商湯重新分配算力：工業 AI 能否接住五十億收入後的盈利任務

7 月 27 日的線上機構調研會上，商湯管理層釋放出以下信號：通用大模型資源投入將更加強調效率，新增資源也會向工業 AI 智能體和汽車智能化傾斜；智慧城市業務會放棄低價項目競爭；研發費用則繼續用於清理低效環節；日日新工業 AI 套件已在長三角製造企業展開試點，目標是提煉能夠複製的行業產品。

值得注意的是，商湯不僅釋放出的經營信號十分少見，同時也並非發生在收入失速階段。

截至目前，商湯最新完整財務口徑仍是 2025 年年報。數據顯示，公司全年收入 50.15 億元，同比增長 32.9%；淨虧損 17.82 億元，同比收窄 58.6%；全年 EBITDA 虧損縮至 4.71 億元，2025 年下半年調整後 EBITDA 轉正至 3.76 億元。貿易應收回款達到 48.71 億元，現金轉換週期由 2024 年的 228 天縮短至 129 天。

收入、減虧和回款的同步改善，為商湯重新安排研發資源提供了操作空間。

基於商湯實際經營發展情況，7 月 27 日釋放信息的觀察重點，落在了增長質量上。目前商湯已經積累了大模型、視覺算法、算力平台和行業客户，下一階段需要把這些能力轉化為更短的交付週期、更高的產品複用率和更清晰的現金回報。

算力規模不再自動轉化為競爭力，研發預算開始服從商業閉環

2025 年，商湯的增長仍由生成式 AI 驅動。數據顯示，該板塊收入 36.30 億元，同比增長 51%，約佔集團收入的 72%；計算機視覺收入 10.83 億元，同比增長 3.4%；“X 業務” 收入 3.02 億元，同比下降 5.9%。

可見商湯的收入結構已經高度集中於大模型及相關基礎設施，模型能力仍是商湯業務底座，其資源調整更接近內部再平衡。

問題是雖其實現了高增長，但背後仍有較重的成本約束。

數據顯示，2025 年商湯研發費用 37.75 億元，同比下降 8.6%，規模相當於全年收入的約四分之三；研發、管理及銷售費用合計 55.70 億元，同比下降 10.9%。同期毛利率為 41.0%，低於 2024 年的 42.9%；資本開支達到 34.88 億元，佔收入 69.6%，年末現金儲備為 142.47 億元。

商湯擁有繼續投入的資金條件，不過投入方式需要更強的產出約束。

管理學家彼得·德魯克區分過效率與效能：效率關乎把事情做對，效能關乎選擇正確的事情。

對商湯來説，壓縮重複訓練、低迴報項目和價格競爭屬於效率治理；把多模態模型嵌入工業、汽車等高專業度場景，才是理智的業務選擇。

該種調整也與大模型產業的成本結構相符。通用模型需要持續投入訓練、推理、服務器和雲服務費用，性能提升卻未必同步轉化為客户預算。模型能力逐漸成為公共底座以後，企業競爭力更多來自單位推理成本、產品交付速度、行業數據積累和客户續費。

7 月 15 日，商湯進一步升級 Token Plan，強調國產芯片進入工業級大模型服務鏈條，並提升複雜智能體任務的調用能力。可見底層模型沒有退出，同時公司正嘗試降低單位智能的生產成本，讓模型、算力和應用形成更緊密的收入閉環。

智慧城市業務的取捨也應放進這一框架。數據顯示，商湯 2025 年貿易應收回款同比增長 5.4%，金融資產及合同資產減值損失由 7.81 億元降至 2.87 億元，現金轉換週期大幅縮短。低價項目通常伴隨長交付、重定製和回款壓力，規模擴張容易佔用研發與營運資金。商湯繼續放棄低質量訂單，有助於保護現金流質量，也可能造成階段性收入擾動。

對於一家仍處於虧損狀態的 AI 公司來説，收入減少並不等同於邊際惡化。低毛利、長賬期項目退出後，只要生成式 AI、工業智能體和海外視覺業務能夠補足規模，公司整體現金流質量反而有望繼續改善。後續財報需要觀察智慧城市收縮對收入的影響，以及費用下降能否快於業務規模調整。

工業 AI 的門檻正在從模型性能轉向生產系統，商湯要跨過 “試點經濟”

工業 AI 成為商湯資源傾斜方向，與政策和製造業需求同頻。

八部門發佈的《“人工智能 + 製造” 專項行動實施意見》提出，到 2027 年推動 3 至 5 個通用大模型在製造業深度應用，推出 1000 個高水平工業智能體，建設 100 個工業高質量數據集，推廣 500 個典型應用場景，並選樹 1000 家標杆企業。政策還明確要求 AI 進入研發設計、中試驗證、生產製造、營銷服務和運營管理全流程。

政策已經提供了場景和預算方向，至於企業採購仍看可量化收益。目前工業現場的判斷標準十分具體：缺陷率下降多少，停機時間能否減少，排產效率是否提高，能源成本能否降低。模型還要接入設備、傳感器、工業軟件和企業數據庫，並滿足實時性、可靠性、安全性要求。製造業客户很少為一次模型演示持續付費，項目驗收仍取決於穩定運行和結果可追溯。

工業 AI 與辦公智能體之間有着顯著的差別。辦公場景出現錯誤，通常可以人工複核；生產線場景中出現誤判，則可能造成原材料浪費、設備停機甚至安全事故。因此工業企業願意為可靠性支付費用，也會設置更長的測試、驗證和採購週期。

商湯在工業 AI 上的基礎主要來自視覺 AI。公司已有工業質量控制產品，覆蓋缺陷檢測、安全管理和智能運維；2025 年 CV2.0 首次實現盈利，並連續兩年錄得正現金流。視覺識別適合切入質檢、巡檢和設備管理，多模態模型則可以進一步處理工藝文檔、現場圖像、設備日誌與專家經驗。

商湯的優勢在於多模態、機器視覺和算力平台可以協同，短板則是製造業工藝知識分散在不同企業和產線。工業軟件公司熟悉流程，自動化廠商掌握設備接口，雲廠商擁有客户渠道。商湯需要與工業龍頭、設備商和軟件商共同定義產品，減少單獨承擔重交付的壓力。

工業 AI 的規模化由生態協作、標準接口和客户復購共同完成，單一模型榜單無法替代這一過程。商湯在長三角選擇製造企業試點，具備較好的產業條件：區域內汽車零部件、電子信息、裝備製造和新能源產業密集，企業數字化基礎相對成熟，同類型工廠也更容易形成複製鏈條。

不過長三角試點的含金量，要由複製效率確認。首批客户能否轉成付費合同，同一套智能體能否跨工廠部署，實施週期能否逐季縮短，軟件與持續服務收入佔比能否提升，這些指標比試點數量更重要。如果收入增長依賴增加人員，毛利率將難以持續提高，訂單能見度也偏弱。反之日日新工業 AI 套件若能沉澱統一的數據治理、模型調用、任務編排和交付工具，商湯便有機會把一次性交付轉化為 “平台費用、軟件訂閲、模型調用和持續運維” 的複合收入。

商湯的下一份答卷，要同時寫在工廠產線與現金流量表上

當前工業 AI 承擔收入結構升級，智能汽車繼續擴大技術外延，智慧城市則進入主動篩選項目的階段。於是，商湯的經營重心由技術規模擴張轉向技術資產的週轉效率，這是國內 AI 公司商業化階段的共同課題。

智能汽車為商湯提供了另一條商業化路徑。

2025 年，商湯旗下端側芯片和智能駕駛板塊完成融資並出表獨立運營，集團降低持續投入壓力，相關業務獲得獨立融資和產業合作空間。2026 年北京車展期間，商湯絕影發佈艙駕一體智能體產品體系；公開信息顯示，絕影已與 30 餘家車企合作，覆蓋近 200 款車型，累計出貨接近 550 萬輛，並計劃與 T3 出行在年內啓動 Robotaxi 試運營。

出表會削弱汽車業務對集團並表收入的直接貢獻，但能改善資本配置。商湯可以保留技術協同和股權收益，智能汽車團隊則依據量產訂單獨立融資。後續觀察重點包括新增定點、量產車型銷量、單車價值量、客户集中度和獨立公司的現金消耗。

汽車業務擁有較長車型週期，一款產品進入量產後可以形成數年的收入能見度；不過壓力也同樣清晰，車企持續壓低供應商報價，硬件平台快速切換，智能駕駛研發投入高度前置。出貨量還需要進一步轉化為單車收入、毛利和現金回款，才能反映業務的經營價值。

商湯已經跨過收入恢復增長和虧損大幅收窄兩道關口，工業 AI 決定業務能否形成標準產品，智能汽車檢驗生態企業能否獨立成長，智慧城市收縮則考驗管理層對收入質量的取捨。其中，積極信號來自費用下降、回款改善、CV 業務盈利和下半年 EBITDA 轉正；目前還未完成的部分是工業試點向規模收入轉換，以及經營性現金流持續為正。

AI 產業並不缺少技術高點，稀缺的是把技術嵌進日常生產並長期收費的能力。商湯目前開始將資源推向工業現場，方向也已具備產業基礎與政策支撐。

未來幾個財報週期，收入結構、研發費用率、工業客户復購和現金流連續性將給出更清楚的答案。上述指標將決定商湯是否有機會完成從算法供應商向工業智能平台的身份升級。