Z.AI Co. (02513) — Interpretação do relatório

Visão geral

Esta revisão de resultados avalia a transição da Z.AI de implantação on-premise para MaaS baseado em nuvem e monetização de API. O Goldman Sachs destaca forte impulso de ARR, consumo de token e preços, mas mantém Neutral porque a transição pressiona a composição da receita reportada, as margens e a visibilidade de lucro no curto prazo.

Visões principais

O Goldman Sachs considera os resultados da Z.AI em 1H26 mistos. A receita de plataforma aberta/API superou o consenso em 4% e o ARR acelerou fortemente, mas a transição em andamento de implantação on-premise para MaaS baseado em nuvem pressionou a receita total e a rentabilidade. A receita de plataforma aberta/API foi Rmb825mn, alta de 2736% em relação ao ano anterior, enquanto a receita de implantação on-premise caiu 20% para Rmb129mn. A receita total foi Rmb954mn, alta de 400% em relação ao ano anterior, mas 47% abaixo da estimativa do Goldman Sachs. A margem bruta consolidada foi 26%; a margem de API de 24.6% superou a estimativa de 24.0% do Goldman Sachs e os 22.4% de 2H25, mas a rentabilidade on-premise abaixo do esperado pressionou o resultado consolidado. O prejuízo líquido ajustado foi Rmb1.96bn e as despesas de P&D cresceram 34% em relação ao ano anterior, para Rmb2.13bn. O principal aspecto positivo é o ritmo de monetização recorrente. O ARR de agosto superou US$1.6bn, ou aproximadamente US$2bn anualizado com base no ritmo da última semana, em base bruta, após US$250mn em março e US$1bn em julho. O Goldman Sachs atribui o avanço ao crescimento do volume de MaaS, com consumo de token superior a 40 vezes no ano e uso do Coding Plan 23 vezes maior, além de aumento de 101% no preço médio de venda de API no ano. A penetração empresarial também se aprofundou: o uso diário entre os 10 maiores clientes cresceu 98 vezes desde o início do ano, e GLM tornou-se o principal fornecedor global de modelos para 4 das principais plataformas de internet da China. A administração atribuiu a diferença entre a receita reportada em 1H e o ARR a diferenças contábeis entre bruto e líquido, incluindo compartilhamento de canais, e à natureza prospectiva do ARR em uma trajetória de crescimento acelerada. O Goldman Sachs prevê receita de Rmb7.0bn em 2H26 e Rmb7.9bn em FY26E, ante Rmb6.8bn e Rmb8.6bn, e eleva sua projeção de ARR de fim de 2026 de US$2.5bn para US$2.7bn. A estratégia comercial da administração prioriza capturar demanda de token de maior valor em vez de maximizar o volume agregado. Coding continua sendo o principal ponto de entrada, com expansão para fluxos de trabalho de Agent, Co-work e Autonomous AI. Com a melhoria das capacidades dos modelos, a administração espera que a comercialização evolua do consumo de API e assinaturas para a entrega de tarefas mais orientada a resultados. A empresa pretende manter lançamentos rápidos de modelos aproximadamente a cada 2-3 meses. O Goldman Sachs prevê margens brutas de plataforma aberta de 25.3% em 2H26 e 25.2% em FY26E, acima das projeções anteriores de 23.4% e 23.5%, apoiadas por poder de precificação, ganhos graduais de eficiência de inferência e alavancagem operacional conforme o consumo de token aumenta. O relatório também enfatiza a rota de desenvolvimento dos modelos e a infraestrutura de computação. A administração considera que a ampliação por meio da otimização da escala de pré-treinamento, profundidade efetiva, profundidade de treinamento e ambientes de tarefas é o caminho para maior inteligência. GLM-5.2 e GLM-5.3 são citados como evidência de que o pós-treinamento continua sendo uma alavanca de escalonamento de alto retorno; GLM-5.3 Flash expandiu a fronteira entre inteligência e custo por meio de nova arquitetura e maior eficiência. A próxima fase deverá priorizar modelos fundacionais maiores, com o pré-treinamento da próxima geração já em andamento, janelas de contexto nativas mais longas e capacidade multimodal nativa, antes de avançar para Fully Self Training, uma estrutura recursiva na qual a IA ajuda a gerar e aprimorar dados, ambientes e infraestrutura para o treinamento futuro. A Z.AI amplia a capacidade por meio de clusters próprios, capacidade arrendada e aquisição de serviços de nuvem. Seu cluster de mais de 100k chips domésticos apoia inferência em grande escala, e o custo de inferência por token caiu 80% no ano. Seu multiplicador de monetização de computação, definido como receita de API por cada Rmb1 gasto em computação, melhorou 14 vezes em relação ao ano anterior. O Goldman Sachs eleva sua previsão de despesas de P&D para Rmb4.3bn em 2H26 e Rmb6.4bn em FY26E, ante Rmb4.1bn e Rmb6.2bn; cerca de dois terços devem estar relacionados a investimentos em computação. O relatório aponta a anterior colocação de ações de HK$31bn como financiamento para treinamento de modelos maiores e crescimento da demanda de computação. Considerando os resultados de 1H26, o Goldman Sachs reduz suas previsões de receita de 2026-28E em 8%/4%/2% devido a premissas menores para implantação on-premise, mantendo a receita de API amplamente inalterada. Também corta as estimativas de resultados em 2%/4%/2% devido a perdas de 1H maiores que o esperado. Mantém o preço-alvo de 12 meses de HK$1,610 e a classificação Neutral. Seu caso-base de DCF pressupõe ganho contínuo de participação até 20% em 2030E e margem EBIT ajustada de longo prazo de 26% em 2035E, usando 12% WACC e crescimento terminal de 2%. O Goldman Sachs ajustou as avaliações implícitas dos cenários altista e baixista para HK$2,508 e HK$839, respectivamente, considerando equilibrados os riscos e oportunidades de crescimento.

Estrutura de análise

O Goldman Sachs compara os resultados de 1H26 com o consenso e suas estimativas anteriores e, em seguida, avalia ARR, uso de token, preços, adoção pelos clientes, margens brutas, desenvolvimento de modelos e eficiência de computação para revisar suas premissas de receita, custos e resultados. A instituição usa um DCF e testa o resultado em cenários altista, base e baixista.

Notas metodológicas

• Métodos de avaliaçãoDCF (fluxo de caixa descontado)

  Valoração por fluxo de caixa descontado

  O Goldman Sachs deriva seu preço-alvo de HK$1,610 por meio de um DCF com 12% WACC e crescimento terminal de 2%, usando premissas de longo prazo para participação de mercado e margem EBIT ajustada.

• Marco de análise setorialDecomposição de volume e preço

  Análise de volume de token e precificação de API

  O relatório explica o crescimento do ARR por meio de forte aumento no consumo de token e de alta de 101% no ano no preço médio de venda de API.

Mapeamento e comparação de ativos

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

• Z.AI Co. (2513.HK)

  Empresa principal coberta; sua transição para MaaS baseado em nuvem e monetização de API orienta a análise.

  Pontos fortes

  Crescimento rápido do ARR, forte aumento no consumo de token e nos preços de API, adoção empresarial, lançamentos de modelos e melhora da eficiência de inferência.

  Pontos fracos

  Queda da receita de implantação on-premise, pressão sobre a margem consolidada e investimento contínuo elevado em P&D.

  Comparação

  A margem bruta de API foi de 24.6%, ante 18% da MiniMax; o Goldman Sachs projeta ARR de fim de 2026 de US$2.7bn para a Z.AI e US$1.2bn para a MiniMax.

  Riscos

  Concorrência, visibilidade limitada de lucro no curto prazo, queima de caixa, gastos de computação e riscos geopolíticos.

• MiniMax Group

  Comparável mencionado para comparar margem bruta de API, crescimento de P&D e projeções de ARR.

  Comparação

  A margem bruta de API da Z.AI foi de 24.6%, ante 18% da MiniMax; a projeção de ARR de fim de 2026 da Z.AI é US$2.7bn, ante US$1.2bn da MiniMax.

Dados principais

• ARR de agostoAbove US$1.6bnAproximadamente US$2bn anualizado com base no ritmo da última semana, em base bruta.
• Projeção de ARR de fim de 2026US$2.7bnElevada de US$2.5bn.
• Receita de plataforma aberta/API em 1H26Rmb825mnCresceu 2736% em relação ao ano anterior; 4% acima do consenso, mas 38% abaixo da estimativa do Goldman Sachs.
• Receita em 1H26Rmb954mnCresceu 400% em relação ao ano anterior e ficou 47% abaixo da estimativa do Goldman Sachs.
• Margem bruta consolidada em 1H2626%A margem bruta de API foi 24.6%, ante estimativa de 24.0% do Goldman Sachs e 22.4% em 2H25.
• Despesa de P&D em 1H26Rmb2.13bnCresceu 34% em relação ao ano anterior.
• Revisões das previsões de receita de 2026-28E-8% / -4% / -2%Impulsionadas por premissas menores para receita de implantação on-premise.
• Preço-alvo de 12 mesesHK$1,610Inalterado; caso-base de DCF, com cenários altista e baixista de HK$2,508 e HK$839.

Impacto e implicações

O relatório vê MaaS baseado em nuvem, precificação de API e maior adoção empresarial como os principais motores da aceleração do ARR da Z.AI. Contudo, menor receita de implantação on-premise, maior P&D relacionada à computação e perdas contínuas adiam a visibilidade de lucro no curto prazo, sustentando a postura Neutral do Goldman Sachs.

Riscos

• A concorrência na indústria global de modelos fundacionais pode enfraquecer a posição da Z.AI.
• Altas despesas de P&D podem limitar a visibilidade de lucro no curto prazo.
• A queima de caixa e a capacidade de autofinanciamento continuam sendo riscos.
• Uma corrida tecnológica mais intensa entre Estados Unidos e China cria risco geopolítico.
• Inteligência de modelos acima do esperado, visibilidade de lucro mais rápida, receitas adicionais de take rate não relacionadas à inferência e capacidade de comercialização mais forte podem alterar positivamente as perspectivas.

Pontos a observar

• O ritmo de expansão do ARR, consumo de token, uso do Coding Plan e preços de API.
• O progresso da adoção empresarial e da expansão de Coding para fluxos de trabalho de Agent, Co-work e Autonomous AI.
• A melhoria da margem bruta de plataforma aberta por precificação, eficiência de inferência e alavancagem operacional.
• Lançamentos de modelos, pré-treinamento da próxima geração, janelas de contexto mais longas, capacidades multimodais e avanço para Fully Self Training.
• Expansão da capacidade de computação, redução do custo de inferência, gasto de P&D e necessidades de financiamento.