什麼是 MongoDB (MDB)？：一家成長型公司，圍繞 Atlas 擴展至「營運資料 + 搜尋 + AI」，但其獲利模式尚未穩固建立

* 本報告係依據截至 2026-01-08 的資料編製。

MongoDB 是做什麼的？（給國中生）

MongoDB 提供一個「用來儲存資料的地方（資料庫）」，供企業應用程式與服務使用。應用程式需要「儲存／取回／搜尋」各式各樣的資訊——使用者檔案、訂單、庫存、日誌、訊息等等。MongoDB 的主張是：它能讓這些工作快速且直接，同時也非常適合需求不斷變動的現代軟體開發。

用簡單的方式說，它就像把商店後台作業（庫存、訂單、客戶紀錄）從雜亂的紙本帳冊，改成能隨變化調整的數位系統。當商店（應用程式）規模擴大、處理的商品數量（資料型態）增加時，MongoDB 的價值在於：隨著時間推移，它仍更容易操作與維護。

它為誰創造價值？（客戶）

• 從大型企業到中型公司再到新創（跨產業使用）的各類組織
• 在內部自行開發應用程式的開發者（採用往往從實務使用者層級開始）
• 在某些情況下，政府／公部門客戶（包含如需 on-prem 等受限環境）

核心產品：Cloud-first（Atlas）+ 自行管理（Enterprise）

1) MongoDB Atlas（雲端）：最大的營收支柱

Atlas 是受管雲端服務，由 MongoDB 為客戶代管資料庫。這讓客戶能把擴展、備份、監控與事件應對等工作外包，並把重心放在打造應用程式上。即使依據揭露的組合，雲端也已占多數；在 FY2026 季度（Q1–Q2），據稱略高於 70% 的營收來自 Atlas。

2) Enterprise Server / Enterprise Advanced（自行管理）：規模小於 Atlas，但仍重要

對於因法規、機密性或既有系統限制而無法上雲的組織，MongoDB 可部署在其自有伺服器或資料中心。近期公司也提到一些作法，例如透過公部門市集提供，目標是即使在高安全環境中也能讓採購更容易。

如何賺錢：訂閱 +（針對 Atlas）與用量連動、隨消耗擴張的計費

核心營收模式是訂閱（經常性計費）。

• Atlas：常見運作方式類似按用量付費；當客戶的應用程式擴張時，用量通常上升，這可能使營收在結構上更容易擴大
• 自行管理（Enterprise）：授權、支援、加值功能等。其生命週期可能很長，但主要成長引擎一般仍偏向 Atlas

關鍵動態在於：客戶成功（用量擴張）往往會反映到 MongoDB 的營收成長。取捨是：以用量計費也可能使成長更具波動性，當客戶為了控管成本而「最佳化」（縮減用量）時尤其如此。

為何被選用（價值主張）：降低「開發與營運麻煩」勝過純粹速度

價值 1：能承受變更，支援更快的開發

應用程式通常會頻繁變更需求。MongoDB 將自身定位為適合「資料形態經常變動」的環境，並因能更容易跟上變更與新增而受到重視。

價值 2：在雲端更容易全球擴展（營運卸載）

Atlas 常被定位為：在全球部署與用量快速成長期間，能在降低營運負擔的同時更容易擴展。

價值 3：從「儲存」走向「搜尋與 AI」（擴大整合）

現代應用程式愈來愈不只需要儲存，還需要在端到端流程中具備「搜尋」、「分析」與「AI 使用」。MongoDB 正透過整合相鄰能力來推進此方向，例如全文搜尋與vector search（以語意相似度進行搜尋）。

前瞻性計畫：三項可能成為下一個支柱

1) 將 AI 導向功能（search/vector search）延伸到雲端之外

在 2025 年 9 月，MongoDB 宣布將把原本以 Atlas 為中心的 search 與 vector search，延伸到自行管理部署（Community Edition / Enterprise Server）。目標是在雲端之外也能支援 AI 應用程式開發，擴大覆蓋範圍（目前為預覽版，實際採用程度仍是需要前瞻性觀察的項目）。

2) Application Modernization Platform（AMP）：用 AI 支援「重建」

在 2025 年 9 月，MongoDB 宣布 MongoDB AMP（AI 驅動的應用程式現代化支援）。它不只是銷售資料庫，也能在客戶將舊有應用程式現代化、轉向較新架構時支援 MongoDB 的採用——可能作為降低採用摩擦的導入入口。

3) 與 hyperscalers 的 AI 與安全整合（尤其 Microsoft/Azure）

在 2025 年下半年的對外溝通中，MongoDB 強調與 Microsoft 的合作（AI 開發、安全、治理整合）。其意圖是成為企業在 Azure 上建置 AI 應用程式的「標準資料基礎」，這可能有助於切入更大型的客戶。

長期基本面：營收成長強勁，但獲利尚未穩定

對長期投資人而言，觀察 MongoDB 時首先要內化的是：「營收成長」與「獲利模型」並非同步前進。

營收：即使拉長到 10 年仍具強勁成長

• 營收 CAGR（FY，5-year）：+36.6%
• 營收 CAGR（FY，10-year）：+46.3%
• 營收規模（FY）：FY2016 的 $0.65bn → FY2025 的 $20.06bn

單看營收，顯然屬於高成長；但下方的獲利與資本效率指標並未以相同方式推進。

EPS（會計獲利）：以 FY 計算持續為負；成長率難以評估

FY EPS 自 FY2016 至 FY2025 持續為負（例如 FY2025 為 -1.73）。因此，5-year 與 10-year EPS CAGR 無法計算，使得難以用長期「獲利成長率」的角度評估該業務。

利潤率：毛利率高，但營業與淨利率仍為負

• 毛利率（FY2025）：~73.3%（長期維持高檔，較 FY2016 的 ~68.0% 上升）
• 營業利益率（FY2025）：~-10.8%（較 FY2016 的 ~-111% 改善）
• 淨利率（FY2025）：~-6.43%（較 FY2016 的 ~-113% 改善）

自由現金流（FCF）：近年轉正，但長期 CAGR 難以評估

• FCF（FY）：FY2016 為 -$0.47bn、FY2024 為 +$1.15bn、FY2025 為 +$1.21bn
• FCF 利潤率（FY2025）：+6.01%
• 營運現金流利潤率（FY2025）：+7.49%

由於 FY 包含多個為負的年度且後期才轉正，5-year 與 10-year FCF CAGR 無法計算，使得以簡單成長率進行比較在結構上變得困難。

Lynch 式「公司類型」：看起來像 Fast Grower，但實務上更偏向具循環性的混合型

僅以營收成長來看，MongoDB 看起來像 Fast Grower。但由於獲利（EPS）與 ROE 並未持續複利成長，更貼近的描述是帶有循環傾向的混合型。此處的「循環」較少指對總體環境的敏感度，而更偏向獲利產生不一致，可能使投資人面臨更劇烈的波動。

• 營收 10-year CAGR（FY）：+46.3%
• ROE（最新 FY）：-4.64%
• EPS（TTM）：-0.872，以及 EPS YoY（TTM）：-67.8%

短期動能（TTM / 最近 8 季）：營收成長但放緩；獲利疲弱；FCF 強勁

觀察長期「類型」是否也反映在短期，MongoDB 呈現營收持續成長，但相較中期平均成長率更慢，並且會計盈餘與現金流之間的落差擴大。

整體評估：Decelerating

整體動能被歸類為 Decelerating。主要驅動因素是營收成長低於 5-year 平均，且 EPS 惡化。

營收：持續成長，但相較過去 5-year 平均放緩

• 營收（TTM）：$23.17bn
• 營收 YoY（TTM）：+20.9%
• 營收 CAGR（FY，5-year）：+36.6%

最新 1 年（TTM）營收成長 +20.9% 低於 5-year 平均（FY CAGR +36.6%）。這不只是「FY vs TTM」的口徑差異；更清楚的解讀是：仍在成長，但速度較慢。

EPS：仍在虧損，且 YoY 惡化

• EPS（TTM）：-0.872
• EPS YoY（TTM）：-67.8%

由於 5-year 平均 EPS 成長率無法計算，無法進行嚴格的「比長期平均更快／更慢」比較。作為背景，過去兩年 TTM 趨勢相關係數為 +0.87，偏向改善，但最新 YoY 卻惡化——呈現一個觀察到的「轉折」。

FCF：顯著改善（儘管獲利仍為負）

• FCF（TTM）：$3.55bn
• FCF YoY（TTM）：+139.6%
• FCF 利潤率（TTM）：+15.3%
• 淨利（TTM）：-$0.71bn

「會計虧損」與「顯著為正的 FCF」同時出現。對投資人而言，關鍵在於區分：盈餘是被投資支出壓低，或是底層單位經濟較弱（在本來源資料範圍內無法判定任何一方；此處僅為觀察到的狀態）。

營業利益率（FY）：過去三年虧損收斂

• FY2023: -27.0%
• FY2024: -13.9%
• FY2025: -10.8%

利潤率在最近三個 FY 年度有所改善，但截至 FY2025 仍為負，且仍難以判斷公司已明確進入可持續獲利的成長階段。

財務健康：流動性強，但以獲利衡量的利息保障倍數偏弱

在思考破產風險時，除了負債水準，也有必要區分流動性（手上現金）與支付利息能力（獲利強度）。

短期資金：高流動性

• 流動比率（FY2025）：5.20
• 現金比率（FY2025）：4.16
• 負債對權益比（FY2025）：0.013（按季度口徑也約為 0.012）

這些指標顯示至少就短期流動性而言，公司具備相當可觀的現金緩衝。

支付利息能力：以獲利衡量難以稱為強

• 利息保障倍數（FY2025）：-15.26

在利息保障倍數為負的情況下，很難從獲利角度主張公司能「輕鬆覆蓋利息費用」。因此其輪廓是混合的：流動性強，但獲利強度尚未到位。

資本支出負擔：以 TTM 計算偏小

• 資本支出占營運現金流比例（TTM）：~1.1%

相對輕的資本支出負擔，可能是 FCF 能較高的一個結構性原因。

現金流品質：如何看待「FCF 強但 EPS 弱」的「轉折」

MongoDB 的 TTM FCF 顯著改善，FCF 利潤率上升至 +15.3%。同時，淨利（TTM）為 -$0.71bn 的虧損。

這種落差在成長型公司中可能源自「會計費用（例如人事成本、銷售、R&D）與投資的認列時點」，但在本來源資料範圍內，我們無法精確指出驅動因素。投資人需要判斷：FCF 的改善反映的是暫時性因素，或是更具結構性、可持續的轉變。

股利與資本配置：較不像收益型股票，更偏向成長與現金創造

就最近的 TTM 而言，股利殖利率與每股股利無法取得，使評估困難。以 FY 口徑來看，存在可確認股利支付（每股股利認列）的年度；與其下結論認為股利為零，更適合描述為間歇性出現。

從資本配置角度，TTM FCF 為正（~$3.55bn）且資本支出需求不高，顯示具備一定彈性。然而，基於目前資料，很難主張股利是主要的回報槓桿。此處的核心框架不是收益，而是成長與現金創造（以及在需要時的其他回報機制）。

目前估值位置（僅與公司自身歷史比較）

本段不以市場或同業作為基準，而是將今日估值放在 MongoDB 過去 5 年（主要）與 10 年（次要）的自身分布中，並將各指標標示為「在區間內／高於區間／低於區間」。若 FY 與 TTM 使結果不同，我們將其視為由期間定義所驅動的表觀差異。

假設：以報告日期的股價為準，以及獲利指標的限制

• 股價（截至報告日期）：$420.82
• EPS（TTM）：-0.872 → P/E（TTM）：-482.54x

在 EPS 為負的情況下，P/E 不適合用於標準比較，也無法建立歷史分布；因此僅呈現目前數值。

1) PEG：存在目前數值，但無法建構歷史分布，使定位困難

• PEG（current）：7.12

由於最新 EPS 成長率（TTM YoY）為 -67.8%（為負），沒有可用的 5-year 或 10-year PEG 分布，因此無法判定其位於歷史區間內或區間外。

2) P/E：因虧損，僅能呈現目前數值

• P/E（TTM）：-482.54x

此指標同樣缺乏歷史分布，且資訊不足以評估過去兩年的方向性。

3) 自由現金流殖利率：高於 5-year 與 10-year 歷史的上緣

• FCF yield（TTM）：1.04%
• 5-year normal range（20–80%）：-0.37% to +0.75% → above range
• 10-year normal range（20–80%）：-0.98% to +0.52% → above range

就歷史而言，FCF yield 位於公司自身區間的「較高殖利率」端。這不代表未來報酬；僅是相對 MongoDB 自身歷史的定位。過去兩年顯示的趨勢為上升。

4) ROE：在歷史區間內，但為負

• ROE（latest FY）：-4.64%
• 10-year range（20–80%）：-47.33% to +30.63% → within range

5-year 區間的上緣異常偏高（且可能受權益基數波動影響而偏斜），因此解讀時應更審慎；就事實而言，其位於區間內。過去兩年的方向性資訊不足，無法下結論。

5) FCF 利潤率：高於 5-year 與 10-year 歷史區間

• FCF margin（TTM）：15.30%
• 5-year normal range（20–80%）：-3.10% to +6.18% → above range
• 10-year normal range（20–80%）：-32.19% to +1.11% → above range

相較歷史，這使公司位於自身區間的「較強現金創造」端。過去兩年顯示的趨勢為上升。

6) Net Debt / EBITDA：高於歷史區間（注意這是反向指標）

• Net Debt / EBITDA（latest FY）：23.83
• 5-year normal range（20–80%）：1.75 to 10.20 → above range
• 10-year normal range（20–80%）：0.52 to 6.00 → above range

Net Debt / EBITDA 是反向指標，數值越小（越負）代表現金越多、財務彈性越大。目前數值 23.83 高於歷史區間，且過去兩年被描述為上升趨勢。話雖如此，當 EBITDA（分母）很小時，該指標可能看起來「極端」；此處僅指出公司正處於可能呈現此種樣貌的階段。

MongoDB 為何能勝出（成功故事的核心）

MongoDB 的成功不僅在於資料庫技術，而在於把「開發者易用性」與「營運易用性」打包成一體化體驗，為應用團隊降低總成本。

• 開發者採用 → 內部標準化：一旦在第一線勝出，就可能在團隊與應用之間擴散（間接的網路效應）
• 任務關鍵性：一旦部署，便貼近應用核心，降低被替換的可能性
• 營運、可靠性、稽核就緒：門檻不僅是導入技能，也包括營運歷史、安全姿態、稽核就緒度與社群滲透

特別是在公部門與受監管環境中，認證可能是採用的決定性因素。MongoDB 表示其目標是政府雲端的 FedRAMP High/IL5，這可被視為試圖「抬高天花板」，擴大可部署的範圍。

策略是否與成功故事一致？（敘事連續性）

近期動作大致與核心故事一致（降低開發與營運的總成本，並推進平台化）。有兩點特別突出。

• AI 的敘事更居核心：search 與 vector search 正從「可有可無的相鄰功能」走向「基礎需求」，而原本僅限雲端的能力也被延伸到自行管理部署（支援在任何地方建置 AI 應用）
• 提高公部門與受監管市場勝出的門檻：透過追求更高等級的安全認證，公司試圖擴大可被採用的上限

即使從數字來看，目前的組合——「營收在成長但成長放緩」，以及「現金流改善但會計獲利仍為負」——也符合一種敘事：企業仍處於擴張與投資的中段。

Invisible Fragility：看似優勢的結構也可能成為限制

1) 營收集中度：Atlas 高占比既是優勢也是依賴

Atlas 略高於 70% 的營收占比是一項優勢，因為成長引擎清晰。同時，這也提高了對雲端以用量計費的依賴；若客戶最佳化支出（降低用量），營收成長可能變得更敏感。

2) 差異化擴展到「整合式功能」，競爭維度增加

加入 search 與 vector search 是合理延伸，但也把 MongoDB 拉進更廣泛的相鄰競爭者集合，而客戶往往依據「最終哪個最容易、最便宜」來決策。當差異化從資料庫本體轉向更廣的整合，競爭維度的數量——以及解釋價值的成本——可能上升，進而成為脆弱點。

3) 財務指標可能突然「看起來」更差（當分母很小時）

當獲利能力偏弱時，像 Net Debt / EBITDA 這類指標可能顯得極端。與其單憑此視為危機，更適合將其框架化為潛在脆弱性：若獲利修復比預期更久，外觀可能快速惡化（也與偏弱的利息保障倍數相關）。

4) 組織：優先順序變動與領導層更迭可能降低執行能力

外部員工評論（概括性）包含對優先順序變動、管理層級調整與組織混亂的描述。在公司正擴張至整合領域（search、AI、政府就緒等）的期間，執行一致性更為重要，因此不能忽視（評論可能帶有偏誤，因此此處視為傾向而非事實陳述）。

5) 供應鏈依賴有限，但對雲端基礎設施依賴顯著

雖然硬體供應鏈曝險看似有限，但該模式對雲端端的變數（例如營運條件與資料傳輸成本）較為敏感。這可能是一個不那麼顯眼的限制。

競爭版圖：不只對抗「同類資料庫」，也要面對「相容 API」與「開放標準化」

MongoDB 競爭於一個非常大的市場，但這也是一個很難「做到普通」的類別。資料庫屬於任務關鍵，天然適合經常性收入；同時 hyperscalers 積極推廣自家服務——使競爭成為涵蓋採購、整合與營運的端到端能力之爭，而不只是產品功能。

主要競爭者（例）

• Amazon DocumentDB（AWS）：定位為 MongoDB 相容的受管 DB
• Azure Cosmos DB（Microsoft）：作為 NoSQL 平台具優勢，並持續強化搜尋能力
• Google Cloud Firestore（MongoDB-compatible）：已正式可用，並強調 MongoDB 相容性
• DocumentDB（Linux Foundation 旗下的 open source）：基於 PostgreSQL extensions 建置，定位為提供 MongoDB 相容 API，並可能支持標準化與避免鎖定的趨勢
• Couchbase（Capella）：潛在的 NoSQL 同業
• PostgreSQL 生態系（包含受管服務）：透過 JSON 與 extensions 吸收文件型使用情境，使「不維護獨立文件型 DB」的架構成為可能

轉換成本：高，但存在可能降低的壓力

• 使替換不太可能的因素：資料遷移、查詢差異、營運流程、重建稽核／備份／監控
• 使替換更可能的因素：相容 API 擴散，且「以有限程式碼變更完成移植」在實務上可行（轉換成本下降）

投資人應監控的競爭 KPI（變數）

• MongoDB 相容 API 在 CRUD 之外能擴展到多大程度的「實務使用」（aggregation、indexing、營運功能）
• 主要雲端文件型 DB（AWS、Azure 等）在效能、營運與定價上持續改善的持久性
• Linux Foundation 的 DocumentDB 是否能在 multi-cloud 與 on-prem 之間創造採用路徑
• AI 搜尋（全文／vector）是否會商品化為「到處都一樣」，或營運整合是否能保留差異化
• 選型是否更偏向新工作負載或偏向替換（替換占比越高，競爭越容易聚焦在價格與可攜性）

護城河與耐久性：開發者標準化的複利 vs 相容性與標準化帶來的侵蝕

MongoDB 的護城河較少來自單一功能優勢，而更多來自開發者採用 → 內部標準化 → 任務關鍵嵌入的複利循環。除此之外，營運歷史、可靠性、安全、稽核就緒度，以及讓更廣泛生態系運作的能力（雲端整合、資料整合、AI 開發工具整合）也可形成門檻。

可能侵蝕該護城河的是相容 API + 開放標準化。當「相容就夠用」的選項改善，差異化往往轉向整合便利性與總營運成本，且與雲端原生標準功能的比較可能成為預設。

AI 時代的結構性位置：不是被 AI 取代的一側，而是 AI 所依賴的「營運資料層」

可能的結構性順風

• 資料優勢：不是來自擁有專有資料，而可能來自貼近客戶營運資料累積的位置（營運資料庫）
• AI 整合程度：讓儲存 + 全文搜尋 + vector search 緊密整合，並將這些能力延伸到自行管理部署以擴大適用性（預覽）
• 降低採用摩擦：擴大與 hyperscalers 與 AI 開發平台的接觸點，朝更容易採用的方向推進（例如在 Azure 的 agent 平台中，連線能力可被視為一種「工具」的整合）

AI 可能成為逆風之處（商品化風險）

當 AI 就緒成為基本門檻，來自「整合且便利」的差異化可能被壓縮，評估也可能轉向營運簡化與成本。這使得與雲端原生標準功能及相鄰工具的競爭加劇之風險仍然存在。

領導與文化：CEO 交接強調「延續性」，但執行紀律正受考驗

CEO 交接（關鍵事件）

MongoDB 宣布 CEO 交接自 2025 年 11 月 10 日生效。Dev Ittycheria 卸任 CEO，Chirantan “CJ” Desai 成為新任 CEO。Ittycheria 仍留任董事會，並將在一段期間內以顧問身分協助交接。公司將此定位為延續性而非策略重置——試圖在把領導權交給適合下一階段成長的人選之際，延續長期策略。

前任 CEO 時期的脈絡：以整合降低複雜度

前任 CEO 經常將「整合」（DB + search + semantic search）描述為降低客戶複雜度成本的方法，且被觀察到對過度炒作 AI 保持一定距離。

新任 CEO 時期的脈絡：貼近客戶、定義類別的產品、規模化執行

新任 CEO 的公開談話強調貼近客戶、打造定義類別的產品，以及以規模化方式執行，並提及「長期可持續且可獲利的成長」。鑑於交接時間仍近，這些優先順序邊界如何在日常執行中呈現，仍是需要前瞻性觀察的項目。

文化觀察點（與長期投資人的契合度）

• 可能的正面：前任 CEO 在交接後仍參與，可降低策略突然轉向的風險
• 需審慎：整合策略越廣，優先順序衝突越可能浮現，提高執行門檻
• 交接風險：CEO 更替後，決策節奏與評估標準可能改變；「貼近客戶」如何轉化為取捨將很重要

客戶正面與痛點（採用擴張的「理由」與「摩擦」）

客戶重視的點（Top 3）

• 開發速度與對變更的韌性（更容易跟上 schema 變更與功能新增）
• 降低營運負擔（Atlas 降低管理、擴展與可用性的麻煩）
• 超越 DB 的整合（符合應用需求的延伸能力，例如 search 與 vector search）

客戶不滿意的點（Top 3）

• 成本難以預測（以用量計費；波動由處理、傳輸等多重因素驅動）
• 「什麼都能做」帶來的設計與營運複雜度（最佳化設計需要專業）
• 相較既有 DB 或特定雲端 DB，需要說明為何要替換（可能成為採用摩擦）

Two-minute Drill（給長期投資人的摘要）：如何理解並追蹤這家公司

• MongoDB 的核心主張是作為應用程式的「營運資料系統紀錄（system of record for operational data）」，並打包開發者與營運體驗；在用量擴張往往推動營收的模式下運作（以 Atlas 為中心）。
• 長期而言，營收成長強勁（FY 10-year CAGR +46.3%），但 EPS 仍為虧損，且最新 FY 的 ROE 為 -4.64%——顯示獲利模型仍未完全建立。
• 短期（TTM）來看，營收年增 +20.9% 但相較 5-year 平均放緩；EPS 仍為負且 YoY 惡化，而 FCF 強勁達 +139.6%，形成顯著的「轉折」。
• 資產負債表方面，流動性強（流動比率 5.20；現金比率 4.16），但利息保障倍數為 -15.26 且獲利強度仍弱——「流動性安心」與「獲利未竟」並存。
• 競爭不只是資料庫之間逐項功能對比，而是結構性地對抗雲端原生的相容 API 與開放標準化，這可能降低轉換成本；差異化愈來愈轉向總成本（營運、治理、成本可預測性）。
• AI 時代可能帶來支持（作為 AI 存取營運資料的基礎層），但若 AI 功能商品化，與雲端原生標準方案的比較可能加劇——使成本與採用便利性成為主要戰場。