金山云[KC.O]2025年第三季度业绩交流会概要
前言
业绩概述：金山云（Kingsoft Cloud）2025 年第三季度实现总收入 24.78 亿元人民币，同比增长 31.4%、环比增长 5.5%；其中智算云（Intelligent Computing Cloud）账单收入 7.82 亿元，同比激增 120%，经调整净利润首次实现盈利（2873 万元），经营利润扭亏为盈（1536 万元），整体呈现高质量增长态势。亮点：智算业务成为核心增长引擎，公有云与小米金山生态收入双高增，同时实现历史首次经调整净利润盈利，规模效应与成本管控成效显著；隐忧：算力资源获取模式（自采 vs 租赁）对毛利率存在短期影响，且当前收入仍一定依赖头部大客户，中小客户拓展与推理业务规模化尚需时间验证。
掘金握先机，关注@春华财智
一、发布会开场与基本说明
会议流程：本次为金山云 2025 年第三季度 earnings conference call（业绩电话会议），先由 IR 总监 Nicole Shn 开场，随后 CEO 周涛（Dotao）回顾业务战略与运营亮点，CFO 李毅（Li Yi）解读财务表现，最后进入问答（Q&A）环节，会议全程录音，问答环节需按电话按键 “*11” 举手提问。
前瞻性声明提示：会议内容包含符合《1934 年证券交易法》21e 条款及《1995 年美国私人证券诉讼改革法案》定义的 “前瞻性陈述”，基于管理层当前预期与市场环境，受未知风险、不确定性影响，实际结果可能与陈述存在重大差异；公司无义务更新前瞻性陈述（法律要求除外）。
货币单位：本次会议提及所有财务数据均以人民币（RMB）计价。
二、CEO 周涛：业务战略与运营亮点
（一）核心业绩与战略定位
整体增长态势：在 AI 重塑技术格局的背景下，金山云聚焦 “满足模型训练需求 + 储备推理爆发资源”，提供 “训推一体智算服务”（Integrated Training and Inference Intelligent Cloud Computing Service），布局模型 API 业务，推动收入高增与利润率稳健，实现高质量可持续发展。
收入结构拆解：三季度总收入 24.8 亿元（注：财务端精确值 24.78 亿元），同比增速从二季度 24% 提升至 31%；公有云收入 17.5 亿元，同比大幅增长 49%；行业云收入 7.3 亿元，同比实现稳健增长；智算云（Intelligent Computing Cloud）账单收入 7.82 亿元，同比增长 120%，占公有云收入比例从去年同期 31% 升至 45%，成为公有云核心增长动力。
生态与盈利突破：小米金山生态收入 6.7 亿元，同比增长 84%，占总收入比例提升至 28%；2025 年 1-9 月生态累计收入 18.2 亿元，预计年内完成关联交易额度，对明年额度提升有信心；经调整毛利润 3.93 亿元，同比增长 28%；经调整经营利润 1536 万元（利润率 0.6%）、经调整净利润 2873 万元，均实现历史首次盈利，规模效应叠加成本管控见效。
（二）公有云与行业云具体进展
1. 公有云：智算驱动，服务头部客户
核心能力：支持多家互联网行业头部客户的大规模模型训练与推理需求，提供 “高质量、高性能、高稳定、高效率” 的云计算服务，尤其针对生成式 AI 企业的 “训推双重需求”，提供稳定的训推一体服务；
生态协同：持续为小米、金山提供底层资源支持，夯实智算需求快速响应能力；同时拓展新客户，推动智算云与基础公有云协同售卖。
2. 行业云：深耕垂直领域，打造智能化解决方案
金山云认为 “AI 将从模型能力向行业解决方案演化，云作为智能化载体，在 to B 市场潜力巨大”，重点布局三大领域：
公共服务领域：目标成为政府行业智算推理云首选伙伴，例如甘肃庆阳（国家 “东数西算” 八大节点之一、智算业务聚集地），负责建设当地政务云平台，推动政务智能化、数字化；
数字健康领域：实现 “AI + 中医临床” 里程碑突破，融合中医理论与 AI 技术，抢占慢病管理技术制高点，且在临床层面验证了智能化对 “提升患者生活质量、提高疾病控制率” 的实际价值；
企业服务领域：落地 “银行授信报告智能生成” 标杆项目后，进一步推动授信全流程智能化转型，打造 “客户准入→授信报告生成→贷款发放监控预警→贷后报告” 的完整智能体系，沉淀可复用解决方案。
（三）产品技术升级与研发布局
公有云技术进展：智算云强化 “新流平台”（推测为 “训推流平台”）能力，三大核心突破：发布模型 API 服务（Model API Service）：提供高可用、易集成的模型调用与管理能力，为多样化模型服务模式打基础；升级模型在线服务：整合多款开源基础模型（Open Source Foundation Models），具备自动扩缩容能力，为推理服务提供高可用平台底座；上线数据标注及数据集广场（Data Annotation and Dataset Marketplace）：支撑客户数据流转全流程，助力高效推进模型训练。
行业云技术布局：针对私有化部署场景，建设 “算力调度平台”“轻量化 MaaS 平台”（Lightweight Model-as-a-Service Platform）“生成式 AI 知识库”，并与 “蓝天 AI 政务办公应用”（推测为地方政务 AI 应用）结合，打造政务领域可信智能产品架构；
研发团队建设：通过北京、武汉双研发中心吸引人才，构建人才梯队，持续加大智算领域投入；截至三季度末，武汉员工数量已达 2022 年武汉战略发布初期的 2.8 倍。
三、CFO 李毅：财务业绩详解
（一）核心财务数据（2025 年 Q3）
（二）成本与费用分析
成本结构：IDC 成本 7.757 亿元，同比 + 50%：因采购服务器机架（原文 “racx” 应为 “racks”），满足智算业务与基础云（计算、存储）需求扩张；折旧与摊销 6.497 亿元，同比 + 118%：因新增及租赁的服务器、网络设备折旧，且设备主要用于智算业务；解决方案开发与服务成本 5.959 亿元，同比 + 19.4%：因解决方案业务扩张；履约成本及其他 520 万元、7060 万元，环比基本稳定。
费用管控：经调整运营费用 4.209 亿元，同比 - 70%、环比 - 25%（不含员工薪酬调整）；经调整研发费用 1.884 亿元，同比 - 90%（原文 “-90%” 应为 “-9%”，结合上下文修正）：因研发团队战略调整（如双中心人员优化）及费用分摊优化；经调整销售及营销费用 1.276 亿元，同比 + 2%：基本稳定；经调整一般及行政费用 1.049 亿元，同比 - 29%：因信用损失转回，且长期资产减值（1907 万元）较去年 Q3 大幅减少。
（三）融资与未来展望
2025 年 9 月成功完成股权融资，募集 28 亿港元，其中 80%（原文 “8%” 应为 “80%”，结合上下文修正）用于智算基础设施投资，20% 补充运营资金，为智算业务增长提供资金支撑；
长期展望：AI 驱动云计算革命，金山云不仅满足模型训练需求，更通过 API 赋能客户将 AI 能力应用于业务；面对 AI 应用快速发展与需求爆发，将持续投资基础设施、强化技术、提升服务稳定性，提供高附加值云服务。
四、问答环节（英文翻译为中文）
（一）提问：CICC 肖丹（xiaodzhang）
问题 1：三季度 AI 收入增长亮眼，背后核心驱动因素是什么？内外部客户需求是否出现结构性变化？问题 2：今年以来算力资源获取模式变化导致毛利率下降，但 EBITDA 利润率改善超预期，管理层对后续季度利润率趋势如何展望？不同资源获取模式（自采 vs 租赁）的结构比例预计如何？
回答（周涛 + 李毅）：先回答 AI 收入增长驱动：核心是二季度部分交付的集群 / 订单，在三季度进入 “全量计费阶段”，同时包含二季度递延收入的确认（例如一季度部分交付、二季度部分计费，三季度全量计费），这是最核心因素。
关于客户需求结构性变化：大趋势是 “从大型客户的模型训练需求，逐步向更广泛的推理需求转变”。当前仍以头部客户训练需求为主，但三季度明显感受到 “模型向千行百业渗透” 的趋势（如公有云、行业云场景），我们 9 月发布的新平台（指模型 API 服务、数据标注广场等）正是为了应对下一阶段 AI 应用爆发。
这一趋势也能呼应利润率问题：此前提到，随着规模扩大（集中服务头部客户），智算业务毛利率较初期略有下降，但我们判断 “未来推理业务毛利率将显著高于当前训练业务”，这是长期趋势。
李毅补充 EBITDA 利润率：随着 AI 业务占比提升，其成本以折旧为主，后续 EBITDA 利润率预计维持在 20% 以上；需说明的是，本季度 EBITDA 利润率大幅改善（33%），部分源于 “一次性其他收入”，该部分收入明年将回归正常水平。
关于资源获取模式比例：无刚性自上而下的比例目标，核心根据客户资质选择 —— 对小米等 “现金充裕、发展稳健、可靠的头部客户”，采用 “自采模式”（CapEx 模式），自主控制集群交付节奏，减少与供应商利润分成，提升利润率；对成长阶段的中小客户，采用 “租赁模式”（Leasing 模式），通过短期 / 长期合同提升灵活性，降低自身风险。从过去三个季度表现看，三季度毛利率较二季度已有所提升，当前毛利率水平预计基本稳定，未来随推理业务推进有望进一步改善。
（二）提问：CLSA wting you
问题 1：能否分享明年收入指引与增速预期？在今年互联网厂商模型后训练、垂直智能应用（如政务、医疗）基础上，未来哪些行业 / 场景会出现强劲算力需求，推动收入增长？问题 2：国内外云厂商均提高服务器租赁比例，结合市场采购与租赁情况，公司从性价比、利润率角度，如何优化两种模式的资源分配？
回答（周涛 + 团队）：关于明年收入指引：公司预算流程正在推进，预计明年初完成，届时将公布具体数据；但对 AI 业务后续需求增长，我们有充分信心。
未来高算力需求行业 / 场景：今年已覆盖国内多数机器人公司，其收入增长迅速，预计明年机器人领域需求仍将快速增长；同时，国内越来越多互联网公司开始使用 “模型 API 服务”（Talking Ken Services，推测为金山云模型 API 品牌名），该业务增量显著，将成为明年收入增长的重要驱动。
关于资源分配（自采 vs 租赁）：两种模式各有优劣 —— 租赁模式能优化供应链、提升资源配置灵活性（通过长短合同）；自采模式能自主控制交付节奏与集群管理，提升利润率。核心根据客户需求（规模、交付时间）、供应链库存水平选择，无固定比例。
周涛补充：上季度已提及，两种模式对毛利率有一定影响，但今年三个季度实践显示，三季度毛利率较二季度已提升，当前水平预计稳定，未来推理业务将带动毛利率改善。
（三）提问：Goldman Sachs Timothy Zhao
问题：AI 训练与推理的定价方式有何不同？过去几个月 / 今年以来，AI 服务定价有哪些变化？训练与推理在 GPU 芯片利用率、定价、利润率上的差异大概是多少？
回答（团队）：训练与推理的定价逻辑差异不大，核心均基于 “资源使用量”（如服务器数量、GPU 算力使用时长），这是最关键定价因素。
利润率差异需分推理业务类型：
第一种：客户采购资源后用公司平台做推理，其利润率与训练业务基本持平；
第二种：客户直接采购公司模型 API 服务，该业务利润率预计更高，但目前刚起步，需时间观察具体差异幅度。
定价趋势：今年以来未出现显著价格波动，核心随资源供需与客户规模调整，整体保持稳定；GPU 利用率方面，训练业务因客户需求集中（头部客户大规模训练），利用率较高，推理业务尚处拓展期，利用率随需求增长逐步提升，具体数值暂不披露。
（四）会议结束语
因时间限制，问答环节结束。IR 总监 Nicole Shn 致谢，邀请投资者后续关注，会议结束。
掘金握先机，关注@春华财智
附录：核心产品 / 术语释义
智算云（Intelligent Computing Cloud）金山云核心业务之一，聚焦 AI 模型训练与推理需求，提供 “训推一体” 的云计算服务，包含算力集群、模型 API、数据标注等能力，服务互联网头部客户与行业客户（政务、医疗、金融等），2025 年 Q3 账单收入 7.82 亿元，同比增长 120%，是公有云第一增长引擎。
训推一体智算服务（Integrated Training and Inference Intelligent Cloud Computing Service）金山云针对 AI 客户 “模型训练 + 推理落地” 双重需求设计的一体化服务，可同时满足客户从模型训练（数据处理、模型迭代）到推理部署（业务应用、自动扩缩容）的全流程需求，避免训练与推理环节的资源割裂，提升效率与稳定性，是当前智算业务的核心服务模式。
经调整 EBITDA（Adjusted EBITDA）财务术语，指 “经调整息税折旧摊销前利润”，计算公式通常为 “净利润 + 所得税 + 利息费用 + 折旧 + 摊销 + 调整项（如一次性损益、非现金费用）”。金山云 2025 年 Q3 经调整 EBITDA 为 8.266 亿元，利润率 33%，核心反映业务运营的核心盈利能力（剔除非运营因素如利息、折旧、一次性收入），是衡量云厂商盈利质量的关键指标之一。