财务数据和关键指标变化 - 第三季度总收入达到24.78亿元人民币，同比增长31%，较上一季度24%的增速有所加快 [5][16] - 调整后毛利润为3.93亿元人民币，同比增长28%，环比增长12% [7][19] - 调整后营业利润为1536万元人民币，首次实现扭亏为盈，调整后营业利润率为0.6% [7][20] - 调整后净利润为2873万元人民币，首次实现历史性盈利 [7] - 调整后毛利率从上一季度的50%提升至16% [17][19] - 长期EBITDA利润为8.266亿元人民币，是去年同期1.854亿元的3.5倍，长期EBITDA利润率达到33%，去年同期为10% [21] - 截至2025年9月30日，现金及现金等价物为39.545亿元人民币，较2025年6月30日的54.641亿元有所下降，主要由于对智能云的基础设施投资 [21] 各条业务线数据和关键指标变化 - 公有云服务收入为17.523亿元人民币，同比增长49% [5][8][16] - 智能计算云业务总账单额达到7.824亿元人民币，同比增长约120%，占公有云收入的45%，较去年同期的31%显著提升 [5][16] - 企业云服务收入为7.257亿元人民币 [9][16] - 小米和金山生态系统收入达到6.91亿元人民币，同比增长84%，占总收入比例进一步升至28% [6] - 2025年1月至9月，小米和金山生态系统总收入达18.2亿元人民币 [6] 各个市场数据和关键指标变化 - 在公共服务领域，公司成为甘肃庆阳等国家“东数西算”工程节点的首选云合作伙伴，负责建设公共服务云平台 [10] - 在医疗健康领域，实现了人工智能与中医临床场景结合的里程碑式突破 [11] - 在企业服务领域，从银行信贷报告智能生成单点功能，向涵盖客户准入、报告生成、放款、监测预警及贷后报告的全流程智能化系统演进 [11] 公司战略和发展方向和行业竞争 - 公司战略定位于满足模型训练需求的同时，为推理需求的爆发性增长做好技术和资源储备 [4] - 通过StarFlow平台提供模型API服务、在线模型服务和数据标注集市，布局模型API业务以将推理场景转化为新增长引擎 [4][13] - 与WPS AI紧密合作，构建面向公共服务用例的可信智能产品架构 [14] - 通过北京和武汉双研发中心吸引各地人才，截至第三季度末，武汉员工数量是2022年启动武汉战略时的2.8倍 [14] - 2025年9月成功完成28亿港元的股权融资，其中8%将用于进一步投资AI基础设施，20%用于一般运营需求 [17] 管理层对经营环境和未来前景的评论 - 人工智能与云在技术、产品和客户交叉销售等多方面共生融合，AI需求不仅驱动智能计算云快速发展，也带动基础公有云的增长和技术创新 [5] - 生成式AI格局快速演变，智能化将从模型能力向行业解决方案演进，云作为智能计算不可或缺的载体，在数字化和智能化市场潜力巨大 [9] - AI技术驱动云计算革命，公司不仅满足模型训练和推理的计算需求，还赋能企业调用API并将AI能力应用于业务 [22] - 随着AI应用进入快速发展阶段和需求爆发性增长，公司将进一步投资基础设施、加强技术、提升服务稳定性，为客户提供高附加值的云服务 [22] 其他重要信息 - 第三季度资本支出，包括由第三方融资的部分以及2024年融资租赁负债中获得的使用权资产，为27.878亿元人民币 [21] - 收入成本为20.971亿元人民币，同比增长33%，主要由于为支持智能云业务增长而进行的基础设施投资 [18] - IBC成本同比增长15%至7.757亿元人民币，主要由于为扩展智能云业务以及AI发展带来的基础计算和存储云需求而购买机柜 [18] - 折旧和摊销成本从去年同期的2.975亿元人民币增至6.497亿元人民币，主要由于新购置和租赁的服务器及后期工作设备的折旧，这些设备主要分配给智能云业务 [18] 总结问答环节所有的提问和回答 问题: AI收入增长的关键驱动因素以及生态系统和外部客户需求的结构性变化 [25][28] - AI收入增长的核心驱动因素是前几个季度部分交付的集群在本季度开始按完整季度确认收入，以及部分第二季度收入延迟至第三季度确认 [29] - 目前需求结构仍处于从大型客户的训练需求向更广泛客户的推理需求过渡的阶段，当前大部分需求仍来自大客户的训练需求，但最新季度越来越多地看到客户将AI模型应用于不同行业的趋势 [30] 问题: 对未来几个季度的利润率趋势看法以及不同计算资源获取模式的预期组合 [25][28] - 未来推理需求预计将呈现出比当前训练阶段更高的利润率水平 [31] - 在EBIT层面，随着AI业务占比持续上升且其成本结构主要以折旧为主，预计今年EBITDA利润率将保持在20%以上，但本季度的显著改善主要受一次性其他收入驱动，下季度将恢复正常水平 [32] - 采购模式的选择主要与客户实际需求对齐，包括集群规模、交付时间和供应库存水平，没有硬性的自上而下的分配目标 [35][36] - 租赁模式在供应链渠道方面具有灵活性，自采模式则在控制交付时间表和管理集群方面提供更大自主权，并减少与供应商的利润分成 [36][37] - 对于基本面扎实、值得信赖的优质大客户倾向于采用Capex模式，而对于中小型成长阶段公司则倾向于采用租赁模式以降低自身风险 [38] - 过去三个季度采用了两种模式的不同组合，第三季度毛利率较第二季度环比改善，现阶段预计当前状况不会发生重大变化，但未来总体上预期利润率会改善 [39] 问题: 对明年及以后收入的展望，以及哪些行业和应用场景预计将产生强劲的计算需求 [34] - 公司预算流程正在进行中，预计明年初完成，但对AI业务的后续需求增长充满信心 [35] - 中国机器人公司增长非常迅速，预计明年其增长也将很快，同时越来越多的中国互联网公司使用token API服务，预计这将是推动明年收入增长的重要因素 [38] 问题: AI训练与推理在定价方法、趋势以及芯片利用率、定价和盈利能力方面的差异 [41] - 训练和推理的定价策略差异不大，价格主要基于使用的资源数量和质量 [42] - 利润率方面，客户购买资源并使用公司平台进行推理的服务，其利润率与训练服务的利润率非常相似，而客户直接购买API token服务的业务预计将有更好的利润率，但该业务刚刚起步，需要时间观察两者之间的巨大差异 [42]