Maum AI 377480.KQ·AI 產業鏈公司投研

1. 投資摘要

結論先行：Maum AI 在 AI 產業鏈中的位置是“韓國 AI Agent、語音/視覺/對話 API 與企業 AI 平台”，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。1 2
Maum AI 是韓國較早商業化 AI API、AI human、語音識別/合成和企業 AI Agent 的上市公司。1 2
營收體量顯著小於 NAVER/KT/NHN，AI 純度高但客戶集中度、單專案驗收與研發投入使獲利波動較大。1 2
公司未充分揭露按模型、API 呼叫量、行業客戶和雲端成本拆分的營收，本頁把企業 AI 平台、AI Agent、語音/視覺 API 作為 AI 全口徑。1 2
公開財務口徑在英文渠道揭露有限，本文對硬數採用 DART/公司 IR/交易所資料，無法交叉驗證的專案一律標 [未充分揭露]。1 2
Maum AI 的硬證據主要是產品與訂單揭露，而非分部化財務：官網將其定位為 Physical AI 平台，揭露 SUDA、MAAL、WoRV 等能力；市場公告可見訂單和融資事件，但 API 呼叫量、AI Agent 營收和專案毛利仍為 [未充分揭露]。1 3 8
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。5 6
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。7 8

2. 產業鏈位置

鏈條座標：chain-cloud / maum-ai，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。5 6
產業鏈位置是“韓語 AI 應用/Agent 與語音視覺 API 層”：上游依賴雲端算力、模型、語料和工程人才，下游面向 AICC、智慧工廠/城市、企業流程自動化和 AI Human 場景；公司不是通用 GPU 或基礎模型供應商。1 5 8
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。4 7
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。1 8

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	Maum AI 是韓國較早商業化 AI API、AI human、語音識別/合成和企業 AI Agent 的上市公司。	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。1 9
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。2 10

4. 核心產品

產品/服務	AI 連線方式	商業化路徑	揭露缺口
Maum AI Platform 與 AI API	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
語音識別 ASR、語音合成 TTS、對話 AI	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
AI Human / 數字人	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
企業 AI Agent 與流程自動化	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
視覺識別、OCR 和客服場景模組	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。5 6
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。2 3

5. 上下游

上游	依賴項	影響	揭露
韓國雲端/IDC 與 GPU 算力，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
開源模型、語音語料、企業私域資料	算力/資料/模型/渠道	影響成本、交付和毛利率	[未充分揭露] 2
韓國本地 SI、呼叫中心和行業軟體夥伴	算力/資料/模型/渠道	影響成本、交付和毛利率	[未充分揭露] 3
晶片、伺服器和推論成本沒有單獨揭露	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
---	---	---	---
韓國企業客服和呼叫中心	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
金融、公共部門、教育和媒體客戶	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
需要韓語語音/對話能力的應用開發者	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
AI Agent 專案制客戶	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。7 8

6. 同業與競爭格局

同業	競爭維度	Maum AI 的相對位置
Kakao Enterprise	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
KT AICT	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
Saltlux	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
Konan Technology	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

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。1 2
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。5 6
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。7 8

7. 護城河

韓語語音與對話資料積累。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。1 2
AI API 與 Agent 產品組合較早。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。2 3
本地企業專案經驗。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。3 4
小公司高 AI 純度帶來營收彈性但也帶來波動。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。4 5
可驗證護城河在韓語語音/對話、AICC、AI Human、smartx 和 maumCloud 等場景組合；反證是專案制營收波動、客戶集中和研發/雲端資源成本導致獲利與現金流量持續承壓。1 5 8
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。2 6

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	未充分揭露	AI API/平台	未充分揭露	虧損或低獲利	DART/交易所 1
2024A	未充分揭露	AI Agent/語音	未充分揭露	未充分揭露	DART/交易所 2
2025A	未充分揭露	企業 AI 專案	未充分揭露	未充分揭露	DART/公司揭露 3
2026Q1	未充分揭露	AI Agent	未充分揭露	未充分揭露	交易所/行情口徑 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。1 2
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。3 4
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。5 6
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。7 8

8.3 逐季/半年度追蹤


2025Q2	未充分揭露	專案制 AI	未充分揭露	未充分揭露	驗收波動大 3
2025Q3	未充分揭露	AI Agent	未充分揭露	未充分揭露	小體量波動 4
2025Q4	未充分揭露	企業 AI	未充分揭露	未充分揭露	費用投入影響 5
2026Q1	未充分揭露	AI API/Agent	未充分揭露	未充分揭露	揭露不足 6

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。1 3

9. 業績傳導

AI/自動化需求 -> Maum AI 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。1 2
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。5 6
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。4 7
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。3 8
小體量與訂單波動風險：Maum AI 可見單筆訂單公告，但如果訂單不能穩定轉成續費、API 用量或平台訂閱，營收會受專案驗收節奏影響；同時虧損、融資和費用投入會放大股價與現金流量波動。3 7 8
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。1 3

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。1 2
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。5 6
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。4 8
誤讀四：把 AI 純度高等同於商業質量高。糾偏：Maum AI 的營收來源更集中於 AI 服務，但高 AI 純度也意味著更依賴企業採用、專案驗收、研發投入和雲端推論成本；必須用現金流量和客戶復購驗證。3 7 8

13. 最新事件(帶日期)

日期	事件	投研含義
2026-05-15	通過韓國揭露渠道更新季度/定期報告，英文公開資訊有限。	需要與後續營收、毛利率和現金流量交叉驗證。1
2025-11-14	揭露定期報告，AI Agent 與企業專案仍是核心方向。	需要與後續營收、毛利率和現金流量交叉驗證。2
2025-06-30	公司繼續釋出 AI Agent/AI Human 相關產品與客戶案例。	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。9 10

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。9 10

15. 來源

來源：Maum AI official：maum.ai/
來源：Maum AI IR / company：maum.ai/company
來源：DART filings search：dart.fss.or.kr/
來源：KOSDAQ market data：global.krx.co.kr/
來源：Company product pages：maum.ai/service
來源：Maum AI news：maum.ai/news
來源：Naver Finance 377480：finance.naver.com/
來源：Marketscreener Maum AI：www.marketscreener.com/quote/stock/MAUM-AI-CO-LTD-132884665/
來源：Korea AI industry references：www.msit.go.kr/eng/
來源：Korea Exchange disclosure：kind.krx.co.kr/

三步設好你的觀察臺

選 1-3 個想觀察的人或賽道

看一份樣張

設定一次異動告警

Maum AI

1. 投資摘要

2. 產業鏈位置

3. AI相關營收拆解

4. 核心產品

5. 上下游

6. 同業與競爭格局

7. 護城河

8. 財務質量(趨勢表+杜邦+逐季)

8.1 趨勢表

8.2 杜邦拆解

8.3 逐季/半年度追蹤

9. 業績傳導

10. 經營拆分與反證架構

11. 風險

12. 常見誤讀糾偏

13. 最新事件(帶日期)

14. 追蹤指標

15. 來源

1. 投資摘要

2. 產業鏈位置

3. AI相關營收拆解

4. 核心產品

5. 上下游

6. 同業與競爭格局

7. 護城河

8. 財務質量(趨勢表+杜邦+逐季)

8.1 趨勢表

8.2 杜邦拆解

8.3 逐季/半年度追蹤

9. 業績傳導

10. 經營拆分與反證架構

11. 風險

12. 常見誤讀糾偏

13. 最新事件(帶日期)

14. 追蹤指標

15. 來源

相關推薦

同產業鏈 · 相關公司

相關概念