及可获取的训练数据，生成式AI的智能水平提升存在可见天花板。自日新V6版本起，商汤已将研发管线转向多模态融合领域，核心逻辑在于通过结合硬件与客户场景，获取真实物理交互场景中的高质量数据，以打开人机及机器间交互的更多渠道，推动模型向更高维度智能发展。当前日新6至6.5版本在多模态强推理、常识记忆等方面已展现显著增益，虽受数据及算法框架演进影响，动态融合模型研发进度慢于早期大语言模型，但已在金融、教育、政务、电商营销等小场景实现初步商业化嵌入。商汤认为多模态融合是大模型下一阶段发展方向，可参考Google Gemini等海外案例的应用进展。 Q：商汤科技利润扭亏的具体时间节点如何？ A：商汤科技内部对利润扭亏有目标，但受多因素影响较为复杂，包括收入与毛利表现、一加S4等创新板块分拆进度、减亏措施推进，以及技术底层变化对下一阶段研发投入的影响，因此不倾向向资本市场分享具体时间节点。当前趋势是通过扩大收入规模、加快一加X分拆以聚焦垂域、推动短期无法转正的亏损板块独立运营、优化运营费用、改善现金流并减少应收账款拨备等多维度举措，向可持续盈利目标努力，但暂未明确具体扭亏时间节点。