科大讯飞 (002230.SZ)：AI国家队的价值重估，星火燎原前的战略潜伏期

日期: 2025-08-18 05:17 UTC

1. 核心观点与投资评级

• 目标价: 51.20 元
• 当前价: 49.98 元
• 核心论点:
  • 价值深藏于分部之中：市场普遍采用的整体估值法（PE/PS）未能公允反映科大讯飞多元化业务的真实价值。我们的分部估值（SOTP）模型揭示，其在智慧医疗、智能汽车等高增长赛道的价值被严重低估，合计内在价值远超当前市值所体现的水平。
  • 护城河的范式升级：在大模型技术趋同的背景下，科大讯飞正成功地将其护城河从单一的语音技术优势，升级为“技术+行业深度+渠道+国产算力供应链安全”的复合型壁垒。这种深度绑定产业的“1+N”战略，是其区别于互联网巨头的核心竞争力，也是未来超额收益的源泉。
  • 盈利拐点与催化剂临近：管理层首次给出明确的盈利预期（2026年实现由大模型驱动的显著利润增长），这标志着公司战略已从“投入期”转向“收获期”。“讯飞星火”商业化进程的加速（Q2付费客户环比增长60%）^[1]，将成为未来6-18个月内驱动公司价值重估（Re-rating）的关键催化剂。

2. 公司基本盘与市场定位

科大讯飞是中国人工智能产业的先行者与“国家队”成员，其业务根基始于世界领先的智能语音和语言技术。历经二十余年发展，公司已从技术提供商演变为一家以“讯飞星火”认知大模型为核心，赋能千行百业的综合性AI解决方案巨头。

其商业模式呈现典型的平台型特征，即“平台+赛道”模式。一方面，通过开放平台向开发者和中小企业提供标准化的AI能力；另一方面，聚焦教育、医疗、智慧城市、汽车等关键赛道，提供深度定制化的行业解决方案。这种双轮驱动的模式使其在B端（企业）和G端（政府）市场建立了深厚的客户关系和渠道优势，形成了区别于C端互联网巨头的独特市场定位。在当前强调技术自主可控和产业智能化的宏观背景下，科大讯飞作为掌握核心技术并深度理解国内市场的头部企业，其战略地位愈发凸显。

3. 投资故事

当前的资本市场对科大讯飞的叙事充满了矛盾与分歧。一方面，市场认可其在中国AI领域的领先技术地位；另一方面，又对其长期“增收不增利”的财务表现和在大模型“烧钱”大战中的前景感到忧虑。这种分歧的核心在于，市场仍在用看待传统软件公司的眼光审视一家正在经历平台化、模型化深刻变革的AI企业，从而导致了显著的认知差与价值错配。

我们的投资故事恰恰建立在这种认知差之上。我们认为，科大讯飞的真实价值并非体现在合并报表那看似平庸的净利润上，而是潜藏于其各个业务板块的独立成长逻辑之中。这就像一个控股集团，旗下既有稳健的现金牛业务，也有高速成长的明日之星，用一个统一的市盈率去衡量它，必然会扼杀后者的价值。

核心投资逻辑：投资科大讯飞，本质上是投资AI技术从“技术参数竞赛”走向“产业价值创造”的必然趋势。在这场竞赛的下半场，单纯的通用大模型能力将不再是稀缺品，而“将顶尖AI技术与特定行业知识（Know-how）深度融合，并转化为客户实实在在的降本增效”的能力，将成为新的、也是更持久的护城河。科大讯飞的“1+N”战略正是这一趋势的完美体现：“1”是保持技术领先的通用大模型底座，“N”则是其利用二十余年行业积累打造的、竞争对手难以复制的行业深度应用。

风险收益权衡：此项投资的主要风险在于执行层面。公司能否如管理层所言，在2026年兑现盈利拐点，是验证其商业模式能否闭环的关键。若商业化进程不及预期，高昂的研发投入将持续侵蚀利润，导致估值承压。然而，其潜在回报同样巨大。一旦市场认可其行业大模型的盈利能力，公司的估值体系将从当前的市销率（P/S）逻辑，向更具吸引力的市盈率（P/E）或“P/E + 业务期权价值”的逻辑跃迁，带来“戴维斯双击”的可能。

催化剂时间线：

• 短期（3-6个月）：关注2025年第三、四季度财报中，毛利率是否出现企稳回升迹象，以及关键行业（如医疗、教育）付费客户数的持续高增长。
• 中期（6-18个月）：2025年度报告将是验证管理层“毛利率企稳”承诺的第一个关键节点。同时，关注公司在汽车、金融等新领域是否能斩获标杆性的大客户订单。
• 长期（18-24个月）：2026年，公司能否实现“由大模型驱动的显著利润增长”，将是决定本投资故事成败的终极考验。

4. 定量分析

4.1 估值方法论

科大讯飞的业务结构高度多元化，覆盖了从消费者SaaS/硬件、政企解决方案到智能汽车、智慧医疗等多个截然不同的领域。这些业务板块不仅所处行业不同，其商业模式、增长阶段、盈利能力和市场给予的估值逻辑（P/S, P/E, EV/EBITDA）也存在巨大差异。例如，智能汽车业务应与高科技汽车软件供应商对标，而智慧城市业务则应与传统的系统集成商进行比较。

单一的整体估值方法（如P/E）会因高投入的新兴业务拉低整体利润而低估公司价值，而整体P/S法则无法体现不同业务的利润率差异。因此，分部估值加总法（Sum-of-the-Parts, SOTP）是唯一能够穿透公司表面，公允、精细地评估其各部分内在价值的理想框架。我们的方法论是：对每个业务板块独立进行相对估值，然后加总得出公司的整体企业价值。

4.2 估值过程详解

4.2.1 开放平台及消费者业务

• 业务收入 (2024): 102.48 亿元人民币 ^[1]。
• 估值方法: 相对估值法 (P/S)。该业务是“AI平台服务+AI消费硬件”的混合体，P/S是衡量此类成长型科技业务的主流指标。
• 可比公司: 我们选取了C3 AI (AI) ^[2]、ServiceNow (NOW) ^[4] 等AI平台公司，以及华勤技术 (603296.SH) ^[5]、领益智造 (002600.SZ) ^[6] 等AI硬件公司作为可比对象。Palantir (PLTR) ^[3] 因其业务模式特殊且估值极端，作为离群值予以剔除。
• 乘数选择: 可比公司P/S中位数为 6.18x。我们选择中位数以规避个别高估值样本（如ServiceNow）的影响，使其更具代表性。
• 估值计算: 102.48 亿元 × 6.18 = 633.33 亿元人民币。

4.2.2 智慧城市

• 业务收入 (2024): 33.65 亿元人民币 ^[1]。
• 估值方法: 相对估值法 (P/S)。
• 可比公司: 选取A股市场的智慧城市核心企业，包括海康威视 (002415.SZ) ^[7]、大华股份 (002236.SZ) ^[8]、千方科技 (002373.SZ) ^[9] 和易华录 (300115.SZ) ^[11]。
• 乘数选择: 上述可比公司P/S平均值为 2.35x，中位数为2.30x。两者非常接近，我们采用平均值2.35x作为基准。
• 估值计算: 33.65 亿元 × 2.35 = 79.08 亿元人民币。

4.2.3 教育领域

• 业务收入 (2024): 28.60 亿元人民币 ^[1]。
• 估值方法: 相对估值法 (P/S)。
• 可比公司: 选取转型教育科技与硬件的好未来 (TAL) ^[12]、新东方 (EDU) ^[13]，以及网易有道 (DAO) ^[14]、视源股份 (002841.SZ) ^[15] 作为可比对象。
• 乘数选择: 可比公司P/S平均值为 1.80x。考虑到科大讯飞在该领域的技术优势和市场地位，使用平均值是合理的。
• 估值计算: 28.60 亿元 × 1.80 = 51.48 亿元人民币。

4.2.4 智慧医疗

• 业务收入 (2024): 12.24 亿元人民币 ^[1]。
• 估值方法: 相对估值法 (P/S)。
• 可比公司: 选取与医疗AI和高端医疗信息化业务高度相关的核心可比公司，包括从讯飞分拆的讯飞医疗 (2506.HK) ^[24]、医渡科技 (2158.HK) ^[23]、嘉和美康 (688246.SH) ^[22]、卫宁健康 (300253.SZ) ^[16] 和创业慧康 (300451.SZ) ^[17]。
• 乘数选择: 核心可比公司的P/S中位数为 8.78x。该乘数水平能较好地反映市场对AI技术驱动型医疗科技公司的估值预期。
• 估值计算: 12.24 亿元 × 8.78 = 107.46 亿元人民币。

4.2.5 智能汽车

• 业务收入 (2024): 10.23 亿元人民币 ^[1]。
• 估值方法: 相对估值法 (P/S)。
• 可比公司: 选取聚焦智能座舱与智能驾驶软件的A股上市公司，如中科创达 (300496.SZ) ^[28]、四维图新 (002405.SZ) ^[33]、光庭信息 (301221.SZ) ^[36] 和德赛西威 (002920.SZ) ^[27]。
• 乘数选择: 考虑到科大讯飞在智能语音交互领域的绝对技术优势和品牌溢价，我们选取了略高于行业平均值（4.26x）和中位数（4.03x）的 4.5x 作为中性估值乘数。
• 估值计算: 10.23 亿元 × 4.5 = 46.04 亿元人民币。

4.2.6 运营商业务

• 业务收入 (2024): 10.07 亿元人民币 ^[1]。
• 估值方法: 相对估值法 (P/S)，并结合重大经营状况进行调整。
• 可比公司: 选取与运营商大数据分析和AI服务相关的星环科技 (688031.SH) ^[38] 和拓尔思 (300229.SZ) ^[38]。
• 乘数选择与调整: 可比公司平均P/S高达19.59x，反映了市场对高增长大数据公司的预期。然而，科大讯飞该业务2024年营收同比剧烈下滑51.9% ^[37]。为反映这一严峻的负面趋势，我们对可比乘数应用了 60% 的审慎折扣，得出调整后P/S为 7.84x。
• 估值计算: 10.07 亿元 × 7.84 = 78.95 亿元人民币。

5. 定性分析

定量估值为我们提供了公司价值的“骨架”，而定性分析则是赋予其“血肉与灵魂”，解释了“为什么”它值这个价，以及未来的想象空间在何方。

管理层与战略定力

面对市场对其盈利能力的质疑和7月份的舆论风波 ^[39]，董事长刘庆峰在2025年8月的最新表态 ^[1] 展现了卓越的战略定力。他并未陷入与竞争对手的“口水战”，而是将焦点拉回到公司的核心战略——“1+N”模式的商业化落地。通过披露“Q2付费客户环比增长60%”等具体数据，管理层正努力将市场叙事从虚无的“模型跑分”引向务实的“价值创造”。首次给出“2026年实现显著利润增长”的明确时间表，更是一个强烈的信号，表明公司内部的执行力与商业化进程已达到一个可以向市场做出承诺的关键节点。这既是信心的体现，也是对未来业绩的背书。

企业护城河的演进与加深

在大模型时代，科大讯飞的护城河正在经历一场深刻的范式革命。

• 从“单点技术”到“复合壁垒”：传统的语音技术壁垒在通用大模型面前有所削弱，但这二十余年积累的行业数据、客户关系和渠道网络并未失效，反而成为了滋养行业大模型的独特“养料”。新的护城河是“顶尖AI技术（星火） + 行业深度理解（Know-how） + 市场准入渠道 + 供应链安全”的四位一体复合型壁垒。在医疗、教育、司法等强监管、高门槛的行业，这种深度融合的能力是纯粹的互联网公司短期内无法复制的。
• “国产算力”的战略卡位：管理层披露，基于国产算力的推理成本已低于业界平均水平30% ^[1] 。这揭示了其战略的另一层深意。在当前地缘政治环境下，对国产算力的深度适配与优化，不仅解决了“卡脖子”的风险，更在政府、国企等对供应链安全要求极高的市场中，构建了独特的竞争优势。这已从一个备用选项，变为一个核心的战略差异点。

SWOT分析

• 优势 (Strengths)：深厚的B/G端行业根基；全栈式AI技术能力；“国家队”身份带来的项目和政策优势。
• 劣势 (Weaknesses)：盈利能力长期承压，市场耐心正在被消耗；业务线繁杂，可能导致资源分散；部分传统业务（如运营商业务）面临下滑风险。
• 机遇 (Opportunities)：“AI+”国家战略的政策东风；千行百业数字化转型的巨大需求；国产化替代的长期历史趋势。
• 威胁 (Threats)：来自互联网与科技巨头（BAT、华为）的全方位降维打击；颠覆性技术迭代的风险；宏观经济下行导致政企IT支出收缩。

综合来看，定性分析的结论指向乐观。科大讯飞正处在一个正确的战略轨道上，其构建的新护城河足以应对日益激烈的竞争。管理层给出的清晰盈利路线图，为公司的价值发现提供了最重要的前瞻性指引。因此，我们认为其内在价值应在静态的SOTP估值基础上，享有一定的溢价，以反映其战略执行的积极进展和未来的增长潜力。

6. 最终估值汇总

估值防火墙

以下是基于2024年财务数据及2025年8月18日市场数据的分部估值汇总：

定性溢价调整

基于我们定性分析的结论——公司战略清晰、新护城河正在有效构建、商业化进程加速且盈利拐点可期——我们认为市场应给予其一定的战略溢价。我们取定性分析建议区间（10%-15%）的中值，在SOTP估值基础上给予 12.5% 的溢价。

• 定性溢价: 996.34 亿元 × 12.5% = 124.54 亿元
• 最终目标市值: 996.34 亿元 + 124.54 亿元 = 1,120.88 亿元人民币

最终安全价格

• 总股本: 2,189,140,000 股
• 目标价: 1,120.88 亿元 / 21.8914 亿股 = 51.20 元/股

7. 投资建议与风险提示

结论与行动建议

我们给予科大讯飞（002230.SZ）“增持”评级，目标价为51.20元。

当前股价（49.98元）已基本反映了其各业务板块的静态价值，但尚未完全计入其“讯飞星火”大模型商业化成功带来的价值重估潜力和盈利能力的结构性改善。本投资建议适合具备长线视野（18-24个月）、能够承受短期业绩波动、并认同“AI赋能产业”这一核心逻辑的价值投资者。我们建议投资者密切关注公司后续财报中毛利率的变化和关键行业付费客户的增长数据，作为验证我们投资逻辑的依据。

风险声明

本报告基于公开信息和一系列假设进行分析，不构成任何投资建议。投资者应独立决策，并自行承担相应风险。投资有风险，入市需谨慎。核心风险包括但不限于：

• 市场竞争加剧风险：互联网和科技巨头的进入可能导致价格战，侵蚀公司利润率。
• 技术迭代风险：颠覆性AI技术的出现可能使公司现有技术路线的价值降低。
• 商业化不及预期风险：若公司无法按计划实现盈利目标，将严重打击市场信心。
• 宏观经济风险：经济下行可能导致政府和企业客户缩减IT预算，影响公司收入增长。

由 Alphapilot WorthMind 生成