HEROZ

1. 投資摘要

• HEROZ 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 / Japanese enterprise AI SaaS 中的產業價值。12
• 公司主業可以概括為：從將棋 AI 起家的日本企業 AI/SaaS 公司，業務涵蓋 AI/DX、AI Sakura-san、HEROZ ASK、JOINT 與安全子公司。 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：AI/DX 專案、HEROZ ASK、AI Sakura-san、VOIQ、BtoB AI 專案與 AI Security。 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：FY2026/04 淨銷售額 64.24 億日元，年增率 +8.3%；經營獲利 5.23 億日元，年增率 +70.7%；EBITDA 10.25 億日元，年增率 +29.2%；歸母淨利 3.76 億日元。 該口徑來自公開揭露，未揭露項不做倒推。23
• 最新事件錨：2026-06-12：公司釋出 FY04/2026 全年財報，剔除 M&A 相關費用後的 organic 經營獲利為 6.37 億日元。 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
• 對 HEROZ，敘事驗證點是企業 AI/SaaS 是否轉成可重複營收和獲利：FY04/2026 公司揭露 HEROZ ASK 營收季增率 +27.8%、ARR 超過 2 億日元，約 430 家客戶，並在貢獻獲利口徑實現月度盈利；這些指標比單純“將棋 AI 技術”更能說明商業化進度。26
• 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 / Japanese enterprise AI SaaS；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
• 產業鏈角色從早期演算法/IP 延伸到企業 AI 工作流：公司 FY04/2026 材料把 FY04/2027 戰略軸放在 AI Security Agent 和 HEROZ ASK Cowork，目標是把 AI 工具與 BPO/企業協作場景結合，而不是單點模型銷售。27
• 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：AI/DX 專案、HEROZ ASK、AI Sakura-san、VOIQ、BtoB AI 專案與 AI Security。；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：FY2026/04 淨銷售額 64.24 億日元，年增率 +8.3%；經營獲利 5.23 億日元，年增率 +70.7%；EBITDA 10.25 億日元，年增率 +29.2%；歸母淨利 3.76 億日元。 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
• 營收拆解需區分成熟安全業務與新 AI 產品：FY04/2026 全年營收和經營獲利均超修正展望，organic 經營獲利 6.37 億日元；但 HEROZ ASK 雖 ARR 超 2 億日元，仍處早期擴張期，不能把集團獲利全部歸因於該單一新產品。23
• AI 相關營收表：集團營收 FY2026/04 淨銷售額 64.24 億日元，年增率 +8.3%；經營獲利 5.23 億日元，年增率 +70.7%；EBITDA 10.25 億日元，年增率 +29.2%；歸母淨利 3.76 億日元。；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：AI/DX 專案、HEROZ ASK、AI Sakura-san、VOIQ、BtoB AI 專案與 AI Security。。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
• 核心產品證據以採用指標為主：FY04/2026 材料揭露 HEROZ ASK ARR 超 2 億日元、約 430 家客戶、營收季增率 +27.8%，並推進 MCP 支援；AI Security 則圍繞 VarioSecure 完全子公司化後向安全 AI Agent 演進。2
• 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
• 護城河的硬證據主要來自低流失和產品嵌入：FY04/2026 Q4 AI Security 季度營收流失率為 0.81%，HEROZ ASK 使用者 ID 流失率短期升至 1.27%但公司預計 Q1 FY04/2027 回落至 1%以下；這比模型敘事更能檢驗客戶粘性。26
• 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 FY2026/04 淨銷售額 64.24 億日元，年增率 +8.3%；經營獲利 5.23 億日元，年增率 +70.7%；EBITDA 10.25 億日元，年增率 +29.2%；歸母淨利 3.76 億日元。。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	FY2026/04 淨銷售額 64.24 億日元，年增率 +8.3%；經營獲利 5.23 億日元，年增率 +70.7%；EBITDA 10.25 億日元，年增率 +29.2%；歸母淨利 3.76 億日元。	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：FY2025 AI/DX 業務銷售額 +47.9%，AI Security EBITDA margin 39.1%；FY2026 全年營收與獲利均高於此前展望。 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	FY2025 AI/DX 業務銷售額 +47.9%，AI Security EBITDA margin 39.1%；FY2026 全年營收與獲利均高於此前展望。	[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。

• 財務結論：營收增長必須與毛利率、費用率、現金流量和客戶留存同時驗證；單一營收增速不能證明 AI 商業模式成熟。25

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
• 併購整合風險：VarioSecure 完全子公司化和 AKM 相關交易帶來費用、商譽/無形資產和整合複雜度；FY04/2026 已揭露 organic 經營獲利與報告經營獲利差異，後續需持續區分經營改善和 M&A 影響。25
• 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
• 新產品放量風險：HEROZ ASK ARR 已超過 2 億日元但相對集團營收仍小，若客戶數、ARPA 或續費未繼續提升，AI Cowork/BPaaS 敘事會弱化。26
• 安全業務競爭風險：AI Security 面向中堅/中小企業安全運營需求，但 MDR、SOC、雲端安全和託管服務競爭激烈；若價格競爭或流失率上升，分部獲利率可能承壓。26
• 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：HEROZ 的將棋 AI 背景自動等於企業 AI 護城河。糾偏：演算法履歷只是技術可信度，企業價值仍要看 HEROZ ASK、AI Security 等產品的 ARR、客戶數、流失率、ARPA 和貢獻獲利。17

13. 最新事件

• 事件 1：2026-06-12：公司釋出 FY04/2026 全年財報，剔除 M&A 相關費用後的 organic 經營獲利為 6.37 億日元。 這是最新業務節奏錨。3
• 事件 2：FY2025 AI/DX 業務銷售額 +47.9%，AI Security EBITDA margin 39.1%；FY2026 全年營收與獲利均高於此前展望。 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：heroz.co.jp/ir/
• 來源：heroz.co.jp/wp-content/uploads/2026/06/Presentation_Material_for_FY04_2026.pdf
• 來源：finance.biggo.com/news/jpx_tdnet_140120260612569522
• 來源：finance.biggo.com/news/jpx_tdnet_140120260612569450
• 來源：heroz.co.jp/ir-files/en/20250613/Presentation_Material_for_FY04_2025.pdf
• 來源：note.com/heroz_ir/n/n0f6ab957c2b5?hl=en
• 來源：finance.yahoo.com/quote/4382.T/
• 來源：heroz.co.jp/service/