Phancy Group Co., Ltd. (06682): JPMorgan, 이기종 컴퓨팅 최적화와 확장 가능한 API Token 경제성을 근거로 Phancy를 Overweight로 신규 커버리지

개요

이 신규 커버리지 보고서는 Phancy가 기업용 AI 소프트웨어 및 프로젝트 구축 기업에서 이기종 컴퓨팅 최적화와 Token 생산을 수익화할 수 있는 AI 인프라 기업으로 진화하고 있다고 주장한다. JPMorgan의 긍정적 견해는 AI 지능 소비 확대, 중국 특유의 구축 복잡성, 빠른 API 성장 및 보다 확장 가능한 경제성으로의 전환 가능성에 근거한다.

핵심 견해

JPMorgan은 Phancy 커버리지를 Overweight로 시작하고 Dec-2027 목표주가를 HK$50으로 제시했다. 근거는 15x 2028E EV/EBITDA이다. 보고서는 Phancy를 전통적 SaaS 기업이 아니라 AI 인프라 및 기업 구축 기업으로 규정한다. 회사는 AI Platform을 통한 기업 구축과 함께 HAMi/RISE 및 ModelHub를 통해 이기종 컴퓨팅 관리, 모델 적응 및 서빙 기능을 제공한다. 목표 멀티플은 성숙한 인프라 동종업체보다 빠른 성장과 차별화된 이기종 컴퓨팅 익스포저를 반영하는 한편, 구축 및 서비스가 여전히 자본·서비스 집약적이어서 소프트웨어형 18-20x 멀티플보다 낮다. 기본 수요 논리는 작업당 지능 소비가 늘고 있다는 것이다. 추론 모델, 에이전트, 장문 컨텍스트 워크로드 및 멀티모달리티는 더 많은 추론 연산을 사용하며, 낮아진 추론 비용은 더 다양한 워크로드를 경제적으로 실행 가능하게 한다. JPMorgan은 단위 비용 하락이 추가 사용을 촉진할 수 있으므로 효율성 향상이 반드시 전체 인프라 수요를 줄이지는 않는다고 본다. 중국은 기업들이 Nvidia GPUs, Huawei Ascend 및 기타 국내 가속기뿐 아니라 DeepSeek, Qwen, GLM, Kimi 및 MiniMax 등 복수의 기반 모델을 사용할 수 있다는 점에서 특히 중요하다. 이러한 하드웨어와 모델의 분절성은 자원 스케줄링, 크로스칩 최적화 및 모델 인지형 서빙의 운영 가치를 높인다. Phancy의 AI Platform은 기존 수요 기반이다. 1H26 매출은 약Rmb3.1bn으로 전년 대비 30% 증가했고, 그룹 매출의 약82%를 차지했다. 사업은 인프라 구축, 유지보수 및 기술 서비스를 포함하는 주로 프로젝트 기반 모델이어서 회계상 반복성은 전통적 SaaS보다 낮다. 그럼에도 JPMorgan은 기업 구축 수요와 이기종 환경에서의 경험을 바탕으로 2026-28E 26% CAGR을 예상한다. API는 Phancy의 인프라 역량을 사용량 기반 Token 경제에 직접 연결한다는 점에서 사업 모델의 핵심 변화로 제시된다. 회사는 자체 컴퓨팅 기반에서 제3자 모델을 구축하고, 모델-하드웨어 조합을 최적화하며, 최첨단 모델 학습 비용을 부담하지 않고 기업 고객에 추론 용량을 판매할 수 있다. API 매출은 1H26 약Rmb464mn으로 전년 대비 861% 증가했다. JPMorgan은 2026E, 2027E, 2028E API 매출을 각각Rmb1,507mn, Rmb3,013mn, Rmb5,424mn으로 예상한다. API는 가장 빠르게 성장하는 사업으로 유지될 것이며, 가동률, 조달 규모 및 서빙 효율성 개선에 따라 향후 2년 동안 API 매출총이익률이 약30%에 근접할 것으로 본다. 보고서는 참여와 가치 포착을 구분한다. Token 성장은 수요 익스포저를 보여주지만, 매출총이익률과 컴퓨팅 단위당 매출총이익의 상승은 Phancy가 창출한 효율성 가치 일부를 유지하고 있음을 보여준다. 보고서는 희소성이 원시 컴퓨팅 용량 접근에서 이기종 최적화로, 궁극적으로 지능 효율성으로 이동하고 있다고 본다. 중립 플랫폼은 여러 아키텍처와 모델에 걸친 고객의 전체 컴퓨팅 풀을 관리할 수 있다. 이는 자체 생태계 안에서 강점을 지닌 수직 통합형 칩 벤더, 모델 개발자 또는 클라우드 제공업체와 다르다. 이러한 중립성은 혼합 인프라, 여러 모델, 프라이빗 구축 또는 프로덕션급 거버넌스가 필요한 기업에 가치가 있을 수 있다. 다만 JPMorgan은 이 강점이 자동적으로 확보되는 것은 아니라고 강조한다. Phancy는 가동률, 처리량, 지연시간, 메모리 효율성, 구축 속도 또는 추론 비용에서 측정 가능한 개선을 보여야 한다. HAMi/RISE, ModelHub 및 관련 기능이 고객 간 재사용되면 더 소프트웨어형 경제성을 뒷받침할 수 있지만, 맞춤형 엔지니어링 의존이 지속되면 프로젝트형 경제성이 남는다. JPMorgan은 2026-28E 매출 CAGR 36%를 예상하며, 매출은 2026E, 2027E, 2028E 각각Rmb10,628mn, Rmb14,583mn, Rmb19,798mn, 조정 순이익은 각각Rmb141mn, Rmb378mn, Rmb965mn으로 전망한다. 2028E 조정 순이익 전망은 컨센서스를 37% 상회하며, 더 강한 API 확장, 개선된 단위경제성 및 매출보다 느린 영업비용 증가를 반영한다. 조정 EBITDA는 2026E Rmb139mn에서 2027E Rmb542mn, 2028E Rmb1,311mn으로 증가할 것으로 예상한다. 사업 믹스 변화에 따른 초기 부담에도 JPMorgan은 그룹 수익성 회복을 예상한다. 그룹 매출총이익률은 1H25 37.7%에서 1H26 32.8%로 하락했고, 매출총이익은 약Rmb1.2bn이었다. 사업에는 컴퓨팅 용량, 장비 및 운전자본이 필요하므로 보고서는 회계상 이익만으로는 충분한 증거가 아니라고 본다. JPMorgan은 CFO가 2026E Rmb523mn으로 플러스 전환한 후 2027E Rmb376mn, 2028E Rmb421mn이 될 것으로 예상한다. 반면 지속적인 투자에 따라 FCFF는 같은 기간 Rmb125mn, 음의Rmb170mn, 음의Rmb246mn으로 예상한다. 따라서 핵심 재무 검증은 증분 자본 생산성이다. 바람직한 결과는 증가하는 Token 수요를 기존 컴퓨팅 기반에서 더 높은 가동률과 처리량으로 처리해 매출총이익과 현금흐름이 투자자본보다 빠르게 증가하는 것이다. 자체 보유 또는 임차 컴퓨팅과 운전자본을 비례적으로 추가해야 하는 성장 경로는 수익률과 멀티플 확장을 제한한다. Agentic AI는 현재 주요 가치평가 동인이 아니라 잠재적인 장기 확장 영역이다. 1H26 매출은 약Rmb214mn으로 전년 대비 5% 증가했다. JPMorgan은 더 의미 있는 가치평가 기여를 부여하기 전에 매출 재가속, 반복 고객 채택, 고객 간 제품 재사용, 유지율 및 단위경제성 개선을 확인하고자 한다. 더 높은 가동률과 마진을 수반하는 강한 API 성장, HAMi/RISE 및 ModelHub의 폭넓은 사용과 재사용, 그리고 CFO, FCF 및 증분 ROIC 개선을 가장 명확한 상방 확인 지표로 본다. A주 상장 성공은 국내 자금 조달 기반을 확대할 수 있으나, 가치평가 효과는 희석과 신규 자본에서 창출되는 수익률에 달려 있다.

분석 프레임워크

JPMorgan은 먼저 AI 인프라 수요와 중국의 분절된 하드웨어·모델 환경을 분석한 뒤, Phancy의 AI Platform 및 API 사업이 이 복잡성을 어떻게 수익화하는지 평가한다. 부문 성장, 가동률, API 마진, 영업 레버리지, 현금 전환 및 증분 자본수익률을 통해 투자 논리를 검증하고, 인프라 집약적 운영 모델을 반영하기 위해 2028E EV/EBITDA로 가치를 평가한다.

방법론 메모

• 가치평가 방법론EV/EBITDA 가치평가

  15x 2028E EV/EBITDA 목표 멀티플 가치평가

  JPMorgan은 감가상각, 구축 비용 및 지속적 투자가 Phancy의 자본·서비스 집약적 사업에서 보고 순이익에 크게 영향을 줄 수 있기 때문에 P/E 대신 EBITDA를 사용한다. 15x 멀티플은 더 빠른 성장과 차별화된 최적화 익스포저를 여전히 큰 구축·서비스 요소와 균형시킨다.

• 산업 분석 프레임워크수급 프레임워크

  AI 지능 소비 수요와 인프라 효율성 공급 분석

  보고서는 추론, 에이전트, 장문 컨텍스트 및 멀티모달 워크로드의 증가를 추론 컴퓨팅 수요와 연결하고, 용량이 더 풍부해지는 상황에서 이기종 최적화가 가동률을 높이고 서빙 비용을 낮출 수 있는지를 평가한다.

• 기업 펀더멘털 및 재무 프레임워크잉여현금흐름 분석

  CFO, FCF 및 증분 ROIC 평가

  인프라 집약적 모델에서는 강한 매출 성장과 약한 잉여현금흐름이 공존할 수 있기 때문에, JPMorgan은 회계 이익과 별도로 현금 전환과 추가 컴퓨팅·운전자본에 대한 수익률을 평가한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Phancy Group Co., Ltd. (06682.HK)

  주요 커버리지 기업이며, 이기종 컴퓨팅 최적화와 기업용 AI 인프라 수요의 수혜를 받을 위치에 있다.

  강점

  AI Platform은 기업 구축 기반을 제공하고, API는 Token 소비에 대한 직접적인 익스포저를 제공한다. 중립적인 크로스플랫폼 최적화는 혼합 하드웨어 및 모델 환경에서 가치를 가질 수 있다.

  약점

  매출은 여전히 일부 프로젝트 기반이고 자본 집약적이며, 현재 경제성은 구축, 서비스, 컴퓨팅 및 운전자본에 크게 의존한다.

  비교

  JPMorgan은 성장과 이기종 컴퓨팅 익스포저가 성숙한 인프라 동종업체 대비 프리미엄을 정당화한다고 보지만, 소프트웨어형 18-20x EV/EBITDA 멀티플을 정당화하지는 않는다고 본다.

  위험

  AI 수요 둔화, 추론 경제성 압박, 최적화 역량의 상품화, 낮은 가동률 또는 지속되는 자본 집약성이 마진과 수익률을 제한할 수 있다.

핵심 데이터

• 투자의견 및 목표주가Overweight; HK$50.00 Dec-27 target목표주가는 15x 2028E EV/EBITDA에 근거한다. 2026년 9월 23일 주가는 HK$27.60이었다.
• 2026-28E 매출 CAGR36%JPMorgan 전망.
• 2028E 조정 순이익Rmb965mn약Rmb0.9bn이며, JPMorgan 전망은 컨센서스보다 37% 높다.
• AI Platform 매출c.Rmb3.1bn in 1H26전년 대비 30% 증가했고 그룹 매출의 약82%를 차지한다.
• API 매출Rmb464mn in 1H26전년 대비 861% 증가했으며, 2026E/2027E/2028E는Rmb1,507mn/Rmb3,013mn/Rmb5,424mn으로 예상된다.
• API 매출총이익률c.30%가동률, 조달 규모 및 서빙 효율성 개선에 따라 향후 2년간 달성할 것으로 예상된다.
• 그룹 매출총이익률32.8% in 1H26사업 믹스 변화로 1H25의37.7%에서 하락했다.
• 2028E 조정 EBITDARmb1,311mn2026E는Rmb139mn, 2027E는Rmb542mn이다.
• 영업활동 현금흐름Rmb523mn/Rmb376mn/Rmb421mnJPMorgan의 2026E/2027E/2028E 전망.
• FCFFRmb125mn/(Rmb170mn)/(Rmb246mn)JPMorgan의 2026E/2027E/2028E 전망으로, 지속적인 투자 필요성을 부각한다.

영향과 시사점

JPMorgan은 Phancy의 가치평가 상승이 이기종 최적화와 API 서빙이 빠르게 성장하는 Token 수요를 재사용 가능한 제품 매출, 더 높은 마진 및 현금 수익으로 전환할 수 있음을 입증하는 데 달려 있다고 주장한다. 가동률, 매출총이익률 및 자본수익률 개선 없이 매출만 증가한다면 멀티플 확장 근거는 약하다.

위험

• 효율성 개선이 새롭고 경제적으로 실행 가능한 워크로드 창출을 앞지르면 AI 컴퓨팅 수요가 예상보다 느리게 증가해 Token 수요, 가동률 및 API 용량 흡수가 낮아질 수 있다.
• Token 수요가 강하더라도 독립 추론 경제성은 압박받을 수 있다. 모델 개발사의 공식 API 가격 인하, 클라우드 제공업체의 추론 보조금, 오픈 모델 경쟁이나 상업 라이선스 변화로 인한 제3자 엔드포인트 가치 하락 또는 용량 부족에 따른 조달 비용 상승이 원인이 될 수 있다.
• 칩 벤더가 소프트웨어를 개선하고, 클라우드 제공업체가 최적화를 내재화하며, 오픈소스 도구가 구축을 표준화함에 따라 최적화 계층의 희소성이 낮아질 수 있다.
• GPU 구매, 리스 및 운전자본 수요로 자본 집약성이 높게 유지되어 빠른 매출 성장에도 영업현금흐름과 FCF가 약할 수 있다.
• 제품화 진행이 느리면 Phancy는 맞춤형 구축에 계속 의존하게 되어 마진 확대와 영업 레버리지가 제한될 수 있다.

주시할 점

• API 매출 성장이 가동률 및 매출총이익률 개선을 동반하는지 여부.
• 컴퓨팅 단위당 매출총이익과 API 매출총이익률이 향후 2년간 약30%에 근접하는지 여부.
• HAMi, RISE 및 ModelHub의 고객 간 및 하드웨어 플랫폼 간 폭넓은 채택과 재사용.
• R&D 및 인프라 지출 대비 매출 성장, 그리고 CFO, FCF 및 증분 ROIC.
• Agentic AI에서 반복 고객 채택, 유지율 및 단위경제성 개선의 증거.
• 성공적인 A주 상장에 따른 희석 및 자본수익률 결과.