📋 汇量科技（1860.HK）2026Q1业绩会纪要 一、开场及免责说明 本次业绩发布会参会管理层包括：联合创始人、集团董事会主席兼CEO曹晓欢先生，集团首席财务官宋笑飞先生，投资者关系总监赵倩云女士。 会议开场提示，本次发布会除对过往经营数据及业绩表现的描述外，可能涉及未来发展、市场预期或财务预期等前
汇量科技（1860.HK）2026Q1业绩会纪要
一、开场及免责说明
本次业绩发布会参会管理层包括：联合创始人、集团董事会主席兼CEO曹晓欢先生，集团首席财务官宋笑飞先生，投资者关系总监赵倩云女士。
会议开场提示，本次发布会除对过往经营数据及业绩表现的描述外，可能涉及未来发展、市场预期或财务预期等前瞻性陈述，相关表述存在不确定性；会议中同时提供非国际财务报告准则口径的调整后财务数据，以便更好反映公司实际经营情况。
二、公司自述
1、行业趋势与竞争判断
— 从年初到现在，外部行业趋势基本符合年度业绩会时的判断。游戏行业保持稳健，游戏内广告和IAP混合变现趋势继续推进；短剧在中国以外市场增长很快，已经从少数独立App买量逐步进入平台和内容生态竞争；电商预算也开始在第三方平台上做更多验证和放量。
— 美国头部三方平台今年表现较好，尤其是在电商领域的拓展，验证了第三方广告平台的能力不只局限在游戏买量或游戏中长尾流量变现。只要模型能力足够强、数据闭环足够完整，三方平台可以服务更广泛的广告主。
— 对竞争，公司态度一贯：外部变化要持续关注，但不干扰自身迭代节奏。AI时代的程序化广告竞价是一场长跑，最终比的是底层基建迭代速度。哪家公司能更快验证想法、更快上线、更快修复问题，并持续交付更好的投放效果，哪家公司就会建立长期优势。
2、一季度经营情况与业务结构
— 一季度，公司在现有Ads Infra基础上实现稳健增长，Mintegral仍是集团最核心的业务引擎。
— 从品类看，游戏仍然是基本盘，收入增速快于非游戏。非游戏同比也在增长，但环比有一定波动，其中电商品类下降相对明显。主要原因包括季节因素，以及公司当前资源重心在于把新平台建设好，而不是单独做某个行业的商务扩张。
— 非程序化广告和MarTech业务一季度整体平稳。MarTech产品线正在做智能体化重构，预计四季度进入新的商业化阶段。
3、新一代Ads Infra与IAP ROAS节奏
— 过去一年多，公司主要精力放在新一代基础设施建设上。一季度业务增长主要跑在现有Ads Infra上。
— 新一代Infra已经完成主要开发，接下来还需要大约一个季度做测试、灰度和稳定性验证，预期10月上线。
— 从目前进展看，公司对新基建下IAP ROAS的表现有信心，预计四季度开始会在业务效果上体现。
— 一季度算力投入有明显增加，但这部分和生产环境下实时竞价的服务器成本不是一回事，主要用于新平台开发、训练和测试。
4、组织与人才
— 进入2026年后，更小的团队、更高的人才密度、更原生的AI工作流，可以带来更高产出。去年Mintegral核心团队规模已经明显优化，人均产出提升。
— 这不是简单少招人或降成本。公司会在关键岗位上用更高标准、更有竞争力的激励，吸引和留住真正能推动模型、产品和业务迭代的人。
— 经验仍有价值，但单纯依赖经验的边际效益在下降。一个足够聪明、足够主动的人，在更好的工具链和更原生的AI工作流支持下，可以更快理解业务、更快做实验、更快参与核心迭代。
— 组织也将进一步扁平化和网状化。公司的目标是让优秀的人更靠近问题本身，让他们有算力、有数据，也有相应的决策空间。
5、股东结构
— 近期淡马锡完成了对公司的投资。公司表示，相关机构在投资过程中做了非常深入的外部调研，限于保密安排，细节不方便展开。
— 在港股新股IPO持续火爆、公司进入新一轮技术升级关键阶段的背景下，能够获得长期资金支持，公司表示感谢并珍惜，认为这代表了对公司长期价值、技术路线和管理团队的信任。
6、财务表现
— 经营表现：一季度集团延续稳健增长态势，实现收入5.8亿美元，同比增长32%；剔除流量获取成本后，实现净收入1.5亿美元，同比增长25%，整体表现符合公司预期。
— 季节性：一季度通常为行业季节性淡季，但公司仍实现环比增长，反映平台在流量获取、变现效率以及客户结构上的持续优化，业务韧性进一步增强。
— 业务结构：程序化广告平台Mintegral仍是核心增长引擎，收入占比达到96.3%。智能出价产品体系已成为绝对主导，收入占比超过90%。
— 第三方排名：根据Singular发布的《2026年第一季度趋势报告》，按下载量统计，Mintegral在娱乐、工具及游戏等多个核心垂类中均位列全球前四。
— 费用投入：一季度公司整体运营费用同比提升，具有明确战略导向。本季度以AI基础设施建设为核心，加大模型能力、算力资源及人才体系方面投入，为中长期增长打下基础。
— 销售费用为2311万美元，同比增长583万美元，主要由于竞价模式下业务规模持续扩大，相应带动竞价相关费用增长。
— 研发费用为6197万美元，同比增长1977万美元，主要用于持续强化智能出价模型能力，包括模型训练及效果优化相关支出；同时公司也在算力基础设施和高端技术人才引进方面保持前瞻性投入，整体研发投入仍处于合理可控水平。
— 管理费用为1878万美元，同比增长264万美元，主要来自股权激励费用增加。公司通过完善中长期激励机制，进一步绑定核心管理与技术团队。
— 展望未来，随着模型能力持续迭代和优化，公司预计广告投放效率和客户ROI将进一步提升，并有望带动收入结构持续演进，使智能出价产品在整体业务中的占比进一步提升，推动公司进入以技术驱动为核心的新一轮增长阶段。
— 权益披露方面，近期股东层面DI所反映的相关交易，从公司角度看是股权结构持续优化的重要进展。在大股东协调下，部分早期投资者有序退出，同时成功引入包括主权基金在内的优质长期投资者，亦有其他长线机构通过场外大宗交易方式表达对公司长期价值的认可。PAG后续仍会保留一部分股权，正式成为公司的机构投资人。
三、Q&A
Q1：研发开支增长较多，后续如何判断训练以及模型在实时竞价上的相关费用趋势？在新基础设施上线后，公司如何在保持AI模型训练投入的同时实现更好的经营杠杆释放，平衡投入强度和利润率改善？
A1：公司业务发展具有阶段性特征。每经过一轮技术和基础设施升级，平台能力会进入新的发展阶段。当前公司处在新旧基础设施交接阶段，与2022年上一轮平台升级时的情况有一定相似性。
在这个阶段，研发投入会阶段性高于常态，主要用于新平台的开发、训练和测试。新平台上线并进入商业化后，算力投入会重新回到公司长期跟踪的收入占比管理框架中。
从长期趋势看，随着GPU使用比例提升，算力支出的绝对金额会继续增长。新一代基础设施也针对GPU进行了较多优化。公司关注的重点不是绝对金额，而是算力成本占收入的比例。目标是通过模型效率和商业化效率提升，使这一比例维持在合理区间，长期目标仍为5%左右。
经营杠杆方面，除算力外，主要新增投入来自高端技术人才。公司整体人员规模仍在优化，人力成本增长相对可控。未来RSU计划可能对报表费用产生影响。剔除RSU影响后，随着收入规模扩大，固定费用率仍有继续下降空间。
Q2：一季度Take Rate同比下降1.5个百分点，主要由哪块产品或品类导致？目前IAP模型流量补贴情况如何？四季度IAP模型若有实质性效果，应如何量化？
A2：一季度Take Rate的波动属于正常经营波动，并不是由某一品类或某一类产品的异常支出造成。模型预估本身存在不确定性，随着流量结构、客户结构和外部环境变化，Take Rate会有一定波动。
一季度公司经营策略没有明显变化，当前重点是新平台训练、测试和内部能力建设，不是通过大幅调整补贴或商务策略来拉动短期结果。
关于四季度IAP ROAS效果，目前不提供具体增幅指引。这个过程与2022年上一轮基础设施升级类似，在新模型全量上线并完成商业化验证前，很难准确量化最终提升幅度。从目前测试情况看，公司对方向有信心，但最终效果仍需以上线后的实际业务表现为准。
Q3：从行业变化来看，公司目前的IAA和IAP分别处在什么阶段？与同行相比，公司业务变化如何？
A3：今年一季度，美国头部三方平台表现较好，增量主要来自非游戏，尤其是电商领域拓展。如果回到游戏行业，整体竞争格局相对稳定，没有出现明显变化。公司目前在IAA领域仍具备优势，IAP在现有基础设施上也取得了符合预期的同比增长。
Q4：公司希望在AI原生环境下打造一支什么样的团队？目前针对IAP和Infra的尖端人才储备是否充足，后续如何规划？
A4：当前行业竞争中，人才的重要性在上升。算力长期来看会随着供应环境改善而更容易获得，但真正理解广告模型、行业AI和工程系统的人才仍然稀缺。
公司策略是以小团队、高人才密度的方式，持续吸引适合公司业务、愿意长期投入的人才。过去两年，公司启动代号“阿尔法”的全球人才招募计划，面向中美顶尖高校招聘优秀应届毕业生，同时也在引入有经验的一线技术人才。
应届生没有广告行业经验不是主要障碍。今天的广告系统与过去十年的系统已有很大不同。公司更看重学习能力、主动性，以及是否能够从一开始就使用AI工具和AI原生工作流。
从目前情况看，新加入同学熟悉业务和产生贡献的周期明显缩短。过去可能需要几个月才能进入状态，现在新人可以在更短时间内理解业务、参与实验并形成产出。组织上，公司会继续减少层级和流程依赖，让优秀人才更靠近问题本身，并给予他们必要的算力、数据和决策空间。
Q5：AI Infra目前进展和成果如何？此前提到今年上半年会完成组件化改造，改造完成后，公司在游戏、IAP、电商、短剧等细分赛道的产品打磨有怎样规划？
A5：新一代平台的主要开发工作已经基本完成。接下来预计还需要一个季度左右进行灰度测试和稳定性验证，目标是在10月上线。
组件化与新平台建设是并行推进的工作。组件化主要解决内部研发效率问题。公司正在用新的方式组织原有系统能力，把一部分显性编程转为基于组件、数据流和配置的隐性编程，使非技术人员也能参与策略迭代。新一代基础设施也采用了组件化方案。
从品类规划看，新平台上线初期仍会以基础模型为主，不会一开始就针对每个行业推出独立版本。游戏IAP、电商、短剧等垂类模型，会在平台上线后逐步开展。上线前，公司不对具体品类效果做定量判断。
Q6：研发费用率是否会在四季度出现明显拐点？Q1研发投入如果拆分为AI基础设施、大模型、智能体、广告算法迭代等板块，各自比例大致如何？
A6：公司内部会对研发投入结构进行管理分析，但目前不对外披露AI基础设施、大模型、智能体、广告算法等细分投入比例。
研发费用率的变化，需要结合AI投入结构和新平台建设进度来看。公司不会用僵化预算限制关键模型和算法投入，也不会放任费用失控。投入会根据研发进度、模型训练需求和商业化节奏动态安排。
从财务角度看，一季度费用增加有明确用途，主要围绕模型训练、算法迭代、基础设施建设和人才投入，整体支出仍处于可控范围内。
从业务规划看，前三季度公司仍会维持投入状态。四季度以后，要根据新平台上线和商业化进展判断费用率变化。新平台上线后，算力投入会跟随商业化节奏配置。原则上，每一份新增算力都需要对应明确的业务产出，而不是单纯扩大算力规模。
Q7：如果只看现有业务增速进展，不考虑增量业务，后续增速大概会在什么区间？
A7：从当前行业环境和公司现有数据看，即使不考虑新的增量业务，公司在现有基础设施、游戏和非游戏存量赛道上，仍具备稳健增长的基础。公司目前不提供具体增速区间。后续增长节奏仍取决于行业需求、模型效果、客户预算以及新平台上线后的商业化表现。
Q8：如何判断2026年海外程序化购买整体市场趋势，以及公司在其中的竞争格局？
A8：年初以来，海外市场整体趋势与公司判断基本一致。在线娱乐、游戏、短剧、电商等品类仍处于较好的市场环境。程序化交易占比持续提升，第三方平台在广告预算中的份额也在继续上升。
竞争格局方面，过去几年头部玩家变化不大，仍是少数几家平台之间的竞争。不同公司会在不同阶段、不同品类上有起伏，但整体格局没有发生根本变化。
公司不会因为某个竞争对手在某个行业短期表现较好，就立即调整资源去跟随投入。效果广告不是单纯商务或运营驱动的业务。客户是否长期留在平台上，最终取决于模型能否持续帮助客户实现投放效果。如果预估能力不足，即使通过营销或财务手段吸引客户测试，合作规模也难以长期维持。因此，公司当前策略仍然是优先迭代基础设施和模型能力，在底层能力提升后，再逐步推进不同垂类的扩张。
Q9：一季度非游戏收入增速相较去年放缓，今年对Ads广告业务的规划如何？除季节性因素外，是否还有其他原因导致一季度非游戏收入增速放缓？
A9：一季度广告业务增速变化首先受季节性因素影响。四季度通常是旺季，进入一季度后环比回落属于行业正常节奏。
从结构看，游戏业务表现较好，非游戏相对弱一些。这也与公司当前资源投入策略有关。非游戏市场非常分散，不同行业之间差异较大，客户导入周期普遍长于游戏。在新平台上线前，如果过早在非游戏上投入大量资源，后续可能面临返工问题，投入产出比不一定合适。因此，公司会有所选择，当前重点是把新平台建设好，再逐步推进非游戏垂类模型和行业拓展。
Q10：公司股东变化情况如何？当前股东结构以及后续是否可能还有新的长期产业资本加入？
A10：公司不适合代股东解释其投资决策。涉及具体机构评价和沟通细节，也需要遵守相关保密和合规要求。
从公司角度看，本次权益变动反映了部分长期资金基于公司基本面和长期价值进行配置。公司过去股价波动较大，随着市场对公司业务和基本面的理解加深，长期投资人对公司的关注度在提升。
本次交易引入了一批长线投资人，公司对此持积极态度。这体现了市场对公司基本面、技术路线和发展前景的认可，也有助于公司股东结构进一步优化。
Q11：新平台如何带来投放效果提升？未来模型迭代方向和潜力如何？在当前程序化广告模型竞争格局下，如何看待组织层面的竞争力？
A11：新平台对投放效果的提升主要来自两个方面：第一，新平台对GPU进行了更多优化，可以承载更复杂的模型。广告模型本质上是基于用户历史行为预测下一次行为，模型复杂度提升后，对用户行为的预估能力也会提升。
第二，新平台能够容纳更多维度的特征和数据。要更准确预测用户行为，需要从多个维度刻画用户，原有平台基于较早期框架搭建，能够承载的特征维度和数量有限。新平台补齐了这一能力，可以支持更丰富的数据输入和更复杂的训练方式。
这两个方向，一个是模型复杂度提升，一个是特征和数据维度提升，共同构成后续业务效果提升的基础。
行业AI的竞争最终仍然要看数据利用能力。广告模型不是公开模型，客户获得的是广告投放结果，模型本身在后台持续迭代。与大语言模型不同，广告模型参数可能按天甚至按小时更新。在相对封闭的数据环境下，谁能更好地使用多维数据、更快训练、更快上线，谁就能获得更好的模型效果。新平台在复杂模型和多维特征上的提升，是后续单行业优化的重要前提。