1. 投資摘要
- HIVE Digital（HIVE Digital Technologies，HIVE）在本鏈條中的核心定位：比特幣礦企轉型 AI/HPC GPU 雲端與可再生能源資料中心運營商，AI 鏈條位置是小型 neocloud / GPU hosting。 12
- AI 相關結論：FY2026 總營收 2.978 億美元，年增率 +158%；其中數字貨幣挖礦 2.783 億美元，HPC hosting 1,950 萬美元。公司揭露 HPC ARR 3,500 萬美元，504 塊 Blackwell B200 兩年合約、單價 2.90 美元/GPU-hour 是 AI 雲端硬錨。 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 - 後續追蹤口徑應落在 BUZZ HPC contracted ARR、已上線 GPU 叢集、HPC hosting 營收、經營現金流量和資本支出，而不是隻看“礦企轉 AI”敘事；FY2026 HPC hosting 營收仍顯著小於挖礦營收，需要繼續用財報驗證擴張質量。 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：比特幣礦企轉型 AI/HPC GPU 雲端與可再生能源資料中心運營商，AI 鏈條位置是小型 neocloud / GPU hosting。 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：NVIDIA H200/B200、資料中心電力、礦機、網路、託管設施；GPU 利用率、客戶名單、折舊曲線需持續揭露。 24 下游需求：AI/HPC 雲端客戶、GPU 租賃客戶、礦池；AI 客戶集中度未充分揭露。 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。 產業鏈驗證重點是 GPU 雲端是否從固定合同和上線機群轉化為營收與現金流量：H200/B200 部署、合同期限、GPU-hour 單價、客戶續約和電力/折舊成本，比單純揭露算力規劃更能說明 AI 基礎設施業務質量。 12
| 鏈條層級 | 本公司作用 | 可驗證證據 | 揭露缺口 |
|---|---|---|---|
| 上游資源 | NVIDIA H200/B200、資料中心電力、礦機、網路、託管設施；GPU 利用率、客戶名單、折舊曲線需持續揭露。 | 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 | Bitcoin mining hashrate services / BUZZ HPC / AI GPU cloud / H200 GPU fixed-term contracts | IR 材料與產品頁 37 | AI 營收常未單列 |
| 下游客戶 | AI/HPC 雲端客戶、GPU 租賃客戶、礦池；AI 客戶集中度未充分揭露。 | 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：FY2026 總營收 2.978 億美元，年增率 +158%；其中數字貨幣挖礦 2.783 億美元，HPC hosting 1,950 萬美元。公司揭露 HPC ARR 3,500 萬美元，504 塊 Blackwell B200 兩年合約、單價 2.90 美元/GPU-hour 是 AI 雲端硬錨。 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 | FY2026 總營收 2.978 億美元，年增率 +158%；其中數字貨幣挖礦 2.783 億美元，HPC hosting 1,950 萬美元。公司揭露 HPC ARR 3,500 萬美元，504 塊 Blackwell B200 兩年合約、單價 2.90 美元/GPU-hour 是 AI 雲端硬錨。 | A/B/C，取決於來源 | 只採用已揭露數字 23 |
| 寬口徑 AI proxy | 比特幣礦企轉型 AI/HPC GPU 雲端與可再生能源資料中心運營商，AI 鏈條位置是小型 neocloud / GPU hosting。 | 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
- Bitcoin mining：FY2026 數字貨幣挖礦營收 2.783 億美元，是當前營收主體；AI/HPC 業務不能替代對 BTC 價格、全網難度、電力成本和礦機折舊的追蹤。 12
- BUZZ HPC / H200 GPU cloud：公司揭露約 360 塊 H200 GPU 固定合約及 A/H 系列按需出租，形成約 2,000 萬美元 GPU revenue 線索，但客戶集中度與分部毛利率仍為
[未充分揭露]。 24 - Blackwell B200 hosting：504 塊 NVIDIA B200 GPU 在 Bell Canada AI Fabric Tier-III 資料中心上線，簽約價 2.90 美元/GPU-hour，管理層稱帶來約 1,500 萬美元增量 ARR。 13
- 資料中心與電力資產：公司把加拿大、瑞典和巴拉圭等可再生能源資料中心作為挖礦與 HPC 的共同底座；投研上需追蹤 MW 上線、PUE/電價、機櫃交付和資本支出，而非只看規劃容量。 15
- 託管與雲端合同：固定期限 GPU 合同能提高營收可見度，但 GPU 折舊、網路/託管成本、客戶續約和二級市場租價下行會決定真實獲利彈性。 26
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：Bitcoin mining hashrate services, BUZZ HPC / AI GPU cloud, H200 GPU fixed-term contracts, Blackwell B200 GPU hosting。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 | NVIDIA H200/B200、資料中心電力、礦機、網路、託管設施；GPU 利用率、客戶名單、折舊曲線需持續揭露。 | 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 | AI/HPC 雲端客戶、GPU 租賃客戶、礦池；AI 客戶集中度未充分揭露。 | 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：CoreWeave、Nebius、IREN、Applied Digital、Cipher Mining HPC、GMO GPU Cloud、DataSection。 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
- 低成本能源和資料中心運維經驗、上市融資通道、GPU 合約先發；風險是加密週期、GPU 折舊、客戶集中與雲端價格下行。 2
- 可再生能源與自營資料中心經驗是從挖礦遷移到 HPC 的主要資產複用點；但 GPU 雲端的服務可用性、網路、客戶支援和合同執行能力仍需用後續營收與續約驗證。 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
- 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
- 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
- 上市融資渠道和礦業現金流量可支援硬體採購，但如果 GPU 租賃價格下行或利用率不足，重資產投入會迅速削弱 ROIC。 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 |
|---|---|---|---|
| FY2026 FY | HPC/AI revenue 1,950 萬美元 | HPC ARR 3,500 萬美元 | 從營收確認看仍是早期 3 |
| 2026-04-30 | 約 360 塊 H200 GPU 固定合約，另有 A/H 系列 GPU 按需出租 | 客戶與期限未充分揭露 | 利用率關鍵 4 |
| 2026-05 | 504 塊 Blackwell B200 兩年合約，2.90 美元/GPU-hour | 提升 ARR | 依賴硬體交付 5 |
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
-> HIVE Digital 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
- AI 營收未充分揭露，市場可能高估其佔比。 2
- 客戶集中或大客戶專案延期導致季度營收波動。 3
- 上游 GPU、雲端資源、電力、資料中心或軟體成本上升。 4
- 比特幣價格、挖礦難度、減半週期和電力價格會繼續主導總營收與現金流量，可能掩蓋或放大 AI/HPC 小基數業務的真實表現。 5
- 監管、資料主權、網路安全、出口管制或隱私合規變化。 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
- AI 功能同質化，不能形成新增付費或留存提升。 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：HIVE 已經是純 AI 雲端公司。糾偏：FY2026 營收仍主要來自數字貨幣挖礦，HPC hosting 只是明確增長線，不能把全部營收和獲利都歸因於 AI。 12
- 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：ARR 等同於當期營收。糾偏：HPC contracted ARR 是執行率指標，仍要看部署時間、客戶驗收、GPU 利用率和營收確認節奏。 15
- 誤讀四：GPU 數量越多一定越好。糾偏：GPU 雲端是重資產業務，折舊、電力、網路、融資成本和租價變化都會影響最終現金回報。 25
13. 最新事件(帶日期)
| 日期 | 事件 | 投研含義 |
|---|---|---|
| 2025-12-31 | 公司演示揭露 FQ3 FY2026 營收 9,310 萬美元、HPC/AI 營收 490 萬美元。 | 作為後續營收、獲利或揭露質量追蹤點 2 |
| 2026-05-31 | 釋出 FY2026 全年，營收 2.978 億美元、HPC ARR 3,500 萬美元。 | 作為後續營收、獲利或揭露質量追蹤點 3 |
| 2026-06 | SEC/10-K 摘要揭露 504 塊 Blackwell B200 合約及 GPU revenue 約 2,000 萬美元。 | 作為後續營收、獲利或揭露質量追蹤點 4 |
14. 追蹤指標
- 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
- BUZZ HPC contracted ARR、實際 HPC hosting 營收、上線 GPU 數量、GPU-hour 定價和客戶續約/擴容。 3
- 經營現金流量、自由現金流量、資本支出、租賃和折舊。 4
- ARR、訂閱營收、客戶數、淨留存率、GPU 利用率或專案 backlog。 5
- 大客戶集中度、客戶續約、合同期限和壞賬/應收變化。 6
- 產品釋出是否轉化為收費模組，而不是隻改善敘事。 7
- 同業價格戰、開源替代和雲端廠內建功能。 8
- 監管、資料主權、出口限制和本地補貼政策。 1
15. 來源
- 來源：FY2026 results release: www.hivedigitaltechnologies.com/news/hive-achieves-fy2026-total-revenue-of-2978-million-158-yoy-hives-buzz-hpc-positioned-for-growth/
- 來源：FY2026 10-K summary mirror: www.stocktitan.net/sec-filings/HIVE/10-k-hive-digital-technologies-ltd-files-annual-report-79404a8db5ed.html
- 來源：SEC exhibit 99.2: www.sec.gov/Archives/edgar/data/1720424/000106299326000943/exhibit99-2.htm
- 來源：Corporate presentation 2025-12-31: www.hivedigitaltechnologies.com/downloads/HIVE-Corporate_Presentation-2025-12-31.pdf
- 來源：Corporate presentation 2025-06-30: www.hivedigitaltechnologies.com/downloads/HIVE-Corporate_Presentation-2025-06-30.pdf
- 來源：HIVE news page: www.hivedigitaltechnologies.com/news/
- 來源：SEC exhibit 99.1 FY2024: www.sec.gov/Archives/edgar/data/1720424/000106299324012996/exhibit99-1.htm
- 來源：TheStreet FY2026 coverage: www.thestreet.com/crypto/markets/hive-digital-posts-record-158-revenue-jump-in-fiscal-2026