1. 投資摘要
- 研揚科技是工業電腦與邊緣 AI 硬體公司,AI 相關性主要來自 NVIDIA Jetson/IGX/Thor 生態、BOXER 系列、UP Boards 與工業邊緣推論方案;它不是雲端端 GPU 伺服器整機龍頭,不能把全部營收都按 AI 基建營收處理。12
- AI 相關主線:NVIDIA Jetson/Thor 邊緣 AI 系統、BOXER、UP Boards、工業 AI 平台;營收彈性來自 AI 叢集建設、資料中心擴容、邊緣推論落地和客戶對高可靠基礎設施的預算遷移。34
- 最新財務錨:FY2025 營收 約 86 億新臺幣;獲利口徑為 2026Q1 EPS 3.8 新臺幣,2025 淨利[未充分揭露];毛利或 EBITDA 口徑為 毛利率[未充分揭露]。12
- 現金流量和資本支出:[未充分揭露];資本支出口徑為 邊緣 AI 產品研發和產能資本支出[未充分揭露]。凡未單獨揭露的資料,本文不按行業均值倒推。12
- 最近季度線索:2026Q1 EPS 3.8 新臺幣創高;2025 AI revenue 約 4,000 萬美元,佔 revenue 約 20% 為會議轉述口徑,說明 AI 基建訂單、交付或專案驗收已經進入財務報表,但節奏與獲利率仍需逐季驗證。34
- 下游客戶畫像:機器人、無人機、智慧交通、醫療、工業自動化、零售和開發者生態;客戶集中度、單客戶營收佔比和單專案毛利率如未公告,均標為[未充分揭露]。56
- 技術抓手在邊緣部署而非大型模型訓練:研揚官網與 AAEON AI 頁面展示的是嵌入式 AI、機器人、智慧交通、醫療和工業視覺等場景,營收兌現取決於客戶量產和專案驗收。78
- 投研邊界:AI revenue 約 4,000 萬美元、佔營收約 20% 為會議轉述口徑;除非公司正式公告分項營收、毛利率和現金流量,否則本文只把它作為最新線索,不做更細拆分。3
2. 產業鏈位置
| 維度 | 結論 | 證據 |
|---|---|---|
| 鏈條座標 | chain-server / infra | 公司業務與 AI 基礎設施或邊緣計算直接相關。1 |
| 核心功能 | 工業電腦、嵌入式系統和邊緣 AI 硬體供應商 | 公司官網和年報揭露主營業務。15 |
| AI 入口 | NVIDIA Jetson/Thor 邊緣 AI 系統、BOXER、UP Boards、工業 AI 平台 | 產品頁、公告或演示材料揭露。34 |
| 營收屬性 | 專案制、產品制或租賃制並存 | 具體組合隨公司業務而變,客戶集中度[未充分揭露]。2 |
| 關鍵約束 | 電力、熱管理、認證、供應鏈、交付週期 | AI 負載提升後,基礎設施約束比通用 IT 週期更重要。67 |
公司在產業鏈中的價值不是“擁有模型”,而是讓模型訓練、推論或邊緣部署能夠穩定執行。對資料中心類公司,核心瓶頸是土地、電力、冷卻、網路和客戶租約;對裝置和邊緣計算類公司,核心瓶頸是 GPU/SoC 平台認證、工業可靠性、渠道和量產能力。45
AI 鏈條可拆成上游晶片與部件、中游系統和基礎設施、下游雲端/企業應用。研揚科技 位於中游,受上游價格和交期影響,也受下游資本支出、AI 專案落地和企業推論需求影響。68
3. AI相關營收拆解
| 口徑 | 當前揭露 | 投研處理 |
|---|---|---|
| 公司總營收 | 約 86 億新臺幣 | 使用公司最新年度或可得最新財務公告。12 |
| AI 直接營收 | [未充分揭露] | 只在公司揭露分項時列數;否則用產品和訂單線索定性。3 |
| AI proxy | NVIDIA Jetson/Thor 邊緣 AI 系統、BOXER、UP Boards、工業 AI 平台 | 作為營收敏感項,不等同於全部營收。4 |
| 毛利率 | 毛利率[未充分揭露] | 沒有分部毛利時不套用同業。1 |
| 客戶集中度 | [未充分揭露] | 不寫傳聞客戶名單,不倒推雲端廠份額。5 |
AI 營收的第一層是可直接歸因的產品、服務或租賃營收;第二層是受 AI 建設拉動但沒有單列的基礎設施營收;第三層是品牌、生態和客戶認證帶來的長期期權。本文只把第一層作為硬營收,把第二層作為 proxy,把第三層作為追蹤項。36
若公司揭露“AI”“data center”“GPU cloud”“edge AI”訂單但未揭露營收確認,則該資訊只能說明需求強度,不能直接併入營收表。對應的毛利率、回款週期、驗收條件、合同資產和庫存風險仍需通過財報驗證。14
4. 核心產品
| 產品/服務 | AI 相關性 | 營收確認 | 關鍵風險 |
|---|---|---|---|
| NVIDIA Jetson/Thor 邊緣 AI 系統、BOXER、UP Boards、工業 AI 平台 | 高 | 取決於交付、租賃或產品銷售 | 交期、認證、客戶預算。3 |
| 傳統主營產品 | 中 | 按原業務模式確認 | 可能稀釋或支撐 AI 投資期獲利。1 |
| 工程/整合服務 | 中高 | 專案制、里程碑或完工百分比 | 低毛利、應收、變更單。2 |
| 運維和售後 | 中 | 經常性或合同服務 | attach rate [未充分揭露]。5 |
| 軟體/平台 | 中高 | 許可證、訂閱或隨硬體打包 | 單獨營收[未充分揭露]。6 |
核心產品的投資含義在於“可複製程度”。租賃型資料中心看出租率、續租和電力擴容;裝置型公司看平台迭代和客戶認證;工程型公司看 backlog 轉營收和毛利兌現。78
5. 上下游
| 環節 | 主要物件 | 對公司的影響 |
|---|---|---|
| 上游晶片/電力/部件 | GPU、CPU、Jetson/IGX、風機、泵、閥件、電力裝置 | 決定 BOM、交付和能耗表現。6 |
| 上游地產/能源 | 土地、電網、可再生能源、水資源 | 決定資料中心可擴張邊界。7 |
| 公司自身 | 工業電腦、嵌入式系統和邊緣 AI 硬體供應商 | 把部件和工程能力變成可驗收交付。1 |
| 下游企業/政府 | 機器人、無人機、智慧交通、醫療、工業自動化、零售和開發者生態 | 專案週期長,回款和驗收重要。2 |
上游的核心變數是供應確定性。AI 基礎設施的瓶頸經常不是單一裝置,而是電力、散熱、網路、施工、軟體生態和客戶上線視窗的組合約束。47
下游的核心變數是預算可持續性。AI 訓練叢集、推論平台、工業邊緣 AI 和智慧城市專案都可能拉動需求,但只有在合同轉營收、營收轉毛利、獲利轉現金後,才構成高質量增長。18
6. 同業與競爭格局
| 公司 | 競爭維度 | 研揚科技 的差異 |
|---|---|---|
| Advantech | 產品/專案競爭 | 比拼交付、認證和成本。5 |
| ADLINK | 客戶和渠道 | 比拼客戶關係和響應速度。6 |
| DFI | 技術路線 | 比拼高密度、低功耗和可靠性。7 |
| Kontron | 全球供應鏈 | 比拼地域覆蓋和採購能力。8 |
| OnLogic | 價格和毛利 | 比拼規模與議價。1 |
競爭格局不能只看“是否沾 AI”。資料中心鏈條裡,土地和電力強的公司不一定有高毛利,裝置強的公司不一定有客戶粘性,工程強的公司不一定有經常性營收。研揚科技 的比較重點應放在可驗證的營收、訂單、backlog、利用率、現金流量和分部獲利。23
行業需求的共性是 AI 負載提高功率密度,推動電力、散熱、液冷、網路和邊緣推論硬體升級;差異是每家公司承接價值量的位置不同。67
7. 護城河
- 平台認證和生態繫結:公司長期圍繞 Intel、NVIDIA 等嵌入式平台推出工業電腦和邊緣 AI 產品,護城河來自平台適配、工業可靠性認證和客戶匯入週期,而不是單一硬體引數。15
- 工程經驗:公司能否在高功率密度、熱管理、邊緣環境或關鍵任務專案中穩定交付,是比宣傳口號更硬的壁壘。34
- 供應鏈組織:上游部件、施工資源、GPU/SoC 平台、電力和水資源協調能力,決定訂單兌現速度。67
- 資產位置:對資料中心和工程類公司,位置、電力容量和客戶網路是長期資產;對裝置類公司,產品譜系和渠道是長期資產。28
- 反向提醒:如果 AI 訂單以低毛利硬體或工程形式體現,規模擴張可能壓低 ROIC,不能把營收增長自動等同於價值創造。12
護城河最需要財務驗證。若毛利率、經營現金流量、應收週轉和 backlog 質量同步改善,說明壁壘能轉化為獲利;若只有營收增長而現金流量惡化,說明公司可能只是承擔了供應鏈和交付風險。12
8. 財務質量(趨勢表+杜邦+逐季)
8.1 趨勢表
| 指標 | 最新口徑 | 解釋 |
|---|---|---|
| 營收 | 約 86 億新臺幣 | 最新年度或最新可得完整口徑。1 |
| 毛利/EBITDA | 毛利率[未充分揭露] | 採用公司揭露口徑,不自行套算分部。2 |
| 淨利 | 2026Q1 EPS 3.8 新臺幣,2025 淨利[未充分揭露] | 注意 reported、adjusted、BOP、歸母口徑差異。1 |
| 經營現金流量 | [未充分揭露] | 未揭露時標記,不以淨利替代。2 |
| 最新季度 | 2026Q1 EPS 3.8 新臺幣創高;2025 AI revenue 約 4,000 萬美元,佔 revenue 約 20% 為會議轉述口徑 | 用於觀察傳導節奏。4 |
8.2 杜邦拆解
| 杜邦項 | 當前判斷 | 需要驗證 |
|---|---|---|
| 淨利率 | 受產品 mix、工程 mix、折舊、融資成本影響 | 分部毛利和費用率。1 |
| 資產週轉 | AI 基建擴張通常先佔用資產 | 專案驗收、出租率、庫存週轉。2 |
| 權益乘數 | 資本密集型公司需關注槓桿 | 債務期限、利率和 covenant。3 |
| ROE | 不能只看單年高增長 | 是否來自可持續獲利而非一次性專案。4 |
8.3 逐季觀察表
| 季度/期間 | 營收或訂單 | 獲利/現金流量 | 質量判斷 |
|---|---|---|---|
| 2024A | 歷史基數見年報 | 傳統業務口徑 | 用作 AI 前基線。1 |
| 2025H1 | 2026Q1 EPS 3.8 新臺幣創高;2025 AI revenue 約 4,000 萬美元,佔 revenue 約 20% 為會議轉述口徑 | 見公司公告 | 觀察 AI 專案是否進入營收。4 |
| 2025Q3 | [未充分揭露] | [未充分揭露] | 若無公告,不補編。2 |
| 2025Q4 | FY2025 全年口徑 | 2026Q1 EPS 3.8 新臺幣,2025 淨利[未充分揭露] | 看全年獲利質量。1 |
| 2026Q1 | 最新季度或展望見公告 | [未充分揭露] | 看增長是否伴隨現金流量。3 |
8.4 財務結論
財務質量的核心是 AI 相關營收能否帶來更高毛利和更好現金轉換。若 AI 產品放量但毛利率未揭露、庫存上升或應收增加,就不能只因 EPS 創高而認定商業模式升級。12
9. 業績傳導
AI 訓練/推論/邊緣部署需求 → 資料中心、冷卻、電力、工程、邊緣計算裝置訂單 → 研揚科技 的產品、租賃或專案營收 → 取決於客戶驗收、利用率、毛利率和供應鏈成本 → EBITDA、淨利和經營現金流量 → 中長期 ROIC 是否改善 傳導鏈的最大斷點通常出現在三處:第一,訂單沒有按期交付;第二,營收有增長但毛利率低;第三,獲利有增長但應收和存貨佔用現金。13
對 研揚科技,最需要追蹤的不是“是否有 AI 敘事”,而是 AI 相關訂單是否提高了單位經濟、客戶質量和現金回收。45
10. 經營拆分與反證架構
本節只拆分經營驅動,不做價格、規模口徑或市場口徑推導。判斷重點改為營收質量、毛利率、現金流量、客戶/訂單、產能利用率和產品採用是否強化業務敘事。
| 模組 | 關鍵經營變數 | 強敘事訊號 | 反證閾值 |
|---|---|---|---|
| 營收與採用 | 營收增速、ARR/訂單、客戶採用 | 營收增長由真實客戶採用和復購支撐 | 營收或訂單連續放緩,且缺少客戶採用證據 |
| 獲利質量 | 毛利率、費用率、現金流量 | 毛利率穩定,現金轉換改善 | 毛利率下行或現金流量惡化 |
| 競爭與客戶 | 客戶集中度、份額、替代風險 | 大客戶擴張且競爭格局穩定 | 客戶砍單、份額流失或替代方案加速 |
11. 風險
- 上游平台依賴風險:Jetson/IGX/Thor 等 SoC 供貨、軟體棧更新和 NVIDIA 認證節奏會影響新品上市、客戶驗證和交付週期。6
- 交付風險:電力、GPU/SoC、液冷部件、施工資源或認證延遲,會影響營收確認。34
- 毛利風險:低毛利工程、硬體整合或租賃爬坡期折舊,可能稀釋集團獲利率。1
- 現金流量風險:專案制業務可能帶來應收、存貨和合同資產上升。2
- 技術風險:液冷、邊緣 AI 平台、資料中心架構迭代快,舊產品可能需要降價或改型。7
- 地緣和監管風險:資料、能源、水資源、出口管制和政府採購規則可能改變專案節奏。8
- 應用落地風險:COMPUTEX 展示的機器人、無人機、智慧交通、醫療等場景並不自動形成大額營收;需等客戶量產、專案驗收和復購證明需求持續性。5
12. 常見誤讀糾偏
- 誤讀一:只要公司服務資料中心,就等於 AI 純標的。糾偏:資料中心營收可能來自傳統託管、地產、電力、工程或通用 HVAC,只有明確面向 AI 高功率密度、GPU 雲端或邊緣推論的部分才是高相關。36
- 誤讀二:AI 營收佔比提高就一定提高獲利率。糾偏:邊緣 AI 硬體仍可能受 BOM、認證、庫存和專案制交付影響;必須同時看毛利率、庫存週轉和經營現金流量。12
- 誤讀三:新聞裡的客戶或技術合作可以直接折算營收。糾偏:沒有合同金額、交付節點和營收確認口徑時,只能作為事件和追蹤指標。45
- 誤讀四:NVIDIA 生態合作等於獨家壁壘。糾偏:Jetson/IGX 生態有多家工業電腦與邊緣 AI 供應商參與,研揚的差異仍要靠產品認證、行業客戶、交付和軟體支援驗證。78
13. 最新事件(帶日期)
| 日期 | 事件 | 投研含義 |
|---|---|---|
| 2025-05-08 | 2025-05-08 宣佈 COMPUTEX 2025 展示 robotics、drone、smart transport、healthcare edge AI | 說明 AI 相關專案或財務口徑有新增證據。3 |
| 2026-03 | 2026-03 參加 NVIDIA GTC 2026 展示 Jetson 方案 | 用於追蹤營收、訂單或產品進度。4 |
| 2026Q1 | 2026Q1 EPS 3.8 新臺幣創高,AI edge computing 業務為主要增長點之一 | 需要後續財報驗證獲利和現金流量。5 |
事件追蹤的原則是“日期、主體、動作、口徑”四項齊全。若只有媒體轉述而沒有公司公告,本文會降低證據等級;若公司公告沒有金額,本文不估算合同規模。18
14. 追蹤指標
| 指標 | 為什麼重要 | 當前狀態 |
|---|---|---|
| AI revenue 佔比 | 直接驗證 AI 需求是否變成營收 | 待逐季更新。3 |
| Jetson Thor 產品認證和出貨 | 驗證訂單和認證進度 | 待公告。4 |
| 工業客戶專案量產節奏 | 驗證獲利質量 | 毛利率[未充分揭露]。1 |
| 毛利率與庫存 | 驗證客戶粘性和規模化 | [未充分揭露]。5 |
| 美元和新臺幣匯率 | 驗證現金流量和資本效率 | [未充分揭露]。2 |
| AI 營收佔比 | 避免把全公司營收都視作 AI | [未充分揭露],除非公司單列。6 |
| backlog 或訂單 | 判斷未來營收可見度 | 口徑以公司公告為準。7 |
新增追蹤項:逐季核對 AI revenue、Jetson Thor/IGX 相關新品認證、主要應用場景量產、庫存與應收變化、毛利率和經營現金流量;公司未揭露客戶、訂單或分部毛利時繼續標 [未充分揭露]。12
15. 來源
- 來源:www.aaeon.com/en/article/detail/financial-reports
- 來源:financialreports.eu/companies/aaeon-6579/
- 來源:finance.biggo.com/news/TW_6579.TW_2026-05-13
- 來源:www.aaeon.com/en/product/list/aaeon-nvidia-ai-solutions
- 來源:www.aaeon.com/en/news/detail/computex_2025
- 來源:www.aaeon.com/en/news/detail/gtc2025
- 來源:www.aaeon.ai/
- 來源:www.nvidia.com/en-us/edge-computing/products/igx/