日本IT服务业的NEC与富士通将驱动企业AI商业化，维持买入评级。

日本IT服务企业NEC和富士通将推动企业AI变现，继续买入 中信的观点 AC+81-3-6776-4641masahiro.shibano@citi.com柴野正弘 我们相信，NEC和富士通股价仍反映了AI替代的担忧。然而，我们仍认为这两家公司对于长期企业AI实施至关重要。近期来自AI实施先行者的案例表明，对AI投资回报率的担忧正在加剧。随着前沿AI模型代币价格持续上涨，企业必须在考虑相关经济性的同时实施AI。正如微软CEO所言，企业AI实施需要AI生态系统，而我们认为NEC和富士通在构建企业AI生态系统中扮演着至关重要的角色。此外，它们各自硬件领域的增长十分显著。此处我们特别指的是NEC的国防、航天和海底电缆业务，以及富士通的光传输、半导体和量子计算业务。 +81-3-6776-8304moriya.koketsu@citi.com宫崎耕太 人工智能应用——在日本，全面的人工智能实施仍然是一个中长期的课题。日本公司仍专注于核心系统的现代化，相关需求将持续到2028-2029财年。与此同时，主要在美国的领先公司已经推进了人工智能实施，并出现了开创性的案例研究。美国公司目前面临的高人工智能成本正促使人们讨论投资回报率。领先公司的人工智能应用阶段正从最大化转向优化。 ROI——对优步首席运营官关于AI ROI的评论、微软暂停某些AI工具的使用，以及Meta和亚马逊从最大化转向优化AI工具使用的转变表明，当前的AI应用并不一定能产生与其投资相匹配的回报。重要的是，即使在被认为回报率很高的编程领域，也出现了类似的情况。 目前关于SI服务商的定位——现有证据表明，有必要使用多个针对特定用途的AI模型。为了从AI投资中产生回报，企业必须根据业务价值和需求，部署性能和使用费用合适的AI模型。这表明企业级AI部署将变得日益复杂，我们认为这对提供AI部署支持的企业NEC和Fujitsu来说，是件好事。 n 盈利预测——对于NEC，我们预测2027财年非GAAP营业利润为4540亿日元（同比增长14%）。尽管特殊公共IT服务需求下降，但由于ANS（国防、航空航天、海底电缆）利润强劲，我们预计营业利润将超出指引（4200亿日元）。对于富士通，我们预测2027财年调整后营业利润为4159亿日元（同比增长7%），而指引为4250亿日元。我们预计硬件解决方案和泛在解决方案将低于指引，因为内存成本更高。 人工智能与投资回报 区域ROI 企业AI应用始于聊天机器人和工程师的编码，如今企业AI的采用正转向在广泛商业领域实施AI代理。随着应用范围扩大，一个关键讨论点是“工作所带来的经济价值是否足以证明AI成本”。例如，在法律领域的AI代理使用费很可能被该领域的经济价值所证明。监管行业，包括律师，人手短缺，人均月成本很高。此外，许多法律任务基于规则，使得确认AI处理的准确性相对容易。因此，用AI自动化这些任务的回报率很高。呼叫中心运营是另一个回报率相对较高的领域。因为所涉及的工作主要是基于手动响应且标准化，自动化效果可以轻松地随着大量案例的数量而扩展，即使被替代的人员的人均月成本相对较低。 人工智能的投资回报率在所有领域都高吗？ 第一个领域是专业人员处理的重复性工作，其人力成本（按人-月计算）很高。这包括一些任务，例如法律事务、合规性、财务分析和发展支持。在这些领域，需要替换或补充的人员的人-月成本很高，因此AI驱动的效率提升所创造的经济价值也很大。此外，如果工作基于规则且具有一定的重复性，那么在AI处理之后，人类更容易重新核实结果，并且实施风险也更容易管理。 第二种工作是存在大量标准化任务的工作，即使人月成本相对较低。这包括呼叫中心和后台的常规处理。在这种情况下，尽管每个案例的经济价值不大，但由于处理的案例数量庞大，人工智能的自动化效果很容易实现规模化。 另一方面，也存在AI投资回报率（ROI）明显较低的业务领域。即使由专业人员处理，且人月成本很高，但如果任务不重复且难以进行判断验证，那么验证AI输出的成本就会很高。此外，对于由低成本人员处理的低容量和非标准化任务，AI产生的节省可能有限，难以创造超出模型使用费和实施成本的经済价值。 因此，AI的投资回报率并非仅由AI模型的性能决定，而是由目标任务的人月成本、标准化率、处理量以及模型的单位成本共同决定。从概念上讲，AI的投资回报率可以表示如下：AI投资回报率 = (人月成本 × 标准化率 × 处理量) ÷ 模型单位成本 高投资回报率所需的条件 我们认为，即使在通常被认为投资回报率（ROI）相对较高的系统开发领域，不同阶段的投资回报率也存在差异。在编码——系统开发的关键流程中，ROI较高，因为它涉及较高的人/月成本，且具有一定的重复性。在测试阶段，ROI也较高，虽然人/月成本较低，但工作高度标准化。相反，在系统开发的上游（需求定义）和下游（验收测试）流程中，ROI相对较低。即使由人工智能进行数据处理，后续的再验证仍涉及大量项目，而进入下一步则伴随着重大风险（例如， flawed requirements definition（需求定义缺陷）在开发启动时可能导致严重损害）。 投资回报率方面的差异也开始出现在系统开发中。 因此，将相似水平的AI投资分配给低回报和高回报领域会侵蚀回报率。我们认为，这是优步近期就AI驱动的生产力提升与AI相关成本失衡所发表声明背后的背景，也是亚马逊和Meta从最大化令牌使用转向优化令牌使用的转变。因此，要提高回报率，需要要么1)减少对低回报领域的AI资本配置，要么2)大力投资相对低成本模型。 此外，在利用企业人工智能方面，有两个要点必须考虑： 1.公司是否绝对需要人工智能所能带来的生产力提升和系统开发周期的缩短？ 对于优步而言，无需每月更改成品应用的技术规格，而且其所需的代码量本来就不多。既然如此，该公司在多大程度上需要使用人工智能？ 除投资回报率（RoI）之外，公司是否在承担代币成本（变动费用）方面，比承担人工成本（固定费用）更为不愿意？ 对于企业而言，变动成本增加了年度预算的不确定性，因此变动成本占比的增加通常不受欢迎。 迄今为止，围绕某些AI支出的叙事一直是“增加代币消耗=利润增长”。但这显然是错误的。一个更准确的公式应该是“代币消耗×生产率提升×营收转化率－AI代币成本=利润增长”。以优步为例，即使AI加速了应用发布周期，其营收转化率仍然很低，这意味着AI应用对利润增长的影响有限，甚至在考虑了代币成本后可能还会产生负面影响。 模型定价 因此，决定未来投资回报率的关键因素将是人工智能在不同商业领域的应用方式以及人工智能模型的推理成本。前沿人工智能模型的推理成本持续上升，使得证明投资回报率越来越困难。虽然人工智能能力在提升，但关于模型能否提供符合实际业务需求成本和性能，以及该投资回报的不确定性仍然存在。例如，OpenAI旗舰模型的开销大致翻了一番，因为GPT-4o（5月份发布）的每百万个token的费率 2024年的价格是15美元，而较新的GPT-5.5的价格则是30美元。这一趋势在竞争对手中也十分明显，旗舰型号的价格也经历了一系列上涨。 与此同时，中国的顶级开源AI模型，如DeepSeek和Kimi，性能优异，但其每百万个token的价格显著低于旗舰模型。这些中国模型得益于必要的训练成本和模型架构的差异，能够保持推理成本较低。例如，DeepSeek和GLM等模型采用专家混合（MoE）架构进行原生构建。相反，OpenAI等前沿AI模型则采用密集模型架构（尽管它们确实包含了MoE元素，但这不被视为其原生结构）。密集模型在推理过程中会使用所有模型参数。相比之下，MoE模型仅选择为特定推理任务所需的特定“专家”，因此仅利用模型部分参数进行推理。这降低了所需的计算能力，从而实现了更低的成本。 以一个极端的例子来说，如果一个拥有万亿token的模型被当作密集模型来运行，那么每次进行推理时它都会使用全部的万亿个token，这需要相应规模的计算能力。另一方面，在专家混合（MoE）模型的情形下，它可能只需要使用例如五千亿个token中的那部分token。因此，使用MoE模型进行的推理每次所需的计算能力较低，这意味着成本更低。 多模型人工智能 微软考虑采用DeepSeek的潜在影响重大。在此降低成本的趋势下，微软已承认其正考虑使用DeepSeek为其自身的AI代理平台。微软最初将Copilot提供的模型限制为来自OpenAI和Anthropic的模型，但现在看来，在考虑了客户AI投资的回报率后，微软正考虑采用DeepSeek为其代理AI平台Copilot Cowork。我们认为这一发展表明，客户AI实施正转向多模型方法。此外，撇开价格不谈，仅依赖前沿AI模型对 corporations 来说存在重大风险，考虑到近期美国政府针对此类模型的监管。我们认为，随着AI实施规模扩大，将会有转向供应商中立AI模型使用的趋势。如果采用多种AI模型能提高回报率，我们预计企业AI使用将出现结构性增长，从而推动计算能力消耗上升。 从单一美国制造的AI模型转向中美多模型 系统集成商对多模型AI解决方案的需求有巨大的增长空间。 我们相信，系统集成商对人工智能实施的需求正在上升，这得益于投资回报率的提升以及企业环境中对多模型人工智能的需求。我们之前的基本情况涉及使用前沿人工智能模型进行垂直整合实施（例如，OpenAI就建立了OpenAI部署来提供前置部署的工程服务），但现在，我们的基本情况涉及多模型人工智能实施。在这种情况下，人工智能的采用很可能从根本上与供应商无关，这将推动对由系统集成商自身或超大规模企业开发的人工智能平台的需求。此外，基于多个人工智能模型的人工智能代理的部署增加了复杂性，不仅在实施过程中，在持续运营中也是如此。尽管将简单的系统开发任务（例如编码、测试）外包给系统集成商可能会下降，但我们预计人工智能部署和运营的外包将会增加。 采用多种人工智能模型会增加实施的复杂性 三大巨头——NEC、富士通和野村研究所（NRI）——很可能从这种需求中显著受益。人工智能平台位于核心企业系统和前端系统之间，主要连接到核心系统。因此，在开发企业核心系统方面拥有经验系统集成商处于有利地位。历史上，这三家公司中有两家是工业电子公司，拥有实施大型机的经验，而且这三家公司都为证券公司开发了核心系统。随着人工智能的部署，它们的地位很可能会变得非常重要。事实上，这三家公司已经开始提供人工智能平台，其人工智能相关业务的前景看起来非常有希望。 硬件操作 除人工智能相关的IT业务外，NEC和富士通还经营硬件业务。这些硬件业务不仅不会受到人工智能的取代，而且是与时俱进、值得密切关注的增长领域。这两家公司都涉足国防领域，该领域正随着无人机和人工智能等新技术的出现而快速发展，我们相信，在这个领域，它们很可能扮演着类似于软件公司的角色。事实上，鉴于对人工智能相关系统漏洞的担忧，NEC已从国防部获得国防相关的安全合同，并且此类需求正在增长。除国防领域外，NEC在航天（卫星间及地面通信）和海底电缆（人工智能正推动流量需求增长）领域具有很高的增长潜力。对于富士通而言，极具前景的领域包括光传输（美国AT&T的城市间通信）、半导体（为人工智能数据中心设计CPU）和量子技术。 十七个战略领域和NEC/Fujitsu 转向竹池政府正在推动的17个战略领域投资，媒体于6月19日报道了公共/私人投资的具体数字。预计到2040财年，投资额包括：人工智能和半导体（包括物理人工智能）105万亿日元，电信240万亿日元。 （海底电缆）4.3万亿日元用于国防工业（军民两用技术），以及6.4万亿日元用于航空航天（人造卫星）。 NEC是信息和通信、国防和航空航天领域的关键参与者，很可能从中显著受益。其在全球海底电缆市场占有约20%的份额，并在亚太地区开展安装项目，该地区的潜在需求增长高于其他地区。因此，NEC海底电缆业务的未来增长潜力很可能增加。此外，在航空航天领域，NEC作为关键参与