← 返回公司庫

L3 公司投研頁 · 2026-06-21

DeepNoid

DeepNoid

DeepNoid 位於應用與軟體層，當前研究入口聚焦 AI應用與SaaS 的產業鏈位置、財務質量、上下游約束與反證指標。韓股 資料只作研究參考，不構成投資建議。

研究定位 應用與軟體層

AI應用與SaaS

訂閱這家公司變化新觀點 / 硬資料進信箱

1. 投資摘要

  • DeepNoid（315640.KQ）在 AI 產業鏈中的位置是“應用層/資料與工作流變現”，不是晶片、算力或雲端資本支出的直接代理；核心變數是 AI 功能能否轉化為真實營收、毛利和留存。12
  • 最新可得財務錨：2025 年營收約 74.72 億韓元；2025H1 營收約 46.3 億韓元、年增率約 +9.5%；2025 年營業虧損約 105.57 億韓元、淨虧損約 107.48 億韓元；經營現金流量和資本支出完整口徑需韓文事業報告；摘要未充分揭露。所有硬數只按公開資料寫入，未揭露項直接標為 [未充分揭露]。123
  • AI 相關業務錨：DEEP:AI、DEEP:PACS、DEEP:PHI、醫療影像診斷輔助、工業缺陷檢測和安檢 X-ray AI。其價值不在“用了大型模型”這個標籤，而在產品是否進入客戶預算、是否有可重複交付、是否能減少人工服務佔比。45
  • 近一年業務事件顯示，公司從單一醫療影像 AI 擴充套件到生成式醫療讀片、工業缺陷檢測和安檢 X-ray AI；但 2026Q1 官網 IR 摘要顯示營收僅 3.57 億韓元、營業虧損 39.80 億韓元，商業化仍需用營收和現金流量驗證。12
  • 主要追蹤點是營收質量、毛利率、現金流量、客戶集中度、AI 產品付費率和近一年事件兌現度；凡公司未給出分項營收、模型成本或客戶結構的地方，均不倒推。27

2. 產業鏈位置

DeepNoid 屬於 chain-app / app：上游依賴基礎模型、雲端算力、資料供應和行業知識；中游把模型、規則、資料工程和互動介面封裝為可售產品；下游面向企業或消費者場景收費。45

層級位置對公司營收的含義揭露狀態
上游模型/雲端大型模型 API、自研模型、GPU 雲端、資料治理決定推論成本、產品迭代速度和毛利率彈性單位推論成本多為 [未充分揭露]。4
應用產品DEEP:AI、DEEP:PACS、DEEP:PHI、醫療影像診斷輔助、工業缺陷檢測和安檢 X-ray AI形成訂閱、專案、交易或服務營收產品名稱可核驗，分項營收部分未揭露。14
行業交付醫療 AI、產業 AI、安檢 AI、AI 平台與資料/模型開發服務決定銷售週期和回款週期分部揭露口徑因市場而異。2
下游客戶醫院、影像中心、工廠、機場/安檢、政府專案；海外客戶和單客戶佔比未充分揭露決定集中度、續約率和議價能力客戶佔比通常未充分揭露。17

3. AI相關營收拆解

專案營收確認方式AI 相關性本頁處理
核心 AI 產品訂閱、SaaS、專案交付、平台使用費或交易抽成直接以公開揭露的產品與營收口徑為準。14
傳統業務存量軟體、廣告代理、維護、非 AI 專案間接不把全部營收機械歸為 AI 營收。1
AI 增量新產品、自動化率提升、訂閱轉化、客戶擴張需驗證公司未揭露時寫 [未充分揭露]，不憑故事估算。7
成本側 AI模型呼叫、標註、算力、研發人員影響毛利單位成本、Token 成本、GPU 成本通常未充分揭露。34

當前可核驗硬錨是：2025 年營收約 74.72 億韓元；2025H1 營收約 46.3 億韓元、年增率約 +9.5%；2025H1 毛利約 39.34 億韓元，軟體毛利高但規模不足；2025 年營業虧損約 105.57 億韓元、淨虧損約 107.48 億韓元。AI 營收若未被公司單列，本頁只寫“AI 相關業務/產品”，不寫“AI 營收 = 總營收”。123

4. 核心產品

產品/業務客戶問題變現方式護城河驗證
DEEP:AI把 AI 嵌入客戶已有流程訂閱、專案或用量看續約、擴容、毛利率。4
平台/工具鏈降低客戶部署和模型運營成本平台費、服務費看客戶是否從試點轉生產。45
行業解決方案解決垂直行業資料、合規和流程約束專案制或年度合同看交付複用率而不是一次性營收。12
資料/模型服務資料清洗、評測、標註或模型最佳化服務費人工佔比高會壓制規模化毛利。5
合作生態雲端廠、模型廠、系統整合商、渠道分成或聯合銷售渠道營收質量需單獨驗證。7

5. 上下游

方向型別對經營的影響風險點
上游雲端服務、基礎模型、資料授權、開源模型決定產品迭代速度和推論成本供應商漲價、API 變更、合規限制。48
上游人才與研發決定模型工程和行業交付質量研發資本化/費用化口徑需核驗。2
下游醫院、影像中心、工廠、機場/安檢、政府專案；海外客戶和單客戶佔比未充分揭露決定營收穩定性、回款與擴容單客戶集中度未充分揭露。17
渠道雲端市場、代理商、系統整合商可加速獲客渠道折扣可能壓低毛利。5
監管資料安全、隱私、醫療/金融/教育/廣告規則決定可服務場景合規成本和處罰風險不能忽略。8

6. 同業與競爭格局

維度公司狀態同業比較投研含義
產品形態DEEP:AI、DEEP:PACS、DEEP:PHI、醫療影像診斷輔助、工業缺陷檢測和安檢 X-ray AILunit、Vuno、JLK、Aidoc、Qure.ai、海天瑞聲工業視覺資料側核心是能否標準化，不是演示效果。46
營收質量2025 年營收約 74.72 億韓元；2025H1 營收約 46.3 億韓元、年增率約 +9.5%高訂閱佔比公司通常質量更好營收增長必須與現金流量對照。12
毛利率2025H1 毛利約 39.34 億韓元，軟體毛利高但規模不足服務型公司低於純軟體平台關注人工交付佔比。2
客戶粘性醫院、影像中心、工廠、機場/安檢、政府專案；海外客戶和單客戶佔比未充分揭露大客戶認證提高粘性但也提高議價客戶集中度未揭露時不能假設分散。7

7. 護城河

  1. 流程嵌入：如果 DeepNoid 的產品進入客戶核心流程，替換成本來自資料遷移、流程重訓和合規審批，而不是 UI 本身。45
  2. 資料反饋：AI 應用越接近真實業務結果，越可能沉澱反饋資料；但訓練資料權屬、可用範圍和客戶授權未充分揭露時，不能把所有資料都視為公司資產。8
  3. 認證與醫保路徑：DEEP:NEURO 與 DEEP:CHEST 已在官網標註 MFDS 許可和健康保險臨時登載，M4CXR 標註創新醫療器械；這些提高醫院匯入可能性，但最終護城河仍取決於付費部署、續約和毛利率。12
  4. 品牌與渠道：上市公司身份、IR 揭露和客戶案例有助於企業採購，但渠道營收質量必須回到回款、毛利和續約驗證。17
  5. 反向護城河：若 AI 功能主要靠外部模型 API、人工服務和定製專案支撐，規模擴大會同時放大成本與交付風險。48

8. 財務質量(趨勢表+杜邦+逐季)

8.1 趨勢表

指標最新口徑上一口徑/對照質量判斷
營收2025 年營收約 74.72 億韓元；2025H1 營收約 46.3 億韓元、年增率約 +9.5%歷史年增率按公告口徑看增長是否來自可重複產品。12
毛利率2025H1 毛利約 39.34 億韓元，軟體毛利高但規模不足若未揭露則標 [未充分揭露]毛利是 AI 應用規模化的第一驗證。2
淨利2025 年營業虧損約 105.57 億韓元、淨虧損約 107.48 億韓元GAAP/IFRS/non-GAAP 不混用一次性專案和減值需剔開看。13
現金流量經營現金流量和資本支出完整口徑需韓文事業報告；摘要未充分揭露回款與預收決定質量獲利不等於現金。23

8.2 杜邦拆解

  • 淨利率：由毛利率、研發/銷售費用率、一次性費用和稅率共同決定；2025 年營業虧損約 105.57 億韓元、淨虧損約 107.48 億韓元，因此不能只看營收增速。12
  • 資產週轉：AI 應用公司通常輕資產，但專案制、應收賬款、合同資產和資本化開發支出會改變週轉質量。23
  • 權益乘數：若虧損或現金消耗較大，融資稀釋與債務約束會影響股東回報；具體槓桿需以年報資產負債表為準。3
  • ROE 結論：只有營收增長、毛利率穩定、現金流量轉正同時出現，AI 敘事才轉成財務質量；缺任一項都要降級處理。123

8.3 逐季/階段財務表

階段營收獲利現金流量解讀
最近年度2025 年營收約 74.72 億韓元；2025H1 營收約 46.3 億韓元、年增率約 +9.5%2025 年營業虧損約 105.57 億韓元、淨虧損約 107.48 億韓元經營現金流量和資本支出完整口徑需韓文事業報告；摘要未充分揭露年度是主錨。12
最新季度/中期2025 年度公告與 2025H1按公告口徑按公告口徑用於觀察趨勢，不年化濫推。3
上一年度[未充分揭露] 或需讀歷史年報[未充分揭露][未充分揭露]缺口誠實標註。2
季度拆分[未充分揭露][未充分揭露][未充分揭露]若公司未提供季度細表，不倒推。3
質量結論增長需與毛利/現金流量匹配非 GAAP 需回到 GAAP回款優先這是本頁財務判斷主線。123

9. 業績傳導

客戶 AI/數字化預算
  -> 產品試點與資料接入
  -> 生產環境部署/廣告投放/訂閱轉化
  -> 營收確認
  -> 毛利率取決於模型成本、人工交付和渠道折扣
  -> 現金流量取決於賬期、續約和預收
  -> 經營架構回到可持續增長與獲利質量

正向傳導條件：DEEP:AI、DEEP:PACS、DEEP:PHI、醫療影像診斷輔助、工業缺陷檢測和安檢 X-ray AI 能從試點進入生產，且客戶願意為自動化、準確率或轉化率付費。45 負向傳導條件：模型 API 成本、人工交付、價格競爭或監管限制抵消營收增長。28 最需要反覆驗證的是：營收增速是否高於銷售費用和研發費用增速、現金流量是否跟上獲利、客戶是否從專案變訂閱。123

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

  1. 揭露不足風險：AI 分項營收、客戶集中度、單位經濟、模型成本和資本支出多處未充分揭露。123
  2. 商業化風險：產品演示不等於客戶預算，試點不等於續約，PoC 不等於規模營收。47
  3. 毛利率風險：外部模型、雲端算力、人工交付和渠道折扣可能吞噬 AI 營收增量。28
  4. 客戶集中風險：醫院、影像中心、工廠、機場/安檢、政府專案；海外客戶和單客戶佔比未充分揭露，若少數大客戶縮減預算，營收會波動。7
  5. 監管風險：資料隱私、廣告、醫療、金融、教育或跨境資料規則變化會影響產品可用範圍。8
  6. 競爭風險：醫療 AI 需面對 Lunit、Vuno、JLK 等韓國同業及海外醫療影像 AI 公司，安檢/工業 AI 又需要與安檢硬體廠和工業視覺廠商協同或競爭；若合作不能轉為訂單和回款，新聞事件對財務貢獻有限。56
  7. 財務風險：2025 年營業虧損約 105.57 億韓元、淨虧損約 107.48 億韓元；若現金流量弱於獲利，融資或稀釋風險上升。13

12. 常見誤讀糾偏

  • 誤讀一：“公司有 AI 產品，所以全部營收都是 AI 營收。”糾偏：除非公司按分部揭露，否則只能寫 AI 相關產品或 AI 相關營收 proxy。14
  • 誤讀二：“營收增長就代表模型壁壘增強。”糾偏：營收可能來自專案、渠道、價格、並表或廣告代理，必須與毛利率和現金流量交叉驗證。23
  • 誤讀三：“大客戶案例等於長期護城河。”糾偏：企業客戶匯入有價值，但續約率、擴容率、單客戶佔比未揭露時，不能預設穩定。7
  • 誤讀四：“非 GAAP 獲利可以替代 GAAP。”糾偏：股權激勵、重組、減值和一次性費用要分開看，兩套口徑都應保留。12

13. 最新事件(帶日期)

  • 2026-03-24 揭露 2025 年虧損；2025H1 醫療與產業 AI 繼續商業化推進。這是本頁最新財務/業務錨點，後續更新應優先替換該事件。13
  • 2026-06-18：本文按公開資料更新至當前可檢索狀態；若公司後續釋出半年報、10-Q、年報或交易公告，應優先複核營收、毛利、淨利、CFO 和資本支出。123
  • 近一年追蹤方向：AI 產品商業化、客戶擴張、監管公告、併購/資產處置、融資與回購、管理層對成本和現金流量的解釋。78
  • 未揭露項清單：AI 營收精確佔比、單客戶佔比、模型推論成本、員工人效、資本化研發、主要合同金額、分產品毛利率。24

14. 追蹤指標

指標為什麼重要觀察頻率紅旗
營收增速判斷需求是否真實季報/半年報增長靠一次性專案。1
毛利率判斷 AI 應用是否規模化季報/年報營收增長但毛利率下滑。2
CFO/FCF判斷獲利質量季報/年報獲利轉正但現金流量惡化。3
R&D/S&M 費用率判斷增長成本季報/年報費用率高企且續約不足。2
客戶集中度判斷營收波動年報單客戶依賴未揭露或上升。7
AI 產品付費率判斷從試點到生產公司公告/產品更新只發布功能，不揭露商業進展。4
監管變化判斷可服務市場隨時資料、廣告、醫療、金融規則收緊。8

15. 來源

相關推薦

同產業鏈：app

同產業鏈 · 相關公司

百融雲端創6608.HK標普全球SPGI多鄰國DUOL廣聯達002410.SZ海天瑞聲688787.SS藍色游標300058.SZ塗鴉智慧2391.HK薛定諤SDGR

相關概念

建築工程人工智慧（AEC AI）Agent 市場A2A 協議（Agent-to-Agent Protocol）AI 附加模組AI 瀏覽器視覺增強屬性訪問控制差分隱私
source: 公開揭露與公開資料整理 本頁僅用於產業鏈學習、資訊檢索和研究輔助；不構成投資建議，不預測漲跌，不提供買賣、部位或目標價建議。