拓尔思 (300229)

在产业链中的位置

主属行业：L4-02-数据标注与RLHF

公司定位一句话 数据标注与RLHF龙头 —— AI大模型在垂直行业的商业化 + 数据要素市场化核心受益

主营业务关键词：数据标注与RLHF、AI大模型在垂直行业的商业化、数据要素市场化核心受益 与本行业的关联点：作为 L4-02-数据标注与RLHF 龙头，业务结构优化与季节性拐点 + 研发投入转化为产品力

公司近况（2026-05-05 更新）

公司最新业绩承压明显。根据2025年年报，公司实现营业总收入5.11亿元，同比下滑；归母净利润为-2.94亿元，由盈转亏，扣非后净利润为-3.36亿元。2026年第一季度（季报）营收为6541.46万元，同比下降47.65%，归母净利润为-7740.69万元，同比大幅下滑237.58%，显示经营仍面临挑战。截至最近，主流券商对其覆盖较少，当前市值约50亿元（估算），由于业绩亏损，市盈率（PE）为负值，机构评级多为“中性”或“观望”。公司当前定位为国内领先的人工智能、大数据和数据安全产品及服务提供商，正经历从传统软件向AI大模型应用和数据要素服务商的战略转型阵痛期。

公司业务结构

盈利方式

公司主要通过向政府、媒体、金融、企业等客户提供软件产品、技术服务及平台运营来赚钱。具体包括：1）销售自研的AI、大数据、安全类标准软件产品及解决方案；2）提供技术开发与数据治理等定制化服务；3）运营“天目”等平台，获取数据订阅费或分成收入。

分板块业务（口径：年报披露）

公司主营业务分为三大板块：人工智能（含大数据）、内容安全与数据安全、以及平台运营业务。人工智能与大数据业务是公司向AI转型的核心，涉及NLP、知识图谱、数据中台等产品；安全业务是传统优势板块；平台运营则代表新的商业模式探索。

数据来源：公司2023、2024、2025年度报告。注：2024年数据为公司2025年报中对比披露数据。

核心投资逻辑

短期逻辑（6-12 个月）

• 业务结构优化与季节性拐点：公司传统政务、媒体等客户订单多集中在下半年。预计2026年下半年随着项目验收和交付推进，2026H2营收环比2026H1有望实现超过100%的增长，带动全年业绩减亏。
• 研发投入转化为产品力：2025年年报显示公司毛利率仍维持在61.45%的高位。持续的AI大模型研发投入（如“拓天”大模型）有望在2026年内推出2-3个成熟的行业解决方案，推动新签订单金额提升。
• “天目”数据资产平台落地：公司在数据要素领域布局的“天目”大数据平台，预计在2026年Q3前完成与3-5个地方政府或大型企业的标杆项目签约，形成新的收入增长点。

长期逻辑（1-3 年）

• AI大模型在垂直行业的商业化：公司拥有海量高质量文本语料和行业知识库。预计到2028年，AI相关业务（模型服务、应用开发）收入占比有望从目前的低位提升至30%以上，成为核心驱动力。
• 数据要素市场化核心受益：作为拥有数据采集、治理、分析全链条能力的厂商，公司卡位优势明显。预计随着国家数据局政策细则落地，到2027年数据要素相关服务收入年复合增长率（CAGR）有望达到50%。
• 安全业务的稳健基本盘：公司内容安全、数据安全产品具备护城河。预计未来3年该业务板块收入将保持年均8-10%的稳定增长，为公司转型提供现金流支撑。

产销链分析

主要客户（口径：年报）

公司客户集中度较低，服务对象分散。根据2025年年报，前五大客户合计销售额约为0.98亿元，占年度总营收的19.18%。其中，第一大客户为某中央级媒体集团，销售额约0.31亿元，占比6.07%。客户主要为政府、事业单位、大型媒体和金融机构，订单能见度通常以半年到一年的项目周期为主，一次性项目居多，存在一定的季节性波动。

主要供应商（口径：年报）

公司为软件企业，采购主要为硬件设备、云服务及外包人力。前五大供应商合计采购额约为0.42亿元，占采购总额的23.5%。关键物料为服务器、GPU算力及商用软件授权，不存在严格的单源依赖，但高端GPU供应受制于国际形势。公司备货策略较为灵活，通常根据项目进度按需采购，对关键硬件（如GPU）会进行一定安全库存储备。

关键财务指标

数据来源：2025年年报、2026年一季报。2026Q1毛利率、净利率为估算值。

财务健康解读 成长性与盈利能力：公司2025年营收基本持平但净利润大幅转亏，主要源于研发投入加大及部分项目延期。2026Q1营收同比下滑47.65%，显示短期业务开展仍不顺畅，盈利能力（毛利率）保持稳定但费用侵蚀严重，净利率深度为负。 现金流质量：2025年经营现金流净额为正（0.23亿元），表明主营业务的现金回款能力尚可，未因亏损而恶化。但2026Q1经营现金流转负，反映季度内业务活动产生的现金流出大于流入，与项目周期和收入确认节奏有关。 资产负债结构：公司资产负债率极低（8.56%），无有息负债，财务结构非常稳健。总资产以货币资金、应收账款和无形资产（软件著作权、数据资源）为主，资产质量较高，抗风险能力强。 费用端异常项：2025年及2026Q1，公司期间费用率，特别是研发费用率和销售费用率大幅攀升，是导致亏损的主因。这属于公司为推动AI战略转型进行的主动投入，短期内对利润造成压力，需观察后续投入产出效率。

注：表格列名必须明示口径（YYYY 年报 / YYYYQ?）。

海外对标对比

对标公司具体数字依赖 _AP-Agent海外财报追踪.md 周扫填充

行业分析

需求端驱动：核心驱动力来自两方面：一是政府与企业数字化、智能化转型进入深水区，对AI赋能、数据治理的需求刚性；二是国家“数据二十条”落地，推动数据要素市场化，催生数据资产化、入表、交易的新兴服务市场。 技术迭代路径与当前节点：行业正从传统NLP、大数据技术，快速迭代至以大语言模型（LLM）为核心的生成式AI阶段。当前处于“基础模型能力涌现”向“行业垂直模型应用落地”过渡的关键节点，拥有行业数据和场景know-how的企业具备后发优势。 供给瓶颈：高质量、多模态、合规的行业数据语料成为稀缺资源；同时，既懂AI技术又懂行业业务的复合型人才供给不足。此外，GPU算力成本高企也制约了中小企业的模型训练与应用探索。

同业对比

与同业公司如汉王科技（002362） 和科大国创（300520） 相比：

• 汉王科技：同样在NLP和AI领域布局，但更侧重于终端产品（如手写笔、扫描仪）和To C市场，业务模式较拓尔思更“重”。
• 科大国创：以电信、电力等行业软件和大数据解决方案为主，在数据中台建设上与拓尔思有交集，但行业聚焦不同。
• 拓尔思的差异化：在于其独特的 “内容理解+数据治理”双轮能力，在媒体、出版、政务舆情等文本数据密集型行业壁垒更深，且在数据要素化布局上更为前瞻。

逻辑链

AI capex → 环节 → 公司受益点 大模型迭代加速 → 算力/数据需求扩张 → 公司 AI大模型在垂直行业的商业化 形成竞争力

催化事件时间表

自动跟踪（dataview 拉 04-催化事件）

风险与跟踪点

风险

• 下游需求风险：公司核心客户为政府、事业单位，其IT预算受财政状况和政策周期影响较大。若宏观经济增速放缓，可能导致客户数字化投入收缩，项目延期或取消，影响公司收入确认。
• 供应链风险：公司AI大模型训练和推理依赖高性能GPU。若因地缘政治等因素导致高端GPU供应受限或成本飙升，将直接影响公司研发进度、运营成本及产品竞争力。
• 技术迭代风险：AI技术迭代速度极快，存在技术路线变革的不确定性。若公司未能紧跟行业最前沿的技术路径（如多模态、智能体），可能导致前期大量研发投入的成果难以产品化或竞争力下降。
• 市场竞争/价格战风险：AI和大数据赛道涌入大量厂商，包括互联网巨头、垂直领域创业公司等。市场竞争加剧可能导致项目报价承压，毛利率下滑。同时，数据要素市场尚处早期，商业模式不清晰，存在跑马圈地式的价格竞争风险。

跟踪点（含频率）