泽景电子研发费突然减少,急着冲刺港股募资为哪般?
泽景电子,这家专注于抬头显示系统(HUD)的本土厂商,正寻求通过港股IPO,在汽车智能化浪潮中分一杯羹。然而,招股书显示,泽景电子面临着研发费用骤降、债务负担沉重、资金链紧张等多重挑战。在行业普遍加大研发投入的背景下,泽景电子的研发费用却逐年减少,研发费用占总收入的比例从2022年的39%骤降至2023年的9.9%。与此同时,高额负债导致其资产负债率远超同行,短期偿债能力堪忧。此外,应收账款回收困难也加剧了泽景电子的财务风险。面对内忧外患,泽景电子能否成功登陆港股,并凭借募资摆脱困境,实现可持续发展?

抬头显示系统(HUD)作为汽车智能化的重要组成部分,中国市场的出货量预计将在2024年至2029年间从390万台快速增长到1270万台。面对这一机遇,本土厂商泽景电子最近开启了港股IPO进程,希望借助资本市场推动自身发展。
查阅泽景电子的招股说明书后,我发现除了之前提到的大客户依赖问题以及业绩增长放缓外,该公司还存在创新能力不足、资产负债率偏高、资金链紧张、应收账款回收困难等一系列问题。
研发支出骤减
当前汽车行业正处于深刻变革之中,各家企业都在积极增加研发投入以保持竞争力,然而泽景电子却选择了相反的道路。这家成立于2015年的高新技术企业,在2022年至2024年间却出现了研发经费急剧下降的现象。具体来看,每年的研发投入分别为8340万元、5450万元和6210万元,呈现逐年减少的趋势,尤其是2023年,相比前一年减少了34.65%,成为行业内唯一一家当年研发经费下降的企业。此外,在同行业中,泽景电子的研发投入金额也处于较低水平。

特别值得注意的是,尽管泽景电子在2023年的营业收入同比增长了156.6%,达到了5.49亿元,但其研发费用却大幅削减,致使研发费用占总收入的比例从2022年的39%骤降至2023年的9.9%,同比下降了29.1个百分点。相比之下,其他同行企业的研发费用占比则维持稳定甚至有所上升。

深入分析可以发现,泽景电子之所以削减研发开支,很可能与其长期亏损且现金流持续流出有关。报告期内,泽景电子的母公司净利润始终处于亏损状态,累计亏损额达5.78亿元;同时,2022年和2023年的经营活动现金流净流出分别为1.4亿元和1.24亿元,直至2024年才转亏为盈,但仍仅剩2918.9万元,这表明泽景电子面临着严重的资金压力。
由于研发资金短缺,泽景电子的研发团队规模也明显缩小,2024年的研发人员总数仅为128人,即便是在同行中也是最少的,而最少的竞争对手光峰科技也有505名研发人员。

有限的研发投入直接影响了泽景电子的技术成果产出。虽然该公司声称截至2024年底,其获得授权的HUD相关发明专利数量在国内同行中名列前茅,但从总体专利数量来看,泽景电子并不占据优势,2024年总计只有207项,远远落后于其他同行。
创新力的不足或许正是泽景电子未能抢占AR-HUD这一更具潜力领域的市场份额前十名的主要原因。
因此,泽景电子警告称:“若我们不能及时有效地改进并推出新产品来满足客户需求,则可能会损害我们的竞争优势,并削弱市场份额。”

债务负担沉重
除了资金压力之外,巨额债务也让泽景电子陷入了困境。数据显示,报告期内,泽景电子的总资产依次为3.33亿元、5.66亿元和7.76亿元,虽然总量不大,但年均增长率高达52.59%,超过了大多数同行;然而,与此同时,总负债却一路攀升,分别达到8.2亿元、12.09亿元和16.74亿元,甚至超过了某些大型同行,年均增长率也达到了42.87%。

根据表格可以看出,泽景电子是所有比较对象中唯一一家净资产为负的企业,负债总额分别是资产总额的2.46倍、2.14倍和2.16倍,对应的资产负债率分别为245.96%、213.78%和215.62%,远远高于同行平均水平。

招股书中进一步指出,报告期内,泽景电子的净负债分别为4.87亿元、6.44亿元和8.97亿元,其中流动负债部分更是高达5.52亿元、7.4亿元和9.66亿元。对此,泽景电子解释称,主要是因为公司为了回购股权而承担了大量的债务。
高额的负债使得泽景电子的短期偿债能力非常薄弱,流动比率仅为0.32倍、0.38倍和0.41倍,速动比率也只有0.23倍、0.32倍和0.36倍,这些数字都显著低于同行的表现,反映了该公司较差的偿债能力。

更糟糕的是,回款周期长也加重了泽景电子的财务风险。报告期间,应收账款余额分别为1.24亿元、2.86亿元和2.96亿元,占收入的比例分别为57.93%、52.03%和51.19%,远远高于同行平均水平。

应收账款周转效率低下同样值得关注,报告期内,泽景电子的应收账款及票据周转次数分别为1.73次/年、2.68次/年和1.99次/年,均低于同行标准,再次证明了其偿债能力较弱的事实。

鉴于上述情况,泽景电子承认未来可能需要额外的资金支持才能继续运营下去,并坦言未来未必能够按照理想条件获取所需融资,这将对其财务状况以及执行商业计划的能力构成威胁。
(校对/邓秋贤)
以上就是《泽景电子研发费突然减少,急着冲刺港股募资为哪般?》的详细内容,更多关于IPO,HUD,研发费用,泽景电子,债务的资料请关注golang学习网公众号!
win101903新变化:终于不用强制定期换密码了!
- 上一篇
- win101903新变化:终于不用强制定期换密码了!
- 下一篇
- MySQL数值函数教程:轻松搞定查询中的数值运算
-
- 科技周边 · 人工智能 | 3小时前 | python · 人工智能 · 模型评测 Hugging Face Evaluate 指标输入格式 predictions references
- Hugging Face Evaluate 统一指标输入格式
- 134浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 |
- RAG 检索结果去重与上下文长度控制
- 357浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 |
- MLflow Model Alias 怎么替代固定版本号部署
- 360浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 索引优化 · 向量数据库 · 向量检索 FAISS Index Factory IVF PQ
- FAISS Index Factory 字符串怎么组合索引结构
- 100浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 290次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 343次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 344次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 308次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 130次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
