261027-奥普特6886862026年三季报业绩交流会

2026年三季报核心财务数据

• 单季度营收与增速：2026年第三季度公司实现营业收入4.82亿元，同比增长46.24%。单季度收入增速逐季上行，前三季度分别为33.51%、31.79%、46.24%。增长主要来自下游行业景气度提高和AI持续发力。
• 分行业收入：3C行业收入5.93亿元，平稳；锂电行业收入3.79亿元，同比增长47.26%；半导体行业收入2.02亿元，同比增长257.47%；汽车及其他行业增速稳定。AI业务收入前三季度突破3亿元，同比增长157%。
• 利润表现：第三季度归母净利润0.61亿元，同比增长66.88%；前三季度归母净利润总额2.3亿元，同比增长26.83%。扣非后归母净利润同比增速达到75.54%。
• 费用管控：前三季度不含财务费用的三费合计同比增长20.16%，低于营收增速。公司期间费用率持续下降，后续将维持费用率稳定。
• 研发投入：前三季度研发投入2.1亿元，同比增长4.74%，知识产权持续取得进展。
• 营运指标与备货：经营活动产生的现金流量净额为负，但第三季度单季改善，应收账款和存货指标环比好转。存货约6亿元，主要为原材料战略备货。

AI业务发展与历史增长

• AI收入增长趋势：AI应用收入从2024年的6000多万元增长至2025年的1.28亿元，2026年前三季度达到3亿元，同比增长157%，是未来拉动公司增长的重要引擎。
• AI应用场景：已覆盖3C、锂电、汽车、半导体、光模块、先进PCB等领域。

2027年果链与3C业务展望

• 果链订单与确认节奏：3C业务最大客户为A客户，第三、四季度订单落地较多，交付周期通常为1-2个季度，导致上半年收入和利润体量高于下半年。
• 2027年苹果资本开支判断：预计2027年苹果资本开支大年，果链整体资本开支行业增速有望达到30%以上。
• 果链资本开支增长原因：新工艺带动新设备需求，大年产线备线数量多于2026年。
• 公司果链业务增速目标：预计2027年果链相关收入增速达到50%以上，主要支撑因素包括参与新项目、AI收入放量、提升市场份额。
• 毛利率改善逻辑：3C行业毛利率最高，若2027年3C成为主要收入增长点，将带动整体毛利率上行。
• A客户收入占比与增速：A客户收入约占3C业务收入的70%-80%，预计2027年A客户相关收入增速不低于50%。
• A客户高增速驱动因素：AI项目落地、AI合作提升市场份额、苹果资本开支大年。

物理AI与具身智能产品布局

• 物理AI整体布局：包括具身智能相关视觉产品、AI质检业务，以及潜在布局的AI赋能制造业工艺优化类业务。
• 工业级2D/3D视觉产品（LSAE系列）：与机器人本体厂商合作，已实现收入确认和应用落地。
• 消费级3D视觉产品（RSAE、RSB1系列）：面向专用数据采集设备商，业务有序推进。

AI质检业务商业化与拓展模式

• AI质检商业化地位：相较具身智能，AI质检当前为公司带来更大规模的商业收入。
• 2026年前三季度AI收入结构：3C与锂电合计占AI收入的90%以上，同时向医药、服装、食品等行业泛化拓展。
• 直营/直销模式：主要服务已有大客户，挖掘其质检工人替代空间。
• 经销模式与行业泛化：针对分散在各行业的质检需求，采用经销模式，通过培训实现跨行业扩散，带动硬件销售。
• 2027年AI业务收入展望：仅考虑当前主要行业落地项目，预计2027年AI收入有望接近翻倍，达到五六个亿元甚至更高。

A客户AI质检市场空间、报价与份额

• A客户质检工人规模：判断可能达到三分之一以上，全球质检工人数量非常可观。
• AI质检报价基准：以一年投资回收期为基准，保障项目盈利能力不低于行业基准。
• A客户长期替代空间：内部测算认为，仅A客户后续年化AI质检替代空间可能达到公司当前在A客户收入规模的十倍量级。
• 量产落地节奏：2025年开始出现可落地的量产项目替代，A客户对AI人工替代的态度积极，但具体落地节奏受强工艺认证和最终运行效果影响。
• AI业务毛利率结构：3C行业部分毛利率不低于70%，锂电项目按锂电行业基准毛利率报价。
• 竞争地位与数据优势：公司在数据量方面处于全球相对领先水平，累计采集的AI质检相关缺陷样本数据量级在亿条以上。
• AI质检决策机制：项目主要由A客户主导，带领公司与CM厂谈判。A客户推动替代的核心原因包括质检工人数量过多和全球不同地区人工质检差异导致产品品质差异。
• 先发优势形成原因：AI质检需要前置投入大量人力、差旅和时间，公司投入早、投入力度大，率先走通商业闭环并形成公司层面多项目合作的先发优势。

物理AI核心竞争力与技术路径

• 核心竞争要素：大模型、硬件配套、数据。
• 工业数据壁垒：工业数据需额外经过客户认证程序，公司已将模型训练至客户可接受的量产水平。
• 数据获取与落地顺序：从文字数据到图片数据，再到具身智能所需的三维和矢量数据，获取难度逐级提升。
• 质检数据的独特性：与传统机器视觉业务数据不同，AI质检数据来自质检人员大脑和培训手册。

AI产品价值量与标准化能力

• 传统机器视觉方案价值占比：通用零部件占整个设备价值量的5%-10%。
• AI质检工位价值结构：软件价值占比更高，可达30%-40%，整体盈利能力略优于传统零部件业务。
• 软件标准化路径：随着数据量积累和模型训练，开发周期大幅缩短，未来将发展经销模式，形成相对标准化的产品。
• 硬件标准化路径：公司已积累上万款光源、数十万至数百万个不同打光方案，将客户非标需求转化为内部标准化供给。

大模型合作与算力、芯片储备

• 当前模型开发方式：基于国内外开源图像大模型进行二次开发。
• 未来外部合作计划：将与国内外头部大模型公司开展合作，公司优势在于提供行业数据和具体应用场景。
• 芯片与算力现状：相机产品包含部分芯片，已进行备货，算力需求尚未构成约束。

锂电业务及其他行业展望

• 锂电业务增长原因：2026年第三季度锂电收入增长较快，主要来自特定项目获取的较大订单。
• 锂电业务预测限制：无法像3C业务一样给出高置信度预测，更多依据项目信息进行反馈和交流。

公司总结与中长期投资逻辑

• 2027年增长信心：受益于2027年苹果资本开支大年及公司在果链市场份额提升，预计收入端将实现增长，高毛利3C业务占比提升将推动毛利率上行。
• 物理AI长期战略：坚持“AI in all”战略，面向多个行业、多种形式的人工替代，先从数据易得、难度较低的场景切入，再进行跨行业泛化。
• 长期核心竞争力：工业行业数据积累，以及对不同行业的理解和场景沉淀。