連續回購之後，順豐的 AI 效率何時進入利潤表？

在夜間的物流中轉場裏，傳送帶停轉幾分鐘未必會帶來多大的損失。但一旦有一輛車晚到、一個卸貨口擁堵、一條線路判斷失誤，都可能讓後續的人員、車輛和航班跟着錯位。物流網絡越大，這種微小偏差帶來的損耗越高。AI 的應用對物流行業來説意義重大，只不過很少在發佈會上被提到。

7 月 23 日，順豐控股回購 43.68 萬股 H 股，投入約 1443.21 萬港元，成交價格為每股 32.62 至 33.24 港元，並將股份作為庫存股持有。7 月 20 日至 23 日，公司連續四個交易日回購 H 股，累計回購 176.66 萬股，投入約 5806.89 萬港元。至 7 月 23 日，本輪授權下累計回購 H 股 586.04 萬股。

幾乎同一時間，順豐規模更大的 A 股回購已經收官。2025 年 9 月至 2026 年 7 月 21 日，公司累計回購 1.6016 億股 A 股，佔總股本 3.04%，耗資約 59.99 億元，相關股份計劃註銷並減少註冊資本。

財報數據顯示，2026 年一季度，順豐歸母淨利潤同比增長 13.05%，扣非淨利潤增長 17.42%，利潤增速已快於收入增速 6.14%。

回購已經給出管理層對股東回報的態度。接下來的問題更接近經營本身：順豐已經投入多年的 AI 和數字化能力，能夠在利潤表中留下足夠深的痕跡。

回購提高每股含金量，經營效率仍要接受現金流檢驗

順豐 3 月公佈的 H 股回購計劃顯示，擬使用資金不超過 5 億港元，資金來源包括內部資源和自籌資金。5 月 8 日獲得股東會授權後，公司可回購的 H 股上限為 2400 萬股。

連續回購本身具有明確的資本管理含義，同時連續回購與 A 股註銷式回購共同減少了流通股本。

股本收縮能夠直接改善每股收益的計算基礎，不過順豐當前仍需依靠主營業務提供持續支撐。

財報數據顯示，2026 年一季度，順豐實現營業收入 741.42 億元，同比增長 6.14%；歸母淨利潤 25.26 億元，同比增長 13.05%；扣非歸母淨利潤 23.17 億元，同比增長 17.42%。利潤增長快於收入，顯示公司此前推進的業務結構調整和精益經營仍在釋放效果。同期經營活動現金流淨額為 33.65 億元，同比下降 17.16%，可見利潤改善尚未完全同步轉化為現金流。

同時經營現金流與淨利潤之間的差距也十分值得關注。2025 年全年，順豐經營性現金流約 276 億元，扣除約 96 億元資產類投入後，自由現金流高達近 179 億元，可見順豐的現金創造能力並不弱。2026 年一季度現金流走弱，可能與業務規模擴大、結算週期和資本開支節奏有關，半年報需要給出更清晰的解釋。

6 月經營數據提供了另一組線索。數據顯示，順豐速運物流業務收入 200.17 億元，同比增長 0.28%；業務量為 13.89 億票，同比下降 4.86%；單票收入升至 14.41 元，同比增長 5.41%。供應鏈及國際業務收入 78.63 億元，同比增長 24.97%，兩項業務合計收入 278.80 億元，同比增長 6.19%。

根據上述數據可得：順豐的收入結構正在向單票價值更高的產品、供應鏈和國際業務傾斜。這樣的變化雖有利於提高盈利質量，卻也增加了分析難度。如此一來，利潤率改善可能來自產品調價、客户結構變化、國際業務擴張，也可能包含 AI 調度和自動化帶來的成本節約。所以接下來正式的半年報需要提供更細的費用與成本數據，才能識別技術效率的實際貢獻。

物流 AI 走出實驗室，順豐開始用網絡規模訓練決策能力

德魯克強調 “把正確的事情做好”，對於物流 AI 來説，正確的事情通常指的是在數以億計的運單、車輛和作業節點之間找到更優安排。

順豐科技披露，公司已經建立覆蓋預測、規劃、預警、調度和反饋的智能決策體系，可支持全網億級運單規劃。調度系統能夠根據件量、設備、車輛和人員狀態動態調整中轉計劃，也可以結合天氣、航班延誤和交通管制信息，預警潛在時效風險。

截至 2025 年底，順豐物流垂域大模型日均 Token 消耗量超過百億，AI 智能體已經應用於預測、規劃、營銷、履約、客服、關務和數據分析等場景。公開資料還顯示，相關多智能體集羣已進入 30 多個內部業務場景。

以上數據的説服力更強，因其相比模型參數更接近物流業務的真實需求。順豐擁有覆蓋訂單、運單、飛機、貨車、分揀設備和末端配送的大量實時數據，如此一來，模型可以反覆接受真實運營結果的反饋。順豐的網絡規模優勢由此可以進一步轉化為訓練數據、執行能力和糾錯速度。

部分場景已經給出量化結果。順豐披露，數字孿生產品已應用於百餘箇中轉場和鄂州花湖國際機場；小件分揀計劃優化可使場地產能最高提升 20%，分揀時長縮短 10% 以上；機場數字孿生平台使車輛每日調度距離減少 40%，總體時效提升 5% 至 15%。上述數據屬於公司披露的項目效果，仍需觀察其覆蓋範圍以及對集團整體成本的貢獻。

順豐的技術能力也已開始向客户場景輸出。7 月投運的 New Balance 中國智慧交付中心，採用順豐自研供應鏈平台和 AI Agent 統籌訂單時效、作業標準與任務負載。順豐科技還明確表示，數字孿生商業化產品已面向市場提供定製化服務。

所以對順豐商業化路徑更準確的判斷是，順豐 AI 首先在內部網絡完成驗證，再將成熟模塊嵌入供應鏈服務。外部收入短期內很難單獨列為 AI 業務，技術能力卻可能提高供應鏈項目的交付深度、客户黏性和合同價值。

半年報無需單列 AI 收入，但必須解釋費用為何下降

傳統物流企業很難按照軟件公司的方式披露 AI 收入。智能調度嵌入運輸系統後，路徑模型開始進入車輛安排，基於視覺算法接入分揀設備，技術收益會分散到運輸成本、人工成本、管理費用和資產週轉之中。

所以順豐半年報的觀察重點還需要回到幾項基礎指標。

速運業務收入增速較低的情況下，單票運輸和中轉成本是否繼續下降；無人車與自動化設備節省的人力和外採運力，能否覆蓋新增折舊與維護支出；AI 智能體進入客服、關務和數據分析後，管理費用率能否延續下降趨勢；利潤增長能否重新帶動經營現金流改善。

另外還需要避免把全部利潤提升歸因於 AI。數據顯示，6 月單票收入同比提高 5.41%，業務量卻有所下降，可見順豐的產品結構和定價變化已經對收入質量產生影響。問題是供應鏈及國際業務的快速增長，也會改變集團利潤構成。所以 AI 貢獻究竟有多少需要通過同口徑成本、單位資源效率和現金回報進行交叉驗證。

霍華德·馬克斯在討論企業價值時，常常將重點放在資產當前和未來的盈利能力。按照這一思路，順豐也無需依賴獨立 AI 收入獲得認可。只要 AI 能夠持續降低單位履約成本、提高資源利用率，並減少利潤波動，順豐整體盈利能力便會隨之改善。

需要注意的是該類價值通常不會在一個季度集中釋放。

因為物流網絡包含大量線下資產和複雜執行環節，算法升級還需要組織流程、自動化設備和一線作業共同配合。技術擴張越快，新增折舊、研發費用和系統改造成本也越需要被納入投資回報測算。

順豐的 AI 路徑為傳統產業提供了一個更現實的樣本：技術能力先進入成本結構，再進入客户解決方案，最後沉澱為更穩定的盈利與現金流。規模龐大的企業擁有更多數據，也承擔更高的組織複雜度。接下來順豐若能把複雜度轉化為算法優勢，AI 就會成為物流網絡的長期操作系統。