上市四天暴涨又暴跌,扫描全能王背后公司坐上“过山车”

news2024/11/22 16:53:21

股价四天涨五倍,遇到回调跌一半,扫描全能王母公司——合合信息,一上市就坐上了“过山车”。

合合信息其实早在2021年就向科创板申请上市,并在2023年成功过会,但直到9月13日才开启申购,IPO之路一走就是三年之久。

但这三年等待的回报超乎想象,合合信息直接赶上了A股全方位暴涨最好的时间节点。

9月26日,合合信息正式在科创板挂牌上市,首发当日创业板指数大涨4.4%。上市仅三个交易日,合合信息股价就较55.18元/股的发行价,暴涨了超5.3倍。

市场带来的涨幅,也会由市场收回去,合合信息10月8日股价较最高点下跌过半。即便如此,较发行价而言,这支已经“脱C”的股票还是成为不少人大赚的立足点。

往后看,合合信息的基本面和估值水平,可能还有新的剧本可演。

从智能扫描到鸿蒙合作,合合信息很“科创”

作为此轮行情中的领涨性企业,除去十分巧妙的上市时点带来的绝对收益弹性外,其实合合信息本身的科技产业属性也是驱动其市值大幅上涨的核心原因之一。

毕竟,无可争议的是,当前整个市场的焦点就在于大金融和科技赛道。

天眼查信息显示,成立于2006年的合合信息是一家由人工智能及大数据驱动的典型科技企业,专注于智能文字识别、商业大数据两大新兴行业。

具体来说,就是依托人工智能OCR(智能文字识别)、图像处理、大数据分析等技术,为企业和个人用户提供企业征信、商业大数据分析、商务人脉智能管理、办公文档移动扫描、各类证照识别等服务。

截至目前,合合信息已在C端打造了企业商业信息数据库“启信宝APP”、商务人脉产品“名片全能王”和OCR扫描产品“扫描全能王”等三大王牌产品。

经营层面上,合合信息的业绩成长性比较明确。

复盘过去几年“互联网+”产业的加速发展历程,可明显发现到,智能扫描等无纸化信息科技早已成为各类智能互联电子产品的标配技术,而带来的则是对应细分产业、以及相关企业迎来了市场爆发期。

在此期间,合合信息同时抓住该产业的海内外市场机遇,实现了业绩暴增。资料显示,合合信息2023年的营收规模较2018年增长了近6倍,达11.9亿元;并预计今年前9月的营收规模将继续同比增长18%-25%。

其中,2021~2023年的营收及净利润复合增速分别为21.4%和49.6%,同期毛利率维持在80%以且呈逐年上升趋势,期间费用率则呈下降趋势,带动净利率提升。

其中,C端业务贡献主要的增长动力,仅第一大核心产品——C端APP扫描全能王2023年的业务收入就占到其总收入的68.18%,并在同年位列中国效率类应用付费榜第2名。

重点是,合合信息在2023年底正式与华为达成鸿蒙合作,旗下扫描全能王将基于HarmonyOS NEXT正式启动鸿蒙原生应用开发。参考当前业内外对于鸿蒙应用生态蓝图的推崇,未来扫描全能王APP在业内的壁垒大概率将愈发坚固。

至于B端产品,虽然当前营收体量较小,但从客户知名度来看,同样透露出合合信息不俗的实力。

数据显示,GOOGLE、字节跳动、强生、京东、Kingsoft Japan等互联网企业先后在2021-2023年多次成为其前五大客户,其中字节跳动贡献的业务收入三年内持续增长,主要为其提供互联网广告推广服务。

此外,合合信息同时还面向三星、华为、荣耀等手机厂商预装文字识别技术模块业务。

很显然,合合信息一经上市股价就暴涨的第二大原因,大概率正是其明确的AI与大数据产业定位、兼具爆发性成长潜力的C端业务和稳定盈利的B端业务的双结构,以及华为鸿蒙、互联网金融等多重概念属性叠加,共同驱动。

合合信息的业务薄弱点是什么?

话又说回来,虽然合合信息主攻的智能文字识别和商业大数据业务都属于未来具备极高成长性的新质生产力中一环,但这两大细分赛道却不能说是绝对的小而美。其中有很多潜在的风险点。

例如,智能文字识别服务市场,这几年在智能移动终端加速向个人消费者渗透、以及企业客户对文档资产数字化与智能化升级的需求不断增长的双重驱动下,整体市场规模快速扩张,根据灼识咨询的统计,预计2022-2027年中国智能文字识别服务市场规模将以27.3%的年增速扩容至168.9亿元人民币。

增速可观,规模较小。合合信息,作为独家兽企业,已通过其三大核心产品在C端建立起了品牌、客户、技术等先发优势。

然而在B端,考虑到智能文字识别技术其实是涉及到企业私有数据保密要求,因此在采用第三方技术时,客户企业会存在专业对口以及保密性顾虑。

另外,这两年在AI大模型以及数字化经济的驱动下,互联网大厂为进一步丰富其庞大的云平台服务,也开始基于成熟的公有云 PaaS 平台,推出一系列基础化、标准化的OCR识别服务。

目前包括谷歌、百度、腾讯、阿里等大厂旗下的云平台都提供了广泛且多元的OCR识别服务B端服务,如云存储、云数据库、人脸识别等,往往是全套服务出击。因此,这个领域的B端市场竞争格局相对分散。AI互联网大厂的边际成本更低,合合信息等第三方专业型企业事实上在这方面缺乏优势。

至于商业大数据产业,无须多言,在全球数据要素化的大背景下,该产业的想象空间肯定更大。伴随政企数据资产管理需求持续攀升以及数字化技术应用场景的持续成熟,商业大数据市场空间将持续释放,根据灼识咨询,预计国内市场将以20.7%的年增速扩张至2027年1041亿元。

只是,该细分行业的竞争态势也更加激烈。C端市场多龙头集中且竞争激烈,而B端市场市场集中度相对较低。

合合信息的商业大数据业务主要就是通过启信宝平台开展。在C端,其数据资源来源大体都是采取工商司法等公开披露的企业信息。

而根据灼识咨询,2022年中国商业信息查询C端市场中TOP3的市占率超85%,格局很集中,不过启信宝仅占到7%,其余则为企查查、天眼查所占有。这意味着在用户规模、消费者心智建设、品牌效益上,启信宝没能占到有利地位。

其次,商业大数据的B端业务,相较C端业务具有更高的技术壁垒,对大数据的挖掘、分析和搜索只是基本要求,难度更多体现在外部公有数据与 B 端客户私有数据的融合度、超大知识图谱构建的深度与速度、知识图谱与客户所在行业的结合度、知识图谱自动动态更新的及时性和准确度等方面。

因此,客户企业对场景化的专业度、精准度要求很高,并且轻易不会改变合作客户。目前参与者主要聚焦在本土大数据企业以及跨国企业的国内子公司。

本土商业大数据2B服务商主要由启信宝、天眼查、中数智汇以及一些垂类大数据服务商。相对而言,以邓白氏、益博睿为代表跨国征信巨头的国际公信力更高、业务规模实力更强。

所以,合合信息在风险中提示启信宝 APP 可能短期内无法盈利,主要就是因为竞争原因。

不过,借助启信宝在B、C端的协同联动,合合信息也成功让B端服务广泛应用于银行、保险、证券、汽车等近30个行业,积累了包括建设银行、中国银行、联想、亚马逊、等130余家世界500强客户资源。长远来看,鹿死谁手尚未可知。

结语

伴随AI技术驱动企业信息软件生态产生变化,合合信息正在采取更多措施,增强自己的“存在感”。

数据显示,合合信息为保持对核心产品和关键技术的持续创新突破,在2021年-2023年累计投入研发8.41亿元,占三年累计营业收入的28.23%,复合增长率为16.49%。此次其IPO募资的13.8亿元,也同样都是全部用于C端和B端产品研发项目投入。

或许,正式踏入二级大市场的合合信息能借到更多力量,交出更具特色的答卷。

来源:松果财经

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2203982.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

使用DBeaver(通用数据库管理工具)连接人大金仓数据库

下载安装DBeaver 下载地址: Download | DBeaver Community 官方甚至提供了(解压即可用的)免安装绿色版 3、下载人大金仓数据库的JDBC驱动 下载地址:电科金仓-成为世界卓越的数据库产品与服务提供商 数据库驱动管理 创建新驱动 配…

【Vue3 + TS + Vite】从0到1搭建项目框架

前言 没搭建过Vue3的项目,从0开始搭建一下,记录一下自己的步骤。 技术栈: vue3 ts scss pinia vite 我尽量写的详细一些,后续也会记录我在项目过程中,遇到的一些问题。 文章目录 前言环境搭建一、创建项目1. 使用…

JUC-线程池

阻塞队列 概述和架构 分类和核心方法 这里是在讲 为了区分在不同场景下 调用的不同组实现方法 核心方法演示 package com.example.juc.queue;import java.util.concurrent.ArrayBlockingQueue; import java.util.concurrent.BlockingQueue; import java.util.concurrent.Tim…

数据结构哈夫曼树-哈夫曼树代码构造实现(C语言)

#define _CRT_SECURE_NO_WARNINGS 1 #include<stdlib.h> #include<stdio.h> #define N 30 //叶子结点的最大值 #define M 2*N-1 // 结点总数 typedef struct HTNode {int weight;int parent;int Lchild;int Rchild;int flag; }HTNode,HuffmanTree[M1];//Huffman…

2024年腾讯外包面试题(微创公司)

笔试&#xff1a; 1、判断异步执行顺序console.log(1);setTimeout(()>{Promise.resolve().then(()>{console.log(2);})console.log(3);},0);new Promise ((resolve)>{for(let i0; i<1000;i ){if(i1000){resolve();}}console.log(4);}).then(()>{console.log(5);…

不用PS!patchwork快速解决多子图组合问题~~

如果现在你还是将自己制作的图表放在PS或者PPT中进行随意组合的化&#xff0c;那么这篇文章你就得好好看看了&#xff0c;今天小编就给大家安利一个超强的突变自由组合包-patchwork&#xff0c;让你轻松实现多图的自由组合。 更多详细的数据可视化教程&#xff0c;可订阅我们的…

粗糙表面仿真和处理软件

首款基于粗糙表面的仿真和处理软件&#xff0c;该软件具有三种方法&#xff0c;主要是二维数字滤波法&#xff0c;相位频谱法和共轭梯度法。可以分别仿真具有高斯和非高斯分布的粗糙表面&#xff0c;其中非高斯表面利用Johnson转换系统进行变换给定偏度和峰度。对生成的粗糙表面…

怎么把视频转换成音频?深受大家喜欢的6个转换方法

怎么把视频转换成音频&#xff1f;在这个数字化迅速发展的时代&#xff0c;视频和音频已经成为我们生活中不可或缺的一部分。我们通过各种平台观看电影、听音乐、学习知识&#xff0c;视频内容承载着丰富的信息和情感。然而&#xff0c;有时候我们并不需要画面&#xff0c;而仅…

SpringBoot美发门店系统:智能库存管理

3系统分析 3.1可行性分析 通过对本美发门店管理系统实行的目的初步调查和分析&#xff0c;提出可行性方案并对其一一进行论证。我们在这里主要从技术可行性、经济可行性、操作可行性等方面进行分析。 3.1.1技术可行性 本美发门店管理系统采用SSM框架&#xff0c;JAVA作为开发语…

JavaScript 常量/数据类型/类型转换 简单学习

目录 1. 常量 1.1 常量概述 1.2 案例 1.3 总结 2. 数据类型 2.1 概述 2.2 分类 2.2.1 基本数据类型 2.2.1 基本数据类型——number (数值/字型) 2.2.1 数字型——算术运算符 2.2.1 基本数据类型——String (字符串类型) 2.2.1 字符串拼接 2.2.1 模板字符串 2.2.1…

数据中心运维挑战:性能监控的困境与智能化解决方案的探寻

随着数字化进程的加速&#xff0c;数据中心已成为企业信息架构的核心支撑&#xff0c;其运维管理的复杂度和重要性也随之提升。运维团队需应对设备老化、资源分配失衡、性能波动等多重难题&#xff0c;以确保数据中心持续高效运行。 其中&#xff0c;性能监控作为运维管理的关键…

如何实现异地组网?最简单的方法与实用技巧

随着远程办公、跨地域团队协作以及家庭网络需求的增加&#xff0c;异地组网已成为许多人关注的焦点。异地组网的目的是让位于不同地点的设备可以通过互联网实现安全、稳定的连接&#xff0c;从而共享数据和资源。本文将详细介绍几种常见且简便的异地组网方法&#xff0c;包括使…

智慧园区平台项目建设方案

随着信息技术的飞速发展&#xff0c;智慧园区作为智慧城市的重要组成部分&#xff0c;正逐渐成为推动城市可持续发展的关键力量。本文旨在探讨智慧园区平台项目的建设内容&#xff0c;以期为相关领域的专家学者和决策者提供参考。 1. 智慧园区的定义与重要性 智慧园区是指运用…

C++设计模式——代理模式

欢迎来到 破晓的历程的 博客 ⛺️不负时光&#xff0c;不负己✈️ 文章目录 引言代理模式的定义代理模式的具体实现 引言 我们经常听到代理服务器「代理服务器是一个中间服务器&#xff0c;能够接收客户端的请求&#xff0c;并代表客户端向服务器发起请求&#xff0c;然后将服…

计算、通信、感知与量子技术国际学术会议

第三届计算、通信、感知与量子技术国际会议&#xff08;CCPQT 2024&#xff09;将于2024年10月25日-10月27日在中国珠海召开&#xff0c;聚焦感知、绿色通信等领域&#xff0c;邀请国内外专家探讨前沿动态&#xff0c;旨在促进学术交流与产学研合作&#xff0c;推动学科融合发展…

YOLOv11改进策略【损失函数篇】| 利用MPDIoU,加强边界框回归的准确性

一、背景 目标检测和实例分割中的关键问题&#xff1a; 现有的大多数边界框回归损失函数在不同的预测结果下可能具有相同的值&#xff0c;这降低了边界框回归的收敛速度和准确性。 现有损失函数的不足&#xff1a; 现有的基于 ℓ n \ell_n ℓn​范数的损失函数简单但对各种尺度…

【LLM论文日更】| BGE经典论文-CPACK

论文&#xff1a;https://arxiv.org/pdf/2309.07597代码&#xff1a;GitHub - FlagOpen/FlagEmbedding: Retrieval and Retrieval-augmented LLMs机构&#xff1a;BAAI领域&#xff1a;embedding model发表&#xff1a;SIGIR 2024 ​ 研究背景 研究问题&#xff1a;这篇文章…

第十一章:规划过程组(11.18规划风险管理--11.24规划干系人参与)

前面几次考试几乎都考了风险管理的相关内容和试题~&#xff01;尤其是下午题所以感觉还是挺重要的&#xff01; 11.18 规划风险管理 11.18.1 风险基本概念 每个项目都在两个层面上存在风险:一是每个项目都有会影响项目达成目标的单个风险;二是由单个风险和不确定性的其他来源联…

RandLA-Net PB C++

tensorflow pb 模型 实现 c++ 部署 Code: https://github.com/QingyongHu/RandLA-Net RandLA-Net PB C++ randlanet_tf.h #ifndef RANDLANET_TF_H_

人工智能在免疫组化以及虚拟多重免疫荧光染色中的应用|文献速递·24-10-10

小罗碎碎念 这期推文准备了四篇文章&#xff0c;覆盖了AI在免疫组化、多重免疫组化以及虚拟多重免疫荧光染色中的应用。 目前来看&#xff0c;免疫组化这些技术大多用于验证&#xff0c;那么我们是否可以把从免疫组化分析得到的结论作为模型的先验知识&#xff0c;或者直接进…