6925 意藍 10/29 收盤價：127 元+4.5 (+3.67%)

追蹤

意藍（6925）是一家以AI 語意分析、搜尋引擎與大數據處理為核心的軟體服務公司；商業模式以雲端訂閱制 SaaS為主，協助企業或政府把大量公開網路資料、內部文件與資料庫，轉成可搜尋、可分析、可用於決策的資訊服務。核心技術包括搜尋、自然語言處理（NLP）與資料擷取／整理。

主要可分成三塊：

1. 雲端資料分析服務：OpView 社群口碑資料庫

   • 這是目前最主要的營收來源。
   • 蒐集社群、討論區、新聞、部落格與評論等公開資料，進行輿情監測、品牌口碑、競品比較、行銷成效及公共議題分析。
   • 客戶可用來掌握消費者討論什麼、品牌是否出現負面事件、某項政策或商品的市場反應。
   • 2025 年第二季，這項業務約占營收 77%。

2. AI Search 智能搜尋

   • 這是公司近年的成長引擎，核心是把企業內部散落的文件、規章、報告與資料庫，做成能以自然語言問答的知識管理系統。
   • 產品包括：
     • AI Search for KM：企業知識管理、內部文件搜尋與 AI 問答。
     • 電商智慧搜尋、商品標籤與推薦。
     • 結合公開資料與企業資料的金融、情報安全、公共治理等專業搜尋應用。
   • 系統透過 RAG 架構與權限控管，讓回答可追溯資料來源，目的在降低企業使用生成式 AI 時的錯誤回答與資料外洩疑慮。2025 年第二季此業務約占營收 21.2%，且年增 16.2%。

3. 企業專屬生成式 AI 模型與軟體技術授權

   • 公司以自研的 eLAND GOAT 語言模型、Active RAG 技術及搜尋引擎，替客戶建置可在雲端或地端運行的 AI 模型與應用。
   • 特別適合金融、政府或大型企業等重視資料權限、資安與繁體中文在地化能力的使用場景。

簡單說，意藍不是賣 AI 晶片或通用聊天機器人，而是賣「企業可實際導入的資料分析與 AI 搜尋工具」。
它原本的強項是社群輿情資料與分析，現在則把資料庫、搜尋技術與生成式 AI 結合，往企業知識管理、金融監理、公共治理及安全情報等高附加價值場景延伸。其客戶橫跨高科技、電信、金融、零售、廣告行銷與政府部門。

意藍的產品營收主要可分為三類；雲端資料分析服務仍是基本盤，AI Search 則是成長最快的產品線。

2025 年全年營收為 2.10 億元；其中 AI Search 營收年增 60.9%，占比從 2024 年的 17.6% 拉升至 24.8%，是產品組合改善的核心。雲端資料分析服務雖然占比因 AI Search 快速成長而下降，但營收仍年增 4.7%，代表既有訂閱型業務並非萎縮，而是新產品擴張速度更快。

若回看 2021 至 2024 年的結構變化，趨勢更清楚：

也就是說，AI Search 在四年間已從約 8% 擴張到 2025 年的近 25%；這使意藍逐步從以社群輿情分析為主的公司，轉向「雲端數據訂閱 + 企業級生成式 AI／知識管理」的雙引擎結構。

產品面的投資解讀是：

• 雲端資料分析服務：屬於穩定、經常性收入來源。主力 OpView 用於社群輿情、行銷、公關、政府公共治理與金融等情境，客戶日常使用需求較高，支撐續約與現金流。
• AI Search：客單價與附加價值較高，應用於企業內部知識庫、金融資訊整理、文件審閱、風險資訊與決策支援；若持續取得政府、金融、高科技等知識密集客戶，將是未來營收與獲利彈性主要來源。
• 其他軟體授權：占比已低於 3%，對整體營運影響有限，但底層搜尋、語意分析與資料處理技術，仍是支撐前兩大服務產品的核心能力。

因此，觀察意藍後續營運時，重點不是雲端資料分析占比是否下降，而是：其營收金額能否保持成長，同時 AI Search 能否維持高成長、持續提高占比。若兩者同步成立，產品結構會朝更高成長的企業 AI 應用方向優化。

意藍後續展望的主軸很清楚：從「輿情資料 SaaS」升級為「企業 AI 搜尋、知識管理與 Agent 的在地化供應商」。短中期成長不在於擴大賣模型，而是把既有的資料、搜尋、語意分析能力，包裝成金融、政府、高科技與大型企業願意付費導入的可信賴 AI 工作流。

1. 兩條成長線：舊業務守獲利，新業務拉成長

OpView 與雲端資料分析：穩定基本盤

原有的 OpView 輿情／市場情報訂閱服務仍是現金流基礎。這類服務具備即時性、日常使用頻率與歷史資料累積效果，客戶一旦將其放入品牌管理、行銷、危機監測或公共議題流程，通常不容易隨意停用。

下一步的重點是把舊產品 AI 化。OpView AI Agent v2 已完成，讓使用者透過自然語言便能完成跨主題比較、多模組查詢與分析，不再需要熟悉原本較複雜的操作介面。這有助於降低使用門檻、擴大使用者數量，也提高既有客戶加購 AI 功能的可能性。

AI Search：真正的第二成長曲線

AI Search for KM 是後續最重要的成長產品，處理企業內部文件、制度、流程、法規、報表與資料庫等非結構化資料，讓員工或 AI Agent 能以自然語言取得可追溯答案。

截至目前可見資料，AI Search 已導入超過 25 家企業客戶，智能搜尋營收占比從前一年的約兩成提高至近三成；公司規劃將 AI 產品營收占比推向四成，並目標新增超過 40 家企業客戶。這是明確的成長目標，但仍需以後續財報實際驗證。

2. 最有機會擴張的場景：高容錯要求產業

意藍的優勢不是做泛用聊天機器人，而是處理「答錯代價高」的企業問題。因此最值得看的是三類場景：

公司已將 AI Search 應用於投資情報、風控、客服支援、詐欺防制、行政研析與質詢擬答等場景。這些場景若能從單案導入變成可複製模組，營收成長與毛利結構都會優於純客製化專案。

3. 產品策略：模型不是主角，資料與檢索才是

意藍後續不太像會走「砸錢訓練最大模型」的路線，而是走：

• 小型化、地端化與任務特調模型
• Active RAG、多輪檢索與來源可追溯
• 客戶內部資料清理、權限管理與知識庫建立
• API／MCP 串接，讓客戶既有 AI Agent 可調用資料與工具
• 將 OpView 的外部輿情資料轉化為 AI Agent 可直接使用的資料服務

這個方向符合企業 AI 從 PoC 走向正式部署的需求：客戶會更在意答案有沒有根據、資料是否外流、能否接入既有系統與是否真的節省時間，而不只模型排行榜分數。

公司鎖定小型、高效能、可地端部署的模型，並以模型蒸餾減少有限硬體資源下的推論成本；這有利其服務金融、政府與半導體等機敏資料客戶，也降低自己必須大舉投入 GPU 資本支出的必要性。

4. 財務展望：仍偏輕資產、高毛利，但費用率是觀察點

2025 年營收為 2.10 億元、年增約 20%，其中企業內部知識管理相關產品成長約 60%。AI Search 產品占比增加，理論上有利提高客單價與增加訂閱收入；不過是否能同步提升整體營業利益，要看三項事情：

1. AI 導入是否由 PoC 轉為正式年約與續約
   
2. 新案能否模組化，而非每案都高度客製
   
3. GPU、雲端推論、資料清理與售前導入成本能否被客單價覆蓋
   

意藍原本毛利率已高，AI 成長若建立在既有資料平台、軟體與客戶基礎上，會有營運槓桿；但若 AI 專案過度客製、需要大量人力或外部算力，成長未必等比例轉為 EPS。

5. 中期選項：併購整合與海外擴張

公司曾提及有意尋找同業整合機會，並評估日本等亞洲市場。若執行得當，併購可補足三種能力：

• 特定產業資料來源
• 垂直領域 AI 應用或客戶通路
• 海外語言與在地化資料能力

不過這目前仍屬策略方向，未見足以量化的交易規模、時程或財務貢獻。以意藍目前營收規模而言，併購若發生，短期可能帶來題材與營收外延，但整合成效、人才留任及收購價格會比「有沒有併購」本身更重要。

6. 主要風險：AI 成長能否變成可複製收入

後續最關鍵的風險不在「AI 需求會不會消失」，而在意藍能否守住價值鏈位置。

• 大廠與開源模型壓力：模型、向量資料庫與 RAG 工具越來越容易取得，若客戶認為這些能力可自行建置，意藍須靠資料、導入經驗、資安與在地化維持溢價。
• PoC 不等於營收：企業 AI 專案常停在驗證期。要觀察付費客戶數、續約率、客單價與 AI 營收占比，而不是只看案例數。
• 推論與硬體成本：AI 使用量若大幅增加，舊型 GPU、雲端資源與資料儲存成本都可能侵蝕毛利。
• 公部門與金融業導入週期較長：標案、資安審查與內控驗證會拉長收入認列時間，但一旦進入正式使用，黏著度也相對較高。
• 資料來源與法規風險：輿情資料蒐集、著作權、個資與 AI 治理規範，可能增加合規成本或限制資料利用範圍。

結論

意藍的後續成長邏輯可濃縮為：

OpView 守住高毛利訂閱底盤，AI Search 與 AI Agent 提高客單價、切入金融／政府／高科技的高門檻工作流；若成功把導入案標準化為年約型產品，公司有機會由小型資料 SaaS 走向企業 AI 平台。

短期最值得驗證的是 AI Search 客戶數是否持續增加、AI 營收占比能否往四成推進、智能搜尋產品是否維持高毛利，以及 AI 導入後的自由現金流是否仍穩定。

目前可確認的是，意藍 2026 年上半年獲利仍在累積，但搜尋到的公開資料未見可交叉驗證的 2026、2027 年 EPS 共識數字；我會再取回最新實績，作為評估未來兩年獲利基準。

抱歉，我找到的資訊不足，無法給予預測。

目前公開且可確認的資訊，尚未出現可相互驗證的 2026、2027 年 EPS 市場共識數字；公司也未提供正式的長期獲利財測，因此不宜把單一推估當作未來兩年 EPS 結論。

可作為判讀基準的是：

• 2025 年全年 EPS 為 3.09 元。
• 2026 年第 1、2 季 EPS 分別為 0.39、0.69 元，上半年累計 1.08 元；近四季 EPS 約 2.92 元。
• 未來獲利主要取決於 AI Search 在金融、政府、高科技等高單價場景的導入能否加速，以及既有雲端資料分析訂閱收入是否維持成長與高毛利。公司先前展望為營收維持雙位數成長，但未給出 EPS 指引。

因此，較適合以條件式看待：

• 樂觀情境：AI Search 專案持續轉為訂閱／長約、毛利率回穩，EPS 有機會恢復成長。
• 保守情境：政府與大型企業採購流程拉長，或研發與導入成本增加，則 EPS 成長可能落後營收成長。
• 關鍵觀察指標：單季營收年增率、AI Search 營收占比、毛利率、營業利益率，以及新專案能否形成經常性收入。

意藍的競爭並非單純「誰的模型最強」，而是企業導入生成式 AI 時，誰能把資料、檢索、權限、資安與既有工作流程整合到可長期運作。它的主戰場偏向台灣的金融、政府、情報安全、企業知識管理與電商搜尋，和面向大眾的通用聊天機器人並不完全重疊。

主要競爭對手

意藍的優勢

1. 繁中語意、在地資料與特定場域經驗

意藍長期做中文搜尋、語意分析與網路輿情，產品不只回答問題，也結合社群、商情與內部文件資料。對金融監理、詐騙偵測、政府治理、品牌輿情等需要理解繁中語境與在地資料的用途，這是國際通用模型較難直接複製的切入點。公司既有 AI 智能搜尋客戶以政府與金融為主，並延伸至情報安全等高精確度場景。

2. 賣的是「可信答案」而非單一模型

其 AI Search 將模型、整理過的資料、檢索與引用來源整合，主打回答可以驗證；若資料不足，設計上應回覆不知道，以降低企業最在意的幻覺與錯誤決策風險。這比單純串接通用模型 API，更貼近企業正式導入的需求。

3. 地端部署與權限控管

AI Search for KM 支援雲端與地端部署、企業權限整合，也可顯示回答引用的原始資料；對資料不能離開內網的政府、金融與大型企業，是實際採購門檻，而非單純功能比較。

4. 搜尋、RAG、資料處理的既有技術基礎

意藍不是在 GenAI 熱潮後才切入。其既有搜尋引擎、NLP、輿情資料處理能力，可與 eLAND GOAT、Active RAG 結合，形成從資料整理、檢索、問答到分析的產品鏈。2024 年 AI 智能搜尋營收占比約 17.6%、年增 46.2%，2025 年上半年已超過兩成，顯示產品已開始從題材轉為營收動能。

5. SaaS 基礎帶來客戶關係與交叉銷售

目前較大的營收仍來自雲端資料分析與 OpView。既有客戶本身就有市場情報、輿情監測與資料分析需求，意藍可將 AI 搜尋、企業知識庫或 AI Agent 方案交叉銷售；這比從零開始取得企業客戶更有利。公開資料顯示，2024 年雲端資料分析約占營收近八成。

相對劣勢與風險

1. 通用模型能力與研發資源存在級距

國際雲端與模型平台擁有龐大算力、模型研發投入、全球開發者生態及既有企業帳戶。當企業已使用 Microsoft 365、Google Workspace 或公有雲時，直接加購內建 AI 服務的整合成本可能更低。意藍必須靠在地化、資料主權、專案服務與垂直場景的 ROI，才能避免陷入功能追趕。

2. 模型容易商品化，護城河需落在資料與工作流

開源模型與多模型串接日益成熟，企業未必需要綁定某一個本土 LLM。產業競爭重點已從「模型誰比較強」移向代理能否連上企業資料、工具與系統，以及是否有安全、身份、審批與治理能力。若意藍不能持續把搜尋產品深化到可執行的企業工作流，可能被大型平台或客戶自行開發的 RAG 架構取代。

3. AI Search 的營收基期仍較小

雖然 AI 智能搜尋成長快，但目前主力營收仍是雲端資料分析。這代表 AI 題材能否實質推升整體營收與獲利，取決於大型企業導入後的續約、擴充席次與標準化程度，而不只是展示案例或取得 PoC 專案。

4. 高度客製化可能壓抑擴張速度

金融、政府、情報安全客戶的導入週期長，涉及資料清理、權限設定、資安驗證與流程整合。這有利形成黏著度，但也可能造成專案認列不均、導入成本上升，並限制 SaaS 模式的規模化速度。

5. 輿情資料來源與競品資料的持續性

OpView 的價值依賴資料涵蓋、即時性與分析品質。若社群平台調整 API、爬蟲規則、資料授權政策，或競業取得更完整資料來源，原有資料優勢可能被削弱。

投資上應如何判讀

意藍最有機會勝出的不是全球通用 AI 競賽，而是「繁中、高資安、需可查證答案」的企業 AI 搜尋與決策支援市場。它的優勢是本地語意、資料處理、地端部署與既有客戶；最主要的挑戰則是國際平台將 AI 功能包進既有辦公軟體、雲端與企業系統後，能否仍維持差異化與定價權。

因此，判斷題材是否由想像轉為基本面，重點應放在：

• AI 產品營收占比是否持續提升，且不是只靠一次性專案。
• 金融、政府、情報安全等高門檻客戶是否出現可複製的導入案例。
• AI Search 的續約率、客單價與毛利率能否提升。
• 從「知識問答」進一步走到具權限治理、流程整合與 AI Agent 的實際付費需求。
• 國際平台降價或功能下放後，意藍能否維持本地化與地端部署的溢價。