8 月 21 日盘前,震坤行发布 2026 年第二季度财报:GMV 28.78 亿元(+18.9%),净营收 24.44 亿元(+12.8%),毛利 4.30 亿元(+20.3%、毛利率 17.6%),营业利润 400 万元(去年同期营业亏损 7200 万元),净利润 2670 万元(去年同期净亏损 5350 万元),经调整净利润 3850 万元(去年同期经调整净亏损 3650 万元)——首次实现季度规模化的经营盈利与净盈利。[1]
用企业 AI 化十节点看这份二季报,最值得注意的不是"首次盈利"这个结果本身,而是它的 AI 证据结构:震坤行把 AI 量化到了"数据基座(知识图谱、物料数据行)"与"内部效率(工时、研发编码占比)"两层,却没把 AI 量到 GMV 或收入的贡献上。 这在系列里是一个新样本。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 数据均来自震坤行 2026 年第二季度未经审计财报(美股 GAAP 口径,non-GAAP 经调整净利已剔除股份支付);"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;文中 AI 量化数据(知识图谱、工时、研发编码占比)均为公司披露口径,无独立第三方验证。本文对证据分三级:A 级=经营结果/第三方可验证(收入、毛利、客户数、现金流);B 级=公司量化披露但口径需接受(Domino 知识图谱、12,759 小时、70% 研发编码、AI 材料经理用户数);C 级=公司战略/产品宣称("agentic AI-driven""AI 越来越嵌入客户服务与运营")。
一、二季报五点速读
- 首次规模化盈利,而且是"经营+净利"双转正。 营业利润 400 万(+348.5bps 至 0.2%)、净利润 2670 万(+356.2bps 至 1.1%)、经调整净利 3850 万(+326.0bps 至 1.6%),Non-GAAP EBITDA 4190 万(+349.7bps 至 1.7%)[1]。去年同期四项全为负。这是公司披露口径里"首次实现季度规模化盈利"。
- GMV 增速创近几个季度新高,营收增速同向抬升。 GMV +18.9%,净营收 +12.8%,均高于此前几个季度[1]。增长是"结构性"而非单点:通信电子、精细化工与制药、公用事业等核心垂类跑赢整体 GMV;中小企业(SME)GMV +约 30%,KA 与央企双位数[1]。
- 收入结构仍以商品为主,但"3P 放量 + 服务/其他高增"在悄然变化。 商品净收入 23.78 亿(+12.5%,占 97.3%);服务净收入 0.51 亿(+25.1%);其他收入 0.15 亿(+26.6%)。GMV 口径里,自营(1P)24.46 亿(+14.6%),平台(3P)4.32 亿(+50.7%、占比升至 15.0%,上年 11.8%)[1]。
- 毛利率改善来自商品侧,但 3P 抽佣率在摊薄。 综合毛利率 17.6%(+110.3bps);ZKH 平台商品毛利率 16.7%(+72.9bps)、GBB 7.8%(+87.2bps);但 3P 的 take rate 从 14.2% 降至 11.8%(-241.3bps)[1]——3P 在放量,单均毛利却在降。
- 履约与研发一升一降,藏着 AI 的痕迹。 履约费用 8960 万(-1.3%)、占收入 3.7%(-50bps);研发费用 3520 万(-15.2%)、占收入 1.4%(-19bps),归因是"员工福利开支下降,部分被服务费上升抵消"[1]。这条留到第六节——它跟"AI 支持 70% 研发编码"连起来看,是个很有意思的检验点。
二、先定性:它是买方侧、重资产履约的 MRO 采购平台
把震坤行放进系列坐标,先说清楚它是什么:
- 是买方侧的 MRO 采购平台。 价值主张围绕"降低采购成本、解决管理效率痛点"[1],与京东工业(买家侧采购执行)、齐心(买家侧数字化集采)同侧,与阿里 B2B(卖家侧撮合)、满帮(链上调度)不同侧。
- 是买方侧 MRO 样本里资产最重的一家。 截至季度末,履约网络含 30+ 配送中心、109 个仓库(含新竣工的沧州危化品专用仓)、200+ 自营配送车、6000+ 台智能售货柜(部署在客户生产现场)[1]。这与京东工业"不在自身仓库大量备货、供应端直发+第三方履约"形成对照——京东工业重的是数据与组织协同,震坤行重的是物理履约资产。(注:若把化工物流的密尔克卫也算进来,它是另一类资产重的基础设施;本文"最重"限定在买方侧 MRO 采购样本内部。)
- 是"1P 为主 + 3P 放量"的混合体,不是纯自营、也不是纯撮合。 1P 商品收入占大头,但 3P 平台 GMV 增速 +50.7%、占比已到 15%[1]——它既在"自己卖货",也在"让别家来卖"。这个混合结构是理解它 AI 落点的前提:AI 既服务自营选品与库存,也服务平台撮合。
定性一句话:震坤行是买方侧、重资产履约的 MRO 采购平台——AI 证据最厚在"节点 0 数据基座"与"内部效率",而非"GMV 收入贡献"。
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 | 产品能力:化学试剂、工业备件、机加工;AI 材料经理(选材/物料处理) | AI 辅助选材/物料处理 | 2 | 中—高 |
| 研发 | 研发 3520 万(-15.2%、占 1.4%);多层级 AI 应用框架(RPA+AI Agent+高级 AI 工具);AI 支持 >70% 研发编码 | AI 辅助研发(编码自动化) | 2 | 高(内部效率) |
| 制造 | 不制造;但 AI 解决方案覆盖制造/化工/港口/汽车(面向客户) | AI 赋能下游制造(降库存/提速选材) | 2 | 中(面向客户,非自产) |
| 定价 | 商品 94%+;ZKH 平台商品毛利率 16.7%(+72.9bps);3P take rate 11.8%(-241.3bps) | AI 商品策展/定价辅助 | 2 | 中 |
| 营销 | SME GMV +约 30%;KA/央企双位数 | AI 深度客户洞察(CEO 口径) | 1–2 | 中 |
| 交易(商品) | ZKH 平台 GMV 26.35 亿(+22.9%);3P GMV 4.32 亿(+50.7%、占比 15%);Domino 十亿参数工业品知识图谱(自动标注/自学习/端到端溯源);AI 材料经理 >8000 用户(+200%)、处理 >2400 万行物料数据;公司自述"product-led, agentic AI-driven approach" | AI 商品数据引擎/选品/物料处理 | 2(3 级迹象待核:agentic AI) | 高(价值中枢) |
| 仓储 | 30+ 配送中心、109 仓库;沧州危化品专用仓;6000+ 智能售货柜 | AI 降库存/智能前置补货 | 2 | 中—高 |
| 配送 | >200 自营配送车;履约费用占比 3.7%(-50bps) | AI 履约调度(证据弱) | 1–2 | 中 |
| 售后 | EVM 智能售货柜(客户现场自动补货) | 智能售货/预测性补货 | 1–2 | 中(需重定义) |
结论画像:
震坤行的价值中枢是"交易(商品)+仓储"两个节点,站在买方一侧、以重资产履约打底。它的 AI 证据结构在系列里独一份:最厚的一层在节点 0(Domino 十亿参数工业品知识图谱——目前系列里唯一的"AI 原生"数据基座),第二层在内部效率(AI 支持 >70% 研发编码、全司 AI 化当季折算约 12,759 小时、AI 材料经理 >8000 用户/2400 万行物料数据);但它还没有把 AI 量到 GMV 或收入的贡献上。交易与仓储节点支持到 2 级,3 级(agentic AI 自主完成采购闭环)有迹象、缺独立验证,按"2 级为主、3 级迹象待核"落位。
四、节点 0 视角:Domino,是系列里第一个"AI 原生"的数据基座
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),让 AI 读得懂"物";知识数据化(经验标准化),让 AI 接得住"术"。对震坤行,节点 0 有一个系列里此前没有的形态——数据基座本身就是 AI 生成的:
- 行业词典(商品语义层):Domino——"由工业品领域首个十亿参数工业品知识图谱驱动的工业品数据引擎",具备自动数据标注、自学习、端到端溯源[1]。它解决的是 MRO"同品识别"这一行业级难题(化学品 CAS/规格、工业备件型号、机加工参数)。关键点:京东工业的墨卡托标准库是"30% 由 AI 生成",密尔克卫的化学品主数据是"数据字典",震坤行的 Domino 是"知识图谱自动标注、自学习"——AI 不只是往库里填数据,而是在维护这个库本身。这是节点 0 从"数据资产"走向"AI 资产"的直接证据。
- 跨境参数匹配(标准对齐层):国际 GMV 上半年同比增十倍[1],公司继续帮助中国制造商出海、并本地化美国运营——跨市场参数对齐是这条出海链的隐含前提,但财报未披露对应映射工具。
- AI 合规查询乃至适配(监管对齐层):危化品是震坤行核心品类(沧州危化品专用仓刚竣工),化学品 SKU 到危化品名录/运输/仓储条件/申报的映射,是 AI 报价与合规的前置。财报未单列 AI 合规查询数据。
结论:震坤行的节点 0,是系列至今把"AI 化数据基座"讲得最完整的一个——Domino 的"自动标注/自学习"直接满足框架"让 AI 读得懂物"的判据,而且这个数据层本身已由模型维护。 这是它与京东工业、密尔克卫在节点 0 上的结构性差异。
五、经验沉淀:物料处理经验的"组织化"切面
框架里,节点 0 第二层是知识数据化(经验标准化)。震坤行在这个切面上有一条可观察的链:
- 选材/物料处理经验 → 数据 → 模型:AI 材料经理(AI Materials Manager),用户同比 +200% 至 >8000,累计处理 >2400 万行物料数据[1]——把"老师傅怎么选材料、怎么处理物料"沉淀成模型可读的数据,这是"经验标准化"在 MRO 选材场景的直接映射(作者分析视角,非公司表述)。
- 研发编码经验 → 模型:AI 支持 >70% 研发编码活动[1]——研发环节的"做法"被模型承接。
- 客户现场补货经验 → 系统:6000+ 台智能售货柜部署在客户生产现场,自动补货[1]——把"何时补、补什么"的现场经验固化为设备与规则。
从企业价值升级的角度看,震坤行的路径是:
老师傅选材/处理经验 → 物料数据与知识图谱 → AI 工具(材料经理)→ 面向客户的降库存/提速选材价值。
但要注意:财报没有披露经验标准化带来的培训周期、差错率、人均产出等可验证指标,也没有披露 AI 材料经理对客户采购成本或效率的量化贡献。这一节目前是"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。把震坤行的 AI 叙事拆开核对:
已有系统/数据证据(可引,公司口径):
- 节点 0(数据基座):Domino 十亿参数工业品知识图谱(自动标注/自学习/端到端溯源)[1];
- 内部效率:AI 支持 >70% 研发编码;全司 AI 化当季折算约 12,759 小时生产力增益;多层级 AI 应用框架(RPA+AI Agent+高级 AI 工具)[1];
- 面向客户:AI 材料经理用户 >8000(+200%)、处理 >2400 万行物料数据;AI 解决方案覆盖制造/化工/港口/汽车[1];
- 经营结果:营业利润 400 万(首次)、毛利率 17.6%(+110.3bps)、履约费用占比 -50bps[1]。
战略宣称(不可直接引用为事实):
- "product-led, agentic AI-driven approach"(公司简介口径,Agent 自主执行采购闭环)[1];
- "AI 越来越嵌入客户服务与运营,帮我们加深客户粘性、解锁额外收入机会、提升效率"(CEO 电话会口径)——"解锁额外收入机会"没有对应量化;
- AI 对 GMV/收入/毛利率的贡献拆解——未披露。
结论: 按最低判据,震坤行可引证据支持到 2 级(流程内嵌:AI 参与判断、规则与人工兜底)。把证据拆成三层:A 节点价值证据(GMV、收入、毛利、客户、履约费用率——回答"价值发生在哪里")为强;B AI 存在与效率证据(Domino、AI 材料经理、12,759 小时、70% 研发编码——回答"模型是否真正进入核心流程")为系列里最厚的一档;C AI 贡献证据(AI 对 GMV/收入/毛利的量化贡献)为缺失。这是震坤行与京东工业最本质的差异——京东工业把 AI 量到了 GMV(6.5%),震坤行把 AI 量到了工时与研发编码占比,两者都还没量到"收入贡献"。
七、一个必须写进去的反向检验:AI 在"省研发的钱",还是"省研发的劲"?
这一节是本文的张力核心。把两个数并排看:
- 财报说:研发费用 -15.2%(3520 万,占收入 1.4%),主因是员工福利开支下降,部分被服务费上升抵消[1];
- 财报又说:AI 支持 >70% 的研发编码活动[1]。
这两个数字组合起来,讲的是同一个故事:AI 编码工具在替代一部分人类工程师的编码劳动,研发费用下降部分来自"AI 化研发提效"。这本该是 AI 效率的直接证据——但按框架的纪律,它同时也是个值得警惕的检验点:
- 研发占收入仅 1.4%,且在本季度下降。 对一家自称"产品驱动、Agentic AI 驱动"的 AI 化企业,这个研发强度偏低,且方向是收缩。AI 是否真的在"提升研发产出",还是只在"压低研发成本"?两者对长期竞争力的含义完全不同。
- 研发费用下降被"服务费上升"部分抵消。 说明部分研发被外包/外购——是更聪明地调配,还是把核心能力外置?需后续财报验证。
- AI 指标与研发投入是否自洽。 若 AI 支持 70% 研发编码,研发产出(专利、模型、系统上线)应当跟上;若只是减少了人力投入,那 70% 这个数字更接近"降本叙事"而非"创新叙事"。
需要说明的是,这里不能直接推出"AI 无效":研发投入还受业务阶段、AI 工具成熟度、外购比例等多因素影响。但正是这个组合,构成未来几季值得盯的验证点:AI 继续提升研发编码占比的同时,研发产出(上线系统、知识图谱规模、材料经理处理量)能否持续增长,而不是研发投入持续收缩。
八、买方侧双雄:与京东工业的对照
系列写到今天,买方侧 MRO 采购已经集齐三个样本——齐心(数字化集采)、京东工业(采购执行)、震坤行(重资产履约)。其中震坤行与京东工业是最适合并排看"资产重量"与"AI 披露层级"的一对:同是买方侧 MRO,一个重资产、一个轻资产。两组数据只并排、不指引,口径不同(美股 GAAP / 港股 non-IFRS)不混比。
对照一:运营结构(并排,不下结论)
| 维度 | 震坤行 | 京东工业 |
|---|---|---|
| 生态位 | 买方侧+重资产履约 | 买方侧+轻资产采购执行 |
| 收入/规模 | 24.44 亿(+12.8%,2026 Q2) | 130.63 亿(+27.4%,2026 H1) |
| 收入结构 | 商品 97.3%;服务 2.1%;其他 0.6% | 商品 94%;服务 6% |
| 商业模式 | 1P 为主(自营)+ 3P 平台(占比 15%、+50.7%) | 总额法确认(商品为主) |
| 履约资产 | 30+ 配送中心、109 仓库、200+ 自营配送车、6000+ 智能售货柜 | 不大量备货、供应端直发+第三方履约 |
| 存货 | 6.47 亿(约相当于单季收入 26%) | 存货约占收入 12%(2025H1 招股书口径) |
| 毛利率 | 17.6%(+110.3bps) | 18.5%(基本持平) |
| 经营结果 | 营业利润 400 万(首次转正);经营现金流 -1.22 亿(仍为负) | 经调整净利 7.51 亿(+43.4%) |
口径说明(不占用表格): 震坤行为美股(2026 Q2 未经审计,GAAP + non-GAAP);京东工业为港股(2026 H1,non-IFRS)。震坤行单季、京东工业半年度,数字不直接混比。
对照二:AI 证据(并排 + 点评)
| AI 指标 | 震坤行 | 京东工业 |
|---|---|---|
| 量化到哪一层 | 数据基座+内部效率:Domino 十亿参数知识图谱;AI 支持 >70% 研发编码;全司 AI 化当季折算约 12,759 小时;AI 材料经理 >8000 用户/2400 万行 | GMV 层:AI 增量 GMV 占 KA GMV 6.5%;标准库 30% AI 生成(效率 +14.5 倍);核心岗位人效 +16.6% |
| 数据基座形态 | AI 原生知识图谱(自动标注/自学习) | 墨卡托标准库(30% AI 生成) |
| 面向客户 AI | AI 材料经理(选材/物料处理,用户 +200%) | AI 导购(选型决策 -70%、转化率 +48%)、AI 智采管家 |
| 应用规模 | 多层级框架(RPA+AI Agent+高级 AI 工具) | 70+ 款智能体 |
| AI 化度(最低判据) | 2 级为主,3 级(agentic AI)迹象待核 | 2 级为主,3 级(智能体自主执行)迹象待核 |
点评(作者视角,非结论性比较): 同一套框架量下来,两家都还没把 AI 量到"收入贡献",但披露口径的层级不同——京东工业已经量到 GMV(6.5%),震坤行还停在数据层(知识图谱、物料行)与效率层(工时、研发编码占比)。差别不在谁"更 AI",而在 AI 证据的锚点:京东工业把 AI 钉在"交易结果",震坤行把 AI 钉在"数据基座与内部运营效率"。这恰好呼应了系列的对照主轴——AI 化发生在链的哪一端、以及量化到哪一层,比"是不是 AI 公司"更值得看。
九、另外两个值得盯的张力
- 客户数 -1.7%(74,854 → 73,547),但 GMV +18.9%。 客户资产在"量减质升":SME +约 30%、KA/央企双位数[1]——单客价值提升,但客户数绝对值在收缩。这是"质量换规模"还是"增长见顶前的集中化",要结合后续季度看。
- 经营现金流仍为负(Q2 经营现金流 -1.22 亿,上年同期 -1.11 亿),尽管实现经营盈利。 应收款从 32.57 亿升至 34.47 亿(坏账准备 1.60 亿 → 1.79 亿)[1]。"经营盈利"是权责发生制口径;现金流还没转正,且应收在增长——这是"盈利"成色的重要检验点,也说明供应链金融/账期管理仍是这个模式的关键变量。
十、待补证据
- AI 对 GMV/收入/毛利率的量化贡献(本季未披露);
- Domino 知识图谱的规模(实体/关系/图谱)、覆盖品类,及其与 AI 材料经理的边界;
- "12,759 小时"的折算口径与基期(如何从公司层面归集);
- AI 材料经理对客户采购成本/选材效率的量化影响;
- 3 级自主执行(agentic AI 独立完成采购闭环)的客户案例;
- 研发投入:AI 提升编码占比的同时,研发产出(上线系统、模型、专利)能否持续增长,而非研发投入持续收缩(反向检验,见第七节);
- 经营现金流能否随经营盈利转正(应收账款的账期与坏账趋势);
- 3P take rate 持续下探(11.8%)对整体毛利率结构的影响;
- 客户数收缩(-1.7%)是质量换规模还是增长见顶前的集中化。
结语
回到开头那组数字:GMV 28.78 亿(+18.9%)、营收 24.44 亿(+12.8%)、营业利润首次转正 400 万、经调整净利 3850 万——震坤行完成了"从规模走向盈利"的季度拐点。但用十节点看,它更有价值的地方是 AI 证据的锚点:数据基座(Domino 十亿参数知识图谱)与内部效率(12,759 小时、70% 研发编码)最厚,GMV/收入贡献留白。判断震坤行这家"重资产买方侧 MRO 平台"的 AI 化值不值,盯三个数字就够了:AI 能否量到 GMV/收入贡献(从效率层走向交易层)、研发投入与研发产出能否同步而非只降投入(反向检验)、经营现金流能否随经营盈利转正(盈利成色)。这三个数字出来之前,"agentic AI-driven"先按公司叙事处理,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。