1、 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 海海外外研研 究究 公公司司深深 度度 研研 究究 报报 告告 证券研究报告证券研究报告 industryId 美股软件美股软件 investSuggestion 增持增持 (首次首次 ）marketData 市场数据市场数据 日期 2023-07-28 收盘价（美元）411.62 总股本（百万股）70.58 流通股本（百万股）70.58 净资产（百万美元）792 总资产（百万美元）2581 每股净资产（美元）11.23 来源：WIND，兴业证券经济与金融研究院整理 relatedReport 相关报告相关报告 海

2、外海外 TMT 研究研究 emailAuthor 分析师：洪嘉骏 SFC：BPL829 SAC：S02 周路昀 SAC：S02 请注意：周路昀并非香港证券及期货事务监察委员会的注册持牌人，不可在香港从事受监管的活动 assAuthor MDB .O dyCompany MongoDB 美股美股 title 乘乘 AI 之风之风，文档数据库龙头再启航文档数据库龙头再启航 createTime1 2023 年年 7 月月 29 日日 投资要点投资要点 summary 文档数据库龙头，收入增长强劲。文档数据库龙头，收入增长强劲。MongoDB 起步于文档数

3、据库产品，通过开源社区生态扩大用户规模，并积极云转型趋势，逐渐发展为多功能开发者数据平台。2021 年 MongoDB 全球非关系型数据库市场份额占比 5.6%，排名第 4。公司 2023 财年实现收入 12.84 亿美元，同比增长 47%；Non-GAAP 净利润为 0.65亿美元，Non-GAAP净利率为 5.0%（同比+6.1pcts），首次转正。全球数据库市场规模快速增长，非关系型数据库是重要增长驱动。全球数据库市场规模快速增长，非关系型数据库是重要增长驱动。2021 年全球数据库市场规模为 795亿美元，根据 Gartner和前瞻产业研究院数据，预计2021-2026 年全球数据库市

4、场规模 CAGR 达 21.27%。从增速来看，非关系型数据库显著快于关系型数据库。从细分来看，全球非关系型数据库市场中，2021年AWS、Google、阿里巴巴、MongoDB以43.3%、18.6%、5.8%、5.6%的市场份额占比排名前 4。从发展趋势来看，云数据库与非关系型数据库成为主流，生成式 AI 浪潮下向量数据库或扮演重要角色。产品体系部署完善，开源社区模式推动用户规模迅速扩展。产品体系部署完善，开源社区模式推动用户规模迅速扩展。MongoDB 逐步形成完善的核心产品体系，包括社区版 Community Server、企业版 Enterprise Advanced、面向移动市场的

5、 Realm、云数据库平台 Atlas。公司通过积极的营销策略打造 MongoDB 免费社区版吸引用户，并通过多次迭代后推出MongoDB Atlas 云服务、MongoDB 企业版等收费产品或服务，开辟商业化路径。得益于 MongoDB 丰富的产品体系与合理的商业模式，用户规模迅速扩张，客户 ARPU 持续提升。云中立战略顺势而为，积极布局向量搜索以扩大优势。云中立战略顺势而为，积极布局向量搜索以扩大优势。云服务方面，MongoDB 租用第三方云服务器以部署云数据库服务 Atlas，采取云中立战略，支持所有的主流云环境，顺应多云融合趋势，面对公有云厂商竞争优势明显。生成式 AI 浪潮下，Mo

6、ngoDB 数据库积极引入向量搜索功能，简化 AI驱动型应用程序的开发；Atlas 添加 Stream Processing 功能，处理高速复杂数据流；与谷歌云合作，Atlas 嵌入谷歌大模型，加速生成式 AI 应用开发。投资建议：公司持续受益于投资建议：公司持续受益于 AI 浪潮为非关系型数据库市场带来的增量，我浪潮为非关系型数据库市场带来的增量，我们预计们预计 2024/2025/2026 财年公司将实现营收财年公司将实现营收 15.32/18.78/22.98 亿美元，同比亿美元，同比+19.3%/+22.5%/+22.4%，Non-GAAP 净利润为净利润为 1.37/1.89/2.7

7、5 亿美元。参考亿美元。参考同行业公司估值，给予公司同行业公司估值，给予公司 2024财年财年 20 x PS估值，对应目标市值为估值，对应目标市值为 306.4亿亿美元，首次覆盖给予美元，首次覆盖给予“增持增持”评级。评级。风险提示：生成式风险提示：生成式 AI 发展不及预期，订阅收入增长不及预期，客户流失风发展不及预期，订阅收入增长不及预期，客户流失风险险 主要财务指标主要财务指标 主要财务指标 会计年度会计年度 2023A 2024E 2025E 2026E 营业收入营业收入(百万美元百万美元)1284 1532 1878 2298 同比增长同比增长 47.0%19.3%22.5%22.

8、4%毛利率毛利率 72.8%73.9%74.5%75.0%Non-GAAP净利润净利润(百万美元百万美元)65 137 189 275 Non-GAAP净利润率净利润率 5.0%9.0%10.1%12.0%Non-GAAP 稀释稀释 EPS（美元）（美元）0.81 1.70 2.34 3.40 来源：WIND，兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -2-海外公司海外公司深度深度研究研究报告报告 Key DataKey Data July.28,2023 Closing Price（USD）411.62 Total Share

9、s(Mn)70.58 Shares Outstanding(Mn)70.58 Net Assets(USD/Mn)792 Total Assets(USD/Mn)2581 BVPS(USD)11.23 Source:Wind，Industrial Securities Research Institute AnalystAnalyst Hong JiajunHong Jiajun SFC：BPL829 SAC：S02 ZhouZhou LuyunLuyun SAC：S02 Zhou Luyun is not license holder regist

10、ered at the Securities and Futures Commission(SFC),and are not allowed to engage in regulated activities in Hong Kong.OutperformOutperform(Initiate)American stock American stock SoftwareSoftware MMongoongoDBDB Stock ConnectStock Connect (NYSENYSE)(MDB.OMDB.O)Taking the wind of AI,the document databa

11、se leader Taking the wind of AI,the document database leader set sail againset sail again July.29,2023 Highlights MongoDB is a document database leader with strong revenue growth.MongoDB started as a document database product,expanding its user base through the open source community ecosystem,and ha

12、s gradually evolved into a multi-functional developer data platform with a positive trend of cloud transformation.MongoDB ranked No.4 in non-relational databases with a market share of 5.6%in 2021.The company achieved revenue of 1.284 billion US dollars in FY2023(YoY+47%);Non-GAAP net income was 65

13、million US dollars,and Non-GAAP net profit margin was 5.0%(YoY+6.1pcts),turning positive for the first time.Global database market size is growing rapidly,non-relational database is an important growth driver.Global database market size is 80 billion US dollars in 2021,of which CAGR is expected to b

14、e 21.13%during 2021-2026.In terms of growth rate,non-relational database is significantly faster than relational database.From the segmentation point of view,in the global non-relational database market,AWS,Google,Alibaba,MongoDB ranked the top 4 with 43.3%,18.6%,5.8%,5.6%market share in 2021.From t

15、he development trend point of view,the cloud database and the non-relational database has become the mainstream,and the vector database under the wave of generative AI may play an important role.The product system is well deployed,and the open source community model drives the rapid expansion of use

16、r scale.MongoDB has gradually formed a complete core product system,including Community Server,Enterprise Advanced,Realm for the mobile market,and Atlas,a cloud database platform.Through aggressive marketing strategies,the company has created a free community edition of MongoDB to attract users,and

17、launched paid products or services such as MongoDB Atlas cloud service and MongoDB Enterprise Edition through multiple iterations to open up a path for commercialization.Thanks to MongoDBs rich product system and reasonable business model,the user scale is expanding rapidly and customer ARPU continu

18、es to increase.The cloud-neutral strategy follows the trend and actively lays out vector search to expand its advantages.In terms of cloud services,MongoDB rents third-party cloud servers to deploy cloud database service Atlas,adopting a cloud-neutral strategy,which supports all mainstream cloud env

19、ironments.The company conforms to the trend of multi-cloud convergence,and has an obvious competitive advantage in the face of public cloud vendors.Under the wave of generative AI,MongoDB database actively introduces vector search function to simplify the development of AI-driven applications.Atlas

20、adds Stream Processing function to deal with high-speed and complex data streams.Whats more,in cooperation with Google Cloud,Atlas embeds Googles big model to accelerate the development of generative AI applications.Earnings forecasts and investment recommendations:The company continues to benefit f

21、rom the boom of AI for the non-relational database market to bring incremental volume,.Therefore we expect 2024/2025/2026 fiscal year the company will achieve revenue of 1532/1878/2298 million US dollars(YoY+19.3%/+22.5%/+22.4%),Non-GAAP net profit of 137/189/275 million US dollars.With reference to

22、 the valuation of companies in the same industry,the company is valued at 20 x PS in FY2024,corresponding to a target market capitalization of 30.64 billion US dollars,and the rating of outperform will be given for the initiated coverage.Potential risks:1)Weaker-than-expected growth in generative AI

23、;2)Weaker-than-expected subscription revenue growth;3)Customer churn risk.Key Financial Indicators zycwzb|主要财务指标 FY 2023A 2024E 2025E 2026E Revenue(Mn/USD)1284 1532 1878 2298 YoY 47.0%19.3%22.5%22.4%Gross Margin 72.8%73.9%74.5%75.0%Non-GAAP Net Profit(Mn/USD)65 137 189 275 Non-GAAP Net Profit Margin

24、 5.0%9.0%10.1%12.0%Non-GAAP Diluted EPS(USD)0.81 1.70 2.34 3.40 Source:Company Disclosure,Industrial Securities Research Institute 1XpYXZRZmWyX9PcM7NsQoOpNtQkPqQrOkPoNmNbRoOxOwMoMvMMYqQzQ 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -3-海外公司海外公司深度深度研究研究报告报告 目目 录录 1、MongoDB：文档数据库龙头公司.-5-1.1、前瞻布局非关系型数据库，顺应数据

25、库变革浪潮.-5-1.2、财务表现：收入增长强劲，云平台是重要驱动.-8-2、数据库行业：非关系型数据库增长提速，云化与向量化大势所趋.-9-2.1、简介：关系型数据占主要地位，非关系型提速增长.-9-2.2、数据库市场规模快速增长，头部云厂商及新兴厂商崭露头角.-16-2.3、云转型顺势而为，向量化成重要布局方向.-18-3、MongoDB：开源社区为基，云平台驱动增长.-20-3.1、产品布局渐趋完善，助力客户规模快速增长.-20-3.2、开发者需求导向，积极营销策略沉淀开源社区.-23-3.3、数据库云化转型，云中立策略巩固优势地位.-28-3.4、拥抱生成式 AI 浪潮，加码向量搜索+

26、数据湖.-32-4、盈利预测与估值.-34-图目录图目录 图 1、MongoDB 发展历程.-5-图 2、MongoDB 股权结构.-7-图 3、2015-2023 财年 MongoDB 收入及其增速.-8-图 4、2015-2023 财年 MongoDB 收入结构.-8-图 5、2015-2023 财年 MongoDB 毛利润及毛利率.-9-图 6、2015-2023 财年 MongoDB 研发费用率、营销费用率与管理费用率.-9-图 7、2015-2023 财年 MongoDB 经营利润及经营利润率.-9-图 8、2015-2023 财年 MongoDB Non-GAAP 净利润及净利率.

27、-9-图 9、数据库架构.-10-图 10、数据库发展历程.-10-图 11、数据库分类.-11-图 12、关系型数据库数据组织结构.-11-图 13、图形数据库结构.-14-图 14、文档数据库结构.-14-图 15、键值数据库结构.-14-图 16、列式数据库结构.-14-图 17、向量数据库数据存储流程.-15-图 18、向量数据库数据查询流程.-15-图 19、2017-2026E 全球数据库市场规模及增速.-16-图 20、2017-2021 年全球关系型与非关系型数据库市场规模.-16-图 21、2017-2021年全球数据库市场份额变化.-17-图 22、2015/2017/20

28、19/2020 年 MongoDB 数据库市场份额.-17-图 23、2023 年 7 月 DB-Engine 数据库流行度排名.-17-图 24、2022 年全球关系型数据库市场份额.-17-图 25、2021 年全球非关系型数据库市场份额.-17-图 26、2022-2023E 全球数据库市场部署方式占比.-18-图 27、2010-2025E 全球创建、使用和存储的数据量变化.-19-图 28、2023E-2026E全球生成式 AI 支出.-19-图 29、MongoDB 产品矩阵.-20-图 30、2016-2023 财年 MongoDB 分地区收入及其增速.-21-请务必阅读正文之后

29、的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -4-海外公司海外公司深度深度研究研究报告报告 图 31、2016-2023 财年 MongoDB 分地区收入占比.-21-图 32、2015-2023 财年 MongoDB 订阅收入情况.-21-图 33、2015-2023 财年 MongoDB 服务收入情况.-21-图 34、2015-2023 财年 MongoDB 订阅毛利及毛利率.-22-图 35、2015-2023 财年 MongoDB 服务毛利及毛利率.-22-图 36、2016-2023 财年 MongoDB 用户数.-22-图 37、2016-2023 财年 Mong

30、oDB ARR 超过 10 万美元客户数.-22-图 38、2016-2023 财年 MongoDB ARPU 及其增速.-23-图 39、MongoDB 主要组件架构视图.-23-图 40、MongoDB 分片技术.-24-图 41、MongoDB 负载均衡技术.-24-图 42、MongoDB 复制集结构.-25-图 43、FY16Q1-FY18Q4 MongoDB 营销费用及费用率.-28-图 44、MongoDB 产品业务模式.-28-图 45、Atlas 统一数据库管理技术.-29-图 46、Atlas 3 节点配置保证高可用性.-29-图 47、2017-2023 财年 Mongo

31、DB Atlas 收入及其占总收入比重.-30-图 48、2018-2023 财年 MongoDB 总收入及 Atlas 收入增速.-30-图 49、2017-2023 财年 MongoDB Atlas 用户数.-31-图 50、2018-2023 财年第三方云基础设施费用增加及其占比.-31-图 51、MongoDB 向量搜索功能流程.-32-图 52、MongoDB Atlas Stream Processing 架构.-33-图 53、公司市销率 PS(TTM)情况.-35-表目录表目录 表 1、公司高管简介.-6-表 2、关系型数据库与非关系型数据库对比.-12-表 3、非关系型数据库

32、主要类型.-13-表 4、云托管与云原生对比.-18-表 5、Serverless 特征.-19-表 6、MongoDB与 MySQL插入性能对比.-25-表 7、MongoDB与 MySQL查询性能对比.-26-表 8、关系型数据库和 MongoDB 结构单位对标.-26-表 9、MongoDB数据库特点及适用场景.-27-表 10、Atlas 定价模式.-29-表 11、数据仓库、数据湖对比.-33-表 12、公司盈利预测.-34-表 13、可比公司估值一览表.-35-请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -5-海外公司海外公司深度深度研究研究报告报

33、告 报告正文报告正文 1、MongoDB：文档数据库龙头公司：文档数据库龙头公司 1.11.1、前瞻布局非关系型数据库，顺应数据库变革浪潮前瞻布局非关系型数据库，顺应数据库变革浪潮 MongoDB 起步于文档型数据库产品，通过开源软件社区生态扩大用户规模，在上云趋势下主动求变，提供云数据库服务，目前已成为海外文档数据库领域的龙头公司。图图 1、MongoDB 发展历程发展历程 资料来源：占优智能，兴业证券经济与金融研究院整理 初创期（初创期（2007-2013 年）：推出文档数据库产品，深耕社区吸引用户。年）：推出文档数据库产品，深耕社区吸引用户。2007 年10gen 公司创立，主要开发非关

34、系型数据库产品以应对流量激增。经过近 2 年开发，2009 年 10gen 推出文档数据库 MongoDB，采用文档模型存储数据，旨在为典型应用场景(如内容服务)提供海量数据的存储服务。2009-2011 年 10gen 通过开源社区和积极的营销策略扩大 MongoDB 的影响力，吸引开发人员参与社区互动。2012 年 6 月 MongoDB 2.0 产品发布，引入聚合管道，可以将多个数据处理步骤组合成一个操作链。2013 年 10gen 正式更名为 MongoDB 公司，专注于数据库产品，并发布 MongoDB 企业版，提供监控和安全集成等附加功能。完善期（完善期（2014-2016 年）：

35、收购完善产品性能，布局云端服务。年）：收购完善产品性能，布局云端服务。为弥补 MongoDB早期版本存储引擎较弱的问题。MongoDB 于 2014 年收购了存储引擎产品公司WiredTiger。2015 年 MongoDB3.0 版本发布，包含 WiredTiger 存储引擎、可插拔2007 年 10gen（后称为MongoDB）公司创立 2009年2月MongoDB 1.0 发布，成立开源社区，通过社区运营MongoDB 2012 年 6 月 MongoDB2.0 发布，引入聚合框架、全文搜索和地理空间索引 2013 年 MongoDB 推出第一 款商 业版本MongoDB Enterpr

36、ise Advanced 2015 年 3 月 MongoDB 3.0 发布，包含了 WiredTiger 存储引擎、可插拔存储引擎 API，增加了 50 个副本集限制和安全改进 2016年MongoDB推出Atlas服务，MongoDB Atlas 与公有云服务厂商（谷歌、微软）合作 2017年，MongDB推出后端服务Stitch，提供 JavaScript，iOS 和Android 的原生 SDK，以帮助开发人员管理支持基于数据的应用程序的后端 2017年10月MongDB在纽交所上市。2018年 6月 MongoDB4.0发布，MongoDB 已经为高数据完整性需求做好了准备 2018

37、 年，MongoDB 公司以 6800 万美元收购了 MLab 2019年，MongoDB以3900 万美元收购了云计算移动数据库公司 Realm 2019 年 10 月 MongoDB 4.2 发布，开始支持分布式事务 2020年10月，MongoDB社区版4.4发布。扩展性和容错性增强，降低复制延迟，增加多集合联合聚合、复合哈希分片键和对冲读取功能。2014 年 MongoDB 收购 WiredTiger，将下一代存储引擎技术引入 MongoDB 2007-2013：推出文档数据库产品，深耕社区吸引客户：推出文档数据库产品，深耕社区吸引客户 2014-2016：收购完善产品性能，布局云端服

38、务：收购完善产品性能，布局云端服务 2017-2020：IPO 上市，上市，完善完善云业务云业务布局布局 2023 年 MongoDB 在Atlas 上推出向量搜索和数据流处理服务，与谷歌云合作开发生成式 AI 应用 2022-至今：布局至今：布局 AI+数据库数据库 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -6-海外公司海外公司深度深度研究研究报告报告 存储引擎 API、增加了 50 个副本集限制和安全改进。2016 年 MongoDB 推出MongoDB Atlas云数据库服务，与公有云服务厂商（谷歌、微软）合作。发展发展期（期（2017-2020 年

39、）：年）：IPO 上市，上市，完善完善云业务云业务布局布局。2017 年公司成立 10 周年之际，MongoDB 在纽交所上市，股票代码为“MDB.O”。2018 年公司斥资 6800万美元收购了主要在云端提供 MongoDB 服务（DBaaS）的公司 mLab。公司将mLab 集成在 MongoDB Atlas 云平台，完善云数据库服务（DBaaS）布局。2018年 6 月 MongoDB4.0 发布，提供跨文档事务处理能力，匹配高数据完整性需求。2019年公司以 3900万美元收购云计算移动数据库公司 Realm，旨在将 Atlas 发展为完善的 PaaS（平台即服务）平台，而非只提供数据

40、库服务；MongoDB4.2 发布，支持分布式事务。2020 年 MongoDB 社区版 4.4 发布，扩展性和容错性增强，降低复制延迟，增加多集合联合聚合、复合哈希分片键和对冲读取功能。成熟期（成熟期（2022 年年-至今）：至今）：生成式生成式 AI 浪潮四起，浪潮四起，布局布局向量搜索推动持续增长向量搜索推动持续增长。2023 年 MongoDB 在 Atlas 上推出向量搜索和数据流处理服务，与谷歌云合作开发生成式 AI 应用，旨在布局 AI 为数据库业务带来的增量，帮助各种类型、不同规模的企业更快速、更简单地构建生成式 AI 驱动的应用程序。管理层稳定，管理层稳定，核心高管核心高管具

41、备强专业经验。具备强专业经验。董事兼 CEO Dev Ittycheria拥有 20多年的企业家、投资者和领导者经验。在 Dev 的领导下，MongoDB 发布了全球云数据库 Atlas 等创新产品，在全球范围内迅速扩展业务；Dev 曾在 Ruby on Rails 框架的核心团队任职，开发了多个开源数据库。董事长 Tom Killalea 自 2015 年 12月起担任 MongoDB 董事会成员，自 2019 年 7 月起担任董事会主席。Tom 曾在Amazon 任职 16 年，担任 Amazon 第一位首席信息安全官，领导基础设施和分布式系统、Kindle 内容生态系统团队。公司现任 C

42、PO Sahir Azam 曾在 Sumo Logic公司工作，2016年加入 MongoDB，担任云产品和 GTM（go to market）高级副总裁，在Atlas推出之前领导MongoDB的云产品和市场战略。公司核心团队在软件开发、算法应用、数据科学等方面专业度较高。公司高管的学术背景集中于软件技术、商科和数据科学专业。多数高管在 2017 年前已加入公司，对公司的业务状况有较为深入全面的了解和把握；或是在加入 MongoDB 前就已在自身领域的头部公司拥有一定职业经验。表表 1、公司高管简介、公司高管简介 姓名 职位 简介 Dev Ittycheria 董事、CEO 自 2010年 7

43、月，Dev Ittycheria担任 MongoDB董事会成员。目前是 OpenView Venture Partners 公司的运营总监。2012 年 3 月至 2013 年 6 月，他曾担任Greylock Partners风投合伙人。Michael Gordon CFO、COO Michael Gordon 自 2009 年 5 月开始担任 MongoDB的 COO，同时自 2014 年 3 月以来，也一直担任 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -7-海外公司海外公司深度深度研究研究报告报告 MongoDB 的 CFO。在加盟 MongoDB

44、之前的 1996年至 2009 年期间，Gordon 曾在 Merrill Lynch、Pierce、Fenner 和 Smith Incorporated等公司的媒体和电信投资银行集团担任常务董事。Cedric Pech CRO Cedric Pech 自 2019年 2月起担任 CRO。在被任命为 CRO之前，Pech于 2017年 7月开始领导欧洲、中东和非洲销售部门。在加入 MongoDB 之前，他曾在企业全球云通信和协作软件平台 Fuze 工作。Sahir Azam CPO Sahir担任 MongoDB的 CPO，负责 MongoDB产品组合的产品管理、产品设计、产品营销和行业解决

45、方案。他于 2016年加入 MongoDB，担任云产品和 GTM 高级副总裁，在 Atlas 推出之前领导MongoDB 的云产品和市场战略，并帮助云业务从零增长到每年超过8亿美元。此前他在Sumo Logic公司工作。Peder Ulander CMO Peder Ulander担任MongoDB的CMO，负责公司营销工作，包括营销战略和运营、需求和现场营销、数字和增长营销、企业传播、品牌和内容营销以及产品营销。在加入MongoDB之前，Peder曾担任 AWS的企业和开发者解决方案营销总监 资料来源：MongoDB 官网，兴业证券经济与金融研究院整理 备注：CRO 首席营收官，COO 首席

46、运营官，CPO 首席产品官，CMO 首席营销官 股权结构：股权结构：公司公司同股同同股同权权，T.RowePrice公司公司拥有最大投票权。拥有最大投票权。截至 2023年 3月15 日，公司共有 7003.7 万股流通股。直接持有公司 5%以上股份的机构股东包括 T.RowePrice、The Vanguard Group、BlackRock Inc.、FMR LLC，其中最大机构股东为 T.RowePrice，持股比例为 10.8%。公司内部人员持股比例为 4.8%，其中联合创始人 Dwight Merriman 持股比例最高，为 2.6%。图图 2、MongoDB 股权结构股权结构 资料

47、来源：公司公告，兴业证券经济与金融研究院整理 10.8%8.9%6.6%6.5%67.2%T.RowePriceThe Vanguard GroupBlackRock,Inc.FMR,LLC其他 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -8-海外公司海外公司深度深度研究研究报告报告 1.2、财务表现：收入增长强劲财务表现：收入增长强劲，云平台，云平台是重要是重要驱动驱动 收入收入增长强劲增长强劲，Atlas 云服务是主要驱动力。云服务是主要驱动力。得益于全球非结构化数据量的爆发式增长及公司产品的突出竞争优势，2023财年MongoDB实现收入12.84亿美

48、元，同比增长 47%，自 2017 年以来始终维持较高增速。从收入结构来看，MongoDB超过 90%的收入来源为订阅业务。得益于云战略的前瞻性布局与客户不断增加的云转型需求，Atlas 云服务收入成为营收增长的核心驱动力，2023 财年 Atlas业务收入为 8.08 亿美元，同比增长 64.2%，远超营收增速，占总收入比重为 62.9%。图图 3、2015-2023 财年财年 MongoDB 收入及其增速收入及其增速 图图 4、2015-2023 财年财年 MongoDB 收入收入结构结构 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理

49、利润：毛利率高位稳定，利润：毛利率高位稳定，Non-GAAP 利润率首次转正利润率首次转正。2023 财年公司毛利润达9.35 亿美元，毛利率为 72.8%（同比+2.5pcts），保持高位稳定。总营业费用为12.81 亿美元（YoY+41.8%），总费用率为 99.8%，同比下降 3.6pcts。费用结构保持稳定，营销费用率占比最高，主要由于公司实行积极的营销策略，培养用户付费习惯：营销费用率为 54.5%（同比-0.4pcts），基本保持稳定；研发费用率为32.8%（同比-2.5pcts）；管理费用率为 12.5%（同比-1.6pcts）。经营利润为-3.47亿美元，经营利润率为-27%（

50、同比+6.1pcts）；Non-GAAP 净利润为 0.65 亿美元，Non-GAAP净利率为5.0%（同比+6.1pcts），首次转正，主要受益于规模效应带来的成本下降。41 65 115 166 267 422 590 874 1284 0%20%40%60%80%100%030060090012001500总收入（百万美元）YoY（右轴）83.6%89.7%90.6%91.5%93.0%94.8%95.8%96.4%96.2%16.4%10.3%9.4%8.5%7.0%5.2%4.2%3.6%3.8%0%20%40%60%80%100%FY15 FY16 FY17 FY18 FY19 F

51、Y20 FY21 FY22 FY23订阅业务服务业务 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -9-海外公司海外公司深度深度研究研究报告报告 图图 5、2015-2023 财年财年 MongoDB 毛利润及毛利率毛利润及毛利率 图图 6、2015-2023 财年财年 MongoDB 研发费用率、营研发费用率、营销费用率与管理费用率销费用率与管理费用率 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 图图 7、2015-2023 财年财年 MongoDB 经营利润及经营经营利润及经营利润率利润率 图图 8、

52、2015-2023 财年财年 MongoDB Non-GAAP 净利净利润及净利率润及净利率 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 2、数据库数据库行业行业：非关系型数据库增长提速，云化与向量化：非关系型数据库增长提速，云化与向量化大势所趋大势所趋 2.1、简介、简介：关系型数据占主要地位，非关系型提速增长：关系型数据占主要地位，非关系型提速增长 数据库是指长期存储在计算机内的、有组织的、可共享的、统一管理的大量数数据库是指长期存储在计算机内的、有组织的、可共享的、统一管理的大量数据的集合。据的集合。从架构上看，数据库作为计算机三大

53、基础软件（操作系统、数据库、中间件）之一，向下可充分发挥硬件算力，向上支撑上层的应用需求，是信息系统高效运行的关键基础。而数据库管理系统（数据库管理系统（Database Management System）是指操纵和管理数据库的大型软件，负责搭建、处理、维护数据库的数据及数据间逻辑关系。数据库管理系统通过有效使用计算机的CPU、内存、磁盘等资源，管理一个或多个数据库，涉及对数据的增删改查。23 44 85 123 193 296 413 614 935 0%20%40%60%80%02004006008001000毛利润（百万美元）毛利率（右轴）0%30%60%90%120%150%FY15

54、FY16FY17FY18FY19FY20FY21FY22FY23研发费用率营销费用率管理费用率-76-73-69-85-98-148-209-289-347-200%-160%-120%-80%-40%0%-400-320-240-160-800经营利润（百万美元）经营利润率（右轴）-32-10 65-6%-3%0%3%6%-80-4004080FY21FY22FY23Non-GAAP净利润（百万美元）Non-GAAP净利率（右轴）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -10-海外公司海外公司深度深度研究研究报告报告 图图 9、数据库架构、数据库架构 资

55、料来源：云南大学网络与信息中心，百度百科，兴业证券经济与金融研究院整理 20 世纪 60 年代以来，数据库经历了网状/层次型数据库，关系型数据库，NoSQL（非关系型）数据库，NewSQL 数据库四个发展阶段。图图 10、数据库发展历程数据库发展历程 资料来源：艾瑞咨询，兴业证券经济与金融研究院整理 从分类来看，数据库按数据组织架构可分为关系型数据库、NoSQL（非关系型数据库）、NewSQL 三大类，是主流的数据库分类方式。此外数据库可按部署方式分为本地部署、云部署；或按架构类型分为单机、集中式、分布式；或按业务负载特征分为 OLTP（Online Transaction Processin

56、g 联机事务处理过程）、OLAP（OnLine Analytical Processing联 机 分 析 处 理）、HTAP（Hybrid 应用软件 中间件 操作系统 计算机硬件 数据库应用程序 数据库管理系统 搭建 读写 维护 管理 数据库 数据库 基础软件 最终用户 数据库管理员 20世纪世纪50年代年代-60年代初年代初磁带被用于数据存储20世纪世纪60年代末年代末-70年代年代硬盘广泛使用，数据摆脱了顺序访问的限制，可进行随机访问；网状模型数据库（IDS）诞生，层次模型数据库（IMS）诞生。数据被保存在磁盘上，程序员可以进行增删查改20世纪世纪70年代年代-20世纪末世纪末1970年，

57、关系型数据库诞生1975年，SQL语言诞生1980s，商业关系型数据库诞 生，例 如 IBM DB2、Oracle、Ingres1990s，开源数据库诞生，例如Berkeley DB、MySQL、PostgreSQL21世纪初世纪初2005年，Hadoop（分布式系统基础架构）诞生2006年，Google发布BigTable论文；分布式数据库概念诞生2007年，亚马逊发布Dynamo论文，键值数据库概念诞生；图形数据库Neo4j发布2009年，文档数据库MongoDB引发NoSQL运动2010s-至今至今AWS、阿里、华为等云厂商提供云数据库服务2010年，数据湖概念提出，便于处理海量数据20

58、12 年 以 来，GoogleSpanner、AWSAurora 等系列NewSQL数据库诞生2019年，湖仓一体架构诞生 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -11-海外公司海外公司深度深度研究研究报告报告 Transactional/Analytical Processing 混合事务和分析处理）。图图 11、数据库分类、数据库分类 资料来源：百度百科，兴业证券经济与金融研究院整理 关系型数据库：关系型数据库：关系型数据库模型是将复杂的数据结构用较为简单的二元关系（二维表）来表示。在该类型数据库中，对数据的操作多建立在一个或多个表格上，可以采用结构

59、化查询语言（SQL）对数据库进行操作。关系型数据库是目前主流的数据库技术，其中具有代表性的数据库管理系统有：Oracle、DB2、SQL Server、MySQL 等。图图 12、关系型数据库数据组织结构关系型数据库数据组织结构 资料来源：Microsoft 官网，兴业证券经济与金融研究院整理 非关系型数据库非关系型数据库（NoSQL）：非结构化数据量的激增与 Web 2.0 网站的兴起凸显了传统关系数据库在扩展性和灵活性方面的劣势，即无法处理大规模高并发非结构化数据，NoSQL 应运而生，以解决大规模数据集合及多重数据种类带来的挑战，具有高灵活性和可扩展性。NoSQL 所采用的数据模型并非关

60、系型数据库的关系模型，而是类似键值、列簇、文档等的数据模型，打破了长久以来关系型数据库与ACID（原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）理论大一统的局面。数据库数据库数据组织架构数据组织架构关系型关系型NoSQLNewSQL部署方式部署方式本地部署本地部署云部署云部署架构类型架构类型单机单机集中式集中式分布式分布式业务负载特征业务负载特征OLTP联机事务处理，是传统关系型数据库的主要应用OLAP联机分析处理，主要用于数据分析HTAP混合事务/分析处理，同时提供OLTP和OLAP 请务必阅读正文之后的信息披露和

61、重要声明请务必阅读正文之后的信息披露和重要声明 -12-海外公司海外公司深度深度研究研究报告报告 表表 2、关系型数据库与非关系型数据库对比关系型数据库与非关系型数据库对比 关系型数据库 非关系型数据库 存储方式 表格 数据集（键值对、图结构、文档等）存储结构 结构化 动态结构 存储规范 最小关系表 平面数据集 扩展方式 只具备纵向扩展能力 分布式，可横向扩展 查询方式 结构化查询语言（SQL）非 结 构 化 查 询 语 言（UnQL）规范化 需要 不需要 规则 ACID规则：原子性 Atomicity、一致性Consistency、隔离性 Isolation、持久性Durability BA

62、SE 原则：基本可用Basically Available、软状态 Soft-state、最终一致性Eventual Consistency 事务性 强调数据一致性，可满足对事务性要求较高或者需要进行复杂数据查询的数据操作 基于节点的分布式数据库，不能很好支持事务的操作 读写性能 面对海量数据处理效率降低，高并发读写时性能下降 非结构化的数据，能够高性能读写 OLTP 支持 效果差 OLAP 支持，响应速度慢 支持 优点（1）数据安全（磁盘）（2）数据一致性（3）二维表结构直观，易理解（4）使用 SQL语句操作简便（1）可扩展性（2）高读写性能（3）灵活的数据模型（4）速度快 资料来源：CSD

63、N，兴业证券经济与金融研究院整理 从分类来看，非关系型数据库可分为图形数据库、文档数据库、列式数据库、非关系型数据库可分为图形数据库、文档数据库、列式数据库、键值数据库和向量数据库：键值数据库和向量数据库：请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -13-海外公司海外公司深度深度研究研究报告报告 表表 3、非关系型数据库主要类型非关系型数据库主要类型 图形数据库 文档数据库 列式数据库 键值数据库 向量数据库 特点 图形数据库允许将数据以图的方式存储。以图的方式存储数据时，实 体 被 作 为 节点，而实体之间的关系则被作为边。文档数据库将数据以文档形式存储，

64、每个文档是一系列数据项的集合。文档数据库的灵感来自LotusNotes办公软件，可以看作键 值 数 据 库 的 升 级版。列式数据库采用 列 簇 式 存储，将同一列数据存储在同一个物理存储块中。键值数据库类似传统语言中使用的哈希表，可以通过键添加、查询或删除数据键值存储数据库。将数据以向量形式存储，可实现向量数据的相似度搜索、聚类、降维等操作。数 据类型 复杂的关联数据，如社交网络、知识图谱等 文本、多媒体等非结构化数据 不断增长的大规模数据 大规模非结构化数据，如日志、缓存、排行榜等 高维度、高相似度、高并发的数据 应 用场景 社交网络、推荐引擎和欺诈检测 Web应用程序开发 物联网、金融市

65、场分析和大型企业数据处理系统 缓存、应用程序状态管理、计数器、分布式存储 语音、图像、视频检索、自然语言处理，几乎覆盖所有 AI 场景 产品 Neo4j(Neo4j);Galaxybase(创邻科技);GraphDB(Sones);AllegroGraph(Franz);GraphDB(Sones);InfiniteGraph(Objectivity);HugeGraph(百度);StellarDB(星环科技)MongoDB(MongoDB);TcaplusDB(腾讯)；Abase(字节跳动);Cassandra(Facebook);HBase(Google);Redshift(Amazon)

66、Redis(Redis);RocksDB(Facebook);DynamoDB(Amazon)Milvus(Zilliz);Pinecone(Pinecone)资料来源：CSDN，兴业证券经济与金融研究院整理 1）图形数据库专门用于存储和导航关系，使用节点来存储数据实体，并使用边）图形数据库专门用于存储和导航关系，使用节点来存储数据实体，并使用边来存储实体之间的关系。来存储实体之间的关系。边有一个开始节点、结束节点、类型和方向，可以描述父子关系、操作、所有权等。一个节点可以拥有的关系的数量和类型没有限制。图形数据库中的图形可依据具体的边类型进行快速遍历，或者也可对整个图形进行遍历。2）文档数据

67、库是在文档中存储信息的数据库。）文档数据库是在文档中存储信息的数据库。文档是文档型数据库中的一条记录，以字段-值的形式存储数据。值的类型和结构可以有多种，包括字符串、数字、日期、数组等。文档存储的格式可以是 JSON（JavaScript Object Notation JS对象简谱），BSON（二进制形式的 JSON）和 XML（Extensible Markup Language 可扩展标记语言）。此外文档数据库不要求严格的数据格式，一个集合中文档和文档之间的字段可以不一致，结构灵活；扩展性强，拥有自己的查询语言和 API。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露

68、和重要声明 -14-海外公司海外公司深度深度研究研究报告报告 3）列式数据库将数据按列进行组织和存储。）列式数据库将数据按列进行组织和存储。在实际应用中，列式数据库把同一列的数据存储在同一个物理存储块中，使得数据压缩和存储更为紧凑，降低了存储空间的需求，在大规模数据存储和查询、读取速度上有明显优势。列式数据库具有高度可扩展性，列式存储可以轻松地分割和分布式处理大量数据，从而更好地支持庞大的数据集。4）键值数据库将数）键值数据库将数据存储为键值对集合，其中键作为唯一标识符。据存储为键值对集合，其中键作为唯一标识符。键和值都可以是从简单对象到复杂复合对象的任何内容。键值数据库是高度可分区的，并且允

69、许以其他类型的数据库无法实现的规模进行水平扩展。图图 13、图形数据库结构、图形数据库结构 图图 14、文档数据库结构、文档数据库结构 资料来源：Microsoft 官网，兴业证券经济与金融研究院整理 资料来源：Microsoft 官网，兴业证券经济与金融研究院整理 图图 15、键值数据库结构、键值数据库结构 图图 16、列式数据库结构、列式数据库结构 资料来源：Microsoft 官网，兴业证券经济与金融研究院整理 资料来源：Microsoft 官网，兴业证券经济与金融研究院整理 5）向量数据库专门用于存储和管理向量数据，擅长非结构化数据处理。）向量数据库专门用于存储和管理向量数据，擅长非结

70、构化数据处理。向量数据是指由多个数值组成的数据，这些数值通常表示某种特征或属性。与传统数据库相比，向量数据库可以处理更多非结构化数据（图像、音频等）。向量数据库通过基于机器学习的 Embedding（词嵌入）模型将非结构化数据表示为向量，再结合其他先进的数据库（包括传统数据库）技术，让使用者更高效地处理非结构化的复杂数据。向量数据库通常采用基于向量相似度的查询方式，即根据向量之间的相似度来检索数据；通常采用基于向量索引的存储方式。向量数据库在处理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -15-海外公司海外公司深度深度研究研究报告报告 大规模、高维数据和复

71、杂查询方面具有较强的能力，且易于扩展。特别是在向量搜索和相似度计算方面，具有更低的查询延迟和更高的准确性。图图 17、向量数据库数据存储流程向量数据库数据存储流程 资料来源：百度文库，兴业证券经济与金融研究院整理 图图 18、向量数据库数据查询流程向量数据库数据查询流程 资料来源：百度文库，CSDN，兴业证券经济与金融研究院整理 3）NewSQL数据库：数据库：NewSQL是对一类现代关系型数据库的统称，对于OLTP读写请求提供可横向扩展的性能，同时支持事务的 ACID 保证。这些系统既拥有NoSQL数据库的扩展性，又保持传统数据库的事务特性。NewSQL具有以下特点：耗时短耗时短；使用索引查

72、询使用索引查询，不使用全表扫描，仅涉及少量数据；重复度高重复度高，通常使用相同的查询语句和不同的查询参数。NewSQL 数据库分为 3 类：完全使用新的架构重新设计开发的NewSQL数据库、在中间件层实现NewSQL特性的数据库、云计算平台提供的数据库即服务产品（DaaS）。非结构化数据 Embedding 数据向量化 数据存储 数据 索引 索引构建 归一化 映射到高维空间 构建索引结构：KD树、球树、LSH（局部敏感哈希）倒排索引 HNSW(近似最近邻搜索)乘积量化 KD树 哈希 查询算法 查询向量 归一化 映射到高维空间 相似度计算 Top N相似度向量 请务必阅读正文之后的信息披露和重要

73、声明请务必阅读正文之后的信息披露和重要声明 -16-海外公司海外公司深度深度研究研究报告报告 2.2、数据库市场规模、数据库市场规模快速增长，快速增长，头部云厂商及新兴厂商崭露头角头部云厂商及新兴厂商崭露头角 全球数据库市场规模仍快速增长，非关系型数据库是重要增长驱动。全球数据库市场规模仍快速增长，非关系型数据库是重要增长驱动。根据Gartner 和前瞻产业研究院数据，2021 年全球数据库市场规模为 795 亿美元，预计到 2026 年全球数据库市场规模将达到 2086 亿美元，2021-2026 年全球数据库市场规模 CAGR 达到 21.27%。从规模结构来看从规模结构来看，关系型数据库

74、仍然占市场主导，2021 年占比 81%，非关系型数据库占比 19%。从增速来看从增速来看，非关系型数据库更快。根据Gartner报告，2017-2021年全球非关系型数据库市场规模CAGR为 48%，而关系型数据库 CAGR仅 16.4%。图图 19、2017-2026E 全球数据库市场规模及增速全球数据库市场规模及增速 图图 20、2017-2021 年全球关系型与非关系型数据库年全球关系型与非关系型数据库市场市场规模规模 资料来源：Gartner，前瞻产业研究院，兴业证券经济与金融研究院整理 资料来源：Gartner，兴业证券经济与金融研究院整理 数据库数据库市场集中度高，市场集中度高，

75、头部头部云厂商及新兴厂商崭露头角云厂商及新兴厂商崭露头角。数据库产品具有较高的技术和生态壁垒，因此市场集中度较高：2021 年，全球 Top5 数据库厂商市场份额占比达 81%，头部效应明显。云数据库的可扩展性、易用性、安全性与企业的降本增效需求使得数据库从本地部署转向云部署；传统数据仓库无法满足海量非结构化数据处理需求，数据湖与湖仓一体架构应运而生。在此趋势下，以Oracle 为代表的传统数据库巨头市场份额逐步减少，微软、亚马逊和谷歌等云厂商以及 Databricks、MongoDB等新兴厂商市场份额占比增加。从细分来看从细分来看，全球关系型数据库市场中，2022 年 Microsoft 市

76、场份额占比 29.08%，排名第一，Oracle与 Amazon以 23.8%、21.4%的市场份额分列二、三；全球非关系型数据库市场中，2021年AWS以43.3%市场份额位列第1，Google、阿里巴巴、MongoDB以 18.6%、5.8%、5.6%的市场份额紧随其后。386 493 584 665 795 2086 0500025002002020212026E全球数据库市场规模（亿美元）355 469 461 531 652 31 24 100 134 148 02004006008002017年2018年2019年2020年2021年关系

77、型数据库市场规模（亿美元）非关系型数据库市场规模（亿美元）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -17-海外公司海外公司深度深度研究研究报告报告 图图 21、2017-2021 年全球数据库市场份额变化年全球数据库市场份额变化 资料来源：Gartner，兴业证券经济与金融研究院整理 图图 22、2015/2017/2019/2020 年年 MongoDB 数据库数据库市场份额市场份额 图图 23、2023 年年 7 月月 DB-Engine 数据库流行度排名数据库流行度排名 资料来源：Gartner，兴业证券经济与金融研究院整理 资料来源：DB-Engi

78、ne 官网，兴业证券经济与金融研究院整理 图图 24、2022 年年全球关全球关系型数据库市场份额系型数据库市场份额 图图 25、2021 年全球年全球非关系型数据库非关系型数据库市场份额市场份额 资料来源：Gartner，兴业证券经济与金融研究院整理 资料来源：Gartner，兴业证券经济与金融研究院整理 36.1%31.1%27.4%23.8%20.6%21.5%23.6%24.7%24.3%24.0%12.7%10.4%8.8%6.8%5.6%9.2%13.5%17.1%20.6%23.9%7.4%6.9%6.5%5.6%6.5%13.1%14.5%15.5%18.9%19.4%0%20

79、%40%60%80%100%2017年2018年2019年2020年2021年OracleMicrosoftIBMAWSSAPGoogle其他0.2%0.4%1.2%1.5%0.0%0.4%0.8%1.2%1.6%2015年2017年2019年2020年MongoDB占比29.08%23.8%21.4%5.07%5.86%4.97%9.80%MicrosoftOracleAmazonSAPIBMGoogle其他43.3%18.6%5.8%5.6%5.5%21.2%AWSGoogle阿里巴巴MongoDBCloudera其他 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重

80、要声明 -18-海外公司海外公司深度深度研究研究报告报告 2.3、云转型顺势而为云转型顺势而为，向量化成重要布局方向，向量化成重要布局方向 云数据库云数据库成为主流，成为主流，Serverless 优势优势显著显著。传统数据库模式存在资源利用率不高、成本昂贵等问题，2020 年以来数据库迁移上云态势显著提速，云托管、云原生数据库成为主流。相较传统部署的数据库而言，云数据库通过存储计算分离，实存储计算分离，实现资源池化和弹性，具备高扩展性、高可用性、低成本等优势现资源池化和弹性，具备高扩展性、高可用性、低成本等优势。然而，云数据库不能按需自动缩放，也不能更小粒度地实现按使用量付费。当用户遇到数据

81、库扩容的突发需求时，就只能根据业务实际使用情况手动调整数据库容量大小，耗费大量时间和成本。具有以下优势的 Serverless 数据库应运而生：自动伸缩自动伸缩降低降低使用成本使用成本，能够随着用户业务请求数的增加和减少智能化地膨胀和缩小，当流量洪峰来临时，可以自动调配资源支持；流量进入低谷时，则可自动释放资源；高高易用性易用性，借助 Serverless 架构，底层的数据库操作可以被屏蔽，数据库能够根据需求自动进行资源部署，而使用者只需要关注自身业务的相关数据使用问题。表表 4、云托管与云原生对比云托管与云原生对比 云托管 云原生 部署方式 部署在传统的数据中心或者云基础设施上 部署在本地的

82、云原生架构 特点 需要大量的硬件配置，包括服务器、存储设备、网络设备等 数据存储和计算资源按需分配，可以根据实际需求进行动态调整 维护和管理也需要大量的专业人员和成本 减少成本和风险，提高应用程序的可靠性 当数据量不断增加时，可能会出现性能瓶颈和扩展问题 充分利用云计算优势，实现弹性扩展、高可用性、容错性等功能 资料来源：百度开发者中心，兴业证券经济与金融研究院整理 图图 26、2022-2023E 全球数据库市场部署方式占比全球数据库市场部署方式占比 资料来源：Gartner，兴业证券经济与金融研究院整理 55%25%45%75%0%20%40%60%80%100%20222023E本地部署

83、云部署 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -19-海外公司海外公司深度深度研究研究报告报告 表表 5、Serverless 特征特征 特征 内涵 资源的解耦 弱化了存储和计算之间的联系。服务的储存和计算被分开部署和收费，存储不再是服务本身的一部分，而是演变成了独立的云服务。这使得计算变得无状态化，更容易调度和扩缩容，同时也降低了数据丢失的风险。自动弹性伸缩 代码的执行不再需要手动分配资源，交由 Serverless 平台处理。按使用量计费 Serverless按照服务的使用量（调用次数、时长等）计费，不再像传统的 Serverful 服务，按照使用的

84、资源（实例、虚拟机的规格等）计费。资料来源：阿里技术，兴业证券经济与金融研究院整理 生成式生成式 AI 寻求数据处理成本效率寻求数据处理成本效率，向量，向量化成为重要布局方向化成为重要布局方向。全球数据量爆发式增长，2022 年全球创建、使用和存储的数据量约为 97ZB，根据清华大学互联网产业研究院数据，预计到 2025 年全球创建、使用和存储的数据量将达到181ZB，2021-2025年全球数据量CAGR约为23%。以OpenAI GPT大模型为例，近年来每一代 GPT 的参数规模呈指数级增加，市场中主流 AI 大模型 GPT、LLaMA、BERT 参数均达千亿级，大规模数据为数据处理带来新

85、挑战。传统数据库通常使用表格结构或关系型模型，无法直接存储和索引高维度的向量数据，从而导致查询和匹配速度较慢；而向量搜索技术支持高维度向量的相似度搜索和匹配，提升大模型数据查询的精准性和效率。图图 27、2010-2025E 全球创建、使用和存储的数据全球创建、使用和存储的数据量变化量变化 图图 28、2023E-2026E 全球生成式全球生成式 AI 支出支出 资料来源：清华大学互联网产业研究院，兴业证券经济与金融研究院整理 资料来源：PitchBook Data，兴业证券经济与金融研究院整理 25 6.5912.515.51826334164.279970100150

86、200200000222023E2024E2025E数据量（ZB）4269812002023E2026E生成式AI支出（亿美元）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -20-海外公司海外公司深度深度研究研究报告报告 3、MongoDB：开源社区为基，云平台驱动增长：开源社区为基，云平台驱动增长 3.1、产品布局渐趋完善，产品布局渐趋完善，助力客户规模助力客户规模快速快速增长增长 图图 29、MongoDB 产品矩阵产品矩阵 资料来源：CSDN，兴

87、业证券经济与金融研究院整理 产品体系产品体系部署完善部署完善，匹配匹配不同场景需求。不同场景需求。MongoDB 核心产品包括 MongoDB Community Server、MongoDB Enterprise Advanced、MongoDB Realm、MongoDB Atlas。MongoDB Community Server是 MongoDB 数据库的免费开源版本，提供核心功能满足开发者需求，旨在扩大使用基础和知名度；MongoDB Enterprise Advanced 是付费企业版数据库平台，有云端部署、本地部署、混合部署三种模式，功能强大，包括商业数据库服务器、企业级管理工具

88、、分析工具及高度安全的关键业务型永续部署；MongoDB Realm 是面向移动市场的数据库，适用于为网页和移动应用程序构建数据库。开发者可以通过 Realm 将边缘设备的数据同步到后端云数据库。此外，Realm 支持托管单页应用程序或静态站点,运行Serverless功能；MongoDB Atlas是全托管的 DBaaS（数据库即服务）平台，专为以 MongoDB 为核心的各种应用程序构建，包括自动资源调配、托管备份等功能。以美洲为优势地区，向欧洲、亚太积极布局。以美洲为优势地区，向欧洲、亚太积极布局。MongoDB 积极布局全球化业务，自 2019财年以来国际市场占比持续提升，由 2016

89、财年的 30.7%提升到 2023财年的 39.2%，增速远高于国内市场。2023 财年北美地区收入营收占比为 71.4%，同比减少 1.9pcts，降幅较为明显；欧洲、中东和非洲地区收入营收占比为 17.3%；亚太地区收入为 4.7 亿美元，营收占比为 10.1%，同比增长 60%，增速为所有地区中最快，主要系 MongoDB 与亚太地区云厂商阿里云及腾讯云达成合作关系。MongoDB Community Server 本地部署数据库 MongoDB Enterprise Advanced MongoDB Realm MongoDB Atlas 云数据库 移动数据库 请务必阅读正文之后的信息

90、披露和重要声明请务必阅读正文之后的信息披露和重要声明 -21-海外公司海外公司深度深度研究研究报告报告 图图 30、2016-2023财年财年 MongoDB分地区收入及其分地区收入及其增速增速 图图 31、2016-2023财年财年 MongoDB分地区收入占比分地区收入占比 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 以以开源开源社区版吸引客户，企业版与社区版吸引客户，企业版与Atlas订阅订阅是主要收入来源是主要收入来源。MongoDB商业模式为通过免费的 MongoDB 社区版吸引客户，开办 MongoDB 大学等培训与咨询服务，

91、与用户建立良好互动关系；随后推出 MongoDB Atlas 云服务、MongoDB企业版等收费产品或服务，将开源社区用户转化为付费订阅用户，开辟商业化路径。从业务板块来看，MongoDB 分为订阅业务与服务业务两类，订阅收入主要包括 MongoDB 企业版、MongoDB Atlas 多云端 DBaaS（数据库即服务）、MongoDB Realm 移动数据库三项主要订阅服务，其中 MongoDB Enterprise Advanced 按服务器性能与节点数量收取费用；Atlas 云服务面向小型团队提供共享集群，根据存储空间按使用时长计费，面向大型团队提供专属集群，根据算力、RAM（运行内存）

92、、存储空间按照使用时长计费；Realm 按照功能的使用量计费。服务收入包括咨询和培训服务，旨在提高用户留存率并吸引客户付费，不创造利润。服务成本主要由培训咨询服务成本与人事费用构成，包括工资、奖金、员工福利和股权激励费用。2017 年以来，MongoDB 超过 90%的收入来源为订阅业务，2023 财年订阅业务收入为 12.35 亿美元，占总收入比重为 96.2%；服务业务收入为0.49亿美元，占总收入比重为3.8%。从利润端来看，订阅业务实现毛利润9.51亿美元，毛利率为 77%；服务业务实现毛利润-0.16亿美元，毛利率为-32.3%。图图 32、2015-2023 财年财年 MongoD

93、B 订阅收入订阅收入情况情况 图图 33、2015-2023 财年财年 MongoDB 服务收入服务收入情况情况 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 0%30%60%90%120%150%0200400600800FY16 FY17 FY18 FY19 FY20 FY21 FY22 FY23美洲收入（百万美元）欧洲、中东、非洲收入（百万美元）亚太收入（百万美元）美洲YoY（右轴）欧洲、中东、非洲YoY（右轴）亚太YoY（右轴）69.3%60.2%66.6%64.7%64.6%61.2%60.3%60.9%27.1%25.4%29.

94、0%29.9%28.1%30.1%29.5%28.2%3.6%2.7%4.4%5.5%7.3%8.7%10.2%11.0%0%20%40%60%80%100%FY16 FY17 FY18 FY19 FY20 FY21 FY22 FY23美洲欧洲、中东、非洲亚太34 59 104 152 248 400 565 842 1235 0%20%40%60%80%100%030060090012001500订阅收入（百万美元）订阅YoY（右轴）7 7 11 14 19 22 25 32 49 0%20%40%60%80%0204060FY15FY16FY17FY18FY19FY20FY21FY22FY

95、23服务收入（百万美元）服务YoY（右轴）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -22-海外公司海外公司深度深度研究研究报告报告 图图 34、2015-2023财年财年 MongoDB订阅毛利及毛利订阅毛利及毛利率率 图图 35、2015-2023财年财年 MongoDB服务毛利及毛利服务毛利及毛利率率 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 用户规模用户规模迅速迅速扩张扩张，客户客户 ARPU 持续提升持续提升。2016 年以来，MongoDB 客户数实现快速增长，2023 财年 MongoD

96、B 用户数为 40800，同比增长 23.6%；其中 ARR（年均经常性收入）超过 10万美元的客户数为 1651，占比 4%，同比增长 26.3%，主要得益于 MongoDB 的高性能与丰富产品体系可满足客户多样化需求。2022 财年以来 ARPU 亦呈上升趋势，2023 财年 ARPU 为 3.1 万美元，同比增长 18.9%，客户贡献度持续提升。净收入留存率连续 7 年超过 120%，收入留存率较高，MongoDB产品不断完善，能够满足客户不断增长的需求。图图 36、2016-2023 财年财年 MongoDB 用户数用户数 图图 37、2016-2023 财年财年 MongoDB AR

97、R 超过超过 10 万万美元客户数美元客户数 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 23 45 85 121 192 298 420 624 951 0%20%40%60%80%100%02004006008001000订阅毛利（百万美元）订阅毛利率（右轴）0-1 0 2 1-2-7-10-16-40%-30%-20%-10%0%10%20%-20-16-12-8-404服务毛利（百万美元）服务毛利率（右轴）0480033000408000%30%60%90%120%150%0900018

98、000270003600045000FY16FY17FY18FY19FY20FY21FY22FY23总客户数（个）YoY（右轴）775150.0%43.9%57.3%34.8%29.8%34.1%26.3%0%30%60%90%120%150%060012001800FY16 FY17 FY18 FY19 FY20 FY21 FY22 FY23超过$100000 ARR客户数（个）YoY（右轴）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -23-海外公司海外公司深度深度研究研究报告报告 图图 38、2016-2023

99、 财年财年 MongoDB ARPU 及其增速及其增速 资料来源：公司公告，兴业证券经济与金融研究院整理 3 3.2.2、开发者需求、开发者需求导向导向，积极营销策略沉淀开源社区，积极营销策略沉淀开源社区 存储引擎存储引擎性能优异性能优异，主要组件架构完善，主要组件架构完善。从组成结构来看，MongoDB Native Driver是数据库的驱动程序，将客户端连接到服务器端；MongoDB服务器由查询引擎、存储引擎、安全组件、管理组件共同构成，服务器上层是 MongoDB 的数据模型和查询语言。MongoDB 数据模型采用文档型数据结构，将数据以 JSON（JavaScript Object

100、Notation JS对象简谱）和 BSON（二进制 JSON）的方式存储在磁盘中。由于 MongoDB 采取文档数据结构存储数据，与关系型数据库的二维表结构有较大的差异，所以它创建了一套不同的查询语言，几乎可以实现类似关系型数据库单表查询的所有功能，还支持对数据建立索引。服务器底层使用可插拔的存储引擎以满足用户的不同需要，提供了不同粒度的并发控制和压缩机制，能够为不同种类的应用提供了最好的性能和存储率。此外服务器使用安全组件以保证数据安全，包括用户身份验证机制与访问授权机制等；使用管理组件处理所有的数据请求、管理数据的增删改查操作。图图 39、MongoDB 主要组件架构视图主要组件架构视图

101、 资料来源：quickprogrammingtips 官网，兴业证券经济与金融研究院整理 38 36 29 20 25 24 26 31-6.6%-18.8%-31.6%24.5%-4.0%11.2%18.9%-40%-20%0%20%40%010203040FY16FY17FY18FY19FY20FY21FY22FY23ARPU（千美元）YoY（右轴）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -24-海外公司海外公司深度深度研究研究报告报告 分片技术动态扩展，数据读写效率加快。分片技术动态扩展，数据读写效率加快。传统关系型数据库查询性能随着表的扩大急剧下降

102、，且插入数据时创建索引可能会引起索引树的调整与页分裂。MongoDB采用分而治之策略，将大表拆成小表：通过将同一个集合（Collection1）的数据按片键（shard keys）分到不同的分片（shard）上面，减少同一个数据文件上的数据量，形成分片集群。分片集群随着数据量的增长，各个分片也会越来越大。MongoDB 采取负载均衡器（Balancer）自动将大分片中的数据迁往小分片,实现动态收缩扩容。图图 40、MongoDB 分片技术分片技术 图图 41、MongoDB 负载均衡技术负载均衡技术 资料来源：MongoDB 官网，兴业证券经济与金融研究院整理 资料来源：MongoDB 官网，

103、兴业证券经济与金融研究院整理 复制集技术复制集技术实现读写分离，保证高安全性与高性能实现读写分离，保证高安全性与高性能。MongoDB 高安全性与读写分离的基础是复制集，即一份数据存多份，保证机器故障后数据不会丢失。复制集（Replica Set）是 MongoDB的数据复制架构，由一组 MongoDB实例（进程）组成，包含一个 Primary 节点和多个 Secondary 节点，其中 Primary 负责读写请求，Secondary 负责读请求。Primary 和 Secondary 节点之间在数据写入过程当中实现数据的异步复制，当发生故障时，数据可以从其他节点恢复，有效解决了数据保护的问

104、题。此外，在 MongoDB 复制集中 Secondary 节点可以承担读取数据的任务，减轻 Primary 节点的压力，提高系统的并发读取能力；Secondary 节点也可以用来支持查询操作，从而实现数据读写分离，进一步提高系统的性能和可用性。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -25-海外公司海外公司深度深度研究研究报告报告 图图 42、MongoDB 复制复制集集结结构构 资料来源：MongoDB官网，兴业证券经济与金融研究院整理 插入查询速度加快，插入查询速度加快，性能优于关系型数据库。性能优于关系型数据库。关系型数据库 MySQL 的插入数据

105、总行数在50-5000之间时，Ops（每秒操作数）稳定在550左右，当数据总行数到25000 时，Ops 下降到 312，当数据总行数到 50000时，与峰值相比，Ops 下降了一半，只有 277。MongoDB 插入速度在 500 行时达到峰值，Ops 为 50000，之后Ops 一直保持在 12500-15000。综合分析可知，MongoDB 的插入速度是 MySQL的 20-50 倍。当查询数据总行数到 500 时，MongoDB Ops 稳定在 4000-6500，MySQL Ops 稳定在 1300-1800。MongoDB的查询速度是 MySQL 的 3倍左右。表表 6、Mongo

106、DB 与与 MySQL 插入性能对比插入性能对比 插入总行数 MySQL 执行时间（秒）MongoDB 执行时间（秒）MySQL Ops/s MongoDB Ops/s 50 0.09 0.006 555 8333 500 0.9 0.01 555 50000 5000 8.8 0.35 568 14285 25000 80 2 312 12500 50000 180 3.5 277 14285 资料来源：MongoDB论文，兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -26-海外公司海外公司深度深度研究研究报告报告 表表 7、M

107、ongoDB 与与 MySQL 查询性能对比查询性能对比 查询总行数 MySQL 执行时间（秒）MongoDB 执行时间（秒）MySQL Ops/s MongoDB Ops/s 50 0.1 0.08 500 625 500 0.38 0.1 1316 5000 5000 2.8 1.2 1786 4167 25000 14 4 1786 6250 50000 28 10.4 1786 6250 资料来源：MongoDB论文，兴业证券经济与金融研究院整理 约束较少约束较少结构灵活结构灵活，满足满足开发者开发者迭代运维需求迭代运维需求。MongoDB 主打文档数据库，是非关系型数据库中与关系型数

108、据库最相似的。相比传统关系型数据库的二维表数据结构及完整性数据约束，MongoDB采取类似 JSON（JavaScript Object Notation JS 对象简谱）的 BSON（二进制形式的 JSON）作为其数据模型结构，没有固定的 schema（模式）作为约束条件，支持动态的添加字段、支持内嵌对象和数组对象。因此数据存储结构更加灵活。No schema 模式的灵活性带来以下优势：强大的表现能力，对象嵌套和数组结构可以让数据库中的对象具备更高的表现能力，能够用更少的数据对象表现复杂的领域模型对象；便于开发和快速迭代，灵活的字段管理，使得项目迭代新增字段变得容易；降低运维成本，数据对象结

109、构变更不需要执行 DDL（Data Definition Langauge 数据定义语言），降低在线环境的数据库操作风险，特别是在海量数据分库分表场景。MongoDB 简单灵活的数据模型使得开发者得以自由地按照业务需求实现业务逻辑，建立了庞大的用户和开发者社区。表表 8、关系型数据库和、关系型数据库和 MongoDB 结构单位结构单位对标对标 关系型数据库 MongoDB 结构单位 表 集合 行 文档 列 字段 资料来源：CSDN，兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -27-海外公司海外公司深度深度研究研究报告报告 表表

110、9、MongoDB 数据库特点及适用场景数据库特点及适用场景 特点 面向集合 每个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。集合类似于关系型数据库中的表。模式自由 数据格式不固定数据格式不固定，数据结构发生变更的同时不会影响程序运行。对于存储在 MongoDB数据库中的文件，不需要知道它的结构定义，可以把不同结构的文件存储在同一个数据库中。BSON 存储形式 存储在集合中的文档，被存储为键被存储为键-值对的值对的形式形式。键用于唯一标识一个文档，为字符串类型，而值则可以是各种复杂的文件类型。支 持 面 向 对 象 的SQL查询语句 基本涵盖关系型数据库的所有查询语句 适用

111、场景 网站实时数据处理 适合实时的插入、更新与查询实时的插入、更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。缓存 得益于文档存储方式的高性能，适合作为信信息基础设施的缓存层息基础设施的缓存层。在系统重启之后，由它搭建的持久化缓存层可以避免下层的数据源过载。高伸缩性场景 键-值存储方式带来的高伸缩性非常适合由数十或数百台服务器组成的数据库，它的路线图中已经包含对 MapReduce（分布式计算引擎）的内置支持。资料来源：百度百科，兴业证券经济与金融研究院整理 营销策略营销策略开发者导向开发者导向，用户规模，用户规模显著扩大显著扩大。MongoDB 采取开发者导向的市场营销策略，向开发

112、者宣传 MongoDB 的性能与灵活性优势，即不用关心关系型数据库繁复的范式关系和设计模式，自由按照业务需求实现业务逻辑。此外，MongoDB 提出了更适合于移动互联网的 MEAN 架构（MongoDB、Express、Angular 和 Node.js），该架构弥补了原先网页开发的 LAMP 架构（Linux、Apache、MySQL 和 PHP）对高并发大型互联网应用开发的缺陷。MongoDB 的市场营销策略旨在强调 MEAN 架构能够帮助互联网企业解决移动互联网时代的特定业务问题，这使得Web应用开发者与企业广泛采用MEAN架构，成为MongoDB数据库的用户。公司 2016-2018

113、财年实施积极营销策略，营销费用率达 60%+，加上灵活高效的产品性能，开发者用户规模由2016财年的1700增长至2018财年的5700。社区生态社区生态成熟成熟，逐步逐步培养培养用户用户付费付费习惯习惯。MongoDB 社区版与企业版底层存储引擎相同，提供完善的功能：单机实例，满足大多数小型应用程序的需求；多机实例，为大多数商业应用程序提供持久性/高可用性；具有水平伸缩能力的分片集 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -28-海外公司海外公司深度深度研究研究报告报告 群，能够处理大数据集和大量的查询，实现分布式的数据分布和处理。社区版的免费开源及营销

114、策略吸引大量开发者用户，繁荣的社区生态使得开发者用户不断提出反馈后，MongoDB 对此进行性能改进，并与用户建立良好的互动关系。同时，MongoDB 数据库的良好性能与结构灵活性满足开发者需求，开发者用户群体不断被巩固，并通过社区自发形成产品推广生态，产品使用量激增，实现开源社区用户向付费订阅用户转化。图图 43、FY16Q1-FY18Q4 MongoDB 营销费用及费营销费用及费用率用率 图图 44、MongoDB 产品业务模式产品业务模式 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：MongoDB 官网，兴业证券经济与金融研究院整理 3.3、数据库数据库云云化化转型，云中

115、立转型，云中立策略巩固优势地位策略巩固优势地位 顺应云转型趋势，顺应云转型趋势，云中立战略优势云中立战略优势明显明显。数据库作为企业业务支撑体系的重要部分，受到云提供商与业务应用服务器的共同制约。数据库与业务应用云端部署厂商的不统一使得延迟增加，业务体验较差，因此数据库底层技术的易迁移性与多云部署变得尤为重要，保证其随着业务应用的迁移而迁移。MongoDB 采取云中立战略，支持所有的主流云环境，包括 AWS、GCP、Azure 平台，目前可在超过100 个地区的所有云提供商上使用，帮助客户实现多云部署，这使得 MongoDB面对公有云厂商竞争优势明显。2022 年，MongoDB 宣布 Atl

116、as 支持 Serverless，Serverless 存储与计算解耦的特性使得用户可以借助 Atlas 在多云间迁移数据，可进行跨平台分布式部署。布局云数据库，推出布局云数据库，推出云平台云平台Atlas。作为云战略核心产品布局，MongoDB于2016年推出 MongoDB Atlas 全托管数据库服务，去除配置、运营和扩展 MongoDB 数据库的复杂性，为开发人员聚焦于自身核心应用的开发工作提供帮助。Atlas 专为以 MongoDB 为核心的各种应用程序构建，用户通过部署集群（存储数据的服务器组）即可将服务器配置在副本集（一组存储相同数据的几个连接的MongoDB 实例（在本地或云中

117、运行特定软件的单台机器），MongoDB 数据库得以在云中运行。Atlas 为企业用户提供统一的数据库管理技术：创建一个组织12.6 14.4 13.7 15.9 17.3 20.2 18.7 22.5 22.0 27.1 28.5 31.5 0%30%60%90%120%0714212835营销费用（百万美元）营销费用率（右轴）请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -29-海外公司海外公司深度深度研究研究报告报告 （organizations），组织可包含多个项目（projects），Projects 可包含多个不同区域中的集群。企业客户可以把用户分成

118、组，每个组设定访问的权限，简化数据库管理。MongoDB Atlas 除了提供基础的数据库能力之外，还提供数据分析工具和无服务 API 技术，为用户提供实时洞察力，随时随地分析数据信息，确保业务轻型化。Atlas 具有以下优势：可移植性强可移植性强，即使集群已经部署而且业务已在运行，仅通过点击鼠标即可将业务切换到另一个地区，不需要任何额外的工作，MongoDB Atlas 可自动化完成迁移；自动容量管理自动容量管理，选择存储自动缩放功能，当存储利用率达到 90%时，Atlas 会自动扩展额外的存储空间；高可用性高可用性，每个复制集均采用默认 3 节点配置，如果主节点发生问题，通常可以在 2 秒

119、内开始切换；支持多云部署支持多云部署，在 AWS/Azure/GCP的 60 多个区域提供服务。图图 45、Atlas 统一数据库管理技术统一数据库管理技术 图图 46、Atlas 3 节点配置保证高可用性节点配置保证高可用性 资料来源：百度文库，兴业证券经济与金融研究院整理 资料来源：百度文库，兴业证券经济与金融研究院整理 定价定价灵活灵活性高性高，满足不同用户需求满足不同用户需求。Atlas 在合作云厂商平台上提供全托管云数据库服务，客户付费订阅，根据使用时长与使用场景收费，具有高灵活性。Atlas 云服务面向小型团队提供共享集群，根据存储空间按使用时长计费；面向大型团队提供专属集群，根据

120、算力、RAM（运行内存）、存储空间按照使用时长计费。借助云服务的形式，公司开源软件实现了产品商业化，合理的收费模式与全托管服务保证了用户粘性，日益增长的云转型需求与 Atlas 的部署简便性反而将其积累的庞大开发者用户群体转化为 Atlas 付费用户，释放了开源社区的用户价值。表表 10、Atlas 定价模式定价模式 实例 RAM vCPUs 存储空间 价格 共享集群 M0 Shared Shared 512MB 免费 M2 Shared Shared 2GB$9/mo M5 Shared Shared 5GB$25/mo 专属集群 M10 2GB 1 10GB$0.08/h M20 4GB

121、2 20GB$0.2/h 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -30-海外公司海外公司深度深度研究研究报告报告 M30 8GB 2 40GB$0.54/h M40 16GB 4 80GB$1.04/h M50 32GB 8 160GB$2/h M60 64GB 16 320GB$3.95/h M80 131GB 32 750GB$7.3/h M140 192GB 48 1000GB$10.99/h M200 256GB 64 1500GB$14.59/h M300 384GB 96 2000GB$21.85/h 资料来源：MongoDB 官网，兴业证券

122、经济与金融研究院整理 转型转型多功能开发多功能开发者者数据平台数据平台，布局多领域功能布局多领域功能丰富丰富性性。MongoDB Atlas 不断完善云平台功能，旨在从 DBaaS（数据库即服务）平台转变成为多功能的 Developer Data Platform（开发者数据平台）。在扩展云数据库服务的同时，MongoDB 尝试拓展其他数据行业领域，比如 MongoDB search 拥有多种用途的搜索语句和丰富的索引类型，且有模糊搜索、自动补全等常见搜索辅助功能，积极布局分布式搜索引擎产品；Altas Charts 功能支持在现有的 MongoDB 数据库进行数据可视化；MongoDB6.0

123、 更新时间序列功能，支持调整时间序列数据，可更轻松地处理企业级时间序列工作负载，并支持修改已输入数据。MongoDB Atlas 已从单一的云数据库服务平台转型逐步向以数据为基础的多功能数据分析与管理云平台转型。用户转化成效显著用户转化成效显著，Atlas成为公司成为公司营收核心驱动营收核心驱动。2017财年以来Atlas占总营收比重显著提升，从 2017 财年的 0.6%增加到 2023 财年的 62.9%。得益于云战略的前瞻性布局与 Atlas 云数据平台的丰富功能，Atlas 云服务收入成为营收增长的核心驱动力，2023 财年 Atlas 业务收入为 8.08 亿美元，同比增长 64.2

124、%，远超营收增速。收入的强劲增速背后反映了客户对Atlas的认可：2023财年Atlas客户数量为 39300，占用户数比重 96.3%。图图 47、2017-2023 财年财年 MongoDB Atlas 收入及其收入及其占总收入比重占总收入比重 图图 48、2018-2023 财年财年 MongoDB 总收入及总收入及 Atlas收入增速收入增速 资料来源：公司公告，兴业证券经济与金融研究院整理 资料来源：公司公告，兴业证券经济与金融研究院整理 1 11 60 163 271 492 808 0.6%6.8%22.6%38.5%45.9%56.3%62.9%0%20%40%60%80%02

125、004006008001000FY17 FY18 FY19 FY20 FY21 FY22 FY23Atlas收入（百万美元）占总收入比重（右轴）44.6%60.8%57.9%40.0%48.0%47.0%1451.7%434.8%169.8%66.6%81.8%64.2%0%400%800%1200%1600%FY18FY19FY20FY21FY22FY23总收入YoYAtlas收入YoY 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -31-海外公司海外公司深度深度研究研究报告报告 图图 49、2017-2023 财年财年 MongoDB Atlas 用户数用

126、户数 资料来源：公司公告，兴业证券经济与金融研究院整理 租用第三方云架构利润承压，有望深入合作提升产品竞争力。租用第三方云架构利润承压，有望深入合作提升产品竞争力。MongoDB Atlas 与公有云服务厂商合作，租用第三方云厂商（AWS、Microsoft Azure、Google Cloud、阿里云等）的服务器，通过自身团队在租用的服务器上为客户部署云数据库。2019 财年以来，MongoDB 租用第三方云基础设施的费用增加占订阅成本增加的 70%+。为保证 MongoDB 开源产品的可持续性，2018 年 MongoDB 发布SSPL（Server Side Public License

127、）协议，明确要求托管 MongoDB实例的云计算公司需要从 MongoDB 获取商业许可证，或者向社区开源其服务代码，防止非合作云服务厂商通过修改 MongoDB 开源数据库代码获取增量收入，这使得MongoDB 与公有云厂商的合作变得规范化与稳固。未来 MongoDB 与云服务商AWS、Azure 有望采用更加深入的合作方式，即 Co-sell（联合共同销售）计划，打造智能云产品生态，而 MongoDB 有望借助合作厂商繁荣的云生态提升云数据库产品竞争力。图图 50、2018-2023 财年第三方云基础设施费用增加及其占比财年第三方云基础设施费用增加及其占比 资料来源：公司公告，兴业证券经济

128、与金融研究院整理 8503400330030.0%235.3%35.1%51.3%35.2%24.8%0%70%140%210%280%350%09000600045000FY17FY18FY19FY20FY21FY22FY23Atlas客户数（个）YoY（右轴）6.819.134.531.558.350.959.6%74.9%75.9%72.3%80.3%76.3%0%30%60%90%015304560FY18FY19FY20FY21FY22FY23第三方云基础设施费用增加（百万美元）占订阅成本增加比重（右轴）请务必阅读正文

129、之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -32-海外公司海外公司深度深度研究研究报告报告 3 3.4 4、拥抱拥抱生成式生成式 A AI I 浪潮，加码向量搜索浪潮，加码向量搜索+数据湖数据湖 引入向量搜索功能，简化引入向量搜索功能，简化 AI 驱动型应用程序开发驱动型应用程序开发。MongoDB Atlas Vector Search基于语义搜索，通过向量快速识别和检索相似或相关数据来执行相似性搜索。MongoDB Atlas向量搜索的生成式AI功能可实现精确的信息检索和个性化，帮助企业用 MongoDB中存储的数据构建基于生成式AI的应用。这种新的搜索功能有助于支持

130、一系列新的工作负载，包括带有文本的语义搜索、图像搜索和高度个性化的产品推荐等。MongoDB Atlas Vector Search与开源的LangChain和LlamaIndex框架集成，提供了具有用于访问和管理各种应用程序的 LLM 工具。客户从MongoDB 合作伙伴（如 AWS，Databricks，Google Cloud，Microsoft Azure，MindsDB）和模型提供商（例如 Anthropic，Hugging Face 和 OpenAI）处访问LLM，生成向量嵌入并在 MongoDB Atlas上构建由 AI驱动的应用程序。图图 51、MongoDB 向量搜索功能流程

131、向量搜索功能流程 资料来源：MongoDB 官网，兴业证券经济与金融研究院整理 云端云端 Atlas 添加添加 Stream Processing 功能，功能，处理高速复杂数据流处理高速复杂数据流。为了帮助企业在一个界面中管理来自多个来源的实时流数据，MongoDB 在 Atlas 中添加了一个流处理接口。MongoDB Atlas Stream Processing 可以处理多种类型的数据，并具有灵活的数据模型，将允许企业实时分析数据，并调整应用行为，以满足最终客户的需求。此外，Atlas Stream Processing还可帮助开发人员使用文档模型处理流数据和历史数据，使开发人员无需使用

132、多种专用编程语言、库、API 和驱动程序。它还支持在添加新数据时连续查询数据，从而提供由摄取新数据触发的不断更新的实时视图。Stream Processing 功能简化大规模数据处理效率，为 AI模型使用数据进行训练提供便利。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -33-海外公司海外公司深度深度研究研究报告报告 图图 52、MongoDB Atlas Stream Processing 架构架构 资料来源：MongoDB 官网，兴业证券经济与金融研究院整理 云云端端Atlas推出数据湖服务推出数据湖服务，为为AI模型模型训练训练打下基础打下基础。由于传统

133、数据仓库无法支持非结构化数据的处理，从云中存储的数据中提取价值和洞见变得日益困难和昂贵。2021年MongoDB推出数据湖服务MongoDB Altas Data Lake，目前支持AWS、GCP、Azure 平台。借助 MongoDB Atlas 数据湖，用户在 MongoDB Atlas 控制台即可使用 MongoDB 查询语言的强大功能来运行查询和探索半结构化与非结构化数据，为生成式 AI 大模型对非结构化数据的处理与训练打下基础。此外，Atlas数据湖为 Serverless 架构，因此客户无需设置、管理或优化任何基础架构，只需为实际处理数据时运行的查询付费。表表 11、数据仓库、数据

134、湖数据仓库、数据湖对比对比 数据仓库 数据湖 处理数据 处理结构化数据 处理半结构化和非结构化数据 应用场景 适用于数据分析和商业智能（BI）适用于机器学习和 AI工作负载 费用 存储昂贵 存储具有成本效益、快速性和灵活性 ACID 合规性 以符合 ACID 的方式记录数据，以确保最高水平的完整性 非 ACID 合规性 资料来源：CSDN，兴业证券经济与金融研究院整理 Atlas 嵌入谷歌大模型，嵌入谷歌大模型，加速生成式加速生成式 AI 应用开发。应用开发。MongoDB 与 Google Cloud 合作整合 Vertex AI 功能，旨在加速基于生成式 AI 的应用的开发，并促进创新应用

135、的创建。Vertex AI 将提供从 MongoDB Atlas 中存储的企业数据生成嵌入所需的文本的 API。这些嵌入可以与 PaLM 模型（谷歌大模型）结合使用，以创建高级功能，如语义搜索、分类、异常值检测、AI 驱动的聊天机器人和文本摘要。MongoDB 此次还推出了“AI 创新者计划”，为正在致力于开发 AI 技术的组织提供 MongoDB Atlas 使用积分，借助 MongoDB 合作伙伴生态系统的合作机会及丰 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -34-海外公司海外公司深度深度研究研究报告报告 富的产品上市推广活动，助力组织机构加快创新步

136、伐并缩短产品进入市场时间。4、盈利预测与估值、盈利预测与估值 预测结果：预计公司预测结果：预计公司 2024-2026 财年分别实现营收财年分别实现营收 15.32/18.78/22.98 亿美元，亿美元，Non-GAAP 净利润分别为净利润分别为 1.37/1.89/2.75 亿美元。亿美元。预测逻辑为：1）订阅业务收入：订阅业务收入由 Atlas 收入和其他订阅收入构成。假设公司 2024-2026 财年 Atlas 客户数按 20.4%/15.9%/13.9%同比增速增长，则客户数分别为47336/54846/62452；假设2024-2026财年Atlas每客户平均ARR按4%/11%

137、/13%同比增速增长，则 Atlas 每客户平均 ARR 分别为 2.38/2.64/2.98 万美元，Atlas 收收入分别为入分别为 10.29/13.47/17.47 亿美元亿美元。假设公司 2024-2026 财年其他订阅业务客户数按29%/25%/21%同比增速增长，则客户数分别为8256/10320/12487；基于2021财年以来公司其他订阅业务每客户平均 ARR同比增速始终为负，假设 2024-2026财年其他订阅业务每客户平均 ARR 按-23%/-18%/-17%同比增速减少，则每客户平均 ARR 分别为 6.1/5.0/4.2 万美元，其他订阅收入为其他订阅收入为 4.4

138、7/4.65/4.73 亿美元，订亿美元，订阅业务收入为阅业务收入为 14.76/18.12/22.21 亿美元亿美元。2）服务业务收入：假设公司 2024-2026 财年服务收入按 15%/17%/18%同比增速增长，则分别实现服务收入服务收入 0.56/0.66/0.78 亿美元亿美元。3）毛利：假设公司 2024-2026 财年毛利率为 73.9%/74.5%/75.0%，则分别实现毛毛利润利润 11.32/13.99/17.24 亿美元亿美元。4）营业费用：假设公司 2024-2026 财年研发费用率为 32%/31%/30%，营销费用率为 53%/52%/50%，管理费用率为 11%

139、/11%/11%，则分别实现研发费用研发费用4.88/5.82/6.90 亿美元，营销费用亿美元，营销费用 8.07/9.67/11.49 亿美元，管理费用亿美元，管理费用 1.74/2.07/2.41亿美元亿美元。5）Non-GAAP 净利润：预计公司 2024-2026 财年 Non-GAAP 净利润分别为1.37/1.89/2.75亿美元，Non-GAAP净利率为 9.0%/10.1%/12.0%。表表 12、公司盈利预测公司盈利预测 会计年度会计年度 2022A 2023A 2024E 2025E 2026E 总收入（百万美元）总收入（百万美元）874 1284 1532 1878 2

140、298 同比增速同比增速 48.0%47.0%19.3%22.5%22.4%订阅收入（百万美元）订阅收入（百万美元）842 1235 1476 1812 2221 同比增速同比增速 48.9%46.7%19.5%22.7%22.6%服务收入（百万美元）服务收入（百万美元）32 49 56 66 78 同比增速同比增速 26.8%54.1%15.2%17.0%18.0%毛利润（百万美元）毛利润（百万美元）614 935 1132 1399 1724 毛利率毛利率 70.3%72.8%73.9%74.5%75.0%研发费用研发费用 309 422 488 582 690 营销费用营销费用 472

141、699 807 967 1149 管理费用管理费用 123 160 174 207 241 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -35-海外公司海外公司深度深度研究研究报告报告 Non-GAAP 净利润（百万美元）净利润（百万美元）-1 65 137 189 275 Non-GAAP 净利率净利率-0.1%5.0%9.0%10.1%12.0%资料来源：公司公告，兴业证券经济与金融研究院整理 公司持续受益于 AI 浪潮为非关系型数据库市场带来的增量，我们预计2024/2025/2026 财 年 公 司 将 实 现 营 收15.32/18.78/22.98

142、 亿 美 元，同 比+19.3%/+22.5%/+22.4%，Non-GAAP净利润为1.37/1.89/2.75亿美元。参考同行业公司估值，给予公司 2024 财年 20 x PS 估值，对应目标市值为 306.4 亿美元，首次覆盖给予“增持”评级。表表 13、可比可比公司公司估值一览表估值一览表 总市值总市值 营收营收 （百万美元）（百万美元）营收同比营收同比 增速增速(%)(%)归母净利润归母净利润 （百万美元）（百万美元）归母净利润归母净利润 同比增速同比增速(%)(%)P PS S 代码代码 公司名称公司名称 亿美元亿美元 FYFY2 24 4E E FYFY2 25 5E E FY

143、FY2 24 4E E FYFY2 25 5E E FYFY2 24 4E E FYFY2 25 5E E FYFY2 24 4E E FYFY2 25 5E E FYFY2 24 4E E FYFY2 25 5E E SNOW.N Snowflake 569.77 2764 3644 34%32%211 347 134%64%21 16 代码代码 公司名称公司名称 亿美元亿美元 23E23E 24E24E 23E23E 24E24E 23E23E 24E24E 23E23E 24E24E 23E23E 24E24E DDOG.O Datadog 361.11 2094 2657 25%27%

144、410 525 21%28%17 14 PLTR.N Palantir 377.30 2210 2633 16%19%468 558 6%19%17 14 资料来源：Wind，Bloomberg，兴业证券经济与金融研究院整理 备注：表格数据为彭博一致预期。市值为 2023 年 7 月 28 日数据，Snowflake 2024 财年为 2023 年 2 月 1 日-2024年 1 月 31日，Datadog、Palantir 财年与自然年一致 图图 53、公司公司市销率市销率 PS(TTM)情况情况 资料来源：Wind，兴业证券经济与金融研究院整理 05002019-04

145、-292020-04-292021-04-292022-04-292023-04-29MongoDBSnowflakeDatadogPalantir 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -36-海外公司海外公司深度深度研究研究报告报告 附表附表 资产负债表资产负债表 单位:百万美元 利润表利润表 单位:百万美元 会计年度会计年度 2023A 2024E 2025E 2026E 会计年度会计年度 2023A 2024E 2025E 2026E 流动资产流动资产 2237 2270 2574 3042 营业收入营业收入 1284 1532 1878 229

146、8 现金及现金等价物 456 634 887 1274 营业成本 349 400 479 575 短期投资 1381 1182 1182 1182 毛利毛利 935 1132 1399 1724 应收账款 285 328 355 411 研发费用 422 488 582 690 延期支付佣金 84 95 116 138 营销费用 699 807 967 1149 预付款项及其他流动资产 31 32 34 37 管理费用 160 174 207 241 非流动资产非流动资产 352 376 415 465 经营利润经营利润-347 -336 -357 -356 净财产和设备 58 55 53 5

147、3 其他收入 13 41 36 36 经营租赁资产使用权 41 43 47 51 税前利润税前利润-333 -295 -321 -321 商誉 58 58 58 58 所得税 12 22 32 40 获得的无形资产净额 11 3 0 0 净利润净利润-345 -317 -353 -361 递延税项资产 3 3 4 5 Non-GAAP 净利润净利润 65 137 189 275 其他资产 182 215 253 299 资产总计资产总计 2589 2646 2989 3507 主要财务比率主要财务比率 流动负债流动负债 589 698 857 1053 会计年度会计年度 2023A 2024E

148、 2025E 2026E 应付账款 8 10 12 14 成长性成长性(%)累算薪酬及福利 90 100 118 143 营业收入增长率 47.0%19.3%22.5%22.4%经营租赁负债 9 8 8 7 毛利润增长率 52.2%21.1%23.5%23.2%其他应计负债 53 60 71 85 Non-GAAP 净利润增长率 -6673.5%111.9%38.0%45.2%递延收入 429 521 648 804 非流动负债非流动负债 1261 1267 1278 1313 盈利能力盈利能力(%)负债合计负债合计 1849 1964 2135 2366 毛利率 72.8%73.9%74.5

149、%75.0%股东权益合计股东权益合计 740 682 854 1140 Non-GAAP 净利率 5.0%9.0%10.1%12.0%负债及权益合计负债及权益合计 2589 2646 2989 3507 Non-GAAP ROE 9.2%19.3%24.6%27.6%偿债能力偿债能力 现金流量表现金流量表 单位:百万美元 资产负债率 71.4%74.2%71.4%67.5%会计年度会计年度 2023A 2024E 2025E 2026E 流动比率 3.25 3.00 2.89 2.89 经营活动产生现金流量经营活动产生现金流量 -13 152 239 338 每股资料每股资料(美元美元)投资活

150、动产生现金流量投资活动产生现金流量 -33 -10 -21 13 Non-GAAP 稀释每股 EPS 0.81 1.70 2.34 3.40 融资活动产生现金流量融资活动产生现金流量 30 35 36 36 每股净资产 9.3 8.4 10.6 14.1 汇率变动引起的现金及 现金等价物的影响 -2 1 0 0 每股经营现金流 -0.2 1.9 3.0 4.2 现金净变动 -18 178 253 387 估值比率估值比率(倍倍)现金的期初余额 474 456 634 887 PE 231.3 223.3 161.9 111.5 现金的期末余额 456 634 887 1274 PB 20.2

151、44.9 35.9 26.9 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -37-海外公司海外公司深度深度研究研究报告报告 分析师声明分析师声明 本人具有中国证券业协会授予的证券投资咨询执业资格并登记为证券分析师，以勤勉的职业态度，独立、客观地出具本报告。本报告清晰准确地反映了本人的研究观点。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。投资评级说明投资评级说明 投资建议的评级标准投资建议的评级标准 类别类别 评级评级 说明说明 报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后

152、的12个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅。其中：A股市场以沪深300指数为基准；新三板市场以三板成指为基准；香港市场以恒生指数为基准；美国市场以标普500或纳斯达克综合指数为基准。股票评级 买入 相对同期相关证券市场代表性指数涨幅大于15%增持 相对同期相关证券市场代表性指数涨幅在5%15%之间 中性 相对同期相关证券市场代表性指数涨幅在-5%5%之间 减持 相对同期相关证券市场代表性指数涨幅小于-5%无评级 由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级 行业评级 推荐 相对表现优于同期相关

153、证券市场代表性指数 中性 相对表现与同期相关证券市场代表性指数持平 回避 相对表现弱于同期相关证券市场代表性指数 信息披露信息披露 本公司在知晓的范围内履行信息披露义务。客户可登录 内幕交易防控栏内查询静默期安排和关联公司持股情况。有关财务权益及商务关系的披露有关财务权益及商务关系的披露 兴证国际证券有限公司及/或其有关联公司在过去十二个月内与 JinJiang Road&Bridge Construction Development Co Ltd、成都经开资产管理有限公司、义乌市国有资本运营有限公司、Chouzhou International Investment Ltd、桐庐新城发展投资

154、有限公司、宝应县开发投资有限公司、中泰证券、中泰金融国际有限公司、中泰国际财务英属维尔京群岛有限公司、杭州上城区城市建设投资集团有限公司、安庆盛唐投资控股集团有限公司、巨星传奇集团有限公司、湖州市城市投资发展集团有限公司、如皋市经济贸易开发有限公司、重庆大足实业发展集团有限公司、江西省金融资产管理股份有限公司、中国信达(香港)控股有限公司、China Cinda 2020 I Management Ltd、成都银行股份有限公司、成都新津城市产业发展集团有限公司、漳州市九龙江集团有限公司、滁州经济技术开发总公司、珠海华发集团有限公司、华发投控 2022 年第一期有限公司、上饶投资控股集团有限公司

155、、上饶投资控股国际有限公司、乌鲁木齐经济技术开发区建发国有资本投资运营(集团)有限公司、成都空港城市发展集团有限公司、海盐县国有资产经营有限公司、海盐海滨有限公司、漳州市交通发展集团有限公司、泰州医药城控股集团有限公司、海宁市城市发展投资集团有限公司、高邮市建设投资发展集团有限公司、Gaoyou Construction Investment Development（BVI）Co.,Ltd.、南洋商业银行有限公司、平安国际融资租赁有限公司、上海银行杭州分行、湖州南浔振浔污水处理有限公司、杭州银行绍兴分行、新昌县交通投资集团有限公司、赣州城市投资控股集团有限责任公司、北京银行股份有限公司杭州分行

156、、台州市黄岩经济开发集团有限公司、湖州吴兴交通旅游投资发展集团有限公司、江苏银行扬州分行、湖北农谷实业集团有限责任公司、湖州经开投资发展集团有限公司、环太湖国际投资有限公司、温州名城建设投资集团有限公司、泰安市城市发展投资有限公司、Taishan City Investment Co.,Ltd.、益阳市赫山区发展集团有限公司、佛山市高明建设投资集团有限公司、民生银行、南京银行南通分行、重庆巴洲文化旅游产业集团有限公司、高密市交运天然气有限公司、上海中南金石企业管理有限公司、淮北绿金产业投资股份有限公司、四川港荣投资发展集团有限公司、镇江国有投资控股集团有限公司、香港一联科技有限公司、交银金融租

157、赁有限责任公司、交银租赁管理香港有限公司、平度市城市开发集团有限公司、德阳发展控股集团有限公司、泰兴市中兴国有资产经营投资有限公司、成都陆港枢纽投资发展集团有限公司、东台市国有资产经营集团有限公司、厦门国贸控股集团有限公司、国贸控股（香港）投资有限公司、澳门国际银行股份有限公司、中国国新控股有限责任公司、国晶资本(BVI)有限公司、中原资产管理有限公司、中原大禹国际(BVI)有限公司、中国国际金融股份有限公司、中国国际金融（国际）有限公司、CICC Hong Kong Finance 2016 MTN Limited、嵊州市交通投资发展集团有限公司、南京溧水经济技术开发集团有限公司、溧源国际有

158、限公司、Zhejiang Kunpeng(BVI)Company Limited、杭州上城区国有资本运营集团有限公司、多想云控股有限公司、长沙先导投资控股集团有限公司、XL(BVI)INTERNATIONAL DEVELOPMENT LIMITED、龙口市城乡建设投资发展有限公司、集友银行有限公司、成都中法生态园投资发展有限公司、盐城东方投资开发集团有限公司、东方资本有限公司、桐庐县国有资产投资经营有限公司、润歌互动有限公司、铜陵市国有资本运营控股集团有限公司、政金金融国际（BVI）有限公司、济南市中财金投资集团有限公司、百德医疗投资控股有限公司、江苏省溧阳高新区控股集团有限公司、江苏中关村控

159、股集团（国际）有限公司、济南历城控股集团有限公司、历城国际发展有限公司、郑州地产集团有限公司、绍兴市上虞区国有资本投资运营有限公司、香港象屿投资有限公司、厦门象屿集团有限公司、江苏腾海投资控股集团有限责任公司、连云港港口集团、山海（香港）国际投资有限公司、漳州圆山发展有限公司、天津滨海新区建设投资集团有限公司、兆海投资(BVI)有限公司、镇江交通产业集团有限公司、晋城市国有资本投资运营有限公司、镇江文化旅游产业集团有限责任公司、潍坊市城市建设发展投资集团有限公司、郑州城建集团投资有限公司、常德市城市建设投资集团有限公司、Higher Key Management Limited、广州产业投资基

160、金管理有限公司、江苏句容投资集团有限公司、淮安市交通控股集团有限公司、邵东市城市发展集团有限公司、济南高新控股集团有限公司、绍兴市柯桥区建设集团有限公司、恒源国际发展有限公司、宁波市海曙开发建设投资 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -38-海外公司海外公司深度深度研究研究报告报告 集团有限公司、Shandong Wonderland Holding Limited、蓬莱阁（烟台市蓬莱区）旅游有限责任公司、广州开发区投资集团有限公司、绍兴市城市建设投资集团有限公司、福建漳龙集团有限公司、建发国际集团、湖州燃气股份有限公司、新奥天然气股份有限公司、新奥

161、能源控股有限公司、Coastal Emerald Limited、山东高速集团有限公司、无锡恒廷实业有限公司、四海国际投资有限公司、商丘市发展投资集团有限公司、江苏瑞科生物技术股份有限公司、青岛市即墨区城市开发投资有限公司、交运燃气有限公司、中南高科产业集团有限公司、中国景大教育集团控股有限公司、福建省蓝深环保技术股份有限公司、重庆农村商业银行股份有限公司、重庆市万盛工业园区开发建设有限公司、Zhejiang Boxin BVI Co Ltd.、湖北光谷东国有资本投资运营集团有限公司、湖北新铜都城市投资发展集团有限公司、厦门国际投资有限公司、无锡市太湖新城资产经营管理有限公司有投资银行业务关系

162、。使用本研究报告的风险提示及法律声明使用本研究报告的风险提示及法律声明 兴业证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。，本公司不会因接收人收到本报告而视其为客户。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，投资者自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效，任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以本公司向客户发布的本报告完整版本为准。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

163、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的一切后果，本公司及/或其关联人员均不承担任何法律责任。本报告所载资料的来源被认为是可靠的，但本公司不保证其准确性或完整性，也不保证所包含的信息和建议不会发生任何变更。本公司并不对使用本报告所包含的材料产生的任何直接或间接损失或与此相关的其他任何损失承担任何责任。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可升可跌，过往表现不应作为日后的表现依据；在不同时

164、期，本公司可发出与本报告所载资料、意见及推测不一致的报告；本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。除非另行说明，本报告中所引用的关于业绩的数据代表过往表现。过往的业绩表现亦不应作为日后回报的预示。我们不承诺也不保证，任何所预示的回报会得以实现。分析中所做的回报预测可能是基于相应的假设。任何假设的变化可能会显著地影响所预测的回报。本公司的销售人员、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。本公司没有将此意见及

165、建议向报告所有接收者进行更新的义务。本公司的资产管理部门、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。本报告并非针对或意图发送予或为任何就发送、发布、可得到或使用此报告而使兴业证券股份有限公司及其关联子公司等违反当地的法律或法规或可致使兴业证券股份有限公司受制于相关法律或法规的任何地区、国家或其他管辖区域的公民或居民，包括但不限于美国及美国公民（1934 年美国证券交易所第 15a-6 条例定义为本主要美国机构投资者除外）。本报告由受香港证监会监察的兴证国际证券有限公司(香港证监会中央编号：AYE823)于香港提供。香港的投资者若有任何关于本报告的问题请直接

166、联系兴证国际证券有限公司的销售交易代表。本报告作者所持香港证监会牌照的牌照编号已披露在报告上海品茶的作者姓名旁。本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。未经授权的转载，本公司不承担任何转载责任。特别声明特别声明 在法律许可的情况下，兴业证券股份有限公司可能会持有本报告中提及公司所发行的证券头寸并进行交易，也可能为这些公司提供或争取提供投资银行业务服务。因此，投资者应当考虑到兴业证券股份有限公司及/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信赖依据。兴业证券研究兴业证券研究 上上 海海 北北 京京 地址：上海浦东新区长柳路36号兴业证券大厦15层 邮编：200135 邮箱： 地址：北京市朝阳区建国门大街甲6号SK大厦32层01-08单元 邮编：100020 邮箱： 深深 圳圳 香香 港（兴证国际）港（兴证国际）地址：深圳市福田区皇岗路5001号深业上城T2座52楼 邮编：518035 邮箱： 地址：香港德辅道中199号无限极广场32楼全层 传真：（852）35095929 邮箱：.hk