Z.AI CO., LTD. (02513) — Interpretação do relatório

Visão geral

Esta atualização analisa como a orientação maior de ARR da Z.ai pode ser apoiada por capacidade de computação financiada, distribuição por parceiros de nuvem e expansão do Cowork em fluxos de trabalho empresariais. Morgan Stanley reitera Overweight e mantém preço-alvo de HK$1,800.

Visões principais

A Z.ai alcançou aproximadamente US$1.8bn de ARR em meados de setembro e elevou a orientação de ARR para o fim de 2026 de US$2.4bn para US$3.0bn. Morgan Stanley atribui a alta a três motores: a codificação permanece o impulso de curto prazo, apoiada pelo crescimento de usuários do ZCode após o fim das restrições de capacidade; o compartilhamento de receita em nuvem deve contribuir a partir de 4Q26; e o Cowork pode acessar orçamentos empresariais existentes com ciclos de comercialização mais curtos. O debate passa da existência de demanda para a velocidade com que computação incremental, distribuição de parceiros e monetização de fluxos verticais se convertem em receita reconhecida e lucro bruto sustentável. A rodada de US$5bn, aproximadamente Rmb30bn, poderia suportar cerca de 94,000 GPUs, com aproximadamente 40% destinados a treinamento e 60% a inferência. O grupo de aproximadamente 56,000 GPUs de inferência implica teto teórico de receita anual de aproximadamente Rmb41bn (US$6bn), antes de ajustes por utilização e realização de preços, e margem bruta teórica de inferência de até aproximadamente 80%. A alocação para P&D sustentaria aproximadamente Rmb3bn de gasto anualizado em treinamento durante quatro anos, suficiente para múltiplos treinamentos de modelos da classe GLM-5.3 ou maiores. O relatório observa que a restrição de computação limitou a conversão de demanda: quando a demanda por GLM-5.2 cresceu em junho, a infraestrutura própria da Z.ai atendia apenas aproximadamente 10% da demanda de tokens, enquanto terceiros que implantavam seus modelos open-weight atendiam os aproximadamente 90% restantes. A nova capacidade deve suportar treinamento de modelos maiores e maior volume de inferência. Acordos de compartilhamento de receita com fornecedores de nuvem domésticos e estrangeiros disponibilizarão modelos GLM open-weight na infraestrutura de parceiros, com contribuição de receita esperada a partir de outubro. Morgan Stanley argumenta que isso pode melhorar a eficiência de capital, ampliar a distribuição empresarial por hyperscalers e demonstrar que distribuição open-weight e monetização por APIs gerenciadas e compartilhamento de receita não são incompatíveis. O Cowork se expande além da codificação, e a cibersegurança é o primeiro vertical a ganhar escala. Mais de 100 empresas de cibersegurança integraram modelos GLM, e pedidos superaram Rmb1bn em um mês do lançamento do GLM-5.3. A administração vê o padrão se estendendo a fluxos jurídicos, financeiros, industriais e de ciências da vida. Lançamento de modelo global de ponta, expansão com CSPs estrangeiros e menor competição são fatores potenciais de alta; restrições de computação, desempenho inferior do modelo frente a pares e risco geopolítico são riscos de baixa. Morgan Stanley avalia a Z.ai por DCF, assumindo WACC de 15% e crescimento terminal de 3%. O preço-alvo de HK$1,800 implica 35x P/S para 2027e, e o relatório reitera Overweight.

Estrutura de análise

Morgan Stanley relaciona a orientação de ARR à demanda de codificação, capacidade disponível para treinamento e inferência, distribuição por parceiros de nuvem e adoção vertical do Cowork. Em seguida, converte o financiamento em configuração indicativa de GPUs, capacidade teórica de inferência e economia potencial de receita, avaliando a empresa por DCF e pelo P/S implícito para 2027e.

Notas metodológicas

• Métodos de avaliaçãoDCF (fluxo de caixa descontado)

  Avaliação por fluxo de caixa descontado

  Morgan Stanley avalia a Z.ai por DCF, com custo médio ponderado de capital de 15% e crescimento terminal de 3%.

• Métodos de avaliaçãoAvaliação por P/Vendas

  Verificação por preço sobre vendas

  O relatório afirma que o preço-alvo de HK$1,800 implica 35x P/S para 2027e.

• Marco de análise setorialTransmissão entre elos da cadeia de valor

  Transmissão de financiamento para computação e monetização

  O relatório acompanha como o financiamento pode custear GPUs, ampliar treinamento e inferência, aliviar restrições de oferta e apoiar receita por canais diretos e de parceiros.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Z.AI CO., LTD. (02513.HK)

  Empresa principal coberta; a maior orientação de ARR está ligada ao crescimento de codificação, compartilhamento de receita em nuvem e comercialização do Cowork.

  Pontos fortes

  Crescimento rápido de usuários do ZCode após a redução das restrições de capacidade, potencial expansão de inferência, distribuição por parceiros de nuvem e adoção inicial em cibersegurança.

  Pontos fracos

  Sua infraestrutura atendeu apenas aproximadamente 10% da demanda de tokens do GLM-5.2 durante o aumento de demanda em junho.

  Comparação

  O relatório destaca o risco de desempenho do modelo abaixo dos pares, mas não fornece comparação detalhada.

  Riscos

  Restrições de computação, possível desempenho do modelo abaixo dos pares e risco geopolítico.

Dados principais

• ARR em meados de setembroUS$1.8bnNível mensal de ARR divulgado.
• Orientação de ARR para o fim de 2026US$3.0bnElevada de US$2.4bn.
• Rodada de financiamentoUS$5bn (~Rmb30bn)A estrutura da administração sugere suporte para aproximadamente 94,000 GPUs.
• Alocação de GPUs para inferência~56,000 GPUsAproximadamente 60% da frota potencial; teto teórico de receita anual de aproximadamente Rmb41bn (US$6bn) antes de ajustes de utilização e preço.
• Margem bruta teórica de inferênciaUp to ~80%Nível teórico antes da utilização e realização de preços efetivas.
• Pedidos de cibersegurança>Rmb1bnGerados em um mês do lançamento do GLM-5.3, com mais de 100 empresas de cibersegurança integrando modelos GLM.
• Preço-alvoHK$1,800.00Implica 35x P/S para 2027e sob a estrutura de avaliação do relatório.

Impacto e implicações

O relatório argumenta que a maior meta de ARR da Z.ai é cada vez mais apoiada por canais identificáveis de monetização, e não apenas pela demanda. Computação adicional pode elevar o volume de inferência, parceiros de nuvem podem ampliar a distribuição empresarial com menor necessidade de capacidade autofinanciada, e implantações verticais do Cowork podem converter mais rapidamente orçamentos empresariais existentes.

Riscos

• Restrições de computação podem limitar a conversão de demanda em receita de inferência.
• O desempenho do modelo pode ficar abaixo dos pares.
• O risco geopolítico pode afetar o negócio.

Pontos a observar

• Se o compartilhamento de receita com fornecedores de nuvem começa a contribuir a partir de outubro e ganha escala durante 4Q26.
• O ritmo de conversão de computação incremental em maior volume de inferência, receita e lucro bruto sustentável.
• Adoção adicional do Cowork além da cibersegurança, em fluxos jurídicos, financeiros, industriais e de ciências da vida.
• Progresso no lançamento de modelo global de ponta, cooperação com CSPs estrangeiros e competição de mercado.