熱門資訊> 正文
2026-11-07 12:38
炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!
(來源:華泰證券研究所)
26年三季報總結:營收企穩利潤承壓,行業分化顯現
26年Q1-Q3計算機板塊收入穩健,營業收入同比增速中位數小幅升至2.74%,扣非淨利潤同比增速中位數-7.81%,相較於25年Q1-Q3同比轉負;經營性現金流淨額下降明顯,同比增速-14.33%,反映行業投入持續加碼,業內競爭加劇,營運資本和利潤空間承壓。從結構上看,毛利率延續下行態勢,研發費用率維持高位,管理、銷售投入高位窄幅波動特徵明顯,信用減值損失和資產減值損失規模延續上升態勢。
AI模型:長程Agent與具身能力拓展,關注單任務經濟性
大模型長程任務執行能力持續提升,成本優化與應用拓展同步推進。海外Google強化專業Agent能力,Anthropic通過小模型升級與降價降低運行成本;國內Kimi通過擴大后訓練投入提升編程及專業任務表現,自有數據、強化學習與任務環境建設的重要性持續提升。商業化方面,模型迭代與價格競爭推動企業調整供應商,任務質量、成功率及完整調用成本成為模型採購的重要考量。具身智能方面,通用基礎模型已開始參與機器人動作決策。我們認為,長程Agent能力提升與任務成本下降有望促進企業應用落地,模型廠商有望通過積累自有數據、完善強化學習環境,持續提升模型能力。
算力租賃:業績保持較快增長,資產擴張與盈利兑現呈現分化
26年Q1-Q3,算力租賃樣本公司營業收入及歸母淨利潤中位數的同比增速分別約為22.5%/116.1%,毛利率中位數同比提升3.61pct至25.98%,前期投放算力資源逐步進入運營階段,盈利彈性釋放。三季度末樣本公司固定資產合計804.27億元,環比增長46.3%,擴張仍較強勁;預付賬款環比增長82.5%,存貨僅增長2.1%,反映採購資金前置與設備交付節奏差異擴大;合同負債環比增長136.5%,客户預收款增加為后續收入提供支撐,但增量集中於部分公司。展望后續,新增算力資源交付上架仍有望帶動業績釋放,但折舊、資金佔用及投產節奏差異將影響盈利兑現,建議關注設備獲取渠道穩定、客户付款安排較好、資產運營效率較高的企業。
AI應用:AI產業「短期陣痛」,盈利確定性成為關鍵
全球AI產業進入「短期陣痛」期,盈利確定性成為近期市場關注重點。從海外來看,雲服務廠商(受制於CapEx持續擴張)、軟件廠商(受制於毛利率下滑)均面臨一定的利潤率壓力,市場對於三季報的整體反饋較差。從國內看,AI內部提效加速落地,華大九天、鼎捷數智、福昕軟件等廠商受益於費用率優化,淨利率穩步提升。我們認為,「緩」商業化與「快」資本開支的階段性錯位,加重市場擔憂,建議關注盈利確定性高的AI應用標的。展望27年,國內AI應用的企業級落地正逐步加速,我們認為,AI業務成熟度提升有望帶動毛利率改善,看好國內軟件廠商27年業務質量持續提升。
AI4S、醫療醫保IT、網絡安全:業績分化加劇,靜待盈利拐點
2026年前三季度,AI4S、醫療醫保 IT、網絡安全三大賽道共同呈現板塊內部分化、盈利拐點尚未全面到來的特徵,但增長驅動邏輯各有不同:AI4S領域全球BD合作持續落地,行業由早期技術驗證逐步邁向管線與平臺商業化兑現,大額授權交易帶來階段性業績彈性,但賽道整體仍處在高強度研發投入階段,可持續的常態化訂單轉化仍是長期盈利的核心考驗;醫療醫保 IT 受財政預算、項目驗收節奏擾動,下游需求整體偏緩,行業普遍面臨費用剛性壓力,盈利顯著承壓。網絡安全行業需求結構持續切換,AI安全成為重要增長方向,頭部企業依託新產品及降本增效實現盈利改善。后續重點跟蹤AI新產品商業化落地進度,等待下游需求邊際改善帶來的盈利修復信號。
風險提示:下游需求波動,AI 迭代不及預期。
正文
2026年三季報總結:利潤承壓,分化趨勢顯現
計算機板塊整體業績:營收企穩,利潤持續承壓
26年Q1-Q3 計算機板塊營收增速保持穩健,扣非淨利潤增速轉負。剔除缺失值、極端值后,我們選取計算機板塊共包含334家公司的樣本,用中位數法進行分析。26年Q1-Q3 計算機板塊營業收入中位數約5.8億元,同比增速中位數為2.74%,收入端維持穩定增長態勢。26年Q1-Q3 扣非淨利潤中位數約-0.15億元,同比增速中位數為-7.81%,相較於25年Q1-Q3轉負。從個股表現看,收入增速前十公司均實現60%以上增長,其中行雲科技(+1896.66%)、農尚環境(維權)(+531.41%)、宏景科技(+181.17%)領跑,扣非淨利潤增速前十公司增幅均超過400%,增長受益於前期低基數或虧損后報表修復。
26年Q1-Q3 計算機板塊收入增速呈橄欖形分佈。0~10%增速區間公司數量最多(81家),10~30%其次(71家),兩者合計佔比超過四成;負增長區間公司合計142家,佔比約42.51%,相比去年同期(43.11%)略有下降,但仍有超過四成的公司面臨收入下滑壓力;增速低於-30%(36家)與高於30%(40家)的公司數量佔比均超10%,行業收入整體改善,分化逐漸顯現。
經營效率:毛利率承壓,減值壓力上升
板塊毛利率持續承壓,期間費用率小幅攀升。26年Q1-Q3 板塊毛利率中位數為34.33%,較2025年Q1-Q3下降0.61個百分點。期間費用率方面,總體較2025年Q1-Q3上升0.17個百分點,出現結構性抬升:銷售費用率為10.75%,同比上升0.2個百分點;管理費用率為12.08%,同比上升0.26個百分點;研發費用率為13.68%,同比下降0.28個百分點,研發強度略有下滑。
資產減值壓力和信用減值壓力持續攀升。資產減值損失佔收入比自2020年起整體呈現上升趨勢,在26年Q1-Q3 達0.29%,相較2025年Q1-Q3擴大0.05個百分點,反映存貨、商譽以及長期資產減值風險加速出清。信用減值損失佔收入比持續增高,26年Q1-Q3 達1.28%,相對2025年Q1-Q3增長0.06個百分點,相對2024年Q1-Q3上升0.18個百分點。
現金流淨額下滑,區間震盪明顯。26年Q1-Q3 ,板塊經營性現金流淨額中位數為-0.52億元,同比增速中位數為-14.33%,增速相較於2025年Q1-Q3的21.19%降幅明顯。從時間上看,2023年Q1-Q3增速為16.5%,2024年Q1-Q3則降至-13.0%,震盪明顯,產業鏈上下游博弈加劇。
AI模型:長程Agent與具身能力拓展,關注單任務經濟性
海外模型:從單輪迴答走向長程任務執行
Google強化長輸出與專業Agent能力
Gemini 4 Argon將長輸出作為支持複雜任務執行的重要方向。據Google於2026年9月30日發佈的官方博客《Gemini 4 Argon: our next era of frontier intelligence》披露,Gemini 4 Argon的單次輸出上限由64K提升至100萬Token,首批面向Fairwind計劃中的可信網絡安全防禦者開放。據Google於2026年10月13日發佈的官方博客《Gemini 4 Argon: Built to solve your hardest problems》,模型已向開發者和企業開放API,並向Google AI Ultra及Pro訂閲用户開放Gemini應用和搜索中的使用入口。我們認為,更長輸出有助於模型在單次調用中生成更完整的分析、代碼和操作記錄。
Argon在編程和專業任務評測中取得進展。據Google於2026年9月30日發佈的官方博客《Gemini 4 Argon: our next era of frontier intelligence》披露,模型在DeepSWE v1.1中的得分為77.9%,在AutomationBench中的得分為51.3%;Google內部已使用該模型開展C/C++向Rust的大規模代碼遷移,相關案例涉及超過80萬行代碼。網絡安全也是其首發重點,模型覆蓋漏洞發現、驗證和修補等環節,在CWE-bench v1中取得68%的得分。我們認為,代碼遷移與安全任務均包含多步驟執行和結果驗證,有助於觀察模型從回答問題向完成具體工作延伸的能力。
多模態理解為Google拓展專業及物理世界任務提供基礎。據Google於2026年9月30日發佈的官方博客《Gemini 4 Argon: our next era of frontier intelligence》披露,Argon在LVBench視頻理解測試中得分為91.7%;其Agentic Video Understanding允許模型主動選擇需要查看的視頻片段、分辨率和幀率,相比靜態抽幀方式,所測長視頻任務的Token消耗至多降低88%,理解質量提高約7%。據Google於2026年10月13日發佈的官方博客《Gemini 4 Argon for Robotics》,在機器人演示中,模型還通過觀看人類投沙包視頻、分析空間關係並生成仿真程序,輔助機器人完成投擲任務。
Gemini 4 Carbon進一步強化長程任務與網絡安全能力。據Google於2026年10月28日發佈的官方博客《Gemini 4 Carbon: our next frontier model》披露,Carbon基於Argon繼續迭代,首批向部分可信網絡安全防禦者開放,隨后計劃逐步擴大至開發者、企業和消費者。首發優惠價格與Argon一致,輸入和輸出分別為每百萬Token2美元和10美元,緩存輸入價格為標準輸入價格的5%。該博客披露,Carbon在Artificial Analysis Intelligence Index v5.0中得59分。我們認為,Carbon的推出體現出Google對複雜工程、專業Agent和安全任務的持續投入。
Carbon在Google披露的同表評測中較Argon有所提升。據Google於2026年10月28日發佈的官方博客《Gemini 4 Carbon: our next frontier model》披露,Carbon在Terminal-Bench 4.0(AA)中得65.2%,Argon為57.1%;AutomationBench分別為53.9%和51.3%;OSWorld 2.1離線子集分別為81.5%和74.7%。
小模型能力提升,推動任務成本下降
Anthropic的Haiku 5.5在電腦操作和知識工作中取得進展。據Anthropic於2026年10月7日發佈的官方博客《Introducing Claude Haiku 5.5》披露,Haiku 5.5在GDPval-AA v2.1知識工作測試中的Elo得分由上一代的735提升至1620,在OSWorld 2.1離線子集電腦操作測試中的成功率由15.7%提升至72.4%,在HLE無工具高難度推理測試中的準確率由10.2%提升至45.9%;其Agent編程能力與Sonnet系列仍有差距。模型支持100萬Token上下文和可調節推理強度,應用範圍由摘要、分類等任務進一步擴展至電腦操作與多步驟執行。
小模型降價有望降低多Agent系統的運行成本。據Anthropic於2026年10月7日發佈的官方博客《Introducing Claude Haiku 5.5》披露,Haiku 5.5在100K Token以內的輸入、輸出價格分別降至每百萬Token0.1美元和0.5美元,降幅約90%;考慮Token消耗變化后,單任務平均成本下降約75%。公司同時將Sonnet 5.5的緩存讀取價格下調50%,並將Haiku定位為Sonnet、Opus的子智能體。我們認為,複雜規劃交由高能力模型處理、檢索和網頁操作等高頻任務交由小模型執行,有助於改善Agent經濟性。
開放權重與長程Agent生態同步發展
Meta通過Muse Wonder強化長程任務,並繼續開放模型權重。據Meta於2026年10月12日發佈的官方博客《Muse Wonder: A Frontier Model For Personal & Professional AI Agents》披露,Muse Wonder系列支持文本、圖像、音頻和視頻輸入,重點面向個人助理、複雜編程與專業工作;其Active Memory用於跨對話保留和檢索用户偏好等信息,Active Focus用於在執行復雜任務時持續調整路徑。據Meta於2026年10月15日發佈的官方博客《Introducing Muse Spark Open》,公司推出開放權重模型Muse Spark Open,採用混合專家架構,總參數量為8160億、激活參數量為420億,支持100萬Token上下文。
開放權重擴大了部署選擇,也對算力和許可條件提出要求。據Meta於2026年10月15日發佈的Muse Spark Open配套模型文檔《Muse Spark Open》及《Muse Model License》披露,Muse Spark Open的NVFP4權重約為537GB,BF16權重約為1.65TB;生產部署同時佔用KV Cache、激活值和運行時資源。模型許可允許廣泛使用、修改和商用。其中,通過API等方式提供模型服務,且相關企業及關聯方連續任意12個月總收入超過2000萬美元的主體,須提前與Meta單獨簽署協議。
Muse Spark Open在開放權重模型中展示Agent與多模態能力。據Meta於2026年10月15日發佈的Muse Spark Open配套模型文檔《Muse Spark Open》披露,在其xhigh推理強度的測試中,Muse Spark Open在MCP-Atlas中得89.2分、Terminal-Bench 2.1中得76.4分、DeepSWE 1.1中得60分。
國內模型:Kimi K3.1 Pro發佈,后訓練投入持續加大
Kimi K3.1 Pro強化綜合能力與Agent表現
Kimi K3.1 Pro發佈,國產模型繼續提升綜合能力。據月之暗面於2026年10月23日發佈的官方博客《Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence》披露,Kimi K3.1 Pro是K3.1系列首款模型,基於Kimi K3開展后訓練,支持100萬Token上下文,並強化編程、3D生成和金融研究等Agent能力。Kimi同步提供高速版本,速度為標準版的2—3倍;模型已通過Kimi產品及API提供服務。我們認為,K3.1 Pro展示了在既有基礎模型之上通過擴大后訓練投入提升實際任務能力的路徑。
強化學習與任務環境建設是K3.1 Pro的技術重點。據月之暗面於2026年10月23日發佈的官方博客《Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence》披露,公司在K3基礎上增加后訓練算力,並圍繞數百個下游領域的聯合強化學習,優化RL框架、長上下文推理、沙箱基礎設施、採樣調度與環境質量檢查。在公司評測中,K3.1 Pro的Terminal-Bench 4.0得分為65.7%,Claude Opus 5.5為66.4%、GPT-6 Astra為58.2%;其內部Kimi Code Bench 3.0 Long-horizon得分由K3的55.95%提升至61.2%。
K3.1 Pro的金融與3D任務能力獲得官方評測支持。據月之暗面於2026年10月23日發佈的官方博客《Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence》披露,模型在OfficeQA Pro v2中得64.4分,在Frontier Finance中得58.6分;在BenchCAD使用工具的設置下得92.7分,Opus 5.5與GPT-6 Astra分別為96.2分和95.9分。內部測試中,K3.1 Pro的金融建模和金融研究得分較K3分別提升7.2和11.6個百分點。
Kimi K3.1 Pro在發佈時的第三方評測中位列第四。據Artificial Analysis於2026年10月23日發佈的評測文章《Kimi K3.1 Pro launches at 4th on the Intelligence Index and will lead open weights models》,Kimi K3.1 Pro在當時版本的Intelligence Index中得55分,較Kimi K3提高11分;GDPval-AA得分達到1846 Elo,較Kimi K3提高312 Elo。
Kimi K3.1 Pro提供標準版與高速版調用選擇。據Artificial Analysis於2026年10月23日發佈的評測文章《Kimi K3.1 Pro launches at 4th on the Intelligence Index and will lead open weights models》,標準API輸入、輸出和緩存命中的價格分別為每百萬Token2美元、10美元和0.20美元;據月之暗面於2026年10月23日發佈的官方博客《Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence》披露,高速版的生成速度約為標準版的2—3倍。我們認為,國產模型的競爭維度已從參數規模和綜合得分,擴展至長上下文、Agent任務表現、響應速度與實際調用成本的組合;對企業用户而言,單位任務的完成質量及總成本比單一Token價格更具參考價值。
自有數據與任務環境建設的重要性提升
后訓練投入與任務環境建設成為模型迭代的重要方向。Kimi K3.1 Pro在既有K3基礎上擴大后訓練算力,圍繞數百個下游領域開展聯合強化學習,並優化RL框架、長上下文推理、沙箱基礎設施、採樣調度與環境質量檢查。相關投入覆蓋訓練效率與任務反饋,有助於提升模型在複雜工作流中的執行表現。
高質量任務數據與執行反饋有助於模型持續迭代。編程、金融研究和多步驟Agent任務需要模型在執行過程中調用工具、檢查中間結果並處理錯誤。我們認為,模型廠商通過建設自有任務環境、積累實際執行反饋,可為后訓練提供更貼近應用需求的數據,推動模型能力與產品體驗同步提升。
自有數據與強化學習能力有望成為模型競爭的重要支撐。我們認為,隨着模型從單輪迴答走向長程任務執行,競爭將進一步涉及任務環境的覆蓋範圍、反饋質量與訓練效率;持續完善數據積累和環境建設,有助於提升后訓練投入向實際任務能力轉化的效率。
技術出口管理明確部分業務邊界
大模型技術出口管理擬細化核心技術與服務出海的邊界。據商務部、科技部於2026年10月16日發佈的《商務部科技部公告2026年第48號就修訂〈中國禁止出口限制出口技術目錄〉公開徵求意見並對相關技術出口實施臨時登記管理》,以及商務部同日發佈的《商務部新聞發言人就修訂〈中國禁止出口限制出口技術目錄〉答記者問》,擬修訂的《中國禁止出口限制出口技術目錄》新增人工智能等領域的技術條目;達到相關標準的未公開核心技術向境外轉移,需按照規定辦理相應程序。已經通過開源、發表論文等方式進入公共領域的相關技術,以及符合規定條件的雲部署和服務出海,具有相應的排除或便利通道。
開放權重模型的海外雲部署渠道持續拓展。據AWS於2026年10月5日發佈的公告《GLM 5.3 now available in Amazon Bedrock》,開放權重模型GLM-5.3已上線Amazon Bedrock,符合條件的客户可通過API調用。雲平臺為企業提供託管調用渠道,有助於降低模型接入和運維門檻。我們認為,產品可用性、調用成本與服務能力將影響國產模型在海外企業市場的應用推廣。
商業化:模型用量增長與收入增長需要分別觀察
價格競爭推動企業調整模型供應商
模型降價和產品迭代提高了企業切換供應商的頻率。據Ramp發佈的《Ramp AI Index》中截至2026年9月的企業模型供應商切換數據,2026年9月更換首選模型提供商的企業佔比接近8%,為其觀察到的較高水平之一,該數據採用三個月移動平均口徑。模型能力持續迭代、多模型調用方式逐步普及,使部分企業能夠根據價格和任務效果調整使用結構。我們認為,單個模型的能力優勢仍可能帶來階段性需求增長。
Coding客户的模型使用結構已出現變化。據The Information於2026年10月24日發表的《Anthropic’s Margin is OpenAI’s Opportunity》報道,2026年5月,Rippling數百名工程師的編碼工作中,Anthropic模型佔比為57%,OpenAI模型佔比為16%;報道援引公司CEO Parker Conrad的説法稱,出於成本考慮,截至報道時OpenAI佔比已升至52%,Anthropic佔比降至18%。Replit將大部分AI支出從Anthropic轉向OpenAI,后者在年合同金額超過1億美元的協議中提供超過30%的模型價格折扣。
模型能力變化仍可能快速改變平臺用量分佈。據The Information於2026年10月24日發表的《Anthropic’s Margin is OpenAI’s Opportunity》報道,文章援引OpenRouter的信息稱,OpenAI曾在約一個月前成為該平臺客户使用較多的模型提供商;Anthropic推出Claude Opus 5.5后重新領先,最近約一周的受歡迎程度約為OpenAI的兩倍。我們認為,模型迭代與價格折扣共同推動客户在不同供應商之間調整用量。
從Token價格轉向單任務經濟性
模型性價比應結合任務質量、成功率與完整成本衡量。據Artificial Analysis模型評測數據整理的單任務成本測算,在Intelligence Index達到40分的門檻下,Haiku 5.5 Xhigh的單任務成本為0.1238美元;當能力門檻提高至43分,所測成本較低的模型切換為小米MiMo-V2.6-Pro。不同能力門檻、推理強度和任務類型會改變模型成本排序,長上下文價格、重複調用和工具執行也會影響最終成本。我們認為,模型採購應在關注每百萬Token單價的同時,考慮達到目標質量所需的完整任務成本。
頭部模型公司收入與全行業算力需求需要分開跟蹤。企業如果減少閉源API採購、轉向開放權重模型或自主部署,部分支出可能由模型調用轉向雲算力和部署服務。據BG2Pod於2026年10月15日發佈的訪談《Jensen Huang | Does AI Revenue Justify Capex, ’27 AI Bottlenecks, Singularity, Open vs Closed & more》,NVIDIA首席執行官黃仁勛估計,前沿實驗室約佔其業務需求的25%—30%,新AI應用和創業企業亦形成重要需求。
具身智能:基礎模型進入機器人策略層,數據閉環持續完善
通用基礎模型開始參與動作決策
通用基礎模型的能力正由任務規劃延伸至機器人動作策略。據NVIDIA於2026年10月14日發佈的論文《Astranomy: An Empirical Study of GPT-6 Astra as a Native Robot Policy》披露,GPT-6 Astra可以結合相機畫面、機器人狀態和交互歷史,生成機械手位置、姿態及夾爪動作。在120項仿真任務中,直接策略、保留歷史並調用工具的Agentic策略,以及與專用策略協作的配置,成功率分別為66.3%、74.8%和66.5%;論文所測π0.5為28.0%。
通用模型在仿真中的動作能力仍面臨實時性約束。據NVIDIA於2026年10月14日發佈的論文《Astranomy: An Empirical Study of GPT-6 Astra as a Native Robot Policy》,實驗在模型推理期間暫停仿真,等待模型返回動作后再恢復執行;Astra直接策略平均每次調用耗時18.56秒。我們認為,通用模型已展示出參與動作決策的能力。
通用模型與專用動作策略的協作值得關注。據Galbot團隊於2026年9月29日發佈的論文《Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies》,在所選RoboDojo任務子集中,Astra直接控制成功13次、共測試50次;由π0.5執行多數動作、Astra檢查並糾錯后,成功24次,成功率由26%提升至48%。混合軌跡中85.6%的控制步驟沿用π0.5。我們認為,通用模型的推理與糾錯能力可以補充專用策略。
VLA與世界動作模型沿不同預測目標演進
VLA通過視覺、語言和機器人狀態生成動作。據Kim等於2024年6月13日發佈的論文《OpenVLA: An Open-Source Vision-Language-Action Model》,OpenVLA將機器人控制量離散為動作Token,再由語言模型逐個預測;據Black等於2024年10月31日發佈、2026年1月8日更新的論文《π0: A Vision-Language-Action Flow Model for General Robot Control》,π0採用視覺語言底座與Transformer動作專家,利用流匹配從噪聲逐步生成連續動作序列。兩者的動作表示和生成方式存在差異,原始策略均以機器人動作為主要預測目標。
世界動作模型進一步將未來場景與動作聯繫起來。據NVIDIA的Ye等於2026年2月17日發佈的論文《World Action Models are Zero-shot Policies》,DreamZero以視頻模型初始化擴散Transformer,結合當前及歷史畫面、語言指令和機器人狀態,聯合生成未來視頻與對應動作。在論文所測DROID-Franka平臺的十項未見任務中,DreamZero完整任務成功率為22.5%,所測GR00T N1.6和π0.5分別為12.5%和7.5%。我們認為,未來畫面與動作的聯合建模,為利用視頻數據學習物理變化提供了一條路徑。
世界模型也可用於生成場景和訓練觀測。據World Labs於2026年9月1日發佈的官方博客《Atlas: A World Model for Spatial Intelligence》,Atlas接收文本、圖像、相機位姿與深度等輸入,生成圖像、視頻和3D場景;官方案例通過少量錄像重建場地,再改變視角、物體位置或場景條件,生成不同觀測。Atlas所公開的接口主要用於場景和觀測生成,機器人動作由外部策略或控制程序提供。我們認為,場景生成能力有望降低部分仿真環境的構建成本。
多來源數據共同支撐具身模型訓練
具身數據正從真機軌跡擴展至多來源組合。據Ye等於2026年7月27日發佈、8月8日更新的綜述論文《Data Pyramid for Embodied Manipulation: A Survey》,相關數據可分為真機、通用操作接口UMI、人類第一或第三人稱數據、仿真數據,以及通用圖文視頻數據五類。真機軌跡直接對應目標機器人,人類視頻和通用圖文有助於擴大任務與語義覆蓋,仿真可擴展場景與交互軌跡;不同來源在動作標註、採集成本和本體適配方面各有特點。
人類數據與仿真數據正在降低部分真機採集負擔。據Zheng等於2026年2月發佈的論文《EgoScale: Scaling Dexterous Manipulation with Diverse Egocentric Human Data》,研究使用20854小時人類第一人稱數據進行預訓練,再用約50小時人類數據和4小時機器人數據進行中間對齊,覆蓋344項桌面任務;據Mandlekar等於2023年10月26日發佈的論文《MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations》,系統以不足200條人工示範生成超過5萬條示範,覆蓋18項任務。
算力租賃:業績兑現延續,資產擴張與交付節奏分化
我們選取行業20家算力租賃公司作為我們的研究樣本,所選樣本的收入利潤情況及資產端情況如下:
26年Q1-Q3算力租賃板塊收入維持增長,利潤修復幅度較大,經營兑現與公司分化同時存在。我們選取20家算力租賃相關公司作為研究樣本,26年Q1-Q3樣本公司合計實現營業收入約775.8億元、歸母淨利潤約71.1億元,公司營業收入及歸母淨利潤中位數的同比增速分別約為22.5%/116.1%。其中,14家公司實現收入同比增長,佔比70%,收入增速超過30%的公司為8家;14家公司歸母淨利潤同比改善,佔比70%,利潤增速超過30%的公司為12家,顯示利潤修復幅度總體高於收入增長幅度。與此同時,樣本中仍有4家公司前三季度歸母淨利潤為負,板塊盈利表現尚存在較大差異。我們認為,當前板塊已呈現收入增長與盈利修復共同推進的特徵,但不同公司的業務基礎、投入規模及項目兑現節奏差異較大。
單季度收入與利潤金額中位數繼續上行,但環比增幅較Q2有所收窄,業績兑現由快速修復逐步進入更高基數階段。2026Q3樣本公司單季營業收入中位數為7.83億元,較Q2的6.31億元環比增長24.1%,較上年同期的5.44億元增長44.0%;單季歸母淨利潤中位數為0.62億元,較Q2的0.38億元環比增長64.3%,較上年同期的0.23億元增長171.9%。從季度變化看,收入和利潤金額中位數均延續Q2以來的上升趨勢,盈利修復仍在推進。不過,收入金額中位數環比增幅由Q2的35.8%降至24.1%,利潤金額中位數環比增幅由273.9%降至64.3%,增長斜率有所放緩,其中利潤增幅回落也受到比較基數明顯抬升的影響。后續業績能否繼續增長,將更依賴新增項目交付、存量資源運營效率及盈利能力的持續改善。
公司層面收入環比改善較為普遍,利潤環比改善的覆蓋面仍有限,板塊盈利兑現呈現明顯分化。按樣本公司增速估算,2026Q3營業收入及歸母淨利潤同比增速中位數分別約為19.5%/49.5%,多數公司較上年同期仍有改善;但從環比看,營業收入增速中位數約為3.0%,歸母淨利潤增速中位數約為-10.0%。20家公司中,14家公司收入環比增長,佔比70%,歸母淨利潤環比改善的公司僅9家,佔比45%。例如,協創數據Q3收入、歸母淨利潤分別環比增長10%/12%,保持同步增長;行雲科技分別環比增長547%/655%,體現較強的單季放量特徵;利通電子、盈峰環境歸母淨利潤則分別環比下降38%/49%。這説明金額中位數上移與公司間盈利分化同時存在,部分公司收入增長尚未穩定轉化為季度利潤增長,利潤兑現仍可能受到交付節奏、業務結構及成本費用變化的共同影響。
利潤貢獻集中於部分大體量公司,評估板塊修復程度需要同時觀察盈利規模、增長來源與虧損收窄情況。26年Q1-Q3,協創數據、利通電子及智微智能分別實現歸母淨利潤30.6/9.7/6.8億元,三家公司合計貢獻約47.1億元,佔樣本歸母淨利潤合計的66.2%,其中協創數據單家公司佔比約43.0%。這一結構表明,板塊利潤總量對少數公司的經營表現具有較高敏感性,頭部公司的盈利兑現對整體修復貢獻較大。同時,部分公司的較高利潤增速對應較低的利潤基數,或仍處於減虧階段。
毛利率延續修復並升至近年同期高位,為板塊盈利改善提供支持。26年Q1-Q3樣本公司毛利率中位數為25.98%,較2025年同期的22.37%提升3.61pct,較2024年同期的20.81%累計提升5.17pct。從歷史趨勢看,毛利率中位數在2022—2024年同期連續下降后,自2025年開始回升,2026年進一步改善,已高於2022年同期24.03%的水平,顯示盈利修復具有一定延續性。從經營機制看,前期投入資源進入運營階段后,利用率提升、單位固定成本攤薄以及業務結構優化,均可能推動毛利率改善。我們認為,毛利率持續回升與利潤修復的方向相一致,后續應重點觀察新增資產投入運營后能否維持相應的毛利水平,以及收入增長能否繼續帶來單位資產盈利能力的提升。
費用端尚未形成全面攤薄,銷售費用率上升仍對毛利改善向利潤釋放的傳導形成一定壓力。26年Q1-Q3樣本公司銷售、管理及研發費用率中位數分別為17.72%/5.94%/3.68%,較2025年同期分別變化+3.11/-0.13/+0.09pct。其中,銷售費用率上升較為明顯,管理費用率小幅下降,研發費用率基本穩定,表明費用效率的改善並不均衡。儘管毛利率中位數同比提升3.61pct,但銷售費用率同步抬升,部分經營改善仍可能被費用壓力抵消。由於上述指標分別取樣本中位數,其變化不能直接相加計算板塊淨利率,但方向上反映出盈利修復尚未同時獲得各項費用率下降的支持。我們認為,后續利潤彈性的持續釋放,需要毛利率維持改善,並逐步體現收入增長對費用的攤薄作用。
固定資產保持高速擴張,Q3環比增速有所回落,但單季淨增額繼續擴大,擴張規模仍處高位。截至2026Q3末,樣本公司固定資產合計804.27億元,同比增長186.6%,較2025年末增長145.2%,環比增長46.3%。與Q2的56.2%相比,Q3環比增速回落約10.0pct,説明擴張速度在較高基數上有所放緩;但從絕對金額看,Q3固定資產淨增加約254.34億元,高於Q2的197.90億元,淨增規模仍在擴大。因此,當前固定資產變化同時體現出存量基數上升和新增資產持續落地的特徵。結合預付款增長較快、存貨總額補充趨緩等信號,部分公司的設備獲取及交付約束可能有所增強,新增投入向固定資產轉化的效率值得關注。
預付賬款增長明顯快於固定資產,資金投入進一步前置,資源鎖定及採購交付環節的重要性上升。截至2026Q3末,樣本公司預付賬款合計176.50億元,同比增長328.0%,環比增長82.5%,較Q2的30.9%明顯加快;Q3單季淨增加約79.78億元,亦顯著高於Q2的22.81億元。預付賬款相當於固定資產的比例由Q2末的17.6%提高至Q3末的21.9%,説明相對於已經形成的固定資產,停留在預付環節的資金佔用有所增加。如果相關預付款主要對應算力設備及配套資源採購,這一變化可能反映企業加大前置付款以鎖定資源,也可能與交付周期拉長或付款條件變化有關,設備獲取渠道及交付約束趨緊的可能性值得關注。不過,預付款增長也具有較強的公司差異:20家公司中12家環比增長,公司增速中位數約21.9%,低於合計金額82.5%的增幅。其中,智微智能預付賬款達到46.73億元,環比增長1560.9%,按表內數據估算貢獻了樣本預付款淨增額的約55%,總額變化受到個別公司集中投入的明顯影響。
在建工程總額重新加速增長,但增量主要由個別大體量公司拉動,項目建設與轉固節奏呈現結構性差異。截至2026Q3末,樣本公司在建工程合計172.27億元,同比增長190.8%,環比增長59.4%,較Q2環比下降6.8%的表現明顯回升,顯示部分公司仍在增加項目建設儲備。分公司看,東陽光在建工程達到96.52億元,佔樣本合計約56.0%,環比增長312.1%;按表內數據估算,其單季增加約73.1億元,高於樣本整體約64.2億元的淨增額。剔除東陽光后,其余樣本在建工程合計環比約下降10.5%,説明總額高增對個別公司的依賴較強。同時,宏景科技、行雲科技、傑創智能及中貝通信在建工程分別環比下降48.3%/63.1%/91.7%/36.0%,同期固定資產均有增長,其組合變化與部分項目完成建設、驗收並轉固的情形相符。我們認為,板塊內部已同時存在新增項目建設和存量項目轉固兩種狀態,項目推進速度及投入轉化效率的差異正在擴大。
存貨總額環比增速明顯放緩,但多數公司仍在增加存貨,整體變化受到部分大體量公司庫存下降的影響。截至2026Q3末,樣本公司存貨合計225.15億元,同比增長70.7%,環比增長2.1%,較Q2的11.6%回落約9.5pct;Q3單季存貨淨增加約4.69億元,低於Q2的22.99億元,存貨總額補充速度明顯趨緩。結合預付款快速增長觀察,資金投入與實物存貨形成之間的節奏差異有所擴大,採購交付效率值得關注。但從公司分佈看,20家公司中仍有16家存貨環比增長,公司環比增速中位數約14.8%,表明存貨增加仍覆蓋多數樣本。智微智能、盛視科技存貨分別環比下降30.5%/56.3%,對合計值增長形成較明顯拖累,同期兩家公司固定資產均大幅增加。因此,存貨總額增速放緩還可能受到交付結轉、資產轉化及公司結構變化等因素影響。
合同負債快速增長,已收取客户款項對應的待履約規模擴大,為后續收入提供儲備,但增量同樣較為集中。截至2026Q3末,樣本公司合同負債合計129.61億元,同比增長436.8%,環比增長136.5%,較Q2環比下降8.7%的表現明顯回升,單季增加約74.80億元。20家公司中13家合同負債環比增長,佔比65%,表明客户預付款及待履約業務規模的增加覆蓋多數樣本,有助於提高后續收入的可見度。不過,公司合同負債環比增速中位數約16.0%,明顯低於合計金額增幅,增量集中度較高。其中,東陽光合同負債達到57.79億元,佔樣本合計約44.6%,環比增長409.4%,按表內數據估算貢獻了約62%的單季淨增額。我們認為,合同負債增長為后續履約和收入確認提供支持。
資產端呈現固定資產持續落地、採購付款前置和部分項目儲備增加並行的特徵,資源獲取與交付效率將影響后續盈利釋放。Q3固定資產環比增速回落、預付賬款加速增長、存貨總額增速趨緩的組合,提示部分公司在設備資源獲取、付款及交付環節面臨的約束可能有所增強,渠道收緊或交付周期拉長可能使資金佔用更早發生。同時,固定資產單季淨增額仍在擴大,存貨及在建工程變化又具有較強的公司結構因素,擴張節奏還受到基數、項目轉固和資產配置調整等因素影響。需要結合樣本公司的合併報表口徑看待這些變化,固定資產、預付款及合同負債均可能包含原有業務貢獻。我們認為,后續板塊經營質量應重點觀察預付款向實際交付資源的轉化、建設項目轉固及上架進度、存量資產利用率,以及合同負債向收入和現金流的兑現情況;能夠較快完成資源交付並維持毛利水平的公司,有望更充分地將資產擴張轉化為持續盈利。
AI應用:AI「短期陣痛」,關注盈利確定性
全球AI產業進入「短期陣痛」期,盈利確定性成為市場關注重點。全球CapEx持續擴張的同時,AI商業化階段性放緩信號(Anthropic 26Q3營收同比增速放緩,OpenAI融資承壓),導致全球AI產業進入「短期陣痛」期。「緩」商業化與「快」資本開支階段性錯位,加重市場對於海外「AI泡沫」的擔憂,盈利確定性成為三季度業績考覈的重要指標。我們認為,AI應用企業端滲透正逐步加強,2027年AI商業化有望提速,帶動AI產業敍事改善。
海外:CSP雲營收持續加速,融資壓力放大市場擔憂
26Q3海外雲收入維持加速增長,雲業務盈利改善進入階段性瓶頸。26Q3 Microsoft、Google、Amazon雲業務營收分別為332、307、460億美元,分別同比+48%、+103%、+39%,分別超VA一致預期0.98%、5.22%、1.19%,營收同比增速環比分別提升6、21、2pct。26Q3 Google、Amazon雲業務營業利潤率(OPM)分別為36.21%、38.65%,環比分別+0.63、-0.71pct。對比來看,AI需求驅動雲營收高增的同時,未能帶動雲OPM同步改善。根據Amazon業績會表述,AI雲利潤率仍低於傳統雲服務利潤率,市場對AI雲業務質量提出質疑。我們認為,海外CSP廠商正加速GPU利用效率優化,經營效率改進有望帶動雲盈利能力改善。
樂觀的CapEx指引放大現金流擔憂,大廠融資壓力或凸顯。26Q3 Microsoft、Google、Amazon、Meta對於26年的CapEx指引基本維持不變,Google維持1,950億-2,050億美元指引不變,Amazon維持2,200億美元指引不變,Microsoft略下修指引50億美元至1,700億美元,Meta略上修指引下限50億美元,最新指引為1,350億-1,450億美元。26Q3 Microsoft、Google、Amazon、Meta現金流壓力顯現,FCF分別為186、-91、-335、-21億美元。與此同時,四家公司對於CY2027的CapEx表述保持積極,放大市場對於現金流壓力的擔憂。我們認為,對於科技大廠而言,資本開支仍具備戰略性意義,短期內仍將維持擴大趨勢,AI商業化能否加速對現金流形成正向改善將成為關注重點。
國內:AI帶動內部降本,關注盈利確定性高的績優標的
AI應用業績表現分化,部分公司盈利能力明確改善。按照26Q3業績表現來看,我們認為AI應用可大致分為三類:1)營收提速且利潤率提升(簡稱為營收利潤雙優);2)營收未提速但利潤率提升(簡稱為利潤單優);3)營收提速但短期利潤率承壓(簡稱為營收單優)。其中營收利潤雙優的公司同步受益於AI業務放量及AI帶動的內部效率提升;利潤單優的公司同樣受益於AI內部提效帶動的費用率改進;營收單優的部分公司主要受毛利率階段承壓、AI研發投入擴大等階段性影響。我們認為,AI業務轉型正逐步帶動國內軟件廠商經營質量提升,盈利能力改進有望持續兑現。
AI需求驅動營收加速,FDE業務造成階段性毛利率壓力。我們選取的15家公司中,有8家公司(紅、綠色標註)26Q3營收增速較26H1有所改善,AI需求放量正成為營收加速的重要驅動。以能科科技為例,公司26Q3 AI業務營收3.58億元,同比+188.85%、環比+98.50%,AI業務營收佔營收的比重已達68%。考慮到軟件廠商的AI業務轉型,進一步向企業級AI中臺方向延伸,FDE相關需求仍對於毛利率造成階段壓力。我們認為,伴隨項目建設期結束,Agent應用有望加速拓展,同時疊加大模型成本下降趨勢,看好需求場景泛化帶動軟件廠商的毛利率穩步改善。
盈利提升主要受益於費用率優化,AI提效降本初見成效。26年Q1-Q3 淨利率同比提升的7家公司(紅色、藍色標註的公司),費用率均同比顯著收窄,AI提效正成為AI應用廠商經營質量提升的重要因素。我們認為,AI轉型逐步進入業績兑現期,看好27年軟件廠商業績放量。
AI4S:產業驗證提速,大額BD催化不斷
2026 年第三季度,全球 AI4S賽道延續高景氣度,跨國藥企與AI製藥公司的合作深度與廣度持續提升,行業正式從早期概念驗證階段步入管線兑現的關鍵周期。阿斯利康、吉利德、禮來、諾和諾德等頭部跨國藥企(MNC)均加大布局力度,合作模式從單點工具採購升級為平臺級綁定與管線共研。
從行業底層邏輯看,AI對藥物研發的賦能已從靶點發現、化合物篩選等前端環節,延伸至臨牀前開發、臨牀試驗設計乃至醫學事務全流程。MNC的戰略重心也從 「試水 AI 工具」 轉向「將AI納入核心研發體系」,通過自建智能計算平臺、聯合實驗室與對外投資合作多線並行,禮來與英偉達共建10億美元 AI 聯合實驗室,羅氏加速推進內部 Lunar平臺落地。AI製藥已成為全球醫藥創新的核心增量賽道,頭部企業的技術壁壘與商業化能力持續分化,具備全流程平臺能力的廠商將持續享受行業紅利。
海外:AI製藥龍頭平臺能力驗證,管線進展持續突破
2026 年第三季度,海外頭部AI製藥企業的技術平臺價值持續得到產業驗證,核心管線與合作項目穩步推進。Recursion Pharmaceuticals 宣佈與賽諾菲合作產出首個潛在同類首創的免疫雙靶點抑制劑口服小分子,計劃於2027年啟動I期臨牀,成為AI驅動藥物發現進入臨牀階段的又一標誌性案例;同時公司完成 2 億美元增發,強化研發與管線投入。
生物藥領域,Generate Biomedicines與Zealand Pharma達成最高12.65億美元合作,聚焦AI設計的肥胖症及代謝疾病蛋白療法。此外,谷歌DeepMind分拆的Isomorphic Labs深化與輝瑞的合作,管線拓展至5個全新腫瘤靶點,新一代 IsoDDE設計引擎全面賦能項目推進。整體來看,海外AI製藥企業已形成「平臺賦能+自研管線+BD授權」的成熟商業模式,技術價值持續通過臨牀與合作兑現。
國內:劑泰科技牽手禮來,國內AI-LNP平臺出海實現里程碑突破
2026年10月19日,國內AI藥物遞送龍頭劑泰科技宣佈與禮來達成戰略合作,雙方聚焦新一代組織特異 LNP(脂質納米顆粒)遞送技術開展聯合研發。根據協議,劑泰科技將收取千萬美元級首付款,並有資格獲得最高11億美元的開發、監管與商業里程碑付款,同時享有產品銷售分級特許權使用費。該交易是國內首個以生成式AI平臺為核心的LNP遞送領域戰略合作,也是全球規模領先的AI驅動肝外靶向LNP平臺合作。
此次合作的核心支撐是劑泰科技自研的NanoForge生成式AI平臺與AiLNP脂質設計優化系統,可實現可離子化脂質的理性設計與體內分佈優化,突破傳統LNP肝靶向的侷限,拓展至更多組織與治療模態。從行業維度看,此次合作標誌着中國AI製藥出海模式從「單個候選分子授權」升級為「底層技術平臺輸出」,驗證了國內企業在「AI+藥物遞送」技術賽道的全球競爭力。LNP作為 mRNA、基因治療等前沿療法的核心遞送載體,市場空間廣闊,AI賦能的遞送技術創新將打開行業成長天花板,具備平臺化能力的企業價值有望持續重估。
此外,三季度國內企業在BD合作、管線臨牀進展與商業化落地方面均取得重要進展,行業整體步入高質量發展階段。英矽智能延續強勁BD兑現節奏,與法國施維雅的AI藥物發現合作達成首個早期里程碑,觸發里程碑付款;公司年內已落地多筆十億美元級BD交易,覆蓋腫瘤、纖維化、自免等多個領域,AI平臺的管線產出能力持續得到全球藥企驗證,內部 13 條臨牀管線穩步推進。臨牀與商業化層面,晶泰科技AI4S智慧解決方案業務保持高速增長,虛擬化合物庫等新產品訂單快速放量,「AI計算 +自動化實驗」的乾溼閉環體系持續完善。整體而言,國內 AI 製藥產業已形成差異化競爭格局,頭部企業逐步進入「技術輸出+管線推進+商業化」的正向循環,全球競爭力持續提升。
醫療醫保IT:需求釋放節奏放緩,盈利修復承壓
我們選取行業6家醫療醫保IT公司作為我們的研究樣本,所選樣本的收入利潤情況如下:
收入端:從2026年前三季度6家醫療醫保IT樣本企業營收表現來看,行業內公司收入增長呈現出顯著分化的格局,各家企業項目交付與市場拓展節奏差異較大。六家樣本企業 2026前三季度營收規模跨度較大,衞寧健康以14.82億元的營業收入居於首位,大幅領先其余樣本企業;創業慧康、久遠銀海營收規模依次為6.88 億元、6.30億元,處於行業第二梯隊;德生科技、嘉和美康、國新健康營收體量相對偏小,分別錄得3.16億元、2.02億元、1.66億元。
從收入增速維度拆解,行業增長梯隊分化特徵尤為突出。僅衞寧健康一家公司實現營收正向增長,增速達14%,在行業整體需求偏緩的背景下依舊維持穩健增長,醫院信息化核心業務穩步交付, AI醫療等新興業務持續拓展,增長韌性相對優異。其余五家企業營收同比均出現下滑,其中嘉和美康收入下滑幅度最大,同比下降39%,主要受醫院端項目驗收周期拉長、訂單交付節奏延后影響;創業慧康營收同比下滑20%,受區域需求釋放節奏與業務結構調整影響;德生科技、久遠銀海分別下滑12%、8%,收入端存在一定承壓;國新健康營收同比小幅下滑 3%,業務基本盤保持相對穩定。
整體來看,當前醫療醫保 IT 行業正處於需求節奏調整與產品迭代升級的疊加階段,不同企業之間營收增長率存在明顯分化。頭部企業已憑藉客户覆蓋與產品佈局跑出穩健增長曲線,部分企業受短期財政預算節奏、項目交付周期影響收入承壓。行業長期仍受益於醫療新基建、醫保精細化管理與醫療數字化轉型的政策紅利,后續各家企業在手訂單轉化能力、AI 等新產品落地進度,將會成為拉開營收差距的核心變量,行業分化態勢或將延續。
利潤端: 2026年前三季度6家醫療醫保IT樣本公司歸母淨利潤表現分化明顯,盈利兑現進度出現分水嶺,行業整體仍處於投入期與盈利修復階段。六家企業中僅久遠銀海實現正向盈利,其余五家企業依舊維持虧損狀態,反映出醫療醫保IT賽道項目周期長、研發投入高、收入季節性強的行業屬性,收入規模擴張與費用管控能力是盈利修復的核心支撐。
具體來看,久遠銀海2026前三季度實現歸母淨利潤0.35億元,同比下滑19%,本期盈利主要依託醫保信息化主業的穩定交付,儘管收入端小幅下滑,但公司通過成本費用管控維持盈利狀態,成為樣本企業中唯一的保持正向盈利的標的。創業慧康歸母淨利潤虧損3.11億元,淨利潤同比增速-154%,虧損幅度大幅擴大,主要是由於收入端下滑疊加研發、市場拓展等成本費用剛性支出,對短期利潤表現形成雙重壓力。衞寧健康歸母淨利潤虧損2.41億元,虧損規模與25年同期基本持平,持續加碼AI醫療與新產品研發,短期投入對利潤端形成一定壓制。國新健康歸母淨利潤虧損1.43億元,同比下滑3%,虧損規模基本保持穩定。嘉和美康歸母淨利潤虧損1.22億元,同比減虧30%,降本增效舉措初見成效。德生科技歸母淨利潤虧損0.57億元,虧損幅度顯著擴大,主要受收入端下滑疊加剛性費用支出增加所致。
綜合而言,當前醫療醫保IT行業盈利拐點尚未全面到來,絕大多數企業依舊處於投入期,盈利企業仍屬少數。內部費用優化可帶來階段性虧損收窄,后續需要觀察常態化項目交付與驗收落地情況,以及企業能否持續優化業務結構、提升運營效率、放大高毛利產品佔比,是決定能否實現盈利修復的關鍵。
醫療醫保IT樣本公司毛利率及費用率情況如下:
2026 年前三季度6家醫療醫保IT樣本企業毛利率分化特徵顯著,行業項目制屬性突出,公司間盈利能力差距較為明顯,主要由於各家收入結構、業務形態與項目交付模式存在顯著差異。樣本企業毛利率區間跨度較大,久遠銀海以43%的毛利率居於樣本首位;創業慧康、德生科技、衞寧健康、嘉和美康毛利率處於30%-33%區間,分別錄得 33%、32%、31%、30%;國新健康毛利率為-6%,盈利能力短期承壓。
從業務結構角度拆分,久遠銀海毛利率領先,主要得益於醫保端信息化標準化產品佔比較高,產品複用性強,項目實施成本相對可控,支撐盈利能力維持在較高水平。創業慧康、衞寧健康等以醫院端信息化解決方案為主的企業,毛利率集中在30%-33% 區間,受項目定製化實施成本、硬件集成佔比等因素影響,盈利能力處於行業常規區間。國新健康毛利率為負,主要系公司業務處於拓展期,收入規模不及預期疊加服務成本剛性支出,導致毛利端承壓。
費用端維度,銷售費用率梯隊分化明顯:國新健康銷售費用率高達33.20%,嘉和美康、德生科技分別為 23.57%、21.60%,主要系企業加大市場拓展、醫院與醫保端客户覆蓋力度,銷售人員薪酬與營銷投放持續加碼;久遠銀海、創業慧康銷售費用率相對偏低,分別為 10.29%、8.77%,費用投放效率更優。管理費用率差異同樣顯著:國新健康管理費用率高達46.89%,創業慧康、嘉和美康分別為25.86%、21.05%,與企業組織架構、項目管理模式及人員結構高度相關;久遠銀海、衞寧健康、德生科技管理費用率處於10%-13%區間,內部運營管控相對平穩。研發費用率層面,嘉和美康、創業慧康研發投入強度位居前列,研發費用率分別達35.12%、32.96%,體現出企業在AI醫療、新一代醫療信息系統等方向持續高強度投入;衞寧健康、久遠銀海、德生科技研發費用率處於16%-18%區間,研發投入保持常態化;國新健康研發費用率僅為0.45%,主要是由於費用覈算口徑不同。
整體來看,醫療醫保IT賽道的盈利能力費用結構本質是企業戰略選擇與業務結構的集中體現,側重標準化產品與聚焦醫保信息化市場的企業具備更高的毛利率,醫院端市場因項目延期交付等原因毛利率顯著承壓,而發力新興技術賽道、快速擴張市場邊界的企業費用率普遍更高。展望未來,隨着行業需求持續釋放與業務規模不斷擴大,頭部企業的規模效應將逐步顯現,銷售與管理費用率有望迎來邊際改善;持續的研發投入將逐步轉化為產品競爭力與收入增量,長期將反哺盈利水平,行業盈利與費用結構的分化格局仍將延續。
網絡安全:業績分化加劇,降本增效驅動頭部盈利修復
我們選取行業9家網絡安全公司作為我們的研究樣本,所選樣本的收入利潤情況如下:
收入端:從2026 年前三季度9家網絡安全樣本企業營收表現來看,行業內公司收入增長呈現出顯著分化的格局,各家企業項目落地與市場拓展節奏差異較大。9家樣本企業2026 前三季度營收規模跨度較大,深信服以67.79億元的營業收入居於首位,大幅領先其余樣本企業;奇安信- U實現營收22.66 億元,位居行業第二;啟明星辰、綠盟科技、安恆信息營收規模依次為17.37 億元、12.98億元、11.73億元,處於10-20億元區間;天融信、迪普科技、國投智能、電科網安營收體量均處於10億元以下,分別錄得 8.50 億元、8.18 億元、8.02 億元、6.46億元。
從收入增速維度拆解,行業增長梯隊分化特徵尤為突出。深信服營收增速高達 32%,在較高收入體量之上依舊維持高速增長,AI安全等新興業務持續放量,傳統安全業務穩步復甦,增長質量相對優異。啟明星辰營收增速達到12%,營收保持穩健的正向增長,業務拓展與項目交付平穩推進。國投智能、綠盟科技營收增速均為1%,實現小幅正增長,收入端基本盤保持穩定。其余五家企業營收同比出現下滑,其中天融信收入下滑幅度最大,同比下降 29%;奇安信- U、電科網安分別下滑20%、15%;迪普科技、安恆信息分別下滑6%、3%,主要受行業需求釋放節奏、項目交付周期及市場競爭加劇等因素影響。
利潤端:26年Q1-Q3 9家網絡安全樣本公司歸母淨利潤表現分化明顯,盈利兑現進度出現分水嶺,行業整體仍處於盈利修復與投入平衡的階段。9家企業中僅深信服、啟明星辰、迪普科技三家實現正向盈利,其余六家企業依舊維持虧損狀態,反映出網絡安全賽道研發投入高、費用剛性強、盈利受項目結算節奏影響大的行業屬性,收入增長釋放的規模效應與內部費用管控能力是盈利修復的核心支撐。
具體來看,深信服26年Q1-Q3實現歸母淨利潤5.76億元,歸母淨利潤增速達815%,一方面來源於公司參股的琥珀安雲二期基金投資的宇樹科技於本期成功上市后股價大幅上漲實現投資收益2.27億元,另一方面受益於收入規模快速擴張疊加降本增效持續推進,規模效應逐步顯現,運營效率提升帶動盈利水平大幅改善,在營收快速增長的帶動下利潤端實現高速增長,共同推動公司歸母淨利潤實現跨越式增長,成為樣本企業中盈利規模與增速雙優的標的。迪普科技實現歸母淨利潤1.23億元,淨利潤同比增長31%,盈利保持穩健增長,成本費用管控成效持續釋放。啟明星辰實現歸母淨利潤0.38億元,淨利潤同比增長118%,盈利實現平穩修復。
網絡安全樣本公司毛利率及費用率情況如下:
2026 年前三季度9家網絡安全樣本企業毛利率分化特徵顯著,行業技術密集、產品服務差異化的屬性凸顯,公司間盈利能力距較為明顯,主要由於各家收入結構、業務形態與項目交付模式存在顯著差異。樣本企業毛利率區間跨度較大,迪普科技以63%的毛利率居於樣本首位;深信服緊隨其后,毛利率達到60%;安恆信息、啟明星辰、天融信毛利率處於 56%-58%區間,分別錄得 58%、56%、56%;綠盟科技、奇安信-U毛利率分別為54%、52%;電科網安、國投智能毛利率相對偏低,分別為38%、37%。
從盈利與費用結構角度拆分,迪普科技、深信服等高毛利率企業多以標準化安全軟硬件產品為核心收入來源,產品複用性強、邊際交付成本低,疊加自身產品競爭力突出,支撐盈利能力持高位。電科網安、國投智能毛利率偏低,主要由於業務結構中安全集成、整體解決方案類項目佔比較高,硬件採購與現場實施成本佔比更大,拉低了整體盈利能力。
費用端維度,銷售費用率梯隊分化尤為突出:天融信銷售費用率高達66.09%,國投智能、安恆信息、奇安信-U的銷售費用率也均處於較高水平,分別為 46.66%、41.39%、39.64%,主要系企業加大市場拓展、渠道鋪設與行業客户覆蓋力度,銷售人員薪酬與營銷投放持續加碼;啟明星辰、深信服、電科網安、迪普科技銷售費用率相對可控,處於28%-31% 區間,費用投放效率更優。管理費用率差異同樣顯著,國投智能、電科網安、天融信管理費用率位居前三,分別達 23.53%、17.95%、17.53%,與企業組織架構、項目管理模式及人員結構高度相關;迪普科技、深信服管理費用率最低,僅為3.51%、3.86%,內部運營管控效率表現突出。研發費用率層面,天融信以57.63%的研發費用率領跑全樣本,奇安信-U、電科網安、綠盟科技研發費用率也均超過 30%,分別為 38.26%、33.03%、30.21%,體現出企業在AI 安全、數據安全等新興賽道持續高強度投入。
整體來看,網絡安全賽道的盈利能力及費用結構本質是企業戰略選擇與業務結構的集中體現,側重標準化產品的企業天然具備更高毛利率,而發力新興技術賽道、快速擴張市場邊界的企業費用率普遍更高。展望未來,隨着行業需求持續釋放與業務規模不斷擴大,頭部企業的規模效應將逐步顯現,銷售與管理費用率有望迎來邊際改善;持續高強度的研發投入將逐步轉化為產品競爭力與收入增量,長期將反哺盈利水平,行業盈利與費用結構的分化格局仍將延續。
下游需求波動。若宏觀經濟、行業景氣度等因素導致下游客户預算收縮或項目推進節奏放緩,可能影響相關企業訂單獲取及收入確認,導致業績增長不及預期。
AI技術迭代不及預期。若大模型能力提升、算法優化及AI應用落地進展不及預期,可能影響AI產業應用拓展及商業化進程,導致行業增長不及預期。
研報《行業分化延續,關注AI盈利兑現——計算機行業26年三季報總結》2026年11月5日
郭雅麗 分析師 S0570515060003 | BQB164
範昳蕊 分析師 S0570521060004 | BWD469
袁澤世 分析師 S0570524090001
岳鉑雄 分析師 S0570524080004 | BYQ334
王浩天 聯繫人 S0570125010006
徐誠偉 聯繫人 S0570125070089 | BXO453