← 返回公司庫

L3 公司投研頁 · 2026-06-21

金蝶國際

Kingdee International Software

金蝶國際 位於模型與雲端層,當前研究入口聚焦 雲端與基礎模型 的產業鏈位置、財務質量、上下游約束與反證指標。港股 資料只作研究參考,不構成投資建議。

研究定位 模型與雲端層

雲端與基礎模型

訂閱這家公司變化新觀點 / 硬資料進信箱

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 AIA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BAI 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
  • 上游漲價或推論成本上升,會先擠壓毛利率,再影響銷售策略;下游預算收縮會先體現在新增 ARR、雲端用量和專案驗收延期。78

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
2025A70.0657.82約 65%經調整淨利 2.322025 年報/業績公告 3
2025H131.9226.7365.6%盈利改善但未單列 AI2025 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

2025H131.90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
2025H238.16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
2025H131.92雲端服務 26.7365.6%未充分揭露營收平穩,訂閱質量是核心 5
  • 財務質量優先順序:經營現金流量 > 經常性營收/ARR > 毛利率 > 調整後獲利 > 新聞稿訂單。13

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
  • 事件追蹤只記錄已經發生的公告、財報、產品釋出或合作,不把市場傳聞寫成確定事實。910

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
  • 追蹤頻率:財報季更新硬數,重大產品和合作只作為線索;若沒有營收或現金流量驗證,不上調結論強度。910

15. 來源

source: 公開揭露與公開資料整理 本頁僅用於產業鏈學習、資訊檢索和研究輔助;不構成投資建議,不預測漲跌,不提供買賣、部位或目標價建議。