《MongoDB-美股公司研究報告-乘AI之風文檔數據庫龍頭再啟航-230729（38頁）.pdf》由會員分享，可在線閱讀，更多相關《MongoDB-美股公司研究報告-乘AI之風文檔數據庫龍頭再啟航-230729（38頁）.pdf（38頁珍藏版）》請在三個皮匠報告上搜索。

1、 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 海海外外研研 究究 公公司司深深 度度 研研 究究 報報 告告 證券研究報告證券研究報告 industryId 美股軟件美股軟件 investSuggestion 增持增持 (首次首次 ）marketData 市場數據市場數據 日期 2023-07-28 收盤價（美元）411.62 總股本（百萬股）70.58 流通股本（百萬股）70.58 凈資產（百萬美元）792 總資產（百萬美元）2581 每股凈資產（美元）11.23 來源：WIND，興業證券經濟與金融研究院整理 relatedReport 相關報告相關報告 海

2、外海外 TMT 研究研究 emailAuthor 分析師：洪嘉駿 SFC：BPL829 SAC：S0190519080002 周路昀 SAC：S0190522070002 請注意：周路昀并非香港證券及期貨事務監察委員會的注冊持牌人，不可在香港從事受監管的活動 assAuthor MDB .O dyCompany MongoDB 美股美股 title 乘乘 AI 之風之風，文檔數據庫龍頭再啟航文檔數據庫龍頭再啟航 createTime1 2023 年年 7 月月 29 日日 投資要點投資要點 summary 文檔數據庫龍頭，收入增長強勁。文檔數據庫龍頭，收入增長強勁。MongoDB 起步于文檔數

3、據庫產品，通過開源社區生態擴大用戶規模，并積極云轉型趨勢，逐漸發展為多功能開發者數據平臺。2021 年 MongoDB 全球非關系型數據庫市場份額占比 5.6%，排名第 4。公司 2023 財年實現收入 12.84 億美元，同比增長 47%；Non-GAAP 凈利潤為 0.65億美元，Non-GAAP凈利率為 5.0%（同比+6.1pcts），首次轉正。全球數據庫市場規?？焖僭鲩L，非關系型數據庫是重要增長驅動。全球數據庫市場規?？焖僭鲩L，非關系型數據庫是重要增長驅動。2021 年全球數據庫市場規模為 795億美元，根據 Gartner和前瞻產業研究院數據，預計2021-2026 年全球數據庫市

4、場規模 CAGR 達 21.27%。從增速來看，非關系型數據庫顯著快于關系型數據庫。從細分來看，全球非關系型數據庫市場中，2021年AWS、Google、阿里巴巴、MongoDB以43.3%、18.6%、5.8%、5.6%的市場份額占比排名前 4。從發展趨勢來看，云數據庫與非關系型數據庫成為主流，生成式 AI 浪潮下向量數據庫或扮演重要角色。產品體系部署完善，開源社區模式推動用戶規模迅速擴展。產品體系部署完善，開源社區模式推動用戶規模迅速擴展。MongoDB 逐步形成完善的核心產品體系，包括社區版 Community Server、企業版 Enterprise Advanced、面向移動市場的

5、 Realm、云數據庫平臺 Atlas。公司通過積極的營銷策略打造 MongoDB 免費社區版吸引用戶，并通過多次迭代后推出MongoDB Atlas 云服務、MongoDB 企業版等收費產品或服務，開辟商業化路徑。得益于 MongoDB 豐富的產品體系與合理的商業模式，用戶規模迅速擴張，客戶 ARPU 持續提升。云中立戰略順勢而為，積極布局向量搜索以擴大優勢。云中立戰略順勢而為，積極布局向量搜索以擴大優勢。云服務方面，MongoDB 租用第三方云服務器以部署云數據庫服務 Atlas，采取云中立戰略，支持所有的主流云環境，順應多云融合趨勢，面對公有云廠商競爭優勢明顯。生成式 AI 浪潮下，Mo

6、ngoDB 數據庫積極引入向量搜索功能，簡化 AI驅動型應用程序的開發；Atlas 添加 Stream Processing 功能，處理高速復雜數據流；與谷歌云合作，Atlas 嵌入谷歌大模型，加速生成式 AI 應用開發。投資建議：公司持續受益于投資建議：公司持續受益于 AI 浪潮為非關系型數據庫市場帶來的增量，我浪潮為非關系型數據庫市場帶來的增量，我們預計們預計 2024/2025/2026 財年公司將實現營收財年公司將實現營收 15.32/18.78/22.98 億美元，同比億美元，同比+19.3%/+22.5%/+22.4%，Non-GAAP 凈利潤為凈利潤為 1.37/1.89/2.7

7、5 億美元。參考億美元。參考同行業公司估值，給予公司同行業公司估值，給予公司 2024財年財年 20 x PS估值，對應目標市值為估值，對應目標市值為 306.4億億美元，首次覆蓋給予美元，首次覆蓋給予“增持增持”評級。評級。風險提示：生成式風險提示：生成式 AI 發展不及預期，訂閱收入增長不及預期，客戶流失風發展不及預期，訂閱收入增長不及預期，客戶流失風險險 主要財務指標主要財務指標 主要財務指標 會計年度會計年度 2023A 2024E 2025E 2026E 營業收入營業收入(百萬美元百萬美元)1284 1532 1878 2298 同比增長同比增長 47.0%19.3%22.5%22.

8、4%毛利率毛利率 72.8%73.9%74.5%75.0%Non-GAAP凈利潤凈利潤(百萬美元百萬美元)65 137 189 275 Non-GAAP凈利潤率凈利潤率 5.0%9.0%10.1%12.0%Non-GAAP 稀釋稀釋 EPS（美元）（美元）0.81 1.70 2.34 3.40 來源：WIND，興業證券經濟與金融研究院整理 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -2-海外公司海外公司深度深度研究研究報告報告 Key DataKey Data July.28,2023 Closing Price（USD）411.62 Total Share

9、s(Mn)70.58 Shares Outstanding(Mn)70.58 Net Assets(USD/Mn)792 Total Assets(USD/Mn)2581 BVPS(USD)11.23 Source:Wind，Industrial Securities Research Institute AnalystAnalyst Hong JiajunHong Jiajun SFC：BPL829 SAC：S0190519080002 ZhouZhou LuyunLuyun SAC：S0190522070002 Zhou Luyun is not license holder regist

10、ered at the Securities and Futures Commission(SFC),and are not allowed to engage in regulated activities in Hong Kong.OutperformOutperform(Initiate)American stock American stock SoftwareSoftware MMongoongoDBDB Stock ConnectStock Connect (NYSENYSE)(MDB.OMDB.O)Taking the wind of AI,the document databa

11、se leader Taking the wind of AI,the document database leader set sail againset sail again July.29,2023 Highlights MongoDB is a document database leader with strong revenue growth.MongoDB started as a document database product,expanding its user base through the open source community ecosystem,and ha

12、s gradually evolved into a multi-functional developer data platform with a positive trend of cloud transformation.MongoDB ranked No.4 in non-relational databases with a market share of 5.6%in 2021.The company achieved revenue of 1.284 billion US dollars in FY2023(YoY+47%);Non-GAAP net income was 65

13、million US dollars,and Non-GAAP net profit margin was 5.0%(YoY+6.1pcts),turning positive for the first time.Global database market size is growing rapidly,non-relational database is an important growth driver.Global database market size is 80 billion US dollars in 2021,of which CAGR is expected to b

14、e 21.13%during 2021-2026.In terms of growth rate,non-relational database is significantly faster than relational database.From the segmentation point of view,in the global non-relational database market,AWS,Google,Alibaba,MongoDB ranked the top 4 with 43.3%,18.6%,5.8%,5.6%market share in 2021.From t

15、he development trend point of view,the cloud database and the non-relational database has become the mainstream,and the vector database under the wave of generative AI may play an important role.The product system is well deployed,and the open source community model drives the rapid expansion of use

16、r scale.MongoDB has gradually formed a complete core product system,including Community Server,Enterprise Advanced,Realm for the mobile market,and Atlas,a cloud database platform.Through aggressive marketing strategies,the company has created a free community edition of MongoDB to attract users,and

17、launched paid products or services such as MongoDB Atlas cloud service and MongoDB Enterprise Edition through multiple iterations to open up a path for commercialization.Thanks to MongoDBs rich product system and reasonable business model,the user scale is expanding rapidly and customer ARPU continu

18、es to increase.The cloud-neutral strategy follows the trend and actively lays out vector search to expand its advantages.In terms of cloud services,MongoDB rents third-party cloud servers to deploy cloud database service Atlas,adopting a cloud-neutral strategy,which supports all mainstream cloud env

19、ironments.The company conforms to the trend of multi-cloud convergence,and has an obvious competitive advantage in the face of public cloud vendors.Under the wave of generative AI,MongoDB database actively introduces vector search function to simplify the development of AI-driven applications.Atlas

20、adds Stream Processing function to deal with high-speed and complex data streams.Whats more,in cooperation with Google Cloud,Atlas embeds Googles big model to accelerate the development of generative AI applications.Earnings forecasts and investment recommendations:The company continues to benefit f

21、rom the boom of AI for the non-relational database market to bring incremental volume,.Therefore we expect 2024/2025/2026 fiscal year the company will achieve revenue of 1532/1878/2298 million US dollars(YoY+19.3%/+22.5%/+22.4%),Non-GAAP net profit of 137/189/275 million US dollars.With reference to

22、 the valuation of companies in the same industry,the company is valued at 20 x PS in FY2024,corresponding to a target market capitalization of 30.64 billion US dollars,and the rating of outperform will be given for the initiated coverage.Potential risks:1)Weaker-than-expected growth in generative AI

23、;2)Weaker-than-expected subscription revenue growth;3)Customer churn risk.Key Financial Indicators zycwzb|主要財務指標 FY 2023A 2024E 2025E 2026E Revenue(Mn/USD)1284 1532 1878 2298 YoY 47.0%19.3%22.5%22.4%Gross Margin 72.8%73.9%74.5%75.0%Non-GAAP Net Profit(Mn/USD)65 137 189 275 Non-GAAP Net Profit Margin

24、 5.0%9.0%10.1%12.0%Non-GAAP Diluted EPS(USD)0.81 1.70 2.34 3.40 Source:Company Disclosure,Industrial Securities Research Institute 1XpYXZRZmWyX9PcM7NsQoOpNtQkPqQrOkPoNmNbRoOxOwMoMvMMYqQzQ 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -3-海外公司海外公司深度深度研究研究報告報告 目目 錄錄 1、MongoDB：文檔數據庫龍頭公司.-5-1.1、前瞻布局非關系型數據庫，順應數據

25、庫變革浪潮.-5-1.2、財務表現：收入增長強勁，云平臺是重要驅動.-8-2、數據庫行業：非關系型數據庫增長提速，云化與向量化大勢所趨.-9-2.1、簡介：關系型數據占主要地位，非關系型提速增長.-9-2.2、數據庫市場規?？焖僭鲩L，頭部云廠商及新興廠商嶄露頭角.-16-2.3、云轉型順勢而為，向量化成重要布局方向.-18-3、MongoDB：開源社區為基，云平臺驅動增長.-20-3.1、產品布局漸趨完善，助力客戶規?？焖僭鲩L.-20-3.2、開發者需求導向，積極營銷策略沉淀開源社區.-23-3.3、數據庫云化轉型，云中立策略鞏固優勢地位.-28-3.4、擁抱生成式 AI 浪潮，加碼向量搜索+

26、數據湖.-32-4、盈利預測與估值.-34-圖目錄圖目錄 圖 1、MongoDB 發展歷程.-5-圖 2、MongoDB 股權結構.-7-圖 3、2015-2023 財年 MongoDB 收入及其增速.-8-圖 4、2015-2023 財年 MongoDB 收入結構.-8-圖 5、2015-2023 財年 MongoDB 毛利潤及毛利率.-9-圖 6、2015-2023 財年 MongoDB 研發費用率、營銷費用率與管理費用率.-9-圖 7、2015-2023 財年 MongoDB 經營利潤及經營利潤率.-9-圖 8、2015-2023 財年 MongoDB Non-GAAP 凈利潤及凈利率.

27、-9-圖 9、數據庫架構.-10-圖 10、數據庫發展歷程.-10-圖 11、數據庫分類.-11-圖 12、關系型數據庫數據組織結構.-11-圖 13、圖形數據庫結構.-14-圖 14、文檔數據庫結構.-14-圖 15、鍵值數據庫結構.-14-圖 16、列式數據庫結構.-14-圖 17、向量數據庫數據存儲流程.-15-圖 18、向量數據庫數據查詢流程.-15-圖 19、2017-2026E 全球數據庫市場規模及增速.-16-圖 20、2017-2021 年全球關系型與非關系型數據庫市場規模.-16-圖 21、2017-2021年全球數據庫市場份額變化.-17-圖 22、2015/2017/20

28、19/2020 年 MongoDB 數據庫市場份額.-17-圖 23、2023 年 7 月 DB-Engine 數據庫流行度排名.-17-圖 24、2022 年全球關系型數據庫市場份額.-17-圖 25、2021 年全球非關系型數據庫市場份額.-17-圖 26、2022-2023E 全球數據庫市場部署方式占比.-18-圖 27、2010-2025E 全球創建、使用和存儲的數據量變化.-19-圖 28、2023E-2026E全球生成式 AI 支出.-19-圖 29、MongoDB 產品矩陣.-20-圖 30、2016-2023 財年 MongoDB 分地區收入及其增速.-21-請務必閱讀正文之后

29、的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -4-海外公司海外公司深度深度研究研究報告報告 圖 31、2016-2023 財年 MongoDB 分地區收入占比.-21-圖 32、2015-2023 財年 MongoDB 訂閱收入情況.-21-圖 33、2015-2023 財年 MongoDB 服務收入情況.-21-圖 34、2015-2023 財年 MongoDB 訂閱毛利及毛利率.-22-圖 35、2015-2023 財年 MongoDB 服務毛利及毛利率.-22-圖 36、2016-2023 財年 MongoDB 用戶數.-22-圖 37、2016-2023 財年 Mong

30、oDB ARR 超過 10 萬美元客戶數.-22-圖 38、2016-2023 財年 MongoDB ARPU 及其增速.-23-圖 39、MongoDB 主要組件架構視圖.-23-圖 40、MongoDB 分片技術.-24-圖 41、MongoDB 負載均衡技術.-24-圖 42、MongoDB 復制集結構.-25-圖 43、FY16Q1-FY18Q4 MongoDB 營銷費用及費用率.-28-圖 44、MongoDB 產品業務模式.-28-圖 45、Atlas 統一數據庫管理技術.-29-圖 46、Atlas 3 節點配置保證高可用性.-29-圖 47、2017-2023 財年 Mongo

31、DB Atlas 收入及其占總收入比重.-30-圖 48、2018-2023 財年 MongoDB 總收入及 Atlas 收入增速.-30-圖 49、2017-2023 財年 MongoDB Atlas 用戶數.-31-圖 50、2018-2023 財年第三方云基礎設施費用增加及其占比.-31-圖 51、MongoDB 向量搜索功能流程.-32-圖 52、MongoDB Atlas Stream Processing 架構.-33-圖 53、公司市銷率 PS(TTM)情況.-35-表目錄表目錄 表 1、公司高管簡介.-6-表 2、關系型數據庫與非關系型數據庫對比.-12-表 3、非關系型數據庫

32、主要類型.-13-表 4、云托管與云原生對比.-18-表 5、Serverless 特征.-19-表 6、MongoDB與 MySQL插入性能對比.-25-表 7、MongoDB與 MySQL查詢性能對比.-26-表 8、關系型數據庫和 MongoDB 結構單位對標.-26-表 9、MongoDB數據庫特點及適用場景.-27-表 10、Atlas 定價模式.-29-表 11、數據倉庫、數據湖對比.-33-表 12、公司盈利預測.-34-表 13、可比公司估值一覽表.-35-請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -5-海外公司海外公司深度深度研究研究報告報

33、告 報告正文報告正文 1、MongoDB：文檔數據庫龍頭公司：文檔數據庫龍頭公司 1.11.1、前瞻布局非關系型數據庫，順應數據庫變革浪潮前瞻布局非關系型數據庫，順應數據庫變革浪潮 MongoDB 起步于文檔型數據庫產品，通過開源軟件社區生態擴大用戶規模，在上云趨勢下主動求變，提供云數據庫服務，目前已成為海外文檔數據庫領域的龍頭公司。圖圖 1、MongoDB 發展歷程發展歷程 資料來源：占優智能，興業證券經濟與金融研究院整理 初創期（初創期（2007-2013 年）：推出文檔數據庫產品，深耕社區吸引用戶。年）：推出文檔數據庫產品，深耕社區吸引用戶。2007 年10gen 公司創立，主要開發非關

34、系型數據庫產品以應對流量激增。經過近 2 年開發，2009 年 10gen 推出文檔數據庫 MongoDB，采用文檔模型存儲數據，旨在為典型應用場景(如內容服務)提供海量數據的存儲服務。2009-2011 年 10gen 通過開源社區和積極的營銷策略擴大 MongoDB 的影響力，吸引開發人員參與社區互動。2012 年 6 月 MongoDB 2.0 產品發布，引入聚合管道，可以將多個數據處理步驟組合成一個操作鏈。2013 年 10gen 正式更名為 MongoDB 公司，專注于數據庫產品，并發布 MongoDB 企業版，提供監控和安全集成等附加功能。完善期（完善期（2014-2016 年）：

35、收購完善產品性能，布局云端服務。年）：收購完善產品性能，布局云端服務。為彌補 MongoDB早期版本存儲引擎較弱的問題。MongoDB 于 2014 年收購了存儲引擎產品公司WiredTiger。2015 年 MongoDB3.0 版本發布，包含 WiredTiger 存儲引擎、可插拔2007 年 10gen（后稱為MongoDB）公司創立 2009年2月MongoDB 1.0 發布，成立開源社區，通過社區運營MongoDB 2012 年 6 月 MongoDB2.0 發布，引入聚合框架、全文搜索和地理空間索引 2013 年 MongoDB 推出第一 款商 業版本MongoDB Enterpr

36、ise Advanced 2015 年 3 月 MongoDB 3.0 發布，包含了 WiredTiger 存儲引擎、可插拔存儲引擎 API，增加了 50 個副本集限制和安全改進 2016年MongoDB推出Atlas服務，MongoDB Atlas 與公有云服務廠商（谷歌、微軟）合作 2017年，MongDB推出后端服務Stitch，提供 JavaScript，iOS 和Android 的原生 SDK，以幫助開發人員管理支持基于數據的應用程序的后端 2017年10月MongDB在紐交所上市。2018年 6月 MongoDB4.0發布，MongoDB 已經為高數據完整性需求做好了準備 2018

37、 年，MongoDB 公司以 6800 萬美元收購了 MLab 2019年，MongoDB以3900 萬美元收購了云計算移動數據庫公司 Realm 2019 年 10 月 MongoDB 4.2 發布，開始支持分布式事務 2020年10月，MongoDB社區版4.4發布。擴展性和容錯性增強，降低復制延遲，增加多集合聯合聚合、復合哈希分片鍵和對沖讀取功能。2014 年 MongoDB 收購 WiredTiger，將下一代存儲引擎技術引入 MongoDB 2007-2013：推出文檔數據庫產品，深耕社區吸引客戶：推出文檔數據庫產品，深耕社區吸引客戶 2014-2016：收購完善產品性能，布局云端服

38、務：收購完善產品性能，布局云端服務 2017-2020：IPO 上市，上市，完善完善云業務云業務布局布局 2023 年 MongoDB 在Atlas 上推出向量搜索和數據流處理服務，與谷歌云合作開發生成式 AI 應用 2022-至今：布局至今：布局 AI+數據庫數據庫 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -6-海外公司海外公司深度深度研究研究報告報告 存儲引擎 API、增加了 50 個副本集限制和安全改進。2016 年 MongoDB 推出MongoDB Atlas云數據庫服務，與公有云服務廠商（谷歌、微軟）合作。發展發展期（期（2017-2020 年

39、）：年）：IPO 上市，上市，完善完善云業務云業務布局布局。2017 年公司成立 10 周年之際，MongoDB 在紐交所上市，股票代碼為“MDB.O”。2018 年公司斥資 6800萬美元收購了主要在云端提供 MongoDB 服務（DBaaS）的公司 mLab。公司將mLab 集成在 MongoDB Atlas 云平臺，完善云數據庫服務（DBaaS）布局。2018年 6 月 MongoDB4.0 發布，提供跨文檔事務處理能力，匹配高數據完整性需求。2019年公司以 3900萬美元收購云計算移動數據庫公司 Realm，旨在將 Atlas 發展為完善的 PaaS（平臺即服務）平臺，而非只提供數據

40、庫服務；MongoDB4.2 發布，支持分布式事務。2020 年 MongoDB 社區版 4.4 發布，擴展性和容錯性增強，降低復制延遲，增加多集合聯合聚合、復合哈希分片鍵和對沖讀取功能。成熟期（成熟期（2022 年年-至今）：至今）：生成式生成式 AI 浪潮四起，浪潮四起，布局布局向量搜索推動持續增長向量搜索推動持續增長。2023 年 MongoDB 在 Atlas 上推出向量搜索和數據流處理服務，與谷歌云合作開發生成式 AI 應用，旨在布局 AI 為數據庫業務帶來的增量，幫助各種類型、不同規模的企業更快速、更簡單地構建生成式 AI 驅動的應用程序。管理層穩定，管理層穩定，核心高管核心高管具

41、備強專業經驗。具備強專業經驗。董事兼 CEO Dev Ittycheria擁有 20多年的企業家、投資者和領導者經驗。在 Dev 的領導下，MongoDB 發布了全球云數據庫 Atlas 等創新產品，在全球范圍內迅速擴展業務；Dev 曾在 Ruby on Rails 框架的核心團隊任職，開發了多個開源數據庫。董事長 Tom Killalea 自 2015 年 12月起擔任 MongoDB 董事會成員，自 2019 年 7 月起擔任董事會主席。Tom 曾在Amazon 任職 16 年，擔任 Amazon 第一位首席信息安全官，領導基礎設施和分布式系統、Kindle 內容生態系統團隊。公司現任 C

42、PO Sahir Azam 曾在 Sumo Logic公司工作，2016年加入 MongoDB，擔任云產品和 GTM（go to market）高級副總裁，在Atlas推出之前領導MongoDB的云產品和市場戰略。公司核心團隊在軟件開發、算法應用、數據科學等方面專業度較高。公司高管的學術背景集中于軟件技術、商科和數據科學專業。多數高管在 2017 年前已加入公司，對公司的業務狀況有較為深入全面的了解和把握；或是在加入 MongoDB 前就已在自身領域的頭部公司擁有一定職業經驗。表表 1、公司高管簡介、公司高管簡介 姓名 職位 簡介 Dev Ittycheria 董事、CEO 自 2010年 7

43、月，Dev Ittycheria擔任 MongoDB董事會成員。目前是 OpenView Venture Partners 公司的運營總監。2012 年 3 月至 2013 年 6 月，他曾擔任Greylock Partners風投合伙人。Michael Gordon CFO、COO Michael Gordon 自 2009 年 5 月開始擔任 MongoDB的 COO，同時自 2014 年 3 月以來，也一直擔任 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -7-海外公司海外公司深度深度研究研究報告報告 MongoDB 的 CFO。在加盟 MongoDB

44、之前的 1996年至 2009 年期間，Gordon 曾在 Merrill Lynch、Pierce、Fenner 和 Smith Incorporated等公司的媒體和電信投資銀行集團擔任常務董事。Cedric Pech CRO Cedric Pech 自 2019年 2月起擔任 CRO。在被任命為 CRO之前，Pech于 2017年 7月開始領導歐洲、中東和非洲銷售部門。在加入 MongoDB 之前，他曾在企業全球云通信和協作軟件平臺 Fuze 工作。Sahir Azam CPO Sahir擔任 MongoDB的 CPO，負責 MongoDB產品組合的產品管理、產品設計、產品營銷和行業解決

45、方案。他于 2016年加入 MongoDB，擔任云產品和 GTM 高級副總裁，在 Atlas 推出之前領導MongoDB 的云產品和市場戰略，并幫助云業務從零增長到每年超過8億美元。此前他在Sumo Logic公司工作。Peder Ulander CMO Peder Ulander擔任MongoDB的CMO，負責公司營銷工作，包括營銷戰略和運營、需求和現場營銷、數字和增長營銷、企業傳播、品牌和內容營銷以及產品營銷。在加入MongoDB之前，Peder曾擔任 AWS的企業和開發者解決方案營銷總監 資料來源：MongoDB 官網，興業證券經濟與金融研究院整理 備注：CRO 首席營收官，COO 首席

46、運營官，CPO 首席產品官，CMO 首席營銷官 股權結構：股權結構：公司公司同股同同股同權權，T.RowePrice公司公司擁有最大投票權。擁有最大投票權。截至 2023年 3月15 日，公司共有 7003.7 萬股流通股。直接持有公司 5%以上股份的機構股東包括 T.RowePrice、The Vanguard Group、BlackRock Inc.、FMR LLC，其中最大機構股東為 T.RowePrice，持股比例為 10.8%。公司內部人員持股比例為 4.8%，其中聯合創始人 Dwight Merriman 持股比例最高，為 2.6%。圖圖 2、MongoDB 股權結構股權結構 資料

47、來源：公司公告，興業證券經濟與金融研究院整理 10.8%8.9%6.6%6.5%67.2%T.RowePriceThe Vanguard GroupBlackRock,Inc.FMR,LLC其他 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -8-海外公司海外公司深度深度研究研究報告報告 1.2、財務表現：收入增長強勁財務表現：收入增長強勁，云平臺，云平臺是重要是重要驅動驅動 收入收入增長強勁增長強勁，Atlas 云服務是主要驅動力。云服務是主要驅動力。得益于全球非結構化數據量的爆發式增長及公司產品的突出競爭優勢，2023財年MongoDB實現收入12.84億美

48、元，同比增長 47%，自 2017 年以來始終維持較高增速。從收入結構來看，MongoDB超過 90%的收入來源為訂閱業務。得益于云戰略的前瞻性布局與客戶不斷增加的云轉型需求，Atlas 云服務收入成為營收增長的核心驅動力，2023 財年 Atlas業務收入為 8.08 億美元，同比增長 64.2%，遠超營收增速，占總收入比重為 62.9%。圖圖 3、2015-2023 財年財年 MongoDB 收入及其增速收入及其增速 圖圖 4、2015-2023 財年財年 MongoDB 收入收入結構結構 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理

49、利潤：毛利率高位穩定，利潤：毛利率高位穩定，Non-GAAP 利潤率首次轉正利潤率首次轉正。2023 財年公司毛利潤達9.35 億美元，毛利率為 72.8%（同比+2.5pcts），保持高位穩定?？偁I業費用為12.81 億美元（YoY+41.8%），總費用率為 99.8%，同比下降 3.6pcts。費用結構保持穩定，營銷費用率占比最高，主要由于公司實行積極的營銷策略，培養用戶付費習慣：營銷費用率為 54.5%（同比-0.4pcts），基本保持穩定；研發費用率為32.8%（同比-2.5pcts）；管理費用率為 12.5%（同比-1.6pcts）。經營利潤為-3.47億美元，經營利潤率為-27%（

50、同比+6.1pcts）；Non-GAAP 凈利潤為 0.65 億美元，Non-GAAP凈利率為5.0%（同比+6.1pcts），首次轉正，主要受益于規模效應帶來的成本下降。41 65 115 166 267 422 590 874 1284 0%20%40%60%80%100%030060090012001500總收入（百萬美元）YoY（右軸）83.6%89.7%90.6%91.5%93.0%94.8%95.8%96.4%96.2%16.4%10.3%9.4%8.5%7.0%5.2%4.2%3.6%3.8%0%20%40%60%80%100%FY15 FY16 FY17 FY18 FY19 F

51、Y20 FY21 FY22 FY23訂閱業務服務業務 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -9-海外公司海外公司深度深度研究研究報告報告 圖圖 5、2015-2023 財年財年 MongoDB 毛利潤及毛利率毛利潤及毛利率 圖圖 6、2015-2023 財年財年 MongoDB 研發費用率、營研發費用率、營銷費用率與管理費用率銷費用率與管理費用率 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 圖圖 7、2015-2023 財年財年 MongoDB 經營利潤及經營經營利潤及經營利潤率利潤率 圖圖 8、

52、2015-2023 財年財年 MongoDB Non-GAAP 凈利凈利潤及凈利率潤及凈利率 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 2、數據庫數據庫行業行業：非關系型數據庫增長提速，云化與向量化：非關系型數據庫增長提速，云化與向量化大勢所趨大勢所趨 2.1、簡介、簡介：關系型數據占主要地位，非關系型提速增長：關系型數據占主要地位，非關系型提速增長 數據庫是指長期存儲在計算機內的、有組織的、可共享的、統一管理的大量數數據庫是指長期存儲在計算機內的、有組織的、可共享的、統一管理的大量數據的集合。據的集合。從架構上看，數據庫作為計算機三大

53、基礎軟件（操作系統、數據庫、中間件）之一，向下可充分發揮硬件算力，向上支撐上層的應用需求，是信息系統高效運行的關鍵基礎。而數據庫管理系統（數據庫管理系統（Database Management System）是指操縱和管理數據庫的大型軟件，負責搭建、處理、維護數據庫的數據及數據間邏輯關系。數據庫管理系統通過有效使用計算機的CPU、內存、磁盤等資源，管理一個或多個數據庫，涉及對數據的增刪改查。23 44 85 123 193 296 413 614 935 0%20%40%60%80%02004006008001000毛利潤（百萬美元）毛利率（右軸）0%30%60%90%120%150%FY15

54、FY16FY17FY18FY19FY20FY21FY22FY23研發費用率營銷費用率管理費用率-76-73-69-85-98-148-209-289-347-200%-160%-120%-80%-40%0%-400-320-240-160-800經營利潤（百萬美元）經營利潤率（右軸）-32-10 65-6%-3%0%3%6%-80-4004080FY21FY22FY23Non-GAAP凈利潤（百萬美元）Non-GAAP凈利率（右軸）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -10-海外公司海外公司深度深度研究研究報告報告 圖圖 9、數據庫架構、數據庫架構 資

55、料來源：云南大學網絡與信息中心，百度百科，興業證券經濟與金融研究院整理 20 世紀 60 年代以來，數據庫經歷了網狀/層次型數據庫，關系型數據庫，NoSQL（非關系型）數據庫，NewSQL 數據庫四個發展階段。圖圖 10、數據庫發展歷程數據庫發展歷程 資料來源：艾瑞咨詢，興業證券經濟與金融研究院整理 從分類來看，數據庫按數據組織架構可分為關系型數據庫、NoSQL（非關系型數據庫）、NewSQL 三大類，是主流的數據庫分類方式。此外數據庫可按部署方式分為本地部署、云部署；或按架構類型分為單機、集中式、分布式；或按業務負載特征分為 OLTP（Online Transaction Processin

56、g 聯機事務處理過程）、OLAP（OnLine Analytical Processing聯 機 分 析 處 理）、HTAP（Hybrid 應用軟件 中間件 操作系統 計算機硬件 數據庫應用程序 數據庫管理系統 搭建 讀寫 維護 管理 數據庫 數據庫 基礎軟件 最終用戶 數據庫管理員 20世紀世紀50年代年代-60年代初年代初磁帶被用于數據存儲20世紀世紀60年代末年代末-70年代年代硬盤廣泛使用，數據擺脫了順序訪問的限制，可進行隨機訪問；網狀模型數據庫（IDS）誕生，層次模型數據庫（IMS）誕生。數據被保存在磁盤上，程序員可以進行增刪查改20世紀世紀70年代年代-20世紀末世紀末1970年，

57、關系型數據庫誕生1975年，SQL語言誕生1980s，商業關系型數據庫誕 生，例 如 IBM DB2、Oracle、Ingres1990s，開源數據庫誕生，例如Berkeley DB、MySQL、PostgreSQL21世紀初世紀初2005年，Hadoop（分布式系統基礎架構）誕生2006年，Google發布BigTable論文；分布式數據庫概念誕生2007年，亞馬遜發布Dynamo論文，鍵值數據庫概念誕生；圖形數據庫Neo4j發布2009年，文檔數據庫MongoDB引發NoSQL運動2010s-至今至今AWS、阿里、華為等云廠商提供云數據庫服務2010年，數據湖概念提出，便于處理海量數據20

58、12 年 以 來，GoogleSpanner、AWSAurora 等系列NewSQL數據庫誕生2019年，湖倉一體架構誕生 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -11-海外公司海外公司深度深度研究研究報告報告 Transactional/Analytical Processing 混合事務和分析處理）。圖圖 11、數據庫分類、數據庫分類 資料來源：百度百科，興業證券經濟與金融研究院整理 關系型數據庫：關系型數據庫：關系型數據庫模型是將復雜的數據結構用較為簡單的二元關系（二維表）來表示。在該類型數據庫中，對數據的操作多建立在一個或多個表格上，可以采用結構

59、化查詢語言（SQL）對數據庫進行操作。關系型數據庫是目前主流的數據庫技術，其中具有代表性的數據庫管理系統有：Oracle、DB2、SQL Server、MySQL 等。圖圖 12、關系型數據庫數據組織結構關系型數據庫數據組織結構 資料來源：Microsoft 官網，興業證券經濟與金融研究院整理 非關系型數據庫非關系型數據庫（NoSQL）：非結構化數據量的激增與 Web 2.0 網站的興起凸顯了傳統關系數據庫在擴展性和靈活性方面的劣勢，即無法處理大規模高并發非結構化數據，NoSQL 應運而生，以解決大規模數據集合及多重數據種類帶來的挑戰，具有高靈活性和可擴展性。NoSQL 所采用的數據模型并非關

60、系型數據庫的關系模型，而是類似鍵值、列簇、文檔等的數據模型，打破了長久以來關系型數據庫與ACID（原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）和持久性（Durability）理論大一統的局面。數據庫數據庫數據組織架構數據組織架構關系型關系型NoSQLNewSQL部署方式部署方式本地部署本地部署云部署云部署架構類型架構類型單機單機集中式集中式分布式分布式業務負載特征業務負載特征OLTP聯機事務處理，是傳統關系型數據庫的主要應用OLAP聯機分析處理，主要用于數據分析HTAP混合事務/分析處理，同時提供OLTP和OLAP 請務必閱讀正文之后的信息披露和

61、重要聲明請務必閱讀正文之后的信息披露和重要聲明 -12-海外公司海外公司深度深度研究研究報告報告 表表 2、關系型數據庫與非關系型數據庫對比關系型數據庫與非關系型數據庫對比 關系型數據庫 非關系型數據庫 存儲方式 表格 數據集（鍵值對、圖結構、文檔等）存儲結構 結構化 動態結構 存儲規范 最小關系表 平面數據集 擴展方式 只具備縱向擴展能力 分布式，可橫向擴展 查詢方式 結構化查詢語言（SQL）非 結 構 化 查 詢 語 言（UnQL）規范化 需要 不需要 規則 ACID規則：原子性 Atomicity、一致性Consistency、隔離性 Isolation、持久性Durability BA

62、SE 原則：基本可用Basically Available、軟狀態 Soft-state、最終一致性Eventual Consistency 事務性 強調數據一致性，可滿足對事務性要求較高或者需要進行復雜數據查詢的數據操作 基于節點的分布式數據庫，不能很好支持事務的操作 讀寫性能 面對海量數據處理效率降低，高并發讀寫時性能下降 非結構化的數據，能夠高性能讀寫 OLTP 支持 效果差 OLAP 支持，響應速度慢 支持 優點（1）數據安全（磁盤）（2）數據一致性（3）二維表結構直觀，易理解（4）使用 SQL語句操作簡便（1）可擴展性（2）高讀寫性能（3）靈活的數據模型（4）速度快 資料來源：CSD

63、N，興業證券經濟與金融研究院整理 從分類來看，非關系型數據庫可分為圖形數據庫、文檔數據庫、列式數據庫、非關系型數據庫可分為圖形數據庫、文檔數據庫、列式數據庫、鍵值數據庫和向量數據庫：鍵值數據庫和向量數據庫：請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -13-海外公司海外公司深度深度研究研究報告報告 表表 3、非關系型數據庫主要類型非關系型數據庫主要類型 圖形數據庫 文檔數據庫 列式數據庫 鍵值數據庫 向量數據庫 特點 圖形數據庫允許將數據以圖的方式存儲。以圖的方式存儲數據時，實 體 被 作 為 節點，而實體之間的關系則被作為邊。文檔數據庫將數據以文檔形式存儲，

64、每個文檔是一系列數據項的集合。文檔數據庫的靈感來自LotusNotes辦公軟件，可以看作鍵 值 數 據 庫 的 升 級版。列式數據庫采用 列 簇 式 存儲，將同一列數據存儲在同一個物理存儲塊中。鍵值數據庫類似傳統語言中使用的哈希表，可以通過鍵添加、查詢或刪除數據鍵值存儲數據庫。將數據以向量形式存儲，可實現向量數據的相似度搜索、聚類、降維等操作。數 據類型 復雜的關聯數據，如社交網絡、知識圖譜等 文本、多媒體等非結構化數據 不斷增長的大規模數據 大規模非結構化數據，如日志、緩存、排行榜等 高維度、高相似度、高并發的數據 應 用場景 社交網絡、推薦引擎和欺詐檢測 Web應用程序開發 物聯網、金融市

65、場分析和大型企業數據處理系統 緩存、應用程序狀態管理、計數器、分布式存儲 語音、圖像、視頻檢索、自然語言處理，幾乎覆蓋所有 AI 場景 產品 Neo4j(Neo4j);Galaxybase(創鄰科技);GraphDB(Sones);AllegroGraph(Franz);GraphDB(Sones);InfiniteGraph(Objectivity);HugeGraph(百度);StellarDB(星環科技)MongoDB(MongoDB);TcaplusDB(騰訊)；Abase(字節跳動);Cassandra(Facebook);HBase(Google);Redshift(Amazon)

66、Redis(Redis);RocksDB(Facebook);DynamoDB(Amazon)Milvus(Zilliz);Pinecone(Pinecone)資料來源：CSDN，興業證券經濟與金融研究院整理 1）圖形數據庫專門用于存儲和導航關系，使用節點來存儲數據實體，并使用邊）圖形數據庫專門用于存儲和導航關系，使用節點來存儲數據實體，并使用邊來存儲實體之間的關系。來存儲實體之間的關系。邊有一個開始節點、結束節點、類型和方向，可以描述父子關系、操作、所有權等。一個節點可以擁有的關系的數量和類型沒有限制。圖形數據庫中的圖形可依據具體的邊類型進行快速遍歷，或者也可對整個圖形進行遍歷。2）文檔數據

67、庫是在文檔中存儲信息的數據庫。）文檔數據庫是在文檔中存儲信息的數據庫。文檔是文檔型數據庫中的一條記錄，以字段-值的形式存儲數據。值的類型和結構可以有多種，包括字符串、數字、日期、數組等。文檔存儲的格式可以是 JSON（JavaScript Object Notation JS對象簡譜），BSON（二進制形式的 JSON）和 XML（Extensible Markup Language 可擴展標記語言）。此外文檔數據庫不要求嚴格的數據格式，一個集合中文檔和文檔之間的字段可以不一致，結構靈活；擴展性強，擁有自己的查詢語言和 API。請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露

68、和重要聲明 -14-海外公司海外公司深度深度研究研究報告報告 3）列式數據庫將數據按列進行組織和存儲。）列式數據庫將數據按列進行組織和存儲。在實際應用中，列式數據庫把同一列的數據存儲在同一個物理存儲塊中，使得數據壓縮和存儲更為緊湊，降低了存儲空間的需求，在大規模數據存儲和查詢、讀取速度上有明顯優勢。列式數據庫具有高度可擴展性，列式存儲可以輕松地分割和分布式處理大量數據，從而更好地支持龐大的數據集。4）鍵值數據庫將數）鍵值數據庫將數據存儲為鍵值對集合，其中鍵作為唯一標識符。據存儲為鍵值對集合，其中鍵作為唯一標識符。鍵和值都可以是從簡單對象到復雜復合對象的任何內容。鍵值數據庫是高度可分區的，并且允

69、許以其他類型的數據庫無法實現的規模進行水平擴展。圖圖 13、圖形數據庫結構、圖形數據庫結構 圖圖 14、文檔數據庫結構、文檔數據庫結構 資料來源：Microsoft 官網，興業證券經濟與金融研究院整理 資料來源：Microsoft 官網，興業證券經濟與金融研究院整理 圖圖 15、鍵值數據庫結構、鍵值數據庫結構 圖圖 16、列式數據庫結構、列式數據庫結構 資料來源：Microsoft 官網，興業證券經濟與金融研究院整理 資料來源：Microsoft 官網，興業證券經濟與金融研究院整理 5）向量數據庫專門用于存儲和管理向量數據，擅長非結構化數據處理。）向量數據庫專門用于存儲和管理向量數據，擅長非結

70、構化數據處理。向量數據是指由多個數值組成的數據，這些數值通常表示某種特征或屬性。與傳統數據庫相比，向量數據庫可以處理更多非結構化數據（圖像、音頻等）。向量數據庫通過基于機器學習的 Embedding（詞嵌入）模型將非結構化數據表示為向量，再結合其他先進的數據庫（包括傳統數據庫）技術，讓使用者更高效地處理非結構化的復雜數據。向量數據庫通常采用基于向量相似度的查詢方式，即根據向量之間的相似度來檢索數據；通常采用基于向量索引的存儲方式。向量數據庫在處理 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -15-海外公司海外公司深度深度研究研究報告報告 大規模、高維數據和復

71、雜查詢方面具有較強的能力，且易于擴展。特別是在向量搜索和相似度計算方面，具有更低的查詢延遲和更高的準確性。圖圖 17、向量數據庫數據存儲流程向量數據庫數據存儲流程 資料來源：百度文庫，興業證券經濟與金融研究院整理 圖圖 18、向量數據庫數據查詢流程向量數據庫數據查詢流程 資料來源：百度文庫，CSDN，興業證券經濟與金融研究院整理 3）NewSQL數據庫：數據庫：NewSQL是對一類現代關系型數據庫的統稱，對于OLTP讀寫請求提供可橫向擴展的性能，同時支持事務的 ACID 保證。這些系統既擁有NoSQL數據庫的擴展性，又保持傳統數據庫的事務特性。NewSQL具有以下特點：耗時短耗時短；使用索引查

72、詢使用索引查詢，不使用全表掃描，僅涉及少量數據；重復度高重復度高，通常使用相同的查詢語句和不同的查詢參數。NewSQL 數據庫分為 3 類：完全使用新的架構重新設計開發的NewSQL數據庫、在中間件層實現NewSQL特性的數據庫、云計算平臺提供的數據庫即服務產品（DaaS）。非結構化數據 Embedding 數據向量化 數據存儲 數據 索引 索引構建 歸一化 映射到高維空間 構建索引結構：KD樹、球樹、LSH（局部敏感哈希）倒排索引 HNSW(近似最近鄰搜索)乘積量化 KD樹 哈希 查詢算法 查詢向量 歸一化 映射到高維空間 相似度計算 Top N相似度向量 請務必閱讀正文之后的信息披露和重要

73、聲明請務必閱讀正文之后的信息披露和重要聲明 -16-海外公司海外公司深度深度研究研究報告報告 2.2、數據庫市場規模、數據庫市場規?？焖僭鲩L，快速增長，頭部云廠商及新興廠商嶄露頭角頭部云廠商及新興廠商嶄露頭角 全球數據庫市場規模仍快速增長，非關系型數據庫是重要增長驅動。全球數據庫市場規模仍快速增長，非關系型數據庫是重要增長驅動。根據Gartner 和前瞻產業研究院數據，2021 年全球數據庫市場規模為 795 億美元，預計到 2026 年全球數據庫市場規模將達到 2086 億美元，2021-2026 年全球數據庫市場規模 CAGR 達到 21.27%。從規模結構來看從規模結構來看，關系型數據庫

74、仍然占市場主導，2021 年占比 81%，非關系型數據庫占比 19%。從增速來看從增速來看，非關系型數據庫更快。根據Gartner報告，2017-2021年全球非關系型數據庫市場規模CAGR為 48%，而關系型數據庫 CAGR僅 16.4%。圖圖 19、2017-2026E 全球數據庫市場規模及增速全球數據庫市場規模及增速 圖圖 20、2017-2021 年全球關系型與非關系型數據庫年全球關系型與非關系型數據庫市場市場規模規模 資料來源：Gartner，前瞻產業研究院，興業證券經濟與金融研究院整理 資料來源：Gartner，興業證券經濟與金融研究院整理 數據庫數據庫市場集中度高，市場集中度高，

75、頭部頭部云廠商及新興廠商嶄露頭角云廠商及新興廠商嶄露頭角。數據庫產品具有較高的技術和生態壁壘，因此市場集中度較高：2021 年，全球 Top5 數據庫廠商市場份額占比達 81%，頭部效應明顯。云數據庫的可擴展性、易用性、安全性與企業的降本增效需求使得數據庫從本地部署轉向云部署；傳統數據倉庫無法滿足海量非結構化數據處理需求，數據湖與湖倉一體架構應運而生。在此趨勢下，以Oracle 為代表的傳統數據庫巨頭市場份額逐步減少，微軟、亞馬遜和谷歌等云廠商以及 Databricks、MongoDB等新興廠商市場份額占比增加。從細分來看從細分來看，全球關系型數據庫市場中，2022 年 Microsoft 市

76、場份額占比 29.08%，排名第一，Oracle與 Amazon以 23.8%、21.4%的市場份額分列二、三；全球非關系型數據庫市場中，2021年AWS以43.3%市場份額位列第1，Google、阿里巴巴、MongoDB以 18.6%、5.8%、5.6%的市場份額緊隨其后。386 493 584 665 795 2086 05001000150020002500201720182019202020212026E全球數據庫市場規模（億美元）355 469 461 531 652 31 24 100 134 148 02004006008002017年2018年2019年2020年2021年關系

77、型數據庫市場規模（億美元）非關系型數據庫市場規模（億美元）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -17-海外公司海外公司深度深度研究研究報告報告 圖圖 21、2017-2021 年全球數據庫市場份額變化年全球數據庫市場份額變化 資料來源：Gartner，興業證券經濟與金融研究院整理 圖圖 22、2015/2017/2019/2020 年年 MongoDB 數據庫數據庫市場份額市場份額 圖圖 23、2023 年年 7 月月 DB-Engine 數據庫流行度排名數據庫流行度排名 資料來源：Gartner，興業證券經濟與金融研究院整理 資料來源：DB-Engi

78、ne 官網，興業證券經濟與金融研究院整理 圖圖 24、2022 年年全球關全球關系型數據庫市場份額系型數據庫市場份額 圖圖 25、2021 年全球年全球非關系型數據庫非關系型數據庫市場份額市場份額 資料來源：Gartner，興業證券經濟與金融研究院整理 資料來源：Gartner，興業證券經濟與金融研究院整理 36.1%31.1%27.4%23.8%20.6%21.5%23.6%24.7%24.3%24.0%12.7%10.4%8.8%6.8%5.6%9.2%13.5%17.1%20.6%23.9%7.4%6.9%6.5%5.6%6.5%13.1%14.5%15.5%18.9%19.4%0%20

79、%40%60%80%100%2017年2018年2019年2020年2021年OracleMicrosoftIBMAWSSAPGoogle其他0.2%0.4%1.2%1.5%0.0%0.4%0.8%1.2%1.6%2015年2017年2019年2020年MongoDB占比29.08%23.8%21.4%5.07%5.86%4.97%9.80%MicrosoftOracleAmazonSAPIBMGoogle其他43.3%18.6%5.8%5.6%5.5%21.2%AWSGoogle阿里巴巴MongoDBCloudera其他 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重

80、要聲明 -18-海外公司海外公司深度深度研究研究報告報告 2.3、云轉型順勢而為云轉型順勢而為，向量化成重要布局方向，向量化成重要布局方向 云數據庫云數據庫成為主流，成為主流，Serverless 優勢優勢顯著顯著。傳統數據庫模式存在資源利用率不高、成本昂貴等問題，2020 年以來數據庫遷移上云態勢顯著提速，云托管、云原生數據庫成為主流。相較傳統部署的數據庫而言，云數據庫通過存儲計算分離，實存儲計算分離，實現資源池化和彈性，具備高擴展性、高可用性、低成本等優勢現資源池化和彈性，具備高擴展性、高可用性、低成本等優勢。然而，云數據庫不能按需自動縮放，也不能更小粒度地實現按使用量付費。當用戶遇到數據

81、庫擴容的突發需求時，就只能根據業務實際使用情況手動調整數據庫容量大小，耗費大量時間和成本。具有以下優勢的 Serverless 數據庫應運而生：自動伸縮自動伸縮降低降低使用成本使用成本，能夠隨著用戶業務請求數的增加和減少智能化地膨脹和縮小，當流量洪峰來臨時，可以自動調配資源支持；流量進入低谷時，則可自動釋放資源；高高易用性易用性，借助 Serverless 架構，底層的數據庫操作可以被屏蔽，數據庫能夠根據需求自動進行資源部署，而使用者只需要關注自身業務的相關數據使用問題。表表 4、云托管與云原生對比云托管與云原生對比 云托管 云原生 部署方式 部署在傳統的數據中心或者云基礎設施上 部署在本地的

82、云原生架構 特點 需要大量的硬件配置，包括服務器、存儲設備、網絡設備等 數據存儲和計算資源按需分配，可以根據實際需求進行動態調整 維護和管理也需要大量的專業人員和成本 減少成本和風險，提高應用程序的可靠性 當數據量不斷增加時，可能會出現性能瓶頸和擴展問題 充分利用云計算優勢，實現彈性擴展、高可用性、容錯性等功能 資料來源：百度開發者中心，興業證券經濟與金融研究院整理 圖圖 26、2022-2023E 全球數據庫市場部署方式占比全球數據庫市場部署方式占比 資料來源：Gartner，興業證券經濟與金融研究院整理 55%25%45%75%0%20%40%60%80%100%20222023E本地部署

83、云部署 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -19-海外公司海外公司深度深度研究研究報告報告 表表 5、Serverless 特征特征 特征 內涵 資源的解耦 弱化了存儲和計算之間的聯系。服務的儲存和計算被分開部署和收費，存儲不再是服務本身的一部分，而是演變成了獨立的云服務。這使得計算變得無狀態化，更容易調度和擴縮容，同時也降低了數據丟失的風險。自動彈性伸縮 代碼的執行不再需要手動分配資源，交由 Serverless 平臺處理。按使用量計費 Serverless按照服務的使用量（調用次數、時長等）計費，不再像傳統的 Serverful 服務，按照使用的

84、資源（實例、虛擬機的規格等）計費。資料來源：阿里技術，興業證券經濟與金融研究院整理 生成式生成式 AI 尋求數據處理成本效率尋求數據處理成本效率，向量，向量化成為重要布局方向化成為重要布局方向。全球數據量爆發式增長，2022 年全球創建、使用和存儲的數據量約為 97ZB，根據清華大學互聯網產業研究院數據，預計到 2025 年全球創建、使用和存儲的數據量將達到181ZB，2021-2025年全球數據量CAGR約為23%。以OpenAI GPT大模型為例，近年來每一代 GPT 的參數規模呈指數級增加，市場中主流 AI 大模型 GPT、LLaMA、BERT 參數均達千億級，大規模數據為數據處理帶來新

85、挑戰。傳統數據庫通常使用表格結構或關系型模型，無法直接存儲和索引高維度的向量數據，從而導致查詢和匹配速度較慢；而向量搜索技術支持高維度向量的相似度搜索和匹配，提升大模型數據查詢的精準性和效率。圖圖 27、2010-2025E 全球創建、使用和存儲的數據全球創建、使用和存儲的數據量變化量變化 圖圖 28、2023E-2026E 全球生成式全球生成式 AI 支出支出 資料來源：清華大學互聯網產業研究院，興業證券經濟與金融研究院整理 資料來源：PitchBook Data，興業證券經濟與金融研究院整理 25 6.5912.515.51826334164.27997120147181050100150

86、20020102011201220132014201520162017201820192020202120222023E2024E2025E數據量（ZB）426981030060090012002023E2026E生成式AI支出（億美元）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -20-海外公司海外公司深度深度研究研究報告報告 3、MongoDB：開源社區為基，云平臺驅動增長：開源社區為基，云平臺驅動增長 3.1、產品布局漸趨完善，產品布局漸趨完善，助力客戶規模助力客戶規?？焖倏焖僭鲩L增長 圖圖 29、MongoDB 產品矩陣產品矩陣 資料來源：CSDN，興

87、業證券經濟與金融研究院整理 產品體系產品體系部署完善部署完善，匹配匹配不同場景需求。不同場景需求。MongoDB 核心產品包括 MongoDB Community Server、MongoDB Enterprise Advanced、MongoDB Realm、MongoDB Atlas。MongoDB Community Server是 MongoDB 數據庫的免費開源版本，提供核心功能滿足開發者需求，旨在擴大使用基礎和知名度；MongoDB Enterprise Advanced 是付費企業版數據庫平臺，有云端部署、本地部署、混合部署三種模式，功能強大，包括商業數據庫服務器、企業級管理工具

88、、分析工具及高度安全的關鍵業務型永續部署；MongoDB Realm 是面向移動市場的數據庫，適用于為網頁和移動應用程序構建數據庫。開發者可以通過 Realm 將邊緣設備的數據同步到后端云數據庫。此外，Realm 支持托管單頁應用程序或靜態站點,運行Serverless功能；MongoDB Atlas是全托管的 DBaaS（數據庫即服務）平臺，專為以 MongoDB 為核心的各種應用程序構建，包括自動資源調配、托管備份等功能。以美洲為優勢地區，向歐洲、亞太積極布局。以美洲為優勢地區，向歐洲、亞太積極布局。MongoDB 積極布局全球化業務，自 2019財年以來國際市場占比持續提升，由 2016

89、財年的 30.7%提升到 2023財年的 39.2%，增速遠高于國內市場。2023 財年北美地區收入營收占比為 71.4%，同比減少 1.9pcts，降幅較為明顯；歐洲、中東和非洲地區收入營收占比為 17.3%；亞太地區收入為 4.7 億美元，營收占比為 10.1%，同比增長 60%，增速為所有地區中最快，主要系 MongoDB 與亞太地區云廠商阿里云及騰訊云達成合作關系。MongoDB Community Server 本地部署數據庫 MongoDB Enterprise Advanced MongoDB Realm MongoDB Atlas 云數據庫 移動數據庫 請務必閱讀正文之后的信息

90、披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -21-海外公司海外公司深度深度研究研究報告報告 圖圖 30、2016-2023財年財年 MongoDB分地區收入及其分地區收入及其增速增速 圖圖 31、2016-2023財年財年 MongoDB分地區收入占比分地區收入占比 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 以以開源開源社區版吸引客戶，企業版與社區版吸引客戶，企業版與Atlas訂閱訂閱是主要收入來源是主要收入來源。MongoDB商業模式為通過免費的 MongoDB 社區版吸引客戶，開辦 MongoDB 大學等培訓與咨詢服務，

91、與用戶建立良好互動關系；隨后推出 MongoDB Atlas 云服務、MongoDB企業版等收費產品或服務，將開源社區用戶轉化為付費訂閱用戶，開辟商業化路徑。從業務板塊來看，MongoDB 分為訂閱業務與服務業務兩類，訂閱收入主要包括 MongoDB 企業版、MongoDB Atlas 多云端 DBaaS（數據庫即服務）、MongoDB Realm 移動數據庫三項主要訂閱服務，其中 MongoDB Enterprise Advanced 按服務器性能與節點數量收取費用；Atlas 云服務面向小型團隊提供共享集群，根據存儲空間按使用時長計費，面向大型團隊提供專屬集群，根據算力、RAM（運行內存）

92、、存儲空間按照使用時長計費；Realm 按照功能的使用量計費。服務收入包括咨詢和培訓服務，旨在提高用戶留存率并吸引客戶付費，不創造利潤。服務成本主要由培訓咨詢服務成本與人事費用構成，包括工資、獎金、員工福利和股權激勵費用。2017 年以來，MongoDB 超過 90%的收入來源為訂閱業務，2023 財年訂閱業務收入為 12.35 億美元，占總收入比重為 96.2%；服務業務收入為0.49億美元，占總收入比重為3.8%。從利潤端來看，訂閱業務實現毛利潤9.51億美元，毛利率為 77%；服務業務實現毛利潤-0.16億美元，毛利率為-32.3%。圖圖 32、2015-2023 財年財年 MongoD

93、B 訂閱收入訂閱收入情況情況 圖圖 33、2015-2023 財年財年 MongoDB 服務收入服務收入情況情況 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 0%30%60%90%120%150%0200400600800FY16 FY17 FY18 FY19 FY20 FY21 FY22 FY23美洲收入（百萬美元）歐洲、中東、非洲收入（百萬美元）亞太收入（百萬美元）美洲YoY（右軸）歐洲、中東、非洲YoY（右軸）亞太YoY（右軸）69.3%60.2%66.6%64.7%64.6%61.2%60.3%60.9%27.1%25.4%29.

94、0%29.9%28.1%30.1%29.5%28.2%3.6%2.7%4.4%5.5%7.3%8.7%10.2%11.0%0%20%40%60%80%100%FY16 FY17 FY18 FY19 FY20 FY21 FY22 FY23美洲歐洲、中東、非洲亞太34 59 104 152 248 400 565 842 1235 0%20%40%60%80%100%030060090012001500訂閱收入（百萬美元）訂閱YoY（右軸）7 7 11 14 19 22 25 32 49 0%20%40%60%80%0204060FY15FY16FY17FY18FY19FY20FY21FY22FY

95、23服務收入（百萬美元）服務YoY（右軸）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -22-海外公司海外公司深度深度研究研究報告報告 圖圖 34、2015-2023財年財年 MongoDB訂閱毛利及毛利訂閱毛利及毛利率率 圖圖 35、2015-2023財年財年 MongoDB服務毛利及毛利服務毛利及毛利率率 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 用戶規模用戶規模迅速迅速擴張擴張，客戶客戶 ARPU 持續提升持續提升。2016 年以來，MongoDB 客戶數實現快速增長，2023 財年 MongoD

96、B 用戶數為 40800，同比增長 23.6%；其中 ARR（年均經常性收入）超過 10萬美元的客戶數為 1651，占比 4%，同比增長 26.3%，主要得益于 MongoDB 的高性能與豐富產品體系可滿足客戶多樣化需求。2022 財年以來 ARPU 亦呈上升趨勢，2023 財年 ARPU 為 3.1 萬美元，同比增長 18.9%，客戶貢獻度持續提升。凈收入留存率連續 7 年超過 120%，收入留存率較高，MongoDB產品不斷完善，能夠滿足客戶不斷增長的需求。圖圖 36、2016-2023 財年財年 MongoDB 用戶數用戶數 圖圖 37、2016-2023 財年財年 MongoDB AR

97、R 超過超過 10 萬萬美元客戶數美元客戶數 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 23 45 85 121 192 298 420 624 951 0%20%40%60%80%100%02004006008001000訂閱毛利（百萬美元）訂閱毛利率（右軸）0-1 0 2 1-2-7-10-16-40%-30%-20%-10%0%10%20%-20-16-12-8-404服務毛利（百萬美元）服務毛利率（右軸）17003200570013400170002480033000408000%30%60%90%120%150%0900018

98、000270003600045000FY16FY17FY18FY19FY20FY21FY22FY23總客戶數（個）YoY（右軸）1642463545577519751307165150.0%43.9%57.3%34.8%29.8%34.1%26.3%0%30%60%90%120%150%060012001800FY16 FY17 FY18 FY19 FY20 FY21 FY22 FY23超過$100000 ARR客戶數（個）YoY（右軸）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -23-海外公司海外公司深度深度研究研究報告報告 圖圖 38、2016-2023

99、 財年財年 MongoDB ARPU 及其增速及其增速 資料來源：公司公告，興業證券經濟與金融研究院整理 3 3.2.2、開發者需求、開發者需求導向導向，積極營銷策略沉淀開源社區，積極營銷策略沉淀開源社區 存儲引擎存儲引擎性能優異性能優異，主要組件架構完善，主要組件架構完善。從組成結構來看，MongoDB Native Driver是數據庫的驅動程序，將客戶端連接到服務器端；MongoDB服務器由查詢引擎、存儲引擎、安全組件、管理組件共同構成，服務器上層是 MongoDB 的數據模型和查詢語言。MongoDB 數據模型采用文檔型數據結構，將數據以 JSON（JavaScript Object

100、Notation JS對象簡譜）和 BSON（二進制 JSON）的方式存儲在磁盤中。由于 MongoDB 采取文檔數據結構存儲數據，與關系型數據庫的二維表結構有較大的差異，所以它創建了一套不同的查詢語言，幾乎可以實現類似關系型數據庫單表查詢的所有功能，還支持對數據建立索引。服務器底層使用可插拔的存儲引擎以滿足用戶的不同需要，提供了不同粒度的并發控制和壓縮機制，能夠為不同種類的應用提供了最好的性能和存儲率。此外服務器使用安全組件以保證數據安全，包括用戶身份驗證機制與訪問授權機制等；使用管理組件處理所有的數據請求、管理數據的增刪改查操作。圖圖 39、MongoDB 主要組件架構視圖主要組件架構視圖

101、 資料來源：quickprogrammingtips 官網，興業證券經濟與金融研究院整理 38 36 29 20 25 24 26 31-6.6%-18.8%-31.6%24.5%-4.0%11.2%18.9%-40%-20%0%20%40%010203040FY16FY17FY18FY19FY20FY21FY22FY23ARPU（千美元）YoY（右軸）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -24-海外公司海外公司深度深度研究研究報告報告 分片技術動態擴展，數據讀寫效率加快。分片技術動態擴展，數據讀寫效率加快。傳統關系型數據庫查詢性能隨著表的擴大急劇下降

102、，且插入數據時創建索引可能會引起索引樹的調整與頁分裂。MongoDB采用分而治之策略，將大表拆成小表：通過將同一個集合（Collection1）的數據按片鍵（shard keys）分到不同的分片（shard）上面，減少同一個數據文件上的數據量，形成分片集群。分片集群隨著數據量的增長，各個分片也會越來越大。MongoDB 采取負載均衡器（Balancer）自動將大分片中的數據遷往小分片,實現動態收縮擴容。圖圖 40、MongoDB 分片技術分片技術 圖圖 41、MongoDB 負載均衡技術負載均衡技術 資料來源：MongoDB 官網，興業證券經濟與金融研究院整理 資料來源：MongoDB 官網，

103、興業證券經濟與金融研究院整理 復制集技術復制集技術實現讀寫分離，保證高安全性與高性能實現讀寫分離，保證高安全性與高性能。MongoDB 高安全性與讀寫分離的基礎是復制集，即一份數據存多份，保證機器故障后數據不會丟失。復制集（Replica Set）是 MongoDB的數據復制架構，由一組 MongoDB實例（進程）組成，包含一個 Primary 節點和多個 Secondary 節點，其中 Primary 負責讀寫請求，Secondary 負責讀請求。Primary 和 Secondary 節點之間在數據寫入過程當中實現數據的異步復制，當發生故障時，數據可以從其他節點恢復，有效解決了數據保護的問

104、題。此外，在 MongoDB 復制集中 Secondary 節點可以承擔讀取數據的任務，減輕 Primary 節點的壓力，提高系統的并發讀取能力；Secondary 節點也可以用來支持查詢操作，從而實現數據讀寫分離，進一步提高系統的性能和可用性。請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -25-海外公司海外公司深度深度研究研究報告報告 圖圖 42、MongoDB 復制復制集集結結構構 資料來源：MongoDB官網，興業證券經濟與金融研究院整理 插入查詢速度加快，插入查詢速度加快，性能優于關系型數據庫。性能優于關系型數據庫。關系型數據庫 MySQL 的插入數據

105、總行數在50-5000之間時，Ops（每秒操作數）穩定在550左右，當數據總行數到25000 時，Ops 下降到 312，當數據總行數到 50000時，與峰值相比，Ops 下降了一半，只有 277。MongoDB 插入速度在 500 行時達到峰值，Ops 為 50000，之后Ops 一直保持在 12500-15000。綜合分析可知，MongoDB 的插入速度是 MySQL的 20-50 倍。當查詢數據總行數到 500 時，MongoDB Ops 穩定在 4000-6500，MySQL Ops 穩定在 1300-1800。MongoDB的查詢速度是 MySQL 的 3倍左右。表表 6、Mongo

106、DB 與與 MySQL 插入性能對比插入性能對比 插入總行數 MySQL 執行時間（秒）MongoDB 執行時間（秒）MySQL Ops/s MongoDB Ops/s 50 0.09 0.006 555 8333 500 0.9 0.01 555 50000 5000 8.8 0.35 568 14285 25000 80 2 312 12500 50000 180 3.5 277 14285 資料來源：MongoDB論文，興業證券經濟與金融研究院整理 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -26-海外公司海外公司深度深度研究研究報告報告 表表 7、M

107、ongoDB 與與 MySQL 查詢性能對比查詢性能對比 查詢總行數 MySQL 執行時間（秒）MongoDB 執行時間（秒）MySQL Ops/s MongoDB Ops/s 50 0.1 0.08 500 625 500 0.38 0.1 1316 5000 5000 2.8 1.2 1786 4167 25000 14 4 1786 6250 50000 28 10.4 1786 6250 資料來源：MongoDB論文，興業證券經濟與金融研究院整理 約束較少約束較少結構靈活結構靈活，滿足滿足開發者開發者迭代運維需求迭代運維需求。MongoDB 主打文檔數據庫，是非關系型數據庫中與關系型數

108、據庫最相似的。相比傳統關系型數據庫的二維表數據結構及完整性數據約束，MongoDB采取類似 JSON（JavaScript Object Notation JS 對象簡譜）的 BSON（二進制形式的 JSON）作為其數據模型結構，沒有固定的 schema（模式）作為約束條件，支持動態的添加字段、支持內嵌對象和數組對象。因此數據存儲結構更加靈活。No schema 模式的靈活性帶來以下優勢：強大的表現能力，對象嵌套和數組結構可以讓數據庫中的對象具備更高的表現能力，能夠用更少的數據對象表現復雜的領域模型對象；便于開發和快速迭代，靈活的字段管理，使得項目迭代新增字段變得容易；降低運維成本，數據對象結

109、構變更不需要執行 DDL（Data Definition Langauge 數據定義語言），降低在線環境的數據庫操作風險，特別是在海量數據分庫分表場景。MongoDB 簡單靈活的數據模型使得開發者得以自由地按照業務需求實現業務邏輯，建立了龐大的用戶和開發者社區。表表 8、關系型數據庫和、關系型數據庫和 MongoDB 結構單位結構單位對標對標 關系型數據庫 MongoDB 結構單位 表 集合 行 文檔 列 字段 資料來源：CSDN，興業證券經濟與金融研究院整理 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -27-海外公司海外公司深度深度研究研究報告報告 表表

110、9、MongoDB 數據庫特點及適用場景數據庫特點及適用場景 特點 面向集合 每個集合在數據庫中都有一個唯一的標識名，并且可以包含無限數目的文檔。集合類似于關系型數據庫中的表。模式自由 數據格式不固定數據格式不固定，數據結構發生變更的同時不會影響程序運行。對于存儲在 MongoDB數據庫中的文件，不需要知道它的結構定義，可以把不同結構的文件存儲在同一個數據庫中。BSON 存儲形式 存儲在集合中的文檔，被存儲為鍵被存儲為鍵-值對的值對的形式形式。鍵用于唯一標識一個文檔，為字符串類型，而值則可以是各種復雜的文件類型。支 持 面 向 對 象 的SQL查詢語句 基本涵蓋關系型數據庫的所有查詢語句 適用

111、場景 網站實時數據處理 適合實時的插入、更新與查詢實時的插入、更新與查詢，并具備網站實時數據存儲所需的復制及高度伸縮性。緩存 得益于文檔存儲方式的高性能，適合作為信信息基礎設施的緩存層息基礎設施的緩存層。在系統重啟之后，由它搭建的持久化緩存層可以避免下層的數據源過載。高伸縮性場景 鍵-值存儲方式帶來的高伸縮性非常適合由數十或數百臺服務器組成的數據庫，它的路線圖中已經包含對 MapReduce（分布式計算引擎）的內置支持。資料來源：百度百科，興業證券經濟與金融研究院整理 營銷策略營銷策略開發者導向開發者導向，用戶規模，用戶規模顯著擴大顯著擴大。MongoDB 采取開發者導向的市場營銷策略，向開發

112、者宣傳 MongoDB 的性能與靈活性優勢，即不用關心關系型數據庫繁復的范式關系和設計模式，自由按照業務需求實現業務邏輯。此外，MongoDB 提出了更適合于移動互聯網的 MEAN 架構（MongoDB、Express、Angular 和 Node.js），該架構彌補了原先網頁開發的 LAMP 架構（Linux、Apache、MySQL 和 PHP）對高并發大型互聯網應用開發的缺陷。MongoDB 的市場營銷策略旨在強調 MEAN 架構能夠幫助互聯網企業解決移動互聯網時代的特定業務問題，這使得Web應用開發者與企業廣泛采用MEAN架構，成為MongoDB數據庫的用戶。公司 2016-2018

113、財年實施積極營銷策略，營銷費用率達 60%+，加上靈活高效的產品性能，開發者用戶規模由2016財年的1700增長至2018財年的5700。社區生態社區生態成熟成熟，逐步逐步培養培養用戶用戶付費付費習慣習慣。MongoDB 社區版與企業版底層存儲引擎相同，提供完善的功能：單機實例，滿足大多數小型應用程序的需求；多機實例，為大多數商業應用程序提供持久性/高可用性；具有水平伸縮能力的分片集 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -28-海外公司海外公司深度深度研究研究報告報告 群，能夠處理大數據集和大量的查詢，實現分布式的數據分布和處理。社區版的免費開源及營銷

114、策略吸引大量開發者用戶，繁榮的社區生態使得開發者用戶不斷提出反饋后，MongoDB 對此進行性能改進，并與用戶建立良好的互動關系。同時，MongoDB 數據庫的良好性能與結構靈活性滿足開發者需求，開發者用戶群體不斷被鞏固，并通過社區自發形成產品推廣生態，產品使用量激增，實現開源社區用戶向付費訂閱用戶轉化。圖圖 43、FY16Q1-FY18Q4 MongoDB 營銷費用及費營銷費用及費用率用率 圖圖 44、MongoDB 產品業務模式產品業務模式 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：MongoDB 官網，興業證券經濟與金融研究院整理 3.3、數據庫數據庫云云化化轉型，云中

115、立轉型，云中立策略鞏固優勢地位策略鞏固優勢地位 順應云轉型趨勢，順應云轉型趨勢，云中立戰略優勢云中立戰略優勢明顯明顯。數據庫作為企業業務支撐體系的重要部分，受到云提供商與業務應用服務器的共同制約。數據庫與業務應用云端部署廠商的不統一使得延遲增加，業務體驗較差，因此數據庫底層技術的易遷移性與多云部署變得尤為重要，保證其隨著業務應用的遷移而遷移。MongoDB 采取云中立戰略，支持所有的主流云環境，包括 AWS、GCP、Azure 平臺，目前可在超過100 個地區的所有云提供商上使用，幫助客戶實現多云部署，這使得 MongoDB面對公有云廠商競爭優勢明顯。2022 年，MongoDB 宣布 Atl

116、as 支持 Serverless，Serverless 存儲與計算解耦的特性使得用戶可以借助 Atlas 在多云間遷移數據，可進行跨平臺分布式部署。布局云數據庫，推出布局云數據庫，推出云平臺云平臺Atlas。作為云戰略核心產品布局，MongoDB于2016年推出 MongoDB Atlas 全托管數據庫服務，去除配置、運營和擴展 MongoDB 數據庫的復雜性，為開發人員聚焦于自身核心應用的開發工作提供幫助。Atlas 專為以 MongoDB 為核心的各種應用程序構建，用戶通過部署集群（存儲數據的服務器組）即可將服務器配置在副本集（一組存儲相同數據的幾個連接的MongoDB 實例（在本地或云中

117、運行特定軟件的單臺機器），MongoDB 數據庫得以在云中運行。Atlas 為企業用戶提供統一的數據庫管理技術：創建一個組織12.6 14.4 13.7 15.9 17.3 20.2 18.7 22.5 22.0 27.1 28.5 31.5 0%30%60%90%120%0714212835營銷費用（百萬美元）營銷費用率（右軸）請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -29-海外公司海外公司深度深度研究研究報告報告 （organizations），組織可包含多個項目（projects），Projects 可包含多個不同區域中的集群。企業客戶可以把用戶分成

118、組，每個組設定訪問的權限，簡化數據庫管理。MongoDB Atlas 除了提供基礎的數據庫能力之外，還提供數據分析工具和無服務 API 技術，為用戶提供實時洞察力，隨時隨地分析數據信息，確保業務輕型化。Atlas 具有以下優勢：可移植性強可移植性強，即使集群已經部署而且業務已在運行，僅通過點擊鼠標即可將業務切換到另一個地區，不需要任何額外的工作，MongoDB Atlas 可自動化完成遷移；自動容量管理自動容量管理，選擇存儲自動縮放功能，當存儲利用率達到 90%時，Atlas 會自動擴展額外的存儲空間；高可用性高可用性，每個復制集均采用默認 3 節點配置，如果主節點發生問題，通?？梢栽?2 秒

119、內開始切換；支持多云部署支持多云部署，在 AWS/Azure/GCP的 60 多個區域提供服務。圖圖 45、Atlas 統一數據庫管理技術統一數據庫管理技術 圖圖 46、Atlas 3 節點配置保證高可用性節點配置保證高可用性 資料來源：百度文庫，興業證券經濟與金融研究院整理 資料來源：百度文庫，興業證券經濟與金融研究院整理 定價定價靈活靈活性高性高，滿足不同用戶需求滿足不同用戶需求。Atlas 在合作云廠商平臺上提供全托管云數據庫服務，客戶付費訂閱，根據使用時長與使用場景收費，具有高靈活性。Atlas 云服務面向小型團隊提供共享集群，根據存儲空間按使用時長計費；面向大型團隊提供專屬集群，根據

120、算力、RAM（運行內存）、存儲空間按照使用時長計費。借助云服務的形式，公司開源軟件實現了產品商業化，合理的收費模式與全托管服務保證了用戶粘性，日益增長的云轉型需求與 Atlas 的部署簡便性反而將其積累的龐大開發者用戶群體轉化為 Atlas 付費用戶，釋放了開源社區的用戶價值。表表 10、Atlas 定價模式定價模式 實例 RAM vCPUs 存儲空間 價格 共享集群 M0 Shared Shared 512MB 免費 M2 Shared Shared 2GB$9/mo M5 Shared Shared 5GB$25/mo 專屬集群 M10 2GB 1 10GB$0.08/h M20 4GB

121、2 20GB$0.2/h 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -30-海外公司海外公司深度深度研究研究報告報告 M30 8GB 2 40GB$0.54/h M40 16GB 4 80GB$1.04/h M50 32GB 8 160GB$2/h M60 64GB 16 320GB$3.95/h M80 131GB 32 750GB$7.3/h M140 192GB 48 1000GB$10.99/h M200 256GB 64 1500GB$14.59/h M300 384GB 96 2000GB$21.85/h 資料來源：MongoDB 官網，興業證券

122、經濟與金融研究院整理 轉型轉型多功能開發多功能開發者者數據平臺數據平臺，布局多領域功能布局多領域功能豐富豐富性性。MongoDB Atlas 不斷完善云平臺功能，旨在從 DBaaS（數據庫即服務）平臺轉變成為多功能的 Developer Data Platform（開發者數據平臺）。在擴展云數據庫服務的同時，MongoDB 嘗試拓展其他數據行業領域，比如 MongoDB search 擁有多種用途的搜索語句和豐富的索引類型，且有模糊搜索、自動補全等常見搜索輔助功能，積極布局分布式搜索引擎產品；Altas Charts 功能支持在現有的 MongoDB 數據庫進行數據可視化；MongoDB6.0

123、 更新時間序列功能，支持調整時間序列數據，可更輕松地處理企業級時間序列工作負載，并支持修改已輸入數據。MongoDB Atlas 已從單一的云數據庫服務平臺轉型逐步向以數據為基礎的多功能數據分析與管理云平臺轉型。用戶轉化成效顯著用戶轉化成效顯著，Atlas成為公司成為公司營收核心驅動營收核心驅動。2017財年以來Atlas占總營收比重顯著提升，從 2017 財年的 0.6%增加到 2023 財年的 62.9%。得益于云戰略的前瞻性布局與 Atlas 云數據平臺的豐富功能，Atlas 云服務收入成為營收增長的核心驅動力，2023 財年 Atlas 業務收入為 8.08 億美元，同比增長 64.2

124、%，遠超營收增速。收入的強勁增速背后反映了客戶對Atlas的認可：2023財年Atlas客戶數量為 39300，占用戶數比重 96.3%。圖圖 47、2017-2023 財年財年 MongoDB Atlas 收入及其收入及其占總收入比重占總收入比重 圖圖 48、2018-2023 財年財年 MongoDB 總收入及總收入及 Atlas收入增速收入增速 資料來源：公司公告，興業證券經濟與金融研究院整理 資料來源：公司公告，興業證券經濟與金融研究院整理 1 11 60 163 271 492 808 0.6%6.8%22.6%38.5%45.9%56.3%62.9%0%20%40%60%80%02

125、004006008001000FY17 FY18 FY19 FY20 FY21 FY22 FY23Atlas收入（百萬美元）占總收入比重（右軸）44.6%60.8%57.9%40.0%48.0%47.0%1451.7%434.8%169.8%66.6%81.8%64.2%0%400%800%1200%1600%FY18FY19FY20FY21FY22FY23總收入YoYAtlas收入YoY 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -31-海外公司海外公司深度深度研究研究報告報告 圖圖 49、2017-2023 財年財年 MongoDB Atlas 用戶數用

126、戶數 資料來源：公司公告，興業證券經濟與金融研究院整理 租用第三方云架構利潤承壓，有望深入合作提升產品競爭力。租用第三方云架構利潤承壓，有望深入合作提升產品競爭力。MongoDB Atlas 與公有云服務廠商合作，租用第三方云廠商（AWS、Microsoft Azure、Google Cloud、阿里云等）的服務器，通過自身團隊在租用的服務器上為客戶部署云數據庫。2019 財年以來，MongoDB 租用第三方云基礎設施的費用增加占訂閱成本增加的 70%+。為保證 MongoDB 開源產品的可持續性，2018 年 MongoDB 發布SSPL（Server Side Public License

127、）協議，明確要求托管 MongoDB實例的云計算公司需要從 MongoDB 獲取商業許可證，或者向社區開源其服務代碼，防止非合作云服務廠商通過修改 MongoDB 開源數據庫代碼獲取增量收入，這使得MongoDB 與公有云廠商的合作變得規范化與穩固。未來 MongoDB 與云服務商AWS、Azure 有望采用更加深入的合作方式，即 Co-sell（聯合共同銷售）計劃，打造智能云產品生態，而 MongoDB 有望借助合作廠商繁榮的云生態提升云數據庫產品競爭力。圖圖 50、2018-2023 財年第三方云基礎設施費用增加及其占比財年第三方云基礎設施費用增加及其占比 資料來源：公司公告，興業證券經濟

128、與金融研究院整理 85034001140015400233003150039300300.0%235.3%35.1%51.3%35.2%24.8%0%70%140%210%280%350%0900018000270003600045000FY17FY18FY19FY20FY21FY22FY23Atlas客戶數（個）YoY（右軸）6.819.134.531.558.350.959.6%74.9%75.9%72.3%80.3%76.3%0%30%60%90%015304560FY18FY19FY20FY21FY22FY23第三方云基礎設施費用增加（百萬美元）占訂閱成本增加比重（右軸）請務必閱讀正文

129、之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -32-海外公司海外公司深度深度研究研究報告報告 3 3.4 4、擁抱擁抱生成式生成式 A AI I 浪潮，加碼向量搜索浪潮，加碼向量搜索+數據湖數據湖 引入向量搜索功能，簡化引入向量搜索功能，簡化 AI 驅動型應用程序開發驅動型應用程序開發。MongoDB Atlas Vector Search基于語義搜索，通過向量快速識別和檢索相似或相關數據來執行相似性搜索。MongoDB Atlas向量搜索的生成式AI功能可實現精確的信息檢索和個性化，幫助企業用 MongoDB中存儲的數據構建基于生成式AI的應用。這種新的搜索功能有助于支持

130、一系列新的工作負載，包括帶有文本的語義搜索、圖像搜索和高度個性化的產品推薦等。MongoDB Atlas Vector Search與開源的LangChain和LlamaIndex框架集成，提供了具有用于訪問和管理各種應用程序的 LLM 工具?？蛻魪腗ongoDB 合作伙伴（如 AWS，Databricks，Google Cloud，Microsoft Azure，MindsDB）和模型提供商（例如 Anthropic，Hugging Face 和 OpenAI）處訪問LLM，生成向量嵌入并在 MongoDB Atlas上構建由 AI驅動的應用程序。圖圖 51、MongoDB 向量搜索功能流程

131、向量搜索功能流程 資料來源：MongoDB 官網，興業證券經濟與金融研究院整理 云端云端 Atlas 添加添加 Stream Processing 功能，功能，處理高速復雜數據流處理高速復雜數據流。為了幫助企業在一個界面中管理來自多個來源的實時流數據，MongoDB 在 Atlas 中添加了一個流處理接口。MongoDB Atlas Stream Processing 可以處理多種類型的數據，并具有靈活的數據模型，將允許企業實時分析數據，并調整應用行為，以滿足最終客戶的需求。此外，Atlas Stream Processing還可幫助開發人員使用文檔模型處理流數據和歷史數據，使開發人員無需使用

132、多種專用編程語言、庫、API 和驅動程序。它還支持在添加新數據時連續查詢數據，從而提供由攝取新數據觸發的不斷更新的實時視圖。Stream Processing 功能簡化大規模數據處理效率，為 AI模型使用數據進行訓練提供便利。請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -33-海外公司海外公司深度深度研究研究報告報告 圖圖 52、MongoDB Atlas Stream Processing 架構架構 資料來源：MongoDB 官網，興業證券經濟與金融研究院整理 云云端端Atlas推出數據湖服務推出數據湖服務，為為AI模型模型訓練訓練打下基礎打下基礎。由于傳統

133、數據倉庫無法支持非結構化數據的處理，從云中存儲的數據中提取價值和洞見變得日益困難和昂貴。2021年MongoDB推出數據湖服務MongoDB Altas Data Lake，目前支持AWS、GCP、Azure 平臺。借助 MongoDB Atlas 數據湖，用戶在 MongoDB Atlas 控制臺即可使用 MongoDB 查詢語言的強大功能來運行查詢和探索半結構化與非結構化數據，為生成式 AI 大模型對非結構化數據的處理與訓練打下基礎。此外，Atlas數據湖為 Serverless 架構，因此客戶無需設置、管理或優化任何基礎架構，只需為實際處理數據時運行的查詢付費。表表 11、數據倉庫、數據

134、湖數據倉庫、數據湖對比對比 數據倉庫 數據湖 處理數據 處理結構化數據 處理半結構化和非結構化數據 應用場景 適用于數據分析和商業智能（BI）適用于機器學習和 AI工作負載 費用 存儲昂貴 存儲具有成本效益、快速性和靈活性 ACID 合規性 以符合 ACID 的方式記錄數據，以確保最高水平的完整性 非 ACID 合規性 資料來源：CSDN，興業證券經濟與金融研究院整理 Atlas 嵌入谷歌大模型，嵌入谷歌大模型，加速生成式加速生成式 AI 應用開發。應用開發。MongoDB 與 Google Cloud 合作整合 Vertex AI 功能，旨在加速基于生成式 AI 的應用的開發，并促進創新應用

135、的創建。Vertex AI 將提供從 MongoDB Atlas 中存儲的企業數據生成嵌入所需的文本的 API。這些嵌入可以與 PaLM 模型（谷歌大模型）結合使用，以創建高級功能，如語義搜索、分類、異常值檢測、AI 驅動的聊天機器人和文本摘要。MongoDB 此次還推出了“AI 創新者計劃”，為正在致力于開發 AI 技術的組織提供 MongoDB Atlas 使用積分，借助 MongoDB 合作伙伴生態系統的合作機會及豐 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -34-海外公司海外公司深度深度研究研究報告報告 富的產品上市推廣活動，助力組織機構加快創新步

136、伐并縮短產品進入市場時間。4、盈利預測與估值、盈利預測與估值 預測結果：預計公司預測結果：預計公司 2024-2026 財年分別實現營收財年分別實現營收 15.32/18.78/22.98 億美元，億美元，Non-GAAP 凈利潤分別為凈利潤分別為 1.37/1.89/2.75 億美元。億美元。預測邏輯為：1）訂閱業務收入：訂閱業務收入由 Atlas 收入和其他訂閱收入構成。假設公司 2024-2026 財年 Atlas 客戶數按 20.4%/15.9%/13.9%同比增速增長，則客戶數分別為47336/54846/62452；假設2024-2026財年Atlas每客戶平均ARR按4%/11%

137、/13%同比增速增長，則 Atlas 每客戶平均 ARR 分別為 2.38/2.64/2.98 萬美元，Atlas 收收入分別為入分別為 10.29/13.47/17.47 億美元億美元。假設公司 2024-2026 財年其他訂閱業務客戶數按29%/25%/21%同比增速增長，則客戶數分別為8256/10320/12487；基于2021財年以來公司其他訂閱業務每客戶平均 ARR同比增速始終為負，假設 2024-2026財年其他訂閱業務每客戶平均 ARR 按-23%/-18%/-17%同比增速減少，則每客戶平均 ARR 分別為 6.1/5.0/4.2 萬美元，其他訂閱收入為其他訂閱收入為 4.4

138、7/4.65/4.73 億美元，訂億美元，訂閱業務收入為閱業務收入為 14.76/18.12/22.21 億美元億美元。2）服務業務收入：假設公司 2024-2026 財年服務收入按 15%/17%/18%同比增速增長，則分別實現服務收入服務收入 0.56/0.66/0.78 億美元億美元。3）毛利：假設公司 2024-2026 財年毛利率為 73.9%/74.5%/75.0%，則分別實現毛毛利潤利潤 11.32/13.99/17.24 億美元億美元。4）營業費用：假設公司 2024-2026 財年研發費用率為 32%/31%/30%，營銷費用率為 53%/52%/50%，管理費用率為 11%

139、/11%/11%，則分別實現研發費用研發費用4.88/5.82/6.90 億美元，營銷費用億美元，營銷費用 8.07/9.67/11.49 億美元，管理費用億美元，管理費用 1.74/2.07/2.41億美元億美元。5）Non-GAAP 凈利潤：預計公司 2024-2026 財年 Non-GAAP 凈利潤分別為1.37/1.89/2.75億美元，Non-GAAP凈利率為 9.0%/10.1%/12.0%。表表 12、公司盈利預測公司盈利預測 會計年度會計年度 2022A 2023A 2024E 2025E 2026E 總收入（百萬美元）總收入（百萬美元）874 1284 1532 1878 2

140、298 同比增速同比增速 48.0%47.0%19.3%22.5%22.4%訂閱收入（百萬美元）訂閱收入（百萬美元）842 1235 1476 1812 2221 同比增速同比增速 48.9%46.7%19.5%22.7%22.6%服務收入（百萬美元）服務收入（百萬美元）32 49 56 66 78 同比增速同比增速 26.8%54.1%15.2%17.0%18.0%毛利潤（百萬美元）毛利潤（百萬美元）614 935 1132 1399 1724 毛利率毛利率 70.3%72.8%73.9%74.5%75.0%研發費用研發費用 309 422 488 582 690 營銷費用營銷費用 472

141、699 807 967 1149 管理費用管理費用 123 160 174 207 241 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -35-海外公司海外公司深度深度研究研究報告報告 Non-GAAP 凈利潤（百萬美元）凈利潤（百萬美元）-1 65 137 189 275 Non-GAAP 凈利率凈利率-0.1%5.0%9.0%10.1%12.0%資料來源：公司公告，興業證券經濟與金融研究院整理 公司持續受益于 AI 浪潮為非關系型數據庫市場帶來的增量，我們預計2024/2025/2026 財 年 公 司 將 實 現 營 收15.32/18.78/22.98

142、 億 美 元，同 比+19.3%/+22.5%/+22.4%，Non-GAAP凈利潤為1.37/1.89/2.75億美元。參考同行業公司估值，給予公司 2024 財年 20 x PS 估值，對應目標市值為 306.4 億美元，首次覆蓋給予“增持”評級。表表 13、可比可比公司公司估值一覽表估值一覽表 總市值總市值 營收營收 （百萬美元）（百萬美元）營收同比營收同比 增速增速(%)(%)歸母凈利潤歸母凈利潤 （百萬美元）（百萬美元）歸母凈利潤歸母凈利潤 同比增速同比增速(%)(%)P PS S 代碼代碼 公司名稱公司名稱 億美元億美元 FYFY2 24 4E E FYFY2 25 5E E FY

143、FY2 24 4E E FYFY2 25 5E E FYFY2 24 4E E FYFY2 25 5E E FYFY2 24 4E E FYFY2 25 5E E FYFY2 24 4E E FYFY2 25 5E E SNOW.N Snowflake 569.77 2764 3644 34%32%211 347 134%64%21 16 代碼代碼 公司名稱公司名稱 億美元億美元 23E23E 24E24E 23E23E 24E24E 23E23E 24E24E 23E23E 24E24E 23E23E 24E24E DDOG.O Datadog 361.11 2094 2657 25%27%

144、410 525 21%28%17 14 PLTR.N Palantir 377.30 2210 2633 16%19%468 558 6%19%17 14 資料來源：Wind，Bloomberg，興業證券經濟與金融研究院整理 備注：表格數據為彭博一致預期。市值為 2023 年 7 月 28 日數據，Snowflake 2024 財年為 2023 年 2 月 1 日-2024年 1 月 31日，Datadog、Palantir 財年與自然年一致 圖圖 53、公司公司市銷率市銷率 PS(TTM)情況情況 資料來源：Wind，興業證券經濟與金融研究院整理 0501001502002502019-04

145、-292020-04-292021-04-292022-04-292023-04-29MongoDBSnowflakeDatadogPalantir 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -36-海外公司海外公司深度深度研究研究報告報告 附表附表 資產負債表資產負債表 單位:百萬美元 利潤表利潤表 單位:百萬美元 會計年度會計年度 2023A 2024E 2025E 2026E 會計年度會計年度 2023A 2024E 2025E 2026E 流動資產流動資產 2237 2270 2574 3042 營業收入營業收入 1284 1532 1878 229

146、8 現金及現金等價物 456 634 887 1274 營業成本 349 400 479 575 短期投資 1381 1182 1182 1182 毛利毛利 935 1132 1399 1724 應收賬款 285 328 355 411 研發費用 422 488 582 690 延期支付傭金 84 95 116 138 營銷費用 699 807 967 1149 預付款項及其他流動資產 31 32 34 37 管理費用 160 174 207 241 非流動資產非流動資產 352 376 415 465 經營利潤經營利潤-347 -336 -357 -356 凈財產和設備 58 55 53 5

147、3 其他收入 13 41 36 36 經營租賃資產使用權 41 43 47 51 稅前利潤稅前利潤-333 -295 -321 -321 商譽 58 58 58 58 所得稅 12 22 32 40 獲得的無形資產凈額 11 3 0 0 凈利潤凈利潤-345 -317 -353 -361 遞延稅項資產 3 3 4 5 Non-GAAP 凈利潤凈利潤 65 137 189 275 其他資產 182 215 253 299 資產總計資產總計 2589 2646 2989 3507 主要財務比率主要財務比率 流動負債流動負債 589 698 857 1053 會計年度會計年度 2023A 2024E

148、 2025E 2026E 應付賬款 8 10 12 14 成長性成長性(%)累算薪酬及福利 90 100 118 143 營業收入增長率 47.0%19.3%22.5%22.4%經營租賃負債 9 8 8 7 毛利潤增長率 52.2%21.1%23.5%23.2%其他應計負債 53 60 71 85 Non-GAAP 凈利潤增長率 -6673.5%111.9%38.0%45.2%遞延收入 429 521 648 804 非流動負債非流動負債 1261 1267 1278 1313 盈利能力盈利能力(%)負債合計負債合計 1849 1964 2135 2366 毛利率 72.8%73.9%74.5

149、%75.0%股東權益合計股東權益合計 740 682 854 1140 Non-GAAP 凈利率 5.0%9.0%10.1%12.0%負債及權益合計負債及權益合計 2589 2646 2989 3507 Non-GAAP ROE 9.2%19.3%24.6%27.6%償債能力償債能力 現金流量表現金流量表 單位:百萬美元 資產負債率 71.4%74.2%71.4%67.5%會計年度會計年度 2023A 2024E 2025E 2026E 流動比率 3.25 3.00 2.89 2.89 經營活動產生現金流量經營活動產生現金流量 -13 152 239 338 每股資料每股資料(美元美元)投資活

150、動產生現金流量投資活動產生現金流量 -33 -10 -21 13 Non-GAAP 稀釋每股 EPS 0.81 1.70 2.34 3.40 融資活動產生現金流量融資活動產生現金流量 30 35 36 36 每股凈資產 9.3 8.4 10.6 14.1 匯率變動引起的現金及 現金等價物的影響 -2 1 0 0 每股經營現金流 -0.2 1.9 3.0 4.2 現金凈變動 -18 178 253 387 估值比率估值比率(倍倍)現金的期初余額 474 456 634 887 PE 231.3 223.3 161.9 111.5 現金的期末余額 456 634 887 1274 PB 20.2

151、44.9 35.9 26.9 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -37-海外公司海外公司深度深度研究研究報告報告 分析師聲明分析師聲明 本人具有中國證券業協會授予的證券投資咨詢執業資格并登記為證券分析師，以勤勉的職業態度，獨立、客觀地出具本報告。本報告清晰準確地反映了本人的研究觀點。本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。投資評級說明投資評級說明 投資建議的評級標準投資建議的評級標準 類別類別 評級評級 說明說明 報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后

152、的12個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅。其中：A股市場以滬深300指數為基準；新三板市場以三板成指為基準；香港市場以恒生指數為基準；美國市場以標普500或納斯達克綜合指數為基準。股票評級 買入 相對同期相關證券市場代表性指數漲幅大于15%增持 相對同期相關證券市場代表性指數漲幅在5%15%之間 中性 相對同期相關證券市場代表性指數漲幅在-5%5%之間 減持 相對同期相關證券市場代表性指數漲幅小于-5%無評級 由于我們無法獲取必要的資料，或者公司面臨無法預見結果的重大不確定性事件，或者其他原因，致使我們無法給出明確的投資評級 行業評級 推薦 相對表現優于同期相關

153、證券市場代表性指數 中性 相對表現與同期相關證券市場代表性指數持平 回避 相對表現弱于同期相關證券市場代表性指數 信息披露信息披露 本公司在知曉的范圍內履行信息披露義務?？蛻艨傻卿?內幕交易防控欄內查詢靜默期安排和關聯公司持股情況。有關財務權益及商務關系的披露有關財務權益及商務關系的披露 興證國際證券有限公司及/或其有關聯公司在過去十二個月內與 JinJiang Road&Bridge Construction Development Co Ltd、成都經開資產管理有限公司、義烏市國有資本運營有限公司、Chouzhou International Investment Ltd、桐廬新城發展投資

154、有限公司、寶應縣開發投資有限公司、中泰證券、中泰金融國際有限公司、中泰國際財務英屬維爾京群島有限公司、杭州上城區城市建設投資集團有限公司、安慶盛唐投資控股集團有限公司、巨星傳奇集團有限公司、湖州市城市投資發展集團有限公司、如皋市經濟貿易開發有限公司、重慶大足實業發展集團有限公司、江西省金融資產管理股份有限公司、中國信達(香港)控股有限公司、China Cinda 2020 I Management Ltd、成都銀行股份有限公司、成都新津城市產業發展集團有限公司、漳州市九龍江集團有限公司、滁州經濟技術開發總公司、珠海華發集團有限公司、華發投控 2022 年第一期有限公司、上饒投資控股集團有限公司

155、、上饒投資控股國際有限公司、烏魯木齊經濟技術開發區建發國有資本投資運營(集團)有限公司、成都空港城市發展集團有限公司、海鹽縣國有資產經營有限公司、海鹽海濱有限公司、漳州市交通發展集團有限公司、泰州醫藥城控股集團有限公司、海寧市城市發展投資集團有限公司、高郵市建設投資發展集團有限公司、Gaoyou Construction Investment Development（BVI）Co.,Ltd.、南洋商業銀行有限公司、平安國際融資租賃有限公司、上海銀行杭州分行、湖州南潯振潯污水處理有限公司、杭州銀行紹興分行、新昌縣交通投資集團有限公司、贛州城市投資控股集團有限責任公司、北京銀行股份有限公司杭州分行

156、、臺州市黃巖經濟開發集團有限公司、湖州吳興交通旅游投資發展集團有限公司、江蘇銀行揚州分行、湖北農谷實業集團有限責任公司、湖州經開投資發展集團有限公司、環太湖國際投資有限公司、溫州名城建設投資集團有限公司、泰安市城市發展投資有限公司、Taishan City Investment Co.,Ltd.、益陽市赫山區發展集團有限公司、佛山市高明建設投資集團有限公司、民生銀行、南京銀行南通分行、重慶巴洲文化旅游產業集團有限公司、高密市交運天然氣有限公司、上海中南金石企業管理有限公司、淮北綠金產業投資股份有限公司、四川港榮投資發展集團有限公司、鎮江國有投資控股集團有限公司、香港一聯科技有限公司、交銀金融租

157、賃有限責任公司、交銀租賃管理香港有限公司、平度市城市開發集團有限公司、德陽發展控股集團有限公司、泰興市中興國有資產經營投資有限公司、成都陸港樞紐投資發展集團有限公司、東臺市國有資產經營集團有限公司、廈門國貿控股集團有限公司、國貿控股（香港）投資有限公司、澳門國際銀行股份有限公司、中國國新控股有限責任公司、國晶資本(BVI)有限公司、中原資產管理有限公司、中原大禹國際(BVI)有限公司、中國國際金融股份有限公司、中國國際金融（國際）有限公司、CICC Hong Kong Finance 2016 MTN Limited、嵊州市交通投資發展集團有限公司、南京溧水經濟技術開發集團有限公司、溧源國際有

158、限公司、Zhejiang Kunpeng(BVI)Company Limited、杭州上城區國有資本運營集團有限公司、多想云控股有限公司、長沙先導投資控股集團有限公司、XL(BVI)INTERNATIONAL DEVELOPMENT LIMITED、龍口市城鄉建設投資發展有限公司、集友銀行有限公司、成都中法生態園投資發展有限公司、鹽城東方投資開發集團有限公司、東方資本有限公司、桐廬縣國有資產投資經營有限公司、潤歌互動有限公司、銅陵市國有資本運營控股集團有限公司、政金金融國際（BVI）有限公司、濟南市中財金投資集團有限公司、百德醫療投資控股有限公司、江蘇省溧陽高新區控股集團有限公司、江蘇中關村控

159、股集團（國際）有限公司、濟南歷城控股集團有限公司、歷城國際發展有限公司、鄭州地產集團有限公司、紹興市上虞區國有資本投資運營有限公司、香港象嶼投資有限公司、廈門象嶼集團有限公司、江蘇騰海投資控股集團有限責任公司、連云港港口集團、山海（香港）國際投資有限公司、漳州圓山發展有限公司、天津濱海新區建設投資集團有限公司、兆海投資(BVI)有限公司、鎮江交通產業集團有限公司、晉城市國有資本投資運營有限公司、鎮江文化旅游產業集團有限責任公司、濰坊市城市建設發展投資集團有限公司、鄭州城建集團投資有限公司、常德市城市建設投資集團有限公司、Higher Key Management Limited、廣州產業投資基

160、金管理有限公司、江蘇句容投資集團有限公司、淮安市交通控股集團有限公司、邵東市城市發展集團有限公司、濟南高新控股集團有限公司、紹興市柯橋區建設集團有限公司、恒源國際發展有限公司、寧波市海曙開發建設投資 請務必閱讀正文之后的信息披露和重要聲明請務必閱讀正文之后的信息披露和重要聲明 -38-海外公司海外公司深度深度研究研究報告報告 集團有限公司、Shandong Wonderland Holding Limited、蓬萊閣（煙臺市蓬萊區）旅游有限責任公司、廣州開發區投資集團有限公司、紹興市城市建設投資集團有限公司、福建漳龍集團有限公司、建發國際集團、湖州燃氣股份有限公司、新奧天然氣股份有限公司、新奧

161、能源控股有限公司、Coastal Emerald Limited、山東高速集團有限公司、無錫恒廷實業有限公司、四海國際投資有限公司、商丘市發展投資集團有限公司、江蘇瑞科生物技術股份有限公司、青島市即墨區城市開發投資有限公司、交運燃氣有限公司、中南高科產業集團有限公司、中國景大教育集團控股有限公司、福建省藍深環保技術股份有限公司、重慶農村商業銀行股份有限公司、重慶市萬盛工業園區開發建設有限公司、Zhejiang Boxin BVI Co Ltd.、湖北光谷東國有資本投資運營集團有限公司、湖北新銅都城市投資發展集團有限公司、廈門國際投資有限公司、無錫市太湖新城資產經營管理有限公司有投資銀行業務關系

162、。使用本研究報告的風險提示及法律聲明使用本研究報告的風險提示及法律聲明 興業證券股份有限公司經中國證券監督管理委員會批準，已具備證券投資咨詢業務資格。，本公司不會因接收人收到本報告而視其為客戶。本報告中的信息、意見等均僅供客戶參考，不構成所述證券買賣的出價或征價邀請或要約，投資者自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效，任何有關本報告的摘要或節選都不代表本報告正式完整的觀點，一切須以本公司向客戶發布的本報告完整版本為準。該等信息、意見并未考慮到獲取本報告人員的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對任何人的個人推

163、薦?？蛻魬攲Ρ緢蟾嬷械男畔⒑鸵庖娺M行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見。對依據或者使用本報告所造成的一切后果，本公司及/或其關聯人員均不承擔任何法律責任。本報告所載資料的來源被認為是可靠的，但本公司不保證其準確性或完整性，也不保證所包含的信息和建議不會發生任何變更。本公司并不對使用本報告所包含的材料產生的任何直接或間接損失或與此相關的其他任何損失承擔任何責任。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌，過往表現不應作為日后的表現依據；在不同時

164、期，本公司可發出與本報告所載資料、意見及推測不一致的報告；本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。除非另行說明，本報告中所引用的關于業績的數據代表過往表現。過往的業績表現亦不應作為日后回報的預示。我們不承諾也不保證，任何所預示的回報會得以實現。分析中所做的回報預測可能是基于相應的假設。任何假設的變化可能會顯著地影響所預測的回報。本公司的銷售人員、交易人員以及其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。本公司沒有將此意見及

165、建議向報告所有接收者進行更新的義務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。本報告并非針對或意圖發送予或為任何就發送、發布、可得到或使用此報告而使興業證券股份有限公司及其關聯子公司等違反當地的法律或法規或可致使興業證券股份有限公司受制于相關法律或法規的任何地區、國家或其他管轄區域的公民或居民，包括但不限于美國及美國公民（1934 年美國證券交易所第 15a-6 條例定義為本主要美國機構投資者除外）。本報告由受香港證監會監察的興證國際證券有限公司(香港證監會中央編號：AYE823)于香港提供。香港的投資者若有任何關于本報告的問題請直接

166、聯系興證國際證券有限公司的銷售交易代表。本報告作者所持香港證監會牌照的牌照編號已披露在報告首頁的作者姓名旁。本報告的版權歸本公司所有。本公司對本報告保留一切權利。除非另有書面顯示，否則本報告中的所有材料的版權均屬本公司。未經本公司事先書面授權，本報告的任何部分均不得以任何方式制作任何形式的拷貝、復印件或復制品，或再次分發給任何其他人，或以任何侵犯本公司版權的其他方式使用。未經授權的轉載，本公司不承擔任何轉載責任。特別聲明特別聲明 在法律許可的情況下，興業證券股份有限公司可能會持有本報告中提及公司所發行的證券頭寸并進行交易，也可能為這些公司提供或爭取提供投資銀行業務服務。因此，投資者應當考慮到興業證券股份有限公司及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突。投資者請勿將本報告視為投資或其他決定的唯一信賴依據。興業證券研究興業證券研究 上上 海海 北北 京京 地址：上海浦東新區長柳路36號興業證券大廈15層 郵編：200135 郵箱： 地址：北京市朝陽區建國門大街甲6號SK大廈32層01-08單元 郵編：100020 郵箱： 深深 圳圳 香香 港（興證國際）港（興證國際）地址：深圳市福田區皇崗路5001號深業上城T2座52樓 郵編：518035 郵箱： 地址：香港德輔道中199號無限極廣場32樓全層 傳真：（852）35095929 郵箱：.hk