科大讯飞估值方法论（深度）| 国君计算机

Original 李沐华、齐佳宏计算机文艺复兴 2023-03-02

公司深度系列

1、核心业务边际定价与PE是两种主流的定价方式
1.1 理想：分部估值是最为合理的估值方式
毫无疑问，对于讯飞的不同业务进行分部估值是现阶段最为合理的估值方式。

公司的业务非常庞杂。从业务结构来看，公司业务涉及教育、消费者、智慧城市、政法、医疗、汽车等诸多行业，且部分业务线中包含多项细分业务，如教育业务就包含智慧课堂、个性化学习手册、直播课等多项细分业务，涉及教、学、考、管方方面面。

各个业务线的业务内涵完全不同。公司的各业务线在AI属性强弱、商业模式等方面均存在较大差异。比如教育业务中的个性化学习手册业务，利用AI技术进行题目推送，AI属性很强，且商业模式上类似于一个高天花板、高粘性的SaaS业务，市场倾向于采用PS估值并给予较高的估值倍数；而智慧城市业务中AI技术本身的商业价值难以界定，且商业模式上看是G端的项目制业务，市场倾向于采用PE估值并给予较低的估值倍数。

1.2 现实：核心业务边际定价与PE估值被广泛采用
受制于现实情况，分部估值并未被投资者广泛采用。

现实一：利润率假设是强假设，往往比较失真。

一方面，在科大讯飞的定期报告中，目前只披露占公司营收或营业利润10%以上的业务线的毛利率，在2022年的半年报中包括教育产品和服务、开放平台、信息工程、运营商业务等四条业务线。而对于智能硬件、数字政府、政法业务等多条业务线的毛利率并不披露，对于这些业务线的毛利率假设本身就是强假设。

另一方面，公司拥有一些战略意义重大的基座型业务，比如讯飞超脑2030计划。它可能并不直接贡献收入，却是其他业务开展的重要基础。对于这部分业务的成本变化，往往是难以估计的。

现实二：持仓与研究成本错配，详细拆分和基本面跟踪的性价比较低。

一方面，如前文所述，讯飞的业务线比较繁杂；与此同时，公司的业务结构和信息披露口径仍处于变化过程中。如在过去几年中教育业务中教、学、考、管、平台的划分方式变为G、B、C的拆分方式；政法业务划分进入智慧城市业务中等等。
另一方面，讯飞的机构持仓较少。公司2022年末机构持仓比例仅为2.91%，在计算机板块市值前十大的公司中排名较低，远低于平均水平。再加上在2015年的时候AI属性较强的业务占比较低（由于AI行业发展阶段的原因，而并非讯飞自身原因），却又被作为AI龙头标的享受了AI行业的高估值，导致部分投资者认为彼时的讯飞名不副实，从而一直延续了以主题视角看讯飞的习惯。比如在讯飞输入法例行下架检查的当天讯飞股价会大幅下跌，再或者国家成立人工智能示范区之类的信息出现当日讯飞股价大涨，这些都是讯飞股价主题属性的表现。

我们认为，目前市场中对于科大讯飞的主要估值方式有两种。

基于核心业务的边际定价。这里的核心业务主要指教育、消费者业务，当这些业务发生较大的边际变化时，股价会反映这一变化。而其他业务比如智慧城市业务、智慧汽车业务、智慧医疗业务等的边际变化对于股价的影响较弱。

我们可以对比教育和智慧城市业务发生边际变化时讯飞股价的走势得出这一结论。
公司2021H1股价大幅上行，主要驱动因素是国家打击校外培训。2021年年初开始，国家大力打击校外培训，投资者纷纷预期课外教育市场将逐步回归到课内。在这样的预期下，公司股价自年初至双减政策最终出台的时间窗口内涨幅达到52%，期间最高涨幅64%，远远跑赢同期的SW计算机指数（涨幅3%，期间最高涨幅5%）。

公司披露1-5月中标合同额同比增长大幅超预期，股价却跑输行业。2020年6月10日，公司董事长在21周年庆中发文《因为山就在那里：21周年给全体讯飞人的一封信》中透露，公司2020年1-5月新签订单增速125%，在疫情的大背景下无疑是远超市场预期的。但在接下来的一个月内，公司股价涨幅16.02%，大幅跑输SW计算机指数（+27.21%）。

我们认为，基于核心业务进行边际定价的估值方式体现的是讯飞业务的下游行业属性。大多数计算机公司来说都同时具备两个属性，一个是技术属性，另一个是下游行业属性。比如广联达和石基信息都被投资者归为云计算公司，这是技术属性，也是作为计算机公司本身的属性；而它们又分别被归为建筑信息化公司和酒店信息化公司，这是下游行业属性。两个属性都会对股价产生影响。当计算机贝塔较强时，技术属性会成为股价的主导因素；而当下游行业贝塔较强时，股价则由下游行业属性主导。

基于PE估值。由于讯飞已经盈利，部分投资者会采用PE的方式对讯飞进行估值。对于这种方式，我们将在后续的章节中给出我们的看法。

在后续的章节中，我们会重点给出我们对于两种估值方法的看法以及从这些估值方法出发得出的对目前公司股价的结论。

2、基于边际定价：2023年讯飞核心业务将强势反转
这部分从边际定价的视角出发，分析讯飞2023年业务的变化情况。这是2023年推荐讯飞的主逻辑，但本篇报告重点在于阐述对科大讯飞估值的看法，故这里仅对部分业务变化的逻辑做简单阐述。

教育：

1.区域化订单：在手订单丰富，并会在2023年加速落地。这是市场中讨论最多的逻辑。一方面，之前已经签约的区域化教育订单将对公司2023年收入形成一定支撑。与之前点对点签单的模式不同，区域化的教育订单执行周期更长，部分订单执行周期超过1年，在项目周期内持续贡献收入，比如2019年末签下的蚌埠市智慧学校建设项目验收周期为5年。另一方面，2022年很多区域化教育订单存在签单和执行的延迟，随着线下教学重回正轨，这部分订单将在2023年快速落地。

2.双减背景下市场规模、市占率双升，商业模式亦有升级趋势。这是一个我们反复强调的偏中长期的逻辑。
一方面，双减背景下讯飞市占率会持续上升。传统的教育信息化市场是一个关系型市场，呈现出碎片化特点。这一市场的集中度很难自发提升。但随着双减政策推进，对于项目承建方的综合实力要求提高，部分只能做智慧课堂或智慧考试的小厂商将被挤出市场，讯飞作为能够提供全栈解决方案的龙头厂商市占率将持续攀升。换句话说，双减政策是教育信息化市场集中度提升的“外力”。
另一方面，校内课后服务平台有望产生更多的运营制收入。校外教育市场转向校内，催生出校内课后管理平台建设市场。对讯飞来说，这不仅仅意为着一个增量市场的出现，还为后续的商业模式拓展提供了新的想象空间。目前部分区域或学校希望建设自身的课后管理平台，在这些项目中，讯飞有望实现课后服务费分成收入。如在2022年中标的遵义市公办义务教育阶段课后管理平台项目中，讯飞的报价方式为“全年课后服务费总额的8%”。

3.C端业务：个性化学习手册和学习机业务都将实现快速增长。（对于个性化学习手册和学习机的产品性质差异和应用场景的比较参见我们的报告《个性化学习手册降低客户选择成本，B2B2C模式助LTV提升》）
个性化学习手册：这个业务在疫情期间受的影响应该是最大的，因为它的数据采集依赖学校的周考和月考，且涉及大量的扫描、打印环节，是最重的业务。随着线下教学的恢复，这部分业务也会确定性回暖。
学习机：这个业务2023年高增长的逻辑在于渠道建设。和个性化学习手册不同，学习机产品的客单值是比较高的，多数消费者存在线下购买或线下体验需求，门店渠道建设非常重要。2022年，学习机相关线下门店数量增加了769个，达到1595个。随着这些门店逐渐走向成熟，2023年学习机业务增速有望进一步攀升。2023年学习机业务（C端）目标营收增速77%，在2022年（53%）的基础上进一步攀升。

消费者业务：

1.智能硬件：品类扩展叠加翻译机快速回暖。1）品类扩张：此前，讯飞智能硬件单品主要聚焦在比较小众的单品，对手较弱但天花板较低。随着综合实力的提升，公司陆续发售电子墨水屏、扫描词典笔、TWS耳机等产品，不断尝试向更多主流单品进军。在亚马逊kindle退出中国后，各类玩家陆续涌入这一市场，而讯飞办公本继续保持着线上线下的第一。2）翻译机回暖：在疫情前，翻译机是讯飞智能硬件的重要单品之一。过去几年由于疫情导致出国行需求基本归零，翻译机产品线遭到重创。随着2023年出国行恢复，该单品有望快速回暖。

2.讯飞开放平台：AIGC兴起带动调用需求增加。截至2022年末，讯飞开放平台上已经汇聚了超过380万开发者，AI调用量同比增长38%，基于AI的SaaS用户数增长40%。我们认为，ChatGPT的核心在于通过“聚沙成塔”的方式实现了AI落地场景的延展。随着AIGC的兴起，会有更多的创业者选择相关方向。相应地，讯飞开放平台的调用需求有望大幅增加。

智慧城市业务：数据要素和数字经济有望带动该业务获得重估。和其他业务线不同，智慧城市业务的逻辑核心不在于“复苏”而在于“重估”。

首先，复苏的逻辑在这个板块确实同样存在。2022年，安徽省制定了全新的政务信息化项目管理办法，该办法在探讨指定和发布的过程中，影响了项目的招标进展，安徽省内部分项目招标延迟到了2023年。
但更重要的是，在“核心业务边际定价”的框架下，智慧城市能否成为“核心业务”。我们看到，2022年12月，讯飞智元以5.54亿中标了安徽省一体化数据基础平台项目，打造“数字安徽”建设的资源中枢和能力底座，全面支撑数字政府、数字经济、数字社会建设，赋能千行百业。而安徽省政务APP在全国位列前5，全国电子政务现场会也曾在安徽召开，安徽有望成为电子政务在全国推进的重要标杆。而在数字经济、数据要素的大背景下，能够全面支撑数字政府并赋能千行百业的智慧城市业务的价值有望获得市场重估。

毫无疑问，在边际定价的框架下，2023年讯飞是非常值得期待的。

3、PE估值锚作用较弱，基于PS估值讯飞股价被明显低估

3.1 PE估值事实上可用性不强有一个非常有意思的现象：对于AI公司，市场仅仅对讯飞采用PE估值，对其他公司均采用PS估值。表面上看，这种差异是自然而然的，因为除了科大讯飞外其他公司基本均处于亏损状态。

我们认为，对于讯飞采用PE估值的底层逻辑在于投资者并不认为讯飞的所有业务均能归为AI业务。比如投资者对教育业务、消费者业务的AI属性认可度是比较高的，对智慧城市业务是认可度比较低的。换言之，大家对于智慧城市、智慧医疗等业务在实现G、B端卡位后到底能否像教育一样衍生出AI属性更强的C端单品信心不足。所以大多数投资者还是倾向于把讯飞作为一个做G端、B端生意的项目型公司，一部分投资者选择了核心业务的边际定价，一部分投资者选择了PE估值。

显然，现阶段市场的考虑是有其道理的，这本质上是对于AI技术商业落地前景的担忧。在过去几年中，AI无论在一级、二级市场，还是在产业层面表现都不尽如人意，无论是AI专利申请数量的下降还是融资次数的下滑（融资总额的增加源于轮次更靠后），核心的原因在于AI技术商业落地的受限。

但我们也都知道的另一个事实是，在给科大讯飞估值的时候，PE的实用性并不强。

纵向来看：讯飞的PE估值倍数波动很大，并没有明确的锚。PE估值在绝对底部的窗口期并不多见。

横向来看：由于其他AI标的并不盈利，导致难以通过PE倍数横向判断讯飞股价是否低估。

3.2 PS估值是另一种可行的思路，讯飞市值明显被低估首先说明的是，我们并非不认可采用PE对讯飞估值的方式，而是在现阶段，PS方法也是合理的，而且是更为有效的。有效性不需要论证，显然至少可以通过PS达到对AI赛道中各公司估值进行横向对比的目的，论证的关键在于合理性。
我们认为，合理性在于两点：
1.讯飞的AI技术落地方式（大垂直场景或大项目中的技术模块）是由AI的技术发展路径和发展阶段决定的，而非讯飞自身决定的。
2.PS背后的假设在于现阶段业务没有达到稳态，远期利润率会提升，而讯飞的业务形式远远没有达到稳态。
3.2.1 讯飞的AI落地方式是由技术发展阶段导致的行业普遍结果，而非讯飞个例
讯飞的AI落地方式是由AI的技术发展路径和阶段决定的，并非讯飞自身的原因。事实上，对于整个AI行业而言，“大型场景、大型项目中的技术支持模块”都是前些年AI技术商业化落地的主要形式，核心原因在于成本。
我们把AI技术难以商业落地的场景粗略分为两类。

第一类，对于corner case敏感度较高的场景。对于这一问题，我们此前的报告中已经多次探讨，这里只做简要回顾。

目前AI技术大多建立在统计学基础上，而不是采用逻辑推理得出结论，导致对于corner case的覆盖困难是制约其落地的重要因素。比如对于医疗、自动驾驶等场景，由于负面的应用个例将会产生非常严重的后果(比如重大疾病的误诊、自动驾驶产生的交通事故)，所以在实现对于corner case的充分覆盖之前，医院和主机厂对于AI技术的使用范围都是非常谨慎的。
以教育为例，这一赛道就是典型的对对corner case不敏感的赛道。AI在教育中落地的典型方式往往是针对学生在学习过程中产生的数据进行分析，判断其对各个知识点的掌握程度，从而为学生进行针对性地题目推送，达到因材施教的目的。在这一过程中，由于数据量以及后台技术的制约，必然也会有存在一些推送不当的情况，但这种负面的应用个例所造成的损失是非常小的，只要绝大部分的题目是推送恰当的，对厂商和用户而言就是一款好产品。可以说，正是由于对于corner case的不敏感，教育才能够成为AI最容易落地的主流场景之一。

这里额外给出一个观点。我们认为，对于此类场景，以GPT系列为代表的大模型并不能从根本上解决AI技术的商业落地问题，对于绝大多数大垂直领域业态的影响也相对有限。

第二类，长尾场景。

成本问题是AI落地难的另一个重要因素。在大模型出现之前，业内更倾向于通过模型优化在参数并不大幅增加的情况下实现模型效果的提升。在这种路线下，AI技术的应用毫无疑问难以完成对于长尾场景的下探。原因很简单，对于专用模型而言，需要针对场景进行模型构建、数据采集，并进行持续迭代。单一长尾场景本身市场空间有限，而AI的人才、算力等成本较高，针对某个长尾场景进行模型、数据的采集和迭代本身就是不经济的。与第一类“对于corner case敏感度较高的场景”不同，AI技术在长尾场景中的落地难并不是因为技术，而是成本。

注意这里需要区分长尾场景和corner case的概念。我们按照应用场景本身的大小来区分大型场景和长尾场景，按照某个场景中某种情况出现的概率来划分corner case。
所以正如我们看到的那样，AI技术之前主要是在“对于corner case不敏感的大垂直场景”下以技术模块的形式落地。不仅仅是讯飞如此，而是整个行业都如此。
这里额外给出一个观点，我们认为，大模型的重要意义在于通过提升模型对于场景的兼容性降低了AI模型生成的整体成本，从而使得AI在更多长尾场景中的落地逐渐具有性价比。
而且，在长尾场景中，AI技术的商业价值会更加显性化。事实上，当AI技术作为安防、智慧城市等领域大项目中的一个计数模块出现时，不仅仅是资本市场，产业内也很难对AI技术本身进行定价。这非常好理解，政府只会对一个智慧城市项目进行打包定价，或者依照产品进行定价，而不会对其中的AI技术模块进行单独定价。在这种情况下，AI技术的商业价值是隐性的、难以量化的。而随着微软把ChatGPT整合进其全栈产品，如推出由ChatGPT提供支持的高级版Teams，用户开始直接为AI模块付费，AI的商业价值也变得更加显性。

基于上面的分析，我们得出两个结论。
第一，在大模型兴起之前，由于成本原因AI只能在垂直大场景中落地，而这些大场景中AI技术的商业价值难以单独剥离。这是AI技术发展阶段所决定的，而并不是因为讯飞具有更好的G端关系或其他因素决定的。所以，本质上讯飞智慧城市等业务也具有一定的AI属性，或者至少不应该将其他AI公司的业务归为AI业务，而将讯飞智慧城市等业务归为G端项目型业务看待。
第二，在大模型兴起之后，AI技术的商业落地形式会有一些变化，这一变化可能更多地影响很多长尾场景，而不是每一个垂直大场景的业态。在新的应用场景中，AI技术的商业价值会更加显性化。
如果我们认可其他AI公司的PS估值方法，隐含的假设就是认为随着AI技术的进步，长远来看AI业务赚钱是可以实现的。
3.2.2 讯飞业务模式远未达到稳态，远期利润率会上升
讯飞业务模式远未达到稳态，远期利润率会上升。

对于计算机板块中使用PS估值方法的细分领域，背后的核心假设在于公司业务并没有达到稳态，远期来看利润率能够提升至正常水平。

那么，讯飞的业务是否已经进入了稳态呢？显然没有。我们知道讯飞的长期逻辑在于通过G-B-C的联动实现对AI垂直大场景的占据（详情请参见我们此前的报告，这里不再赘述）。从这一点来看，G、B端业务作为先导业务其行业信息化属性更重一些，C端业务达到稳态才能认为该业务线利润率达到稳态。很显然，即使对于G-B-C落地最快的教育业务，个性化学习手册和学习机的稳态还远远没有达到；而对于一些更早期的业务线，比如医疗等尚未出现G-B-C联动的C端单品（助听器系列虽然是C端单品，但其并不基于G端或B端的数据，是独立单品，并不能归为此类），离业务形式的稳态有更远的距离。

综上，我们认为在现阶段，采用PS方法对讯飞进行估值也是存在合理性的，而且在横向对比中是更为实用的。而如果采用PS方法，我们不难发现，讯飞的股价仍然被明显低估。

合规声明：本文节选自正式入库研究报告，如需PDF原文件请后台留言。