2026-06-03
昆仑万维 (300418)
在产业链中的位置
主属行业:L5-09-AI搜索
公司定位一句话 AI搜索龙头 —— “算力-大模型-应用”全链生态闭环 + AI音乐与AI社交的范式创新
主营业务关键词:AI搜索、“算力-大模型-应用”全链生态闭环、AI音乐与AI社交的范式创新 与本行业的关联点:作为 L5-09-AI搜索 龙头,AI应用商业化数据爬升 + 大模型能力迭代与开源策略
公司近况(2026-05-05 更新)
根据公司2026年第一季度报告(2026Q1),单季度实现营业收入25.70亿元,同比增长45.69%;归属于母公司股东的净利润为-8.87亿元,同比下降15.34%。根据2025年年度报告(2025年报),公司全年实现营业收入81.98亿元,归母净利润为-15.93亿元。当前,昆仑万维正经历由传统互联网平台业务向全面AI化的战略转型期。市场关注的焦点在于其AI业务(尤其是天工AI搜索与AIGC应用)的商业化进展能否快速弥补传统业务的下滑,并带动公司整体扭亏。未直接引用机构最新市值、估值及评级数据。 公司当前定位为国内领先的AI全链生态平台公司,业务涵盖AI大模型、AI搜索、AI游戏、AI音乐、AI社交等多个垂直领域。
公司业务结构
盈利方式
昆仑万维主要通过互联网平台服务和AI技术赋能赚钱。历史上,其收入主要来自旗下社交娱乐(StarX)、信息分发(Opera)、游戏(Ark Games) 等全球业务的广告、用户增值服务(如会员、打赏)及游戏内购。当前,公司正大力推动AI大模型、AI搜索(天工)、AI内容生成工具等新业务的商业化,探索订阅付费、API服务、企业级解决方案等新模式。
分板块业务(口径:年报披露)
公司主营业务为互联网平台业务及AI业务。传统平台业务通过Opera浏览器、StarX社交娱乐平台、Ark Games游戏平台等在全球范围内提供信息分发、社交娱乐和游戏服务。AI业务则以“天工”大模型为核心,衍生出AI搜索、AI音乐、AI游戏等应用。目前,公司未在定期报告中详细拆分各板块的独立收入与利润数据。
| 业务板块 | 财务指标 | 2023年 | 2024年 | 2025年 |
|---|---|---|---|---|
| 未单独披露 | 营业收入(亿元) | 未披露 | 未披露 | 未披露 |
| 未单独披露 | 收入占比 (%) | 未披露 | 未披露 | 未披露 |
| 未单独披露 | 毛利率 (%) | 未披露 | 未披露 | 未披露 |
| 合计 | 营业收入(亿元) | 49.25 | 44.85 | 81.98 |
| 综合毛利率 (%) | 78.65% | 76.23% | 68.61% |
注:2023、2024年营收及毛利率数据来源于公司过往年报,2025年数据来源于2025年度报告。由于公司未按新旧业务拆分,故该表仅反映整体情况。
核心投资逻辑
短期逻辑(6-12 个月)
- AI应用商业化数据爬升:天工AI App月活/日活与用户时长是核心观测指标。据公司公告及第三方数据,自2025年7月发布以来,用户规模保持增长(具体数字未披露)。商业化方面,2026Q1营收同比增长45.69% 的增长动力主要来自AI相关业务,需持续跟踪AI订阅、广告及API调用收入的占比与增速。
- 大模型能力迭代与开源策略:公司天工3.5大模型(MoE架构)已于2024年发布,并持续迭代。开源策略(如Skywork-MoE)旨在快速构建开发者生态,吸引下游应用接入。短期需关注2026年内是否有更强大版本发布及市场反响。
- 传统业务出清与费用控制:随着2025年报净利润亏损的主要来源——投资减值及传统业务萎缩影响逐步消化,2026年扣非净利润的减亏幅度是关键财务指标。同时,销售及管理费用率的变化将反映公司运营效率。
长期逻辑(1-3 年)
- “算力-大模型-应用”全链生态闭环:公司通过增资Starline布局海外AI算力,并依托天工大模型赋能旗下Opera(浏览器与新闻)、StarX(社交娱乐)、Ark Games(游戏)等众多存量用户场景。长期逻辑在于AI对存量超过4亿月活用户(据公司历史公告)的变现效率提升,以及对新场景的拓展。
- AI音乐与AI社交的范式创新:SkyMusic(AI音乐生成大模型)和天工SkyChat是公司在AIGC领域的重要落子。长期看,若这些应用能形成独特的创作工具或社交体验,有望开辟高毛利的新收入曲线,具体商业化数据(如付费率、ARPU)需待后续财报验证。
- 模型能力向多模态与智能体演进:AI产业技术快速迭代,公司需在多模态理解、生成以及AI Agent领域持续保持竞争力。长期价值取决于其模型能否在垂直领域达到商用级精度,形成技术壁垒。
产销链分析
主要客户(口径:年报)
公司作为全球化的互联网平台及AI应用提供商,其“客户”主要为海量终端用户及广告主。商业模式导致客户高度分散,未披露前五大客户具体名称及销售数据。对于B2B的AI业务(如模型API、解决方案),客户主要为企业及开发者,同样未披露集中度。订单能见度取决于各业务线:广告业务通常按季度竞价,订阅业务具有持续性,AI企业服务项目制,能见度相对较短。
主要供应商(口径:年报)
公司的主要供应商包括云服务与算力提供商、内容合作方、技术外包服务商等。对于核心的AI业务,算力(GPU)是关键供应链。公司通过增资Starline布局海外算力,但具体的采购依赖度和备货策略未披露。关键物料(GPU) 目前全球市场存在供应紧张情况,存在一定依赖风险。公司未披露前五大供应商名称及采购额数据,预计高度依赖主流云厂商及芯片供应商。
关键财务指标
数据源: 新浪财报三表 (lrb+fzb+llb) + 自算比率 · 更新日期: 2026-05-30 · 单位: 亿元(百分比除外)
| 指标 | 2025 年报 | 2026Q1(一季报) |
|---|---|---|
| 营业总收入(亿元) | 81.98 | 25.7 |
| 归母净利润(亿元) | -15.93 | -8.87 |
| 扣非归母净利润(亿元) | 未披露 | 未披露 |
| 毛利率 | 68.61% | 66.23% |
| 净利率 | -19.43% | -34.52% |
| ROE(Q1 未年化) | -12.08% | -7.24% |
| 经营活动现金流净额(亿元) | -7.36 | 0.89 |
| 总资产(亿元) | 202.34 | 197.43 |
| 资产负债率 | 22.68% | 26.8% |
备注: 本表为权威财务数据(新浪财报三表 API,原始数据为公司公告披露)。扣非净利润因接口不提供需 Wind/年报二次补录。正文其余历史期间数字以本表为准。
海外对标对比
| 维度 | 本公司 | 对标A | 对标B | 节奏差 |
|---|---|---|---|---|
| 营收 YoY(最近季度) | ||||
| 毛利率(最近季度) | ||||
| 估值 PE | ||||
| 关键指引 |
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:AI行业需求正从基础设施层向应用层快速迁移。企业降本增效需求、个人对智能化工具与内容生成的消费欲望,共同驱动AI搜索、AI Agent、AIGC等应用市场的爆发。昆仑万维的业务布局直接对应此需求。
技术迭代路径与当前节点:技术路径正从单一大模型向多模态、AI Agent(智能体) 迭代。当前节点处于基础模型能力趋于稳定,应用创新与生态构建成为竞争关键的阶段。公司在MoE架构模型、开源生态方面的布局符合技术趋势。
供给瓶颈:行业供给瓶颈主要体现在:1)高端AI算力(如GPU)的供应紧张与地缘政治影响;2)高质量、专业领域的训练数据日益稀缺;3)复合型AI人才的争夺。昆仑万维的海外算力布局有助于缓解部分瓶颈,但长期仍受制于全球供应链。
同业对比
与国内同为AI概念股的科大讯飞、三六零等相比,昆仑万维的差异点在于:1)更纯粹的全球化互联网平台运营经验(通过Opera、StarX等),具备成熟的海外用户基础与变现体系;2)生态布局更“全链”,从算力到大模型再到众多垂直应用均有涉足;3)市场化机制更灵活。劣势在于传统业务基本盘的稳定性和规模可能不及部分同业,且在某些垂直行业(如政务、教育)的AI落地经验相对薄弱。
逻辑链
AI算力投资(capex)浪潮下,昆仑万维(300418.SZ)凭借“算力-大模型-应用”生态成为核心受益标的。第一步,全球AI基础设施建设带旺GPU需求,公司通过Starline海外算力布局,并预计向英伟达(NVDA.US)、AMD(AMD.US)等采购加速硬件,夯实天工大模型训练底座;第二步,基于天工MoE架构的AI搜索(2025年7月上线)和SkyMusic,渗透至Opera、StarX等超4亿月活用户,广告主和订阅用户贡献增长,2026Q1营收同比+45.69%至25.7亿元,虽毛利率降至66.23%,但验证商业化前景;第三步,随模型开源生态扩大,吸引开发者并提高竞价广告填充率,推动AI业务收入占比攀升。短期看AI搜索日活与广告加载率爬坡,中期看模型迭代至多模态和社交付费转化,长期看智能体与高毛利率订阅收入。竞品格局上与百度(BIDU.US)在AI搜索赛道竞争,算力供应链高度依赖美股GPU厂商是主要外部变量。
风险与跟踪点
风险
- 下游需求风险:公司AI应用(如天工AI搜索、SkyMusic)的用户增长和商业化变现可能不及预期。若市场对AIGC工具的付费意愿或广告点击率低迷,将直接影响公司营收增长和盈利预期。
- 供应链风险:公司AI业务高度依赖高端GPU算力。全球GPU供应链受地缘政治和产能限制影响,存在采购成本上升、交付延迟甚至断供的风险,可能制约模型训练和应用扩张速度。
- 技术迭代风险:人工智能技术迭代速度极快。若公司在多模态、AI Agent等下一代技术浪潮中研发落后,或现有大模型能力被竞争对手快速超越,其前期投入可能难以转化为持久的竞争优势。
- 市场竞争/价格战风险:AI应用赛道竞争激烈,互联网巨头与众多创业公司均在布局。为抢占用户和市场,可能引发算力资源争夺战、人才争夺战乃至终端产品的价格战,进一步推高行业成本,压缩利润空间。
跟踪点(含频率)