1. 投资摘要
- 结论先行：金蝶国际 在 AI 产业链中的位置是“云 ERP、EBC、苍穹 PaaS 与 AI 管理软件”，不是芯片厂，也不是纯基础模型公司；研究重点是 AI 功能能否提高订阅、云用量、企业客户留存和利润率。12
- 2025 年总收入 70.06 亿元，云服务收入 57.82 亿元，云订阅服务 ARR 约 39.4 亿元，公司口径称云转型进入规模化阶段。12
- 2025H1 总收入约 31.92 亿元，云服务收入约 26.73 亿元，云订阅服务 ARR 约 37.3 亿元，毛利率约 65.6%；截至 2026-06-18，2026 年中期业绩尚未披露。12
- 公司 AI 相关收入没有单独披露，本文把苍穹/星瀚/云订阅中由 AI Copilot、智能财务、人力与供应链场景拉动的收入列为宽口径 proxy。12
- 2025 年经调整净利润约 2.32 亿元，说明云订阅规模扩大后利润已经由亏损转向正贡献，但研发与销售投入仍高。12
- 金蝶的 AI 叙事要落到云订阅 ARR、合同负债、星瀚/苍穹续费和大客户扩张上；公司披露了云服务与订阅指标，但 AI Copilot 或管理大模型的单独收入、推理成本和客户单价仍未充分披露。34
- 研究框架用三条线交叉验证：收入是否真实、毛利和现金流是否承接、AI 产品是否进入客户流程而非停留在发布会。56
- 最关键的反证是：AI 叙事提高费用和资本开支，但没有带来订阅/云收入、留存率或经营现金流的同步改善。78
2. 产业链位置
- 链条坐标：
chain-cloud / kingdee-international-software，上游是算力、云、模型、数据和行业集成，下游是企业客户、开发者、运营商或消费者应用。1
- AI 价值来源不是“拥有大模型”本身，而是把模型能力嵌入既有软件、云、通信或客服流程后，提高使用频次、自动化率和续费意愿。56
- 在产业链中，金蝶处于企业管理软件和 PaaS 应用层：上游依赖云基础设施、模型和企业数据，下游是财务、人力、供应链与制造管理流程；AI 的价值来自嵌入 ERP/EBC 工作流后提高续费和扩容，而不是单独售卖基础模型。23
- 上游关键变量包括 GPU/服务器折旧、云推理成本、模型 API 成本、数据合规和渠道费用；公司层面对这些变量的逐项披露通常不足。47
- 下游关键变量包括大客户签约、ARR/订阅、云资源利用率、企业项目验收和消费者付费率。18
3. AI相关收入拆解
| 口径 | 可确认收入 | AI 归因 | 置信度 | 说明 |
|---|
| 公司总收入 | 见财务表 | 不能全部归为 AI | A | 集团收入是分母，不是 AI 收入口径。1 |
| AI/云/订阅宽口径 | 2025 年总收入 70.06 亿元 | 与 AI 功能、云迁移或自动化相关 | B | 依赖公司披露和产品结构。2 |
| AI 单独收入 | [未充分披露] | 不能倒推 | A | 未披露模型调用、AI SKU、客户单价时不估算。3 |
| 客户/行业拆分 | [未充分披露] | 只写客户类型 | B/C | 个别案例不等于收入占比。6 |
| 毛利贡献 | [未充分披露] | 需看云成本/服务成本 | B | AI 功能可能提升 ARPU，也可能增加推理成本。7 |
- 投研上只把已收费的订阅、云资源、软件模块、项目验收收入计入 AI 相关收入；新闻稿中的“接入 AI”不直接计入收入。19
- 若公司只披露总收入而不披露 AI SKU，本文用“proxy”描述，不把 proxy 写成硬收入。210
4. 核心产品
| 产品/服务 | AI 连接方式 | 商业化路径 | 披露缺口 |
|---|
| 金蝶云苍穹 PaaS 与 AI 原生开发平台 | 嵌入生成式 AI、预测、搜索、语音、视觉或自动化能力 | 订阅、云用量、项目制或服务费 | SKU 收入/客户留存 [未充分披露] 1 |
| 金蝶云星瀚大企业 SaaS/EBC 套件 | 嵌入生成式 AI、预测、搜索、语音、视觉或自动化能力 | 订阅、云用量、项目制或服务费 | SKU 收入/客户留存 [未充分披露] 2 |
| 金蝶云星空成长型企业 ERP | 嵌入生成式 AI、预测、搜索、语音、视觉或自动化能力 | 订阅、云用量、项目制或服务费 | SKU 收入/客户留存 [未充分披露] 3 |
| 精斗云/云会计/云进销存等小微 SaaS | 嵌入生成式 AI、预测、搜索、语音、视觉或自动化能力 | 订阅、云用量、项目制或服务费 | SKU 收入/客户留存 [未充分披露] 4 |
| AI Copilot、智能财务、智能人力、供应链计划等嵌入式功能 | 嵌入生成式 AI、预测、搜索、语音、视觉或自动化能力 | 订阅、云用量、项目制或服务费 | SKU 收入/客户留存 [未充分披露] 5 |
- 产品判断重点不是功能列表，而是这些功能是否改变客户预算科目：从一次性项目转成订阅，从人工服务转成自动化，从普通云资源转成高利用率 AI 资源。56
- 若 AI 功能只是免费增强，短期体现为留存和竞争力；若形成独立 SKU，才可能直接进入收入拆分。23
5. 上下游
| 上游 | 依赖项 | 影响 | 披露 |
|---|
| 阿里云、华为云、腾讯云等云基础设施伙伴，具体采购占比未充分披露 | 算力/数据/模型/渠道 | 影响成本、交付和毛利率 | [未充分披露] 1 |
| 数据库、中间件、操作系统与信创生态伙伴 | 算力/数据/模型/渠道 | 影响成本、交付和毛利率 | [未充分披露] 2 |
| 企业客户历史 ERP 数据、财务流程、供应链流程与人力组织数据 | 算力/数据/模型/渠道 | 影响成本、交付和毛利率 | [未充分披露] 3 |
| 大模型 API 与私有化模型部署能力，模型成本与推理量未充分披露 | 算力/数据/模型/渠道 | 影响成本、交付和毛利率 | [未充分披露] 4 |
| 下游 | 需求来源 | 收入确认 | 风险 |
| --- | --- | --- | --- |
| 大型集团企业、央国企和跨国在华企业 | AI 降本、增效、合规或体验升级 | 订阅、用量、项目验收或广告 | 客户集中和预算周期 5 |
| 成长型制造、零售、服务企业 | AI 降本、增效、合规或体验升级 | 订阅、用量、项目验收或广告 | 客户集中和预算周期 6 |
| 小微企业财税和进销存用户 | AI 降本、增效、合规或体验升级 | 订阅、用量、项目验收或广告 | 客户集中和预算周期 7 |
| 实施服务商、ISV 与区域渠道伙伴 | AI 降本、增效、合规或体验升级 | 订阅、用量、项目验收或广告 | 客户集中和预算周期 8 |
- 上游涨价或推理成本上升，会先挤压毛利率，再影响销售策略；下游预算收缩会先体现在新增 ARR、云用量和项目验收延期。78
6. 同业与竞争格局
| 同业 | 竞争维度 | 金蝶国际 的相对位置 |
|---|
| 用友网络 | 产品、客户、生态或价格 | 需按区域、客户规模和部署方式比较，不能只比模型参数 1 |
| SAP | 产品、客户、生态或价格 | 需按区域、客户规模和部署方式比较，不能只比模型参数 2 |
| Oracle NetSuite | 产品、客户、生态或价格 | 需按区域、客户规模和部署方式比较，不能只比模型参数 3 |
| 浪潮云洲/浪潮 GS | 产品、客户、生态或价格 | 需按区域、客户规模和部署方式比较，不能只比模型参数 4 |
| 鼎捷软件 | 产品、客户、生态或价格 | 需按区域、客户规模和部署方式比较，不能只比模型参数 5 |
| Salesforce/Workday 在部分模块竞争 | 产品、客户、生态或价格 | 需按区域、客户规模和部署方式比较，不能只比模型参数 6 |
- 竞争格局的硬指标包括 ARR/云收入增速、毛利率、净留存率、客户数、单客户 ACV、服务成本、销售周期和现金流。12
- AI 软件和云服务的竞争不是单点功能竞争，更多是工作流嵌入、数据权限、合规、本地化和系统集成能力竞争。56
- 如果竞争对手以低价或捆绑云资源获客，短期收入可能增长，但利润率和现金流会暴露真实质量。78
7. 护城河
- 企业流程 Know-how 与财务软件历史客户基础。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。12
- 云订阅 ARR 迁移后的续费与数据粘性。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。23
- 苍穹 PaaS 让客户二次开发和集成成本提高。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。34
- 信创、本地化部署和中国企业管理场景适配。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。45
- 客户基础和品牌是护城河的一部分：金蝶长期服务中国企业管理软件客户，云化后客户数据、流程配置、二次开发和生态伙伴会提高迁移成本；但港股市场价格表现不能替代续费率、净收入留存和合同负债验证。910
- 护城河不能只看发布会，还要看产品是否进入客户的核心系统、历史数据、权限体系和预算流程。26
8. 财务质量(趋势表+杜邦+逐季)
8.1 趋势表
| 期间 | 收入 | AI/云/订阅线索 | 毛利率 | 利润/现金流 | 来源口径 |
|---|
| 2023A | 约 56.8 | 云服务继续替代传统 ERP | 未充分披露 | 仍处投入期 | 官方年报/公告口径 1 |
| 2024A | 约 62.5 | 云收入占比提升 | 未充分披露 | 接近盈亏平衡 | 官方年报/公告口径 2 |
| 2025A | 70.06 | 57.82 | 约 65% | 经调整净利 2.32 | 2025 年报/业绩公告 3 |
| 2025H1 | 31.92 | 26.73 | 65.6% | 盈利改善但未单列 AI | 2025 中报口径 4 |
8.2 杜邦拆解
- 净利率：由毛利率、研发费用率、销售费用率、云资源/折旧和一次性项目共同决定；AI 投入增加时，收入和利润可能不同步。12
- 资产周转：云和数据中心公司要看服务器、IDC 和应收账款周转；软件公司要看递延收入和销售效率。34
- 权益乘数：若公司有并购债务、租赁负债或重资本云资源，净负债会放大周期波动；净现金公司则有更大研发和并购弹性。56
- ROE 的改善必须来自利润率和周转改善，而不是一次性收益或会计重分类。78
8.3 逐季/半年度跟踪
|---|---:|---|---|---|---|
| 2025H1 | 31.90 | 云订阅 ARR 高增 | 未充分披露 | 未充分披露 | 云 ERP 底盘扩张 3 |
| 2025H2 | 38.16 | 大企业 EBC 与中小企业云 | 未充分披露 | 未充分披露 | 全年收入修复 4 |
| 2025H1 | 31.92 | 云服务 26.73 | 65.6% | 未充分披露 | 收入平稳，订阅质量是核心 5 |
- 财务质量优先级：经营现金流 > 经常性收入/ARR > 毛利率 > 调整后利润 > 新闻稿订单。13
9. 业绩传导
AI/自动化需求 -> 金蝶国际 产品使用量或订阅增长
-> 客户续费、扩容、项目验收或云资源消耗
-> 收入确认
-> 取决于毛利率、推理成本、销售费用和折旧
-> 经营现金流和自由现金流
-> 市场重新评估传统业务与 AI 业务的权重
| 变量 | 正向传导 | 负向传导 | 跟踪口径 |
|---|
| 需求 | 客户把 AI 纳入正式预算 | POC 多、付费少 | ARR/云收入/项目验收 1 |
| 成本 | 推理和云资源单位成本下降 | GPU/云成本上升 | 毛利率/折旧/带宽 4 |
| 竞争 | 产品嵌入工作流 | 平台厂商捆绑压价 | 净留存/价格 6 |
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
- 披露风险：AI 单独收入、模型成本、客户集中度、项目毛利和采购结构未充分披露，容易被市场过度线性外推。12
- 竞争风险：云厂、平台厂、开源模型和大型软件厂可能把类似功能打包进基础套餐。56
- 成本风险：GPU、云、带宽、电力、折旧和大模型 API 成本可能吞噬 AI 功能带来的 ARPU。47
- 客户风险：大客户项目延期、预算冻结、合同重新议价会先冲击新增订单和现金流。38
- 估值风险：若市场把云订阅和 AI 管理软件按高成长 SaaS 估值，而公司后续 ARR 增速、合同负债、毛利率或现金流没有同步改善，股价可能先于基本面修正。910
- 会计风险：调整后利润、一次性收益、并购摊销和股权激励需要与经营现金流交叉验证。13
12. 常见误读纠偏
- 误读一：把公司总收入全部当成 AI 收入。纠偏：只有 AI SKU、云算力、AI 驱动订阅、自动化项目或明确披露的 AI 收入才能计入，未披露部分只能写 proxy。12
- 误读二：把产品发布等同于商业化成功。纠偏：真正的证据是客户续费、ARR、云收入、毛利率和现金流，而不是模型演示。56
- 误读三：收入增长必然带来利润增长。纠偏：AI 云和项目制业务可能同时抬高折旧、推理成本、销售费用和应收账款。48
- 误读四：把“苍穹 AI”或“Cosmic AI”直接等同于新增收入。纠偏：产品页能证明 AI 功能和场景存在，但只有订阅、模块收费、项目验收或合同负债进入财报时，才构成可验证的商业化收入。37
13. 最新事件(带日期)
| 日期 | 事件 | 投研含义 |
|---|
| 2026-03-18 | 发布 2025 年业绩，披露云收入、ARR 与经调整盈利改善。 | 需要与后续收入、毛利率和现金流交叉验证。1 |
| 2025-08-18 | 发布 2025 年中期业绩，披露收入、云服务收入和毛利率。 | 需要与后续收入、毛利率和现金流交叉验证。2 |
| 2025-10-25 | 继续推进苍穹 AI 能力和大企业 EBC 方案，强调 AI + 管理软件。 | 需要与后续收入、毛利率和现金流交叉验证。3 |
- 事件跟踪只记录已经发生的公告、财报、产品发布或合作，不把市场传闻写成确定事实。910
14. 跟踪指标
| 指标 | 为什么重要 | 观察方式 |
|---|
| AI/云/订阅收入 | 验证商业化 | 财报分部、ARR、管理层披露 1 |
| 毛利率 | 验证 AI 成本能否被客户支付 | 季度毛利率、云成本、服务成本 2 |
| 客户与留存 | 验证护城河 | 大客户数量、净留存、续费率 4 |
| 产品收费 | 区分功能增强与收入新增 | AI SKU、订阅包、用量计费 5 |
| 竞争价格 | 判断利润率风险 | 同业套餐、云价格、折扣 6 |
| 合规事件 | 影响公共/金融客户 | 监管公告、数据安全政策 8 |
- 跟踪频率：财报季更新硬数，重大产品和合作只作为线索；若没有收入或现金流验证，不上调结论强度。910
15. 来源
