「核心提示」
5月24日，“小作文”引发科大讯飞股价大跳水。布局上看，科大讯飞业务繁多，打造了不少潜在“第二曲线”，但是增长、盈利能力以及现金状况并不理想。进入了大模型赛道的科大讯飞，能起飞吗？
作者 | 李鑫
编辑 | 刘杨
最近，A股的ChatGPT概念开始降温，多数公司都持续阴跌，往日狂飙不再。
但平静中，也会泛起涟漪。5月24日，A股最早上市且近期相对强势的AI概念股——科大讯飞午后突然跳水，一度跌超9%，收盘跌4.26%。
下跌的导火索，来自两篇“小作文”。其中一篇“小作文”称，近期科大讯飞被曝涉嫌大量采集用户隐私数据，并将其用于人工智能研究。对此，科大讯飞在投资者互动中称，此文系“某生成式AI”所撰写，事实不实。对于恶意抹黑、捏造虚假信息，损害我司名誉权的机构或个人，公司会借助法律武器保护公司和投资者利益。
5月24日晚，某大厂大模型业务市场部负责人在朋友圈回应称，“先别说小作文这事真假、策划痕迹太重”。他同样表示，对于无端的恶意抹黑污蔑，将采取法律措施。
今年以来，科大讯飞话题度一直不低。5月6日，科大讯飞发布了“星火认知大模型”，但随后陷入“套壳GPT”传闻，有网友发现，星火大模型有些问答会出现“我是由OpenAI 开发的”等内容。
科大讯飞官方回应称，如果是套壳 ChatGPT，就不可能出现讯飞星火大模型的响应速度比ChatGPT还快；更不会出现讯飞星火大模型在文本生成、知识问答、数学能力等方面的结果均优于ChatGPT的情况。
对于自家大模型，科大讯飞董事长刘庆峰信心满满，他表示，在10月24日科大讯飞全球开发者大会期间，星火有望能够全面对标ChatGPT：在中文上要超越ChatGPT，在英文上要达到跟它相当的水平。
然而，对于科大讯飞而言，在大模型发展的当口，首先要面对增长停滞以及盈利下滑难题。根据2022年财报，科大讯飞营收微增，只有2.77%，归母净利润5.61亿元，同比下滑63.94%。
著名学者薛云奎在2017年曾发文称，科大讯飞“擅长要钱，不擅长赚钱”。而低盈利能力和训练大模型的高资金消耗形成鲜明对比。这一次，踩中风口的科大讯飞，能否真正起飞？
1、布局热闹，业绩一言难尽
展开科大讯飞的收入构成，我们会发现其业务结构相当复杂。从产品角度看，既包括教育产品和服务、开放平台、信息工程、运营商相关业务，也包括智能硬件、医疗、智慧金融等一系列业务。
可能是科大讯飞自己也怕投资者一头雾水，特意在年报做了一张宇宙感十足的图，解释各业务逻辑关系。
可以看出，科大讯飞使用的是“从核心扩张”的相关多元化扩张逻辑。这种战略的本质是能力迁移。
对于这种扩张战略，科大讯飞自称为“顶天立地”。“顶天”是指核心技术始终保持国际领先，“立地”是让技术成果实现大规模产业化应用。
科大讯飞“顶天”的技术源头是智能语音、自然语言理解、机器学习推理、自主学习等一系列人工智能技术。
典型如智能语音，这是科大讯飞起家的技术。2008年上市时，市场对它的定位，就是“智能语音第一股”（后直接称“AI第一股”）。
智能语音技术，简单来说就是让计算机、智能仪表、手机甚至家电和玩具等都能像人一样“能听会说”的技术。通过它，机器具备自然语言处理能力，能够通过对语音进行分析、理解和生成，让机器可以像人一样自如使用人类语言。
围绕智能语音，2008年上市时，科大讯飞的业务结构是三大方向——语音软件支撑、语音应用软件（行业应用产品/系统）、信息工程和运维服务外包业务。
2017年，科大讯飞锚定了明确的“平台+赛道”战略，计划从智能语音出发，发展新的业务领域。“平台”代表的是讯飞开放平台，其目标是为开发者提供全方位的人工智能解决方案；而“赛道”是指AI技术对特定行业的增强作用，主要集中在智慧医疗、智慧城市和智慧教育这些领域。
2022年12月，科大讯飞又启动了“1+N 认知智能大模型技术及应用”专项攻关，其中“1”指的是通用认知智能大模型算法研发及高效训练方案底座平台，“N”指的是将认知智能大模型技术应用在教育、医疗、人机交互、办公、翻译等多个行业领域。这也为其“星火认知大模型”的诞生做足铺垫。
不过，虽然科大讯飞的业务布局相当热闹，但其近些年业绩表现却一言难尽。
2、被“美化”后的利润
如果将科大讯飞的收入和净利润做个对比，我们仿佛会看到一个张大的“鳄鱼嘴”——收入持续增长，净利润却贴地飞行。说明公司规模越做越大，却不太挣钱。
收入利润之外，其近年现金流量表现也不算乐观：虽然经营性活动现金流净额（红色）为正，但总体并未放大，近两年还有萎缩趋势。显示企业现金造血能力并不理想。
经营性现金流之外，过去6年里我们会看到，除了2020年，科大讯飞的投资活动现金流净额始终保持较高水平，且显著大于经营性活动现金流净额。
科大讯飞到底都投资了什么？总的来看有三大类：开发支出、无形资产、固定资产。
通过上图我们会发现，2019年以来，科大讯飞的无形资产（红色）始终比固定资产要高。那么这个无形资产到底是什么？
打开报表附注，我们会看到，科大讯飞的投资的无形资产，不是常见的土地使用权，而是软件，2022年报年报期末价值达到20亿元。
为什么无形资产中的软件项目能达到20亿元？主要是科大讯飞将大量的研发投入进行了资本化。
研发费用资本化，是美化利润表的常用方法。
具体来看，研发费用资本化，是将企业的研发费用从当期费用转化为资产，然后通过摊销的方式逐年分配到未来的会计期间中。
回到科大讯飞，我们会发现，科大讯飞常年将40%的研发金额进行资本化，比如2022年，研发投入的实际金额为33.55亿元，但是将14.13亿元（42.1%）进行了资本化。
40%左右的研发金额资本化率到底高不高？根据《豹变》统计，科大讯飞在A股“申万软件开发板块”研发金额超过5亿的公司中，资本化率位列第三。可以看出，科大讯飞有较强的做高净利润的意愿。
除了做高净利润，我们也能分析出，科大讯飞那看似有一定规模的经营性活动现金流净额，其本质上也是研发费用资本化美化的结果。因为资本化的部分，会变成投资性现金流；而如果不资本化，直接费用化，那么经营性活动现金流净额必然减少。
而这也解释了，为什么科大讯飞近年多数时期另一种现金流——筹资性现金流净额为正，因为科大讯飞的资金其实较为紧张，需要筹资来维持业务的正常经营。
而资金的紧张，是否会影响堪称烧钱的大模型训练，需要打一个问号。
3、拿补贴能力优秀？
虽然资金总是挺紧张，但不得不承认，科大讯飞从政府获取补贴的能力很强。这一点我们从其ROE的变化中，能见端倪。
所谓ROE，通俗理解就是公司净资产能够带来多少回报。一般来说，连续五年以上保持净资产收益率在15%-30%的公司，就是非常优秀的企业，这类企业往往具有竞争优势，也就是护城河。
回顾历史，科大讯飞除了2008年和2010年ROE超过15%，其他年份数值总体较低，而且总体呈下降趋势。2017年-2021年曾有反弹，但2022年直接跌至3.38%的历史低位。
为什么2017-2021年曾有回光返照？如下图所示，我们会发现扣除科大讯飞的营业成本和销售费用、管理费用后产生的经营性利润（浅蓝色）占比很少，且变化不大。
真正拉动科大讯飞ROE的，其实是其“外援”，这个“外援”在科大讯飞的会计科目上叫“其他收益”，本质是政府补贴。比如2019年和2020年，科大讯飞的其他收益就分别达到6.63亿元、7.41亿元。而其当年公司净利润则分别为9.43亿元、14.42亿元。
为什么科大讯飞盈利能力不够强？背后的根本原因是什么？这可能和其产品和服务并无明显竞争优势有关。
数据上看，科大讯飞“人均创收”水平不高。对于一家科技公司而言，人均创收往往反映产品或服务是否有竞争力。
如果我们将科大讯飞和国内同样深度介入人工智能，且重视研发的安防龙头——海康威视做个对比，我们会发现，两者虽然“人均工资”对比上相差不大，但“人均创收”相差较大。
典型如2019年，科大讯飞的人均工资为25万元高于海康威视，但是人均创收只有96万元低于海康威视的142万元。最近几年，科大讯飞人均创收在增长，但仍和海康威视有差距。
从费用率来看，科大讯飞的销售费用率明显高于海康威视，显示需要花更大的力气才能把产品卖出去。
从业务层面上看，科大讯飞的业务，虽然横贯服务大众的To C市场、服务企业的ToB市场以及服务政府的ToG市场，但其ToC产品缺乏爆款、未见高市场份额产品，而ToB和ToC变现周期长、竞争激烈。这成为压制其盈利能力的关键。
总的来看，科大讯飞的核心问题在于收入越做越大，但是ROE不高，持续不挣钱。而这较低的ROE，还存在一定的“美化”，因为其将研发费用资本化，依赖政府补贴。
这导致其长期需要融资来解决现金吃紧的问题。而究其原因，本质上是没有独特竞争优势，产品竞争激烈下人均创收能力低。
2021年，刘庆峰曾提出2025年千亿营收目标，目前来看这个目标似乎很难实现。根据2022年财报，科大讯飞营收只有188.2亿元，同比微增只有2.77%；归母净利润5.61亿元，同比下滑63.94%。
从今年一季度还有恶化趋势——营业收入28.88亿元，同比下降17.64%；净利润亏损5790万元，同比下降152.25%，扣非净利润亏损3.381亿元，同比大跌331.82%，由盈转亏。
和2022年年报业绩停滞的解释类似，对于一季度的业绩表现，科大讯飞称主要原因是宏观经济影响下，较大项目工作进度在2023年一季度延迟。2022年10月再受到美国的施压之后，供应链相关合同主要调整已基本完成。
在5月的大模型发布会中，科大讯飞发布了多个基于大模型的产品，涵盖了教育、办公、汽车和智能座舱等领域。并启动了通用认知智能大模型专项攻关项目，计划在教育、办公、汽车和人机交互等领域推出大模型应用。
刘庆峰表示，大模型的商业模式仍在设想中，基于讯飞生态的超500万合作伙伴，可以在通用大模型的加持下进一步发掘落地的机会。同时，还可以参考ChatGPT的收费模式。
不过，虽然利用大模型进行商业化变现看起来并不难，但要使一家企业的大模型真正能够赋能各个行业，并发挥出良好的效用，需要投入大量资源。比如训练和推理大模型需要大量的计算资源，包括高性能的处理器、图形处理器（GPU）或领域特定的集群；训练大模型还需要大量的时间和人力投入。模型的设计、参数调整、训练过程的监控和优化等都需要专业的团队和研究人员进行管理和执行。
而在竞争对手资本更为雄厚，自身基本面仍显疲弱的背景下，科大讯飞能否真正成功抓到趋势，似乎还需时间验证。
热门跟贴