Hmcomm Inc.

Hmcomm Inc. 的创业渊源，可追溯至CEO在大型SIer（Fuji Soft）担任工程师、项目负责人、经理及董事期间所形成的问题意识。 日本拥有大量优秀的技术与工程师，但这些并未充分转化为社会价值或产业生产率的提升——他将这一现状视为一种危机。随着云服务改变了软件的开发与交付方式，他愈发强烈地感到，日本工程师的技术能力需要更直接地与社会课题的解决相连接。 基于这一经历与信念，他于2012年独立创业。他接触到位于筑波的国立研究开发法人产业技术综合研究所（AIST）所持有的声学分析技术，并借助将研究成果推向社会实用化的机制——"AIST技术转移风险企业计划"启动了业务。 自创业以来始终不变的，是对声音的热忱，以及"从声音中创造价值、以创新服务贡献社会"的理念。 当时，业界的关注点正转向视频与图像分析，真正着手攻克"声音"这一非结构化数据中技术难度最高门类的企业寥寥无几。Hmcomm将技术主轴锚定于此，此后持续聚焦于从人类语音到工厂、设备及社会基础设施所发出的工业声音等广泛声音数据的分析与商业化。

随着公司成长，其吸引的人才结构也在演变。创业初期，核心是对声学算法、声学特征分析与机器学习感兴趣的研发人员。此后，能够将研发成果产品化并落地部署的人员加入。如今，增长的引擎是具备"社会实装能力"的人才——他们不仅开发技术，更能理解客户课题，并将AI转化为切实的业务成果。

Hmcomm认为，软件开发行业正面临由生成式AI与AI Agent普及所驱动的重大结构性变革。 传统模式是大量雇佣工程师、组建庞大的开发团队，以人工方式完成设计、编程、测试与运维。但经营层预计，今后"AI驱动开发"——即由AI承担大部分编程与测试——将迅速普及，人工编写代码的价值将相对下降。 相应地，软件开发的计费单位预计将从人月制模式迅速转向AI Agent许可、系统使用费、与AI算力消耗挂钩的按量计费，以及持续的运维／改善费用。 Hmcomm无意像大型SIer那样以人员规模取胜，而是打算发挥小而灵活组织的敏捷性，开发并运营大量AI Agent，承接客户广泛的业务流程。 这一构想的核心是语音AI Agent平台"VAAP"。 过去以人月开发服务形式交付的人力劳动，将在VAAP上实现，转向将AI Agent部署至客户业务的模式。通过AI Agent像人一样执行任务——并对成果进行衡量与持续改善——Hmcomm力图从一次性AI开发企业，进化为持续交付AI Agent的平台型公司。 话虽如此，仅靠AI难以设计与运营全部流程，同时理解客户的经营课题与业务需求。因此，Hmcomm将直接面对客户的人员——从课题发掘到AI导入、业务实装以及部署后的价值创造——定位为"FDE"（Forward Deployed Engineering）。FDE负责定义客户的业务与目标成果，通过AI驱动开发构建Agent，并在部署后持续监控与改善客户业务。通过这一架构，公司力图构建人与AI Agent共存、AI Agent执行工作占比持续上升的企业模式。

核心主战场的界定

在企业AI导入扩大与社会基础设施省力化需求的支撑下，Hmcomm锁定了三个具备可观增长潜力的核心市场。 其一，通过AI导入实现业务流程与商业模式变革的市场，该市场将在各行各业全面起飞。 其二，客户持续使用在此过程中开发并部署的AI Agent所带来的经常性收入流。 其三，由异常声音检测技术"FAST-D"所对应的工业与社会基础设施市场。劳动年龄人口萎缩带来的人手短缺与社会基础设施老化，是有别于周期性波动的结构性社会课题。除企业办公业务的AI替代之外，经营层认为设备巡检、预测性维护、基础设施监控等物理作业领域对AI省力化与高度化的需求也将持续扩大。若说VAAP代表处理企业内部业务流程的"数字AI Agent"，FAST-D则定位为承担设备巡检与基础设施监控的"物理AI Agent"。 能够同时对数字与物理两大领域实现Agent化，构成了Hmcomm中长期的重大市场机会。

增长空间

即便在既有客户内部，仍有大量业务流程尚未触及AI。Hmcomm已在语音识别、呼叫中心、会议纪要与异常声音检测等领域积累了服务大型企业的业绩。除既有产品的交叉销售外，FDE还可在客户内部发掘新的业务痛点并加以Agent化，从而提升单客户收入。 战略并非销售单一产品，而是在客户的多个工作流中部署Agent／AgentSuite，并通过许可费、使用费与维护／改善费将其转化为经常性收入。

向邻接市场扩张

经营层认为增长空间最大的领域是FAST-D。来自制造设备、电力、燃气、上下水道及地下设施的工业声音与运行数据，构成了通用互联网上并不存在的、具有现场特异性的"暗数据"。Hmcomm已积累了分析工厂与设备声音以检测异常及故障早期征兆的实际部署业绩。以这些累积的工业声音数据与分析know-how为跳板，公司将向设备维护与社会基础设施监控领域扩张。以上下水道巡检为例，目前仍涉及危险作业与依赖老手经验的工作。今后，将FAST-D与巡检机器人、无人机及车载drive-by方式相结合，有望实现巡检作业的省力化与高度化。在合适的场合，公司还将借助与基础设施巡检企业、设备维护公司、机器人／无人机运营商及物流服务商的联盟与并购——探索超越提供AI系统、直接承接巡检作业本身的商业模式。尽管正在评估的个别案件尚未披露，但经营层拟将合作与并购作为中长期增长路径持续评估。

积累的语音／工业声音数据与分析技术

Hmcomm起步于将AIST研究成果商业化的技术转移风险企业，已积累了从人类语音到工业声音等广泛声音数据的分析技术与know-how。生成式AI的快速进步加快了AI模型开发与精细化的节奏。与此同时，用于训练与实际运营部署的高质量数据的重要性反而进一步上升。从工厂、设备与社会基础设施采集的工业声音数据尤其难以获取，经营层认为，多年客户合作与实际部署所积累的数据与分析know-how构成了竞争优势。

端到端的社会实装能力

仅提供AI要素技术或中间件，无法为客户带来业务变革。实际落地需要理解客户的工作流、核心系统、安全要求与运营体制，进而将AI嵌入既有业务。Hmcomm多年来持续将AI嵌入客户的实际运营之中——呼叫中心、制造现场的异常声音检测系统等。从课题发掘、AI模型开发，到与遗留系统的对接、生产环境上线，以及部署后的运营与改善，能够端到端交付的能力，使公司区别于专注于提供要素技术的厂商。

依托自研AI引擎的本地部署与闭网支持

Hmcomm以自研AI引擎为基础，同时融入开源技术，强化可在自有环境中管理与交付的技术栈。这使其能够部署至本地环境、闭网及边缘环境——而这些场景仅靠基于云的外部AI服务难以覆盖。 处理机密信息的企业，以及公共部门、金融业、制造现场与社会基础设施，均要求AI部署充分考量安全性、通信环境与运行成本。能够在内部掌控AI模型、数据与处理环境——而非简单地在外部生成式AI的API之上构建应用——并按客户要求保障质量与安全，是一项关键竞争优势。

在传统的营业收入与客户数指标之外，公司将重点关注反映从人月业务向AI Agent经常性业务转型进程的KPI。

历史上，AI Products营业收入中既包含NRE（初期实装开发），也包含月度许可等经常性收入，导致营业收入对大型订单的确认时点较为敏感。今后，公司计划在可行范围内将NRE与经常性收入分离，并逐步披露ARR／MRR、签约企业数与Agent数量，使投资者更清晰地把握向经常性业务转型的进程。

经营层将营业收入增长划分为三个阶段。 第一阶段：由FDE识别客户的经营与业务课题，界定AI导入的目标流程及应达成的成果。 第二阶段：设计并构建解决这些课题所需的Agent／AgentSuite，并将其与客户的核心系统及工作流对接。 第三阶段：在VAAP上持续运行这些Agent，通过月度许可、使用量与维护／改善累积经常性收入。

一旦该循环建立，FDE项目越多，投入生产运行的Agent就越多，从而推动ARR与使用量收入的累积。这将形成可复制的增长模型，不仅营业收入，营业毛利与营业利润亦将持续扩大。结合对既有客户的交叉销售、核心产品与服务的拓展、通过VAAP持续交付Agent，以及资本与业务联盟，公司中长期目标为年均约30%的持续增长。在外延式增长方面，并购并非被定位为单纯扩大营业收入规模的手段，而是加速VAAP业务与内生增长的杠杆。尤其是，通过将软件公司与SES公司所拥有的客户关系与人才转化为FDE与AI驱动开发，公司力图将结构从人月业务转向AI Agent业务。通过并购加入的人员将被再培训为FDE，扩大客户课题发掘的产能，同时AI驱动开发平台"FD-X"将提升Agent／AgentSuite的开发生产率。经营层指出，这有可能催生"Agent Factory"构想，即FDE赢单、Agent开发、生产上线与ARR转化依次实现规模化——不过现阶段仍处于持续研究之中。

改善路径主要有两条。

其一，通过FD-X提升开发端效率。 编程、测试与文档编写将由AI驱动，构建高效、半自动地开发与改善Agent的机制。目标是形成同等人员规模可向客户交付更多Agent／AgentSuite的结构。

其二，通过"AI Head Office"构想提升销管费（SG&A）效率。 目前由会计、人事、总务、法务与销售管理人员执行的常规事务将被Agent化，形成销管费（SG&A）不随收入等比例上升的组织结构。 通过运用AI同时提升开发成本与销管费（SG&A）的效率，并提高经常性收入占比与毛利率，公司中长期目标为合并营利率达到20%以上。

在并购方面，关注点并非合并营业收入规模本身，而是能否将标的的客户基础、人才、技术与数据接入VAAP、FDE与FD-X，从而加速集团整体的内生增长。收购后，公司将优先推动与既有业务的协同创造及盈利能力改善，并在兼顾资本效率的前提下推进PMI。

ROE／ROIC目标： 目前尚未公布具体数值目标。今后，公司拟在权衡增长投资回报、资本成本与利润率的基础上，考虑设定并披露资本效率指标。

经营层认为，最大的下行风险是向VAAP的商业模式转型延迟。 Hmcomm在语音AI与异常声音检测领域具备技术实力与部署业绩，但作为一体化AI Agent企业的认知度仍有待进一步建立。 因此，VAAP需要标准化的Agent／AgentSuite，让客户能在短周期内验证效益，展现更短的实施周期与压倒性的价格优势。

第二个风险是FDE项目向ARR的转化不足。 若FDE项目最终仅停留在一次性的AI解决方案开发项目，营业收入或可增长，但目标中的经常性收入结构将无法形成。因此，经营层在每个FDE项目启动之初即设计目标流程及部署后的许可／使用费模式，并将严密管理从FDE到Agent／AgentSuite、再到ARR的转化率。

第三个风险是并购后PMI与人才转化的延迟。 若被收购公司仅延续传统的人月业务，集团的盈利结构将不会发生实质性改变。 方针是在收购后早期即提供FDE、FD-X与VAAP的在岗培训，按适性配置并再培训人员，并对PMI进展进行定量管理。

高管薪酬

目前尚未设立与股价挂钩的薪酬或股票期权制度。不过，经营层认识到企业价值不仅与营业收入相关，也与增长率、ARR及利润率挂钩，因此依据高于对外披露业绩指引的内部经营计划运营，并力求达成。公司表示，今后需要研究与这些指标挂钩的薪酬结构。

接班人计划

公司实行公司内公司制，各事业部作为独立业务运营，由执行董事担任公司负责人，对人、财、物负责。他们不仅对收入负责，也对利润与资本效率负责，并已建立起做出业绩者由执行董事晋升为董事、进而担任负有明确使命的头衔董事的通道。此外，各公司单元的评价标准之一是"指定接班人，并在两年内将该单元分拆给该接班人"，由此形成公司单元不断增殖、未来董事会候选人得以培养的机制。至于CEO本人，他坦言若出现有能力的接班人——视业绩情况——他将交棒并转任其他角色。

员工留存率较过去显著改善，已达到合理水平（未披露具体数值）。尽管行业整体流动性高、顶尖人才流失激烈，经营层将留存率改善归因于参与前沿项目的机会，以及立足于理解客户课题的解决问题的工作方式。

其背后是行业结构本身的变化。PM、SE、程序员与测试员之间的传统分工已发生剧变，经营层认为人才角色本身正处于拐点。因此，最重要的课题在于如何推动这些人员转向更高附加值的工作并实现角色转型。

除自身员工外，公司拟将其对FDE的定义广泛推广至集团公司及未来的收购标的，推动业务的人力资本再定位。经营层表示，其责任在于创造一种能够持续通过软件解决社会课题的状态——换言之，一种员工得以长期安身立命的状态。