Z.AI Co. (02513) 리서치 보고서 해설

개요

이 실적 리뷰는 Z.AI의 1H26 실적과 상업화 전망을 평가한다. Goldman Sachs는 ARR, API 수요 및 기업 도입 가속을 강조하지만, 온프레미스에서 클라우드로의 전환, 높은 R&D 지출 및 단기 수익성 불확실성을 고려할 때 위험보상은 균형적이라고 본다.

핵심 견해

Z.AI의 1H26 실적은 혼조였다. 오픈 플랫폼/API 수익화와 ARR 확대는 예상보다 강했지만, 온프레미스 구축에서 클라우드 기반 MaaS 사업으로의 지속적인 전환이 전체 매출과 수익성을 압박했다. 오픈 플랫폼/API 매출은 Rmb825mn으로 컨센서스보다 4% 높았지만, 총액·순액 회계 차이와 ARR 확대가 기간 후반에 집중된 영향으로 Goldman Sachs 추정치보다 38% 낮았다. 연결 매출은 Rmb954mn으로 전년 대비 400% 증가했고, 조정 순손실은 Rmb1.96bn이었다. 연결 매출총이익률은 26%였으며 API 사업 매출총이익률은 24.6%로 Goldman Sachs의 24.0% 추정치와 2H25의 22.4%를 웃돌았다. 다만 예상보다 약한 온프레미스 수익성이 이 강세를 일부 상쇄했다. 보고서의 핵심 긍정 요인은 반복 매출 성장 속도다. 8월 ARR은 US$1.6bn를 넘어섰고, 최신 주간 런레이트 기준 연환산으로는 US$2bn였다. 이는 3월 US$250mn, 7월 US$1bn에서 상승한 것이다. Goldman Sachs는 이러한 가속을 MaaS token 소비의 연초 이후 40배 초과 증가, Coding Plan 사용량의 23배 증가 및 API 평균판매가격의 101% 상승과 연결한다. 기업 도입도 심화됐다. 상위 10개 고객의 일간 사용량은 연초 대비 98배 증가했으며, GLM은 중국의 주요 인터넷 플랫폼 4곳에 대해 글로벌 주요 모델 공급자가 됐다. 경영진은 총 token 물량 극대화보다 고부가 token 수요 확보를 우선시하며, 코딩을 진입점으로 Agent, Co-work 및 자율형 AI 워크플로우로 확장하고 있다. 이에 Goldman Sachs는 2026년 말 ARR 추정치를 US$2.5bn에서 US$2.7bn로 상향하고, 2H26/FY26E 매출을 Rmb7.0bn/Rmb7.9bn로 예상한다. 이전 추정치는 Rmb6.8bn/Rmb8.6bn였다. 수익성 측면에서 보고서는 가격 결정력 개선, 모델 출시 후 점진적인 추론 효율 개선, token 소비 확대에 따른 영업 레버리지가 오픈 플랫폼 매출총이익률을 2H26E 25.3%, FY26E 25.2%로 뒷받침할 것으로 본다. 이전 전망은 23.4%와 23.5%였다. 그러나 회사는 계속 대규모 투자를 하고 있다. 1H R&D 비용은 Rmb2.13bn으로 전년 대비 34% 증가했고, Goldman Sachs는 2H26/FY26E를 Rmb4.3bn/Rmb6.4bn로 예상하며, 이전의 Rmb4.1bn/Rmb6.2bn보다 높다. FY26E R&D 지출의 약 3분의 2는 컴퓨트 투자와 관련될 전망이다. 이러한 높은 지출과 예상보다 큰 1H 손실로 인해, Goldman Sachs는 주로 낮은 온프레미스 구축 매출을 이유로 2026-28E 매출 추정치를 8%/4%/2% 하향했다. API 매출은 대체로 변함없고, 이익 추정치는 2%/4%/2% 하향됐다. 기술 및 인프라 로드맵은 장기 논리를 뒷받침한다. 경영진은 사전학습 규모, 유효 깊이, 학습 깊이 및 과업 환경을 결합해 최적화하는 스케일링을 더 높은 지능으로 가는 경로로 본다. 회사는 GLM-5.2와 GLM-5.3을 사후학습이 현재 가장 높은 수익성을 지닌 스케일링 수단 중 하나라는 증거로 제시하며, GLM-5.3 Flash는 새로운 아키텍처와 상당한 효율 개선으로 지능-비용 경계를 확장하는 것을 목표로 한다. 다음 단계에서는 더 큰 기반 모델, 더 긴 네이티브 컨텍스트 윈도우 및 네이티브 멀티모달 역량에 점차 초점을 맞춘 뒤, AI가 미래 AI 학습을 위한 데이터, 환경 및 인프라의 생성·개선을 돕는 재귀적 학습 프레임워크인 Fully Self Training으로 나아갈 전망이다. 컴퓨트 공급은 여전히 중요한 운영 고려 사항이다. Z.AI는 자체 운영 클러스터, 임차 용량 및 클라우드 서비스 조달을 조합해 용량을 확대하고 있다. 10만+ 국내 칩 클러스터는 대규모 추론을 지원하며, 단위 token 추론 비용은 연초 이후 80% 하락했다. 컴퓨트 수익화 배수, 즉 컴퓨트 지출 Rmb1당 API 매출은 전년 대비 14배 개선됐다. Goldman Sachs는 앞선 HK$31bn 주식 배치가 대형 모델 학습과 증가하는 컴퓨트 수요를 지원하는 한편, 지속적인 현금 소진과 자체 자금조달 역량 문제도 부각한다고 지적한다. Goldman Sachs는 12개월 HK$1,610 목표주가와 섹터 상대 Neutral 등급을 유지한다. DCF 평가는 12% WACC와 2% 영구성장률을 사용하며, Z.AI가 2030E까지 20% 시장점유율을 확보하고 2035E까지 26%의 장기 조정 EBIT 마진을 달성한다고 가정한다. 수정된 강세 및 약세 시나리오의 내재 가치는 각각 HK$2,508 및 HK$839다. ARR 모멘텀이 강화됐음에도 목표주가 유지와 Neutral 견해는 균형 잡힌 위험보상을 반영한다.

분석 프레임워크

Goldman Sachs는 1H26 실적을 컨센서스와 기존 추정치에 비교한 뒤 ARR, token 사용량, API 가격, 기업 도입, 마진, R&D 및 컴퓨트 효율성을 평가해 전망을 수정한다. DCF 프레임워크로 가치를 산정하고 강세·기준·약세 시나리오를 통해 전망을 검토한다.

방법론 메모

• 가치평가 방법론DCF(할인현금흐름법)

  할인현금흐름 가치평가

  Goldman Sachs는 12% WACC와 2% 영구성장률을 적용한 DCF로 Z.AI를 평가하며, 2030E까지 20% 시장점유율 및 2035E까지 26% 조정 EBIT 마진을 달성한다는 가정을 반영한다.

• 산업 분석 프레임워크물량·가격 분해

  Token 물량 및 API 가격 분석

  보고서는 MaaS token 소비, Coding Plan 사용량 및 API 평균판매가격을 통해 ARR과 매출 모멘텀을 설명한다.

자산 매핑 및 비교

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

• Z.AI Co. (2513.HK)

  주요 커버리지 기업으로, ARR 확대, API 수익화, 모델 로드맵 및 컴퓨트 투자가 보고서의 전망을 이끈다.

  강점

  빠른 ARR 성장, 높은 API 가격, 확대되는 기업 도입, 개선되는 추론 효율성 및 고부가 AI 워크플로우로의 확장.

  약점

  온프레미스 구축 매출과 수익성이 예상보다 약하며 연결 수익성은 계속 압박받고 있다.

  비교

  API 매출총이익률 24.6%는 보고서에서 언급된 MiniMax의 18%보다 높았다. Goldman Sachs의 Z.AI 2026년 말 ARR 추정치는 US$2.7bn으로 MiniMax의 US$1.2bn와 비교된다.

  위험

  경쟁, 높은 R&D 비용, 단기 이익 가시성 제한, 현금 소진 및 지정학적 위험.

핵심 데이터

• 8월 ARRAbove US$1.6bn최신 주간 런레이트 기준 연환산, 총액 기준 US$2bn.
• 2026년 말 ARR 추정치US$2.7bnUS$2.5bn에서 상향.
• 1H26 오픈 플랫폼/API 매출Rmb825mn컨센서스보다 4% 높고 Goldman Sachs 추정치보다 38% 낮음.
• 1H26 매출Rmb954mn전년 대비 400% 증가.
• 1H26 API 매출총이익률24.6%Goldman Sachs의 24.0% 추정치와 2H25의 22.4%보다 높음.
• 1H26 R&D 비용Rmb2.13bn전년 대비 34% 증가.
• 2026-28E 매출 추정치 수정-8% / -4% / -2%주로 낮은 온프레미스 구축 매출에 기인.
• 목표주가HK$1,610변경 없는 12개월 DCF 기반 목표주가.

영향과 시사점

보고서는 클라우드 기반 MaaS와 API 상업화가 온프레미스 구축을 점차 대체하고, 코딩, Agent, Co-work 및 자율형 AI 워크플로우가 수요를 넓힐 것으로 본다. 더 강한 수익화와 추론 효율성은 마진을 개선할 수 있으나, 전환 과정과 컴퓨트 중심 R&D 투자는 단기 이익 가시성을 제한한다.

위험

• 모델 지능이 예상보다 강해지면 상승 시나리오가 개선될 수 있다.
• 이익 가시성이 예상보다 빠르게 개선될 수 있다.
• 추가적인 비추론 테이크레이트 수익원 또는 더 강한 상업화 역량이 결과를 개선할 수 있다.
• 글로벌 기반 모델 산업의 경쟁이 심화될 수 있다.
• 높은 R&D 비용이 단기 이익 가시성을 제한할 수 있다.
• 현금 소진과 자체 자금조달 역량은 계속 위험 요인이다.
• 미중 기술 경쟁 심화가 지정학적 위험을 초래할 수 있다.

주시할 점

• ARR 성장, token 소비, Coding Plan 사용량 및 API 가격의 속도.
• Agent, Co-work 및 자율형 AI 워크플로우에서의 실행.
• 오픈 플랫폼 매출총이익률의 진전과 추론 효율성 개선.
• 컴퓨트 투자와 R&D 지출의 규모 및 자금 지원.
• 수익성 진전과 낮은 온프레미스 구축 매출의 영향.
• 차세대 모델, 더 큰 기반 모델, 더 긴 컨텍스트 윈도우 및 멀티모달 역량의 발전.