|
AI的上游基礎設施和硬件，都是標準化的，所以只要能打進供應鏈就能有業績；但是AI的下游應用卻是碎片化的，越是垂直的AI公司反而才有產生業績的機會。對于一個AI應用公司來講，能否用AI把一個具體領域的需求進行量化，就非常重要。 C端用戶普遍需求的是情緒，但情緒很難被量化成具體指標；但是B端用戶追求的是效率，所以很容易量化成能用AI應用解決的問題。而越是明確的需求，就越容易能夠量化，所以AI應用能有業績的公司，必須兼備這幾個特征：很具體的B端垂直行業、能用AI具體解決客戶需求、讓客戶“成癮性”的AI產品。 從這個思路出發，就很容易理解為什么@百融云-W（6608.HK）作為一個AI應用公司，有業績、且一直有業績，以及后續可能會迎來的“戴維斯雙擊”。 MaaS+BaaS：好的AI業務確實能解決客戶需求 之所以說B端客戶的需求能夠被量化，就是因為他們的需求非常明確。比如：我希望AI能幫我促成資產交易規模增加40%、我想每天用AI模型來自動識別千萬級用戶畫像、我希望AI智能語音能幫我降低30%的人力外呼成本、我需要AI幫我在10秒內幫我生成一份信貸報告、而不是像C端用戶那樣甩過來一句：我希望買完這個東西，覺得爽。 百融云的兩大AI業務線就特別適合幫客戶解決問題。首先MaaS業務，客戶可以通過一個API接口直接調用百融云的各類AI模型，因為機構客戶每天要處理的C端用戶畫像非常多，所以就面臨處理信息時的龐雜建模和人力成本問題，而百融云的AI模型就能直接解決這個問題，機構可以直接把需要用AI算法建模的C端用戶信息，丟給百融云的各類AI模型，輸出自己所需的各種結果。核心就在于公告中的這句：“客戶根據自身查詢需求自有調配各類模型”。這也就是25年中報MaaS業務核心客戶留存率高達98%、常年超過95%的原因，因為——每天都要處理用戶信息，就每天都需要調用AI模型，也就是“成癮性”。客戶對AI模型的持續需求，也就給百融云帶來了AI業務的收入基本盤。25上半年，以決策式AI為主的基石MaaS業務收入5.02億元，同比增長19%。 如果MaaS負責收入基本盤，那BaaS業務就負責業績增速和估值彈性，因為BaaS業務是直接從為客戶的KPI負責。比如保險業希望Agent營銷高端醫療險、替代人工完成續保、保單簽約流程自動化；銀行券商互金消金，希望Agent能夠盤活更多存量用戶和資產、貸后環節希望智能語音Voice GPT能降低人力成本；三方資產管理公司需要AI交易不良資產、提供專業的AI智能投資顧問，所以這些直接能量化的B端客戶KPI指標，就能夠讓百融云用BaaS業務直接提供“解決方案”，把AI Agent、Voice GPT這些拳頭產品用于生成式AI的各種業務場景。 商業的背后是人性，當一個人有了正反饋，他就會不斷增加投入；B端機構也是如此，當他們看到一個AI業務能切實幫自己提高運營效率，就會不斷增加資本開支，也就變成了百融云BaaS業務的增量來源：2025年中報，以生成式AI驅動的第二增長曲線BaaS中，旗艦板塊BaaS金融云收入8.57億元，同比增長45%。 先垂直后通用，Agent給百融云提估值 正是因為AI應用端的碎片化，通用人工智能反而不容易實現盈利，而越是清晰的需求，越容易被量化，也就越容易讓AI應用公司賺錢；換句話說，越是專心一個行業領域的AI應用公司，那么它的業績就會來得更早。百融云年報中的種種措辭能看出，金融業一直是百融云AI業務的基本盤，無論是MaaS還是BaaS兩大業務線，還是Voice GPT和百工Agent平臺這些拳頭產品，都是在持續地為銀行、保險、券商、消金互金帶來實打實的效率提升。 但百融云每一次的報告中，都無時無刻不在傳遞一個信息：它正在走向更多的業務場景，讓AI應用在更多行業給百融云帶來實際利益。 比如MaaS目前已經進入了電商、人力資源等領域，阿里也成為了百融云MaaS業務的客戶；BaaS也在進軍電信運營商、零售等行業。可以看得出，百融云AI業務的思路非常清晰，從垂直領域入手，直接解決客戶需求來獲得收入體量的增加，而不是在通用端AI卷參數，這是一個有商業化思維公司所必須具備的經營思路。 而公司中報中反復提到的Agent，看來是被百融云寄予厚望的產品，也就是百工Agent平臺，也就是所謂的“硅基員工”，用智能體來扮演員工的角色，自主的調用各種插件、知識庫、對話流，快速的各個業務場景實現落地。從商業模式角度來說，這是百融云非常創新的一個想法，因為能做Agent的企業很多，但真正能作為公司員工的Agent很少，其中的差距，就來源于積累的垂直領域經驗，尤其是服務過的客戶量足不足夠多，要不是百融云目前已經服務過8000家機構，那這一批Agent硅基員工很難有用武之地。這何嘗不算是AI領域的另一種人形機器人呢？ 業務有基本盤，就保證了盈利下限；新業務在爆發，就給了估值的增量和彈性，百融云的25年中報，寫滿了戴維斯雙擊的預期。 |
|
|
