1、內容目錄 HYPERLINK l _TOC_250005 AI 天然具有規模優勢 3 HYPERLINK l _TOC_250004 具有規模優勢的行業是牛股誕生的搖籃 5 HYPERLINK l _TOC_250003 云計算天然具有規模優勢，頭部廠商集中度逐年提升 5 HYPERLINK l _TOC_250002 消費、服務龍頭依托規模優勢降低生產成本，樹立品牌價值 14 HYPERLINK l _TOC_250001 投資建議 20 HYPERLINK l _TOC_250000 風險提示 20圖表目錄圖表 1：AI 頂級國際會議近 5 年引用量排名前十的論文 3圖表 2：AI、機器學

2、習、深度學習等概念的關系 4圖表 3：數據積累和服務的幾個階段 4圖表 4：深度學習算法的精度隨著數據量的增加而提升 5圖表 5：亞馬遜的綜合毛利率、凈利率隨著 AWS 業務放量而穩步提升（2013-2020 年） 6圖表 6：AWS 年收入增加 100 億美元所需要的的時間越來越短（ 2006 年-2020 年） 6圖表 7：云基礎架構和平臺服務魔力象限（ 2020 年） 7圖表 8：亞馬遜為支持 AWS 業務持續增加資本開支（ 2015-2020 年） 7圖表 9：AWS 每年持續創新以匹配規模持續擴張（單位：個， 2011-2019 年） 7圖表 10：AWS 折舊攤銷占收入比例持續下降

3、（ 2013-2020 年） 8圖表 11：全球云計算份額（2015-2020 年） 8圖表 12：全球云計算份額持續呈現頭部集中態勢（ 2015-2020 年） 9圖表 13：亞馬遜股價表現強勁（ 2013.01-2021.05） 9圖表 14：Salesforce 的發展歷程 10圖表 15：Salesforce 的營收（單位：億美元， 2006-2021 年） 11圖表 16：Salesforce 的遞延收入-流動負債（單位：億美元， 2006-2020 年） 11圖表 17：Salesforce 資產負債結構顯著改善（ 2011-2021 年） 12圖表 18：Salesforce 轉

4、云期間的股價表現（2004-2021 年） 12圖表 19：廣聯達云轉型過程中預收賬款（合同負責）快速增長（單位：元， 2015-2021Q1） 13圖表 20：廣聯達經營性凈現金流表現出色（單位：元， 2015-2021Q1） 13圖表 21：廣聯達轉云期間的股價表現（ 2015-2021 年） 14圖表 22：星巴克全球門店數（ 2011-2020 年） 15圖表 23：門店持續擴張帶來星巴克的綜合毛利率穩步走高（ 2011-2020 年） 15圖表 24：ICE 咖啡期貨價格波動較大（2010-2021 年，月線，單位：美分/磅） 16圖表 25：星巴克歸母凈利潤相比原材料咖啡豆的價格波

5、動表現更加穩定（ 2011-2020 年） 16圖表 26：星巴克股價表現（2010-2021 年） 17圖表 27：愛爾眼科營業收入數據（單位：元， 2015-2021Q1） 18圖表 28：愛爾眼科經營性凈現金流數據（單位：元， 2015-2021Q1） 18圖表 29：愛爾眼科銷售期間費用率（ 2011-2020 年） 19圖表 30：愛爾眼科人力投入回報率（ 2012-2020 年） 19 HYPERLINK / P.2圖表 31：愛爾眼科股價走勢（ 2009-2021 年） 20AI 天然具有規模優勢當前 AI 技術以深度學習算法為核心，基于神經網絡的主流算法難以實現通用的智能化，細

6、分場景落地時需要結合行業 Know-how、客戶需求痛點以及數據，可以產生實質性價值。根據企鵝號 FMI 團團 2021 年 5 月 6 日的信息，知名外媒Towards Data Science按照谷歌引用次數這個指標，統計了近五年來發表在各大國際頂級會議（如 NeurIPS、 AAAI、ACL，ICML、EMNLP 等）上引用量排名前十的論文。我們發現，深度學習、基于NN（Neural Network，神經網絡）的框架依然是學界主流。根據通用近似定理（UniversalApproximation Theorem），神經網絡的計算能力可以近似一個給定的連續函數，但是沒有給出如何找到這個網絡以

7、及是否是最優解，實際中往往通過經驗風險最小化和正則化原則進行參數學習，由于神經網絡強大的計算能力，容易產生在訓練集上的過度擬合，使得算法難以產生較強的通用性。目前我們應用的安防監控、自動駕駛、語音識別、地圖導航等場景都是深度學習 AI 技術在圖像視覺、語音識別、自然語言理解等領域的應用，在各個細分場景落地時都需要結合所在行業的 Know-how、客戶的需求痛點以及客戶的真實數據，才能產生落地應用的價值，通用的人工智能從當前來看依然存在較大的現實差距。海康威視高級副總裁徐習明曾于 2018 年對這一論調曾發表過評論，今天的人工智能還是一種弱人工智能，基于深度學習的算法精度會無限逼近 100%，但

8、永遠無法達到。隨著準確率提升，最后競爭的更多是場景落地能力。2021 年 5 月 29 日，騰訊副總裁、騰訊 AI Lab 和 Robotics X 實驗室主任張正友在接受新京報記者采訪時表示，強人工智能之路很漫長，需要找到新算法新技術。當前的 AI 是場景化的 AI。圖表 1：AI 頂級國際會議近 5 年引用量排名前十的論文名次論文題目核心思想描述了一種新型的隨機梯度下降優化算法（Adam），顯著提高了神經網Adam: A Method for Stochastic OptimizationBatch Normalization: Accelerating Deep Network Trai

9、ning by Reducing Internal Covariate ShiftFaster R-CNN: tow ards real-time object detection with region proposal networksAttention is all you needNeural Machine Translation by Jointly Learning to Align and TranslateHuman-level control through deep reinforcementlearning絡的快速收斂率，在所有模型訓練中具有普遍的適用性通過對輸入特征進

10、行歸一化的方法，使神經網絡訓練更快，更穩定。提出用于目標檢測的高效端到端卷積神經網絡，包括圖像和視頻。提出了一種有效的神經網絡 Transformer，它基于注意機制在機器翻譯中取得了優異的性能。首次提出將帶有注意力機制的神經網絡應用于機器翻譯。注意表征的是特定詞，而不是整個句子。提出了一種強化學習算法 Deep Q-Learning，簡稱 DQN，它幾乎在所有游戲上超越了之前的強化學習方法，并在大部分 Atari 游戲中表現的比人類更好AlphaGo 基于深度強化學習算法提出了一種新的計算圍棋的方法，該方法Mastering the game of Go w ith deep neural

11、networks and tree searchUnsupervised Representation Learning w ith Deep Convolutional Generative Adversarial Netw orksSemi-SupervisedClassificationwithGraph Convolutional Netw orksExplaining and Harnessing Adversarial Examples使用價值網絡評估棋子的位臵，使用策略網絡選擇落子點，通過將兩種網絡與蒙特卡羅搜索樹（MCTS）相結合所形成的搜索算法，能夠使 AlphaGo 達到

12、99.8的獲勝率。提出了一種深度 CNN 結構 DCGAN，在圖像生成上獲得了前所未有的效果證明了圖卷積網絡（GCN） 在半監督節點分類任務中性能優越快速生成神經網絡對抗性示例的方法，并引入了對抗性訓練作為正則化技術 HYPERLINK / P.3資料來源：企鵝號FMI 團團，Towards Data Science，圖表 2：AI、機器學習、深度學習等概念的關系資料來源：Yuxi LiDeep Reinforcement Learning，郭子義知乎，AI 所需數據并非外部海量互聯網數據所能解決，很多場景甚至沒有存量可用的數據，通過深入客戶場景、借助算法標注、挖掘，方可獲取有價值的結構化數據

13、。由于 AI 算法需要和行業、場景相結合，否則就是garbage in，garbage out，因此目前呈現爆發式增長的外部互聯網數據并不能很好地作為 AI 模型訓練的輸入數據，或者說 AI 所需要的大數據往往來源于生產和服務過程中的副產品，但在價值上卻往往超過了為了特定目的專門采集的數據。在部分工業領域，由于過去智能化程度偏低，并沒有太多具有挖掘價值的存量數據可以利用，需要 AI 企業深入客戶的場景，通過 AI 算法進行數據特征的標注、潛在信息的挖掘，才能形成具有價值的數據，發現產業背后新的規律。同時，AI 系統的成功取決于所輸入數據的相關性和準確性，否則無監督的學習訓練可能產出良莠不齊的模

14、型。正如前文所述，以深度神經網絡為核心的機器學習決定了對 AI 數據的饑渴將在一段時間內始終伴隨 AI 行業的發展，同時我們從產業化與工程化的邏輯視角來看，今天企業想要打造出用戶滿意的 AI 產品，可能購買的通用型面粉已經不能滿足挑剔的用戶，企業得學會自己耕種數據的沃土，這就給了卡位細分行業的 AI 公司很好的產業機會。圖表 3：數據積累和服務的幾個階段資料來源：腦極體企鵝號， HYPERLINK / P.4AI 在場景的賦能所帶來的價值是逐步深入的，需要和客戶一起長期打磨，產品逐步從可用 到 好 用 。 谷歌 大 腦 之父吳恩達提出 一個 AI 的 理解公式： AI=CODE(model/a

15、lgorithm)+DATA，從這里我們可以看到模型不是一次性構建的，需要持續學習，通過收集行為數據收集反饋數據-模型訓練模型應用全流程提升業務效果，避免傳統模型的效果隨著時間衰減的弊端。而行業 Know-how、數據的持續積累對 AI 算法大有裨益。根據百度公眾號科技叨客 2021 年5 月 13 日的信息，谷歌首席架構師、谷歌人工智能團隊谷歌大腦的負責人 Jeff Dean 曾表達過，隨著數據規模的不斷擴大,未來深度學習算法的精度也將不斷提升。因此，AI 所能帶來的價值與數據量的增加有正向關性，需要客戶不斷輸出知識反哺 AI 模型，反復迭代算法，從而使得產品從可用逐步進化到好用狀態。例如廣

16、聯達與海康威視合作打造智慧工地，對人-物-車進行智慧管理，未來有望實現現場施工數據與 BIM 技術的融合，實現以場景化應用、精細化管理、數據化決策為核心理念的 BIM 應用助力數字時代下的企業數字化轉型，實現施工過程的數字化全流程管理。我們認為，在 AI 細分賽道有卡位優勢、有場景和數據積累的公司有望持續領跑，從而進一步提升規模效應。圖表 4：深度學習算法的精度隨著數據量的增加而提升資料來源：科技叨客百度公眾號，AI 的規模優勢帶來頭部企業長期的競爭優勢，細分行業集中度提升。正如前文所述，當前的AI是場景化的AI，同一個賽道的兩家 AI公司的客戶都會持續提供know-how反哺，推動模型迭代，

17、但是客戶資源更多、卡位優勢更好的企業（假設簡稱A 企業）拿到的行業 know-how 會更深，迭代出來的功能模塊更豐富，并且積累的客戶數據量會更大。隨著時間的推移，A 企業的產品將更具有競爭力（一方面模塊更多，一方面和對手同樣的模塊迭代出來的效果會更好），進一步搶占市場份額，使得其對手逐步失去客戶從而失去產品迭代的機會，為 A 企業帶來長期的競爭優勢，賽道也將呈現頭部集中的態勢。具有規模優勢的行業是牛股誕生的搖籃云計算天然具有規模優勢，頭部廠商集中度逐年提升云計算 IaaS 行業規模優勢明顯。云計算的本質是以互聯網為中心，建立快速安全的計算和存儲服務，并具有強大的可擴展性，從而使客戶方便地使用

18、云端的計算資源與數據 HYPERLINK / P.5中心，無須自身購買硬件設備，這一商業本質使得云計算行業天然具有規模優勢。我們以全球云計算巨頭亞馬遜旗下的 AWS 為例，其收入從 2013 年的約 31.08 億美元持續增長至 2020 年的 453.7 億美元，七年收入 CAGR 高達約 46.7%，隨著業務的持續增長，云計算業務持續產生規模效應，公司綜合毛利率從 2013 年的 27.2%穩步提升至 2020年的 39.6%，同期凈利率從 0.4%提升至 5.5%，AWS 業務收入占亞馬遜的收入比例從4.2%提升至 11.8%，為支持 AWS 業務的發展，公司的資本開支也保持了持續增長，

19、從2015 年 34 億美元增長至 2020 年的 350 億美元，巨額資本開支也為行業構筑了極高的進入壁壘。2020 年 12 月的 AWS re:Invent2020 大會上，AWS 發布的 AuroraServerless V2 可以在不到 1 秒的時間內實時擴容至支持幾十萬個數據處理事務，提供商業數據庫的性能，但是成本只有其 1/10，在具備高性能的同時給企業帶來云數據庫使用成本的大幅下降。例如根據云頭條 2019 年 8 月 7 日新聞，美國笛卡爾實驗室通過 AWS 服務僅使用 5,000 美元就打造了傳統硬件條件下需要 2,000 萬3,000 萬美元開支的超級計算機，并于 201

20、9 年 6 月位列全球超級計算機第 136 名。為匹配持續增長的云計算規模，AWS創新速度也逐年加快，其每年推出的重要功能和服務從 2011 年僅 80 多個增長至 2019年的 2,345 個。2021 年 1 月 28 日，AWS 還宣布已提供實例類型接近 400 種（實例是 AWS 提出的一個云計算基本概念，通俗來說也叫云服務器、虛擬服務器等，相當于傳統意義上一家提供 400 種服務器型號的服務器廠商），為客戶提供靈活多樣的選擇。隨著 AWS 規模的持續擴張，設備土地等資產帶來的折舊和攤銷占比呈現持續下降態勢，從 2013 年的 31%大幅下降至 2020 年的 16.8%，進一步顯示了

21、行業的規模優勢。圖表 5：亞馬遜的綜合毛利率、凈利率隨著AWS 業務放量而穩步提升（2013-2020 年）AWS收入（百萬美元）公司綜合毛利率公司凈利率50,00045,37045%45,00040,00035,00030,00025,00020,00015,000 27.2% 29.5% 33.0% 35.1% 12,219 37.1% 17,439 40.3% 41.0%35,02625,655 39.6% 40%35%30%25%20%15%10%10,0005,00003,108 0.4% 4,644 -0.3% 7,880 0.6% 1.7% 1.7% 4.3% 4.1% 5.5%

22、5%0%-5%20132014201520162017201820192020資料來源：亞馬遜歷年年報，Wind，圖表 6：AWS 年收入增加 100 億美元所需要的的時間越來越短（2006 年-2020 年） HYPERLINK / P.6資料來源：AWS re:Invent 2020 大會，圖表 7：云基礎架構和平臺服務魔力象限（2020 年）資料來源：Gartner，前瞻產業研究院，圖表 8：亞馬遜為支持AWS 業務持續增加資本開支（2015-2020 年）4035302520151050201320142015資本支出（十億美元）3512.710.111.33.44.94.66.720

23、162017201820192020資料來源：亞馬遜歷年年報，圖表 9：AWS 每年持續創新以匹配規模持續擴張（單位：個，2011-2019 年）2500發布重要服務和功能的數量2345195714301017722516801602802000150010005000201120122013201420152016201720182019 HYPERLINK / P.7資料來源：AWS re:Invent 大會，圖表 10：AWS 折舊攤銷占收入比例持續下降（2013-2020 年）折舊攤銷占當年收入比例（AWS板塊） 36.0% 32.7% 31.0% 28.3% 25.9% 23.8%

24、23.3% 16.8%折舊攤銷占當年收入比例（AWS板塊）40%35%30%25%20%15%10%20132014201520162017201820192020資料來源：亞馬遜歷年年報，云計算市場集中度持續提升。根據 Gartner 數據，2015-2020 年，AWS 云計算份額連續保持全球第一，雖然 2017 年起份額略有下降，但是依然保持了相對第二名微軟 Azure較大的優勢，同時全球四大云計算巨頭的份額之和呈現出不斷提升的態勢，從 2015 年的 48.8%提升至 2020 年的 76.1%，規模優勢明顯，巨頭們強者恒強。圖表 11：全球云計算份額（2015-2020 年）其他谷歌

25、Cloud阿里云AzureAWS5.3%7.7% 9.1% 1.8% 5.8% 3.0% 7.1%12.7%15.6%17.9%19.7% 49.4% 47.9% 39.7% 44.1% 45.0% 40.8%9.5%100%90%80%70%60%50%40%30%20%10%0%201520162017201820192020 HYPERLINK / P.8資料來源：Gartner，圖表 12：全球云計算份額持續呈現頭部集中態勢（2015-2020 年）100%90%80%70%60%50%40%30%20%10%0%2015其他70.7%75.3%77.3%76.1%48.8%56.5%

26、20162017四大云計算巨頭份額之和201820192020資料來源：Gartner，圖表 13：亞馬遜股價表現強勁（2013.01-2021.05） HYPERLINK / P.9資料來源：Wind， HYPERLINK / P.10SaaS 領域具有更強的細分行業 Know-how，形成對后進入者的壁壘，SaaS 領域的規模優勢非常明顯。企業級 SaaS 應用誕生于美國，至今已發展超二十年，涌現出大批 SaaS領域的世界巨頭，比如最早提出 SaaS 取代傳統軟件 License 模式的 CRM 領域 SaaS公司 Salesforce，市值已突破 2000 億美元，成功超越 和 Orac

27、le 等知名傳統軟件廠商。Salesforce 推進共性需求解耦化、通用能力平臺化，不斷向中臺延伸發展 PaaS平臺，通過自研加并購方式不斷豐富產品矩陣，同時內嵌 AI 新技術于產品之中，成為 CRM 領域的頭部廠商。除 SaaS 規模效應加深壁壘外，隨著數據中臺、業務中臺的接受度不斷提高，各 SaaS廠商正充分運用云計算體系的彈性、易擴展優勢，實現共性需求面向底層結構的解耦化，以及通用能力的下沉和平臺化、標準化、自動化，搭建基于云的開發、管理、交付與安全架構，并與公有云的豐富生態深度連接，整合 ISV、產業鏈上下游廠商等不斷豐富生態，顯著提升客戶粘性，不斷抬高公司營收與估值天花板。圖表 14

28、：Salesforce 的發展歷程資料來源：艾瑞咨詢，隨著 Salesforce 云化戰略成效不斷顯現，公司財務報表財務特征發生明顯改善，其中利潤表中營業收入在大力轉云的 2010 年前后增速稍有下降，而后基本上維持 25%以上穩健增長，資產負債表中遞延收入部分，由 2010 年的 7 億美元增長超過 18 倍至 126 億美元，現金流狀況相較于傳統 license 授權階段顯著改善。除營收、合同負債高增外，對于一個優質公司而言資產負債結構的改善同樣不容忽視，期間權益乘數同樣顯著下降。圖表 15：Salesforce 的營收（單位：億美元，2006-2021 年）營業總收入2502001501

29、005002006-01-312008-01-312010-01-312012-01-312014-01-312016-01-312018-01-312020-01-31資料來源：Wind，圖表 16：Salesforce 的遞延收入-流動負債（單位：億美元，2006-2020 年）遞延收入-流動負債1401201008060402002006-01-312008-01-312010-01-312012-01-312014-01-312016-01-312018-01-312020-01-31 HYPERLINK / P.11資料來源：Wind，圖表 17：Salesforce 資產負債結構顯

30、著改善（2011-2021 年）權益乘數3.532.521.510.502011-01-312013-01-312015-01-312017-01-312019-01-312021-01-31資料來源：Wind，圖表 18：Salesforce 轉云期間的股價表現（2004-2021 年） HYPERLINK / P.12資料來源：Wind，廣聯達通過 SaaS 轉型帶來更強的用戶粘性，規模效應明顯，業務版圖不斷延伸。國內SaaS 龍頭廣聯達依托在建筑造價和施工領域的長期積累，從 2015 年開始推動 SaaS 轉型，2018 年轉型超預期，截至 2020 年底僅剩江蘇、浙江、福建、安徽四個地

31、區未進入全面云轉型，根據廣聯達 2020 年年報數據，公司 2019 年轉型的 10 個地區綜合轉化率超過 80%，續費率 88%。數據顯示公司的 SaaS 化轉型帶來了更強的用戶粘性，規模效應明顯，同時預收賬款（合同負債）呈現持續的快速增長，經營性凈現金流增長在 2020年進一步加速。此外，公司在傳統的造價、算量、施工業務外，持續深挖客戶價值，推出了數字供采、數字城市、數字金融、數字教育、數字裝修業務，在大建筑領域進一步拓展業務賽道，并逐步延伸版圖至海外市場。圖表 19：廣聯達云轉型過程中預收賬款（合同負責）快速增長（單位：元，2015-2021Q1）預收款項16.4514.939.698.

32、244.761.780.330.2718.00億16.00億14.00億12.00億10.00億8.00億6.00億4.00億2.00億0.00億2015201620172018201920202020Q12021Q1 HYPERLINK / P.13資料來源：Wind，圖表 20：廣聯達經營性凈現金流表現出色（單位：元，2015-2021Q1）經營活動產生的現金流量凈額 115.57% 115.20% 116.51%銷售商品和提供勞務收到的現金/營業收入18.76 127.84%115.19 111.98%1401201006.4180% 75.00%5.185.964.5360%1.854

33、0%2015201620172018201920202020Q1-0.192021Q1-1.2220%65.32%20.00億%15.00億%10.00億5.00億0.00億-5.00億0%資料來源：Wind，圖表 21：廣聯達轉云期間的股價表現（2015-2021 年）資料來源：Wind，2.2 消費、服務龍頭依托規模優勢降低生產成本，樹立品牌價值消費行業具有非常明顯的規模優勢，降低生產成本，樹立品牌價值。頭部廠商通過大規模的生產制造，原材料領域的購買議價能力，帶來單位生產成本的大幅降低，從而產生成本和價格優勢，進一步搶占市場份額，形成正向循環。以全球咖啡連鎖第一品牌星巴克為例，2020 年

34、財報顯示，截至 2020 年 9 月 27 日，全球門店數達到 32,660 個，相比10 年前的數量幾乎翻倍；同期中國地區的門店數量從 2011 年的 278 個增加至 2020 年 HYPERLINK / P.14的 4,704 個。在門店持續擴張的同時，星巴克的毛利率保持了持續的穩定向上，從 2011年的 57.7%逐步提升至 2020 年的 67.3%，對應同期公司的生產和配送成本占比不斷降低。由于咖啡豆是生產的關鍵原材料，星巴克依托其龐大的采購規模，在 1996 年開始通過固定價格采購咖啡豆，提前鎖定交易數量和價格，大幅降低了原材料的波動對經營的影響，提升了公司抗風險能力，公司歸母凈

35、利潤波動明顯小于原材料的價格波動。此外，星巴克依托在全球的規模優勢，迅速在中國市場打開影響力，也為其產品定價高于同類競品打下了基礎。同時，星巴克通過全球無處不在的門店鋪設以及借助人類的從眾心理，逐漸樹立了咖啡第一品牌的錨定映射關系，規模優勢將可能越來越明顯。圖表 22：星巴克全球門店數（2011-2020 年）全球門店數中國直營門店數32,66031,25629,32427,33925,08523,04321,36619,76717,00318,066521123704 278 408 614 823 1,026272540 1, 1, 3, 4, 4,35,00030,00025,00020

36、,00015,00010,0005,00002011201220132014201520162017201820192020 HYPERLINK / P.15資料來源：星巴克歷年年報，圖表 23：門店持續擴張帶來星巴克的綜合毛利率穩步走高（2011-2020 年）綜合毛利率生產和配送成本占收入比例 67.8% 67.3% 60.1% 58.3% 59.4% 59.6% 58.8% 56.3% 43.7% 42.0% 42.9% 39.9% 40.4% 32.1% 32.2% 32.7%40.6%41.7%57.1%57.7%70%65%60%55%50%45%40%35%30%20112012

37、20132014201520162017201820192020資料來源：Wind，圖表 24：ICE 咖啡期貨價格波動較大（2010-2021 年，月線，單位：美分/磅）資料來源：Wind，圖表 25：星巴克歸母凈利潤相比原材料咖啡豆的價格波動表現更加穩定（2011-2020 年）5,0004,5004,0003,5003,0002,5002,0001,5001,0005000歸母凈利潤（百萬美元）4,5183,5992,7572,8182,8852,0681,2461,38492882011201220132014201520162017201820192020 HYPERLINK / P

38、.16資料來源：Wind，注：2013 年歸母凈利潤的大幅下滑主要源于和Kraft 卡夫食品的訴訟官司，星巴克賠償 27.6 億美元。2020 年歸母凈利潤的下滑主要源于全球新冠疫情對收入端的沖擊。 HYPERLINK / P.17圖表 26：星巴克股價表現（2010-2021 年）資料來源：Wind，服務業規模效應同樣顯著。典型的如愛爾眼科，在醫生、醫院和消費者這三個利益方之間形成了良好的生態圈促進。通過建立良性的激勵制度，吸引頭部醫生，同時從醫學院不斷輸送具有熟練實操能力的中腰部醫生，而優質醫生的持續供給會吸引更多患者，患者的增加促進更多優秀醫生的加入，進而使得患者的就醫質量得到更好保障，不斷提升醫院口碑，最終這一正循環沉淀為品牌影響力。我們看到，公司收入持續穩步增長，經營性凈現金流開始加速，同時公司的銷售費用率持續下降，而人力投入回報率呈現出持續的提升態勢，規模效應開始持續顯現。圖表 27：愛爾