授權型營收擴張，Data for AI 為主要動能；先進國家新建置告一段落，轉入收成期。AI 原生數據需求驗證亦見進展

摘要

FY3/27 第一季營業收入為11.47億日圓（年減21.3%），調整後EBITDA為-6.67億日圓。授權型營收達6.45億日圓（+10%），主要受海外大型半導體廠針對AI應用（Data for AI）追加企業授權訂單帶動，超越含大型案件的去年同期水準，顯示營收結構向授權型轉移持續推進。整體營收下滑則反映北美新建置完成後專案型業務的反作用效應。公司維持全年財測不變（營業收入70億日圓、調整後EBITDA +5,000萬日圓）。Data for AI 事業基礎亦見進展，包括於 Hugging Face 發布資料集，以及與 NVIDIA、MathWorks 建立合作關係。

重點項目（業績要點與成長舉措）

• 經營策略與市場觀點
  • 實體AI（physical AI）市場預估以約30% CAGR成長；公司目標由自動駕駛相關業務轉型為數據基礎設施企業。
  • 管理層將AI開發歸納為三大要素——運算資源、模型開發與數據，並將 NVIDIA 定位為互補而非競爭關係。
  • 即使是AI應用，仍需反映各地區道路環境與交通規則的真實世界數據；全球180萬公里的覆蓋範圍為公司一站式能力的來源。
  • 2026年6月達成共識的 WP.29 國際標準（預計2027年1月前後生效）被視為中長期利多，有助推升ODD管理與模擬驗證需求。
• 當前業務進展與驅動因素
  • 授權型營收年增+10%，受以 Data for AI 為核心的企業授權案件擴大帶動，營收結構轉型持續推進。整體下滑則反映北美新建置完成後車用專案型業務的反作用效應。
  • 營業成本增加約4億日圓（北美數據相關資產折舊增加及匯率影響），銷管費（SG&A）增加約7,000萬日圓。新建置階段大致完成，公司轉入以授權營收成長為主軸的收成期。
  • 249名員工中約70%為工程師，維持日美雙據點開發架構以確保技術優勢。
  • 搭載公司數據之車型增加1款，累計達6家OEM共39款車型；車型名稱之揭露許可預計於盂蘭盆節假期後取得。
• 關鍵策略舉措與轉折點
  • 對海外大型半導體廠的 Data for AI 供應已由北美擴展至歐洲、韓國與日本，並作為新客戶開發之標竿案例加以運用。
  • AI原生資料集於 Hugging Face 發布，累計約4,000次下載，銷售洽談與數據評估流程同步進行中。
  • 將東京流通中心（Tokyo Ryutsu Center）廠區轉換為高精度3D數據，並提供給參與平和島自動駕駛協議會之企業——為區域性導入之示範案例。
  • 2026年4月併購 Rikanosu，為測量公司整合（roll-up）策略之第二樁案件；下游M&A亦在評估中。

展望與策略

• 全年財測維持不變（營業收入70億日圓、授權型營收30億日圓、調整後EBITDA +5,000萬日圓）。第一季達成率為16.4%（本行估算），惟與去年相同，營收結構偏重下半年。
• 先進國家新建置階段大致完成，轉入數據供應與更新階段。管理層預期毛利率與EBITDA利潤率將隨營收成長而改善。
• 中長期目標為以毛利率80%以上之授權型業務為核心，實現10-30%的營收成長。
• AI原生數據預期由研發與ADAS開發用途，進展至評估用途，並進一步擴展至量產與車載應用——定位為中長期成長動能。
• M&A將持續，陸續併購具獲利能力之測量公司，並同時瞄準上游（測量分析、數據收集、3D建模）與下游（GIS、模擬、AR/VR、3DCG）。
• 中東在政府主導智慧城市投資支撐下被視為潛力市場，目前正推進第27個國家的新建置專案。新興市場將依市場潛力與投資報酬進行篩選。

正面因素

• 授權型營收6.45億日圓（+10%），超越含大型案件之去年同期水準，確認營收結構轉型持續推進。
• 北美數據使用獲得正面評價後，歐洲、韓國、日本數據追加訂單接續而來，全球數據資產變現進度推進。
• Hugging Face 發布後約4,000次下載，詢問度提升，並與車廠、Tier 1供應商、自動駕駛開發商及機器人企業展開銷售洽談。
• 同時運用點雲數據與HD地圖生成3DGS，可實現真實世界尺度的幾何精度並去除移動物件，與僅依影像生成之方法形成差異化。
• 推出面向北美交通主管機關之橋樑與隧道管理解決方案，並加入 Esri 合作夥伴網路，擴大面向DOT之通路。
• 3Dmapspocket® 已獲東京建物（Tokyo Tatemono）等大型不動產業者採用，並針對熊本地震受災地區免費開放，擴大社會性應用場景。

疑慮事項・風險

• 調整後EBITDA為-6.67億日圓，年減6.92億日圓。要達成全年+5,000萬日圓目標，剩餘九個月需大幅改善獲利，關鍵在於授權營收擴張以及案件管線的時點與規模。
• 折舊費用2.93億日圓（+8,000萬日圓）推升成本，導致營業毛損-2.97億日圓（去年同期為+4.36億日圓）。
• 訂單與驗收時點可能隨客戶開發計劃與投資決策而波動之風險。
• 3D數據授權於基礎設施管理與不動產開發之採用雖持續擴大，但營收貢獻仍處初期階段（公司自我評估：△）。
• 匯率高於1美元=145日圓之假設，惟海外成本可對沖，故對獲利影響有限。
• 地緣政治風險升高與原油價格上揚被認定為影響汽車產業之經營環境風險。

業績亮點

FY3/27 第一季營業收入為11.47億日圓（減少3.11億日圓），營業損失-9.99億日圓，調整後EBITDA為-6.67億日圓。營收下滑係因北美新建置完成後車用專案型業務出現反作用效應，而授權型營收則在企業授權帶動下成長。調整後EBITDA虧損落在預算範圍內，全年財測維持不變。

業務板塊業績

• 國內營收：1.42億日圓（年減62.2%）
• 海外營收：10.05億日圓（年減7.2%）
• 營業毛利：-2.97億日圓（去年同期為4.36億日圓）
• 銷管費（SG&A）：7.02億日圓（年增約7,000萬日圓）
• 折舊費用：2.93億日圓（年增37.6%）
• 歸屬母公司業主淨損：-9.80億日圓（去年同期為-2.85億日圓）
• 現金及存款：42.53億日圓（較2026年3月底增加5.95億日圓）
• 搭載公司數據之車型：6家OEM共39款
• 高精度3D數據覆蓋範圍：180萬公里
  ※部分年比數據為本行估算

問答一覽

• Q：據了解Level 3與Level 4自動駕駛之國際標準已於2026年6月在WP.29達成共識。可否說明此共識對公司業務之預期影響？
  A：我們視此次WP.29共識為自動駕駛社會實裝的極重要里程碑。此監管框架將提升ODD管理的重要性——即界定車輛可在何種條件與何處運行、何時可啟動自動駕駛模式——以及安全評估與部署後監控之重要性。特別是運用模擬證明自動駕駛安全性的做法將擴大，應可帶動對我們今日介紹之高精度3D數據於評估與驗證上的需求。內部而言，我們預期ODD管理與模擬評估之應用場景將隨監管制度建立而擴大。我們的高精度3D數據不僅可用於車載授權，亦可應用於安全評估與ODD管理——即我們所稱的Data for AI——中長期有望擴大業務機會。惟監管框架本身不會立即對營收或獲利產生重大影響；我們更視其為支撐未來自動駕駛市場擴張、進而推動公司業務成長的因素。
• Q：可否於官網或影片中介紹搭載公司高精度3D數據之車型，以及未來一至兩年預計採用之車型？
  A：從日常交流中我們了解，公司高精度3D數據實際應用於哪些車輛與服務，是投資人高度關注的議題。我們將盡可能透過說明會、新聞稿與社群媒體溝通。惟請理解，與車廠及其供應商之合約限制可能使我們無法揭露具體車型或未來採用計劃。特別是未來採用計劃與客戶產品規劃及發布時點相關，可揭露資訊有限。例如，雖已說明第39款車型之採用已確定，但因尚未取得揭露許可，仍無法具名。話雖如此，相關程序正在推進，預計於盂蘭盆節假期後前後取得許可，敬請耐心等待。在可揭露範圍內，我們將持續透過官網與說明會資料，盡可能清楚傳達採用案例、應用場景與搭載實績。
• Q：公司宣布加入海外合作夥伴網路。北美子公司是否積極針對目標市政單位與道路管理機關展開銷售？我們推測 3Dmapspocket 對東京建物之數據供應是由日本總部業務團隊取得，北美子公司是否也有類似作為？亦期待日本的除雪支援與機場相關業務能在北美複製。
  A：此問題應是關於我們加入總部位於加州、全球最大GIS軟體公司 Esri 的合作夥伴網路。我們透過子公司 DMP North America 積極針對北美市政單位與美國各州交通部（DOT）展開銷售。目前已與多個DOT進行提案活動，並如今日案件管線揭露所更新，正接獲概念驗證專案之詢問，多項銷售洽談推進中。訂單成果亦開始具體化，例如近期公布之面向北美交通主管機關的橋樑與隧道管理解決方案。關於 Esri，我們加入其合作夥伴網路，旨在擴大公共部門基礎設施管理及基礎設施營運商之銷售通路。我們將此定位為將原為自動駕駛建置之高精度3D數據拓展至基礎設施管理與都市規劃等領域的關鍵舉措。DMP North America 除自動駕駛數據供應外，亦就道路基礎設施管理與公共部門應用展開業務活動，Esri 合作即為其中一環。關於除雪支援與機場相關舉措，我們的方針是先在日本累積實績，再向海外拓展。我們認為美國市場對此類需求同樣強勁，將積極推動海外複製。
• Q：請介紹自動駕駛以外的具體業務規劃——不動產、建設、無人機、遊戲應用等。
  A：目前汽車相關業務佔營收多數。惟藉由運用為自動駕駛所建置之數據資產，我們中長期目標將業務領域擴展至不動產、建設與基礎設施、物流、AI與娛樂，以及機場、港口、工廠與物流設施之自動化。
• Q：第一季調整後EBITDA是否符合計劃？依第一季業績判斷，是否有修正全年財測之必要？
  A：第一季調整後EBITDA年比下滑。
  惟相較內部計劃，調整後EBITDA虧損落在預期範圍內，實際上優於原先假設。授權型營收在以AI應用為核心之企業授權案件擴大帶動下超越去年同期水準，向授權為主模式之轉型持續推進。
  我們的企業授權與專案型案件在營收認列上傾向偏重下半年度。
  現階段，支撐全年財測之案件進度並無下修情形，故維持財測不變。我們將持續審慎評估案件進度並適時揭露。
• Q：營業成本與銷管費（SG&A）年比增加的原因為何？
  A：營業成本年增4億日圓，銷管費（SG&A）年增7,000萬日圓。
  營業成本增加主要係北美業務高精度3D數據相關資產折舊增加，加上匯率影響所致。
  我們持續於全球（含北美）建置高精度3D數據，折舊費用亦隨數據資產增加而上升。營業毛利年比下滑的主要部分反映過往投資之折舊。
  話雖如此，以先進國家為核心的新建置階段大致完成，現正轉入供應與更新階段。中長期而言，我們正轉向折舊完成即可轉化為獲利改善的業務結構。
  銷管費方面，7,000萬日圓的增幅主要來自M&A相關費用、新事業開發費用與匯率影響。特別是為建構測量公司網路之M&A成本，以及包含Data for AI之新事業開發相關費用，並非單純的成本增加，同時亦強化未來數據建置與更新能力、全球數據資產運用，以及授權營收擴張之業務基礎。
  全年而言，銷管費預期不會較前一年增加，我們將持續著重成本控制。
• Q：目前達成全年財測的下行風險為何？例如案件遞延或Data for AI需求放量等，哪些面向特別值得關注？
  A：全年財測最大的下行風險為外部環境變化——例如自動駕駛市場放量慢於預期，或景氣衰退抑制客戶投資意願。此外，由於自動駕駛與Data for AI專案規模通常較大，客戶端開發計劃與投資決策亦為變數。綜合而言，最大風險在於以Data for AI為核心之各專案在訂單時點、驗收時點、營收認列時點與案件規模上的變動性。雖認知上述風險，但依目前案件狀況與進度，現階段我們認為並無修正全年財測之必要。
• Q：全年財測假設1美元=145日圓，但實際匯率高於此水準。既然如此仍維持財測，是否有匯率利多以外需審慎看待的因素？請說明匯率敏感度與上行空間。
  A：本會計年度財測係於年初以1美元=145日圓為假設所編製。目前匯率水準高於當初假設，對海外營收有正面影響。惟就獲利影響而言，對應海外營收之成本亦在海外發生，營收與成本相互抵銷，匯率影響有限。我們不揭露匯率敏感度，但考量營收中海外佔比高、且海外業務成本結構亦多以當地貨幣計價，我們認為獲利面之匯率風險相對營收面已在一定程度上被對沖。至於為何維持財測：除匯率利多外，我們亦納入經營環境的不確定性，包括專案型訂單取得時點與部分授權案件之放量時點。特別是海外大型案件，營收認列時點可能隨客戶決策而變動，故現階段審慎評估。此外，匯市短期內可能劇烈波動，我們認知近期波動度偏高，並無僅因暫時性匯率變動即修正財測之意圖。我們將綜合考量案件進度與匯率影響，若判斷有修正財測之必要，將適時揭露。
• Q：我們視AI原生數據為成長領域。預期何時開始對獲利產生實質貢獻？請釐清這是近期營收貢獻項目，抑或中長期成長動能。
  A：我們預期AI原生數據將先用於研發用途與ADAS開發，隨後被採用於評估用途，並在基於此開發之車輛上市後，進一步擴展至量產與車載應用。本會計年度我們集中資源於生成AI原生數據並向客戶推廣。於 Hugging Face 發布數據使全球受眾得以接觸，客戶提案與銷售洽談穩步推進，我們已確認具體需求存在。此外，如今日所說明，我們已開始與 NVIDIA 等該領域主要業者建立合作。我們將配合市場放量推動此業務成長，並預期其中長期將成為重要成長動能。
• Q：公司與 NVIDIA 及 MathWorks 合作供應AI原生數據，但若 NVIDIA 認真切入此領域，DMP 是否將變得不必要？DMP 的價值究竟在哪裡？
  A：我們視 NVIDIA 為互補而非競爭關係。
  在含自動駕駛之實體AI開發中，三大要素至關重要：運算資源、模型開發與數據。
  NVIDIA 的業務是GPU——即AI的運算資源，近期以「AI工廠」為品牌訴求。運算供應商建構開放生態系，目的在於提升GPU消耗量與AI採用度。
  相對地，DMP 擁有全球規模最大、重現真實世界道路的高精度3D數據，包含HD地圖、點雲、影像與語意資訊。
  由於實體AI以AI在真實世界運作為前提，準確反映真實道路環境、交通規則、標誌、車道標線與道路結構的數據不可或缺。
  我們得以與 NVIDIA 及 MathWorks 合作，即是證明我們的數據資產與技術知識在AI開發生態系中具有價值的一例。
  剩下的要素是模型開發。我們的構想是分工：在 NVIDIA 的運算平台與生態系中，由我們提供真實世界數據基礎，而全球企業推進模型開發。當然，僅訓練模型並不足夠——仍需驗證、評估與認證，而每一環節都需要數據。
  此情形不限於 NVIDIA；其他企業亦沿相同路徑推進含自動駕駛之實體AI開發。我們認為AI越進步，高品質真實世界數據就越重要，並致力作為AI時代的真實世界數據基礎提供價值。
• Q：AI原生數據生成方面與 NVIDIA 等的合作持續推進。公司認為此領域的競爭對手是誰？又如何看待大型科技公司自行建構類似資料集的風險？
  A：首先，我們完全不將 NVIDIA 視為競爭對手，雙方關係為互補。在含自動駕駛之實體AI開發中，我們認為三大要素至關重要：運算資源、模型開發與數據。NVIDIA 的業務是GPU，即AI的運算資源，現稱為AI工廠。運算供應商形成易於使用的開放生態系，目的在於提升GPU消耗量與AI採用度。而我們則擁有全球規模最大、以高精度重現真實世界道路的3D數據——由此生成的高精度3D數據、原始點雲數據、影像，以及疊加於其上的語意資訊。由於實體AI以AI在真實世界運作為前提，必須準確反映並理解真實道路環境、交通規則、標誌、車道標線與道路結構。我們今日提出與 NVIDIA 及 MathWorks 的現行合作，作為證明我們的數據資產與技術知識在AI開發生態系中具價值的一例。唯一剩下的要素是模型開發，我們的構想是：在 NVIDIA 提供的AI工廠、運算平台與生態系中，由我們供應真實世界數據，全球企業則在此分工下推進模型開發。當然，僅訓練模型並不足夠——仍需驗證、評估與認證，而每一環節都需要數據。此情形不限於 NVIDIA；在各家企業提供運算資源並推進模型開發的環境下，我們認為擁有高精度數位化真實世界數據的定位，使我們得以廣泛供應數據而不依賴任何單一平台。因此，我們的數據對AI訓練與評估具有價值。在此基礎上，長期而言我們目標成為支撐社會與產業的數據基礎設施企業，作為支持所謂虛實循環（cyber-physical loop）的企業集團：從真實世界收集數據，進行分析、預測與控制，並將結果回饋至真實世界。
• Q：請說明熊本地震對業績的影響。
  A：2026年7月熊本地震後，我們已確認部分地區道路幾何形狀等特徵發生變化，與我們的高精度3D地圖數據產生落差。
  自事件發生後，我們即持續評估受災地區狀況並研議對策。現階段雖可能發生數據更新成本，但範圍與成本尚無法合理估算，故業績影響未定。
  若判斷對業績有重大影響，我們將適時揭露。
• Q：在實體AI時代，DMP 目標成為什麼樣的公司？
  A：我們目標確立為支撐實體AI之真實世界數據平台商（platformer）的定位。在實體AI時代，除AI模型本身外，競爭優勢的來源將在於使用何種真實世界數據進行訓練、驗證與運作。如今日所示，我們的數據對AI訓練、評估、驗證與模擬具有價值。在此基礎上，長期而言我們目標成為社會與產業不可或缺的數據基礎設施企業——作為支持虛實循環（從真實世界收集數據，進行分析、預測與控制，並將結果回饋至真實世界）的企業集團。