范式智能从AI应用到算力基础设施

目录vGPU走向关键基础设施5范式vGPU三优势：构适开源生、标容 8平台向算力础设施伸，增量收空间 15盈预测估值 16盈利预测 164.2估值 18风提示 20图表目录图1：NVIDIA计算与网络板块收入2024FY以来维持强劲增长（单位：百万美元）5图2：即使是最顶尖的模型，GPU利用率也普遍不高 5图3：中国人工智能加速卡2025份额，体现算力异构现状 6图4：国内可能更适合的异构算力统一调度与资源控制架构 7图5：HAMi帮助平台团队在Kubernetes工作负载间共享昂贵的GPU及其他加速器 8图6:HAMi的发展历程 8图7：Incubating意味着项目已有真实生产应用、活跃社区和相对稳定的核心功能，具备扩大采用的基础 9图8：CNCF项目中Incubating项目远少于Sandbox项目 9图9:HAMi采用“调度层切分、运行时隔离”的软件虚拟化方式，在不修改GPU驱动及应用代码的情况下实现物理GPU共享 10图10:HAMi在保障隔离的前提下，将碎片化负载打包到更少GPU 11图11：HAMi-WebUI提供一个直观的Web界面帮助用户可视化和管理节点上的GPU资源分配和使用情况 12图12：HAMi开源版与RisevGPU商业版面向不同层次的客户需求 12图13：HAMi（RisevGPU）的竞争对手可分为核心直接竞品与重要替代方案 13图14：范式智能核心产品矩阵图 15表1：业界实现GPU多应用共享主要有五类技术路线 6表2：异构设备覆盖持续扩展，国产算力适配构成重要差异点 10表3：大量客户案例显示HAMivGPU在生产场景应用后GPU效率大幅提升 114：相较其他替代方案，HAMi13表5：相较OrionX，HAMi的优势主要体现在开源生态及云原生标准化 14表6：第三方vGPU行业付费市场随着加速卡快速放量有望快速增长，RisevGPU潜在收入空间可达百亿 16表7：收入与毛利率拆分（单位：百万元） 17表8：费用拆分（单位：百万元） 18表9：选取金蝶国际、迅策、明略科技作为可比公司 19表10：可比公司估值表 20算力提效与异构适配需求提升，vGPU基础设施GPUMarketsandMarkets数据，2025年全球GPU1,199.720242025-2030年复合BusinessInsights1,250.22026-20346241.7GPU行NVIDIA2026FY1,935亿美元，yoy+67%，高基数基础上维持强劲增长。图1：NVIDIA计算与网板块入2024FY来持强增（位百美元）

215%193479215%193479145%1161934740567%150681104636%150000 150%100000 100%50000 50%0 0%2022FY 2023FY 2024FY 2025FY 2026FY计算与网络板块收入 计算机与网络yoy英伟达年报注：英伟达以2026年1月25日为2026年会计年度截止日；NVIDIA计算与网络板块主要包括数据中心加速计算平台和人工智能解决方案与软件、网络、汽车平台以及自动驾驶和电动车解决方案、用于机器人和其他嵌入式平台的Jetson以及DGX云计算服务。GPU即便是全球最优化的大模型训练，也有超过一半的理论算力未被利用。Meta16,384H100Llama3.1405B，模FLOPs利用率（MFU）38-43%；GooglePaLM540BMFU46.2%。而CASTAI2026Kubernetes——AWSAzure、GCP（2025120264月的测量数据——GPU集5%。图2：即是顶的型，GPU利率普高 AllocLabs（一种机器学习训练管理、成本控制相关工具GPU低利用率并非单一问题，需要区分“集群层面的资源分配效率”和“任务层面的执行效率”。前者是指GPU务仅需少量显存却占用整卡、不同任务运行时间错配，以及资源池分散或异构设备难以统GPUGPUCPU—GPU以及多卡通信开销较高。vGPU有助于解决“集群层面的资源分配效率”问题。在KubernetesGPU2-4GB24GB80GBGPU(1)小模型推理服务，显存需求远低于单卡容量；(2)模型开发与测试环境，GPU使用呈间歇性、低负载特征；(3)多团队共享集群，资源争抢与碎片化并存。业界实现GPU多应用共享主要有五类技术路线。硬件空间切分以NVIDIAMIGGPUMPSRun:aiFractions等软件方案技术路线代表方案如何共享GPU隔离能力硬件空间切分NVIDIAMIG技术路线代表方案如何共享GPU隔离能力硬件空间切分NVIDIAMIG将计算单元、显存、缓存等切成固定实例最强，具备硬件级显存和故障隔离，性能较确定硬件辅助设备虚拟化AMDMxGPU、部分NVIDIAvGPU部署SR-IOV生成多个VF（VirtualFunction，虚拟功能），分别直通虚拟机较强，具备硬件级设备访问隔离，但GPU内部的显存、算力和故障隔离程度取决于厂商实现。时间片共享NVIDIATime-Slicing、传统NVIDIAvGPU多个任务轮流使用整张卡通常无显存和故障隔离，性能会相互影响进程并发共享NVIDIAMPS不同CUDA进程的Kernel并发执行，减少上下文切换可限制显存和部分算力，但默认不构成完整多租户安全边界软件级资源控制HAMi、Run:aiFractions、阿里云cGPU、腾讯qGPU在CUDAAPI、运行时或驱动层限制显存和算力能实现配额限制，但故障、安全和性能隔离取决于实现英伟达官网，AMD官网，HAMi官网，阿里云官网，腾讯云官网2026AI基础设施正在形成国际GPUAI算力需求正由训练驱动逐步转 图3：中人智加卡2025份，现异构状 11%3.00%3.50%6.40%55.20%20.40%英伟达 华为 平头哥 AMD 寒武纪 其他IDC注：按出货量计算1）减少算力平台对单一芯片厂商的绑定。GPU（MIG）等硬件方案。更合适的技术架构可能是：上层：统一的软件调度和资源控制平台；中层：针对各芯片厂商建立适配接口；MIGSR-IOV图4：国可更合异构力一度资控制构 申万宏源研究vGPU准兼容HAMi项目+RisevGPU面向开发者和产业伙伴提供异构加速卡共享、资源隔离及调度等基础能力，通过开源社区扩大用户覆盖并持续迭代；RisevGPUModelHubXC、PhanthyCloudAI平台形成协同。HAMi全称异构计算虚拟化中间件（HeterogeneousComputingVirtualizationMiddleware）。前身为k8s-vGPU-schedulerHAMi帮助平台团队在Kubernetes工作负载间共享昂贵的GPU及其他AIPod，无需修改应用代码。图5：HAMi帮助平台团队在Kubernetes工作负载间共享昂贵的GPU及其他AI加速器 Github（代码仓库2021k8s-vGPU-scheduler，KubernetesGPU整卡分配造成的资源闲置问题GPUNVIDIA加速芯片HAMiAI算力虚拟化中间件。2026年以来，HAMi一方面对接KubernetesDRA图6:HAMi的发展历程ithub（代码仓库，Ai项目官网，F官网HAMi20248月进入云原生计算基金（CloudNativeComputing20267SandboxIncubatingSandboxIncubating通常意味着项目HAMi项目也被收录于CNCF技术全景图和CNAI技术全景图，这表明其异构算力虚拟化与调度能力已进入云原生及云原生AI芯片厂商和企业用户中的生态可见度。20267HAMi3,234637家，相关指标分别同比增长63%64%；HAMiGitHub2,721个Star700Fork。图7：Incubating意味着项目已有真实生产应用、活跃社区和相对稳定的核心功能，具备扩大采用的基础CNCF官网是LinuxFoundationPrometheus、Envoy等都由其托管。

图8：CNCF项目中Incubating项目远少于Sandbox项目CNCF官网开源模式对公司的价值包括：1）降低用户试用和验证门槛，使HAMi更容易进入企业技术选型范围；2）吸引芯片厂商、云平台及终端客户参与适配，分摊异构生态建设成本；3）通过实际部署反馈持续完善调度策略、硬件兼容性和生产稳定性，为商业产品提供技术及客户基础。HAMi采用“”GPUGPU共享。DevicePluginGPU型号、显存及算力等信息，允许工作负载按显存容量和算力比例申请资源，并由扩展调度器选择合适的节GPU；容器启动后，HAMi-CoreCUDANVML接口，对显存分配和计算任务提交进行控制，显存使用超过配额时阻止继续分配，并将算力占用限制在设定比Pod图9:HAMi采用“调度层切分、运行时隔离”的软件虚拟化方式，在不修改GPU驱动及用码情下现理GPU共享 HAMi官网HAMivGPU的价值包括统一管理异构算力、提升GPU有效利用率并增强运营可视化等。异构设备覆盖持续扩展，解决国产算力异构痛点。截至2026年6月，HAMi官方适配NVIDIAGPUMLUDCUGPUGPUGPUGCUXPUAINVIDIAKubernetes资源管理流程。设备类型制造商支持型号内存隔离设备类型制造商支持型号内存隔离核心隔离多卡支持GPUDCU英伟达（NVIDIA）寒武纪（Cambricon）海光（Hygon）全系列370、590全系列是是是是是否是是否NPU华为（Huawei）910B、910B3、910C、310P是是否GPU天数智芯（Iluvatar）全部是是否GPU摩尔线程（Mthreads）MTTS4000是是否GPU沐曦（MetaX）MXC500是是否GCU燧原科技（Enflame）S60是是否XPU昆仑芯（Kunlunxin）P800是是否GPU瀚博（Vastai）VA16是是否DPU太初元碁（Teco）检查中进行中进行中否HAMi官网注：图中仅为HAMi开源版本适配的国产算力型号，实际RisevGPU适配数量可能更多HAMi负载打包到更少GPU例432GBV100A210GBB220GBHAMiAB212GB22GB4GPUHAMiAB的任务2GPU10GBA20GBB2GPU供其他任务使用。图10:HAMi在保障的前下将片化负载包更少GPU HAMi项目官网大量客户案例显示HAMivGPU在生产场景应用后GPU效率大幅提升。例如：招商银行将拓扑感知调度下的硬件资源池利用率提升100%；SNOW减少50%的GPU需求，并从容应对700%的流量峰值；蔚来汽车CI流水线的GPU利用率提升10倍；贝壳平台GPU利用率提升3倍；道客网络平均GPU利用率超过80%；顺丰科技最高节省57%的GPU成本；PREPEDU则有90%的GPU基础设施通过HAMi得到优化。用户案例效率提升量化招商银行拓扑感知调度下硬件资源池利用率达100%SNOW借助HAMiGPU共享减少50%GPU需求用户案例效率提升量化招商银行拓扑感知调度下硬件资源池利用率达100%SNOW借助HAMiGPU共享减少50%GPU需求，从容应对700%流量洪峰蔚来汽车CI流水线GPU利用率提升10倍贝壳平台GPU利用率提升3倍道客网络采用vGPU后，平均GPU利用率超过80%顺丰科技生产与测试集群最高节省57%GPU成本PREPEDU90%GPU基础设施通过HAMi得到优化HAMi官网HAMiHAMi-WebUIHAMi提供可视化管理界面。可集中展示集群、节点、GPUGPU集群的运维效率与资源透明度。图11：HAMi-WebUI提供一个直观的界面帮助用户可视化和管理节点上的GPU资源分配和使用情况Github（代码仓库HAMi开源版与RisevGPU商业版面向不同层次的客户需求。根据沙利文《2026年AI基础设施编排平台白皮书》，HAMivGPU能力，能够支持多品牌芯片，但异构资源管理和编排深度相对有限；RisevGPU则定位于面向规模化生产环境的高级异HAMi搭建系统，商业版通常能够提供经过验证的标准化产品、软硬件RisevGPUGPU切分功能，而是希望将开源技术能力转化为可快速上线、稳定运行并由厂商持续保障的生产级算力基础设施。图12：HAMi开源版与RisevGPU商业版面向不同层次的客户需求沙利文《2026年AI基础设施编排平台白皮书HAMi（RisevGPU）的竞争对手可分为核心直接竞品与重要替代方案。其中，OrionXRisevGPU的产品定位、部署方式及目标客户高度重合，均面向企业私有化环境提供相对独立的算力资源管理层，强调异构算力资源池化、统一调度与精细化管理，因此构成其核心直接竞品。重要替代方案则包括两类：一是NVIDIA、华为等芯片原厂全栈方案底层虚拟化技术及软件生态，在各自硬件体系内具备较强的软硬件协同能力，但跨芯片兼容性相对有限cGPUqGPUmGPUsGPU等云平台内生方案GPU但通常与各自云平台深度绑定。相较而言，RisevGPU的差异化主要体现在跨芯片厂商的异构适配与统一编排能力，可在复杂、混合的企业算力环境中提供相对中立的资源管理方案。NVIDIAKAIKoordinatorv1.6HAMiGPUHAMi核心在该领域具备极高的影响力和认可度。NVIDIAKAI调度器是从Run:ai平台中开源出来的调度器核心。20266月，HAMi核心正式合并到NVIDIAKAI调度器主分的GPU内存硬隔离功能自KAI调度器v0.16.4Koordinatorv1.6也在官网明确写明利用了HAMi-Core的GPU隔离能力，提供端到端的GPU共享解决方案。图13：HAMi（RisevGPU）竞对可为心直竞与要代案 申万宏源研究在异构算力芯片兼容广度方面优势显开源版11NVIDIAOrionX5家，XGPUvNPUNVIDIAcGPU、腾讯云qGPU、火山引擎mGPU及百度智能云sGPU的公开适配范围主要集中于NVIDIAGPU。方案兼容芯片厂商数官方明确支持的芯片/算力卡范围表4：相较其他替代方案，方案兼容芯片厂商数官方明确支持的芯片/算力卡范围HAMi（RisevGPU）至少11家NVIDIA全系列；寒武纪370/590；海光全系列；华为910B、910B3、910C、310P；天数智芯全系列；摩尔线程MTTS4000；沐曦MXC500；燧原S60；昆仑芯P800；瀚博VA16趋动科技OrionX至少5家NVIDIA、华为、寒武纪、海光和天数智芯等。未公开完整的逐型号兼容矩阵华为云XGPU＋vNPU2家XGPU：NVIDIATeslaT4、V100、L2；vNPU：Snt3P3、Snt9B3阿里云cGPU1家公开资料主要面向NVIDIAGPU，未披露完整型号白名单腾讯云qGPU1家NVIDIAV100、T4、A100、A10、L40、L40S、H800、RTX4090/4090D、5090系列等火山引擎mGPU1家公开资料主要面向NVIDIAGPU，未披露完整独立适配表百度智能云sGPU1家NVIDIAA10、A30、A100、A800、V100、T4、P4，共7款HAMi官网，趋动科技官网，华为云官网，阿里云官网，腾讯云官网，火山引擎官网，百度智能云官网，申万宏源研究注：由于部分厂商未披露完整兼容矩阵，上述数量为公开资料可确认的覆盖下限。OrionX，HAMi的优势除了兼容厂家数量更多外主要体现在开源生态及云原生标准化。HAMi采用Apache-2.0CNCF托管，便于用户自主验证和二次开发；KubernetesDRA11家芯片厂商，明显多于OrionX的至少5家，更适合多品牌算力卡的统一管理。相较OrionX，HAMiKubernetesGPUOrionXoverIP/IB，可实现跨服务器GPU调用，不过当前MoE模型的发展提升了低延迟Scale-upGPU在紧耦合训练和推理场景中的适用性。综上，我们认为HAMi的典型客户可能是云原生程度较高、芯片类型较杂、容器任务GPU切分和统一调度AISNOW等；OrionX建设为数据中心级共享资源池的智算中心、运营商、政企和大型集团。对比维度HAMi（RisevGPU）趋动科技OrionX兼容芯片厂商广度官方设备矩阵公开列出至少11家芯片厂商/设备生态Apache-2.0对比维度HAMi（RisevGPU）趋动科技OrionX兼容芯片厂商广度官方设备矩阵公开列出至少11家芯片厂商/设备生态Apache-2.0Issue托管；RisevGPU基于KubernetesDevicePlugin和SchedulerExtender；文档已覆盖KubernetesDRA核心定位是Kubernetes工作负载HAMi公开核心能力主要是Kubernetes集群内设备共享、隔离与调度，未见与OrionX同等明确的GPUoverIP/IB产品能力官网分散材料可确认至少5家，但没有统一、逐型号矩阵开放性与厂商中立性商业闭源产品；社区版免费使用并开放功能API，但官网未表明核心代码开源云原生标准化可与Kubernetes集成，使用SchedulerExtender同时形成自有资源池平台容器与虚拟机覆盖明确支持将vGPU分配给容器或虚拟机跨节点远程GPU/CPU-GPU解耦明确支持容器/虚拟机通过网络调用其他服务器上的GPU，可实现CPU与GPU解耦部署；HAMi官网，OrionX官网平台向算力基础设施延伸，打开增量收入空间RisevGPUPhanthyCloudPlatform业务有望直AIPlatformPhnthCoudHiRs）GUModeHubXCagIOS、先知Ontology、先知SHIFT、先知AIGS等全栈式端到端产品矩阵。目前HAMi（Rise）vGPU集成于PhanthyCloud，通过PhanthyCloud向客户输出动态调度、显存扩展等核心能力，即客户需要通过购买PhanthyCloud平台来获得RisevGPU的功能。PhanthyCloud如范式智AIGPU虚拟化和资ModelHubXC开源模型、SageAIOSSHIFT企业专有模型与HyperCircle算法，以及PhanthyEnterprise中的PhanClaw智能体开发平台和PhanRouterAPIOntology作为共享数据基础。RisevGPU在同类产品中极具竞争力，而PhanthyCloud平台其他功能可进一步帮助客户完成应用的开发，我们认为客户有较高意愿购买整个PhanthyCloud平台实现应用的高效落地。图14：式能心矩阵图 范式智能官网直接受益于中国加速计算服务器市场的快速增长，RisevGPU至2030年带来潜在收入空间可达百亿。我们对RisevGPU潜在市场空间做了一个测算，具体假设如下：IDC数据及预测，2025377亿美元，预计 到2030年中国加速计算服务器市场规模将达到1500亿美元。 vGPUIDC2025年互联69%vGPU厂商实际可触达比例31%203035%。Linux202554%43%38%的vGPUAI应用的运行至关RisevGPU相较于开源版本提供更多算力芯2026-203050%。RisevGPUvGPU能适配最多的异构算力类型，应占有较高的市占率，假设2025年RisevGPU市占率为55%，2026-203070%。PhanthyCloud2026-2030年平均15%。综上，到2030年RisevGPU有望为公司AIPlatform业务带来超百亿的潜在收入空间，公司长期收入增长可期。指标单位20252026E2027E2028E2029E2030EAI服务器市场规模亿元2,5413,349指标单位20252026E2027E2028E2029E2030EAI服务器市场规模亿元2,5413,3494,4155,8197,67010,110同比增速%32%32%32%32%32%第三方可获得比例%31%32%33%33%34%35%第三方可获得市场空间亿元7881,0651,4391,9442,6233,539企业版付费渗透率%50%50%50%50%50%50%企业付费市场空间亿元3945337209721,3121,769RisevGPU市占率%55%58%61%64%67%70%PhanthyCloud按算力价格收费平均费率%15%15%15%15%15%15%RisevGPU带来潜在收入空间亿元32466693132186IDC，LinuxFoundation官网（Linux基金会官网注：美元兑人民币汇率取6.74盈利预测与估值盈利预测收入及毛利拆分：2025PlatformAPIAgenticAI业务。Platform是公司业务开展的核心PhanthyCloudHAMivGPU、ModelHubXCSageAIOSOntologySHIFTAIGS等全AIHAMivGPUAI算力的采购，均为高增景气方向，2026-202830%28%25%2026-202835%、36%、37%。APIPhanthy万神殿平台为核心载体PhanRouterPhanClaw搭建完善Token付费生态。PhanthyBTokenC端运营，该部分是公司认为增速最快的增长驱动力，我们预计2026-2028年收入增速分别为2000%、130%80%年毛利率略有下2026-202825%、26%、27%。Agentic业务核心推进“按结果付费”的合作模式。目前公司在电力交易领域已取2026-202855%50%45%AI2026-202831%、32%、33%。2026-2028109.76159.32222.7154%、45%、40%33.2%、33.3%、33.3%。2026-2028101.88153.90202.18亿元，33.4%31.6%API业务收入、毛利率预测上调较多。单位：百万元202420252026E2027E2028E单位：百万元202420252026E2027E2028EAIPlatform4,9656,5528,51810,90313,629yoy32%30%35%28%36%25%37%毛利率35%API业务35801,6783,8596,947yoy129%2000%25%130%26%80%27%毛利率20%AgenticAI业务2605037801,1701,696yoy93%55%31%50%32%45%33%毛利率30%营业收入5,2617,13510,97615,93222,271yoy36%54%45%40%营业成本3,016465273331062914862yoy54%58%45%40%总体毛利率34.8%33.2%33.3%33.3%公司公告费用分拆：销售及营销费用方面，观察到2024-2025年公司销售及营销费用处于持续控费状态， 且公司销售战略是维护各行业少量标杆客户打造示范案例，更多客户通过合作伙伴推广，预计后续销售及营销费用投入应较为保守，随收入体量提升小幅增长，预计2026-2028年增速分别为5%、15%、15%。一般行政管理费用方面，2023-20252026-20285%、15%、15%。AI2025210%，我们认为公司算力投入将维持高速增长2026-202840%、37%、30%。此前我们预计销售及营销费用2026-2028年增速分别为-5%、-5%、-5%，一般行政管理费用2-228年增速分别为-%-%-%02-2028年增速分别为%、30%、27%，我们将各项费用预测均上调主要考虑到公司业务扩张较快，各项投入需求增加。2020202120222023202420252020202120222023202420252026E2027E2028E销售及营销费用248455412423269205215248285yoy84%-9%3%-37%-24%5%15%15%一般行政管理费用246542528342193154162186214yoy120%-3%-35%-43%-20%5%15%15%研发费用56612491650176921702337326244565771yoy121%32%7%23%8%40%37%30%公司公告综上，我们预计公司2026-2028年归母净利润分别为1.23、4.24、8.95亿元，前值分别为0.77、4.55、9.00亿元。估值EV/也易E/EITDAAIEV/SalesP/S当于对低毛利的硬件收入和高附加值的软件平台收入给予相同估值权重，可能高估收入增长所对应的经营价值。EV/EV作为分子，在理论上比股权市值/配。采用EV 响，提高跨公司的可比性。 AI础设施、行业解决方案及AgenticAI等多个环节，国内市场不存在业务结构完全一致的上AI、数据基础设施及智能体业务的估值水平；金蝶国际主要反映中国大型企业软件市场的付费能力、交付模式及资本市场定价水平。三家公司均主要服务中国企业客户，能够避免直接采用海外SaaS公司所带来的软件付费能力和估值体系差异。可比公司与范式智能可比原因金蝶国际金蝶国际主要面向大中型企业提供企业管理云、PaaS平台及智能化应用，与范式智能均服务大型企业数字化和智能化需求。迅策可比公司与范式智能可比原因金蝶国际金蝶国际主要面向大中型企业提供企业管理云、PaaS平台及智能化应用，与范式智能均服务大型企业数字化和智能化需求。迅策AIDataAgent、机器人数AI金融及其他高价值行业客户，并具有平台产品与项目交付并存、研发投入较高以及由亏损向盈利过渡等共同特征。明略科技明略科技主要面向大型企业提供数据智能产品和行业解决方案，并通过DeepMiner企业级智能体平台由DataIntelligence向AgenticServices延伸。其平台产品、行业数据、项目交付和智能体服务相结合的业务模式，与范式智能由AI平台向AgenticAI和按结果付费模式延伸的方向具有较强一致性。各公司公告2026EV/23差异具有一定的业务及成长性基础，不宜仅因倍数较高而予以剔除。提供实时数据基础设施、数据分析及AIDataAgent相关产品，与范式智能的数据基础设AIAPI若将迅策剔除，剩余样本将更多反映通用企业软件和数据智能应API业务的估值溢价。API2026H1AI23EV/1123AI数据基础设施及API业务的高成长属性，也通过金蝶国际和明略科技的估值水平对迅策的高倍数进行了平滑，避免直接照搬单一高估值样本。维持“买入“评级，市值仍有超一倍空间。取2026E可比公司EV/毛利润平均值，预 EV406=EV+现金及类现金资产−有息负债−租赁负代码公司名EV（亿元）毛利（亿元）EV/毛利2026E代码公司名EV（亿元）毛利（亿元）EV/毛利2026E52162027E61242028E70362026E5232027E4152028E4100268.HK3317.HK金蝶国际迅策2563642718.HK明略科技58101418643平均值1186

债−382447注：1）金蝶国际收入预测采用申万宏源研究预测，迅策、明略科技采用Wind一致预期。观察到可比公司金蝶国际、明略科技过去5年毛利率水平较稳定，迅策2025年毛利率下降主要由于产品收入结构变化及客户行业拓展的阶段性影响，并非长期趋势，故本文假设各公司预测期毛利率为前两年平均，并以预测收入乘以该平均毛利率测算2026—2028年毛利润；2）港股公司EV（企业价值）及毛利货币单位均为人民币；3）数据时间截至2026年8月27日风险提示AIAIPlatformAPIAgenticAIIT预算、AIAIRisevGPURisevGPUAIRisevGPURisevGPUvGPU实际收入空间可能低于本文测算。API业务增长及毛利率不及预期。本文预计公司API业务2026年收入同比增长2000%ToknTokenGPUAPI可能基于开源能力提供替代服务。若行业竞争加剧，公司可能面临市场份额及收费水平下