海克斯康

1. 投資摘要

• 海克斯康（Hexagon，HEXA-B.ST）在本鏈條中的核心定位：工業數字現實、測量、製造軟體、自動駕駛/礦山/建築資料平台公司，AI 鏈條位置是工業資料採集、數字孿生、自動化與邊緣智慧。 12
• AI 相關結論：AI 營收未單列，體現在 Manufacturing Intelligence、Autonomous Solutions、Geosystems、Asset Lifecycle Intelligence 等軟體和感測器資料。2025 年營收約 54 億歐元；Q4 2025 淨銷售 14.288 億歐元，調整後 EBIT1 4.203 億歐元。 23
• 本頁不把“AI 敘事”直接等同於獲利彈性；凡是公司未單列的 AI 營收、GPU 數量、客戶佔比、毛利率，均標記為 [未充分揭露]。14
• 經營驗證口徑應落在集團 organic growth、adjusted EBIT1 margin、cash conversion、分部訂單/需求描述和軟體化佔比；2025 年 AI 營收未單列，因此不能把數字現實、測量或自動化全額營收直接歸為 AI 營收。 12
• 最大觀察點是 AI 相關營收能否從產品釋出、專案啟動或平台訂閱，繼續轉化為可審計營收、毛利和經營現金流量。35
• 最大反證點是：AI 業務揭露繼續停留在口號，或增長以低毛利硬體/專案制營收實現但現金流量惡化。26

2. 產業鏈位置

鏈條定位：工業數字現實、測量、製造軟體、自動駕駛/礦山/建築資料平台公司，AI 鏈條位置是工業資料採集、數字孿生、自動化與邊緣智慧。 1 上游不是單一晶片供應，而是雲端基礎設施、資料中心、網路、軟體、資料和客戶場景的組合；因此研究時要拆成“硬體資源、軟體平台、資料資產、客戶入口”四層。 上游依賴：感測器、GNSS、雷射雷達、工業軟體開發、雲端平台、晶片與電子元件；AI 算力採購規模未充分揭露。 24 下游需求：製造、汽車、航空航天、礦業、建築、公共安全、能源與基礎設施客戶。 13 在 AI 產業鏈中，本公司更接近“基礎設施/平台/應用使能層”，不是 GPU、HBM 或先進封裝供應商。 營收對映路徑通常是：AI 應用增加 -> 資料、開發、雲端、監控或網路需求增加 -> 公司相關產品/服務消耗提升 -> 訂閱、專案或資源租賃營收確認。 因此，本頁把 Hexagon 放在“工業資料採集與數字孿生使能層”：它受益於製造、礦山、測繪和基礎設施數字化，但驗證順序應是分部營收、獲利率、現金轉換和客戶採用，而不是用 AI 標籤替代經營資料。 14

鏈條層級	本公司作用	可驗證證據	揭露缺口
上游資源	感測器、GNSS、雷射雷達、工業軟體開發、雲端平台、晶片與電子元件；AI 算力採購規模未充分揭露。	年報、季度材料、產品頁 12	採購佔比、單價、客戶名單多未揭露
中游平台	Manufacturing Intelligence metrology/software / Geosystems reality capture / Autonomous Solutions	IR 材料與產品頁 37	AI 營收常未單列
下游客戶	製造、汽車、航空航天、礦業、建築、公共安全、能源與基礎設施客戶。	公司揭露和行業資料 15	客戶集中度與續約率不足

3. AI相關營收拆解

AI 營收口徑：AI 營收未單列，體現在 Manufacturing Intelligence、Autonomous Solutions、Geosystems、Asset Lifecycle Intelligence 等軟體和感測器資料。2025 年營收約 54 億歐元；Q4 2025 淨銷售 14.288 億歐元，調整後 EBIT1 4.203 億歐元。 23 窄口徑 AI 營收只包括公司明確揭露的 GPU 雲端、AI 資料、AI 軟體、AI 平台或 AI 專案營收。 寬口徑 AI proxy 包括雲端、可觀測性、搜尋、安全、企業網路、資料服務、DevSecOps、數字孿生等被 AI 工作負載拉動的營收。 本文使用“窄口徑優先、寬口徑輔助”的方法；如果沒有明確金額，則寫 [未充分揭露]，不把產品名倒推成營收。 AI 營收質量需要同時看四個維度：營收確認、毛利率、客戶集中、現金流量。只看釋出會或合作公告會高估確定性。 若公司揭露 ARR、訂閱營收或固定合約，本頁將其列為 A/B 級證據；若僅為媒體轉述，則只作 C 級線索。

營收口徑	當前可寫結論	證據等級	投研處理
窄口徑 AI	AI 營收未單列，體現在 Manufacturing Intelligence、Autonomous Solutions、Geosystems、Asset Lifecycle Intelligence 等軟體和感測器資料。2025 年營收約 54 億歐元；Q4 2025 淨銷售 14.288 億歐元，調整後 EBIT1 4.203 億歐元。	A/B/C，取決於來源	只採用已揭露數字 23
寬口徑 AI proxy	工業數字現實、測量、製造軟體、自動駕駛/礦山/建築資料平台公司，AI 鏈條位置是工業資料採集、數字孿生、自動化與邊緣智慧。	B	作為業務敏感性，不作硬營收 1
未揭露項	客戶佔比、AI 毛利率、GPU 利用率或模型呼叫營收	缺口	明確標 [未充分揭露]

4. 核心產品

1. Manufacturing Intelligence：計量硬體、質量檢測、製造軟體和自動化方案服務汽車、航空航天、電子和工業製造客戶，是把 AI/分析嵌入工廠質量和產線資料的主要入口；AI 單項營收未單列。 23
2. Geosystems：測量、雷射掃描、現實捕捉、GNSS 和地理空間軟體為建築、測繪、基礎設施和公共安全提供數字現實資料底座，價值來自裝置銷量、軟體和服務組合。 38
3. Autonomous Solutions：礦山、農業、海事、建築和國防等場景中的自動化、定位和感測器方案，是邊緣智慧和自動駕駛作業的核心暴露，但專案節奏與客戶資本支出相關。 47
4. Asset Lifecycle Intelligence：面向能源、化工、船舶、建築和資產密集行業的軟體組合，覆蓋設計、運營、維護和數字孿生；驗證重點是軟體訂閱和專案交付質量。 38
5. Safety, Infrastructure & Geospatial：公共安全、應急、交通和政府地理空間方案提供即時資料與排程平台，AI 增量更多體現為工作流效率和資料融合，而非公司單列營收。 38
6. 研發與併購產品線：Hexagon 持續圍繞數字現實、感測器、軟體和自動化擴充套件組合，但投資者應把產品釋出與季度 organic growth、adjusted EBIT1 margin 和 cash conversion 對照驗證。 56

產品組合判斷： 第一，硬體或資源型產品通常營收彈性強，但毛利率、折舊、利用率和採購節奏更敏感。 第二，軟體訂閱型產品通常毛利率高，但需要看 ARR、NRR、座席擴張和銷售效率。 第三，專案制/資料服務型營收需要看驗收、交付人員擴張和大客戶集中度。 第四，平台生態型公司需要把 AI 功能區分為“提升主產品留存”還是“新增付費模組”。 本公司的關鍵產品組合更接近：Manufacturing Intelligence metrology/software, Geosystems reality capture, Autonomous Solutions, Asset Lifecycle Intelligence。78

5. 上下游

方向	關鍵物件	對業績影響	證據
上游硬體/雲端資源	感測器、GNSS、雷射雷達、工業軟體開發、雲端平台、晶片與電子元件；AI 算力採購規模未充分揭露。	成本、交付和可用性	2
上游軟體/資料	模型、資料、開發工具、安全與運維棧	產品差異化和客戶粘性	3
下游客戶	製造、汽車、航空航天、礦業、建築、公共安全、能源與基礎設施客戶。	營收規模、續約和回款	4
生態夥伴	雲端廠、系統整合商、渠道、開源社群或政府專案	獲客和合規	5

上下游結論：公司並非孤立受益於 AI，而是取決於上游資源價格、下游預算週期、產品 attach rate 和客戶專案節奏。 如果上游成本快速上漲且無法轉嫁，營收增長可能稀釋毛利；如果下游 AI 專案從試點轉生產，訂閱和資源消耗會更穩定。 客戶側最重要的揭露不是 logo，而是合同期限、ARR、使用量、續費、毛利率和現金回款。

6. 同業與競爭格局

主要同業：Trimble、Autodesk、PTC、Dassault Systemes、Siemens Digital Industries Software、Bentley Systems、Keysight。 56

公司/型別	競爭維度	本公司相對位置	需要追蹤的反證
競爭格局不是靜態市場份額，而是客戶預算在“自建、雲端廠、垂直軟體、外包服務、開源方案”之間遷移。
AI 時代的競爭強度通常上升：客戶更願意試用新供應商，但也更看重可用性、安全、合規和長期成本。
若公司產品只是在現有主業上增加 AI 標籤，而沒有新增付費、用量或留存改善，競爭優勢應打折。

7. 護城河

1. 工業資料入口：測量裝置、感測器、現實捕捉和定位系統嵌入客戶現場，一旦進入製造、礦山或基礎設施流程，替換成本高於單純軟體工具。 28
2. 軟硬體組合：公司既有硬體測量入口，也有 CAD/CAM、資產生命週期、地理空間和自動化軟體，護城河來自軟硬體閉環而非單一 AI 模型。 38
3. 產品複用：同一客戶在搜尋、監控、安全、雲端、資料或開發流程中複用越多，單位獲客成本越低。 4
4. 資料/運維反饋：AI 產品若能從真實工作負載中學習，會形成質量改進迴圈；但該迴圈是否帶來收費，需要揭露驗證。 5
5. 規模經濟：軟體平台和雲端資源池能攤薄固定成本；專案制服務則更受人力擴張約束。 6
6. 行業認證與現場經驗：製造、礦山、建築和公共安全客戶對精度、可靠性、整合和服務網路要求高，新進入者即使有通用 AI 能力，也需要跨過行業驗證和部署週期。 78
7. 反向護城河：若毛利率下降、客戶集中、GPU 利用率不足或銷售效率惡化，所謂 AI 護城河會退化為資本支出競賽。 8

8. 財務質量(趨勢表+杜邦+逐季)

8.1 趨勢表

期間	營收/增長	獲利/毛利	現金流量/資本支出	備註
最新季度/半年度	見逐季表	見逐季表	見逐季表	最新經營拐點 3
AI 專項	未單列時不倒推	未揭露項標註	未揭露項標註	用 proxy，不造數

8.2 杜邦拆解

ROE 可以拆成淨利率、資產週轉率和權益乘數。對軟體公司，淨利率與銷售效率更關鍵；對雲端/GPU/資料中心公司，資產週轉率和折舊更關鍵。 13 淨利率：若 AI 業務是高毛利軟體訂閱，淨利率應隨規模改善；若是 GPU 租賃或硬體專案，折舊和電力會壓低淨利率。 13 資產週轉：雲端資源、機房、GPU 和資料中心投入越重，越需要高利用率支撐營收；輕資產軟體則看銷售週期和留存。 13 權益乘數：債務、租賃和資本化支出會放大週期波動，因此不能只用營收增速解釋經營判斷。 13 現金流量校驗：經營現金流量和自由現金流量是辨別“營收質量”的核心，尤其適用於專案制、GPU 雲端和資料服務公司。 13

8.3 逐季/近況表

期間	營收線索	獲利/現金流量線索	AI 業務含義
2026Q1 gross	adjusted gross earnings 6.063 億歐元，gross margin 62.9%	EPS 58.4 Euro cent 含特殊因素	週期回暖需驗證 4

8.4 財務質量結論

營收增長需要和毛利率同看，避免把低毛利擴張誤判成高質量增長。 24 現金流量需要和合同負債、應收、存貨、資本支出或租賃同看。 24 AI 業務若未單列，最穩妥的處理是追蹤揭露質量改善，而不是提前給出確定獲利。 24 逐季波動本身不是問題，問題是公司是否解釋清楚波動來自季節性、客戶驗收、資源利用率還是競爭降價。 24

9. 業績傳導

AI 應用/模型/企業數字化需求增加
  -> 對雲端資源、資料、開發工具、搜尋、監控、安全、網路或行業軟體的需求增加
  -> 海克斯康 的核心產品被更多使用或採購
  -> 營收確認、ARR/訂閱、專案驗收或資源租賃營收增加
  -> 取決於毛利率、利用率、銷售費用、折舊和回款
  -> 經營獲利、自由現金流量和 ROIC 改善或承壓

正向傳導需要三個條件：需求真實、公司有產品承接、營收能以合理毛利確認。 35 負向傳導通常發生在：客戶試點不轉生產、競爭降價、上游成本上升、專案驗收延遲或銷售費用前置。 35 對本公司而言，最強指標不是新聞數量，而是季度營收、毛利、現金流量和揭露中的 AI 專項進展。 35

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. AI 營收未充分揭露，市場可能高估其佔比。 2
2. 客戶集中或大客戶專案延期導致季度營收波動。 3
3. 上游 GPU、雲端資源、電力、資料中心或軟體成本上升。 4
4. 週期與專案風險：製造、汽車、建築、礦山和基礎設施客戶的資本支出週期會影響訂單與驗收，短期 organic growth 不宜線性外推。 45
5. 監管、資料主權、網路安全、出口管制或隱私合規變化。 6
6. 資本支出、租賃、折舊或應收賬款導致自由現金流量低於獲利。 7
7. AI 功能同質化，不能形成新增付費或留存提升。 8
8. 匯率、利率和宏觀 IT 預算週期影響客戶採購。 1

12. 常見誤讀糾偏

• 誤讀一：工業數字現實等於純 AI 軟體。 糾偏：Hexagon 的 AI 暴露依附於測量裝置、感測器、自動化和行業軟體組合，AI 營收未單列，不能按純 SaaS 倍數或純模型公司邏輯處理。 25
• 誤讀二：營收增長等於獲利增長。 糾偏：GPU 雲端、硬體、專案制服務可能帶來折舊、採購、交付和回款壓力。 25
• 誤讀三：產品組合越多，護城河越強。 糾偏：多產品組合只有在交叉銷售、復購、軟體 attach 和現金轉換改善時才形成經營價值，否則會增加整合和研發負擔。 25
• 誤讀四：Q1 或 Q4 單季改善可以直接年化。 糾偏：Hexagon 受工業客戶預算、驗收和匯率影響，應看連續季度 organic growth、adjusted EBIT1 margin 和 cash conversion。 25

13. 最新事件(帶日期)

日期	事件	投研含義
2026-01-29	釋出 2025 年終報告，Q4 cash conversion 121%。	作為後續營收、獲利或揭露質量追蹤點 2
2026-04-23	釋出 2026Q1，organic growth 8%，adjusted EBIT1 margin 26.1%。	作為後續營收、獲利或揭露質量追蹤點 3

14. 追蹤指標

1. AI/雲端/資料/軟體相關營收是否單列，若未單列則看 proxy 增速。 2
2. 分部 organic growth、adjusted EBIT1 margin 與 cash conversion 是否同步改善，尤其是 Manufacturing Intelligence、Geosystems 和 Autonomous Solutions 的需求描述。 3
3. 經營現金流量、自由現金流量、資本支出、租賃和折舊。 4
4. ARR、訂閱營收、客戶數、淨留存率、GPU 利用率或專案 backlog。 5
5. 大客戶集中度、客戶續約、合同期限和壞賬/應收變化。 6
6. 產品釋出是否轉化為收費模組，而不是隻改善敘事。 7
7. 同業價格戰、開源替代和雲端廠內建功能。 8
8. 監管、資料主權、出口限制和本地補貼政策。 1

15. 來源

• 來源：Year-End Report 2025: hexagon.com/company/newsroom/press-releases/2026/hexagon-year-end-report-1-january---31-december-2025
• 來源：Year-End Report 2025 PDF: api.alertir.com/files/press/hexagon/202601293553-1.pdf
• 來源：Annual and Sustainability Report 2025: mb.cision.com/Main/387/4324219/3996400.pdf
• 來源：Q1 2026 interim report: hexagon.com/company/newsroom/press-releases/2026/hexagon-interim-report-1-january---31-march-2026
• 來源：Investor relations targets: investors.hexagon.com/
• 來源：Reports and presentations: investors.hexagon.com/financial-information/reports-and-presentations
• 來源：Q1 2026 PR Newswire mirror: www.prnewswire.com/news-releases/hexagon-interim-report-1-january---31-march-2026-302751432.html
• 來源：Hexagon product site: hexagon.com/