← 返回公司库

L3 公司投研页 · 2026-06-21

SoundHound AI

SoundHound AI

SoundHound AI 是语音与 Agentic AI 应用层公司,把自研 ASR/NLU、餐饮订单语义、车载语音和企业客服工作流编排成可交易的语音代理;核心驱动是餐饮、车载、医疗和企业客服从人工接听转向端到端 AI 任务执行,关键约束是大模型平台下沉、POS/车机/企业系统集成复杂度、并购整合与真实场景识别准确率。

研究定位 模型与云层

云与基础模型

订阅这家公司变化新观点 / 硬数据进邮箱

1. 投资摘要

  • SoundHound AI 在 AI 产业链中的位置是“语音 AI、对话式 AI、agentic customer interaction 平台公司”,不是上游 GPU/模型参数供应商;本文只讨论其云、数据、软件或 AI 基础设施收入如何映射到产业链,不给任何买卖建议。13
  • 最新硬财务锚:FY2025 revenue $168.9mn, up about 99%; FY2025 gross margin about 42.4% from third-party financial summary; Q1 2026 revenue $44.2mn, +52%, GAAP gross margin 31.1%, GAAP net loss $25.0mn, cash $216mn and no debt. 这些数字只按来源口径使用;没有披露的分部毛利、GPU 数量、单客户占比和订单转收入节奏均标为 [未充分披露]。12
  • 经营验证重点不是“agentic AI”标签,而是 OASYS、餐饮/汽车/企业客服场景能否继续拉动确认收入;Q1 2026 收入增长同时伴随 GAAP gross margin 降至 31.1%,说明产品采用必须和毛利率修复一起验证。310
  • 收入弹性来自客户把 AI 从试点转向生产、合规云/私有云需求、专业数据工作流和企业自动化;利润弹性取决于 attach rate、利用率、项目验收、算力折旧和销售效率。56
  • 现金流是反证线索:Q1 2026 经营现金流净流出约 2,626 万美元,若后续收入增长仍依赖并购、销售投入或低毛利交付,而现金消耗不收敛,AI 商业化质量应下调。37
  • 证据等级:公司财报/IR 为 A,官网产品页为 A-/B+,权威媒体和交易所/监管文件为 B,第三方财务聚合为 C;C 级只用于缺口提示。1234

2. 产业链位置

层级本公司位置价值来源不能推断的内容证据
上游GPU/CPU、云平台、专业内容、网络、数据中心、电力或软件生态采购和合作决定交付能力上游份额、采购价、芯片库存38
中游语音 AI、对话式 AI、agentic customer interaction 平台公司把 AI 资源变成可交付服务、工作流或容量单项目利润率 [未充分披露]14
下游企业、政府、运营商、专业机构、开发者或云客户订阅、托管、租赁、专业服务和交易型收入单客户收入占比 [未充分披露]25
  • 产业链结论:该公司更像 AI 应用/云基础设施的“交付层”和“商业化层”,收益不等于 GPU 价格上涨本身,而来自客户是否愿意为可信、合规、可运维的 AI 工作负载付费。13
  • 产业链位置更接近应用层和客户交互层;其上游不是自有芯片,而是云、模型、语音识别/自然语言处理能力和客户系统集成,所以上游成本变化会通过交付成本和毛利率体现,而不是直接体现为芯片库存收益。38

3. AI相关收入拆解

口径已披露事实本文处理引用
年度收入FY2025 revenue $168.9mn, up about 99%; FY2025 gross margin about 42.4% from third-party financial summary; Q1 2026 revenue $44.2mn, +52%, GAAP gross margin 31.1%, GAAP net loss $25.0mn, cash $216mn and no debt.作为总盘,不把全部收入视为 AI12
分部/产品客户覆盖 automotive、restaurants、retail、financial services、telecom and devices; by-product revenue, gross margin and top-customer concentration for 2025 [未充分披露].AI 只按已披露产品或业务线做 proxy34
客户客户类型可描述;客户名单、收入占比、合同转收入节奏若未披露则不写死[未充分披露]56
毛利率公司层面或第三方披露可引用;AI 单项毛利率若未披露则不估算[未充分披露]19
  • AI 收入的最小可信 proxy 是“明确与 AI 产品/云/agent/数据工具绑定的收入线索”;最大可信 proxy 不能超过相关业务分部收入。14
  • 若产品页只说明功能,不说明收入,本文只把它作为商业化证据,不把功能数量转成财务贡献。34
  • 对于新项目、MOU、客户公告和长期合同,本文区分 bookings、contracted revenue、annual revenue、recognized revenue 和 cash collection。25

4. 核心产品

产品/服务AI 作用收费/确认方式关键风险证据
传统底盘语音 AI、对话式 AI、agentic customer interaction 平台公司存量客户、长期合同、专业服务或通信/云基础设施收入传统业务增长放缓12
数据/软件/运维与客户系统、知识库、网络或算力资源绑定attach rate 决定毛利客户预算、集成周期56
  • 产品护城河不只看“有没有 AI 名称”,更看是否嵌入客户生产流程、是否有专有数据/工程能力、是否能把试点转为常态预算。48
  • 产品风险是同质化:若只提供通用模型包装或裸算力,价格会快速向基础设施成本靠拢。79

5. 上下游

方向参与方影响变量披露状态
上游数据/内容专业数据、客户数据、知识库、模型权重、行业语料数据质量和合规授权细节多为 [未充分披露] 4
合作伙伴云厂商、芯片厂、系统集成商、咨询商、生态软件go-to-market 和交付能力公告可查,收入贡献需财报验证 3
  • 上游瓶颈包括 GPU 供给、内存/网络、电力、数据授权和技术人员;其中任一项受限都会推迟收入确认。89
  • 下游瓶颈包括客户从 PoC 到 production 的周期、采购审批、数据合规、私有部署成本和存量系统改造。56

6. 同业与竞争格局

对手类型代表公司竞争维度本公司差异
专业软件/数据Bloomberg、Wolters Kluwer、ServiceNow、Salesforce、Palantir、Databricks专有数据、工作流、销售渠道差异取决于专业内容、行业深度和集成能力 4
AI 基础设施CoreWeave、Nebius、Crusoe、Applied Digital、TeraWulf、neocloudMW、GPU、融资、客户合同若公司属于软件层,则竞争在生产工作流;若属于云层,则竞争在利用率 8
本地集成商/运营商电信运营商、SI、区域云合规、本地交付、客户关系本地市场和主权云可形成壁垒 5
  • 竞争格局的误区是把所有 AI 公司按同一经营框架比较;云容量、专业内容、RPA、语音 AI、法律数据库和电信边缘的经济模型完全不同。17
  • 本公司最该与“客户预算替代品”比较,而不是只与股票市场中同标签公司比较。56

7. 护城河

  1. 垂直场景嵌入:汽车、餐饮、金融服务、零售、电信和设备等客户场景需要语音入口、知识库、后端系统和运营流程一起部署,若能进入生产环境,切换成本高于普通聊天机器人。13
  2. 产品平台化:OASYS 被定位为自学习、编排式 agentic AI 平台,若能缩短部署和迭代周期,可改善交付效率;但平台收入、客户数和单项毛利仍未充分披露,不能提前量化护城河。310
  3. 数据/流程资产:专业数据、客户历史流程、行业模型和运维经验形成持续改进循环,但公司未必单独披露数据资产价值。46
  4. 交付能力:AI 项目落地需要工程、合规、运维和客户成功团队;人效、交付周期和故障率决定真实毛利。57
  5. 资本与供应链:AI 云/数据中心公司需要融资、GPU、电力和折旧管理;软件公司需要研发和销售效率。89
  6. 反向提醒:护城河不是公告数量,而是续费率、留存率、单位经济、现金回收和客户扩张。12

8. 财务质量(趋势表+杜邦+逐季)

8.1 趋势表

期间财务数据来源口径投研含义引用
2024A传统/上一年口径对比基数用于判断增速,不倒推 AI 收入12
2025A / FY2026FY2025 revenue $168.9mn, up about 99%; FY2025 gross margin about 42.4% from third-party financial summary; Q1 2026 revenue $44.2mn, +52%, GAAP gross margin 31.1%, GAAP net loss $25.0mn, cash $216mn and no debt.公司/IR/第三方明示最新年度硬锚12
最近季度2025Q2 revenue $42.7mn, 2025Q3 revenue about $42mn, 2025Q4 revenue $55.1mn, 2026Q1 revenue $44.2mn; margins can swing with acquisitions and mix.季报/新闻稿口径检查收入确认、现金流和利润质量26
AI 口径客户覆盖 automotive、restaurants、retail、financial services、telecom and devices; by-product revenue, gross margin and top-customer concentration for 2025 [未充分披露].披露+本文 proxy未披露项不估算34

8.2 杜邦拆解

  • 净利率:仍处高增长亏损期,净利率为负;资产以现金、商誉和无形资产为主,股权融资和并购会显著影响权益乘数。 12
  • 资产周转:AI 软件公司看 ARR/收入相对销售与研发投入的效率;AI 云/数据中心公司看 MW/GPU 利用率和折旧开始时间。38
  • 权益乘数:有债务、租赁、项目融资或并购的公司,财务杠杆会放大利润和现金流波动;不能只看收入增长。19

8.3 逐季/近期间表

期间收入/利润线索现金流/质量线索判断
最近年度FY2025 revenue $168.9mn, up about 99%; FY2025 gross margin about 42.4% from third-party financial summary; Q1 2026 revenue $44.2mn, +52%, GAAP gross margin 31.1%, GAAP net loss $25.0mn, cash $216mn and no debt.年度现金流或利润质量按来源口径年度硬锚 1
最近季度2025Q2 revenue $42.7mn, 2025Q3 revenue about $42mn, 2025Q4 revenue $55.1mn, 2026Q1 revenue $44.2mn; margins can swing with acquisitions and mix.季度波动反映确认节奏不用单季年化替代全年 2

8.4 财务质量结论

  • 财务质量结论偏“高增长、待验证”:公司给出 2026 年收入 2.25 亿至 2.60 亿美元展望,但 Q1 2026 GAAP 毛利率、净亏损和经营现金流仍显示规模化利润尚未兑现,后续应把收入增速与毛利率、现金流同步跟踪。37

9. 业绩传导

传导环节正向信号反向信号证据
需求客户从 PoC 进入生产,使用量/席位/MW 上升试点多、续约少35
订单长约、续约、扩容、交叉销售MOU 不转合同26
收入订阅/租赁/使用量确认硬件一次性确认后回落12
利润毛利率稳定、销售效率改善、折旧被利用率吸收毛利率下行、现金流恶化19
  • 传导公式:客户 AI 预算 → 产品/容量使用 → 合同和订阅 → 收入确认 → 毛利率/现金流 → ROIC。任一环节未披露时,本文不补数字。34
  • 最需要警惕的是订单公告与财报之间的时间差;AI 热点公司常见“合同总额很大、当期收入很小、现金流仍为负”的错配。28

10. 经营拆分与反证框架

本节只拆分经营驱动,不做价格、规模口径或市场口径推导。判断重点改为收入质量、毛利率、现金流、客户/订单、产能利用率和产品采用是否强化业务叙事。

模块关键经营变量强叙事信号反证阈值
收入与采用收入增速、ARR/订单、客户采用收入增长由真实客户采用和复购支撑收入或订单连续放缓,且缺少客户采用证据
利润质量毛利率、费用率、现金流毛利率稳定,现金转换改善毛利率下行或现金流恶化
竞争与客户客户集中度、份额、替代风险大客户扩张且竞争格局稳定客户砍单、份额流失或替代方案加速

11. 风险

  1. AI 收入未单列:若公司只披露产品或项目,财务贡献可能显著小于市场叙事。13
  2. 毛利率风险:裸算力、硬件转售、低差异化集成和价格竞争会压低利润。89
  3. 客户集中与验收风险:大客户合同如果延迟、降价或不续约,会造成季度波动。25
  4. 并购整合风险:LivePerson 交易若完成,将扩大数字消息和客服覆盖,但也会带来产品整合、客户迁移、成本协同和商誉/无形资产摊销压力;交易协同不能在财务报表验证前直接计入利润弹性。47
  5. 合规风险:数据隐私、出口管制、主权云、版权、专业责任和 AI 审计都会影响商业化节奏。710
  6. 资本开支与融资风险:AI 数据中心项目会放大负债、折旧和利率敏感性。89
  7. 并购整合风险:若增长来自收购,商誉、客户迁移和产品整合质量需要单独跟踪。16

12. 常见误读纠偏

  • 误读 1:有 AI 产品就等于 AI 收入高。纠偏:只有财报单列或可验证的产品收入才能算硬锚,否则只能写“AI 相关业务/产品”。34
  • 误读 2:合同总额或并购规模等于当期收入。纠偏:SoundHound 的收入确认取决于部署、使用量、验收和客户上线节奏;并购带来的客户池也需要看交叉销售、留存和现金流,而不是把公告金额一次性视为经营成果。24
  • 误读 3:收入增长必然提升利润。纠偏:AI 云和硬件集成可能因折旧、采购、低利用率或客户议价导致毛利率下滑。19
  • 误读 4:专业数据会被通用模型立刻替代。纠偏:在法律、税务、科学和企业流程中,可信来源、权限、审计和责任链仍是付费原因。47
  • 误读 5:单季利润可以年化。纠偏:AI 项目验收、硬件交付、并购会计和一次性收益会扭曲季度表现。26

13. 最新事件(带日期)

日期事件投研含义来源
2026-05-05introduced OASYS agentic AI platform.看后续是否转化为收入、毛利和现金流3
2026-05-07reported Q1 2026 revenue $44.2mn and launched OASYS commercially.看后续是否转化为收入、毛利和现金流4
  • 事件跟踪原则:公司公告是必要条件,不是充分条件;任何项目都要回到收入确认、现金回款、毛利率和客户续约。123
  • 近一年 AI 事件密度提升,但本文不以新闻频率替代财务验证。456

14. 跟踪指标

指标为什么重要频率红旗
AI/相关分部收入验证叙事是否进财报季度/半年只讲产品不讲收入 1
毛利率/EBITDA margin验证商业模式质量季度收入增长但毛利率下滑 2
客户与合同验证需求确定性事件驱动MOU 长期不转合同 3
利用率/ARR/NRR/MW按公司类型选择核心 SaaS 或数据中心指标季度只披露总容量不披露使用 8
研发/销售效率验证增长是否可持续季度/年度增长依赖费用堆叠 4
合规与监管数据、出口、版权、专业责任事件驱动被调查、许可不确定 10
  • 最小跟踪包:季度收入是否落在 2026 年展望轨道内、GAAP/非 GAAP 毛利率是否从 Q1 低位修复、经营现金流净流出是否收窄、OASYS 与 LivePerson 相关客户是否转为可确认收入,以及汽车/餐饮/企业客服客户采用是否有续约或扩容证据。34610

15. 来源

  • 来源:investors.soundhound.com/investor-relations/
  • 来源:www.stocktitan.net/news/SOUN/sound-hound-ai-reports-record-annual-revenue-of-169-million-up-peca3zo3r8me.html
  • 来源:www.globenewswire.com/news-release/2026/05/07/3290524/0/en/soundhound-ai-reports-record-q1-revenue-of-44-2-million-up-52.html
  • 来源:www.soundhound.com/newsroom/press-releases/https/wwwsoundhoundcom/newsroom/soundhound-ai-to-acquire-liveperson-combining-proprietary-voice-agentic-ai-and-digital-messaging-to-create-a-world-leading-end-to-end-omnichannel-conversational-ai-platform/
  • 来源:www.sec.gov/Archives/edgar/data/1840856/000121390026045987/ea0287117-8k425_sound.htm
  • 来源:www.soundhound.com/newsroom/press-releases/soundhound-ai-reports-record-second-quarter-with-all-time-high-42-7-million-revenue-up-217-raises-full-year-outlook/
  • 来源:www.sec.gov/Archives/edgar/data/1840856/000162828025023838/soun-20250508ex991earnings.htm
  • 来源:investors.soundhound.com/static-files/775016fc-34fb-44e1-8e57-a2c0c8e48dd1
  • 来源:www.stocktitan.net/financials/SOUNW/
  • 来源:www.soundhound.com/newsroom/press-releases/soundhound-ai-introduces-oasys-the-worlds-first-self-learning-orchestrated-agentic-ai-platform-where-ai-builds-ai/
source: 公开披露与公开资料整理 本页仅用于产业链学习、信息检索和研究辅助;不构成投资建议,不预测涨跌,不提供买卖、仓位或目标价建议。