FDS FactSet Research Systems Inc. 美東 10/26 收盤價：323.39 元-7.93 (-2.39%)

追蹤

FactSet 目前最核心的投資題材可濃縮為：AI 能否把傳統金融資料終端與訂閱服務，升級為可擴張、可依用量計價的金融情報平台。市場同時在觀察其高黏著訂閱收入能否維持中個位數成長，以及 AI 投資是否開始帶來獲利率回升。

1. AI 金融情報平台：從「終端席次」走向「資料＋AI 工作流」

FactSet 正將 AI 嵌入買方投資研究、投資銀行、財富管理、私募市場與投資組合管理流程，重點產品包括：

• FactSet AI 與 AI for Banking
• MCP 資料伺服器
• 文件搜尋、資料擷取與研究助理
• API、資料串流與代理型工作流程
• 投資組合風險、績效、報告與模型分析

市場看重的並非一般聊天機器人，而是 FactSet 能否利用其長期整理的金融資料、公司與證券識別碼、資料標準化能力，以及既有客戶工作流程，成為金融業 AI 應用的可信資料層。

截至 2026 財年第四季，MCP 平台已有超過 650 家付費或試用客戶，API 呼叫量季增約 7 倍；使用 AI 解決方案的客戶，ASV 成長速度約為其他客戶的兩倍。

投資意義

若 AI 只提高既有工作效率，FactSet 的成長可能仍停留在訂閱續約；若 AI 能提高資料用量、導入新使用者、讓客戶購買更多資料集與進階分析能力，則可形成新的消費型收入曲線。

最需要追蹤的是：

• AI 產品對新增 ASV 的實際貢獻。
• MCP 從試用轉付費、再轉為企業級合約的轉換率。
• API／MCP 使用量是否能轉化為更高客戶合約金額。
• AI 推論、雲端與 token 成本是否會侵蝕毛利率。

2. ASV 加速與訂閱收入：高留存率是核心護城河

FactSet 超過九成收入來自訂閱，ASV 可視為未來 12 個月已簽約的年化訂閱收入，是評估其成長與收入能見度的核心指標。

2026 財年第四季：

• 營收年增 6.3% 至 6.35 億美元。
• 有機營收成長 7.1%。
• 有機 ASV 年增 7.0% 至 25.68 億美元，增加 1.682 億美元。
• ASV 年留存率維持 95% 以上。
• 平均續約年期增加約 30%。

長約化與企業級合約的意義在於：

1. 提高未來收入可見度。
2. 降低單一使用者席次增減對營收的影響。
3. 讓 FactSet 能將資料、桌面工具、API、AI 代理與服務整合銷售。
4. 為未來用量計費保留空間。

不過，合約期拉長也是雙面刃：若 AI 定價模式快速變化，過早鎖定固定價格，可能限制未來對高用量客戶的變現能力。

3. AI 變現已出現，但仍處早期

AI 題材已有初步商業化證據，而非只有概念：

• AI 解決方案在第四季占新增 ASV 的雙位數比重。
• 2026 財年新增 AI 解決方案 ASV 年增逾一倍。
• 使用 MCP 的既有工作站客戶，多數會提高整體年度支出。
• 部分 MCP 交易已達五位數至六位數金額。

這使市場開始關注 FactSet 能否從傳統「每位使用者、每年訂閱」模式，逐步轉向：

基礎訂閱費＋企業平台費＋資料與 API 用量費＋AI 工作流價值定價。

這是估值上修的最大潛在來源，但公司 2027 財年指引尚未假設 AI 帶來額外加速，顯示管理層對 AI 貢獻仍採保守態度。

4. 獲利率谷底與營運槓桿修復

市場的另一條主線是：AI 投資何時從成本，轉為利潤率擴張來源。

FactSet 在 2026 財年加大投入雲端、資安、AI 基礎設施、產品開發與商業化能力，使獲利率承壓：

第四季調整後營業利益率為 33.0%，低於前年同期的 33.8%；主要是與 ASV 表現連動的激勵薪酬、技術與 AI 投入增加。

但管理層預期 2026 財年的利潤率已接近低點，並給出 2027 財年調整後營業利益率 34.75%–35.25%，意味著預計改善 25–75 個基點。

投資意義

若 AI 採用提高收入、同時內部 AI 工具降低開發與客服成本，FactSet 有機會重啟營運槓桿，形成：

ASV 成長加速 → 營收認列 → 利潤率修復 → EPS 成長加速

反之，若 AI 用量提高但 token、雲端與模型成本成長更快，或無法讓客戶接受用量計價，AI 將成為長期利潤率壓力。

5. 從機構買方走向財富管理、投行與市場基礎設施

FactSet 過去較依賴機構買方，但市場希望看到收入來源更分散，以降低主動式資產管理產業結構轉弱的影響。

目前 ASV 成長較快的客群包括：

亞太地區 ASV 成長 10.6%，為各區最快；美洲成長 7.1%，歐洲、中東與非洲成長 5.2%。

因此市場會關注：

• 投行端 AI for Banking 能否搶下更多金融建模、研究、簡報與盡職調查工作流。
• 財富管理工具能否擴大顧問席次與客戶互動。
• 私募市場、即時資料與市場基礎設施是否成為新 ASV 來源。
• 買方成長能否由低個位數回升，抵銷主動投資轉被動投資的結構性壓力。

6. 資本配置：高現金流、回購與股息

FactSet 的商業模式具備高現金轉換能力。2026 財年自由現金流達 7.07 億美元、年增 14.6%，並透過股利與回購返還逾 8 億美元給股東；全年回購約 6.44 億美元，使流通股數減少近 7%。

這是 FDS 與高研發、虧損型 AI 或金融科技公司不同之處：

• 訂閱收入與高留存率提供現金流底盤。
• 回購可在營收中個位數成長下，提高每股盈餘成長。
• 股息已連續 27 年成長。
• 淨負債／EBITDA 約 1.2 倍，財務槓桿尚可控。

不過，2027 年 3 月有 5 億美元、利率 2.9% 的債券到期，再融資成本上升與預期稅率提高，合計可能對 2027 財年 EPS 成長造成約 2 個百分點逆風。

7. AI 既是機會，也是商業模式風險

FactSet 的 AI 題材需要用雙面角度看待。

有利情境

• 金融機構重視資料來源、可追溯性、法遵、安全與正確性。
• FactSet 擁有超過千個資料集、長期客戶關係、資料標準化與工作流整合能力。
• AI 讓 FactSet 從資料供應商升級為企業決策與自動化工作流平台。
• MCP、API 與企業合約擴大資料的使用情境與客戶接觸面。

不利情境

• 大型通用 AI 模型、金融資訊競爭者或客戶自建工具，可能降低傳統終端席次需求。
• 開放 API 與 MCP 雖擴大資料接觸，但也可能弱化原本桌面軟體與封閉工作流程的護城河。
• 用量型計價若無法有效傳遞算力成本，AI 成長可能犧牲毛利率。
• 金融機構縮減人力、併購整併或主動投資轉向被動投資，仍會限制席次型訂閱成長。

FactSet 在年報中明確指出，AI 可能讓客戶更容易自建資料、分析與工作流程工具，也可能帶來更高算力、模型授權、資料權利與法遵成本。

8. 未來一年市場最在意的驗證指標

整體而言，市場正在交易 FactSet 的「AI 驅動訂閱升級」故事，而非單純金融資料終端需求。短期重點是 ASV 能否持續高於 5%–6.5% 的公司指引；中期重點則是 AI 是否轉化為更高客戶支出與利潤率回升。若兩者同時實現，FDS 可望從中個位數訂閱成長公司，重新取得更高品質的資料與軟體平台評價。

FactSet 接下來的投資主軸，是把既有的高留存訂閱模式，轉成「企業級合約＋資料 API／MCP＋AI 工作流程＋部分用量計價」的平台收入模式。短期展望偏穩健，中期的上行空間則取決於 AI 是否能從採用擴大到可觀的收入與毛利貢獻。

2027 財年指引：成長放緩，但獲利率可望回升

公司對 2027 財年的官方預期為：

2026 財年 FactSet 有機 ASV 成長 7% 至 25.68 億美元、營收成長 6.7% 至 24.76 億美元，調整後 EPS 成長 6.1% 至 18.01 美元。2027 年的指引代表公司預期營收維持中個位數成長、但透過效率改善與股本減少，讓 EPS 增速回到高個位數。

值得注意的是，2027 年指引未假設 AI 產品會額外加速成長。這讓指引的基準相對務實；若 AI 商業化進展快於目前假設，才可能形成上修空間。

成長引擎一：AI 從附加功能轉向企業工作流

FactSet 的 AI 策略不只是在工作站加入問答功能，而是將其資料、分析工具與 AI 代理嵌入投資研究、投行建模、財富管理、績效歸因、風控與客戶報告等流程。

幾個已可觀察到的進展：

• 2026 財年 AI 方案新增 ASV 年增超過一倍。
• 第四季 AI 相關方案已占新增 ASV 的雙位數比例。
• 超過 650 家客戶已透過付費或試用方式使用 MCP 資料服務。
• 第四季 API 呼叫量季增 7 倍。
• 使用 AI 方案的客戶，其 ASV 成長速度約為其他客戶的兩倍。

中期最重要的變化是，合約可能從傳統的「每席訂閱」逐步轉為：

最低訂閱承諾＋企業平台費＋資料／API 消費量＋AI 工作流價值定價。

這能提高單一客戶的收入上限，也能降低單純工作站席次受到金融業人力縮減的影響；但用量型收入更具波動性，且必須確認定價能覆蓋雲端、模型與 token 成本。

成長引擎二：長約化與企業級合約提升收入能見度

FactSet 正把客戶關係由個別使用者授權，推向涵蓋多產品的企業協議。2026 財年第四季，多數續約 ASV 已透過企業合約或三年以上合約完成，平均續約合約年期增加約 30%；全年 ASV 留存率仍高於 95%。

其意義包括：

• 更高的續約可見度與較低流失率。
• 有利交叉銷售資料、實時行情、投組分析、API 與 AI 服務。
• 客戶越深入使用多個模組，轉換至競品的成本越高。
• 大型合約的簽約時間與認列時點不同，將使季度 ASV 成長不一定平滑。

公司已明確提醒，2027 年因續約循環與企業級協議比重提高，ASV 成長可能在季度間有明顯波動，不能只用單季數字判讀趨勢。

成長引擎三：財富管理、投行、即時資料與 APAC

FactSet 過去高度依賴機構買方，但目前正擴大幾個成長較快的客群：

• 投行與交易相關客戶：AI for Banking、建模、簡報、自動盡職調查與研究流程。
• 財富管理：投組分析、績效報告、顧問工具與客戶互動。
• 市場基礎設施與即時資料：資料分發、授權管理及 API／MCP 服務。
• 私募市場資料：整合不同來源的非公開市場資訊，強化 PE、VC 與私募信貸工作流程。
• 亞太地區：2026 財年第四季有機 ASV 年增 10.6%，是三大區域中最快；美洲為 7.1%、EMEA 為 5.2%。

這種客群擴散若能持續，有助降低公司對傳統主動式資產管理客戶及工作站席次收入的依賴。

獲利率：2026 年可能已是低點，但不是直線回升

2026 年 FactSet 加碼 AI、雲端、資安、產品開發與商業化能力，使調整後營業利益率由 36.3% 降至 34.5%。第四季更降至 33%，主要來自與 ASV 表現連動的獎酬費用，以及科技相關成本上升。

2027 年預期回升到 34.75%–35.25%，公司的邏輯是：

1. 2026 年的基礎建設、資安與 AI 投資已先行。
2. 人力已出現淨減少，組織簡化與內部 AI 工具開始提高效率。
3. AI 協助工程、資料處理與客服，可釋放資源投入高成長產品。
4. 收入將逐步認列先前取得的高 ASV 合約。

不過，利潤率修復仍有兩個限制：

• 新增 ASV 帶來的業績獎酬會先認列成本，但訂閱收入按時間攤提，短期可能壓低單季利潤率。
• AI 用量如果快速增加、但消費計價不足以轉嫁 token 與雲端成本，反而可能壓縮毛利。

因此，2027 年可以把 35% 左右調整後營業利益率 視為重要驗證線，而非預設它會迅速回到過去 36% 以上的水準。

EPS 與現金流：股本減少仍是每股成長助力

2026 年自由現金流達 7.07 億美元、年增 14.6%；公司全年以股利與庫藏股合計回饋約 8.08 億美元，其中庫藏股約 6.44 億美元，流通股數減少近 7%。

這使 FactSet 即使營收成長維持中個位數，仍可透過：

• 回購減少股數；
• 股利穩定成長；
• 產品組合優化與營運效率改善；

來提升每股盈餘與每股自由現金流。

財務面需留意的是，2027 年 3 月有 5 億美元、票面利率 2.9% 的債券到期。預期再融資成本將上升，加上有效稅率較高，合計約對 2027 年 EPS 成長造成 約 2 個百分點逆風。公司目前淨負債槓桿約 1.2 倍，且已提高循環信貸額度，因此償債能力不是核心疑慮，但利息費用上升會壓縮部分 EPS 成長。

後續風險：AI 是成長選擇權，也是護城河測試

FactSet 的長期展望取決於能否證明：AI 不是讓客戶以更低成本替代工作站，而是讓客戶消費更多資料與工作流服務。

有利情境

• AI 代理把 FactSet 資料嵌入客戶日常工作流程。
• MCP、API 與即時資料形成新的消費型收入。
• 大型企業採更長年期、多產品合約，提升客戶終身價值。
• AI 改善內部工程、客服與資料處理效率，推動利潤率回升。
• 投行、財富管理、私募市場與亞太成長，降低買方單一客群曝險。

不利情境

• 客戶採用通用 AI 或專用文件搜尋工具，減少對工作站席次的依賴。
• AI 功能使用量增加但無法以消費定價轉嫁模型、雲端與資料權利成本。
• 客戶因成本控管、金融業併購或主動投資轉被動投資而縮減資料預算。
• Bloomberg、LSEG、S&P Global 等大型對手透過資料綑綁、價格或更完整企業方案壓縮 FactSet 的定價能力。
• 組織調整、產品轉型與新管理團隊更迭同步進行，執行複雜度上升。公司也在年報中明確列示 AI 商業化、成本、資料權利、法遵與競爭替代的風險。

投資上最重要的三個觀察點

1. 有機 ASV 成長能否維持在指引上緣或重返 7%

   • 這是訂閱基本盤與新產品商業化最直接的領先指標。

2. AI 是否帶來可量化的收入，而非只有使用量

   • 觀察 AI 新增 ASV 占比、MCP 從試用轉為企業付費的比例、API 用量是否轉成消費收入，以及 AI 客戶的平均合約金額。

3. 調整後營業利益率能否回升至 35%附近

   • 這能確認 2026 年投資確實開始產生營運槓桿，而非形成長期成本結構上升。

整體判斷：FactSet 的 2027 年是「營收中個位數、EPS 高個位數、利潤率溫和修復」的過渡年。基本訂閱業務與現金流提供下檔支撐；AI、企業級長約、資料 API 與用量計價則構成中期上行選擇權。若 AI 能提升每戶收入且不侵蝕毛利，公司可重新取得資料與工作流平台的估值溢價；若僅帶來成本增加或加速終端機席次商品化，成長與評價都會受到限制。

FactSet 的競爭並非單一對手，而是橫跨「金融資料終端、指數與風險分析、研究文件搜尋、私募市場資料、投資流程軟體」等多個層面。它最直接的戰場是機構投資人的日常研究與投資工作流程。

主要競爭者與各自強項

研究分析師的金融資料市場高度集中，S&P Global、FactSet、Bloomberg 與 LSEG 是主要供應商，四者合計約占該族群資料支出的 75%。FactSet 對研究分析師的聚焦度尤其高，該客群約占其資料營收的 45%。

1. Bloomberg：終端機、即時資料與金融人脈網絡的最強對手

Bloomberg 的優勢在於把即時市場資料、新聞、研究、交易工具、訊息服務與專業人士網絡放入單一工作站。對交易員、投資銀行、固定收益與跨資產投資團隊而言，這種整合深度與品牌地位仍很難取代。

Bloomberg 相對 FactSet 的優勢

• 即時跨資產市場資料、固定收益、外匯與衍生品能力更完整。
• 強大的新聞內容、通訊網絡與交易相關工作流。
• 高階金融專業人士間的品牌辨識度與網絡效應強。
• 大型機構往往已把其終端視為基礎設施。

FactSet 相對 Bloomberg 的優勢

• 對買方研究、公司模型、投資組合分析、績效歸因與客戶報告的整合較具彈性。
• 模組化、API 與客製化程度較高，容易嵌入客戶既有系統。
• 對只需研究與投資管理工作流、而不需要完整交易終端的客戶，成本效益通常更具吸引力。
• 在研究人員每日使用情境中，介面和資料串接常被視為較實務導向。

競爭判讀：Bloomberg 是 FactSet 最難正面取代的對手；FactSet 的策略不是複製其全功能終端，而是提高買方、財富管理與投行客戶在研究到投資流程中對 FactSet 的依賴度。金融資料平台比較中，Bloomberg 的優勢在整合型機構工作流；FactSet 則在資產管理的研究、風險、績效、交易與報告流程串接更具特色。

2. LSEG：跨資產資料與企業級資料合約的強敵

LSEG 以 Workspace 為核心，承接原有 Refinitiv 的資料資產，強項包括跨資產市場資料、企業資料、新聞、研究、Excel 整合與程式化分析環境。

LSEG 相對 FactSet 的優勢

• 資料覆蓋廣，涵蓋股票、債券、外匯、商品、衍生品與各地市場。
• 在即時金融資料、交易相關市場資訊及企業級資料合約具規模。
• 在跨資產投資、交易與大型金融機構的資料基礎設施中具優勢。
• 可結合交易所、指數與後交易相關生態系，服務範圍比 FactSet 更廣。

FactSet 相對 LSEG 的優勢

• 在股票研究、基本面分析、買方投資工作流與投資組合工具更專注。
• 對中大型資產管理人、研究團隊與財富管理客戶，工作流程整合可更具彈性。
• 較容易透過資料、桌面工具、API 與企業工作流的組合，提供客製化方案。

競爭判讀：LSEG 的核心優勢是「廣度與企業級規模」，FactSet 的防守點是「研究流程的易用性與投資管理工作流黏著度」。LSEG Workspace 已把 AI 搜尋、推薦與深度研究工具納入平台，意味 FactSet 的 AI 不只要做到功能齊備，還必須證明資料品質、可追溯性與工作流整合能帶來更高客戶支出。

3. S&P Global：資料內容、評等與交叉銷售能力強

S&P Global 的競爭優勢不只是 Capital IQ，而是資料、信用評等、指數、能源與商品資訊、移動力資料及風險產品的綜合平台。

S&P Global 相對 FactSet 的優勢

• 公司基本面、產業資料、私募市場、信用與評等資料更廣。
• 信用評等與指數業務具高度制度性與長期經常性收入。
• 能將資料產品與信用、指數、風險、能源資訊交叉銷售。
• 企業客戶與金融機構覆蓋廣，定價與大型合約議價能力較強。

FactSet 相對 S&P Global 的優勢

• 更聚焦資產管理人的投資研究、選股、模型與投資組合流程。
• 工作站、資料管理、績效歸因、風險、交易與客戶報告的串接更完整。
• 對研究團隊而言，資訊整合與日常操作效率是重要賣點。

S&P Global、FactSet、Bloomberg 與 LSEG 長期主導研究分析師資料市場，S&P Global 在該市場的營收份額相對更高，顯示其內容與客戶覆蓋優勢。

競爭判讀：S&P Global 是 FactSet 在公司與產業資料、研究平台最直接的對手之一。FactSet 的弱點是缺乏信用評等、指數授權等更高制度性護城河，因此更依賴產品體驗、客戶服務、資料整合與續約能力來維持競爭力。

4. MSCI：指數、風險模型與資產配置分析的專家

MSCI 的核心強項在於：

• 全球股票與固定收益指數
• ETF 與被動投資的指數授權
• 因子模型與投資組合風險分析
• ESG、氣候與永續投資資料
• 資產所有人與大型機構投資組合工具

MSCI 相對 FactSet 的優勢

• 指數被動資產連結與授權收入，具極高黏著度與營運槓桿。
• 風險模型與因子分析在資產配置、退休基金、保險與主權基金市場具深厚地位。
• ESG、氣候風險與基準指數在制度型客戶中具較高影響力。

FactSet 相對 MSCI 的優勢

• 研究資料、公司模型、券商研究、即時市場資訊與投資流程範圍更廣。
• 對主動型股票研究、投資銀行、財富管理與交易後流程的服務完整度較高。
• FactSet 不依賴單一指數授權模式，客戶需求更分散。

競爭判讀：MSCI 不會全面取代 FactSet，但在投資組合風險、因子、ESG 與指數基準需求上具技術與資料深度。FactSet 若要提高大型資產管理客戶的平均支出，必須持續補強風險分析、私募資料與投資組合整合能力。

5. Morningstar：基金、財富管理與投資研究的利基競爭者

Morningstar 的強項集中在：

• 基金、ETF 與投資產品研究
• 評等、投資組合分析與顧問工具
• 財富管理與退休金服務
• 私募市場資料
• 信用評等與指數授權

Morningstar 相對 FactSet 的優勢

• 在獨立投資研究、基金評等與財富管理顧問市場具有高度品牌辨識。
• 財富管理、退休金與投資顧問工作流滲透率高。
• 基金與 ETF 的資料、評等與投資產品分析具長期信任基礎。

FactSet 相對 Morningstar 的優勢

• 機構買方、投資銀行及企業研究的涵蓋更深。
• 即時資料、公司基本面、模型、交易與風險工作流更完整。
• 可將投資研究與機構級資料管理、投組風控及客戶報告整合。

競爭判讀：Morningstar 對 FactSet 的威脅主要在財富管理與投資產品研究，而非全方位機構研究終端。若 FactSet 希望降低對機構買方的依賴，財富管理的滲透速度將成為關鍵。

6. AlphaSense、Hebbia 等 AI 原生工具：對「研究席次」最具破壞性的競爭

這類公司通常不會立刻取代完整 FactSet 平台，卻可能先取代最容易被拆分的部分：閱讀文件、查找法說重點、篩選新聞、整理產業資訊與撰寫初步研究摘要。

AI 原生工具的優勢

• 自然語言搜尋體驗更直覺，訓練成本低。
• 能快速處理大量法說會逐字稿、申報文件、研究報告、專家訪談與內部文件。
• 在「文件量太大、研究人力不足」的任務中效率突出。
• 產品迭代速度快，且可能以更低價格切入。

AlphaSense 強於研究文件、申報資料、專家訪談、新聞、財務資訊與企業內部文件的 AI 搜尋及多代理研究；但它並非完整替代交易終端、投資組合系統或客戶管理流程。

FactSet 的反制優勢

• 金融資料已長期清理、標準化、建立實體識別與關聯。
• 大型金融客戶重視資料來源、稽核軌跡、法遵、權限與資訊安全。
• 可把 AI 直接嵌入既有投資流程，而非要求客戶另外切換工具。
• 已推出文件搜尋、MCP、AI for Banking 與 API 串接，從資料供應商轉向可供企業 AI 使用的資料層。

FactSet 把 AI 文件搜尋擴大至逾 85,000 名使用者測試，重點是將法說、申報文件、新聞與私募市場資料，以可追溯來源的方式提供自然語言查詢；成敗取決於是否能轉為付費升級、提高席次，並證明其可靠性與稽核能力。

競爭判讀：AI 原生工具是 FactSet 最值得注意的中期風險。若客戶只需要「快速讀文件與產出摘要」，FactSet 的傳統工作站可能遭壓縮；若客戶需要「可信資料＋可稽核來源＋投組與交易流程串接」，FactSet 仍有明顯防守優勢。

FactSet 的 SWOT

FactSet 的優勢在經常性訂閱與工作流黏著，2026 年有機 ASV 維持約 6%–7%成長；但競爭者的規模、資料廣度與產品綁定能力，會限制其定價能力，AI 與雲端投資也已對營業利潤率形成壓力。

最關鍵的優劣勢：不是資料量，而是「工作流控制權」

FactSet 的真正優勢不是資料庫規模最大，而是它能否把資料、模型、研究、風險、績效、交易、法遵與客戶報告留在同一個機構工作流程中。

• 贏的情境：AI 讓 FactSet 資料被使用得更多，MCP／API 成為客戶 AI 的可信資料層，企業合約金額提高，續約更長、席次與模組增加。
• 輸的情境：客戶把通用 AI 或 AI 原生搜尋工具作為研究入口，僅購買低成本資料來源，FactSet 的工作站席次、每席收入與定價能力被壓縮。

所以，FactSet 面對 AI 的核心問題並不是「有沒有推出 AI 功能」，而是能否把 AI 從防守型功能轉為高毛利的資料用量、企業平台與工作流訂閱收入。目前 AI 功能已開始被大型客戶採用，但雲端、模型與工程投入同步增加，短期仍可見利潤率壓力。