PKSHA Technology 3993.T·AI 产业链公司投研

1. 投资摘要

结论先行：PKSHA Technology 在 AI 产业链中的位置是“日本 AI SaaS、算法模块、客服 AI 与企业自动化”，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。1 2
PKSHA FY2025 收入约 204 亿日元，营业利润约 37 亿日元，AI SaaS 和算法解决方案构成核心。1 2
FY2026Q2 累计收入约 117 亿日元、营业利润约 23 亿日元，公司继续披露 AI SaaS 增长。1 2
收入分为 AI SaaS 与 AI Solution/Algorithm Solutions，客户项目、订阅和模块化算法并存。1 2
AI 单独收入基本等同公司主营，但按具体模型、客户和 API 调用量的明细未充分披露。1 2
经营跟踪口径应看 AI SaaS ARR/NRR、AI Solution 项目验收、客户数、营业利润率和经营现金流；FY2026Q2 累计收入与营业利润继续增长，但模型调用量、单个 AI SKU 收入和客户集中度仍为 [未充分披露]。 2 3
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。5 6
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。7 8

2. 产业链位置

链条坐标：chain-cloud / pksha-technology，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。5 6
PKSHA 位于日本企业 AI 应用层，上游依赖云/模型/API、日语语料和算法研发，下游主要是客服、金融、制造、零售、交通等企业流程；价值来自把日语 NLP、对话 AI 和自动化嵌入客户系统。 2 3
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。4 7
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。1 8

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	PKSHA FY2025 收入约 204 亿日元	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。1 9
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。2 10

4. 核心产品

产品/服务	AI 连接方式	商业化路径	披露缺口
PKSHA AI 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] 1
PKSHA Chatbot/FAQ/Voicebot	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
算法模块与机器学习解决方案	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
企业搜索、文本理解和客服自动化	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
Mobility & MaaS 相关算法	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。5 6
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。2 3

5. 上下游

上游	依赖项	影响	披露
日本企业语料、客服日志和业务数据	算力/数据/模型/渠道	影响成本、交付和毛利率	[未充分披露] 1
云服务与推理计算资源	算力/数据/模型/渠道	影响成本、交付和毛利率	[未充分披露] 2
大学/研究人才和算法研发	算力/数据/模型/渠道	影响成本、交付和毛利率	[未充分披露] 3
LLM/API 成本和训练成本未充分披露	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
---	---	---	---
日本大型企业客服和后台部门	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
金融、制造、零售和交通客户	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 6
SaaS 订阅用户与系统集成伙伴	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 7
需要日语 NLP 的企业应用团队	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。7 8

6. 同业与竞争格局

同业	竞争维度	PKSHA Technology 的相对位置
NTT Data AI	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
NEC/Fujitsu AI	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
Preferred Networks	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
User Local	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
PKSHA 在客服 AI 与 SaaS 侧竞争的各类创业公司	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

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。1 2
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。5 6
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。7 8

7. 护城河

日语 NLP 与企业客服数据积累。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。1 2
SaaS 与项目解决方案双轮驱动。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。2 3
算法模块复用带来规模效应。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。3 4
日本大企业客户关系和本地化优势。验证指标：续费、客户扩张、毛利率、现金流和新客户获取效率。4 5
大学和研究网络：PKSHA 源于算法研发背景，持续发布对话 AI、AI agent 和行业套件；技术壁垒需要通过产品复用、客户续约和毛利率验证，而不是论文或新闻数量本身。 7 10
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。2 6

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
FY2023	约 130	AI SaaS/解决方案	未充分披露	营业利润增长	年报 1
FY2024	约 168	AI SaaS	未充分披露	利润改善	年报 2
FY2025	约 204	AI SaaS+解决方案	未充分披露	营业利润约 37	FY2025 results 3
FY2026Q2	约 117	AI SaaS	未充分披露	营业利润约 23	Q2 results 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。1 2
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。3 4
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。5 6
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。7 8

8.3 逐季/半年度跟踪

|---|---:|---|---|---|---| | FY2025Q3 | 未充分披露 | AI SaaS | 未充分披露 | 未充分披露 | ARR/客户数 3 | | FY2025Q4 | 未充分披露 | 解决方案 | 未充分披露 | 未充分披露 | 全年利润 4 | | FY2026Q1 | 未充分披露 | AI SaaS | 未充分披露 | 未充分披露 | 增长延续 5 | | FY2026Q2 | 约 117 累计 | AI SaaS/解决方案 | 未充分披露 | 未充分披露 | 利润率跟踪 6 |

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。1 3

9. 业绩传导

AI/自动化需求 -> PKSHA Technology 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。1 2
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。5 6
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。4 7
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。3 8
模型/API 与数据合规风险：生成式 AI 功能会增加推理、云和安全治理成本；若客户数据权限、日志留存或行业合规无法满足要求，项目验收和续费会受影响。 7 10
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。1 3

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。1 2
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。5 6
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。4 8
误读四：把 AI agent 产品发布等同于 ARR 增长。纠偏：ChatAgent、AI Suite 等产品更新只有在带来新增订阅、客户扩张或项目验收时才进入财务，未披露的 SKU 收入不能倒推。 3 7

13. 最新事件(带日期)

日期	事件	投研含义
2026-05-14	披露 FY2026Q2 业绩，收入和营业利润继续增长。	需要与后续收入、毛利率和现金流交叉验证。1
2025-11-13	发布 FY2025 全年业绩，披露收入与利润。	需要与后续收入、毛利率和现金流交叉验证。2
2025-08-14	更新 FY2025Q3 业绩，AI SaaS 增长延续。	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。9 10

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。9 10

15. 来源

来源：PKSHA IR：pkshatech.com/ir/
来源：PKSHA financial results：pkshatech.com/ir/library/results/
来源：PKSHA annual reports：pkshatech.com/ir/library/annual/
来源：PKSHA products：pkshatech.com/business/
来源：PKSHA AI SaaS：aisaas.pkshatech.com/
来源：Tokyo Stock Exchange 3993：www.jpx.co.jp/english/
来源：PKSHA news：pkshatech.com/news/
来源：Marketscreener PKSHA：www.marketscreener.com/quote/stock/PKSHA-TECHNOLOGY-INC-37892959/
来源：IR Bank 3993：irbank.net/E33391
来源：AnnualReports/Company docs：pkshatech.com/ir/

三步设好你的观察台

选 1-3 个想观察的人或赛道

看一份样张

设置一次异动告警

PKSHA Technology

1. 投资摘要

2. 产业链位置

3. AI相关收入拆解

4. 核心产品

5. 上下游

6. 同业与竞争格局

7. 护城河

8. 财务质量(趋势表+杜邦+逐季)

8.1 趋势表

8.2 杜邦拆解

8.3 逐季/半年度跟踪

9. 业绩传导

10. 经营拆分与反证框架

11. 风险

12. 常见误读纠偏

13. 最新事件(带日期)

14. 跟踪指标

15. 来源

1. 投资摘要

2. 产业链位置

3. AI相关收入拆解

4. 核心产品

5. 上下游

6. 同业与竞争格局

7. 护城河

8. 财务质量(趋势表+杜邦+逐季)

8.1 趋势表

8.2 杜邦拆解

8.3 逐季/半年度跟踪

9. 业绩传导

10. 经营拆分与反证框架

11. 风险

12. 常见误读纠偏

13. 最新事件(带日期)

14. 跟踪指标

15. 来源

相关推荐

同产业链 · 相关公司

相关概念