（原标题：AI研究员对百融云的预期：并不很灵）

紫金财经3月14日消息 股市，从来就不创造财富，它只是个财富重新分配的场所，比的是对手盘之间的零和博弈。为什么空仓的人这波行情没买AI板块的人，每天都在“幸亏没追”和“为什么没追”之间精神分裂，看着大盘V型反转每天都在猜顶？因为股票赚钱的核心，是“预期差”。

一个很扎心的事实：股市中大部分人的预期，全都是错的！否则不会是8亏、1平、1赚。我们要了解和预判大部分人的预期，然后和他们对着干，才能成为那赚钱的1%。如果你的分析和大部分看完券商公开报告的小散户都一模一样，请问你的筹码卖给谁去？俗话说我预判了你的预判。

马上要到财报披露期，上市公司近期能接待的投资者调研会非常少，尤其是AI板块的公司（希望有幸看到这篇文章的朋友，能把这句话的意思读明白，细品）。

有没有发现最近AI板块全在炒CPO和服务器，但是去年同周期大涨的AIGC（除了Sora概念）几乎没动？当然会有人把他归结为存量资金有限和边际增量主攻沪深300、恒生蓝筹，但有没有想过为什么AIGC大涨都是在算力端调整的时候，并且第二天没有大单接货？

以￥百融云-W（6608.HK）这种AIGC公司，分析一下AIGC这种少数能让散户买在机构前面的细分赛道。

1.机构认为：AIGC的性能取决于AI大模型，所以在算力有限的情况下，AIGC不会有爆款，应用端赚不到钱。

这是一个典型“自上而下”分析框架会犯的错误。因为买方看完卖方的报告，会觉得Scaling law法则下计算量≈大模型性能，而由于GPU每天的工作时间是恒定的，最多24小时，那硅谷巨头们只能无限堆GPU，算力就是一切。只有AI大模型越来越像人，才能实现AGI，也就才有真正意义上的AIGC爆款。通俗点说，他们先研究行业，然后再看细分里边的AI公司都有谁，然后用同一套研究框架把这些公司归为同类。

那我们先摆事实，再说逻辑。以百融云为例，它是一家以MaaS和BaaS（90%核心客户留存率）为主业的AI公司，现在市场对它的认知是去年前三季度的收入已经逼近20亿元，基本盘比较稳，毕竟客户不会换AI服务商，而业绩增量来自AI Agent。我们就看一下百融云的AI Agent赛博坦跟上述分析是否一致。

最快能应用到B端的功能就是AI代码自动生成（BR-Coder），我们试一下。

我的问题是，让百融云的AI Agent生成一个可以不随Linux系统自动关闭或打开的程序代码。我们看它的回答是否专业。

注意看文中画线部分，Linux中有一个叫做“systemd”的系统，是管理Linux的一个系统进程，这个进程一般在Linux里边是默认自启动的，也就是“auto start”，但百融云AI赛博坦生成的这段代码，符合了我希望让它是一个运行一次就自动关闭程序的要求，所以第一行type=oneshot就非常专业；第二行ExecStart=/bin/true，这是ExecStart参数的值，表示在启动服务时将执行的命令，后面bin/true是程序命令，是指返回一个成功的退出状态，因为在这个特定的服务中，并不需要在启动时执行实际的命令或脚本；最后一行RemainAfterExit=yes，这个参数表示即使在服务命令或脚本执行后退出之后，该服务也会被认为是处于活动状态。

百融云的AI业务客户，主要集中在金融业，而关键点就在于，中国的金融机构用的计算机系统，不管是麒麟OS还是鲲鹏服务器，都是用Linux系统二次开源的，因为这是信创采购对事业单位+5大行业的硬性要求。所以只有熟悉Linux系统程序语言的AI大模型，才能满足中国B端客户对AI Agent的要求。但对于GPT来说，海外系统基本都是Windows，Linux海外市占率只有4%。而百融云给金融业以及其他行业客户做的AI Agent应用，比如财务、法务、行政部门的AI员工；公司内部AI自动流程审核，都是基于Linux系统才有的下文。

所以，卷AI大模型参数没有错，但不是“通用”地卷，而是“垂直”地卷，机构之所以判断AIGC要基于大模型，是因为他们不是自下而上的研究体系，换句话说，行业研究员跟个股研究员的角度，是不一样的。换个曾经的例子，都是用宁王的电池，但为什么每个国产新能源品牌卖的车，价钱差那么多？总得知道利（zhi）润（shang）率（shui）是哪来的吧。

2.机构认为：AI应用公司都是订阅制，不管B端还是C端，去年已经付费的年度用户不会再付一次钱，所以要看付费用户占比距离100%还有多少空间。

这又是一个典型的卖方“自上而下”分析框架会犯的错误。很简单，MaaS这种模型调用的商业模式，跟传统云服务厂商是一回事吗？我认为，卖方之所以有这样的误区是因为都在把中国的AI和云服务商跟甲骨文对比。比如甲骨文财报后大涨，是因为“积压订单”的高增，尤其是OCI需求旺盛。因为在软件行业经常看到先有订单积压增长、然后CAPX（资本开支）增长、再转化为出现递延收入、最后确认收入。且不说对甲骨文来说这种方法都很容易出现miss，因为极端大合同往往偶发出现，而配套产能的建设又持续受到限制，导致传导到收入的时间维度拉的巨长，更不用说MaaS跟这个根本不一样。

我们来体验一下银行业人员上班的一天是怎么过的。比如一个负责信贷业务的客户经理，每天上班第一件事就是打开一个后台，里边是最近1个交易日内所有银行窗口、APP、支付宝等入口贷款申请者的资料汇总，他们需要在第三方AI服务商的决策系统协助下，从用户行为信息（比如资产、流水、收入、APP日活数据）中自动生成该用户是否具备贷款申请资格、贷款额度、分期规划等等，然后再打开一个信用等级评估的后台系统，紧接着是贷款调查、贷款审批、签订合同、贷款发放等等一系列窗口，电脑屏幕上布满了蓝底儿黑字儿的方框。而这背后每一个调用的AI功能，包括但不限于一系列AI自动审批及算法筛选，都有百融云技术服务的身影。而这一部分MaaS业务是怎么收钱的？难道是客户去年底交了一次年费，今年一直可以随时登录吗？

错！是每调用一次AI模型，就按照API的调用量收费！所以百融云这种AI公司的商业模式，跟AI服务器还有云厂商，是不一样的，压根就不是一锤子买卖。那具体的调用量有多少呢？资料显示，总调用量已经超过百亿次，没错，百亿次。如果是一锤子买卖，有可能某一年采购大年能达到收入20亿，但采购周期很长的环节不可能未来2年能继续20亿，所以看百融云的财报，这公司怎么可能是一次性付费的模式呢？这种“可持续性收入”不正是券商天天喊着找的好生意吗？

3.机构认为：已经开始盈利的AI公司，估值就会从PS转成PE，2-3亿净利润的AI公司，再算上港股流动性折价，市值不会太高。

这是一个典型财务投资者、或者从四大转成二级投资人会犯的错误。因为财务报表是“果”，不是“因”，财务报表——是由商业模式决定的。

记不记得曾经15年炒TMT、20年炒信创的时候，很多卖方报告会把公司的研发费用加回到净利润里，然后再用每6%ROE能支撑1倍溢价，最终算出公司的总市值？当然，这是在当年市场风险偏好高、增量资金源源不断情况下来的，但是每次最可悲的都是踏空的人说：“涨出了基本面”。

百融云这种AI公司，是需要非常大研发投入的，公司累计研发投入已经超过16亿元，那为什么要研发？90%多的核心客户留存率，加上金融业为主的客户一般不会轻易更换AI服务商，吃老本不就够用了吗？我认为是AI作为新一轮科技浪潮，没有任何厂商想掉队，但区别就在于，这个研发费用是烧的，还是投的，不同就在于本身有没有盈利能力。

所以百融云这种公司，去年上半年账面有2个多亿的净利润，但实际上有6-7亿的“盈利能力”，如果再算一下公司包括可收回应收款的资产质量、减去长期借款的自由现金流、和能支撑几倍溢价的ROE，市值该怎么给呢？