← 返回公司庫

L3 公司投研頁 · 2026-06-21

Mobileye

Mobileye

Mobileye以EyeQ車載視覺AI SoC和感知/地圖/駕駛策略軟體切入ADAS與自動駕駛量產鏈條，受益於全球車企提升主動安全和高階輔助駕駛滲透率，但受制於車廠自研、端到端路線競爭、車型週期和汽車半導體庫存波動。

研究定位 晶片與半導體層

AI晶片與半導體

訂閱這家公司變化新觀點 / 硬資料進信箱

1. 投資摘要

  • Mobileye（Mobileye，MBLY）的核心定位：車載視覺 AI SoC 與 ADAS/自動駕駛軟體平台公司，鏈上位置是汽車邊緣 AI 推論晶片、感知軟體、地圖與系統方案。 12

  • AI 相關硬錨：EyeQ 系列 SoC 是核心硬體；2026Q1 營收 5.58 億美元、年增率 +27%，但因 37.88 億美元商譽減值錄得 GAAP 淨虧損 38.18 億美元。 13

  • 產品錨點：EyeQ6 Lite 已進入量產匯入，EyeQ6 High、SuperVision、Chauffeur 和 Drive 是高階 ADAS/自動駕駛平台線索；這些產品證明車載邊緣 AI 暴露，但不等於每條產品線都已單列營收。56

  • 本頁不提供買進、賣出、加碼、減碼、部位或價格結論建議；只做產業鏈位置、財務質量和驗證指標拆解。1

  • 最大分歧不是“是否有 AI 敘事”，而是 AI 相關產品能否形成可持續營收、毛利率和現金流量。24

  • 對客戶名單、單客戶佔比、晶片 ASP、出貨量、產能、訂單 backlog、AI 營收拆分，若公司沒有明確揭露，本文均寫 [未充分揭露]。1

  • 經營分歧在於 ADAS 晶片出貨恢復能否抵消高階自動駕駛研發投入和一次性減值影響；2026Q1 營收增長與非現金商譽減值應分開看，後續重點追蹤 EyeQ 出貨、SuperVision/Chauffeur 匯入和 CFO。37

  • 證據點 1: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。2

  • 證據點 2: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。3

  • 證據點 3: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。4

  • 證據點 4: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。5

  • 證據點 5: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。6

  • 證據點 6: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。7

  • 證據點 7: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。8

  • 證據點 8: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。9

  • 證據點 9: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。10

  • 證據點 10: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。11

  • 證據點 11: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。12

  • 證據點 12: 本頁只把已揭露的營收、毛利、淨利、現金流量、客戶或產品事件寫成硬數；未揭露的 AI 營收、客戶份額、ASP、出貨量和產能統一標為 [未充分揭露]，避免把產業邏輯誤寫成財務事實。1

2. 產業鏈位置

維度定位證據
鏈條座標chain-chip-core，偏端側/邊緣/定製/功率/車載 AI 晶片，具體取決於公司產品組合。1
上游約束晶圓、先進封裝、EDA/IP、車規認證、軟體生態和關鍵客戶認證。2
下游需求雲端廠、車廠、工業、IoT、手機、運營商或開發者生態，按公司實際產品對映。3
AI 相關性來自 NPU/GPU/DPU/eFPGA/功率晶片/視覺感測器/定製 ASIC 對 AI 訓練、推論或邊緣智慧的支援。4
非 AI 主業傳統通訊、消費電子、工業控制、車規或娛樂業務仍可能是營收主體。1
關鍵誤區不能把“產品可用於 AI”直接等同於“AI 營收已經單列確認”。5

產業鏈讀法需要分三層。第一層是晶片或器件本身是否進入 AI 計算、感知、連線或供電路徑；第二層是客戶是否已量產匯入；第三層是財務報表是否把營收、毛利或訂單單獨揭露。Mobileye目前能確認的是鏈上位置和部分財務結果，不能確認的是全部 AI 營收拆分。16

3. AI相關營收拆解

專案可確認內容金額/佔比揭露狀態證據
AI 直接營收EyeQ 系列 SoC 是核心硬體；2026Q1 營收 5.58 億美元、年增率 +27%，但因 37.88 億美元商譽減值錄得 GAAP 淨虧損 38.18 億美元。見財務表部分揭露1
AI 間接營收由主晶片、功率、邊緣、車載或視覺方案承接 AI 需求[未充分揭露]未單列2
軟體/工具鏈SDK、編譯器、模型部署、開發者平台或系統軟體[未充分揭露]多為產品能力揭露5
客戶專案營收大客戶匯入、中標、設計定點、量產專案[未充分揭露]多數未列客戶金額6
訂單/backlog未取得完整同口徑揭露[未充分揭露]不倒推7
毛利率公司層面或分部層面可見，AI 單項多數不可見[未充分揭露]需季報驗證1

AI 營收拆解的保守做法是把“確認營收”與“技術能力”分開。技術能力可以幫助公司進入客戶方案，但只有財報、訂單公告或客戶量產資訊才能成為硬財務錨。38

4. 核心產品

產品線內容財務口徑證據

產品層面最需要警惕的是“型號很強”與“營收很大”之間存在驗收、認證、客戶匯入、供應鏈、軟體生態五個環節。本文只把來源明示的型號、能力和財務數字作為硬證據。56

5. 上下游

上游/下游對經營的影響揭露佔比證據
晶圓代工/封測影響先進製程、良率、交期和成本[未充分揭露]2
EDA/IP/Arm/RISC-V影響 SoC/ASIC 設計效率和授權成本[未充分揭露]3
記憶體/儲存/電源影響系統 BOM 和客戶匯入[未充分揭露]4
軟體工具鏈決定開發者遷移成本和生態粘性[未充分揭露]5
車廠/雲端廠/工業客戶決定量產節奏和營收確認[未充分揭露]6
渠道/模組/方案商決定長尾客戶覆蓋和庫存風險[未充分揭露]7

上下游結論：Mobileye的價值不只取決於晶片規格，還取決於客戶量產、認證週期、供給穩定性和軟體遷移成本。若客戶集中度、晶圓代工比例或關鍵封裝產能沒有揭露，本文不做數值假設。29

6. 同業與競爭格局

可比物件主戰場比較口徑證據
NVIDIA資料中心 GPU/加速卡與 Mobileye 的比較4
AMDGPU/CPU/嵌入式處理器與 Mobileye 的比較5
Qualcomm手機/汽車/邊緣 AI SoC與 Mobileye 的比較6
STMicroelectronicsMCU/功率/車規與 Mobileye 的比較7
RenesasMCU/車規/工業與 Mobileye 的比較8
Lattice低功耗 FPGA與 Mobileye 的比較9
Ambarella視覺 AI SoC與 Mobileye 的比較10
Broadcom網路/ASIC/連線晶片與 Mobileye 的比較11

競爭格局要按場景比較。資料中心訓練晶片看生態、HBM、互聯和軟體；端側 AI 看功耗、BOM、開發工具和渠道；車載 AI 看功能安全、認證、設計定點和量產週期；功率晶片看效率、可靠性、客戶驗證和產能。Mobileye的比較組不能只選最熱的 GPU 公司。48

7. 護城河

  1. 產品和 IP 積累：公司已揭露的晶片、IP、軟體棧或系統方案構成技術入口，但財務貢獻需看量產和授權營收。5
  2. 車廠量產與安全認證：ADAS/自動駕駛方案進入車型平台後通常有較長生命週期，構成客戶粘性；但車型節奏、價格談判和配置率變化會直接影響營收兌現。6
  3. 軟體生態：編譯器、SDK、模型部署、驅動和開發者工具影響客戶遷移成本。7
  4. 供應鏈協同：晶圓、封測、模組和整機方案商決定交付穩定性。8
  5. 財務紀律：毛利率、現金流量和研發費用率比新聞標題更能驗證護城河。1
  6. 風險邊界：如果營收依賴少數專案或低毛利硬體，護城河會弱於技術敘事。3
  7. 資料與地圖閉環：REM、感知軟體和車隊資料可提高系統能力，但資料資產對營收和毛利的貢獻未單列；只能通過高階產品採用、客戶擴充套件和長期毛利率驗證。2

8. 財務質量(趨勢表+杜邦+逐季)

8.1 趨勢表

期間營收（百萬美元）毛利/毛利率淨利/淨虧損經營現金流量口徑
2025A[未充分揭露][未充分揭露][未充分揭露][未充分揭露]10-K 揭露，需逐表複核 2
2026Q1558[未充分揭露]-381875含 37.88 億美元非現金商譽減值 3

8.2 杜邦拆解

杜邦環節當前讀數投研含義證據
淨利率取決於毛利率、研發費用、一次性減值和產品組合若 AI 營收增長但淨利率下降，說明營收質量仍待驗證。1
資產週轉晶片公司常受庫存、應收、客戶驗收影響週轉惡化會先出現在 CFO 與庫存。2
權益乘數大型成熟公司與小型 fabless 差異很大不能用槓桿改善替代經營質量。3
ROE未揭露或口徑不一致時不強行計算只有淨利、權益、一次性專案清楚時才可比較。4

8.3 逐季表

季度營收毛利率淨利CFO質量判斷
Q1[未充分揭露][未充分揭露][未充分揭露][未充分揭露]該季度未取得完整同口徑揭露，不能補造。8
Q2[未充分揭露][未充分揭露][未充分揭露][未充分揭露]該季度未取得完整同口徑揭露，不能補造。9
Q3[未充分揭露][未充分揭露][未充分揭露][未充分揭露]該季度未取得完整同口徑揭露，不能補造。10
Q4[未充分揭露][未充分揭露][未充分揭露][未充分揭露]該季度未取得完整同口徑揭露，不能補造。11
Q5[未充分揭露][未充分揭露][未充分揭露][未充分揭露]該季度未取得完整同口徑揭露，不能補造。12
Q6[未充分揭露][未充分揭露][未充分揭露][未充分揭露]該季度未取得完整同口徑揭露，不能補造。1

8.4 財務質量結論

財務質量的第一優先順序是毛利率，第二是經營現金流量，第三是研發費用率，第四是客戶集中度。若某一季度出現一次性減值、處置收益或政府補助，應從經營獲利中剔除觀察。12

9. 業績傳導

AI 終端/雲端/車/工業需求
  -> 客戶設計匯入或專案採購
  -> 晶片/IP/模組/系統營收確認
  -> 毛利率取決於產品組合、良率、授權比例和議價能力
  -> 研發費用、庫存和應收決定淨利與現金流量
  -> 市場再按成熟主業與 AI 期權分層定價
傳導變數正向訊號反向訊號證據
客戶匯入量產、定點、中標、長期供貨僅樣片或演示5
單價高附加值 IP/軟體/車規產品低毛利硬體或價格戰6
成本良率改善、封測穩定、規模效應先進製程漲價、庫存跌價7
現金流量CFO 跟隨淨利改善應收/庫存快於營收增長1
研發平台複用提高效率多路線重複投入2
揭露AI 營收開始單列只講戰略不列數字3

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 營收未單列，市場可能高估產品與營收之間的距離。1
  2. 客戶集中度、單客戶金額、出貨量和 ASP [未充分揭露]，訂單波動會放大季度業績。2
  3. 毛利率可能受產品組合、代工成本、價格競爭和庫存跌價影響。3
  4. 經營現金流量可能滯後淨利，尤其在專案驗收、備貨和應收上升階段。4
  5. 技術路線可能被 GPU、ASIC、RISC-V、Arm NPU、FPGA 或雲端端方案替代。5
  6. 出口管制、車規認證、網路安全和資料合規可能影響客戶匯入。6
  7. 研發費用若持續高於營收增長，會壓制短期獲利。7
  8. 小盤公司還存在流動性、融資和客戶驗收風險。8
  9. 大型集團則可能出現非 AI 業務週期掩蓋 AI 業務真實表現。9
  10. 任何未獲公司或交易所確認的媒體傳聞，只能作為追蹤線索，不能作為營收事實。10

12. 常見誤讀糾偏

誤讀 1：只要產品能跑 AI，就等於 AI 營收已經兌現。

糾偏：產品能力只是進入客戶評估的前置條件。財務兌現還需要量產、驗收、軟體生態、供給穩定和回款。若財報未單列 AI 營收，就不能把全部相關產品營收都稱為 AI 營收。15

誤讀 2：晶片公司都應該按資料中心 GPU 市場口徑經營判斷。

糾偏：Mobileye 應按車載邊緣 AI 和 ADAS 平台判斷，不應套用資料中心 GPU 邏輯。車規專案的關鍵是車型定點、量產 SOP、配置率、功能安全和客戶生命週期，而不是訓練算力出貨。26

誤讀 3：一次性獲利或減值能代表經營趨勢。

糾偏：一次性減值、處置收益、庫存轉回、政府補助會扭曲淨利。投研頁應優先看毛利率、經營獲利、CFO 和研發費用率的連續性。34

13. 最新事件(帶日期)

日期事件證據
2026-04-23釋出 2026Q1 財報：營收 5.58 億美元、調整後經營獲利 9,500 萬美元。2
2026-06-17媒體報道公司推進美國 robotaxi 車隊計劃，屬於戰略事件而非已確認營收。3
2024-04-17EyeQ6 Lite 啟動量產匯入，EyeQ6 High 計劃後續進入高階 ADAS。4

最新事件只作為追蹤線索。若事件沒有公司公告、交易所檔案或客戶正式確認，本文不把它寫成確定營收、確定訂單或確定產能。12

14. 追蹤指標

頻率指標為什麼重要證據
月度營收或訂單口徑驗證需求是否從樣片/專案進入營收6
季度毛利率驗證 AI 產品是否提高或稀釋盈利7
季度經營現金流量驗證營收是否轉化為現金8
季度研發費用率驗證技術路線投入強度9
半年客戶集中度判斷單一大客戶波動10
半年庫存/應收識別專案驗收和備貨壓力11
年度分部揭露確認 AI 營收是否可單列12
年度資本支出判斷產能/測試/封裝投入1

追蹤面板讀法：第一看 AI 相關營收能否從產品敘事變成報表口徑；第二看毛利率是否改善；第三看經營現金流量是否跟上淨利；第四看客戶與供應鏈揭露是否更透明。13

15. 來源

相關推薦

同產業鏈：chip-core

同產業鏈 · 相關公司

ASMLASML北方華創002371.SZ超微半導體AMD科林研發集團LRCX海光資訊688041.SH寒武紀688256.SH科磊KLAC拓荊科技688072

相關概念

FP4 四位浮點高階介面匯流排（Advanced Interface Bus）AOT 提前編譯AI For Electronic Design Automation空氣間隙（Air Gap）量測標記模擬存算 (Analog In-Memory Computing)模擬混合訊號驗證
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。