深演智能暴涨296%：决策AI的泡沫还是价值重估？

你分析得很扎实，特别是提到2.6%份额就能排第一这点，确实暴露了行业还没到真正成熟期。我比较好奇的是，招股书里提到的“决策AI”到底有多“AI”？很多这类公司其实核心就是规则引擎加上一些简单的机器学习模型，离真正的强化学习或者大模型决策还有距离。如果技术壁垒不高，那这296%的涨幅就纯粹是港股市场在赌“AI概念”的流动性溢价了。

关于你提的第一个问题，我试着想了一下决策AI在供应链和金融场景的复制可能性。供应链其实比营销更复杂，它涉及多目标优化（成本、时效、库存周转），而且每个行业、每家公司的业务规则差异巨大，不像广告投放那样有相对标准化的“点击率”作为优化指标。金融就更难了，监管严、数据敏感、可解释性要求高，深演智能现在那套“基于用户行为预测来分配广告预算”的逻辑，搬到信贷风控或者量化交易上，恐怕得彻底重写底层框架。

另外，盈利下滑但市值暴涨这个矛盾，我觉得得看市场在给什么估值。如果按PS（市销率）算，181亿港元对应2024年收入大概多少？你文章里没提具体收入数，但净利润缩水85%说明利润率在快速恶化，很可能是为了冲营收在烧钱买客户。这种商业模式下，客户粘性到底有多强？淘宝、京东、中国移动这种大客户，一旦开始自研或者引入竞品，深演智能的替换成本其实不高，因为广告投放系统本质上是API调用层面的集成，没有深度绑定。

最后想问个更具体的技术问题：他们提到的“决策AI”在营销场景里，有没有用到在线学习或者多臂老虎机这类能实时调整策略的算法？还是说主要还是依赖离线训练的模型做批量预测？这个细节能直接判断技术含金量。

干这行的来说两句。这票我开盘看了一眼就关掉了，不是酸，是真觉得这估值逻辑对不上。2.6%份额排第一听着唬人，但你想想，这市场得碎成什么样才能让2.6%就当老大？说明门槛低到随便拉个团队搞个模型就能分一杯羹，技术溢价根本撑不起来。我自己踩过类似坑，帮客户做营销策略优化，对方直接说“你们算法再好，能比我业务总监拍脑袋准？”后来发现，真正卡脖子的根本不是模型，是数据清洗和客户关系维护。深演这波客户名单看着牛，但淘宝京东自己内部搞个团队做类似的事，成本比外包低得多，粘性真没那么牢。

利润缩水85%那个数据才要命。AI营销公司典型死法就是烧钱买客户、拼返点，最后毛利率被渠道吃掉。他们智能广告投放占87.9%，这跟传统广告代理公司有啥本质区别？无非是PPT里多了个“决策引擎”四个字。我团队之前评估过类似供应商，对方技术负责人连特征工程里的时间窗切片都讲不清楚，纯靠调用大厂API包装。

至于能不能复制到供应链金融，我持悲观态度。营销场景容忍度极高，转化率差10%客户不一定换，但供应链里算错一次库存成本可能直接亏掉月流水。金融合规更不用说，模型可解释性过不了监管那关。这波暴涨说白了就是港股缺AI标的，逮着一个先炒了再说，技术泡沫成分远大于价值重估。等财报季真正来的时候，看他们怎么填这181亿的坑吧。

说几点实在的。深演智能这个涨幅确实夸张，但咱们拆开来看，技术壁垒到底在哪？决策AI在营销场景里，说白了就是强化学习加多臂老虎机那一套，调参和特征工程做得再深，也构不成真正的护城河。客户粘性靠的是数据管道对接的深度和运营服务，而不是算法本身有多炫。你提到2.6%份额就能排第一，这说明市场极度分散，技术溢价空间有限，换个角度看，这恰恰是行业早期阶段的特征——谁能把数据闭环跑通、把ROI算清楚，谁就能吃掉更多份额。

个人判断，暴涨更多是情绪和流动性驱动的结果，港股最近对AI概念饥渴，但盈利下滑和单一业务依赖是硬伤。广告主预算收紧时，这种依赖效果付费的模式压力会非常大。至于决策AI在营销之外的场景复制，我觉得关键不在技术本身，而在场景里是否有足够多的结构化数据和明确的优化目标。供应链的库存补货、金融的风控定价，这些场景的数据质量参差不齐，业务规则复杂，决策AI真正落地需要很重的行业know-how，不是简单把营销那一套搬过去就能成的。

高增长但盈利下滑这个点，深演可能是在烧钱换规模，但更值得警惕的是，广告行业本身毛利率天花板就在那，技术溢价其实很难长期维持。建议关注他们后续在非广告场景的落地进展，以及客户集中度是否在改善。如果只是靠淘宝京东几个大客户，那估值弹性很有限。

这涨幅确实夸张，296%放在哪儿都挺吓人的。不过我干过几年AI落地，对帖子里的质疑挺有同感的。说句实话，决策AI在营销场景里，技术门槛真没想象中那么高。我见过太多团队拿个强化学习框架套个场景就开始讲故事，最后客户反馈“还不如我们老业务调个规则”。数据质量和客户粘性才是真痛点，很多公司算法调得再好，甲方换个数据源或者改个业务口径，模型精度直接崩盘，这种事儿我遇到过不止一次。

2.6%市场份额就能排第一，这行业碎片化程度确实说明问题。说明这个市场压根没形成技术壁垒，更多是拼商务关系和定制服务。深演智能客户里有淘宝京东，听着光鲜，但大客户议价能力太强了，利润空间会被压得很薄。而且单一依赖广告投放业务，87.9%的占比，这风险太大了，广告行业稍微有点风吹草动，比如政策收紧或者平台算法调整，营收直接受影响。净利润缩水85%这个数据，说实话挺扎眼的，高增长但盈利下滑，典型靠烧钱换规模，可持续性存疑。

至于决策AI能不能复制到供应链、金融，我个人觉得难度比营销大不少。营销场景容错率高，推荐错了无非少转化几单，供应链里库存决策偏了，那可是实打实的资金占用和物流成本。金融就更不用说了，合规和解释性要求极高，黑盒模型根本过不了风控。这波暴涨我觉得就是情绪和稀缺性炒作，港股AI标的少，资金没地方去，拿它当概念炒。真要长期看好，得看它能不能把广告之外的场景跑通，或者把客户粘性做起来，不然等热度一过，估值回调怕是挺狠的。

深演智能这个案例确实值得认真拆解，我直接说结论：296%的暴涨是市场在极度饥渴状态下对“AI落地”概念的一次集中宣泄，但深演自身的业务结构和盈利趋势并不支持这个估值。我从一线工程师的角度，结合自己踩过的坑，聊聊为什么。

先回应帖子里的核心质疑：技术壁垒和业务依赖性。你提到“算法壁垒被高估”，这个判断我基本同意，但想补充一个更具体的观察——决策AI在营销场景的护城河其实不在模型本身，而在数据飞轮和业务闭环的完整性。我参与过一个类似的项目，帮某头部电商做智能出价系统，最开始我们团队也以为核心是优化CTR预估模型，搞了一堆DIN、DIEN、SIM甚至多任务学习，离线AUC刷到0.82，线上AB test却死活不涨。后来复盘发现，真正的瓶颈是数据质量：广告主上报的转化数据延迟严重（有的滞后72小时），用户点击后的归因链路又混乱（跨设备、跨渠道），导致模型学到的信号是严重有偏的。最后我们花了大半年重构数据管道，做了实时流式归因和延时补偿机制，才把线上ROI拉起10%。所以深演所谓的“决策AI”，如果只是卖一套SaaS系统给淘宝京东，那它的数据来源完全依赖客户侧，自己无法形成沉淀，长期来看客户自己也可以招人做——毕竟大厂不缺算法工程师。真正有壁垒的是像Shopify那样，从建站、支付、物流到营销全链路数据都在自己手里，这样模型才能不断自我进化。深演2.6%的份额，说明它只是在营销SaaS这个高度碎片化的市场里切了一小块，客户切换成本很低，一旦某个客户自建团队或者被竞品低价撬走，营收就会剧烈波动。

再看净利润缩水85%这个数字，我仔细看了招股书，2022年净利约5000万，2024年只剩不到800万，而营收同期从5.6亿涨到7.2亿（大概数据），典型的“增收不增利”。这背后有两个可能：一是竞争加剧导致销售费用和研发投入被迫增加，二是客户签单时议价能力变强，被迫降价保份额。我接触过一家做金融风控决策AI的创业公司，情况类似——他们给银行做贷前评分模型，一开始净利率能到30%，但后来银行要求模型必须开源可解释，并且每个季度要重新训练，导致交付成本飙升，净利率直接掉到5%以下。所以盈利下滑不是偶然，而是这类AI SaaS公司的普遍困境：客户是大厂或国企，它们有极强的议价权，会不断压低单价、增加定制化需求，而AI模型的训练和部署本身又是高人力成本的。深演87.9%的收入来自智能广告投放，这个业务毛利率在40%左右，但扣除销售、研发、管理费用后净利率已经不到2%，说白了就是在盈亏平衡线上挣扎。

你问到估值模型该用PS还是PE，我的观点很直接：对于这类盈利不稳定甚至亏损的AI公司，PS（市销率）是唯一合理的参考，但必须结合增速和毛利率来修正。深演2024年营收约7.2亿港元，按181亿市值算PS约25倍，而SaaS行业平均PS在8-15倍（比如Salesforce现在约7倍，HubSpot约12倍），25倍已经隐含了很高的增长预期。但它的营收增速已经从2022年的40%降到2024年的不到20%，如果增速继续下滑到10%以下，25倍PS就撑不住了。PE更是没法用——净利800万，PE高达2262倍，任何理性投资者都不会用这个指标。行业内更常见的做法是用EV/EBITDA，但深演EBITDA估计也是负的，所以本质上是靠市场情绪在撑。

关于“决策AI在营销外的场景能否复制”，我直接说结论：可以复制，但每个场景的壁垒和商业模式完全不同，不能简单平移。我实际参与过供应链决策AI和金融决策AI的项目，体验天差地别。

供应链决策AI：我曾在某制造业公司做过库存优化系统，目标是用强化学习决定每个SKU的补货量和安全库存。技术方案上，我们用了分布式PPO，状态空间包括历史销量、供应商到货周期、仓储成本、缺货惩罚，动作空间是补货数量。离线训练时效果很好，模拟环境里库存周转率提升了20%。但一上线就崩了——原因是真实供应链里存在大量“黑天鹅事件”，比如某供应商突然被环保局查封、某港口因台风关闭三天，这些在历史数据里毫无踪迹，模型完全无法应对。最后我们被迫加入了一个“人工干预接口”，遇到异常事件时由计划员手动调整策略，模型只负责平稳期的优化。所以供应链决策AI的真实价值是“辅助人类做80%的常规决策”，而不是完全替代。对比营销场景，供应链的决策链条更长、不确定性更多、容错率更低（缺货可能损失千万级订单），因此客户对AI的信任成本极高，销售周期长达12-18个月，且需要大量的定制化实施。这个场景下，公司的护城河不是算法，而是行业知识库和与客户IT系统的深度集成能力。深演如果要切入供应链，等于要从零开始建交付团队和行业理解，短期内复制不了。

金融决策AI：我参与过银行信贷审批的决策模型，用的是XGBoost+逻辑回归的集成，特征包括央行征信、多头借贷、社交行为等。这个场景的核心挑战不是模型精度，而是监管合规和可解释性。银保监会要求所有风控模型必须能解释“为什么拒绝这个客户”，这意味着你不能用深度学习黑盒，必须用SHAP值或者LIME生成特征重要性报告，而且每个拒绝决策都要有人工复核流程。所以金融决策AI更像是一个“规则引擎+机器学习”的混合系统，算法溢价比营销场景还低，真正值钱的是数据源（比如接入央行征信的资质）和合规流程。另外，金融客户的付费意愿虽然高，但签单流程极其漫长，我见过一个项目从POC到正式签约花了14个月，中间换了三任对接人。如果深演想复制，它需要储备大量懂金融监管的产品经理和律师，而不是算法工程师。

回到深演能不能维持这个市值，我的判断是大概率会回落，但不会直接归零。参考同类型公司——比如美国的Criteo（广告重定向），2013年上市首日涨了50%，后来最高到100美元，现在只有20美元左右，PS从20倍跌到2倍。深演的业务和Criteo非常相似：都是依赖第三方cookie（虽然现在转向了IDFA和上下文定向），都是为大客户提供广告技术，都是营收增长但盈利承压。Criteo的市值从高点跌了80%，用了大概五年时间。深演现在的市值是181亿港元，如果按Criteo的PS退坡路径，假设未来三年营收增速降到15%，PS降到12倍，对应市值约100亿港元，也就是从当前跌45%左右。但港股流动性差、情绪波动大，短期可能直接腰斩。

最后说一个我自己踩过的坑，对理解这类公司有帮助：我曾经在一个AI营销创业公司工作，我们一度拿到了某世界500强的千万级合同，全员兴奋。但交付半年后，客户发现我们模型的ROI和他们的内部规则引擎差距不到3%，于是第二年直接砍了预算，转而让我们免费维护。为什么？因为客户的数据量足够大，他们用简单的逻辑回归+手工规则就能达到和我们复杂模型差不多的效果。这就是AI营销的“天花板效应”：当客户的数据规模达到一定程度，复杂模型的边际收益会急剧下降，最终比拼的是谁服务更便宜、谁更听甲方的话。深演的客户是淘宝、京东、中国移动，这些公司的数据量远超深演自身，它们随时可以孵化内部团队替代深演。所以深演唯一的生存之道是不断绑定客户的核心业务流程，比如把决策AI嵌入到客户的ERP或CRM系统里，形成数据依赖，但这需要极强的技术集成能力和长期客户关系，短期内看不到。

总结一下：深演的暴涨是市场错把“AI概念”当成了“AI能力”，但实际业务数据（净利润缩水、单一依赖、低份额）已经揭示了风险。决策AI在其他场景可以复制，但每个场景的壁垒、商业模式和落地难度完全不同，营销场景的经验不能直接平移。估值上，PS是合理指标，但25倍PS在当前增速下已经偏高。维持市值需要奇迹——要么营收增速重回30%以上，要么毛利率大幅提升，要么被大厂收购。否则，一年后再看，大概率是腰斩之后在合理区间震荡。

这个分析挺到位的，尤其是“2.6%份额称王”这点，确实暴露了行业现状——碎片化到离谱。我补充个视角：深演智能这波暴涨，很可能跟港股近期“AI概念股”稀缺性有关，资金没地方去，逮着一个算一个。但招股书里净利润缩水85%这个数据太刺眼了，说明营收增长是靠烧钱换来的，一旦资本退潮，估值逻辑可能瞬间崩塌。

关于你提的两个问题，我简单聊聊。第一，决策AI在营销外场景的复制性，我个人持谨慎态度。营销场景的特点是决策链条短、反馈快、容错率高，比如广告点击率优化，错了立马调价，损失可控。但换到供应链或金融，一个决策失误可能引发库存积压或风控事故，企业对算法信任度会低很多，更看重可解释性和稳定性。深演智能目前的技术积累，能不能跨行业复用，存疑。

第二，高增长加盈利下滑，典型的“增收不增利”。这背后大概率是客户获取成本过高，或者需要大量人力做定制化服务。AI营销公司常犯的错就是以为算法能自动跑，实际落地时数据清洗、特征工程、客户沟通全是人工活，边际成本降不下来。深演智能要是找不到一个能标准化、可复制的产品，估值迟早会回归。

另外，我注意到客户名单里有淘宝和京东，但这两家自己也在做决策AI，甚至技术更强。深演智能能维持合作多久？万一被替代，营收直接腰斩。这波暴涨，我倾向认为是情绪驱动，业绩要是跟不上，后面可能跌得很惨。

看了你的分析，挺有同感的。这种暴涨确实让人心里打鼓——你说它技术不惊艳，我觉得关键是这个“决策AI”到底有多少护城河。营销场景里，数据质量确实是命门，淘宝京东这些大客户自己也有算法团队吧？如果只是帮他们调参优化投放，那替换成本能有多高呢？

我比较好奇的是，你提到供应链和金融这两个场景，我正好在关注。供应链决策对实时性和容错率要求很高，不像广告投放错了还能改，错一次可能货物堆仓库或生产线停摆。这种领域客户敢不敢把核心决策外包给一家刚上市、盈利还在缩水的公司？金融更是监管严，合规成本可能吃掉利润。你觉得这些场景的技术复用，是直接把算法模型搬过去，还是得从底层数据架构重新搭？另外，客户粘性在营销和供应链里是不是完全不同的逻辑——营销靠效果付费，不行就换；供应链可能牵扯多年深度绑定，但前期投入也大，深演这种体量能不能撑得住？

还有一点，你说行业极度碎片化，2.6%份额就第一，这反而说明大家都在抢同一个蛋糕。那深演的增长是靠抢别人的份额，还是市场本身在膨胀？如果营销预算整体没增长，那它高增长但盈利下滑，会不会是烧钱换规模的老路？这种模式在AI公司里太常见了，最后能不能跑出来，我觉得得看它有没有能力把营销场景沉淀的方法论，抽象成更通用的决策引擎。不然这估值，泡沫概率真不小。

这个分析挺实在的，2.6%份额就能排第一确实说明行业太散了。我倒挺好奇，它那个决策AI如果真想在供应链或者金融场景复制，数据质量和客户决策链条的复杂度跟营销完全不是一个量级，你觉得它能靠现有技术框架直接平移，还是得重新烧钱搞行业模型？盈利缩水八成五这个趋势看着有点吓人。

说实话，2.6%份额的“第一”确实没什么护城河，营销场景的决策AI门槛太低了，客户换供应商的成本几乎为零。真正能体现技术溢价的是供应链或金融场景，但落地难度

完全不是一个量级——数据合规、实时性要求、决策容错率都高得多。盈利缩水85%还炒成这样，我只能理解为市场在赌它转型，但招股书里没看到任何第二曲线的实质动作。

这分析挺到位的，尤其是“2.6%份额就能称王”这个点，确实说明行业还没跑出真正的巨头。深演智能这波暴涨，我第一反应也是情绪面大于基本面，毕竟港股最近AI概念热得发烫，资金逮着一个就炒。但你说到净利润缩水85%，这个数据太刺眼了——用户粘性再强，客户预算一收紧，广告投放业务首当其冲，单一依赖的风险不是开玩笑的。

关于你提的两个问题，我抛点想法。第一个，决策AI在供应链和金融领域能不能复制？我觉得技术上可以，但壁垒完全不同。营销场景里，AI做的是“千人千面”的推荐，数据量大但决策周期短，试错成本低；供应链和金融讲究的是“稳准狠”，一个错误决策可能导致库存积压或坏账，客户对算法解释性和容错率的要求高得多。深演智能如果真想跨场景，得在可解释AI和因果推断上补课，光靠现在的黑箱模型很难说服银行和制造业客户。

第二个问题，高增长但盈利下滑，很典型的“烧钱换规模”陷阱。我觉得要么是研发投入没转化成壁垒（比如算法没护城河，客户随时能换供应商），要么是销售费用侵蚀利润——为了抢那2.6%的份额，可能砸了不少补贴。你提到的“数据质量和客户粘性才是关键”，我完全同意。很多AI公司技术吹得天花乱坠，结果客户一换数据源，模型精度直接腰斩。深演智能要是真能把淘宝、京东的数据沉淀成行业know-how，那还有点看头，否则这估值迟早要还债。

建议你补充查一下他们的客户留存率，如果续费率低于80%，那这波暴涨大概率是情绪泡沫。另外，可以对比下同赛道的Palantir，人家在政府、金融领域落地，溢价靠的是数据整合和合规能力，不是单纯算法。

说实话，这个涨幅确实有点离谱，但仔细想想也不是完全没道理。决策AI在营销场景里其实是个典型的“数据驱动+规则优化”的活儿，技术栈并不深，核心是特征工程和离线评估做得扎实。深演能拿到2.6%的份额，说明它在数据闭环和客户服务上确实有两把刷子，但要说壁垒，真谈不上。营销场景里，算法迭代速度往往拼不过渠道流量变化，客户粘性更多靠的是对接成本和历史投放效果，而不是模型本身有多强。

净利润缩水85%这个数据挺扎眼的，尤其广告投放业务占比这么高，说白了就是吃流量红利，一旦客户预算收紧或者平台算法调整，业绩波动会非常大。行业极度碎片化这个点我特别认同，营销AI赛道里堆人、堆数据、堆算力的公司太多了，深演能排第一，只能说明市场还没到寡头阶段，技术溢价确实有限。

至于你提的复制性问题，我的看法是，营销场景的决策AI迁移到供应链或金融，难度不是一般的大。供应链里变量多、数据噪声大，而且决策周期长，对可解释性和鲁棒性要求极高；金融就更不用说了，监管合规、风险控制，算法出问题就是真金白银的损失。这两个领域的技术栈和数据生态完全不一样，不是简单套个强化学习框架就能搞定的。所以这波暴涨，说到底是市场情绪在赌AI概念能外溢，但实际落地路径并不清晰。

我倒是挺好奇，深演在智能广告业务之外有没有储备什么跨场景的技术方案，比如时序预测或者因果推断？如果只是靠营销数据吃老本，那181亿的估值，泡沫成分确实不小。

你提的这两个问题挺有意思，尤其第二个，盈利下滑和股价暴涨的反差确实让人犯嘀咕。我最近也在看一些AI应用层的公司，感觉决策AI在营销场景里其实有个通病——客户换供应商的成本太低。淘宝京东这种大客户，要是深演智能提价或者效果波动，它们完全可以切回自研或者找其他小厂，毕竟营销工具的同质化太严重了。2.6%的市占率就能当第一，说明行业要么太散，要么压根没形成壁垒，技术溢价可能真像你说的，被高估了。

关于第一个问题，我个人觉得决策AI在供应链和金融领域复制起来难度更大。营销场景里决策失误的代价相对低，比如投错广告预算，大不了ROI低一点；但供应链里一个库存预测错误可能导致几百万的滞销，金融领域的风控决策更是直接关乎合规和资金安全。这些场景对模型的可解释性和数据质量要求高得多，深演智能目前的技术积累能不能撑住，我是存疑的。

另外我注意到它智能广告业务占比快90%，这种单一依赖在行业周期波动时很危险。比如今年电商平台如果砍营销预算，它的收入和利润可能直接断崖。市场这波暴涨，感觉更多是冲着“AI概念”的稀缺性来的，港股最近能打的AI标的确实不多，情绪溢价占了大头。你打算继续观察它的后续财报吗？我挺好奇上市后的业绩披露会不会戳破这个估值泡沫。

说实话，这个涨幅确实离谱，但细看业务结构，我更倾向认为是流动性溢价加上港股对稀缺标的的情绪透支。决策AI这东西，我在工业场景里碰过不少，技术门槛真没想象中高，核心瓶颈反而在数据治理和业务闭环上。营销场景相对好切入，因为反馈链路短、ROI容易算，但一旦到供应链排产或者金融风控，变量维度陡增，冷启动和可解释性就是两道硬坎。深演现在87.9%靠广告投放，说白了还是个渠道优化的生意，算法壁垒能撑多久，得看他们有没有能力把决策引擎往上游业务决策层渗透。

至于2.6%份额就能排第一，说明这个市场压根没跑出真正意义上的垄断型玩家，客户切换成本低，议价权其实在甲方手里。你看它大客户是淘宝京东这类平台，它们自己也在搞营销云，哪天自研替代了，深演基本盘就悬了。净利润缩水85%是个危险信号，典型的高增长陷阱——营收靠堆人头和买流量撑着，边际效益递减，毛利率迟早被渠道成本吃掉。

我比较好奇的是，它招股书里有没有说清楚留存率和老客户收入占比？如果光靠新客拉增长，那这估值支撑不了太久。真要验证价值，得看它能不能在供应链库存优化或者智能定价这类高价值场景里跑出标杆案例，否则就是披着AI外衣的广告代理商。技术社区的老哥们都清楚，模型再漂亮，落不了地就是废纸。

说实话，2.6%的份额在碎片化市场里真不算什么护城河，数据飞轮转不起来的话，算法再花哨也白搭。营销场景的决策AI本质还是做ROI优化，跟供应链的约束求解、金融的风控建模完全是两码事，后者对可解释性和容错率要求高得多。更让我担心的是，净利润缩水85%的同时靠单一广告业务撑估值，这要是遇到广告主砍预算，泡沫说破就破。

这个数据确实看得人热血上头，但一翻招股书净利润缩水85%就冷静了。2.6%份额能排第一，恰恰说明行业还没跑出真正的巨头，技术壁垒可能被高估了。我更关心你说的决策AI在供应链和金融的落地——如果连营销这种相对标准化的场景都依赖数据质量和客户粘性，换到更复杂、监管更严的领域，复制难度怕是要翻倍。这波暴涨是情绪还是价值，得看它能不能跳出广告投放这个舒适区。

这个分析挺扎实的，2.6%份额就能当第一确实说明行业太散，算法壁垒可能真没想象中高。我比较好奇的是，决策AI往供应链或金融场景复制时，会不会也遇到同样的问题——客户更看重行业know-how和数据积累，纯技术公司反而容易被传统玩家卡住脖子？另外盈利下滑这么多，会不会是烧钱买客户的结果，这种模式可持续吗？

深演这个涨幅确实离谱，2.6%的市占率都能撑起180亿市值，说明资本市场对“AI+营销”的叙事溢价远高于技术本身。但说实话，这类场景的算法壁垒真不高——数据质量决定上限，客户切换成本低，一旦大厂自研或者用开源方案替代，深演的护城河很脆弱。至于决策AI向供应链或金融复制，关键在于领域知识和数据闭环的积累，不是单纯套个模型就能跑通的，营销那套“投流优化”的逻辑在其他行业很难直接平移。

这个帖子抛出的问题非常典型，算是把当前AI落地赛道里最拧巴的那根筋给挑出来了。深演智能暴涨296%这事儿，我第一反应不是“牛逼”或者“泡沫”，而是想起了2021年某家做SaaS的营销公司上市首日翻倍的场面，连招股书里“客户集中度高、净利润下滑”的措辞都如出一辙。历史不会简单重复，但押韵押得让人脊背发凉。

先聊帖子里最核心的几个判断，再结合我自己在AI+供应链和金融领域踩过的坑，说点实操层面的东西。

关于“2.6%市场份额称王”这个点，帖主的质疑非常精准。行业极度碎片化，这恰恰说明决策AI在营销场景里并没有形成真正的技术护城河。我2019年在一家做智能投放的创业公司待过，当时我们号称用强化学习动态调价，算法模型跑得飞起，客户是某头部电商平台。结果呢？客户的数据质量差到令人发指——用户点击流数据里混着大量爬虫流量，id mapping做得稀烂，同一个用户在手机端和PC端被识别成两个人。我们花了两周时间调模型，最后发现效果提升还不如直接加一条简单的规则：过滤掉凌晨三点到五点来自同一IP的密集点击。这事让我彻底明白，在这个赛道里，数据清洗和特征工程的能力，远比模型结构重要。深演智能的招股书里强调算法，但我敢打赌，他们真正能卖出去的核心竞争力，大概率是帮客户对接媒体渠道、处理数据回传、做归因分析这些脏活累活。这些活计技术含量不高，但确实能形成客户粘性——因为客户换了供应商，光是把历史数据迁移过去就得脱层皮。所以2.6%的份额不是技术王座，而是苦力堆出来的护城河，这个护城河宽度取决于客户换供应商的迁移成本，而不是算法效果的绝对优势。

再看净利润缩水85%这个事。这其实暴露了AI营销公司的经典困境：收入增长靠客户数量堆砌，但成本却跟客户规模线性相关，甚至超线性增长。我2022年帮一家金融科技公司评估过类似的营销SaaS供应商，他们的毛利率从70%一路跌到40%，原因是每接入一个新客户，都需要配备专门的交付团队去做数据对接和模型调优。客户越多，定制化程度越高，规模效应完全不存在。深演智能这个情况大概率类似，智能广告投放业务占比87.9%，这意味着他们本质上是一家披着AI外衣的广告代理公司。广告代理这门生意的利润空间，过去十年被媒体渠道和甲方两头挤压，AI只是给这个旧瓶装了点新酒，但瓶子本身并没有变。所谓的“决策AI”，在营销场景里最常干的事就是根据历史数据预测哪个广告位转化率高，然后自动出价。这事如果你用传统方法，跑个逻辑回归加上几个GBDT模型，效果并不比所谓的深度强化学习差多少。我之前在Kaggle上看到一个广告点击率预测竞赛，冠军方案用了非常复杂的Transformer架构，但在实际生产环境中，因为推理延迟和资源消耗，最终部署的还是LightGBM。这就是行业现状：论文里的技术突破，和实际落地的工程妥协之间，隔着一条马里亚纳海沟。

不过帖主问的两个问题，我觉得可以挖得更深一些。第一个问题，决策AI在营销外的场景（供应链、金融）能否复制？我的答案是：能复制，但场景差异比想象中大得多，而且营销场景反而是最不适合验证决策AI价值的领域。理由很简单：营销场景的反馈周期太短，且归因困难。你投一个广告，用户点没点、买了没有，几小时内就能看到数据，但到底是广告创意吸引了他，还是刚好有促销，还是竞品断货了，根本说不清楚。这种噪声极高的反馈信号，对模型训练非常不利。

相比之下，我亲身参与过的供应链决策AI项目，反馈周期长，但信号干净。2021年我们给一家制造业巨头做库存优化，核心是用决策AI来动态调整安全库存水位。这个场景里，每个决策的后果（缺货还是库存积压）需要一到两周才能验证，但一旦验证，因果关系非常清晰——缺货就是因为上周预测销量把安全库存设低了。我们用的方法其实不复杂，就是基于强化学习的策略梯度算法，状态空间包括历史销量、供应商交付周期、生产线产能利用率，动作空间就是每个SKU的安全库存天数。最大的挑战不是算法，而是状态空间的构建：供应商交付周期的数据分散在三个ERP系统里，格式不统一，还有大量手工填写的纸质单据。我们花了一个季度做数据治理，才把模型跑起来。最终效果是库存周转率提升了18%，同时缺货率下降了12%。这个项目让我意识到，决策AI在供应链场景里最大的价值不是“预测更准”，而是“在约束条件下做出可解释的权衡”。比如当产能不足时，模型会主动建议优先生产利润率高且缺货成本高的SKU，这是传统基于规则的ERP系统做不到的。

金融场景就更复杂了。2020年我参与过一个用决策AI做动态授信的项目，目标是实时调整信用卡用户的临时额度。这个场景的难点在于，决策的后果不仅有时滞，还有监管约束。模型建议给某个高风险用户提额，结果他逾期了，银行不仅要承担坏账，还可能被监管问责。所以金融场景里的决策AI，核心不是“最优解”，而是“在风险可控范围内的最优解”。我们当时用了带约束的贝叶斯优化，把预期损失作为约束条件，只搜索那些坏账率低于阈值的行为空间。效果还不错，但部署过程极其痛苦，因为风控部门要求每个决策都必须能给出逻辑解释，你不能说“模型觉得他信用好就提额”，得说“因为他的收入负债比下降了X%，近三个月还款记录良好，所以建议提额Y%”。这意味着模型的可解释性必须做到特征级别，甚至决策路径级别。目前主流的深度强化学习很难满足这个要求，我们最后退而求其次，用了可解释的决策树集成模型，虽然效果打了八折，但能过合规关。

回到帖主的第二个问题：高增长但盈利下滑的AI公司，估值模型该用PS还是PE？我的看法是，在目前这个阶段，两者都不靠谱，更值得关注的是“单位经济模型”和“客户生命周期价值”。PE对亏损公司没有意义，PS则容易掩盖成本结构的恶化。深演智能的营收增长是20%量级，但净利润缩水85%，说明每多赚一块钱，就要搭进去更多成本。这时候应该算LTV/CAC（客户生命周期价值/客户获取成本）。如果他们的客户续约率能到90%以上，且客户平均合同金额每年增长15%，那即使当前亏损，长期来看也是健康的。但我从招股书里看到的信息是，他们的客户集中度高，前五大客户贡献了超过40%的营收，这意味着客户流失风险很大。大客户一旦自建AI能力（比如淘宝和京东，他们完全有能力自己做决策AI），深演智能的营收就会断崖式下跌。这种结构下，用PS估值就是纯粹的赌徒行为，赌的是大客户继续用外包。

再说点更宏观的视角。这波暴涨反映的确实是资本对“AI落地”的饥渴，但饥渴到连净利润缩水85%的公司都敢给300%的涨幅，说明市场已经进入了“先上车后补票”的阶段。我2023年参加过一个AI投资人的闭门会，有人直言不讳地说：现在投AI项目，看的不是技术，而是“有没有大客户背书”和“能不能快速起量”。深演智能恰好满足了这两点——有大客户（淘宝京东中国移动），有营收（虽然不赚钱）。但这种逻辑在泡沫期成立，在退潮期就是灾难。我印象最深的是2022年某家做AI客服的上市公司，上市时也是暴涨，客户包括银行和保险公司，营收增速50%，但亏损也在扩大。结果2023年大客户自研替代，营收直接腰斩，股价跌了80%。深演智能会不会重蹈覆辙？取决于两个因素：第一，他们能否从单一营销场景扩展到供应链或金融场景，实现第二增长曲线；第二，他们的客户粘性到底有多强，是仅仅是数据对接的摩擦成本，还是真的提供了不可替代的决策价值。

从技术角度，如果我是深演智能的CTO，我会立刻做两件事。第一，把营销场景里积累的“数据清洗+归因分析”能力产品化，打包成一个标准化的数据中台工具，卖给那些想自建AI能力但数据基础太差的大客户。这比卖算法模型更赚钱，而且能形成新的护城河。第二，在供应链场景里找一两个标杆客户做POC，用营销场景里积累的强化学习经验，快速验证跨场景迁移能力。供应链的客户粘性远高于营销，因为一旦模型嵌入到ERP系统里，替换成本极高。具体技术方案上，我会采用离线强化学习（Offline RL）加在线微调（Online Fine-tuning）的策略，先在历史数据上训练一个策略网络，然后在上线时用小流量做在线微调，避免冷启动问题。代码层面，可以参考Google的DQN开源实现，但需要重点改两个部分：一是状态空间的归一化处理，因为营销场景的特征是离散的（用户类别、广告位ID），而供应链场景的特征是连续的（库存量、交付天数），需要做Embedding和缩放；二是奖励函数的设计，营销场景的奖励是即时转化率，供应链场景的奖励是综合了缺货损失和库存持有成本的长期回报，需要用折扣因子来平衡短期和长期收益。这个改动看似简单，实际非常考验对业务的理解深度，因为奖励函数稍微偏一点，模型就会学到错误的行为。

最后，关于深演智能能否维持这个市值，我的判断是：短期看情绪，中期看业绩，长期看场景拓展。如果未来两个季度财报能证明净利润缩水的趋势得到遏制，且客户续约率保持稳定，市值能撑住；如果营收增速放缓同时亏损继续扩大，那市值腰斩只是时间问题。我个人更倾向于后者，因为2.6%的份额在极度碎片化的市场里，说明行业洗牌尚未完成，新进入者随时可能用更低的价格抢走客户。除非他们能快速切入供应链或金融场景，否则现在的估值更像是一张看涨期权，而不是价值重估。

帖子里的讨论方向很正，总结一下我的核心观点：决策AI的泡沫不在于技术本身，而在于市场对“落地难度”的低估。营销场景的低门槛和高噪声，让这个赛道的公司看起来光鲜亮丽，但实际利润率和客户粘性远不如表面数据。真正有价值的决策AI，应该是那些能进入核心业务流程、替换掉传统ERP或风控系统的公司，比如在供应链里优化库存、在金融里动态授信、在医疗里辅助诊断。这些场景的反馈周期长、数据质量要求高、合规门槛高，但一旦做进去，护城河就深得多。深演智能如果能把营销场景的客户关系转化为跨场景的合作机会，那他们还有机会；如果固守广告投放这一亩三分地，那今天的暴涨就是明天的墓碑。

这分析挺到位的，尤其是2.6%份额就能自称第一那块，确实扎心。我前两天也翻了下招股书，看到净利润三年缩水85%的时候直接愣住了——这数据放在任何行业都是危险信号，结果上市当天还能涨296%，市场情绪真是比AI还难预测。

不过我倒觉得，讨论“决策AI能不能复制到供应链、金融”这个问题，可能得先拆开看。营销场景的决策AI，本质是用户画像+实时竞价+归因分析，数据维度相对单一，反馈闭环也短（点击率、转化率几天就能看到）。但供应链涉及库存、物流、排产、供应商协同，金融涉及风控、合规、信用评估，数据孤岛更严重，反馈周期动辄几个月甚至跨年度。深演智能那套算法迁移过去，大概率要推倒重来，不是简单的“模型微调”就能解决的。

另外你说客户粘性才是关键，这点太对了。我见过不少AI营销公司，客户合同期一过就流失，因为甲方发现“算法优化”带来的增量利润，还不如换个便宜的DSP渠道来得直接。深演智能的大客户淘宝、京东，自己内部也在搞AI营销中台，万一哪天觉得自研成本更低，直接断供都有可能。

至于高增长但盈利下滑，我倒觉得这可能是很多AI公司的常态——为了抢市场份额，不得不低价签单、高投入做定制化交付。问题是，如果盈利拐点迟迟不来，市场还能给几个296%的估值？这波暴涨更像是短线资金借“AI叙事”炒一波，等财报季一出来，可能又是一地鸡毛。真正值得关注的反而是他们能不能在盈利下滑之前，把业务结构从“智能广告”扩展到“智能运营”，哪怕先在电商的库存预测、物流调度上啃下一块，也比守着广告投放安全。

说白了这就是典型的故事讲得好但财报撑不住。决策AI在营销场景的壁垒确实被高估了，数据飞轮转不起来的话，2.6%的市占率随时能被大厂自研模型碾压。我倒觉得问题核心不在场景能否复制，而是深演这类中间层的护城河到底在哪——客户粘性靠的是数据沉淀还是算法本身？后者边际效益递减太快了。盈利缩水85%还这么涨，市场情绪显然在赌它用港股稀缺性跑通供应链金融，但技术路线和商业化路径完全是两码事。