SenseTime pendapatan tahunan adalah 9 kali lipat MiniMax, jumlah karyawan menurun drastis sebesar 34%, tetapi mengapa nilai pasar sulit meningkat?

（Sumber: Intelligent Era AGI）

“Ai empat naga kecil” pada masa itu, yaitu ShangTang, sempat mengalami kejayaan yang luar biasa, dan berhasil menyelesaikan “emisi pertama saham pertama di antara empat naga kecil AI di pasar saham Hong Kong”.

Namun saat ini, ShangTang terpaksa menghadapi “penyusulan balik” dari sebuah perusahaan model AI besar—MiniMax.

Seperti yang diketahui, sebelum mendirikan MiniMax, Yan Junjie (I/O) pernah bekerja di ShangTang Technology selama lebih dari 5 tahun, dari mulai sebagai pekerja magang, lalu meniti karier hingga menjadi—pernah menjabat sebagai Wakil Presiden Eksekutif Grup ShangTang, Wakil Direktur Institut Penelitian, dan CTO untuk unit bisnis Smart City. Dan inilah “latar belakang yang cemerlang” yang ditunjukkan oleh Yan Junjie kepada para investor ketika MiniMax masuk ke fase model AI besar.

Lalu pada malam 24 Maret, ShangTang merilis laporan kinerja tahun 2025, namun tetap menghadapi kerugian:

• Pendapatan mencapai 5,014 miliar yuan, naik 32,9%;

• Kerugian bersih 1,782 miliar yuan, mengecil 58,6% secara year-on-year;

• Kerugian bersih yang disesuaikan mengecil 54,3% secara year-on-year, turun menjadi 1,956 miliar yuan.

Jika mengikuti “titik waktu perencanaan laba” yang diumumkan oleh Ketua Dewan ShangTang, Xu Li, maka jelas pada akhirnya ShangTang tidak mencapainya.

Dan untuk mengekspresikan agar laba “berbalik menjadi positif”, gambar pertama yang Xu Li tampilkan di rapat publikasi laporan keuangan: data EBITDA paruh kedua 2025—3,76 miliar yuan, berhasil beralih ke positif, serta arus kas dari operasi juga beralih ke positif.

Apa itu EBITDA? Singkatan dari Earnings Before Interest, Taxes, Depreciation, and Amortization, yang biasanya diterjemahkan sebagai “laba sebelum pajak, bunga, penyusutan, dan amortisasi”, merujuk pada pendapatan perusahaan sebelum mengurangi bunga, pajak, penyusutan, dan amortisasi; yakni laba yang menjumlahkan kembali empat komponen biaya tersebut—pajak, bunga, penyusutan, dan amortisasi.

Secara umum, hampir tidak ada perusahaan dan sekuritas yang mau menjadikan EBITDA sebagai laba bersih sejati untuk dipublikasikan kepada pihak luar—ShangTang berbeda.

Jadi, meskipun dalam 8 tahun terakhir pendapatan ShangTang terus bertumbuh dan kerugian pun mengecil, namun pada rapat publikasi laporan keuangan malam ini, Xu Li dan CFO ShangTang, Wang Zheng, berkali-kali menyebut satu kata—“mengurangi kerugian”:

Ketahanan operasional dan transformasi hasil ShangTang pada tahun 2025 tercermin pada pertumbuhan berkualitas tinggi dan lompatan besar dalam pengurangan kerugian.

Kami juga telah menetapkan tren pengurangan kerugian yang terus berlangsung dan dalam skala besar.

Secara keseluruhan, kami memperkirakan pada tahun 26, pada tingkat investasi modal yang disesuaikan, tren pengurangan besar dengan proporsi tinggi ini akan terus dipertahankan; dan jika dilihat dari seluruh tahun, laba bersih yang disesuaikan kemungkinan besar dapat menjadi positif sepanjang tahun.

Yang patut diperhatikan adalah, menurut informasi eksklusif yang diperoleh Intelligent Era AGI, per 31 Desember 2025, jumlah karyawan ShangTang mencapai 2472 orang. Dibandingkan tahun sebelumnya yang 3756 orang, bersih berkurang 1284 orang, penurunan year-on-year sekitar 34,2%, bahkan belanja kesejahteraan karyawan juga turun secara signifikan.

Terlihat jelas, meskipun pendapatan tahunan ShangTang pada 2025 adalah 9,24 kali pendapatan MiniMax pada periode yang sama, kerugiannya juga sama-sama tinggi. Bagi pasar modal, kisah baru di industri AI adalah “AI 2.0”, MiniMax dan Zhipu.

Dan karena dalam 8 tahun terakhir pendapatan dan laba ShangTang berfluktuasi dengan hebat, harga saham dan kapitalisasinya tampaknya sulit memperoleh perlakuan dan perhatian seperti MiniMax dengan kapitalisasi 3200 miliar.

Saya telah melacak ShangTang selama lebih dari 7 tahun, dan saya tetap sangat memandang baik untuk keseluruhan ShangTang, tetapi saat ini kondisi seperti ini membuat semua orang cukup cemas.

Setelah menghentikan peningkatan riset, ShangTang masih melewati “musim dingin”

Dalam dua tahun terakhir, ShangTang terus melewati musim dingin.

Mulai dari pemotongan besar-besaran tenaga kerja, hingga pemangkasan anggaran internal yang signifikan, bahkan ada apa yang disebut “X”, yang memecah berbagai unit usaha menjadi pembiayaan terpisah dan tanggung jawab laba-rugi sendiri; Xu Bing juga mengundurkan diri sebagai direktur independen; dan pemecahan bisnis Jueying—semuanya menunjukkan satu hal:

Xu Li ingin ShangTang meraih laba.

Hal ini tidak sulit dibayangkan. Saat ini, dua perusahaan AI di pasar saham Hong Kong, Fourth Paradigm dan Wen Dao, telah memangkas investasi secara besar-besaran; kerugian bersih mereka hampir menyentuh angka 0 dan berpotensi menjadi laba.

Sementara itu, ketika “udang lobster” meledak, MiniMax yang memiliki model besar terbaik dan Zhipu, pendapatan dan nilai pasarnya mengalami lonjakan besar; sangat mungkin tahun ini mereka memasuki periode profitabilitas.

Karena itu, bagi ShangTang ini sungguh sangat “canggung”—sebenarnya mereka adalah yang pertama melakukan IPO, tetapi para “adik”-nya justru menjadi laba; sementara ShangTang sudah melakukan begitu banyak teknologi, bahkan ikut merasakan gelombang GPT, dan pada akhirnya semua kerugian keuangan dialihkan ke bisnis, namun grupnya belum juga meraih laba—ini sulit menghadapi ekspektasi investor.

Jadi, bisnis pertama yang ShangTang “mengayunkan pisau” adalah riset.

Dari prospektus terlihat bahwa belanja riset ShangTang pada tahun 2025 mencapai 3,775 miliar yuan, turun dari 4,131 miliar yuan tahun sebelumnya sebesar 8,6%.

“Terutama karena berkurangnya belanja kesejahteraan karyawan, yang sebagian diimbangi oleh peningkatan biaya pengoperasian server dan layanan cloud.”

Dengan kata lain, sebelumnya perusahaan AI perlu menginvestasikan teknologi riset dalam jumlah besar, memelihara doktor, memelihara banyak talenta AI; hasilnya sekarang kesejahteraan karyawan sudah tidak ada, tetapi tetap harus menginvestasikan untuk operasi pemrosesan (compute) dan membeli kartu komputasi.

Menanggapi keraguan dari sekuritas, Xu Li mengatakan demikian dalam rapat laporan keuangan:

Semua orang ingat, di antara tiga pos biaya operasional pada tahun 2025, kami semuanya mengalami penurunan, dan total penurunan tahunan mencapai 11%. Jadi, dalam hal menurunkan biaya dan meningkatkan efisiensi, sebenarnya ada banyak langkah spesifik. Sebagai contoh, integrasi yang erat antara perangkat besar dan model besar—itu sendiri menciptakan nilai biaya yang sangat tinggi. Contohnya, seperti pembangunan basis talenta di Wuhan, ini juga membantu kami menurunkan biaya tenaga kerja lebih lanjut.

Selain itu, kami terus mengoptimalkan lingkungan kerja dan sewa di dalam dan luar negeri. Dengan kata lain, secara keseluruhan kami mengendalikan biaya dari berbagai sudut, sedikit demi sedikit, secara berkelanjutan.

Lalu, struktur pendapatan kami juga terus dioptimalkan. Pencadangan untuk piutang usaha terhadap dampak negatif pada laporan laba rugi sebenarnya terus dikurangi berulang kali. Ingat, dari 2024 sebesar -7,8 miliar, turun menjadi hanya -2,9 miliar pada 2025. Ini juga salah satu faktor besar.

Yang terakhir adalah strategi 1+X dan pendalaman. Strategi ini menyebabkan sebagian perusahaan X berhasil memperoleh pembiayaan eksternal, serta mencapai pengeluaran dari laporan keuangan konsolidasian (derecognition). Ini juga menciptakan beberapa ruang tambahan untuk perbaikan profitabilitas keseluruhan grup.

Bagaimana menyeimbangkan belanja riset dan pengurangan kerugian?

Sebenarnya kami selalu menempatkan riset sebagai daya saing inti perusahaan. Pada 2025, kami juga benar-benar meningkatkan investasi komputasi untuk riset. Namun karena peningkatan efisiensi produktivitas (riset per tenaga) untuk riset kami sangat signifikan, ditambah lagi kami memang memiliki beberapa bisnis x yang didorong riset kuat yang secara bertahap dikeluarkan dari laporan konsolidasi, sehingga total biaya riset justru mengalami penurunan. Dan kami berpendapat bahwa dua hal—peningkatan efisiensi dan hasil riset yang menjadi lebih kuat—tidaklah bertentangan.

Saya tidak menilai apakah logika pernyataan ini benar atau salah, tetapi menurut saya logika yang ia sampaikan sebenarnya sangat sulit untuk konsisten—skenario, data, perangkat lunak, perangkat keras, dan talenta, semuanya tidak bisa kurang; hanya dengan ekosistem yang kuat barulah potensi tak terbatas AI dapat benar-benar dilepaskan.

Ini adalah sebuah PPT yang dirilis pada konferensi AI Siemens; saya cukup setuju dengan itu.

Dalam rapat laporan keuangan, Lin Dahua (DH) menyebutkan bahwa pada kuartal keempat tahun 2025, arsitektur model generasi berikutnya native multimodal NEO resmi diluncurkan dan dibuka sumbernya. Arsitektur ini sepenuhnya menghapus desain yang sebelumnya menggunakan encoder visual tradisional dan model backbone yang digabung secara modular, serta membangun arsitektur end-to-end kondisi hidup bahasa dan sisi visual yang disatukan dari level terbawah. Arsitektur baru ini menghadirkan peningkatan signifikan dalam efisiensi pembelajaran model.

Lin Dahua mengungkapkan, pada kuartal kedua tahun ini, ShangTang akan memperbarui dua teknologi model:

1、Riri Ri X (日日新) akan merilis versi 7.0, diperkirakan dirilis pada kuartal kedua tahun ini;

2、ShangTang akan merilis model open-source baru berbasis arsitektur generasi kedua NEO. Model ini lebih dulu diverifikasi di industri, bahwa di bawah arsitektur native multimodal, model ini mampu memahami generasi skala hukum baru (Scaling Law) yang terintegrasi untuk pemahaman-kreasi. Dengan asosiasi yang baru untuk memahami generasi arsitektur yang terintegrasi, kurva pembelajaran independen, secara nyata melampaui tolok ukur open-source model yang terintegrasi sebelumnya dalam hal pemahaman—bahkan menjadikan Byte sebagai tolok ukur. Diperkirakan akan mencapai lonjakan berlipat ganda pada efisiensi dan rasio biaya-manfaat.

Lin Dahua mengatakan bahwa maknanya adalah: akan membuka ruang aplikasi hilir yang lebih luas untuk ekosistem AI, serta secara luas memberdayakan penerapan AI untuk agen cerdas (smart agent AI).

Adapun kondisi penerapan AI ShangTang…

Saya tidak akan memberikan penilaian; hanya bisa mengatakan persaingannya sengit. Pada masa itu, kode “lebih dulu masuk” dan Office Little Weasel, pada akhirnya kalah oleh Vibe Coding milik Zhipu Byte; belum lagi peringkat dari self-media, apakah itu bisa dianggap sebagai kinerja.

I don’t understand.

Namun gambar dalam rapat laporan keuangan ShangTang ini dapat memberi beberapa bahan pemikiran bagi semua orang: lihat bagaimana AI diterapkan secara praktis, bahkan dapat menyingkap bagaimana AI mungkin digantikan—AI+menjadi, AI+search, AI+software perkantoran, AI+riset, kecerdasan yang berwujud (embodied intelligence), AI+marketing, dan seterusnya.

Terakhir, pendapatan dari bisnis:

• Pendapatan AI generatif adalah 3,630 miliar yuan, naik 51% year-on-year;

• Pendapatan bisnis AI visual 1,083 miliar yuan, naik 3,4% year-on-year. Di antaranya, pada paruh kedua tahun lalu, pertumbuhan pendapatan sektor ini mencapai 20,9% year-on-year.

• Pendapatan bisnis inovasi X 302 juta yuan, turun dari 321 juta yuan tahun sebelumnya. Pangsa pendapatan keseluruhan turun dari 8,6% menjadi 6,0%.

ShangTang menyatakan bahwa penurunan pendapatan bisnis X terutama disebabkan oleh bisnis mengemudi cerdas yang keluar dari laporan keuangan komprehensif pada Agustus 2025.

ShangTang mengatakan, seiring berjalannya waktu, komposisi bisnis inovasi X diperkirakan akan berubah, karena akan ada lebih banyak bisnis inovasi X yang difasilitasi untuk inkubasi, atau bisnis inovasi X yang sudah ada menarik investor eksternal dan kemudian keluar dari laporan keuangan komprehensif. Oleh karena itu, ke depan, data year-on-year untuk pendapatan ini akan menjadi lebih kecil signifikansinya.

Saya memahami bahwa ShangTang mungkin akan menggabungkan semua proyek profitabilitas dari modal Guoxiang ke dalam bisnis X ShangTang—misalnya Strong Brain Technology yang akan segera IPO.

ShangTang memberi sinyal bahwa ShangTang Medical mungkin akan mengganti merek “竹蜻蜓”, dan Xi Wang kemungkinan menjadi satu lagi lini bisnis yang menghasilkan laba dalam bisnis X ShangTang.

Perangkat besar: kebutuhan untuk inferensi tinggi, heterogenitas berada pada pelatihan; sudah dapat mengungguli kinerja chip top luar negeri pada perangkat keras domestik yang terbatasi proses produksi.

Perangkat besar ShangTang, sebenarnya merupakan salah satu bisnis penting yang cukup saya minati. Bagaimanapun, ShangTang punya kartu dan kapasitas komputasi; menjual kartu, menjual komputasi, menjual cloud—sudah menjadi salah satu cara penting untuk memperoleh laba bagi perusahaan-perusahaan besar saat ini dan vendor cloud AI.

ShangTang mengungkapkan bahwa hingga tanggal publikasi pengumuman kinerja ini, total skala kapasitas komputasi operasional perangkat besar ShangTang telah meningkat menjadi 4,04万 PetaFLOPS (FP16).

Pada tingkat kasus, dengan dukungan dari Contemporary Amperex Technology (CATL)/Ningde Times, ShangTang membangun sistem AI cerdas pertama di dunia yang menghubungkan seluruh rantai “manajemen kapasitas komputasi—operasi IDC—sistem penyimpanan energi”. Sistem ini dapat memprediksi beban listrik secara akurat melalui model besar, dan secara dinamis menghasilkan strategi penjadwalan energi yang optimal. “Kami memperkirakan sistem ini dapat mencapai penghematan biaya listrik 7% dan mengurangi lebih dari 4000 ton emisi karbon dioksida.”

Yang Fan menyatakan dalam rapat laporan keuangan bahwa sambil memastikan riset pengembangan model terus “menerobos batas”, ia juga menjamin agar aplikasi lapisan atas berjalan secara efisien dengan biaya rendah. Sebagai contoh, pada sistem inferensi world model LightX2V, dengan mengandalkan teknik mutakhir seperti distilasi langkah (step distillation) dan kuantisasi yang sangat ekstrem, kami tidak hanya lebih dulu mewujudkan pembuatan video real-time untuk simulasi dunia fisik, tetapi juga, dalam kondisi proses produksi perangkat keras domestik yang terbatasi, mencapai pengunggulan terhadap kinerja chip top luar negeri. Berkat efisiensi komputasi yang luar biasa, sistem ini memperoleh rekomendasi resmi dari banyak perusahaan besar seperti Alibaba dan Tencent. Unduhan kumulatif model open-source-nya di HuggingFace telah menembus 10 juta, dan stabil berada di peringkat 10 besar global (sebanding dengan gpt-oss dari OpenAI).

Bahkan, ShangTang juga mewujudkan pelatihan heterogen skala puluhan ribu kartu (万卡异构混训). Tentu saja, di dalamnya juga terdapat dukungan dari mitra kartu komputasi seperti Moore, Biren, Muxi, Huawei, dan lainnya.

Yang Fan juga mengungkapkan bahwa permintaan kapasitas komputasi ShangTang sedang berubah: untuk inferensi domestik ada permintaan yang besar; namun heterogenitas lebih banyak digunakan untuk pelatihan, yaitu menggunakan chip yang berbeda untuk memperoleh efisiensi biaya terbaik.

Mengenai domestik, menurut pandangan kami saat ini, pasarnya pada awalnya berasal dari pasar pemerintahan perusahaan (gov/enterprise), termasuk beberapa BUMN besar, serta banyak institusi riset di dalam negeri. Mereka pada dasarnya memiliki kebutuhan yang jelas terhadap perangkat keras domestik, dan jika dilihat dari dua tahun terakhir, skalanya terus berkembang.

Namun beberapa bulan terakhir, sebenarnya ada tren baru yang jelas: semakin banyak perusahaan internet, dan perusahaan sains-teknologi pada tahap awal, mereka juga mulai bersikap semakin terbuka dan menerima chip domestik.

Jadi dari sudut pandang ini, sebetulnya ini sangat baik karena ShangTang selama bertahun-tahun dapat memanfaatkan sinergi antara vendor perangkat keras domestik yang telah kami jalin, termasuk juga kami telah melakukan banyak pekerjaan eksploratif, mengumpulkan pengetahuan dan melakukan penumpukan teknologi. Kami juga berharap agar pengetahuan dan akumulasi tersebut dapat membantu kami menangkap dengan baik tren pasar percepatan perangkat keras domestik saat ini.

Menjelang tahun 2026, ShangTang mengatakan akan terus mendalami arsitektur native multimodal, menetapkan posisi terdepan global ShangTang dalam bidang model besar multimodal native terintegrasi dan kecerdasan ruang (spatial intelligence); pada saat yang sama, merebut peluang awal di pasar agen cerdas native AI, mewujudkan ledakan dua arah dalam skala arus (traffic) dan nilai komersial; serta akan sepenuhnya mendorong adaptasi terhadap chip domestik, secara berkelanjutan menurunkan biaya inferensi model besar.

© Artikel ini adalah konten orisinal Intelligent Era AGI (weixin6060000)

Arus informasi besar, analisis yang tepat, semuanya ada di aplikasi Sina Finance APP