（来源：RMB交易与研究）
路透社是我工作超过16年的前东家，从记者到全球中文新闻的主编，我在上海、北京、香港都长时间工作过。2019年，我离开了我热爱的新闻行业，投身到自我创业之路，随后又在京东集团的金融数字部门工作近两年，全面了解了从信息打标签、数据化、API模式等科技业务形态。
几年过去了，路透社已成为汤森路透集团的主要业务板块之一，并在自媒体、人工智能的激烈竞争中重新焕发生机。汤森路透也为那些仍然在探索如何从数据提供商转型为AI智能体的传统企业，提供了成功的范例。
高盛近期发布报告特别提到，数据中心和电力是人工智能基础设施的瓶颈，而私有云和私有数据库则是AI应用的瓶颈。高盛建议投资者关注那些能够将“数据所有权”转化为“模型主权”的公司。而汤森路透就是一家这样的公司。
汤森路透的简介已从多年前的内容提供商，改变为2025年年报中的定义：为关键业务领域专业人士提供可信人工智能解决方案，整合专业能力、独家内容与无缝工作流，助力客户高效行动、清晰思考、自信引领。
其2025年的年报显示，各项业务表现强劲，不仅超出了华尔街的业绩预测指引，还展示了极其稳健的盈利能力。当年实现收入74.76 亿美元，营业利润21.32亿美元。
总收入 (Revenue)：不含并购、汇率波动的2025年有机增长达 7%。
三大板块业务增长：法律（Legal）、企业（Corporates）和税务（Tax & Accounting）三大核心部门有机增长都超过9%。
利润率 (EBITDA Margin)：调整后 EBITDA 利润率提升至 39.2%（同比增长 100 个基点）。
现金流：自由现金流（Free Cash Flow）达 19.5 亿美元，为后续的 AI 研发和收购提供了充足弹药。
每股收益 (Adjusted EPS)：达到 3.92 美元（2024 年为 3.77 美元）。
年报中提及，公司大部分收入来自信息与软件解决方案的经常性订阅，专业级解决方案基于独家内容、领域专长、软件、人工智能与自动化工具，提升客户生产力、聚焦高价值工作，深度嵌入工作流、留存率高。数十年服务高风险工作流、企业级安全合规、行业深度理解铸就客户信任，商业模式资本高效、现金流强劲，保持市场领先可扩展地位。
核心经营特征：优质行业赛道、平衡多元领先、优质商业模式、强劲竞争定位、稳健财务政策。
收入结构：2025 年经常性收入 81%、交易收入 12%、印刷收入 7%。经常性收入为订阅使用费（Westlaw、实用法律、CoCounsel、税务合规产品），期限 1-5 年，自动续约（可提前通知终止）；交易收入为按量计费（税务申报、审计文档服务）、软件许可、专业服务、广告赞助；印刷收入为纸质内容与商业印刷，持续下滑（客户转向线上）。
为什么说汤森路透是“借力 AI”的典范？
在财报中，管理层反复强调了 CoCounsel（其推出的 AI 商业助手）的成功。
A. 数据的“防御性”与“增量性”
防御性：汤森路透拥有西湖（Westlaw）法律数据库。这些是受版权保护、经过专家校对的“高质量数据”。在 AI 时代，这些数据是防止模型产生幻觉（Hallucination）的唯一防波堤。
增量性：财报显示，AI 赋能的产品已占其年化合同价值（ACV）的 28%。这意味着客户愿意为“能帮我写法律意见书的 AI”支付比“只能搜法律条款的数据库”更高的价格。
B. 订阅模式的粘性
其收入中 80% 以上是经常性收入（Recurring Revenue）。这种模式下，AI 的加入不是一次性卖软件，而是提高了订阅费的“地板价”。
C. 业务板块细节分析
板块
2025 表现
关键驱动因素
法律专业 (Legal)
有机增长 7%
Westlaw Precision 和 AI 助手 CoCounsel 的高渗透率。
税务与会计 (Tax & Accounting)
有机增长 10%+
拉美业务扩张及自动化税务申报工具的普及。
企业合规 (Corporates)
增长强劲
受益于全球监管环境复杂化，对合规数据需求激增。
路透社新闻 (Reuters News)
波动增长
除新闻业务外，其向大模型厂商授权数据赚取的“内容许可费”成为意外增长点。
高盛深度研究：AI 时代的“数据富矿”企业增长逻辑
谁是高盛眼中的“大型数据库拥有者”？高盛将这类企业归类为“垂直领域数据独占者”。它们不一定是科技巨头，但拥有以下特征：
结构化历史数据：如金融机构的征信与交易记录、医疗机构的病例与基因数据。
非公开的闭环数据：这些数据无法在互联网上公开获取，因此未被大模型（如 GPT-4）在训练阶段消费。
高合规门槛：由于法律和隐私要求，这些数据形成了天然的行业准入壁垒。
当拥有了这类高质量的数据库，接下来就是将业务模式从“拥有数据”到“智能变现”。高盛分析师Kash Rangan 指出，生成式 AI 正在改变数据变现的模式，企业正在经历从“卖数据”到“卖智能”的跃迁。
A. 非结构化数据的激活
企业过去 80% 的数据（邮件、PDF、录音、视频）是“沉睡”的，因为处理成本极高。但现在生成式AI的自然语言处理能力极大降低了非结构化数据的处理成本。拥有大量此类数据的企业，其数据资产的“账面价值”正在被重估。
B. “代理化” AI (Agentic AI) 的落地
拥有数据库的企业正在开发基于自有数据的“AI 代理”。高盛在研报中特别提到了法律、专业服务和金融领域。例如，拥有数十年法律案例库的律所，通过 AI 代理提供自动化的法律意见书，这使其能够从传统的“按小时计费”转型为“按价值/订阅计费”，大幅提升利润率。
高盛的“第四阶段”预测：生产力受益者名单
高盛通过筛选 Russell 1000 指数中“潜在劳动生产率提升最高”的企业，识别出了一批具备强大数据基础的垂直领域领先者：
行业分类
代表性受益逻辑
高盛提及的典型企业/标的领域
专业服务
拥有海量招聘、咨询及流程数据
Robert Half, Booz Allen Hamilton, IQVIA
金融服务
拥有信用定价模型与风险历史数据
SS&C Technologies, Verisk Analytics
软件/IT
拥有私有代码库或行业特定工作流
Guidewire (保险), Manhattan Associates (供应链)
信息/传媒
拥有独家版权内容库
纽约时报, 各类学术数据库供应商
关键风险：数据的“贬值”与“主权”
高盛在《AI 是否会吞噬软件？》报告中也发出了警告：
护城河的侵蚀：如果 AI 使得通过少量样本就能模拟出高质量结果，那么“海量数据”的先发优势可能会被削弱。
合规成本：拥有大型数据库的企业面临更高的隐私与安全监管压力，这可能抵消部分 AI 带来的利润增量。
结论：高盛认为，目前的 AI 投资重点正从第一阶段（芯片/NVDA）向第三阶段（应用）转移。那些“拥有行业深厚数据且能将其转化为专有模型”的公司，是实现 AI 变现（Monetization）最现实的群体。
海量资讯、精准解读，尽在新浪财经APP