核心观点与关键数据

• 采购与供应链专业人士的影响力日益增强：随着企业面临多重冲击和危机，CEO 和采购与供应链领导者对韧性和竞争力的共同责任，使得采购与供应链在决策和战略制定中的重要性日益凸显。小型和成长型组织尤其明显，采购领导者（CEO、MD 或所有者）的比例在过去一年中翻了一番（从 15% 增至 33%）。
• 采购与供应链在 ESG 中的领导作用：93% 的采购与供应链领导者认为 ESG 的重要性正在增长或保持稳定，表明可持续性并未失去动力，而是日益融入业务优先事项。越来越多的组织将 ESG 承诺的执行责任分配给采购团队，采购正成为推动可持续业务转型的核心力量。
• 对人工智能的谨慎态度：市场对人工智能的早期兴奋情绪可能正在平息，采购与供应链领导者现在专注于建立坚实的基础。虽然人工智能将对该行业产生深远影响，但它可能会减少执行任务所需的人员数量，但会提升那些从数据中提取见解的人员。
• 技能发展重点：受访者最希望改进的技能是新技术（近一半）、风险管理（47%）和谈判技巧（42%）。然而，对领导力、影响力和战略能力的技能发展需求有所下降。
• 采购中心化趋势：77% 的受访者表示，他们的采购与供应链部门在集团或公司/部门层面是中心化的，这有助于降低成本、提高透明度并建立供应商关系。
• 与领导层的联系日益紧密：越来越多的采购与供应链领导者直接向 CEO、总经理或公司所有者汇报（三分之一），69% 的受访者现在认为他们拥有最合适的汇报线。这表明领导层越来越重视采购的意见，采购正成为战略决策的重要参与者。
• 对采购价值的认知：37% 的受访者认为采购与供应链是一个值得信赖的商业合作伙伴，54% 的受访者认为采购与供应链对支出效率有积极影响，但有时会被视为实施的阻碍。
• 投资重点：未来 12 个月内，采购与供应链在人员培训和发展、技术、网络安全和人工智能方面的投资将增加。增长型公司报告了所有类别中更高水平的投资，特别是在数字技术、网络安全、人员头数和员工培训与发展方面。
• 人工智能的采用：超过一半的受访者表示他们的流程至少部分自动化，但 44% 的人表示“不太自动化”。IT 和电信、农业、林业和渔业以及金融和专业服务行业在自动化方面处于领先地位。然而，对人工智能预期收益的预期有所下降，尤其是在澳大利亚和新西兰。
• 支出影响力：采购与供应链对组织支出的影响力正在增长，尤其是在医疗保健和 IT/电信行业。约 29% 的受访者表示他们负责管理 90% 以上的直接商品支出。
• 投资回报率：四分之三的受访者表示他们的组织跟踪或衡量采购与供应链团队为业务带来的影响和节省。衡量指标主要包括节省的钱（92%）、节省的时间（38%）、批准的供应商数量（35%）和 ESG 合规供应商数量（33%）。
• 网络安全：三分之二的组织在过去 12 个月内引入或更新了网络安全政策，另有 17% 表示他们正在讨论修订。约 28% 的组织在过去一年中经历了网络攻击。

妍兰䎽研报正文总结

1.1 妍兰䎽发展历程

• 妍兰䎽专注于AI领域，其发展历程可追溯至2016年，经历了多个阶段的成长。
• 2017年，妍兰䎽开始应用Transformer技术，标志着其在AI领域的初步探索。
• 2016年至2025年，妍兰䎽的营收呈现持续增长趋势，从104.0亿增长至121.1亿。
• 妍兰䎽的业务模式经历了从通用技术探索到行业场景深度定制、价值落地的转变。

1.2 妍兰䎽AI技术发展

• 妍兰䎽的AI技术发展经历了多个阶段，包括：
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案，并开始应用于行业场景。
  • 2019年进一步深化AI技术应用，并推出SaaS+AI模式。
  • 2020年持续提升AI技术能力，并拓展应用领域。
  • 2021年推出X⯕技术，并应用于多个行业。
• 妍兰䎽的AI技术已从通用技术探索，全面进入行业场景深度定制、价值落地的深水区。

1.3 妍兰䎽业务发展

• 妍兰䎽的业务发展主要集中在以下几个方面：
  • AI解决方案：为各行各业提供定制化的AI解决方案。
  • SaaS服务：提供基于AI的SaaS服务，并持续提升服务能力。
  • 行业应用：将AI技术应用于多个行业，包括工业、医疗、汽车等。
• 妍兰䎽的业务发展取得了显著成果，其AI解决方案和SaaS服务已获得广泛认可。

1.4 妍兰䎽竞争优势

• 妍兰䎽拥有强大的AI技术团队和丰富的行业经验，是其核心竞争优势。
• 妍兰䎽的AI解决方案和SaaS服务具有高度定制化和智能化，能够满足不同行业的需求。
• 妍兰䎽注重与客户合作，并持续提升服务质量，赢得了客户的信任和支持。

1.5 妍兰䎽未来展望

• 妍兰䎽将继续深耕AI领域，并不断提升技术能力和服务水平。
• 妍兰䎽将拓展更多行业应用，并推出更多创新产品和服务。
• 妍兰䎽的目标是成为全球领先的AI解决方案提供商。

2.1 妍兰䎽发展里程碑

• 妍兰䎽的发展历程中，经历了多个重要的里程碑，包括：
  • 2016年成立。
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。
  • 2022年获得多项荣誉和奖项。

2.2 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2023年获得多项融资。
  • 2024年拓展更多行业应用。
  • 2025年成为行业领先企业。

2.3 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2026年持续提升技术能力和服务水平。
  • 成为全球领先的AI解决方案提供商。

3.1 妍兰䎽AI技术发展

• 妍兰䎽的AI技术发展经历了多个阶段，包括：
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。

3.2 妍兰䎽AI解决方案

• 妍兰䎽的AI解决方案已应用于多个行业，包括工业、医疗、汽车等。
• 妍兰䎽的AI解决方案具有高度定制化和智能化，能够满足不同行业的需求。

4.1 妍兰䎽发展历程

• 妍兰䎽的发展历程中，经历了多个重要的里程碑，包括：
  • 2016年成立。
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。
  • 2022年获得多项荣誉和奖项。

4.2 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2023年获得多项融资。
  • 2024年拓展更多行业应用。
  • 2025年成为行业领先企业。

4.3 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2026年持续提升技术能力和服务水平。
  • 成为全球领先的AI解决方案提供商。

5.1 妍兰䎽AI技术发展

• 妍兰䎽的AI技术发展经历了多个阶段，包括：
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。

5.2 妍兰䎽AI解决方案

• 妍兰䎽的AI解决方案已应用于多个行业，包括工业、医疗、汽车等。
• 妍兰䎽的AI解决方案具有高度定制化和智能化，能够满足不同行业的需求。

6.1 妍兰䎽发展历程

• 妍兰䎽的发展历程中，经历了多个重要的里程碑，包括：
  • 2016年成立。
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。
  • 2022年获得多项荣誉和奖项。

6.2 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2023年获得多项融资。
  • 2024年拓展更多行业应用。
  • 2025年成为行业领先企业。

6.3 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2026年持续提升技术能力和服务水平。
  • 成为全球领先的AI解决方案提供商。

7.1 妍兰䎽AI技术发展

• 妍兰䎽的AI技术发展经历了多个阶段，包括：
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。

7.2 妍兰䎽AI解决方案

• 妍兰䎽的AI解决方案已应用于多个行业，包括工业、医疗、汽车等。
• 妍兰䎽的AI解决方案具有高度定制化和智能化，能够满足不同行业的需求。

8.1 妍兰䎽发展历程

• 妍兰䎽的发展历程中，经历了多个重要的里程碑，包括：
  • 2016年成立。
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。
  • 2022年获得多项荣誉和奖项。

8.2 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2023年获得多项融资。
  • 2024年拓展更多行业应用。
  • 2025年成为行业领先企业。

8.3 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2026年持续提升技术能力和服务水平。
  • 成为全球领先的AI解决方案提供商。

9.1 妍兰䎽AI技术发展

• 妍兰䎽的AI技术发展经历了多个阶段，包括：
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。

9.2 妍兰䎽AI解决方案

• 妍兰䎽的AI解决方案已应用于多个行业，包括工业、医疗、汽车等。
• 妍兰䎽的AI解决方案具有高度定制化和智能化，能够满足不同行业的需求。

10.1 妍兰䎽发展历程

• 妍兰䎽的发展历程中，经历了多个重要的里程碑，包括：
  • 2016年成立。
  • 2017年应用Transformer技术。
  • 2018年推出AI解决方案。
  • 2019年推出SaaS+AI模式。
  • 2020年持续提升AI技术能力。
  • 2021年推出X⯕技术。
  • 2022年获得多项荣誉和奖项。

10.2 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2023年获得多项融资。
  • 2024年拓展更多行业应用。
  • 2025年成为行业领先企业。

10.3 妍兰䎽发展里程碑

• 妍兰䎽的发展里程碑还包括：
  • 2026年持续提升技术能力和服务水平。
  • 成为全球领先的AI解决方案提供商。

亚信科技研报总结

核心观点

亚信科技是全球运营商系统龙头，当前全面向AI转型。公司以通信行业起家，通过“运营商核心系统+智能数据运营+智能连接产品”三大业务体系，为通信、能源、卫星互联网等行业提供一体化数智化解决方案。公司在BSS和OSS领域持续深耕，积累了深厚的软硬件、项目交付能力，在AI浪潮中率先与阿里等大模型厂商探索合作，目前已在AI大模型交付领域处于行业领先地位。

关键数据

• 2025年运营商核心系统业务收入47.82亿元，占总营收比重75.9%。
• BSS业务连续多年国内第一，中国市场占有率超50%；OSS业务国内市场占有率达15%，位列全国第三。
• 2025年港澳区域订单规模达1.8亿元。
• 2025年AI及大模型订单实现超41倍爆发式增长，域外签约项目70余个，沉淀百余标杆案例，推动智能体在210余个局点落地。
• 运营商“经分大模型”实现报告效率提升约80%，累计节省成本约1500万元。
• 2025年公司实现收入63.02亿元（-5.17%），净利润1.14亿元（-79.13%）。

研究结论

公司已成为AI大模型交付龙头，与阿里云、Kimi、NVIDIA、ABB等全球头部企业达成深度合作，成为主流大模型厂商核心落地伙伴。公司积极探索token经济，在通信行业率先布局场景Token，推动业务从项目制向资产化转型。公司在物理AI和卫星互联网领域也持续突破，与英伟达、ABB、垣信卫星等巨头合作，开启新成长路径。5G专网业务领先，入选Gartner2026年全球“4G和5G专网服务魔力象限”NichePlayers象限，5G专网核电市场占有率保持第一。

投资建议

首次覆盖，给予“优于大市”评级。预计公司2025-2027年归母净利润4.07/6.28/8.66亿元，对应当前PE分别为13/8/6倍。考虑到公司在大模型交付领域订单快速增长，公司在物理AI和卫星互联网领域也持续突破，给予公司26年15-18倍估值，预计合理估值7.43-8.92港元。

风险提示

宏观经济影响下游IT开支；AI进展不及预期；行业竞争加剧；核心技术人才可能流失；政策风险等。

海天瑞声(688787)研报总结

公司概况

海天瑞声成立于2005年，专注于研发和生产高质量、大规模、结构化的训练数据，为AI算法模型训练提供可靠素材，是AI时代的数据生产智能工厂。公司业务涵盖智能语音、计算机视觉及自然语言处理三大核心领域，提供标准化产品和定制化服务，并外延相关应用服务。截至2025年底，公司累计客户超过1200家，覆盖科技互联网、社交、IoT、具身智能、智能驾驶、大模型等领域的主流企业，以及政企、教育科研机构。

投资要点

1. 数据训练龙头：公司是AI数据生产的智能工厂，生产的模型训练数据涵盖三大核心领域，交付形式包括标准化产品和定制化服务。
2. 下游需求爆发：伴随多模态模型技术突破和AI应用场景落地加速，AI训练数据需求爆发，公司业绩步入快速增长通道。2025年公司实现营收3.77亿元，同比+59.00%；归母利润0.14亿元，同比+24.54%。

市场前景

1. 高质量数据重要性：高质量训练数据是AI规模化应用的核心“燃料”，大规模、高质量的数据集对于模型能力的提升愈加重要。Meta以148亿美元收购Scale AI 49%股权凸显AI时代数据价值。预计2027年全球AI训练数据市场规模将达到220亿美元，2021-2027年复合增长率达32%。

业务拆分与假设

1. 计算机视觉训练数据：随着全球视觉大模型不断迭代突破，高精度、场景化视觉数据需求持续走高，公司相关业务有望快速放量。
2. 自然语言训练数据：文生视频模型的快速发展，以及多语种应用场景的持续拓展，驱动多元化自然语言训练数据需求增长。
3. 境外业务：公司拓展了东南亚数据交付基地，已进入成熟运营阶段，有望贡献可观的持续性收入增量。

盈利预测与估值

1. 盈利预测：预计公司2026-2028年营业收入分别为5.37/7.31/9.68亿元，同比+42%/+36%/+32%；归母净利润分别为0.37/0.60/0.92亿元，同比+164%/+62%/+53%。
2. 估值方法：采用PE和PS估值方法，选择拓尔思、星环科技作为可比公司。
   • PE估值：给予公司2026年250倍PE，对应目标市值93亿元，每股合理估值为154.34元。
   • PS估值：给予公司2025年25倍PS，对应目标市值134亿元，每股合理估值为222.45元。
3. 最终估值：结合PE和PS方法，给予公司目标市值114亿元，对应目标价为188.39元，首次覆盖，给予“增持”评级。

风险提示

1. AI技术迭代风险
2. AI应用落地不及预期
3. 行业竞争加剧风险