8 月 19 日盘前,满帮(YMM)发布 2026 年第二季度财报:总净营收 33.82 亿元,同比增长 4.4%;净利润 13.45 亿元,同比增长 6.3%;Non-GAAP 调整净利润 14.34 亿元,同比增长 6.0%。[1] 数字本身不惊艳,惊艳的是结构:交易服务收入 17.66 亿元,同比增长 33.1%,占总净营收的 52.2%——首次过半。
用企业 AI 化十节点看这份财报,核心问题只有一个:满帮的 AI 化,到底发生在哪里? 下面按同一把尺子量——有证据的落位,没有证据的留白。
先把边界说清楚:本文引用的 Q2 数据均来自满帮 2026 Q2 财报及业绩电话会议;"AI 化度"按最低判据(模型是否实际参与判断或执行)落位,纯规则与自动化不计入 AI 等级;交易服务收入增长是交易节点价值深化的直接证据;结合公司披露的 AI/智能匹配系统,可作为 AI 进入核心流程后的经营背景证据,但不能据此识别 AI 的收入贡献。公司未披露 AI 收入量化贡献,本文不以 AI 收入直接归因。
一、财报五点速读
- 营收超指引上沿,但增速温和。 总净营收 33.82 亿(+4.4%),比 Q1 指引上沿(31.7 亿)[3] 高约 6.7%。但增速仍是个位数——与 2026 Q1 的 +5.5%[3] 接近,明显低于 2025 全年(2025 年报口径)的 +11.1%[4]。管理层给 Q3 指引 33.2–34.2 亿,同比约 -1.2% 至 +1.8%,与去年同期基本持平[1][2]。
- 净利止跌回升,但利润结构有讲究。 净利润 13.45 亿(+6.3%),扭转了 Q1 的 -21.9%;营业利润 14.86 亿(+30.4%),营业利润率从 35.2%(2025 Q2 同期)升至 43.9%[1]。但利润改善的主因要拆开看——见第五点。
- 交易服务占比首次过半,收入结构换挡确认。 交易服务 17.66 亿(+33.1%)、占净营收 52.2%;货运撮合服务整体 30.13 亿(+9.6%);货运经纪(满运宝)9.95 亿(-15.5%);增值服务 3.69 亿(-24.9%)[1]。平台的收入重心,从"信息撮合"走向"交易执行"。
- 用户与订单双位数增长,活跃度快于营收。 履约订单量 6,850 万单(+12.7%);货主 MAU 357 万(+12.8%);经营现金流 21.50 亿(+63.7%)[1]——平台基本盘的扩张仍在继续。
- 利润改善的真因:税费端,不是 AI 降本。 营业成本 9.26 亿(-25.2%),占收入比从 38.2% 降至 27.4%——公司归因主要是 VAT 及相关税费净额下降(含政府补助口径),尤其货运经纪相关税费净额从约 10.87 亿降至 7.43 亿[1][2]。这一条要记清楚:利润率的跳升,主因在税费端,而非经营杠杆或 AI 降本。
二、它是什么:链上调度型数字货运平台
先说清楚满帮是什么——它不是传统自营车队型物流公司:核心商业模式不是依赖自有运力承运,而是连接货主与司机、组织匹配、交易和履约。
- 不是传统自营车队型物流公司:核心模式不依赖自有运力承运,做的是连接货主与司机、组织车货匹配与交易;
- 不是纯信息撮合:交易服务占比 52.2% 首次过半,平台深度介入定价与履约组织——从"信息撮合"走向"交易执行";
- 行业位置:在中国数字货运平台中处于领先地位;部分公开研究估算其跨城整车领域份额约在五成水平[5],路歌、福佑卡车等同类平台体量均小一个量级。
满帮的组织方式:一端是货主(Q2 平均 MAU 357 万),一端是规模庞大的活跃司机网络(公司最新披露的司机绝对数为 2025 Q3 的过去 12 个月活跃货车司机 448 万[4];2025 年报及 2026 Q1/Q2 均未更新司机绝对数,仅披露"履约司机月活和履约频次同步增长"),平台在中间做匹配、调度与交易组织。它卖的不是运力,是"把货和车匹配对"这件事的组织效率。
定性一句话:满帮是链上调度型数字货运平台——AI 化发生在"车货匹配与调度"这个链上环节。
三、企业 AI 化十节点画像
每个节点按"决策/执行由谁承担 → AI 以何形态介入 → 价值活动如何重组"三问落笔;无证据处留白。对照框架母文的 0–4 级光谱与最低判据:
| 节点 | 数字化/履约证据 | AI 化形态 | AI 化度 | 证据强度 |
|---|---|---|---|---|
| 创意 | 不适用 | — | — | 留白 |
| 设计 | — | — | — | 留白 |
| 研发 | 研发费用 2.61 亿(+37.6%);Giga.AI(原 Plus 中国相关主体,智能驾驶方向)自 2025 年 7 月并表——收购增强公司 AI 能力与技术基础;Q2 CEO 评论提及自动驾驶配送车辆试点已扩展至多城市 | 业务层 AI(货运匹配/调度模型)+能力层 AI(Giga.AI 智能驾驶技术资产与研发组织) | 2 级(AI 未量化贡献) | 中 |
| 制造 | 不涉及 | — | — | 不适用 |
| 定价 | 经纪服务费率、单均交易服务费存在动态变化(费率提升部分对冲经纪交易量下降;交易服务费受渗透率与单笔费率影响) | AI 动态定价机制未披露 | 留白(现有证据只能证明费率机制存在,不能证明 AI 定价) | 低 |
| 营销 | 会员体系、货主线上迁移(货主 MAU +12.8%) | 智能获客(证据弱) | 1 | 低—中 |
| 交易(商品) | 交易服务 17.66 亿 +33.1%、占总净营收 52.2%(首次过半)(价值中枢证据:高);订单量、渗透率、单笔费率齐升(公司归因);补充(2026 Q1 电话会口径)[3]:抽佣渗透率超 94%(+9pct)、平均每笔订单变现金额约 26.9 元 | 智能/AI 辅助车货匹配(核心能力之一)——公司未披露 AI 占撮合决策的比例或 AI 收入贡献 | 2 级(价值中枢≠AI 证据确认) | 价值中枢:高;AI 证据:中 |
| 仓储 | 非核心 | — | — | 留白 |
| 配送 | 数字货运平台:履约订单 6,850 万单(+12.7%);车货匹配、线路调度;2024/2025 ESG 披露 intelligent freight-matching 技术用于优化车辆调度[4] | 智能货运匹配、车辆调度优化(核心能力之一) | 2 级(3 级留白) | 价值中枢:高;AI 证据:中—高 |
| 售后 | 平台服务与纠纷机制(披露有限) | — | 1 | 低 |
结论画像:
满帮的价值中枢是"配送(车货匹配与调度)+交易(商品)"两个节点,站在链上:AI 化发生在"把货和车匹配对"这个环节。交易服务占总净营收 52.2% 首次过半,收入结构向"交易执行"迁移确认。AI 化度按最低判据以 2 级为主,3 级(AI 自主完成撮合与调度的全流程)缺直接证据,留白。
四、节点 0 视角:运力与货主的 SKU 标准化,是匹配 AI 化的地基
企业 AI 化十节点把节点 0(数据基座)拆成两层:商品数据化(SKU 标准化)与知识数据化(经验标准化)。对满帮,节点 0 有具体的产业形态:
- 行业词典(商品语义层):运力侧 SKU=车型/吨位/线路/货型;货主侧=货物属性/时效/报价意愿。车货匹配的精度,取决于这两套实体被结构化的程度——这是满帮匹配算法能成立的前提。
- 跨境参数匹配:不适用(国内干线为主);如延伸跨境线路则需多市场参数对齐。
- AI 合规查询乃至适配:道路运输合规、无车承运人资质、司机准入——匹配结果必须落在合规边界内。
五、经验沉淀:调度与报价经验 → 模型
从"运满满/货车帮"合并而来的调度经验、货主询价行为、司机偏好,沉淀为匹配算法与报价模型——这是"老师傅经验→数据→模型"在链上调度场景的映射(作者分析视角,非公司表述)。Q2 尚未披露 AI 匹配渗透率或单均匹配成本的量化数据,这条链条的证据强度仍是"机制成立、量化待补"。
六、AI 证据核查(量化 vs 宣称分栏)
按框架纪律,战略表述不自动成为公司事实证据。把满帮的 AI 叙事拆开核对:
已有系统/数据证据(可引,公司口径):
- 交易服务 17.66 亿(+33.1%、占 52.2%)——公司归因为订单量+渗透率+单笔费率,未披露 AI 收入量化贡献;
- 抽佣渗透率超 94%(+9pct)、平均每笔订单变现金额约 26.9 元(2026 Q1 电话会口径,非本期)[3];
- 履约订单 6,850 万单(+12.7%)、货主 MAU 357 万(+12.8%)[1];
- 研发 2.61 亿(+37.6%,Giga.AI 并表)[1];
- AI 提效为管理层电话会表述(CEO:网络规模扩大将继续推动平台 AI 创新与应用)[2]。
战略宣称(不可直接引用为事实):
- 公司宣称的"AI 提效"对净利率/匹配效率的贡献比例——未披露量化;
- AI 撮合渗透率(区别于交易服务渗透率的 AI 部分)——未披露。
结论: 按最低判据,满帮可引证据支持到 2 级(流程内嵌:AI 参与匹配/调度判断、规则与人工兜底)。把证据拆成三层:A 节点价值证据(订单、收入、用户、渗透率、费率——回答"价值发生在哪里")为强;B AI 存在证据(AI assistant、intelligent freight matching、Giga.AI 并表——回答"模型是否真正进入核心流程")为中—强;C AI 贡献证据(AI 对匹配率、时长、成本、收入的量化贡献)为弱/缺失。交易服务收入增长是交易节点价值深化的直接证据,可作为 AI 进入核心流程后的经营背景证据,但不能据此识别 AI 的收入贡献——这一点在文章里反复强调,是因为它最容易被误读。
七、一个必须写进去的风险:信贷去风险与 NPL 上升
增值服务 -24.9%,看起来是业务失速。但拆开看,这是信用业务的主动去风险:
- 截至 2026-06-30,贷款余额约 43 亿,较 2025 年底的 55 亿下降 21.9%[1][4];
- 但 NPL 不良率从 2.9%(2025 年底)升至 3.8%(2026-06-30)[1][4]——公司解释部分原因是分母快速缩小,以及此前逾期贷款迁移进入 90 天以上区间[2]。
这两件事互相印证:满帮在主动收缩信贷盘子(增值服务收入下降),但收缩过程中不良率反而上升——信用风险仍需观察。这提醒我们:增值服务收缩不等于"平台变弱",而是"平台在去风险";但去风险的成色,要看 NPL 率能否在 Q3 企稳。
八、同赛道不同逻辑:与密尔克卫的差异化类比
把满帮讲清楚之后,引入一个类比会更有帮助——同一套框架,两个不同类型的货运玩家:
| 维度 | 满帮 | 密尔克卫 |
|---|---|---|
| AI 化位置 | 链上调度:车货匹配与交易组织 | 链内运营:定价计费/仓储/配送履约 |
| 资产 | 轻资产为主(平台+双边网络,核心模式不依赖自营运力) | 重(危化品仓储网、车辆网络) |
| 收入结构 | 交易服务 52.2%+会员费+增值 | 履约服务费为主 |
| AI 证据形态 | 智能货运匹配、AI assistant 等系统证据;交易服务占比(52.2%)、订单量(+12.7%)为节点价值证据 | 自动计费、智能派车、3D 堆场等系统证据 |
| 价值主张 | 把货和车匹配对 | 把化工品安全送到 |
为什么要这个类比: 两家都是"数字货运"赛道,但 AI 化的落点完全不同——满帮的 AI 化发生在"链上"(匹配、调度、交易撮合),密尔克卫的 AI 化发生在"链内"(自己的定价、仓储、配送运营)。这不是谁强谁弱,而是同一套十节点框架,量出了 AI 化发生在链的哪一端。读者把两个画像放在一起看,比单独看任何一家都更能理解"产业 AI 化"的落地差异。
九、待补证据
- AI 匹配/调度对成本或时长的量化贡献(Q2 仍未披露);
- AI 撮合渗透率(区别于交易服务渗透率的 AI 部分);
- NPL 率能否在 Q3 企稳(信贷去风险效果验证);
- Giga.AI 并表后研发投入结构,及其与"多城市自动驾驶配送车辆试点"之间的技术/业务关系;
- 满运宝(货运经纪)收缩是否见底。
结语
回到开头的结构问题:满帮的 AI 化,发生在"链上"。Q2 三个关键变化已经落地——交易服务占比升至 52.2%(首次过半)、净利润恢复同比增长(+6.3%)、订单量继续保持双位数增长(+12.7%)。 满帮已经能够证明 AI 进入了核心物流流程,也能够证明交易与调度是价值中枢,但尚不能证明有多少经营增量由 AI 单独贡献。接下来盯三个数字:AI 匹配/调度的量化贡献是否披露、NPL 率能否企稳、Q3 指引的营收持平能否兑现——这些数字出来之前,"AI 驱动"先按叙事处理,不按业绩处理。
资料来源
本文讨论公司类别与经营机制,不构成投资、估值、竞争优劣判断。"企业 AI 化十节点"为作者自创框架。