SharonAI（SHAZ）

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	澳洲/美国 GPU-as-a-Service、HPC 数据中心和 AI factory 新上市平台	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
AI 映射	GPU-as-a-Service、Cisco Secure AI Factory、NVIDIA DSX AI factory design、澳洲 AI compute 容量	AI 训练/推理、agent、专业知识、自动化或边缘云	AI 净收入和毛利率 [未充分披露]	34

• 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
• 与 NVIDIA/Cisco 生态的关联只能证明供给与架构线索，不能自动证明需求；投研上需继续核对 GPU 交付、上架时间、客户合同、平均售价、使用率和电力成本。 489

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 10-K describes GPU-as-a-Service architecture and 1,024-unit NVIDIA B300 cluster plan; company reported Nasdaq listing in February 2026, about US$125mn IPO proceeds, about US$100mn convertible note, sale of 50% TCDC holding for US$70mn; recurring revenue and segment margin are still early-stage and [未充分披露].	作为总盘，不把全部收入视为 AI	12
分部/产品	核心资产包括澳洲 GPU cloud、NEXTDC S3 cluster、TCDC joint venture proceeds recycling and planned data center capacity; revenue split by customer [未充分披露].	AI 只按已披露产品或业务线做 proxy	34
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

核心产品

产品/服务	AI 作用	收费/确认方式	关键风险	证据
主平台	GPU-as-a-Service、Cisco Secure AI Factory、NVIDIA DSX AI factory design、澳洲 AI compute 容量	订阅、托管、项目、租赁或使用量计费	客户采用率和续费率 [未充分披露]	34
传统底盘	澳洲/美国 GPU-as-a-Service、HPC 数据中心和 AI factory 新上市平台	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

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

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、neocloud	MW、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

护城河

1. 容量稀缺与区域位置：澳洲本地 AI compute 容量、NEXTDC S3 机房和 GPU-as-a-Service 组合有主权与低延迟价值，但只有在客户长期使用和高利用率下才构成护城河。 15
2. 产品可信度：GPU-as-a-Service、Cisco Secure AI Factory、NVIDIA DSX AI factory design、澳洲 AI compute 容量 若能进入生产流程，价值高于 demo；若只停留在试点，收入质量较弱。34
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

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 / FY2026	FY2025 10-K describes GPU-as-a-Service architecture and 1,024-unit NVIDIA B300 cluster plan; company reported Nasdaq listing in February 2026, about US$125mn IPO proceeds, about US$100mn convertible note, sale of 50% TCDC holding for US$70mn; recurring revenue and segment margin are still early-stage and [未充分披露].	公司/IR/第三方明示	最新年度硬锚	12
最近季度	公司处于上市与项目建设转换期，传统季度财务序列不够完整；分析重点是现金、融资、GPU交付、合同可执行性和客户真实性。	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	核心资产包括澳洲 GPU cloud、NEXTDC S3 cluster、TCDC joint venture proceeds recycling and planned data center capacity; revenue split by customer [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：杜邦拆解意义有限：当前净利率、资产周转和权益乘数会被 IPO、可转债、项目资本化和公允价值扰动；重点是合同转收入。 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 10-K describes GPU-as-a-Service architecture and 1,024-unit NVIDIA B300 cluster plan; company reported Nasdaq listing in February 2026, about US$125mn IPO proceeds, about US$100mn convertible note, sale of 50% TCDC holding for US$70mn; recurring revenue and segment margin are still early-stage and [未充分披露].	年度现金流或利润质量按来源口径	年度硬锚 1
最近季度	公司处于上市与项目建设转换期，传统季度财务序列不够完整；分析重点是现金、融资、GPU交付、合同可执行性和客户真实性。	季度波动反映确认节奏	不用单季年化替代全年 2
AI 项目	GPU-as-a-Service、Cisco Secure AI Factory、NVIDIA DSX AI factory design、澳洲 AI compute 容量	收入贡献 [未充分披露]	看 bookings 到 revenue 的转化 3

8.4 财务质量结论

• 财务质量结论：当前更像“建设与融资阶段”的 AI 基础设施平台，需把 IPO proceeds、可转债、TCDC 处置现金、GPU 采购和折旧开始时间与收入确认相互校验；在利用率、分部毛利和自由现金流披露前，不给出成熟云平台式利润判断。 129

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

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

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. 执行与供给风险：GPU、网络、电力、机柜和数据中心交付任何一环延迟，都可能推迟收入确认；空置容量或低利用率会放大折旧和融资成本压力。 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

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：规划 GPU 数量等于已产生收入。纠偏：72MW 或最高 40,000 GB300 GPUs 是合作与建设目标，需等设备上线、客户使用、合同确认和现金回款后才进入财务锚。 248
• 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