Workflow
智算可视化产品
icon
搜索文档
恒为科技(603496):深化网络可视化布局,智能系统业绩承压
东北证券· 2025-08-21 15:23
投资评级 - 首次覆盖给予"买入"评级,看好公司网络可视化业务持续爆发及国产化智算业务未来拐点 [4][6] 核心财务表现 - 2025年中报营业总收入4.88亿元(同比-23.19%),归母净利润0.18亿元(同比-75.16%)[1] - 预计2025-2027年收入分别为13.55/16.50/20.10亿元,归母净利润1.20/1.60/2.04亿元,对应PE 83.98/63.35/49.56倍 [4] - 2025E毛利率31.7%,净利润率8.9%,ROE 8.15% [12] 网络可视化业务 - 2025H1营收2.62亿元(同比+43.48%),主要受益于运营商项目落地及全环节解决方案覆盖 [2] - 产品覆盖智算中心组网、运维及算力调优,并提供昇腾算力集群的模型代训服务 [2] - 未来重点布局国产化产品导入,加强移动网络、卫星通信、物联网解决方案,提升AI加密流量识别技术 [2] 智能系统平台业务 - 2025H1营收2.26亿元(同比-49.95%),主因智算订单减少 [3] - 与飞腾、兆芯、鲲鹏等国产芯片厂商合作,推出Deepseek训推一体机等产品,覆盖昇腾、昆仑芯等多架构GPU [3] - 未来将加大国产芯片适配、垂直场景算法优化,研发液冷技术及正交架构算力一体机 [3] 市场表现 - 当前股价31.60元,总市值101.19亿元,近12个月股价区间19.11~41.91元 [6] - 近1M/3M/12M绝对收益分别为10%/23%/52%,相对沪深300超额收益5%/14%/24% [8][11] 行业与产品布局 - 网络可视化业务形成前端至后端全链条能力,覆盖多部署场景 [2] - 智算业务构建"国产化+智能化"软硬件平台,一体机产品实现多应用场景覆盖 [3]
恒为科技: 2025年半年度报告
证券之星· 2025-08-14 16:26
核心财务表现 - 营业收入为4.88亿元,同比下降23.19%,主要受智能系统平台业务订单减少影响 [29] - 归属于上市公司股东的净利润为1781.56万元,同比下降75.16% [29] - 经营活动产生的现金流量净额为7264.36万元,同比改善明显,主要因购买商品支付现金减少及销售收款增加 [29] - 基本每股收益为0.0556元/股,同比下降75.41% [29] 主营业务分析 - 网络可视化业务收入2.62亿元,同比增长43.48%,主要因运营商市场项目逐步落地 [24] - 智能系统平台业务收入2.26亿元,同比下降49.95%,主要受智算业务订单减少影响 [24] - 公司毛利率有所降低,因产品结构中定制化产品收入占比下降 [24] - 研发费用为5945.40万元,与上年同期基本持平,保持稳定投入 [29] 行业发展趋势 - 网络可视化行业向算网可视化方向演进,受益于5G网络建设、工业互联网及物联网发展 [14] - 人工智能技术推动智算基础设施需求激增,国家"东数西算"工程提供战略支持 [16] - AIGC监管需求为网络可视化技术带来新的应用场景 [15] - 国产信息化成为市场趋势,产业链上下游快速发展并走向成熟 [18] 产品与技术布局 - 网络可视化产品覆盖从数据采集到深度分析的完整环节,部署场景包括宽带接入网、骨干网、移动核心网等 [9] - 智算可视化系统延伸至算力中心,提供算力集群的组网调优及运维服务 [8] - 智能系统平台业务聚焦国产信息化,与飞腾、兆芯、鲲鹏等国产芯片厂商深度合作 [10] - 推出基于昇腾、昆仑芯等国产GPU架构的Deepseek训推一体机产品 [11] 市场竞争环境 - 网络可视化领域主要竞争对手包括光迅科技、恒扬数据等,公司属于头部企业 [21] - 智能系统平台领域市场较为分散,竞争对手包括研华、凌华等 [22] - 公司通过全系列产品解决方案和灵活组合优化,保持竞争优势 [21] - 在国产信息化领域具备前瞻性布局和技术领先优势 [23] 战略发展举措 - 设立香港全资子公司以开拓海外业务,形成国内外业务联动 [29] - 加大对国产化算力一体机的研发投入及行业场景拓展 [13] - 加强移动网络、卫星通信、物联网方面的产品解决方案投入 [24] - 通过算法优化与算力协同,推动AI模型在网络流量实时分析等场景的赋能 [10] 研发与知识产权 - 截至报告期末,公司拥有软件著作权197项,专利64项 [25] - 具备硬件设计、高速信号仿真、FPGA设计、底层软件开发等完整技术能力 [26] - 在国产信息化硬件、软件和系统级技术能力上达到业内领先水平 [23] - 正交高速互联系统架构和硬件平台技术积累与国产AI芯片结合形成高性能算力平台 [23]