## Official Facts
- **正常信用期与账期**：公司授予贸易客户的正常信用期主要为90至270日。
- **毛利率持续下行**：公司整体毛利率从2022年的66.8%下降至2023年的44.1%、2024年的42.9%，并进一步微降至2025年的41.0%。
- **销售成本结构变化**：硬件成本及分包服务费绝对值持续增长（2023年人民币1,537.9百万元，2024年人民币1,705.4百万元，2025年人民币2,315.2百万元），占总销售成本比重维持在78%-81%区间；AIDC运营成本绝对值及占比快速上升，从2023年的人民币63.7百万元（3.3%）增至2024年的人民币124.7百万元（5.8%），并在2025年达到人民币328.6百万元（11.1%）。
- **应收账款及减值**：2022年至2024年，贸易应收款项总额账龄有所恶化，其中超过3年的长账龄应收款项从2022年的人民币629.7百万元增加至2024年的人民币3,821.1百万元；至2025年，应收账款回收有所改善，2025年上半年贸易应收回款额达人民币3,158.5百万元，同比提升95.5%；截至2025年底，超过两年的长账龄贸易应收款项总额得到改善。
- **定价模式与参数**：软件平台的定价主要参考四项因素：(i)提供的AI模型数目及复杂度；(ii)赋能的物联网设备数目及类型；(iii)运行所需的硬件及计算资源；(iv)部署及运维服务。
- **特定交易价格记录**：根据2022年记录，应JCV要求提供算法升级服务时，服务费为每次2.5百万美元（约合19.625百万港元）；定制服务通过公平磋商单独协定费用。
- **客单价变动**：2023年，生成式AI业务中30%的存量客户客单价录得约50%的增速；2024年，以订单金额为代表的客户付费意愿同比增加6倍。

## Management Claims
- 公司表示，2024年大模型算法与基础设施的联合优化使行业的训练成本与推理成本均较一年前下降了至少一个数量级。
- 公司表示，2025年推出的日日新SenseNova V6.5在视觉编码器轻量化后，性价比在V6基础上提升3倍以上。
- 公司解释毛利率的下降主要是由于客户需求推动，生成式AI服务扩张导致硬件及AIDC相关成本（含折旧与运营）上升且增长速度快于总销售成本。
- 公司解释历史应收账款账龄恶化主要由于传统智慧城市业务特征决定，其客户内部财务管理及付款批核程序要求长付款周期，部分公营机构客户面临预算限制。
- 公司表示战略重心向生成式AI转移，主动收缩智慧城市业务，是为聚焦精品客户、优化收入质量并改善现金流。

## Official Promotional Language
- “最具性价比的生成式AI解决方案”
- “业界性能最好、推理速度最快的端侧小模型”
- “经济高效的方式配置产品方案”
- “实现效能与性价比的倍数级跃升”

## Third-party Data Used
- 现金周转周期：由228天压缩至129天（来源：信达证券，2026年4月7日报告）。

## Third-party Views
- third_party_view：有第三方提出假设，公司综合毛利率长期将逐步稳定在55%左右；该观点尚需通过公司生成式AI业务成本结构的最终稳态进行验证（注：公司2025年实际毛利率为41.0%）。

## Evidence Cards

### 观察1：毛利率下行与算力/硬件成本占比上升
- **观察事实**：毛利率由2022年66.8%逐年下降至2025年41.0%；同期AIDC运营成本由人民币13.8百万元（2022年）升至人民币328.6百万元（2025年），硬件及分包成本由人民币1,118.9百万元升至人民币2,315.2百万元。
- **来源身份**：reported_fact
- **时间尺度**：连续多期（2022-2025）
- **所有者相关性**：单位经济模型、价格/交易条件、利润池
- **事实触发的问题**：毛利率的下行多大程度是算力和硬件作为基础设施投入的结构性必然结果，多大程度反映了在生成式AI行业竞争下的价格让步或成本转嫁压力？
- **证据边界**：
  - **已记录事实**：毛利率连续四年下降；AIDC与硬件成本绝对金额及占销售成本比例持续上升。
  - **可提示的问题**：可能影响对公司整体定价权、成本转嫁能力及未来稳态毛利率的判断。
  - **升级判断所需证据**：需要同业生成式AI基础服务商的毛利率对比数据、公司软硬件产品分部毛利率拆分数据，以及单位算力/调用的真实销售单价趋势。
- **后续验证**：需持续观察随着大模型推理成本下降（如管理层所述“下降一个数量级”），公司毛利率是否企稳回升，以验证其是否具有对下游客户的溢价能力。

### 观察2：应收账款账龄恶化与后续现金流修复
- **观察事实**：正常信用期为90-270日，但2022-2024年间，逾期3年以上的应收账款显著增加（至2024年底达人民币3,821.1百万元），同时计提了大额减值拨备；2025年贸易应收回款额显著回升（2025上半年回款达人民币3,158.5百万元，同比增95.5%），第三方数据显示现金周转天数由228天降至129天。
- **来源身份**：reported_fact / third_party_data
- **时间尺度**：跨周期（2022-2025）
- **所有者相关性**：现金流、交易条件、风险暴露
- **事实触发的问题**：现金周转周期的大幅缩短和回款的提升，多大程度来源于对历史旧账的集中催收，多大程度来源于新业务（生成式AI）交易条款和客户资质的实质性改善？
- **证据边界**：
  - **已记录事实**：长账龄应收款规模处于高位，2025年回款金额与周转天数出现改善。
  - **可提示的问题**：可能影响对公司客户议价能力、回款质量及坏账风险出清程度的判断。
  - **升级判断所需证据**：需要拆分2025年新签生成式AI业务的实际账期及回款率，以及剩余长账龄应收款的具体客户结构与坏账计提覆盖率。
- **后续验证**：需观察未来几个财报期内，信用期内（90-270日）应收账款与当期营业收入的匹配度，以及经营活动现金流量净额是否能实现持续正向流入。

### 观察3：模型技术升级带来的成本与效率变化
- **观察事实**：2024年管理层称训练与推理成本较一年前下降至少一个数量级；2025年称新版本模型性价比提升3倍以上；同时AIDC运营及折旧成本规模仍在扩大。
- **来源身份**：management_claim / reported_fact
- **时间尺度**：连续多期（2024-2025）
- **所有者相关性**：单位经济模型、价格/交易条件
- **事实触发的问题**：技术进步带来的“推理成本下降”与“性价比提升”，多大程度上能被公司内部截留转化为利润，多大程度上需要通过降价让利给客户以维持市场份额？
- **证据边界**：
  - **已记录事实**：管理层声称推理成本下降及性价比提升；报表显示硬件与AIDC支出增加。
  - **可提示的问题**：可能影响对公司在生成式AI降价潮中的价格防御力和规模效应的判断。
  - **升级判断所需证据**：需要公司API接口调用单价的历次调整记录，以及单客户ARPU值变化的详细拆解（由于量增导致的ARPU上升 vs 价格变动）。
- **后续验证**：需验证后续财报中生成式AI收入增速是否持续高于算力成本与研发成本增速，从而证明规模效应的闭环。

## Open Questions
- 公司生成式AI业务中，算力租赁（如AIDC资源提供）、API调用与私有化模型部署的收入占比各是多少？不同模式下的真实毛利率和回款条件是否存在显著差异？
- 面对行业内基础模型的降价趋势，公司维持当前市场份额是否需要进一步下调API调用单价或放宽交易条款？
- 截至2025年底，账龄超过2年及3年的贸易应收款项的绝对余额是多少？剩余未计提减值的长账龄应收款项是否存在进一步计提减值的风险？