1. 投資摘要
- 廣聯達 的 AI 鏈定位是“應用層/專業工作流”，不是算力、晶片或通用大型模型底座；本文只覆蓋其在
chain-app / vertical SaaS / construction AI & data中的產業價值。12 - 公司主業可以概括為：中國建築工程數字化軟體廠商，覆蓋數字造價、數字施工、數字設計與行業 AI 應用。 這決定了研究重點應放在資料/工作流/客戶驗證，而不是 GPU 出貨。17
- AI 相關資產包括：建築行業大型模型、設計一體化、成本精細化、施工精細化、指標網與清標等 AI/資料產品。 這些資產能否變現，需要用營收、毛利、續費/註冊/部署、現金流量來驗證。27
- 最新可核驗財務錨：2025 年營業營收 60.68 億元，基本穩定/年增率 -2.17%；歸母淨利 4.05 億元，年增率 +61.77%；經營活動現金流量淨額 10.57 億元。 該口徑來自公開揭露，未揭露項不做倒推。23
- 最新事件錨：2025-08-25：半年報揭露 H1 營收 27.84 億元，年增率 -5.23%；歸母淨利 2.37 億元，年增率 +23.65%；毛利率 87.79%，年增率 +1.11pct。 該事件用於判斷業務節奏，不構成任何交易建議。34
- 經營架構只討論營收質量、獲利率、現金消耗、資料資產和客戶留存，不給價格結論、不預測漲跌、不使用買進/賣出評等。5
- 經營驗證重點是“建築 AI 是否進入專案現場和預算”：公司揭露的 AecGPT/AI 物資產管理理場景已覆蓋進場驗收、無人稱重、出場風控等施工物資流程，但公司未單列 AI 產品營收，仍需用數字成本、數字施工、合同負債、現金流量和客戶部署來驗證變現。29
- 本頁所有硬數字均附來源；沒有公開揭露的客戶名單、單價、份額、模型引數、訓練資料規模和分產品毛利率均標為
[未充分揭露]。12
2. 產業鏈位置
- 鏈上座標：
chain-app / app，具體為chain-app / vertical SaaS / construction AI & data；上游依賴雲端、模型、資料、醫療/法律/行業語料或視覺感測資料，下游嵌入專業工作流。17 - 與基礎設施公司的差別在於，它不直接受益於 GPU ASP 上漲，而受益於客戶把 AI 嵌入生產流程後形成的軟體、服務、資料或交易量營收。2
- 廣聯達的鏈上位置更偏“建築全生命週期軟體 + 行業資料 + 場景 AI”，典型場景不是通用聊天，而是把 AecGPT 等能力嵌入造價、設計、施工和物資產管理理流程。79
- 上游第一層是算力與雲端服務；第二層是模型/演算法架構；第三層是私有資料、標註資料、監管許可和業務系統介面。18
- 下游客戶採購邏輯通常不是“買 AI”，而是降低審查成本、提高診斷效率、提升翻譯/法律/工程/交通工作流吞吐量或滿足監管可追溯。3
- 因此營收質量要看合同是否經常性、能否續費、部署是否擴張、客戶是否從試點轉為生產，而不是新聞稿裡的 AI 關鍵詞數量。24
- 若公司只揭露專案制營收而不揭露 ARR/續費率/留存率，本文把可持續性降級處理，並在追蹤指標中列為核心缺口。2
- 產業鏈對映結論：這是 AI 應用層中“垂直資料 + 專業工作流”的公司，彈性來自滲透率，風險來自客戶預算、實施週期和合規責任。16
3. AI相關營收拆解
- AI 營收硬錨：建築行業大型模型、設計一體化、成本精細化、施工精細化、指標網與清標等 AI/資料產品。；公司未把所有 AI 營收單列為獨立分部時，本文只使用已揭露業務線或事件作為 proxy。27
- 已揭露財務：2025 年營業營收 60.68 億元，基本穩定/年增率 -2.17%；歸母淨利 4.05 億元，年增率 +61.77%；經營活動現金流量淨額 10.57 億元。 若該口徑不是純 AI 營收，本文不把集團營收全部等同於 AI 營收。23
- 營收拆解 A：軟體/訂閱/許可營收，優點是毛利較高、可續費，缺點是客戶驗證週期長；具體佔比
[未充分揭露]。2 - 營收拆解 B：專案/實施/專業服務營收，優點是能進入客戶流程，缺點是人員交付和定製化會限制經營槓桿；具體佔比
[未充分揭露]。1 - 營收拆解 C：資料、模型分析、監管許可或平台使用費，優點是壁壘較強，缺點是揭露粒度往往不足；具體毛利率
[未充分揭露]。7 - 半年度拆分顯示傳統業務仍是財務主錨：2025H1 數字成本營收 22.86 億元，年增率 -7.06%；數字施工營收 3.12 億元，年增率 +8.21%，施工毛利率 52.01%，年增率 +26.03pct。AI 場景只能作為產品採用 proxy，不能直接等同於新增 AI 營收。34
- AI 相關營收表：集團營收
2025 年營業營收 60.68 億元，基本穩定/年增率 -2.17%；歸母淨利 4.05 億元，年增率 +61.77%；經營活動現金流量淨額 10.57 億元。；AI 分部營收[未充分揭露/見上述 proxy]；AI 毛利率[未充分揭露]；AI 現金流量[未充分揭露]。2 - 結論：AI 相關營收有真實業務線支撐，但分產品淨營收、分客戶貢獻和續費結構仍需要持續追蹤。28
4. 核心產品
- 核心產品組 1：建築行業大型模型、設計一體化、成本精細化、施工精細化、指標網與清標等 AI/資料產品。。這些產品的共同點是嵌入行業工作流，而非面向泛消費者聊天入口。7
- 產品價值來自三層：輸入資料的行業化、模型輸出的可解釋/可稽核、最終決策流程中的責任邊界。17
- 核心產品的驗證順序是先看造價、施工等存量產品是否穩定續費，再看 AecGPT、AI 物資產管理理、清標和指標網等功能是否帶來增購、提價或新客戶；單項 AI 功能營收未充分揭露。29
- 產品成熟度判斷不能只看釋出會，要看生產客戶、監管許可、續費率、單位經濟和實施後用量。34
- 對醫療/法律/工程/交通等高責任場景，AI 輸出通常是輔助判斷而不是替代最終責任人；合規揭露必須保守處理。6
- 產品升級路徑是從單點工具到平台化：資料接入、模型推論、任務編排、審計、權限和反饋閉環。7
- 競爭風險來自雲端廠商、通用模型、垂直 SaaS 大廠和客戶自建；護城河必須落在專有資料與流程深度。1
- 未揭露項：模型引數、訓練資料來源、客戶轉化率、單客戶 ACV、淨營收留存、分產品毛利率。2
5. 上下游
- 上游：雲端基礎設施、GPU/CPU、資料庫、行業資料、第三方模型、標註與專家校驗；採購金額和供應商佔比
[未充分揭露]。5 - 上游約束一是算力成本，二是高質量資料供給，三是監管合規成本，四是模型供應商議價。6
- 中游：公司負責把模型與業務流程結合，包括資料清洗、模型調優、系統整合、權限、審計和客戶成功。7
- 下游：企業、政府、醫療機構、法律/科研/工程/交通客戶或行業渠道；單一客戶營收佔比
[未充分揭露]，除非年報明確揭露。1 - 客戶採購預算可能來自 IT、合規、運營、研發或業務部門，不同預算口徑決定銷售週期和回款節奏。2
- 若產品需要監管許可或醫院/政府招標，訂單確認會滯後於產品釋出，營收確認也可能滯後於中標/部署。3
- 供應鏈風險不是硬體斷供，而是雲端成本、資料授權、模型合規、客戶資料安全和實施人員產能。6
- 上下游結論：應用層 AI 的議價力取決於是否控制關鍵資料/工作流，而不是是否使用最新模型。7
6. 同業與競爭格局
- 同業第一類是垂直 SaaS/專業資料庫公司，它們有客戶關係和工作流入口，可能把 AI 作為功能升級。1
- 同業第二類是通用模型與雲端平台，它們有算力和模型能力，但未必擁有行業責任鏈、私有資料和本地銷售。6
- 同業第三類是專業服務/系統整合商，它們能承接專案，但軟體複用率和毛利率通常低於純訂閱。2
- 競爭維度 1：模型精度、召回率、誤報率、可解釋性、審計日誌和人機協作效率。7
- 競爭維度 2：銷售週期、部署成本、續費率、客戶成功能力和跨區域合規。3
- 競爭維度 3：資料權利和責任邊界，尤其是醫療、法律、交通和工程場景。6
- 市場份額：公司未揭露可核驗的全球/區域 AI 應用份額，本文標為
[未充分揭露]，不引用二級市場傳聞。2 - 競爭結論：該公司具備垂直化標籤，但是否有強護城河，要由復購、獲利率和現金流量證實。25
7. 護城河
- 護城河 A：專有行業資料與歷史案例庫；若沒有獨佔資料，模型能力很容易被通用模型追平。7
- 護城河 B：專家工作流嵌入，包括醫生、律師、工程師、交通管理者或企業合規人員的日常系統。1
- 護城河 C：合規與認證，尤其是醫療 AI、法律資料庫、公共部門和關鍵行業客戶。6
- 護城河 D：經常性營收和客戶續費；公司未揭露完整 ARR/NRR 時，只能把續費能力作為待驗證項。2
- 護城河 E：交付方法論和行業模板，能把一次性專案沉澱成可複用產品。7
- 反向護城河：如果營收主要來自人力專案，規模增長會帶來人員成本和管理複雜度，經營槓桿有限。2
- 護城河能否成立取決於場景深度：AI 進場驗收、無人稱重、出場風控等功能若持續嵌入專案物資流程，會沉澱現場資料和管控經驗；若只停留在案例展示或單點專案，則不構成強財務護城河。9
- 護城河結論：先看營收質量和獲利率，再看技術敘事；技術沒有商業閉環時不構成財務護城河。25
8. 財務質量
- 趨勢表：最新硬錨為
2025 年營業營收 60.68 億元，基本穩定/年增率 -2.17%；歸母淨利 4.05 億元，年增率 +61.77%；經營活動現金流量淨額 10.57 億元。。缺少分產品揭露的欄位一律列[未充分揭露]。23
| 指標 | 最新口徑 | 質量判斷 |
|---|---|---|
| 營收 | 2025 年營業營收 60.68 億元，基本穩定/年增率 -2.17%；歸母淨利 4.05 億元，年增率 +61.77%；經營活動現金流量淨額 10.57 億元。 | 以公開揭露為準，AI 純度需拆分。 |
| 毛利率 | 見揭露/若未列則 [未充分揭露] | 應用軟體高毛利不等於公司整體高毛利。 |
| 淨利 | 見揭露/若未列則 [未充分揭露] | 小型 AI 公司需區分一次性收益和主業獲利。 |
| 經營現金流量 | 見揭露/若未列則 [未充分揭露] | 現金流量比釋出會更能驗證產品化。 |
| 資本支出 | [未充分揭露] | 應用層通常輕資產，但收購/資料中心/研發裝置另計。 |
- 杜邦拆解：ROE = 淨利率 × 資產週轉率 × 權益乘數；因公開材料未完整給出同口徑資產負債表，本頁只做架構，不硬算。5
- 逐季財務：2025H1 數字成本營收 22.86 億元，年增率 -7.06%；數字施工營收 3.12 億元，年增率 +8.21%，施工毛利率 52.01%，年增率 +26.03pct。 逐季表需以後續正式報告校準。35
| 期間 | 營收 | 獲利/虧損 | 現金流量 | 備註 |
|---|---|---|---|---|
| 最近年度 | 見上文 | 見上文 | 見上文/未揭露 | 公開財報硬錨。 |
| 最近季度/半年度 | 2025H1 數字成本營收 22.86 億元，年增率 -7.06%；數字施工營收 3.12 億元，年增率 +8.21%，施工毛利率 52.01%，年增率 +26.03pct。 | [見揭露] | [未充分揭露] | 用於觀察趨勢，不替代年報。 |
| 下一揭露視窗 | [未充分揭露] | [未充分揭露] | [未充分揭露] | 追蹤營收質量。 |
9. 業績傳導
- 傳導鏈條：AI 產品能力提升 -> 客戶試點 -> 生產部署 -> 使用量/席位/許可擴張 -> 續費或追加採購 -> 營收確認。7
- 第一階段通常體現在新聞、PoC、監管許可或合作簽約；此階段對營收貢獻可能很小。3
- 第二階段體現在合同額、營收增長、毛利率變化和應收賬款；若只揭露客戶數不揭露金額，財務彈性仍
[未充分揭露]。2 - 第三階段體現在現金流量、續費率和淨營收留存；這是應用層 AI 最關鍵的質量指標。5
- 成本傳導包括雲端推論成本、專家稽核成本、銷售費用、合規費用和定製實施成本。6
- 獲利彈性來自產品複用率提升和實施成本下降；若每個客戶都高度定製，則營收增長未必帶來獲利率提升。2
- 現金流量傳導受合同預收、驗收週期、政府/醫院/企業付款條款影響，必須與營收增速分開看。5
- 業績傳導結論：該公司能否從 AI 主題變成 AI 獲利池，核心看“可重複營收 + 現金流量改善”。23
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
- 商業化風險：試點多、付費少，或部署後使用量不足，導致 AI 營收無法覆蓋研發和銷售費用。2
- 行業週期風險：建築業景氣度、房建投資和客戶預算收縮會壓制造價、施工等軟體採購，即使 AI 功能提升，也可能被客戶 IT 支出放緩抵消。5
- 客戶集中風險：若少數大客戶或專案貢獻大部分營收，續約失敗會造成季度波動；集中度
[未充分揭露]。2 - 產品採用風險：AecGPT/AI 物資產管理理等場景需要接入現場裝置、流程和人員管理，若客戶只做試點而不進入常態化生產，案例數量不能轉化為可持續營收。9
- 資料與責任風險：建築現場資料質量、裝置聯通、異常識別準確率和責任邊界會影響 AI 物資產管理理等功能的可用性；公開材料未揭露誤判率、專案覆蓋數和單專案收費，需保守處理。9
- 財務風險：虧損、經營現金流量為負、商譽減值、併購整合或融資稀釋都可能影響長期價值。5
- 揭露風險：分產品營收、毛利、客戶留存、訓練資料和模型指標未充分揭露時，研究結論必須降級。2
- 市場風險：本文不討論短線價格，所有風險僅服務於產業和財務質量判斷。5
12. 常見誤讀糾偏
- 誤讀 1：名字裡有 AI 就等於高增長軟體公司。糾偏：必須看營收、毛利、現金流量、續費和客戶生產部署。25
- 誤讀 2：釋出一個模型或產品就等於營收確定。糾偏：應用層 AI 從產品釋出到採購、部署、驗收、續費之間可能相隔多個季度。3
- 誤讀 3：集團營收都應算 AI 營收。糾偏：除非公司明確單列，否則只能用揭露分部或產品 proxy，不能全部歸因於 AI。2
- 誤讀 4：高毛利行業軟體一定有經營槓桿。糾偏：若專案定製化、實施人力和客戶成功成本高，經營槓桿會被抵消。2
- 誤讀 5：醫療/法律/交通 AI 可替代專家。糾偏：公開材料通常強調輔助、提示、決策支援或工作流效率，最終責任邊界仍需合規定義。6
- 誤讀 6：一次性合作里程碑等於可持續營收。糾偏：里程碑應從經常性營收中剝離觀察。3
- 誤讀 7：未揭露資料可以用行業平均填補。糾偏：本文不使用無來源倒推，缺口標
[未充分揭露]。2 - 誤讀 8：建築行業 AI 案例等於公司整體進入高增長 AI 曲線。糾偏：廣聯達確有建築全生命週期數字化與場景 AI 版面配置，但財務驗證仍要回到造價、施工等業務營收、合同負債、現金流量和 AI 產品單獨揭露。17
13. 最新事件
- 事件 1：2025-08-25：半年報揭露 H1 營收 27.84 億元，年增率 -5.23%；歸母淨利 2.37 億元，年增率 +23.65%；毛利率 87.79%，年增率 +1.11pct。 這是最新業務節奏錨。3
- 事件 2：2025H1 數字成本營收 22.86 億元，年增率 -7.06%；數字施工營收 3.12 億元，年增率 +8.21%，施工毛利率 52.01%，年增率 +26.03pct。 這是最近季度或半年度經營線索。35
- 事件 3：公司官網/IR 頁面持續揭露產品、財務、演示材料或監管節點，後續更新應優先取公司揭露。14
- 事件 4：若第三方媒體報道與公司揭露衝突，優先採用公司公告、交易所、SEC/FDA 或年報口徑。6
- 事件 5：若出現併購、商譽減值、股權融資或重大客戶合同，需要重算現金 runway 和獲利質量。5
- 事件 6：若揭露 ARR、NRR、註冊證、新醫院/政府客戶或產品化毛利率，應更新第 3、8、14 節。2
- 事件 7：若只揭露“AI 合作”但無金額、期限、客戶部署或營收確認，仍按弱證據處理。3
- 事件結論：最新事件用於更新事實，不用於產生任何交易動作。1
14. 追蹤指標
- 指標 1：AI 相關營收或 proxy 的年增率增長、佔比和確認口徑。2
- 指標 2：毛利率、調整後毛利率、專案交付成本和雲端推論成本。5
- 指標 3：經營現金流量、自由現金流量、現金餘額、融資需求和現金 runway。5
- 指標 4：客戶數、生產部署數、續費率、NRR、ARR、訂單 backlog；未揭露時持續標缺口。2
- 指標 5：監管許可、FDA/PMDA/MFDS/行業認證、政府或醫院/企業採購節點。6
- 指標 6：研發費用率、銷售費用率、員工人數與人均營收，判斷產品化程度。2
- 指標 7：同業產品降價、通用模型能力提升、客戶自建和雲端平台競爭。6
- 指標 8：負面反證：營收增長但毛利率下降、應收膨脹、現金流量惡化、商譽減值或客戶流失。5
15. 來源
- 來源：static.cninfo.com.cn/finalpage/2026-03-24/1225025001.PDF
- 來源：static.cninfo.com.cn/finalpage/2026-03-24/1225024977.PDF
- 來源：stcn.com/article/detail/3262438.html
- 來源：money.finance.sina.com.cn/corp/view/vCB_AllBulletinDetail.php?id=11353615&stockid=002410
- 來源：pdf.dfcfw.com/pdf/H3_AP202508281736069120_1.pdf?1756408434000.pdf=
- 來源：新華網：廣聯達亮相2025全球數字經濟大會 AI賦能建築產業邁向數智躍遷: www.news.cn/info/20250703/c4f23451f9f9483aa86fb12ec98c8875/c.html
- 來源：www.glodon.com/
- 來源：www.cninfo.com.cn/new/disclosure/stock?stockCode=002410&orgId=9900004011
- 來源：廣聯達入選“2025北京市人工智慧大型模型場景應用案例”: www.glodon.com/news/1480.html