📑 目录
致远互联20260810.pdf
1. 研报核心观点摘要
本研报（来源：致远互联20260810.pdf，未披露发布机构、分析师姓名、评级及目标价）的核心结论是：公司通过FDE（Forward Deployed Engineering）模式，实现从传统“License+人天”向“License+服务费+按结果付费”的商业模式转型，推动AI价值持续变现，强化在组织治理领域的竞争护城河。
主要支撑数据： - AI合同额占比：2026年上半年，AI直接驱动的合同金额已占公司总合同金额的5%-10%，且均为纯增量项目（原文：“这部分是纯粹的增量，而非对存量项目的AI化改造”）。 - 人员成本优势：FDE团队人员成本约为大厂（如腾讯）的30%-40%（腾讯开发人员每月约十万元，公司约三至四万元），构成承接“脏活、累活”的高性价比基础。 - FDE团队规模：截至2026年7月，正式成立的FDE团队约40人，计划未来从传统实施团队吸纳高端人才持续扩编。 - 收入模式创新：智能合同产品已形成三种收费组合：一次性License费、FDE部署人天服务费、按结果付费（如按生成/审核/比对合同份数打包收费）。未来将向按Token消耗、API调用、后台数据任务等分层收费扩展。 - 合作生态：公司与基础模型厂商（如千问、智谱等）洽谈Token转售、API接入及共建细分领域Benchmark等合作，且与Workbody等个人AI工具打通，上架Skills。
定性支撑：公司定位从“组织管理”升级为“组织治理”，其核心价值在于同时具备AI技术与行业Know-how，能够管理人与Agent、Agent与Agent之间的权限、审计与权责追溯。这一独特角色被视作基础模型厂商争夺企业级流量入口的关键合作伙伴。
2. 关键财务与业务拆解
研报未提供任何历史财务数据或未来盈利预测表格。外部可获取的最近财年数据高度概括，且缺少业务分部、毛利率、现金流等关键细节。结合FinGPT分析，整理如下：
| 指标 | 最近财年数值 | 来源 | 备注 |
|---|---|---|---|
| 营业收入 | 4.79亿元 | FinGPT/外部数据 | 未披露同比增速及业务构成 |
| 净利润 | 2050万元 | FinGPT/外部数据 | 净利率仅4.28% |
| AI合同额占比 | 5%-10%（2026H1） | 研报原文 | 此为合同签约口径，非确认收入；绝对金额未披露 |
| 毛利率 | 未披露 | — | 无法评估AI业务盈利性 |
| 经营现金流/FCF | 未披露 | — | 偿债与流动性风险无法评估 |
| FDE团队人数 | 约40人（2026年7月） | 研报原文 | 计划扩编，但成本端影响未量化 |
核心矛盾：研报对财务数据的披露极有限。AI收入增量目前仅体现在“合同额”层面，其转化为确认收入的节奏、毛利率水平及对整体盈利的实质拉动均未验证。公司整体净利率仅4.28%，新商业模式能否显著改善盈利结构存在高度不确定性。
3. 研报逻辑链条与前提假设
研报的论证沿“模式创新—收入增量—护城河稳固—生态卡位”展开。下表梳理其推理步骤及隐含假设：
| 推理步骤 | 核心逻辑（原文依据） | 前提假设 | 假设脆弱性 |
|---|---|---|---|
| 1. 产品诞生 | PDP团队深入客户现场，将需求与研发结合，打造出智能合同、智能阅批、智能合规三款可独立销售的AI产品 | 客户愿意为单点AI功能支付独立费用；现场孵化的产品具备通用性 | 中 |
| 2. 增量变现 | FDE模式产出的产品反哺销售，带来AI驱动的纯新增合同，2026H1占比5%-10% | AI合同额能按正常履约进度确认为收入；且后续客户不会将同类需求拆分到现有合同中 | 高 |
| 3. 商业模式升级 | 从按人天收费转向按结果（合同份数、Token消耗等）收费，实现部署后持续分润 | 客户持续使用AI功能并产生可计量工作量；按结果定价能被市场接受且不引发价格战 | 高 |
| 4. 成本护城河 | 公司人员成本仅为大厂30%-40%，在交付“脏活累活”时性价比突出，大厂或客户数科公司倾向分包 | 成本优势长期存在，不被大厂补贴或自建交付团队挤压；交付质量满足客户要求 | 中 |
| 5. 生态卡位 | 模型厂商争夺Token流量入口，需要公司这样的行业Know-how伙伴触达客户；合作包括转售、API、共建基准 | 模型厂商不绕过软件厂商直接服务终端客户；Token转售等模式能形成稳定分润，而非一次性通道费 | 高 |
4. 主要风险与不确定性
以下风险综合了研报中提及的潜在问题以及外部模型（FinGPT）基于缺失信息所识别的补充风险。
| 风险类别 | 风险描述 | 来源 | 可能性 | 影响程度 |
|---|---|---|---|---|
| 研报提及 | 与大模型厂商的FDE合作模式仍在磨合，部分厂商在私有化部署方面存在问题 | 原文Q&A | 中 | 中 |
| 研报提及 | 尚未与模型厂商签订战略合作协议，合作需通过业务双向验证 | 原文Q&A | 中 | 低 |
| 模型补充 | AI合同额≠确认收入：合同从签约到验收、回款存在周期，且可能因客户预算调整或满意度问题出现变更或取消 | FinGPT风险分析 | 高 | 高 |
| 模型补充 | 财务能见度极低：无历史增速、无分部毛利率、无现金流数据，无法判断AI业务能否覆盖FDE团队扩编成本并改善4.28%的低净利率 | FinGPT风险分析 | 高 | 高 |
| 模型补充 | 成本护城河脆弱：大厂可能通过补贴或自建交付团队渗透腰部市场，客户数科公司也可能吸纳类似能力 | FinGPT风险分析 | 中 | 中 |
| 模型补充 | 按结果付费模式规模化存疑：该模式收入波动大，且要求客户持续消耗AI能力，经济下行时客户可能缩减使用量 | FinGPT风险分析 | 中 | 中 |
5. 估值与目标价逻辑
研报未提供任何目标价或估值倍数。 由于外部市场数据（价格、市盈率、市值）均缺失，无法计算当前估值水平，也无法与历史中枢或同业对比。因此，本节无法按常规形式展开。
从研报逻辑推断，其隐含的估值驱动轴是：AI合同额增量将逐步转化为高毛利、可持续的服务收入，从而带动整体盈利快速提升，并赋予公司更高估值倍数。 然而，这一预期目前仅建立在合同额占比5%-10%这一单薄假设之上，缺乏定价验证的财务基础。任何估值重估需要等待以下信号：①AI业务单独披露确认收入及毛利率；②按结果付费模式产生持续性、可预测的收入流；③整体净利率出现趋势性改善。当前环境下，无法对估值方向做出合理判断。
6. 独立判断与情景分析
鉴于财务透明度极低，本报告采用情景分析替代单一结论。下表列出未来3年的核心观察框架（注：公司无公开EPS预测，以下为示意值，仅反映方向性展望）。
| 情景 | 概率 | 核心条件 | 2028E EPS（示意） | 关键观察指标 |
|---|---|---|---|---|
| 乐观 | ~20% | AI合同额转化顺畅，毛利率>60%，按结果付费收入占比超20%，与大模型厂商合作协议落地并产生实质分润，整体净利率升至10%+ | 可能达到0.50元以上（基于收入显著增长） | AI确认收入同比增速、合同履约率、毛利率、FDE团队人效 |
| 基准 | ~50% | AI合同正常交付，但确认周期较长；新商业模式贡献有限，整体净利率维持在4%-6%区间，传统OA业务保持低速增长 | 约0.25元（盈利微增） | 总营收增速、经常性收入占比、客户续约率 |
| 谨慎 | ~30% | AI合同落地不及预期，项目型业务回款困难，按结果付费模式难以规模化，大厂或客户自建交付侵蚀份额，净利率持续低于5% | 可能低于0.20元（盈利停滞或下滑） | 应收账款周转天数、合同资产规模、人员流失率 |
说人话版：致远互联正试图从“卖软件+按人头服务”转型成“帮企业落地AI，按效果收服务费”的模式。2026年上半年靠AI拉来的新合同占总合同的5%-10%，这些项目都是新增的，不是老项目换个包装。他们的人工成本只有腾讯等大厂的三到四成，所以能做那些大厂不愿意干的累活。但问题是，新签的合同到底能多久变成真金白银的利润，还不知道；公司整体净利润率只有4%出头，赚得很少。如果AI服务能持续卖钱且利润高，那公司就值钱了；但如果客户只是尝鲜或者大厂自己下来做，故事就可能打折。所以现在是个“有想象空间但少确定性”的阶段，需要盯着财报看AI收入是不是真落袋了。
投资者行动指南： - 关键观察指标：每季度披露的AI相关合同额转化为确认收入的进度、AI业务毛利率、按结果付费模式的客户数及续费率。 - 情景应对：若乐观情景信号出现（如AI业务单独列报且毛利率>50%，整体净利率趋势向上），可关注基本面改善机会；若基准情景持续，等待估值调整至匹配低增长+低利润率水平；若谨慎情景兑现，需警惕应收账款及现金流恶化风险。 - 声明：本文基于公开研报分析整理，不构成投资建议。所有预测均依赖假设，实际情况可能因市场、竞争及公司执行因素而显着偏离。
本站分析内容由 AI 自动生成，仅供研究与学习参考，不构成任何投资建议、要约或招揽。据此操作，风险自负。 免责声明