1. 投资摘要
- BrainPad（3655.T）的 AI 产业链定位：BrainPad 是日本数据分析、AI/机器学习咨询和数据平台公司，链上位置是“数据工程 + AI 专业服务 + SaaS/数据产品”。 14
- AI 硬锚：日本 DX 和第三波 AI 投资带动数据利用需求；公司通过专业服务、数据平台和 Activecore 并购扩大 AI/营销数据能力。 45
- 最新财务硬数：FY06/2025 净销售额 117.72 亿日元、同比 +11.5%；经营利润 15.75 亿日元、同比 +16.8%；归母净利润 10.63 亿日元、同比 +17.0%。 12
- 最新事件：2025-10 策略顾问报告称 FY06/2025 达到历史最高销售和利润；2026 年公司继续以数据利用和 AI/DX 需求为增长口径。 23
- 核心产品：数据分析咨询、机器学习建模、数据工程、Rtoaster/营销数据产品、Activecore、企业 AI 培训和运营。 45
- 竞争参照：ABEJA、PKSHA、Appier、Accenture、NTT Data、Dentsu Digital、DataRobot、Snowflake 服务伙伴。 78
- 本文不提供价格结论、交易方向或配置比例判断，只做事实整理、产业位置拆解和可跟踪指标框架。1
- 关键缺口：AI 单独收入、单客户占比、按模型/芯片/云资源拆分的毛利和资本开支，多数公司并未完整披露，本文统一标注为 [未充分披露]。16
2. 产业链位置
BrainPad不是简单的“AI 概念股”，而是在 AI 产业链中承担特定环节：BrainPad 是日本数据分析、AI/机器学习咨询和数据平台公司，链上位置是“数据工程 + AI 专业服务 + SaaS/数据产品”。 这个定位决定了收入弹性、毛利天花板和资本开支强度都要按环节分析，而不能直接套用训练 GPU、云厂商或通用软件公司的框架。14
| 链条节点 | 公司暴露 | 证据口径 | 投研含义 |
|---|
| 上游依赖 | 核心芯片、云资源、车规 IP、GPU、网络、数据中心或行业数据，视公司业务而定 | 采购比例多数未披露 | 若上游价格/供给受限，毛利和交付会先受压 |
| 自身能力 | 产品、算法、平台、工程交付和行业客户认证 | 产品页和财报披露 | 决定是否有差异化，而非只看收入增速 |
| 下游客户 | 企业、运营商、车厂、政府、云客户或消费电子客户 | 客户名单和集中度多未披露 | 验收周期和议价能力决定现金流 |
| AI 增量 | 端侧推理、Agentic AI、AI Cloud、LLM 监控、数据中心或视觉 AI | 直接收入少数披露，多数需 proxy | 必须把“AI 收入”与“AI 叙事”分开 |
| 财务验证 | 收入、毛利率、净利、CFO、资本开支 | 最新财报和季度材料 | 判断 AI 增量是否真正转成利润和现金 |
3. AI相关收入拆解
- 已披露硬锚：日本 DX 和第三波 AI 投资带动数据利用需求；公司通过专业服务、数据平台和 Activecore 并购扩大 AI/营销数据能力。 45
- 财报口径：FY06/2025 净销售额 117.72 亿日元、同比 +11.5%；经营利润 15.75 亿日元、同比 +16.8%；归母净利润 10.63 亿日元、同比 +17.0%。 12
- AI 直接收入：若公司未单列 AI 收入，本文不把全部收入视为 AI 收入，只按产品和客户场景建立 proxy。
- AI proxy 1：与 AI 产品、AI Cloud、智能体、NPU、LLM Observability、车载 AI 或数据中心相关的收入线索。
- AI proxy 2：与 AI 需求同步变动的客户项目、ARR、平台收入、IDC/云收入或 Core IoT 收入。
- AI proxy 3：若只披露产品进展而未披露金额，则只写“技术/产品暴露”，不写收入规模。
- 未披露项：单一 AI 客户、AI 产品毛利、AI 资本开支、AI 订单转收入周期和 AI 相关存货均按 [未充分披露] 处理。
| 项目 | 口径 | 可用数字 | 证据等级 | 解释 |
|---|
| 总收入/最新收入 | 公司最新财报 | FY06/2025 净销售额 117.72 亿日元、同比 +11.5%；经营利润 15.75 亿日元、同比 +16.8%；归母净利润 10.63 亿日元、同比 +17.0%。 | A/B | 以公司 IR、交易所披露或 SEC 为优先 |
| AI 直接收入 | 公司是否单列 | [未充分披露] 或见上文硬锚 | B/C | 少数公司披露平台/API/AI Cloud收入，多数只披露产品线 |
| 毛利率 | 公司整体或分部 | 见最新财务硬数 | A/B | 判断 AI 放量是否稀释利润 |
| 资本开支 | 数据中心/产线/设备 | [未充分披露] 或财报口径 | B | AI 云和半导体公司尤其重要 |
4. 核心产品
- 专业服务：数据分析咨询、机器学习建模、数据工程和 AI/DX 项目交付，是 BrainPad 连接企业数据利用需求的核心业务；项目收入仍需看人员利用率、验收和回款。 12
- Data & AI 平台：公司围绕数据平台建设、分析环境、模型开发和运营支援提供服务，价值在于把客户分散数据转成可用分析资产，而非自有大模型训练收入。 14
- Rtoaster：BrainPad 的营销数据产品用于个性化推荐、客户数据利用和营销自动化，AI 暴露来自推荐/预测和客户数据活用，具体 ARR 或 AI 单项收入未充分披露。 14
- Activecore：Fujitsu tender offer 文件提到 BrainPad 通过 Activecore 扩大营销数据和客户数据管理能力；并购贡献需回到后续财报验证。 45
- 企业培训与运营：公司提供数据/AI 人才培养、分析内製化支援和运营伴走服务，能提升客户粘性，但毛利受顾问投入和交付周期约束。 16
- 合作与生态：BrainPad 可与云厂、系统集成商、广告/营销平台及企业数据平台合作交付项目，但伙伴收入贡献和单客户占比未充分披露。 17
- 产品验证方法：只把公司官网、财报、交易所公告或正式 IR 材料当作 A/B 级证据；媒体报道只用于补充事件时间线。
- 产品风险：AI 产品可能提升客户粘性，但若硬件 BOM、云资源或人力交付占比过高，规模增长未必自动提升利润率。
5. 上下游
| 方向 | 关键对象 | 对公司影响 | 披露状态 |
|---|
| 上游芯片/算力 | GPU、CPU、NPU、车规 IP、MCU、服务器或云资源 | 影响产品能力、交付周期和毛利 | 多数采购占比 [未充分披露] |
| 上游软件/模型 | 开源模型、商业 LLM、数据平台、开发框架 | 影响产品可用性和客户导入速度 | 具体成本 [未充分披露] |
| 上游人才 | 算法、芯片、云平台、行业交付团队 | 影响研发费用率和交付质量 | 人员结构多为年度披露 |
| 下游客户 | 企业、政府、运营商、车厂、云客户、消费电子客户 | 影响订单稳定性和回款 | 单客户占比通常 [未充分披露] |
| 渠道伙伴 | 云市场、系统集成商、OEM/ODM、开发者生态 | 影响获客成本和海外扩张 | 伙伴收入贡献 [未充分披露] |
6. 同业与竞争格局
BrainPad的竞争不能只按股票行业分类，而要按 AI 工作负载的位置来比：芯片公司比算力、功耗和生态；软件公司比数据闭环、客户留存和毛利；云/IDC 公司比电力、GPU、网络和资本成本。78
| 维度 | 本公司 | 同业参照 | 观察重点 |
|---|
| 收入质量 | AI 暴露与传统业务混合 | ABEJA、PKSHA、Appier、Accenture、NTT Data、Dentsu Digital、DataRobot、Snowflake 服务伙伴。 | AI 收入是否单列、是否高毛利 |
| 利润质量 | 毛利率/经营利润/净利 | ABEJA、PKSHA、Appier、Accenture、NTT Data、Dentsu Digital、DataRobot、Snowflake 服务伙伴。 | AI 增长是否稀释利润 |
| 客户结构 | 企业/政府/车厂/运营商/云客户 | ABEJA、PKSHA、Appier、Accenture、NTT Data、Dentsu Digital、DataRobot、Snowflake 服务伙伴。 | 是否依赖大客户或项目制验收 |
| 技术壁垒 | 产品、算法、平台、认证、生态 | ABEJA、PKSHA、Appier、Accenture、NTT Data、Dentsu Digital、DataRobot、Snowflake 服务伙伴。 | 是否能形成复用而不是一次性交付 |
7. 护城河
- 客户数据与分析经验：BrainPad 长期提供数据分析、数据平台和机器学习专业服务，护城河来自客户数据理解、行业案例和交付经验，而不是通用模型参数规模。 14
- 产品化能力：Rtoaster、营销数据产品和 Activecore 使部分能力从纯项目制转向可复用产品，但 ARR、续费率和产品毛利率未充分披露。 14
- 人才与方法论：数据科学、工程和项目管理人才是交付质量核心，若招聘、留任或人均产出恶化，AI 需求增长也可能无法转化为利润。 16
- 企业内製化支援：培训和运营伴走能让 BrainPad 更早进入客户数据流程，但也会带来人力交付约束，需看经营利润率和现金流。 16
- 并购整合：Activecore 等资产有助于拓展营销数据业务，真正护城河取决于客户迁移、交叉销售和产品整合质量。 45
- 本地市场与客户关系：日本企业 DX 和数据利用需求提供顺风，但同业、咨询公司和云平台伙伴都能竞争同一预算。 27
- 反向检验：若增长主要来自低复用顾问工时、一次性项目或并购摊销，而非产品化收入和利润率改善，护城河应下调。 12
反向提醒：AI 叙事本身不是护城河。若 AI 项目主要依赖人力交付、低毛利硬件转售或补贴获客，规模扩大可能拉低 ROIC。
8. 财务质量(趋势表+杜邦+逐季)
财务分析以公司最新披露为准：FY06/2025 净销售额 117.72 亿日元、同比 +11.5%；经营利润 15.75 亿日元、同比 +16.8%；归母净利润 10.63 亿日元、同比 +17.0%。 12
| 指标 | 最新年度/期间 | 口径 | 质量判断 |
|---|
| 营收 | FY06/2025 净销售额 117.72 亿日元、同比 +11.5%；经营利润 15.75 亿日元、同比 +16.8%；归母净利润 10.63 亿日元、同比 +17.0%。 | 公司财报/IR | 看 AI 相关产品是否贡献增量 |
| 毛利率 | 见披露硬数或 [未充分披露] | 公司财报/IR | 判断软件化或硬件化程度 |
| 净利润 | 见披露硬数或 [未充分披露] | 公司财报/IR | 项目制公司需看一次性损益 |
| 经营现金流 | 见披露硬数或 [未充分披露] | 现金流量表/IR | 比净利润更能识别质量 |
| 资本开支 | 见披露硬数或 [未充分披露] | 现金流/管理层口径 | 云和半导体需要重点跟踪 |
杜邦拆解
- 净利率：用净利润 / 收入衡量；若披露净利和收入，则可计算，否则保持 [未充分披露]。1
- 资产周转：项目制、云基础设施和半导体公司的资产周转差异很大，不能跨行业硬比。6
- 权益乘数：若债务或可转债较高，ROE 可能被杠杆放大；本文不把高 ROE 自动等同于高质量。1
- ROIC：AI Cloud、半导体产线和数据中心需看资本开支回收期；软件平台需看研发费用资本化和续费。2
近季桥
FY06/2025 收入 117.72 亿日元；FY06/2026 公司估计净销售额 135.00 亿日元、经营利润 17.50 亿日元；逐季现金流未充分披露。 23
| 季度/期间 | 收入 | 利润 | 现金流/资本开支 | AI 线索 |
|---|
| 上一年度 | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 只采用已披露产品/客户/平台线索 |
| 最近中期/前三季 | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 只采用已披露产品/客户/平台线索 |
| 最近季度 | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 只采用已披露产品/客户/平台线索 |
| 下一期跟踪 | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 见披露或 [未充分披露] | 只采用已披露产品/客户/平台线索 |
9. 业绩传导
- 正向传导：AI 客户需求增加 → 收入确认或 ARR/订单提升 → 毛利率或现金流改善；需要用下一期财报验证，而不是只看新闻。12
- 正向传导：产品从试点进入规模部署 → 收入确认或 ARR/订单提升 → 毛利率或现金流改善；需要用下一期财报验证，而不是只看新闻。12
- 正向传导：平台/软件 attach 提升 → 收入确认或 ARR/订单提升 → 毛利率或现金流改善；需要用下一期财报验证，而不是只看新闻。12
- 正向传导：渠道或生态伙伴扩张 → 收入确认或 ARR/订单提升 → 毛利率或现金流改善；需要用下一期财报验证，而不是只看新闻。12
- 正向传导：上游芯片/云资源供给改善 → 收入确认或 ARR/订单提升 → 毛利率或现金流改善；需要用下一期财报验证，而不是只看新闻。12
- 正向传导：项目验收和回款改善 → 收入确认或 ARR/订单提升 → 毛利率或现金流改善；需要用下一期财报验证，而不是只看新闻。12
- 反向传导：硬件/云资源成本上升 → 利润率下行或现金消耗扩大；若连续两个季度发生，应下调对 AI 增量质量的判断。16
- 反向传导：客户项目延期 → 利润率下行或现金消耗扩大；若连续两个季度发生，应下调对 AI 增量质量的判断。16
- 反向传导：政府/车厂/企业预算放缓 → 利润率下行或现金消耗扩大；若连续两个季度发生，应下调对 AI 增量质量的判断。16
- 反向传导：研发费用和销售费用提前投入 → 利润率下行或现金消耗扩大；若连续两个季度发生，应下调对 AI 增量质量的判断。16
- 反向传导：一次性重组或并购摊销 → 利润率下行或现金消耗扩大；若连续两个季度发生，应下调对 AI 增量质量的判断。16
10. 经营拆分与反证框架
本节只拆分经营驱动，不做价格、规模口径或市场口径推导。判断重点改为收入质量、毛利率、现金流、客户/订单、产能利用率和产品采用是否强化业务叙事。
| 模块 | 关键经营变量 | 强叙事信号 | 反证阈值 |
|---|
| 收入与采用 | 收入增速、ARR/订单、客户采用 | 收入增长由真实客户采用和复购支撑 | 收入或订单连续放缓，且缺少客户采用证据 |
| 利润质量 | 毛利率、费用率、现金流 | 毛利率稳定，现金转换改善 | 毛利率下行或现金流恶化 |
| 竞争与客户 | 客户集中度、份额、替代风险 | 大客户扩张且竞争格局稳定 | 客户砍单、份额流失或替代方案加速 |
11. 风险
- AI 直接收入未单列，市场可能高估 AI 纯度。12
- 客户集中度和项目验收节奏未充分披露。12
- 上游芯片、GPU、云资源或车规 IP 供给限制。12
- 毛利率因硬件或交付占比上升而下行。12
- 经营现金流与净利润背离。12
- 研发费用和并购摊销压制利润。12
- 地缘、出口管制、政府预算或行业监管变化。12
- 同业价格竞争导致续费或 ASP 下滑。12
- 新产品发布不等于收入确认。12
- 资本开支回收期长于管理层预期。12
12. 常见误读纠偏
- 误读 1：BrainPad 是纯大模型公司。纠偏：公司定位是数据分析、AI/机器学习咨询、数据工程和营销数据产品，AI 收入未单列，不能把全部收入视为生成式 AI 收入。 14
- 误读 2：把产品发布等同于订单和收入。纠偏：产品页证明技术暴露，财报才证明商业化结果。
- 误读 3：AI/DX 需求强就必然提高利润率。纠偏：BrainPad 仍有专业服务和项目交付属性，利润率取决于人员利用率、交付复用、产品收入占比和并购整合。 12
- 误读 4：Activecore 并购等于确定增量收入。纠偏：并购只能证明业务组合扩张，是否贡献利润和现金流要看后续财报中的收入、费用、商誉/摊销和客户迁移。 45
13. 最新事件(带日期)
- 2026-06-18：本文按已可检索公开资料更新；未取得的新一期正式财报不做推断。
- 2025-10 策略顾问报告称 FY06/2025 达到历史最高销售和利润；2026 年公司继续以数据利用和 AI/DX 需求为增长口径。 23
- 2025 年度/最近年度：FY06/2025 净销售额 117.72 亿日元、同比 +11.5%；经营利润 15.75 亿日元、同比 +16.8%；归母净利润 10.63 亿日元、同比 +17.0%。 1
- 产品侧：日本 DX 和第三波 AI 投资带动数据利用需求；公司通过专业服务、数据平台和 Activecore 并购扩大 AI/营销数据能力。 45
- 同业侧：ABEJA、PKSHA、Appier、Accenture、NTT Data、Dentsu Digital、DataRobot、Snowflake 服务伙伴。 的公开结果用于校验赛道景气，不作为本公司收入证明。78
14. 跟踪指标
- AI 直接收入或 proxy 占比：下一期财报若披露则更新；未披露不倒推。12
- 毛利率与分部毛利率：下一期财报若披露则更新；未披露不倒推。12
- 经营现金流和自由现金流：下一期财报若披露则更新；未披露不倒推。12
- 资本开支、折旧和数据中心/产线利用率：下一期财报若披露则更新；未披露不倒推。12
- 客户数量、ARR、订单、backlog 或 lighthouse 用户：下一期财报若披露则更新；未披露不倒推。12
- 研发费用率和销售费用率：下一期财报若披露则更新；未披露不倒推。12
- AI 产品发布后的商业化节奏：下一期财报若披露则更新；未披露不倒推。12
- 单客户或政府项目集中度：下一期财报若披露则更新；未披露不倒推。12
- 上游 GPU/芯片/云资源供应：下一期财报若披露则更新；未披露不倒推。12
- 同业价格和新品代际：下一期财报若披露则更新；未披露不倒推。12
15. 来源
16. 证据等级与未披露项
| 证据等级 | 定义 | 本页用法 |
|---|
| A | 公司财报、SEC/交易所公告、公司 IR 正式材料 | 财务硬数优先使用 |
| B | 公司官网产品页、正式新闻稿、投资者演示 | 用于产品和事件线索 |
| C | 权威媒体、行业报告、金融数据聚合页 | 用于补充但不单独证明核心财务 |
| D | 市场传闻、社媒、无来源摘要 | 不用于硬数 |
未披露清单：
- AI 单独收入：[未充分披露]。
- AI 产品毛利率：[未充分披露]。
- 单客户收入占比：[未充分披露]。
- 客户名单和合同金额：[未充分披露]。
- 上游采购占比：[未充分披露]。
- 资本开支按 AI 项目拆分：[未充分披露]。
- 模型/芯片/云资源成本：[未充分披露]。
- 区域收入中的 AI 占比：[未充分披露]。
- 逐季完整现金流桥：[未充分披露]。
- 订单转收入周期：[未充分披露]。
17. 结论边界
本页结论只覆盖 BrainPad 在 AI 产业链中的事实位置、产品证据、财务质量和跟踪框架。所有数字均要求能回到来源；不能回到来源的硬数不写，或者标为 [未充分披露]。12
不提供交易方向、价格结论或配置比例判断。
