《百融云~W-港股公司研究报告-AI+垂类科技领航者AI行业应用落地开花-240623(24页).pdf》由会员分享,可在线阅读,更多相关《百融云~W-港股公司研究报告-AI+垂类科技领航者AI行业应用落地开花-240623(24页).pdf(24页珍藏版)》请在三个皮匠报告上搜索。
1、港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明1百融云-W(06608)证券研究报告2024 年 06 月 23 日投资评级行业资讯科技业/软件服务6 个月评级买入(首次评级)当前价格8.99港元目标价格15.50港元基本数据港股总股本(百万股)491.03港股总市值(百万港元)4,414.36每股净资产(港元)9.68资产负债率(%)19.20一年内最高/最低(港元)14.80/8.09作者吴立分析师SAC 执业证书编号:S孔蓉分析师SAC 执业证书编号:S资料来源:聚源数据相关报告股价走势AI+垂类科技领航者,AI 行业应用落地开花国内数据分析龙头,客群优势持续巩固公司地
2、位百融云作为国内领先的 AI 科技服务提供商,凭借其在决策式 AI 和生成式AI 领域的深厚技术积累,通过云+本地化部署和 MaaS+BaaS 服务模式,为百行千业提供全流程数智化服务,显著提升了自动化审批率和风险管理效率,助力互联网信贷业务实现快速增长。根据公司披露数据,百融云创AI 模型平均每天调用 3 亿次以上,云平台稳定性高达 99.998%,以实际场景业务为痛点的产品研发深受市场欢迎。公司扎根垂类领域累积数据优势,目前已累计服务机构客户超 7000 家,覆盖 6 大国有银行、12 家全国性股份制银行、上千家城农商银行、保险公司等金融机构及各类垂直企业客户。2023 年,公司客户留存率
3、 99%,客户满意度 97%,已具备客户粘性和可持续盈利能力。公司营收增速强势,利润端持续受益公司凭借在数据分析领域的较高市占率以及在生成式 AI 领域的积极布局,从而实现了 MaaS 业务收入的稳定增长以及 BaaS 业务收入的快速增速。FY2023 公司总营收增长幅度较大,主要得益于 BaaS-金融行业云的收入飞跃。公司目前主要通过增收而非降本的方式提升利润,其费用持续增长的同时,实现了可观的收益。从 FY2019 至 FY2023,公司三项费用占营收比重逐年下降,经调整净利润、净利率持续提升。未来公司内部将共同作用 AI 大模型,在公司技术变现的同时,对其内部业务进行降本增效,使得费用端
4、得到有效控制,未来有望在利润端实现突破。数智化浪潮汹涌,行业模型加速崛起随着数字中国建设整体布局规划的发布和金融科技发展规划的持续推进,中国金融科技企业面临着前所未有的机遇。政策的大力支持和科技的不断进步推动了金融数智化的快速发展。尽管面临征信数据缺乏、征信体系不均和不良贷款增加等挑战,通过大数据和人工智能技术的广泛应用,金融服务的数字化转型和智能化升级有望加速解决过往问题。与此同时,相较于通用大模型,行业大模型展现出较强的落地应用潜力,不仅能够精准适配特定业务需求,还能有效提升风险管理能力。随着技术的不断进步和政策的深入推动,行业大模型的发展将是金融数智化转型的核心驱动力,预计将有力提升金融
5、服务效率和改进风险控制能力,为金融行业带来深刻的变革。盈利预测我们认为随着公司业务逐渐拓宽至非金融领域,以及行业大模型落地速度的优势,公司未来营收增长潜力较大。我们预测 FY2024-FY2026 公司总收入分别为 30.8/37.0/43.4 亿元,归母净利润分别为 3.9/5.3/5.8 亿元。考虑到公司业务属性,我们选取宇信科技、汇量科技、恒生电子、千方科技、汇通达以及萤石网络作为可比公司,FY2024 年可比公司平均 PE 为23.33,考虑到港股流动性折价,给予公司 2024 年略低于平均值的 18 倍PE,对应市值 70.2 亿元,目标股价为 15.50 港元,给予“买入”评级。风
6、险提示:港股市场流动性不及预期、AI 科技发展及应用落地不及预期、宏观经济复苏不及预期、公司的成本控制不及预期、估值体系差异风险、数据保密和法律相关风险、公司牌照无法续期风险港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明2内容目录1.一站式 AI+垂类科技领航者,AI 行业应用率先落地.41.1.飞轮效应实现 AI 应用落地,公司领航垂类行业科技创新.41.2.业务重组全力拥抱 AI,推动行业模型应用全面落地.51.3.公司股权结构稳定发展富有潜力,多轮回购彰显自信.101.4.公司业务发展迅速,营收激增有望带动净利润实现突破.102.金融数智化“积厚成势”,行业大模型“落地
7、开花”.122.1.中国金融业数智化的三大需求.142.2.中美征信产业对比,寻找前进道路.162.3.通用 AI 大模型基石铺路,行业 AI 大模型春风化雨.193.竞争优势分析.203.1.具备 7000+客户基群,行业数据积累丰富.203.2.构建完整 AI 体系,发挥通用、行业大模型协同效应.203.3.积累行业数据、搭建大模型基础,公司应用率先起步.214.盈利预测与估值.215.风险提示.23图表目录图 1:公司发展历程.4图 2:公司合作伙伴与战略合作项目.5图 3:公司核心业务概览.6图 4:公司 MaaS 业务概览.6图 5:百融云加入华为生态圈.7图 6:公司 BaaS 业
8、务概览.7图 7:公司 BaaS 金融行业云业务.8图 8:公司 BaaS 保险行业云业务.8图 9:公司“飞轮效应”核心逻辑.9图 10:公司股权架构.10图 11:2019A-2023A 公司营业收入(百万元)及 YoY.11图 12:2019A-2023A 公司归母净利润(百万元)及 YoY.11图 13:2022A-2023A 公司营业收入拆分(百万元).11图 14:2022A-2023A 公司营业收入拆分占比.11图 15:2019A-2023A 公司毛利润(百万元)及 YoY.12图 16:2019A-2023A 公司毛利率及经调整净利率变化.12图 17:2019A-2023A
9、 公司三费支出(百万元)及占营收比重.12图 18:2019A-2023A 公司研发费用开支(百万元)及占营收比重.12图 19:中国 GenAI 市场规模(单位:亿元).13图 20:中国原保险收入规模变化图(单位:亿元).13bUbUeUcW9W9WfVcW7NdN8OmOnNmOtPlOoOtNkPsQnQ9PpOqQxNtRtPxNoMnN港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明3图 21:金融科技从“立柱架梁”迈入“积厚成势”新阶段.13图 22:传统信用数据与替代信用数据.14图 23:2021 年世界各国金融白户比例(%).15图 24:商业银行不良贷款情
10、况.15图 25:长尾客户的“二八定律”.16图 26:中国征信格局.17图 27:中国平台企业金融业务整改历史.17图 28:美国征信格局.18图 29:AI 大模型垂类行业赋能逻辑图.20图 30:百融云 AI 体系.21图 31:公司各业务收入拆分(百万元).22表 1:2022 年商业银行金融科技投入表.14表 2:FICO 和百融云对比(截至 2023 年底).20表 3:百融云可比公司估值水平(截止 2024 年 6 月 17 日).23港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明41.一站式 AI+垂类科技领航者,AI 行业应用率先落地1.1.飞轮效应实现 A
11、I 应用落地,公司领航垂类行业科技创新百融云是国内领先的基于云平台的一站式 AI 科技服务提供商,成立于 2014 年 3 月,2021 年 3 月在香港联合交易所主板成功上市。公司基于决策式 AI 和生成式 AI 的技术基础,通过云+本地化部署的方式与 MaaS+BaaS 的服务模式,依靠技术与产品驱动的高效商业模式,为垂直行业提供全环节、全体系的 AI 科技服务,实现金融行业 AI 应用落地。公司以决策式 AI 起家。2014 年底,公司获得中国人民银行颁发的企业征信业务经营备案证,并于 2016 年通过国家信息安全等级保护三级认证。2017,公司开始研发生成式 AI(智能语音多轮文本与语
12、音对话技术),并在 2018 年将其成功应用于智能运营业务中形成第一代 Al Chatbot 产品。2018 年开始,公司为客户提供全生命周期解决方案,通过优化策略与引入 AI 算法,提升该客户互联网贷款业务自动化审批通过率至 80%,大幅优化风险管理,助力该客户互联网信贷业务三年增长 30 倍。2021 年,以决策式 AI 和生成式 AI 为技术基础,公司业务实现规模化商业变现。公司提出数字化营销方案并将 AI 语音服务功能嵌入零售业务条线,实现客户全行级零售业务增益,营销转化率提升 2 至 3 倍,同时降本增质。2021 年 3 月,公司在香港联交所主板成功上市,并在同年年底荣获金融时报社
13、 2021 年度最佳科技赋能公司。2023 年,公司进行业务结构的拆分重组,根据收费模式和底层技术将业务分为 MaaS 和BaaS,并拓宽 AI 应用场景至更多细分垂直领域。2024 年,公司把握 AIGC 商机,计划进一步拓展新业态,推动财富管理、AI 技术创新、普惠金融等新增长点。图 1:公司发展历程资料来源:公司业绩 PPT,天风证券研究所我们认为,公司在成立至今的十年间积累了行业 Know-How 和客户洞察,大力开发 AI 技术的同时,加速商业化落地与变现,实现了收入增长和持续盈利,同时客户数量和留存率不断提高。公司为客户提供全流程数智化服务,为垂直行业合作伙伴提供高适配性、高稳定性
14、的产品及解决方案,成为公司加速成长的有力保障。公司重点围绕提升决策分析能力、提升资产运营效率两大主线,帮助垂直行业完成数智化发展,引领构建行业生态。截止 2022 年 12 月,公司已经连续三次获得“国家高新技术企业”认定;截至 2023 年 12 月 31 日,公司已累计取得 233 项专利及软著,覆盖机器学习、隐私计算、智能语音交互等领域。公司充分发挥 MaaS 和 BaaS 业务模式的协同效应,与金融机构客户与垂直领域客户取得港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明5大规模合作。根据官网信息,截止 2023 年公司累计服务机构客户超 7000 家,覆盖 6 大国有
15、银行、12 家全国性股份制银行、上千家城农商银行、保险公司等金融机构客户、以及汽车、出行、物流、外卖、互联网、能源、建筑各类垂直领域企业客户。图 2:公司合作伙伴与战略合作项目资料来源:公司官网,天风证券研究所我们认为,客户规模的不断扩大,为公司深耕 AI 模型应用研发提供了大量的关键基础数据。同时,公司通过扩大业务规模、提供更丰富的场景、产品及服务,加快实现在以金融行业为代表的垂直领域的 AI 行业垂类模型应用落地。“AI 技术研发+商业变现落地”的高效商业模式产生了强大的飞轮效应,或将带动业绩持续快速增长。1.2.业务重组全力拥抱 AI,推动行业模型应用全面落地2023 年之前公司主营业务
16、包括智能分析与运营服务、精准营销服务及保险营销服务三个模块,2023 年公司进行业务结构的拆分与重组,根据收费模式和底层技术将业务重新分为两个部分:MaaS 和 BaaS,其中 BaaS 又细分为金融行业云和保险行业云。在重组后智能分析业务划分到 MaaS 模块,智能运营服务和精准营销服务划分为 BaaS 的金融行业云模块,保险营销服务划分为保险行业云模块。作为金融 AI 领域技术和应用的探路者,公司坚持“先落地、再扩张”核心商业模式,即首先专注于产业深度,构建牢固的细分领域客户基础,然后聚焦到行业宽度,逐步增强交叉业务的可能性,把业务逐步扩展到更广泛的行业范围。目前,凭借生成式 AI 和决策
17、式 AI、自然语言处理、隐私计算、机器学习和云计算,结合公司十年的行业理解和用户洞察,百融云主要帮助客户评估风险、意愿和资质,并提升其运营能力。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明6图 3:公司核心业务概览资料来源:公司业绩报告,天风证券研究所MaaS(模型即服务):MaaS 业务主要基于决策式的 AI 输出,对用户以及产品进行评估服务。MaaS 业务是在信贷、保险和财富等领域进行数据分析业务,通过决策式AI 驱动的 MaaS 云平台为客户提供评估类和用户画像类产品,客户可以根据自身业务需求自由调配各类模型对用户进行评估,形成对目标用户基本认识。在日常运行中,Maa
18、S 云平台安全可靠,稳定性高达 99.998%,每日可满足超过 3 亿的查询请求并提供毫秒级反馈。根据业务提供方式的不同,MaaS 业务采取按照调用量收取服务费的付费模式,为客户提供更多的合适选择。根据公司披露数据,2023 年公司覆盖7000 多家机构客户,包括出行、电商等多元化的企业,截止到 2023 年年末 MaaS业务的核心客户留存率超过 99%,客户满意度达到 97%。我们认为 MaaS 基于决策式AI 为垂直行业“按需供给”模型的能力来辅助决策,以持续服务的理念推动人工智能服务化和普惠化发展。产品布局上,模型的持续迭代与高附加值产品的推出巩固了百融云的市场领先地位,业务场景上进一步
19、破圈非金融领域,总体上获得客户的高度认可,成为盈利水平增长的“压舱石”。图 4:公司 MaaS 业务概览资料来源:公司业绩报告,天风证券研究所截至 2022 年 6 月,公司基于华为云鲲鹏云服务构建的本地决策引擎产品历经多轮严格优化和测试验证,成功完成了鲲鹏 920 处理器、openEuler20.03 操作系统的兼容适配认证,被授予鲲鹏技术认证书,标志着公司正式加入华为鲲鹏展翅伙伴计划。华为生态圈能够帮助百融云进一步健全场景建设机制,构建自主创港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明7新模式,完善协同化创新体系,推动公司的生态版图积极融入政府、市场、社会多方共建共享的
20、场景应用格局。我们认为未来百融云有望进一步挖掘华为生态圈潜在客户,抢占市场份额,同时探索利用华为提供的芯片技术进行更深层次的 AI模型革新。图 5:百融云加入华为生态圈资料来源:金融界,财经头条,南早网,天风证券研究所BaaS(业务即服务):BaaS 业务基于决策式 AI 和生成式 AI 的串、并联组合作业,为垂直行业业务成果实现赋能。BaaS 在大规模资产营运上能够提供全流程的闭环管理。同时 BaaS 作为 AIGC 技术的应用落地,依靠公司的 AI 智能语音机器人等 AIGC技术在高交互多模态上不断精进,帮助客户进一步降本增效。公司的语音机器人在行业模型的底座下实现高响应速度,低推理成本,
21、同时基于语音机器人的生成式导购咨询 AI 可促使产品在更多领域落地应用。我们认为 BaaS 业务以结果为导向,显著带动 AI 在垂直行业新量推荐和运营效率提升,适用于覆盖金融行业、保险行业、电子商务/租赁三种主要垂直行业,未来有望在持续推动客户新业务营收增长方面探索更大的市场空间。图 6:公司 BaaS 业务概览资料来源:公司业绩报告,天风证券研究所BaaS 业务细分来看:金融行业云和保险行业云。金融行业云是基于 MaaS 的累积优势对客户实现精准分层,利用生成式 AI 模型不断迭代优化交互方式高效触达和运营用户,最后将 C 端与 B 端机构进行有机结合。构港股公司报告|首次覆盖报告请务必阅读
22、正文之后的信息披露和免责申明8建基于金融场景的新客营销全流程一体化服务,助力商业机构扩大资产交易规模的同时,完善动态检测,实时处理反馈信息完成自我优化。我们认为 BaaS 金融行业云从前端的用户分析到中间的营销策略执行,包括最后提供用户精准分层、智能触达、动态监测、实时优化四项主要数智化服务,能够助力实现其最终业务 KPI 并根据促成的信贷交易规模或者财富管理规模规收取技术服务费。图 7:公司 BaaS 金融行业云业务资料来源:公司业绩报告,天风证券研究所BaaS 保险行业云业务是赋能保险经纪人的重要工具。通过用户管理系统(CRM)提供全面客户洞察,运用签单自动化流程(IDS)使生成式 AI
23、精准推荐保险产品销售的流程更加便捷化,最后在销售完成后由线下保险经纪人团队进行高价值保单的用户沉淀,根据成交的保费收取相应的佣金。数字化工具显著提高了经纪人效率。根据公司披露数据,2023 年全年保险行业云业务收入同比+10%,其中新单贡献收入同比+12%,续期保费收入同比+2%,我们认为,保险业务未来市场空间广阔,由于经纪人被平台高效赋能,同时两层扁平管理模式可为经纪人带来更多佣金激励,保险业务或将摆脱疫情期间的疲软逆势增长,而且保费续费率超过 90%,可能预示了未来保险业务产生现金流和利润空间的稳定性。图 8:公司 BaaS 保险行业云业务资料来源:公司官网,天风证券研究所BaaS 业务与
24、 MaaS 业务形成飞轮效应,二者相互影响相互促进。MaaS 是 BaaS 的平台基础,提供多种大模型集合用于分析和判断,BaaS 是 MaaS 的应用,在 MaaS 分析基础上进一步为特定行业提供定制化的应用解决方案和服务,并在服务过程中获得关键数据提供 MaaS 场景和闭环,二者结合了 AI 的决策支持能力和生产能力,形成一个循环闭环,实现了业务标签积累、客户信息更新及模型迭代相互强化的较优解。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明9图 9:公司“飞轮效应”核心逻辑资料来源:公司业绩报告,天风证券研究所BaaS 业务的 AI 智能语音机器人率先实现行业模型应用落地
25、。每个 AI 智能语音机器人可以模拟像真人一样的音色,多人对话基本上能够对话到 2530 轮,语音延迟响应时间缩短至 500 毫秒以内,语义理解准确率达到 95%,由于响应时间与推理成本与参数的规模的平方成正比呈现,而非线性关系,所以在真实商业场景应用仍有很多困难。但是我们认为百融 AI 大模型作为行业模型相比通用大模型来说,响应时间大幅度的缩短、推理成本的降低和高准确率将成为 BaaS 业务人机互动的重要保障。我们认为,公司拥有行业领先的技术优势和开创性的业务模式。随着海外 ChatGPT、SORA、国内的 KIMI 持续走俏,AI 大模型赋能行业应用落地,逐渐成为国内外各行业竞相追逐的目标
26、。已具备电子化、信息化、大数据化基础的行业将优先受益于 AI 大模型的赋能,同时公司的垂类行业模型相比于通用大模型所带来的高响应速度,相对更低的算力成本以及行业大量优质数据的投喂导致的快速针对性的迭代升级,可能进一步提升公司对新客户的获客能力和对老客户的持续粘性,形成更多、更深的合作联结,公司业绩有望进一步稳定增长。2024 年,百融云将继续依托“先落地再扩张”的商业模式,把握 AIGC 带来的新兴商机,增加定制方案,提高客户业务的渗透率,保持核心客户高留存率;同时扩大应用场景,持续丰富业态,大力发展包括财富管理、普惠金融与 AI 技术创新等数智化机会在内的第二增长曲线。财富管理:公司将利用在
27、 AI VoiceGPT、数据分析和精准匹配的优势,为中国财富管理产品供应商提供用户洞察与经营、用户资产规划与配置和投教陪伴的帮助,提供一站式解决方案,最终实现 C 端客户、B 端机构、科技公司共同的发展。普惠金融:公司将扩大小微企业融资,为经济复苏和社会稳定承担社会责任。利用生成式 AI 及决策式 AI 技术能力,公司力图打造全流程小微金融产品服务体系,搭建起金融机构和小微企业间资金融通的桥梁,为产业金融、企业供应链项下的小微企业提供融资服务,并围绕小微信贷全生命周期进行数智化科学管理,助力小微企业顺畅融资、健康发展。AI 技术创新:公司将持续投资大模型、区块链、大数据、云计算、AI 底层算
28、法(如 transformer)、模型性能调优和复杂神经网络,以及 Chatbot、NLP、AutoML、深度学习和隐私计算等技术工具,抓住新兴技术为金融领域带来的行业机遇,以储备丰富的金融行业海量高价值数据为基础,巩固和扩大数据优势,港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明10提高技术服务能力,进一步扩大公司全球影响力。我们认为,公司在 AI 科技服务领域拥有深厚的技术积累和行业洞察。在 AIGC 技术引发的新一轮技术及产业变革正在加速到来,国家号召利用数据和技术手段赋能各类金融服务高质量发展的大背景下,随着在多元化行业实现 AI 应用落地,公司将逐渐跑出亮眼的第二增
29、长曲线,不断扩宽服务业态,打开更多普惠化 AI 服务市场,有望实现收入的持续增长和业绩进一步提升。1.3.公司股权结构稳定发展富有潜力,多轮回购彰显自信公司股权架构稳定。截止 2023 年 12 月 31 日,张韶峰为公司实际控制人,合计持有公司16.65%的股份。中国国新控股有限公司作为第二大股东,合计拥有公司 8.81%的股份,彰显了国有资本对公司发展的充分信心和坚定支持。公司管理层及董事会有多位高管拥有硕士、博士学历,具备良好的竞争力和管理能力。图 10:公司股权架构资料来源:同花顺 iFinD,公司公告,天风证券研究所公司通过投资控股形式控制百融香港科技有限公司,并通过合约安排控制北京
30、百融云创科技股份有限公司。通过百融香港科技有限公司,公司进一步作为投资方全资控股天津百融科技有限公司等公司,以开展软硬件产品、技术开发及咨询转让服务、广告策划制作等业务。同时,公司重视以回购股份的形式回报股东。2023 年,公司从公开市场回购了共计2,073.25 万股 B 类股份,回购总金额达港币 219.63 百万元(包括交易成本+开支)。另据同花顺显示,截至 2024 年 4 月 26 日,公司在近三个月内已累计回购 333.05 万股,占公司已发行股本的 0.66%。2024 年 3 月 25 日,公司宣布将在未来 12 个月内不时在公开市场回购总额不超过 2.5 亿港元的公司股份。我
31、们认为,公司股权架构稳定,管理层具备核心竞争力;同时,公司通过投资控股与合约安排的形式对附属公司进行业务安排与明确分工,经营管理能力与业务运转模式高效稳定,使公司发展富有潜力。公司的多次回购行动与计划,也充分体现出其对业绩和前景保持充分信心和乐观态度。1.4.公司业务发展迅速,营收激增有望带动净利润实现突破2023 年公司实现总营收 26.81 亿元,同比+31%,2023 年公司归母净利润为 3.40 亿元,同比+42%,且 2022 年公司已实现归母净利润扭亏为盈。我们认为公司近年来营业收入增速较快,归母净利润在 2022 年实现盈利后同样实现了可观的增速,随着公司的业务进一步释放,预计未
32、来营业收入、归母净利润将稳步提升。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明11图 11:2019A-2023A 公司营业收入(百万元)及 YoY图 12:2019A-2023A 公司归母净利润(百万元)及 YoY资料来源:公司公告,天风证券研究所资料来源:公司公告,天风证券研究所分业务来看,公司在 2023 年进行业务重组后,各业务板块收入皆实现不同程度的增长。2023 年公司 MaaS-模型即服务业务作为公司的“压舱石”,收入稳定增长,实现营收8.91 亿元,同比+17%。MaaS 收入增长的关键驱动力或在于核心客户数与核心客户平均收入的增长,2023 年公司拥有核心
33、客户数 213 家,(2022 年 187 家);核心客户平均收入为 350 万元,同比+3%。BaaS-金融行业云成为公司主要收入来源,2023 年 BaaS-金融行业云收入占公司总营收的44%,相较于 2022 年的 36%,同比提升 8pct。2023 年 BaaS-金融行业云实现营业收入11.85 亿元,同比+59%,主要得益于 2023 年公司为客户促成的资产交易规模为 531.30亿元,同比+93%。2023 年公司 BaaS-保险行业云实现营收 6.05 亿元,同比+10%,主要由于公司所促成的保费共 33.3 亿元,同比+56%,公司该业务收入增速已超过行业平均水平。我们认为,
34、未来公司“压舱石”业务 MaaS 将有望继续维稳公司营收基本盘,保持稳定的增长;由于生成式 AI 时代的到来,公司智能语音机器人大模型的持续迭代,BaaS-金融行业云业务有望成为公司营业收入增长的生力军。图 13:2022A-2023A 公司营业收入拆分(百万元)图 14:2022A-2023A 公司营业收入拆分占比资料来源:公司公告,天风证券研究所资料来源:公司公告,天风证券研究所公司毛利润近年来稳定增长,且毛利率持续维持高位。2023 年实现毛利润 19.55 亿,同比+32%,毛利率为 73%,较 2022 年提升 1pct。经调整净利润连续四年增长迅速,2023年公司经调整净利润为 3
35、.75 亿,同比+28%。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明12上市后,公司将可赎回可转换优先股转为普通股,规避了其公允价值变动为公司利润带来的负面影响,从而释放了大量利润,使得在 2022 年及之后公司账面净利润扭亏为盈。公司 2019-2023 年经调整净利润皆实现盈利,且经调整净利率持续提升,2023 年实现经调整净利率为 14%。我们认为,公司利润端的较快增速得益于其营收端的显著提升,基于公司未来营收或能持续得到提升的前景,其净利润有望实现快速增长。图 15:2019A-2023A 公司毛利润(百万元)及 YoY图 16:2019A-2023A 公司毛利率
36、及经调整净利率变化资料来源:公司公告,天风证券研究所资料来源:公司公告,天风证券研究所费用方面,受业务扩张的影响,公司 2023 年销售成本支出共计 7.26 亿元,同比+27%,由公司数据分析服务成本以及 BaaS-保险行业云相关销售及营销费用的增加造成。但三项费用(管理、销售、财务)占营收比重从 2019 年至 2023 年持续下降,2023 年三项费用支出占营收比重为 50%,相比于 2022 年下降 2pct。2023 年研发费用占营收比重为 14%,相比于 2022 年的 18%下降了 4pct。公司内部 AI 大模型的部署对其内部运营起到了降本增效的作用。2023 年公司一般及行政
37、开支为 2.59 亿元,同比-4%;2023 年研发费用为 3.79 亿元,同比+2%,公司研发费用增速的放缓并非由于对研发端投入的降低,而是公司研发效率得到提升,成本得到了控制。我们认为,公司近年来研发端投入力度加大,积极布局各种大模型的开发,以及机器学习平台和底层数据库的提升,该研发费用未来有望帮助公司的技术实现进一步的突破,进而帮助公司将前置研发成本转换为收入端释放的动力。图 17:2019A-2023A 公司三费支出(百万元)及占营收比重图 18:2019A-2023A 公司研发费用开支(百万元)及占营收比重资料来源:公司公告,天风证券研究所(其中三费指管理、销售、财务)资料来源:公司
38、公告,天风证券研究所2.金融数智化“积厚成势”,行业大模型“落地开花”中国产业数字化转型加速,金融科技企业有望“乘风而起”。2023 年 2 月,中共中央印发了数字中国建设整体布局规划,将在我国数字经济规模达 50 万亿元的基础上继续加快建设数字中国。根据中国 AI 数字商业产业展望 2021-2025,2020-2025 年中国 GenAI市场预计 CAGR 达 84%,2025 年 GenAI 市场规模有望达到 2070 亿元。彭博数据显示,港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明132022 年 GenAI 行业的全球市场收入达 400 亿美元,并且以平均每年 4
39、0%的增长率迅速上升。细分产业方面,银行业、保险业等金融行业正依靠数字化转型提升运营效率、加速发展。保险业方面,依靠 AI 赋能保险产品配置、智能客服、定损理赔等多个应用场景,2015 至 2023 年中国原保险收入规模的 CAGR 为 9.79%。图 19:中国 GenAI 市场规模(单位:亿元)图 20:中国原保险收入规模变化图(单位:亿元)资料来源:中国 AI 数字商业展望 2021-2025,前瞻产业研究院,天风证券研究所资料来源:国家金融监督管理总局,天风证券研究所政策推动金融科技从“立柱架梁”迈入“积厚成势”新阶段。2019 年 8 月,人民银行发布了金融科技(FinTech)发展
40、规划(20192021 年)提出到 2021 年建立健全我国金融科技发展的“四梁八柱”。经过 3 年的探索与实践,上述目标已基本实现,金融科技正在成为驱动金融业产业数字化变革的重要引擎。2021 年末,人民银行发布了金融科技发展规划(20222025 年),明确以加强金融数据要素应用为基础,以加快金融机构数字化转型、强化金融科技审慎监管为主线,将数字元素注入金融服务全流程,将数字思维贯穿业务运营全链条,注重金融创新的科技驱动和数据赋能,推动我国金融科技从“立柱架梁”全面迈入“积厚成势”新阶段。图 21:金融科技从“立柱架梁”迈入“积厚成势”新阶段资料来源:中国人民银行,中国政府网等,天风证券研
41、究所金融科技投入增势显著,数智化建设力度加大。以商业银行为例,根据 10 家境内大型商业银行 2022 年年报披露的数据,金融科技领域投入占营业收入的平均比例超过 3.5%,平均增速约为 11%。为实现金融科技的可持续发展,各行也在人才储备方面持续发力。其中,工商银行金融科技人员达 3.6 万人,数量位居行业第一;工商银行、招商银行、兴业银行和中信银行科技人员占比均达 8%以上。我们认为,得益于市场的青睐、国家的支持以及企业的持续投入,中国的金融数智化已成为行业的大概率趋势,并有望逐步扩展到金融领域港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明14的各个细分市场中,为金融科技
42、企业的高质量发展注入动能。表 1:2022 年商业银行金融科技投入表金融科技投入(亿元)增速占营业收入比例金融科技人员工商银行262.240.91%2.86%金融科技人员 3.6 万人,占全行员工的 8.3%建设银行232.90-1.21%2.83%金融科技人员数量 15,811 人,占集团人数的4.2%农业银行232.1113.05%3.20%科技人员 10,021 人,占比 2.2%中国银行215.4115.70%3.49%科技条线员工 13,318 人,占比 4.35%招商银行141.686.60%4.51%未披露交通银行116.3132.93%5.26%金 融 科 技 人 员 5,86
43、2 人,较 上 年 末 增 长29.15%,占集团员工总人数 6.38%,较上年末上升 1.35 个百分点邮储银行106.526.20%3.18%总行 IT 队伍增加至 4,294 人,全行超过 6,300人中信银行87.4916.08%4.14%科技人员(不含子公司)达 4,762 人,较上年末增长 11.11%,科技人员占比达 8.40%兴业银行82.5129.65%3.71%科技人员 6,699 人,较上年末增长 102.82%平安银行69.29-6.15%3.85%未披露资料来源:德勤中国银行业 2022 年发展回顾及 2023 年展望,天风证券研究所2.1.中国金融业数智化的三大需求
44、传统信用数据是指国家和个人征信机构提供的个人征信报告中所涉及的信贷额度、借款还款、违约违法等数据信息;替代数据是传统征信信息之外的信用信息。世界银行国际征信委员会(ICCR)认为替代数据主要指通过非传统征信信息获取方式采集的信息,通常是在科技平台和电子平台采集的数字化形式信息。我们认为,近年来征信行业改革创新加速的底层逻辑在于替代信用数据倒逼金融风控创新。伴随金融科技的高速发展,行业大模型和人工智能得到广泛应用,银行和消费金融平台通过数据经纪人、金融科技公司、数据分析服务公司等间接使用了大量的替代信用数据,颠覆了传统金融机构的经营模式,使信贷服务快速渗透到传统信贷体系之外的“金融白户”,加速了
45、普惠金融的落地进程。图 22:传统信用数据与替代信用数据资料来源:中国产业经济信息网,中国人民银行征信中心,中国银行保险报网,天风证券研究所港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明15我们认为,从全球发展状况来看,金融机构数智化转型是行业发展的大概率趋势,金融科技的广泛使用将提升金融机构效率,打通各业务间交流堵点,使传统业务之间的联系更加紧密。然而,国内征信体系数智化转型面临征信数据缺乏、征信体系发展不均、不良贷款数量上升、对长尾客户关注度不高等问题,亟待通过引入大数据决策模型对征信人开展全维度智能分析,减少不良贷款率,降低征信边际成本,扩大中国征信体系的规模效应。中国
46、金融数字化起步较晚,征信体系发展不充分不均衡。截至 2023 年末,人民银行征信系统收录 11.6 亿自然人、收录 1.3 亿户企业和其他机构信息,其中至少 2.88 亿自然人是金融白户(根据我们的合理估计得出)。此外,截至 2024 年 1 月,在人民银行分支机构备案的企业征信机构有 149 家,整体数量较少、企业量级较小。目前我国个人征信机构中,只有百行征信和朴道征信两家获得牌照。另外,中国征信行业目前仍集中在经济较为成熟、经济发达的北京、上海、广东、浙江地区,其他地区的覆盖广度和深度相对更弱。横向对比世界各国的征信体系建设情况,我们发现中国的金融白户比例为总人口的20%,比例是美国的 2
47、.8 倍、日本的 10 倍。我们认为,中国征信体系的不完整和不均衡极大地增加了金融机构进行信用评估的难度,凸显了市场对智能信用数据分析服务的强烈需求。图 23:2021 年世界各国金融白户比例(%)资料来源:Merchant Machine,天风证券研究所商业银行不良贷款额上升,催生智能风险管理需求。银保监会的数据显示,2017-2022 年,银行业不良贷款余额呈现上升趋势,2022 年底,不良贷款余额达到 2.98 万亿元,较 2021年底微增 0.13 万亿元。自 2020 年疫情发生,银行对普惠性小微企业贷款等关键领域的信贷支持显著增强,导致不良资产规模相应增加,2023Q3 不良贷款率
48、上升到近年的最高点2.19%。尽管近年来中央对不良贷款的重视促使不良贷款率有所下降,不良贷款余额仍缓慢上升。我们认为,商业银行不良贷款额度上升的趋势强调了银行业对于进一步发展和应用智能风险管理技术的迫切需要,以提高金融机构信贷决策的精确度和效率。图 24:商业银行不良贷款情况港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明16资料来源:国家金融监管总局,天风证券研究所长尾客户受关注度不高,盈利潜能尚未完全开发。在金融市场中,与高净值财富的客群相比,“长尾客户”指金融资产规模相对较小、贡献值较低的个人客户或小微企业客户,这类“非传统优质客户”的显著特征是数量庞大、单个客户净值较低
49、,贡献度与活跃度较低,但需求日趋个性化与多样化。由于成本、技术等因素的限制,长尾客户长期处于无效维护甚至是无人维护的状态。国家统计局的中国统计年鉴 2023显示,除收入最高的 20%人群外,其余 80%居民的年人均可支配收入为 26475 元,平均到每月为 2206 元,扣除估计生活费用后的年银行存款低于 2018 年“资管新规”的财富管理门槛(10,000元)。近年来大数据和人工智能的迅猛崛起,为商业银行维护长尾客户群体提供了洞察、整合与汇集的技术基础,降低了挖掘客户资源的成本,提供了银行服务客户的新方法、新动能;同时,互联网金融的快速发展与银行同业头部客户的激烈竞争,也开始倒逼商业银行关注
50、长尾客户资源的巨大潜力。我们认为,长尾客户蕴藏的“蓝海市场”机会较大,挖掘长尾客户的盈利潜能有可能成为新的市场趋势。图 25:长尾客户的“二八定律”资料来源:环信网,天风证券研究所2.2.中美征信产业对比,寻找前进道路我们认为,从全球发展状况来看,金融机构数智化转型是行业发展的必然趋势,金融科技的广泛使用将提升金融机构效率,打通各业务间交流堵点,使传统业务之间的联系更加紧密。然而,国内征信体系数智化转型面临征信数据缺乏、征信体系发展不均、不良贷款数量上升、对长尾客户关注度不高等问题,亟待通过引入大数据决策模型对征信人开展全维度智能分析,减少不良贷款率,降低征信边际成本,扩大中国征信体系的规模效
51、应。中国征信格局“断直连”新规下的数据分享链条。根据 2021 年人民银行发布的管理办法,平台机构在与金融机构开展引流、助贷、联合贷等业务合作中,须实现个人信息与金融机构的全面“断直连”。因此,过去金融机构直接获取信用信息的行业格局被重塑,港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明17取而代之的是“数据平台征信公司金融机构”的行业新格局,其中征信公司通过各种渠道获取自然人的公共信息、商业信息和互联网信息后,辅以数据经纪人、助贷机构售卖的补充信息,利用数据分析方的分析结果,向金融机构输出征信报告。图 26:中国征信格局资料来源:征信新规下的信用数据分享问题研究(金融发展与监
52、管科技研究中心),各公司官网等,天风证券研究所我们认为,“断直连”是互联网金融兴起多年以来国家监管部门与互联网金融机构的博弈结果,不仅有利于规范替代数据在金融行业的分享与应用流程,促进征信服务高质量发展,而且也正式宣告了国内平台企业金融业务进入常态化监管阶段。我们认为,征信业务的常态化监管是国家部门捋清数据产权、整治数据使用乱象的关键举措。尽管部分相关方会经历短期阵痛,面临运营成本上升,但“断直连”有利于从数据采集端廓清市场上的灰色产业,让征信产业真正做到正本清源、合规致远。图 27:中国平台企业金融业务整改历史资料来源:南都大数据研究院,天风证券研究所港股公司报告|首次覆盖报告请务必阅读正文
53、之后的信息披露和免责申明18美国征信格局以公平信用报告法案为核心的数据分享链条。美国的个人征信体系源于市场对信用交易的需求,其发展遵循了“先发展、后监管”的模式。从 19 世纪到20 世纪中期,美国尚未建立针对金融信用的立法,征信行业在联邦层面几乎不受法律和政府监管,主要依靠市场自我调节;直至 20 世纪 70 年代,美国开始制定一系列与信用相关的法规,逐步建立起以公平信用报告法(Fair Credit Reporting Act,FCRA)为核心的征信体系。其中,数据采集方(金融征信报告机构、专业征信报告机构和数据经纪商)通过公开检索、购买或内部传输的方式,从数据生产方和采集方获取个人和商业
54、数据。之后,数据采集方再对数据进行汇编和整合,提供给数据分析服务机构和数据使用方。图 28:美国征信格局资料来源:征信新规下的信用数据分享问题研究(金融发展与监管科技研究中心),各公司官网,天风证券研究所通过比较中美的征信产业,以及研究美国的征信数据分析服务龙头企业 Fair IsaacCorporation(FICO),我们发现:从行业监管看,美国征信体系的发展历史与中国类似,呈现“先发展、后监管”的模式;从行业标准看,美国的征信体系数字化发展更早、更全面,并且具有使用替代信用数据的长期历史经验。Fair Isaac Corporation(FICO)是美国数据分析服务市场中的龙头企业,其客
55、户覆盖 100大金融机构中的 92 家,全世界 100 大银行的 3/4,超过 600 家保险公司,超过 300 家零售商,和超过 200 个政府部门。FICO 主要业务包括信用评分服务(Scores)和软件服务(On-premises and SaaS software)。评分业务主要包括消费者信用风险评估和行业风险评估等各类评分解决方案;应用程序业务提供满足各行业特定需求的分析与决策软件(Analytic and Decisioning Software)以及预配置解决方案(Pre-Configured Solutions),主要客户包括银行、保险公司和政府部门等。应用程序既可以在客户本地
56、安装,也可以通过 FICO 云分析平台向客户提供 SaaS 服务。FICO 为征信历史稀少的消费者评分方面投入了大量资源,旨在为金融白户扩大信用获取途径并降低借款成本。例如,FICO Score XD 使用公共记录、财产数据,以及消费者的移动电话、固定电话和有线电视缴费历史,在与标准 FICO 评分相同的 300850 分数范围内生成评分;Ultra FICO 则通过使用反映稳健财务活动的数据(如支票账户、储蓄账户或货币市场账户数据),来建立或提高消费者的信用评分。秉持“先落地、再扩张”(land and expand)的经营策略,FICO 正在由本地软件安装服务转向 SaaS 服务,向一体化
57、软件平台 FICO Platform 发展。FICO 的 23 年财报显示,FICO 的目标是将几乎所有软件产品都转移到 FICO Platform 上。例如,FICO 领先的决策管理系统 FICO Blaze Advisor,现在已经在 FICO Platform 上作为 FICO Decision Modeler供客户调用。我们认为,FICO“先落地再扩张”的策略与 SaaS 的平台调性高度契合,有利于公司利润增长。一方面,SaaS 系统集成了公司众多核心产品的关键功能,不仅提升了产品的可用性,还有助于品牌增值;另一方面,公司产品集成的过程也是客户业务流港股公司报告|首次覆盖报告请务必阅读
58、正文之后的信息披露和免责申明19程集成的过程,FICO 产品的一体化能使客户业务深度融入 FICO 的评分与决策系统,在降低部署成本、促进客户工作效率的同时提高核心客户转化率,最终逐步扩大 FICO 的基础用户群和核心客户基数。FICO 的先发优势为公司积累了深厚的行业洞察,从而奠定了 FICO 在美国征信行业的重要地位。FICO 在 1958 年为 American Investments 创建了最初的信用评分系统,并于1972 年为 Wells Fargo 开发了第一个自动化的贷款审批系统。1981 年,FICO 与 Equifax协作,推出了一个广泛适用的信用评分模型,继此之后,其他两大
59、信用报告机构也与FICO 建立了合作伙伴关系。我们认为,FICO 的“率先入局”为其建立了坚挺的市场地位。服务各类金融机构的经验,有利于 FICO 不断丰富对于金融各细分产业的理解,拓宽产品应用场景,加速大模型升级迭代;而 FICO 评分模型不断提升的精准度也加深了客户对于FICO 品牌的信任,提升了客户粘性与替换成本,最终形成“先发优势客户基群行业洞察模型迭代”的飞轮效应。2.3.通用 AI 大模型基石铺路,行业 AI 大模型春风化雨目前通用大模型的发展需要更好的模型、更多的数据和更高的算力。在当今通用大模型“算力为王”、国内算力受限的背景之下,相较于适用于多领域、多任务的通用大模型,行业大
60、模型更依赖于开发者对垂直场景的理解和海量行业数据支持,更有可能成为中国金融数据分析商的制胜赛道。相比于通用大模型,行业大模型在垂直行业内的应用中能够提供更高的准确性。我们预估,利用行业的专属数据、特色算法开发的行业大模型,生成内容质量可能更高、针对性可能更强,有利于提升业务效率和客户满意度。不仅如此,相较于通用大模型,行业大模型的“术业专精”意味着其决策成本较低、所需算力较小,且当今国内受限的算力仍可支持行业大模型发展。我们认为国内金融数智化转型的“风口”可能在于行业大模型的发展与创新。通用大模型和行业大模型的发展并非相互排斥,而是互相促进、螺旋式上升。行业大模型根本来源于通用大模型,通常都是
61、基于通用大模型采用 SFT 监督微调(SupervisedFine-Tuning)等方式训练而来。并且,如果通用模型的基础能力较强,那么行业模型的调优成本也就相对较低。在验证算法和策略时,由于行业大模型可以在较短的时间内进行迭代,验证效果,因此企业通常会优先在行业模型上进行验证和调优验证完成后,再将经验应用到通用模型上,从而提升通用模型的能力。待通用模型得到有效提升后,再对行业模型进行迭代。我们认为,具有发展通用大模型经验的企业更容易发挥通用大模型与行业大模型的“协同效应”:以通用大模型为基础,发展各种垂类模型,大大降低模型的训练、使用成本,从而加速行业大模型的迭代升级与应用落地。虽然国际企业
62、可能在通用计算能力或算法技术上占据优势,但国内企业有能力通过积累的专有数据、专业算法和深厚的行业知识搭建自身的核心优势。因此,我们认为发展行业大模型实质上是对企业在行业中积累的专有数据和算法能力的一种考验。丰富的数据调用经验、持续的大数据模型创新和广泛的客户群体有助于智能数据分析企业在金融数智化转型浪潮中占据主流。我们认为,在完成了丰富的元数据积累后,行业大模型有望进入“收获期”。从中国金融机构的数智化转型现状来看,中国行业大模型已经成功跨越电子化、信息化和大数据化,迈向 AI 大模型赋能的新阶段;其中电子化为 AI 赋能奠定了数据收集与存储的基础,信息化实现了企业业务的电子化集成,而大数据化
63、则为大模型的发展积累了丰富的行业元数据。基于当前 AI 赋能的新阶段,我们观察到行业大模型处于扩张和创新的边缘,已准备好利用其深度和广度的数据资产进行进一步的迭代升级。可以预见的是,这些模型不仅能展现特定领域的精准预测和分析能力,而且还能在不断进化的算法和计算能力的支持下,为各个行业带来差异化的优势。我们还认为,行业大模型具有展现数据分析能力、提供客户个性化服务以及风险预测和管理能力的充足潜力,有望为金融数据分析行业带来转型和升级机遇,在金融行业的数智化转型中发挥核心的推动作用。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明20图 29:AI 大模型垂类行业赋能逻辑图资料来源
64、:北大官网,36Kr,中国人工智能系列白皮书 大模型技术(2023 版)(中国人工智能学会),天风证券研究所3.竞争优势分析通过对比中美征信产业格局,我们认为百融云凭借其 7000+客户、丰富的业务经验以及专精的行业大模型,未来有望凭借丰富的客户基础和行业经验,进一步扩大市场份额并提升盈利能力。表 2:FICO 和百融云对比(截至 2023 年底)FICO百融云成立时间19562014主要业务收入和占比本地和 SaaS 软件:6.4 亿美元(42.3%)评分业务:7.7 亿美元(51.1%)专业服务:1.0 亿美元(6.6%)MaaS:8.9 亿人民币(33%)BaaS-金融行业云:11.8
65、亿人民币(44%)BaaS-保险行业云:6.0 亿人民币(23%)客户类型To B 和 To CTo B垂直领域公共部门、银行、保险、零售银行、保险、消费金融客户数累计综合客户:1245+累计服务机构客户:7000+资料来源:公司公告,天风证券研究所3.1.具备 7000+客户基群,行业数据积累丰富对于数据分析企业而言,客户基群的积累尤为重要:广泛的客户体系从侧面反映出企业在各个行业的深入洞察;丰富的客户服务经验以及日以亿计的模型调用次数则有利于不断促进和彰显企业的核心竞争力。2018 年,公司与工商银行、美团等 33 家科技和金融公司组成了“信易+”联盟,通过加强信用信息共享平台与金融机构的
66、合作,致力于缓解小微企业“融资难、融资贵”的问题。如今,经过多年的行业沉淀,百融云已与 7000+公司达成合作关系,覆盖银行业(中国工商银行、中国建设银行等)、保险业(中国人寿、中国平安等)、汽车金融业(上汽、大众等)多个行业。R&D 方面,百融云还分别与人大商学院和清华五道口合作,致力于促进金融、大数据、人工智能等领域的融汇与创新。我们认为,百融云优质的行业合作伙伴以及丰富的行业数据沉淀,已为百融云建设了良好的商誉,也构成了公司未来持续取得竞争优势的基础。3.2.构建完整 AI 体系,发挥通用、行业大模型协同效应公司通过构建决策式 AI 和生成式 AI 的技术体系,紧密结合行业需求,开发出多
67、元化的产品和服务,能够有效提升金融机构的运营效率和风险控制能力。结合公司在数据分析、模型构建、行业应用等方面的技术积累,以及对行业大模型的持续投入和优化,预期将为公司打开更广阔的市场空间,并持续提升其在金融科技领域的竞争优势。我们认为,公司以通用大模型 BR-LLM 为基础框架,垂直建构信贷大模型、财富大模型、保险大模型、电商大模型等,充分发挥了通用大模型与行业大模型共同发展的协同效应。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明21图 30:百融云 AI 体系资料来源:公司业绩报告,天风证券研究所3.3.积累行业数据、搭建大模型基础,公司应用率先起步公司服务超过 7000
68、 家客户,日处理调用量达数亿次,针对特定行业的深度定制化模型能够更准确地理解和预测行业动态,提供更为贴合实际业务需求的解决方案。这种针对性不仅使得模型的应用更为广泛,也大大提高了决策的效率和准确性。我们认为,公司充分发挥了行业大模型更易落地、迭代成本更低的优势,在征信行业巩固优势地位。公司在行业大模型的开发和应用中,尤其得益于行业大模型的快速迭代能力,加速应用落地。由于行业数据的快速更迭,模型需要持续学习最新数据以保持其预测的准确性和有效性。我们认为,公司依托于其庞大的数据处理能力和先进的算法优化技术,能够快速更新和优化其行业大模型,使客户及时准确地响应市场变化。此外,与通用大模型相比,行业大
69、模型的定制化程度更高,这使得其在特定场景下的应用效果更佳,同时也降低了企业在基础业务上的人力成本。我们认为,公司行业大模型的业务适配性、快速响应能力和迅速迭代等特点,使得公司在金融科技领域具有强大的竞争力。通过不断深化和扩展行业大模型的应用范围,公司有望进一步巩固其在行业中的领先地位,推动金融科技服务向更高水平发展。4.盈利预测与估值我们认为,随着数字中国建设整体布局规划的发布和金融科技发展规划的持续推进,数智化程度有望快速发展,行业大模型低迭代成本和高准确性有望提升金融服务效率和风险控制能力,公司潜在发展空间可观。在我国高端 GPU 芯片 A100 与 H100 受限,国内算力受阻的背景下,
70、公司以通用大模型为基础框架,垂直建构四类行业大模型,发挥二者协同效应,降低了我国高端 GPU 芯片受限的不利影响。同时通过长期积累,公司服务超过 7000 家客户,覆盖 6 大国有银行、12 家全国性股份制银行、上千家城农商银行、保险公司等金融机构及各类垂直企业客户,日处理调用量达数亿次,自身客户和数据优势,叠加行业大模型低迭代成本且易落地优势,促进公司征信行业业务发展。按照公司规划来看,公司已经将业务结构根据收费模式和底层技术重新分为两个部分:MaaS 和 BaaS,专注于帮助金融机构控制住风险,帮助金融机构提升收入,帮助金融机构运营存量用户和用户的资产。基于决策式 AI 的“按需供给”Ma
71、aS,业务场景逐步覆盖非金融领域,如电商、出行等,成为盈利增长“压舱石”;基于决策、生成式 AI 的 BaaS 依托公司技术和大量行业数据训练相比于通用大模型实现更快应用落地,未来仍有较大空间。我们认为,二者为公司营收的稳定和增长动能提供了空间。公司是 AI 驱动的 SaaS 云平台公司,打造了决策式 AI 和生成式 AI 两种相辅相成的 AI 技术方案,并提出 MaaS(模型即服务)+BaaS(业务即服务)的服务模式。可比估值方面,港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明22我们认为应选择 SaaS 类或金融科技相关企业作为可比公司。我们预计公司 2024-2026
72、年收入分别为 30.8/37.0/43.4 亿元人民币,收入增速分别为15%、20%、18%。我们认为,公司收入未来三年保持较高增速的原因是 AI 发展大背景下机构客户逐渐重视对客户的深度经营,对公司 MaaS 和 BaaS 服务,尤其是 BaaS 端金融行业云服务需求的持续增长。对于 MaaS 业务,我们预计 2024-2026 年收入分别为 9.9/11.0/12.1 亿元,收入增速分别为 11%、12%、10%。预测逻辑采用“核心客户数*核心客户平均收入/核心客户收入贡献率”:我们认为,受益于金融服务供应商逐渐重视对存量客户的深度经营以及公司基于自身技术优势的模型产品不断丰富、定制化解决
73、方案不断发展,客户使用量有望大幅提升,带动核心客户数量提升;同时随着技术发展、服务深化,提供高附加值,收费标准有望提升。二者结合,核心客户数和核心客户平均收入提升带动 MaaS 业务收入增长。对于 BaaS 金融行业云业务,我们预计 2024-2026 年收入分别为 14.5/19.0/24.0 亿元,收入增速分别为 22%、31%、27%。预测逻辑采用“资产交易规模*技术服务费率”:我们认为,收入主要受资产交易规模影响,公司与机构客户的合作不断拓展和加深;生成式AI 上的获客优势,持续提升获客效率;业务多元场景不断拓展等因素促进公司资产交易规模持续增长,进而带动收入增长。对于 BaaS 保险
74、行业云业务,我们预计 2024-2026 年间收入分别为 6.4/7.0/7.3 亿元,收入增速分别为 6%、9%、5%。预测逻辑采用“首次保费*首次保费服务费率+续期保费*续期保费服务费率”:我们认为,费率略微下降的情况下,首次保费和续期保费规模决定收入。保险行业执行新规则,短期内对行业产生影响,叠加经济与收入放缓,导致缴费久期有所缩短。但公司得益于决策式 AI 和生成式 AI 的科技赋能和效率赋能,使得保费规模稳步增长,未来有望保持增速。对于公司的毛利润,我们预计 2024-2026 年毛利润分别为 22.1/27.4/32.2 亿元,毛利润增速分别为 13%、24%、18%,毛利率分别为
75、 72%、74%、74%。我们认为,伴随着公司业务进一步扩张带来的营收增长,毛利润同样有望实现可观的增速。营收增长的同时会带来营业成本的提升,但考虑到公司 AI 大模型对内部的降本增效,预计其效果不仅仅体现在其经营费用控制方面,公司对其营业成本的把控也将日趋成熟,预计公司未来毛利率有望继续得到提升。图 31:公司各业务收入拆分(百万元)资料来源:公司公告,天风证券研究所我们预计公司 2024-2026 归母净利润为 3.9/5.3/5.8 亿元。根据一致预期,选取标的的平均 PE(2024E)水平为 23.33 倍,考虑到港股的流动性折价,应给予其 2024 年略低于平港股公司报告|首次覆盖报
76、告请务必阅读正文之后的信息披露和免责申明23均估值的 18 倍估值,对应市值为 70.2 亿元,目标股价 15.50 港元,给予“买入”评级。表 3:百融云可比公司估值水平(截止 2024 年 6 月 17 日)代码证券简称PE总市值(十亿元)300674.SZ宇信科技21.078.161860.HK汇量科技13.234.12600570.SH恒生电子22.1136.39002373.SZ千方科技20.9014.639878.HK汇通达22.554.20688475.SH萤石网络40.1128.87资料来源:彭博,天风证券研究所5.风险提示(1)港股市场流动性不及预期港股容易受到市场流动性的影
77、响,若未来流动性恶化,可能对百融云的市值产生影响。(2)AI 科技发展及应用落地不及预期AI 科技发展到行业应用存在转化时间,可能转化时间长于预期。公司 MaaS 业务已经较为成熟,因此新场景的拓展、新产品的开发可能遭遇瓶颈;公司 AvatarGPT 数字人交互一体机作为全新的技术,目前未得到广泛的应用,因此未来应用落地的成果仍然存在不确定性。(3)宏观经济复苏不及预期大众投资理财以及信贷的需求恢复可能不及预期,外加在当下环境金融机构对开销的控制,可能对百融云业绩产生不利影响,进而导致百融云未来收入以及利润增速不及预期。(4)公司的成本控制不及预期公司在积极布局各种新场景,并且加大对 AIGC
78、 的研发投入,这可能导致成本控制变得较为困难;如果公司投入前置成本过多,且短时间无法找到应用场景并使收入得到释放,这将对公司的利润以及经营活动现金流产生负面影响。(5)估值体系差异风险选取的可比公司与百融云在不同证券交易所上市,存在一定的估值体系差异风险。(6)数据保密和法律相关风险未能遵守数据保密及保护的法例及规例可能对公司业务及经营业绩造成重大不利影响。法律、法规或标准的收紧对金融机构或非金融机构造成的影响可能对业务造成重大不利的损害(7)公司牌照无法续期风险根据 23 年报,公司保险业务持有的牌照系业务合并中获得,法定年限 3 年。公司牌照持有到期后,若无法续期,将对公司经营造成不利影响
79、。港股公司报告|首次覆盖报告请务必阅读正文之后的信息披露和免责申明24分析师声明本报告署名分析师在此声明:我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力,本报告所表述的所有观点均准确地反映了我们对标的证券和发行人的个人看法。我们所得报酬的任何部分不曾与,不与,也将不会与本报告中的具体投资建议或观点有直接或间接联系。一般声明除非另有规定,本报告中的所有材料版权均属天风证券股份有限公司(已获中国证监会许可的证券投资咨询业务资格)及其附属机构(以下统称“天风证券”)。未经天风证券事先书面授权,不得以任何方式修改、发送或者复制本报告及其所包含的材料、内容。所有本报告中使用的商标、
80、服务标识及标记均为天风证券的商标、服务标识及标记。本报告是机密的,仅供我们的客户使用,天风证券不因收件人收到本报告而视其为天风证券的客户。本报告中的信息均来源于我们认为可靠的已公开资料,但天风证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供客户参考,不构成所述证券买卖的出价或征价邀请或要约。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求,在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估,并应同时考量各自的投资目的、财务状况和特定需求,必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成
81、的一切后果,天风证券及/或其关联人员均不承担任何法律责任。本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期,天风证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。天风证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。天风证券没有将此意见及建议向报告所有接收者进行更新的义务。天风证券的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。特别声明
82、在法律许可的情况下,天风证券可能会持有本报告中提及公司所发行的证券并进行交易,也可能为这些公司提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。因此,投资者应当考虑到天风证券及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突,投资者请勿将本报告视为投资或其他决定的唯一参考依据。投资评级声明类别说明评级体系股票投资评级自报告日后的 6 个月内,相对同期恒生指数的涨跌幅行业投资评级自报告日后的 6 个月内,相对同期恒生指数的涨跌幅买入预期股价相对收益 20%以上增持预期股价相对收益 10%-20%持有预期股价相对收益-10%-10%卖出预期股价相对收益-10%以下强于大市预期行业指
83、数涨幅 5%以上中性预期行业指数涨幅-5%-5%弱于大市预期行业指数涨幅-5%以下天风证券研究北京海口上海深圳北京市西城区德胜国际中心B 座 11 层邮编:100088邮箱:海南省海口市美兰区国兴大道 3 号互联网金融大厦A 栋 23 层 2301 房邮编:570102电话:(0898)-65365390邮箱:上海市虹口区北外滩国际客运中心 6 号楼 4 层邮编:200086电话:(8621)-65055515传真:(8621)-61069806邮箱:深圳市福田区益田路 5033 号平安金融中心 71 楼邮编:518000电话:(86755)-23915663传真:(86755)-82571995邮箱: