1. 投資摘要
- 結論先行:金蝶國際 在 AI 產業鏈中的位置是“雲端 ERP、EBC、蒼穹 PaaS 與 AI 管理軟體”,不是晶片廠,也不是純基礎模型公司;研究重點是 AI 功能能否提高訂閱、雲端用量、企業客戶留存和獲利率。12
- 2025 年總營收 70.06 億元,雲端服務營收 57.82 億元,雲端訂閱服務 ARR 約 39.4 億元,公司口徑稱雲端轉型進入規模化階段。12
- 2025H1 總營收約 31.92 億元,雲端服務營收約 26.73 億元,雲端訂閱服務 ARR 約 37.3 億元,毛利率約 65.6%;截至 2026-06-18,2026 年中期業績尚未揭露。12
- 公司 AI 相關營收沒有單獨揭露,本文把蒼穹/星瀚/雲端訂閱中由 AI Copilot、智慧財務、人力與供應鏈場景拉動的營收列為寬口徑 proxy。12
- 2025 年經調整淨利約 2.32 億元,說明雲端訂閱規模擴大後獲利已經由虧損轉向正貢獻,但研發與銷售投入仍高。12
- 金蝶的 AI 敘事要落到雲端訂閱 ARR、合同負債、星瀚/蒼穹續費和大客戶擴張上;公司揭露了雲端服務與訂閱指標,但 AI Copilot 或管理大型模型的單獨營收、推論成本和客戶單價仍未充分揭露。34
- 研究架構用三條線交叉驗證:營收是否真實、毛利和現金流量是否承接、AI 產品是否進入客戶流程而非停留在釋出會。56
- 最關鍵的反證是:AI 敘事提高費用和資本支出,但沒有帶來訂閱/雲端營收、留存率或經營現金流量的同步改善。78
2. 產業鏈位置
- 鏈條座標:
chain-cloud / kingdee-international-software,上游是算力、雲端、模型、資料和行業整合,下游是企業客戶、開發者、運營商或消費者應用。1 - AI 價值來源不是“擁有大型模型”本身,而是把模型能力嵌入既有軟體、雲端、通訊或客服流程後,提高使用頻次、自動化率和續費意願。56
- 在產業鏈中,金蝶處於企業管理軟體和 PaaS 應用層:上游依賴雲端基礎設施、模型和企業資料,下游是財務、人力、供應鏈與製造管理流程;AI 的價值來自嵌入 ERP/EBC 工作流後提高續費和擴容,而不是單獨售賣基礎模型。23
- 上游關鍵變數包括 GPU/伺服器折舊、雲端推論成本、模型 API 成本、資料合規和渠道費用;公司層面對這些變數的逐項揭露通常不足。47
- 下游關鍵變數包括大客戶簽約、ARR/訂閱、雲端資源利用率、企業專案驗收和消費者付費率。18
3. AI相關營收拆解
| 口徑 | 可確認營收 | AI 歸因 | 置信度 | 說明 |
|---|---|---|---|---|
| 公司總營收 | 見財務表 | 不能全部歸為 AI | A | 集團營收是分母,不是 AI 營收口徑。1 |
| AI/雲端/訂閱寬口徑 | 2025 年總營收 70.06 億元 | 與 AI 功能、雲端遷移或自動化相關 | B | 依賴公司揭露和產品結構。2 |
| AI 單獨營收 | [未充分揭露] | 不能倒推 | A | 未揭露模型呼叫、AI SKU、客戶單價時不估算。3 |
| 客戶/行業拆分 | [未充分揭露] | 只寫客戶型別 | B/C | 個別案例不等於營收佔比。6 |
| 毛利貢獻 | [未充分揭露] | 需看雲端成本/服務成本 | B | AI 功能可能提升 ARPU,也可能增加推論成本。7 |
- 投研上只把已收費的訂閱、雲端資源、軟體模組、專案驗收營收計入 AI 相關營收;新聞稿中的“接入 AI”不直接計入營收。19
- 若公司只揭露總營收而不揭露 AI SKU,本文用“proxy”描述,不把 proxy 寫成硬營收。210
4. 核心產品
| 產品/服務 | AI 連線方式 | 商業化路徑 | 揭露缺口 |
|---|---|---|---|
| 金蝶雲端蒼穹 PaaS 與 AI 原生開發平台 | 嵌入生成式 AI、預測、搜尋、語音、視覺或自動化能力 | 訂閱、雲端用量、專案制或服務費 | SKU 營收/客戶留存 [未充分揭露] 1 |
| 金蝶雲端星瀚大企業 SaaS/EBC 套件 | 嵌入生成式 AI、預測、搜尋、語音、視覺或自動化能力 | 訂閱、雲端用量、專案制或服務費 | SKU 營收/客戶留存 [未充分揭露] 2 |
| 金蝶雲端星空成長型企業 ERP | 嵌入生成式 AI、預測、搜尋、語音、視覺或自動化能力 | 訂閱、雲端用量、專案制或服務費 | SKU 營收/客戶留存 [未充分揭露] 3 |
| 精鬥雲端/雲端會計/雲端進銷存等小微 SaaS | 嵌入生成式 AI、預測、搜尋、語音、視覺或自動化能力 | 訂閱、雲端用量、專案制或服務費 | SKU 營收/客戶留存 [未充分揭露] 4 |
| AI Copilot、智慧財務、智慧人力、供應鏈計劃等嵌入式功能 | 嵌入生成式 AI、預測、搜尋、語音、視覺或自動化能力 | 訂閱、雲端用量、專案制或服務費 | SKU 營收/客戶留存 [未充分揭露] 5 |
- 產品判斷重點不是功能列表,而是這些功能是否改變客戶預算科目:從一次性專案轉成訂閱,從人工服務轉成自動化,從普通雲端資源轉成高利用率 AI 資源。56
- 若 AI 功能只是免費增強,短期體現為留存和競爭力;若形成獨立 SKU,才可能直接進入營收拆分。23
5. 上下游
| 上游 | 依賴項 | 影響 | 揭露 |
|---|---|---|---|
| 阿里雲端、華為雲端、騰訊雲端等雲端基礎設施夥伴,具體採購佔比未充分揭露 | 算力/資料/模型/渠道 | 影響成本、交付和毛利率 | [未充分揭露] 1 |
| 資料庫、中介軟體、作業系統與信創生態夥伴 | 算力/資料/模型/渠道 | 影響成本、交付和毛利率 | [未充分揭露] 2 |
| 企業客戶歷史 ERP 資料、財務流程、供應鏈流程與人力組織資料 | 算力/資料/模型/渠道 | 影響成本、交付和毛利率 | [未充分揭露] 3 |
| 大型模型 API 與私有化模型部署能力,模型成本與推論量未充分揭露 | 算力/資料/模型/渠道 | 影響成本、交付和毛利率 | [未充分揭露] 4 |
| 下游 | 需求來源 | 營收確認 | 風險 |
| --- | --- | --- | --- |
| 大型集團企業、央國企和跨國在華企業 | AI 降本、增效、合規或體驗升級 | 訂閱、用量、專案驗收或廣告 | 客戶集中和預算週期 5 |
| 成長型製造、零售、服務企業 | AI 降本、增效、合規或體驗升級 | 訂閱、用量、專案驗收或廣告 | 客戶集中和預算週期 6 |
| 小微企業財稅和進銷存使用者 | AI 降本、增效、合規或體驗升級 | 訂閱、用量、專案驗收或廣告 | 客戶集中和預算週期 7 |
| 實施服務商、ISV 與區域渠道夥伴 | AI 降本、增效、合規或體驗升級 | 訂閱、用量、專案驗收或廣告 | 客戶集中和預算週期 8 |
6. 同業與競爭格局
| 同業 | 競爭維度 | 金蝶國際 的相對位置 |
|---|---|---|
| 用友網路 | 產品、客戶、生態或價格 | 需按區域、客戶規模和部署方式比較,不能只比模型引數 1 |
| SAP | 產品、客戶、生態或價格 | 需按區域、客戶規模和部署方式比較,不能只比模型引數 2 |
| Oracle NetSuite | 產品、客戶、生態或價格 | 需按區域、客戶規模和部署方式比較,不能只比模型引數 3 |
| 浪潮雲端洲/浪潮 GS | 產品、客戶、生態或價格 | 需按區域、客戶規模和部署方式比較,不能只比模型引數 4 |
| 鼎捷軟體 | 產品、客戶、生態或價格 | 需按區域、客戶規模和部署方式比較,不能只比模型引數 5 |
| Salesforce/Workday 在部分模組競爭 | 產品、客戶、生態或價格 | 需按區域、客戶規模和部署方式比較,不能只比模型引數 6 |
- 競爭格局的硬指標包括 ARR/雲端營收增速、毛利率、淨留存率、客戶數、單客戶 ACV、服務成本、銷售週期和現金流量。12
- AI 軟體和雲端服務的競爭不是單點功能競爭,更多是工作流嵌入、資料權限、合規、本地化和系統整合能力競爭。56
- 如果競爭對手以低價或捆綁雲端資源獲客,短期營收可能增長,但獲利率和現金流量會暴露真實質量。78
7. 護城河
- 企業流程 Know-how 與財務軟體歷史客戶基礎。驗證指標:續費、客戶擴張、毛利率、現金流量和新客戶獲取效率。12
- 雲端訂閱 ARR 遷移後的續費與資料粘性。驗證指標:續費、客戶擴張、毛利率、現金流量和新客戶獲取效率。23
- 蒼穹 PaaS 讓客戶二次開發和整合成本提高。驗證指標:續費、客戶擴張、毛利率、現金流量和新客戶獲取效率。34
- 信創、本地化部署和中國企業管理場景適配。驗證指標:續費、客戶擴張、毛利率、現金流量和新客戶獲取效率。45
- 客戶基礎和品牌是護城河的一部分:金蝶長期服務中國企業管理軟體客戶,雲端化後客戶資料、流程配置、二次開發和生態夥伴會提高遷移成本;但港股市場價格表現不能替代續費率、淨營收留存和合同負債驗證。910
- 護城河不能只看釋出會,還要看產品是否進入客戶的核心繫統、歷史資料、權限體系和預算流程。26
8. 財務質量(趨勢表+杜邦+逐季)
8.1 趨勢表
| 期間 | 營收 | AI/雲端/訂閱線索 | 毛利率 | 獲利/現金流量 | 來源口徑 |
|---|---|---|---|---|---|
| 2023A | 約 56.8 | 雲端服務繼續替代傳統 ERP | 未充分揭露 | 仍處投入期 | 官方年報/公告口徑 1 |
| 2024A | 約 62.5 | 雲端營收佔比提升 | 未充分揭露 | 接近盈虧平衡 | 官方年報/公告口徑 2 |
| 2025A | 70.06 | 57.82 | 約 65% | 經調整淨利 2.32 | 2025 年報/業績公告 3 |
| 2025H1 | 31.92 | 26.73 | 65.6% | 盈利改善但未單列 AI | 2025 中報口徑 4 |
8.2 杜邦拆解
- 淨利率:由毛利率、研發費用率、銷售費用率、雲端資源/折舊和一次性專案共同決定;AI 投入增加時,營收和獲利可能不同步。12
- 資產週轉:雲端和資料中心公司要看伺服器、IDC 和應收賬款週轉;軟體公司要看遞延營收和銷售效率。34
- 權益乘數:若公司有併購債務、租賃負債或重資本雲端資源,淨負債會放大週期波動;淨現金公司則有更大研發和併購彈性。56
- ROE 的改善必須來自獲利率和週轉改善,而不是一次性收益或會計重分類。78
8.3 逐季/半年度追蹤
| 2025H1 | 31.90 | 雲端訂閱 ARR 高增 | 未充分揭露 | 未充分揭露 | 雲端 ERP 底盤擴張 3 |
| 2025H2 | 38.16 | 大企業 EBC 與中小企業雲端 | 未充分揭露 | 未充分揭露 | 全年營收修復 4 |
| 2025H1 | 31.92 | 雲端服務 26.73 | 65.6% | 未充分揭露 | 營收平穩,訂閱質量是核心 5 |
9. 業績傳導
AI/自動化需求 -> 金蝶國際 產品使用量或訂閱增長
-> 客戶續費、擴容、專案驗收或雲端資源消耗
-> 營收確認
-> 取決於毛利率、推論成本、銷售費用和折舊
-> 經營現金流量和自由現金流量
-> 市場重新評估傳統業務與 AI 業務的權重
| 變數 | 正向傳導 | 負向傳導 | 追蹤口徑 |
|---|---|---|---|
| 需求 | 客戶把 AI 納入正式預算 | POC 多、付費少 | ARR/雲端營收/專案驗收 1 |
| 成本 | 推論和雲端資源單位成本下降 | GPU/雲端成本上升 | 毛利率/折舊/頻寬 4 |
| 競爭 | 產品嵌入工作流 | 平台廠商捆綁壓價 | 淨留存/價格 6 |
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
- 揭露風險:AI 單獨營收、模型成本、客戶集中度、專案毛利和採購結構未充分揭露,容易被市場過度線性外推。12
- 競爭風險:雲端廠、平台廠、開源模型和大型軟體廠可能把類似功能打包進基礎套餐。56
- 成本風險:GPU、雲端、頻寬、電力、折舊和大型模型 API 成本可能吞噬 AI 功能帶來的 ARPU。47
- 客戶風險:大客戶專案延期、預算凍結、合同重新議價會先衝擊新增訂單和現金流量。38
- 估值風險:若市場把雲端訂閱和 AI 管理軟體按高成長 SaaS 估值,而公司後續 ARR 增速、合同負債、毛利率或現金流量沒有同步改善,股價可能先於基本面修正。910
- 會計風險:調整後獲利、一次性收益、併購攤銷和股權激勵需要與經營現金流量交叉驗證。13
12. 常見誤讀糾偏
- 誤讀一:把公司總營收全部當成 AI 營收。糾偏:只有 AI SKU、雲端算力、AI 驅動訂閱、自動化專案或明確揭露的 AI 營收才能計入,未揭露部分只能寫 proxy。12
- 誤讀二:把產品釋出等同於商業化成功。糾偏:真正的證據是客戶續費、ARR、雲端營收、毛利率和現金流量,而不是模型演示。56
- 誤讀三:營收增長必然帶來獲利增長。糾偏:AI 雲端和專案制業務可能同時抬高折舊、推論成本、銷售費用和應收賬款。48
- 誤讀四:把“蒼穹 AI”或“Cosmic AI”直接等同於新增營收。糾偏:產品頁能證明 AI 功能和場景存在,但只有訂閱、模組收費、專案驗收或合同負債進入財報時,才構成可驗證的商業化營收。37
13. 最新事件(帶日期)
| 日期 | 事件 | 投研含義 |
|---|---|---|
| 2026-03-18 | 釋出 2025 年業績,揭露雲端營收、ARR 與經調整盈利改善。 | 需要與後續營收、毛利率和現金流量交叉驗證。1 |
| 2025-08-18 | 釋出 2025 年中期業績,揭露營收、雲端服務營收和毛利率。 | 需要與後續營收、毛利率和現金流量交叉驗證。2 |
| 2025-10-25 | 繼續推進蒼穹 AI 能力和大企業 EBC 方案,強調 AI + 管理軟體。 | 需要與後續營收、毛利率和現金流量交叉驗證。3 |
14. 追蹤指標
| 指標 | 為什麼重要 | 觀察方式 |
|---|---|---|
| AI/雲端/訂閱營收 | 驗證商業化 | 財報分部、ARR、管理層揭露 1 |
| 毛利率 | 驗證 AI 成本能否被客戶支付 | 季度毛利率、雲端成本、服務成本 2 |
| 客戶與留存 | 驗證護城河 | 大客戶數量、淨留存、續費率 4 |
| 產品收費 | 區分功能增強與營收新增 | AI SKU、訂閱包、用量計費 5 |
| 競爭價格 | 判斷獲利率風險 | 同業套餐、雲端價格、折扣 6 |
| 合規事件 | 影響公共/金融客戶 | 監管公告、資料安全政策 8 |
15. 來源
- 來源:2025 Annual Results / Announcement:www.kingdee.com/en/investor-relations/announcements/
- 來源:2026 Interim Results:www.kingdee.com/en/investor-relations/financial-reports/
- 來源:Kingdee Investor Relations:www.kingdee.com/en/investor-relations/
- 來源:Kingdee Cloud Cosmic:www.kingdee.com/en/products/kingdee-cloud-cosmic/
- 來源:HKEXnews Kingdee filings:www1.hkexnews.hk/search/titlesearch.xhtml?lang=en
- 來源:Kingdee Cloud product site:www.kingdee.com/en/products/
- 來源:Kingdee AI product/news center:www.kingdee.com/en/news/
- 來源:AnnualReports Kingdee:www.annualreports.com/Company/kingdee-international-software-group-company-limited
- 來源:Company profile:www.kingdee.com/en/about/
- 來源:Hong Kong Exchange market data:www.hkex.com.hk/Market-Data/Securities-Prices/Equities?sc_lang=en