股价表现 - 8月6日盘中股价上涨6.59%至0.97港元/股 [1] - 当日成交额达100.02万港元 [1] 公司业务定位 - 公司是以生成式AI和语音交互为核心的人工智能企业 [1] - 主营业务覆盖AIGC产品、AI政企服务及AIoT智能硬件三大领域 [1] - 服务对象包括内容创作者、企业和消费者三大群体 [1] 资本市场状态 - 公司于2024年4月在香港交易所上市（股票代码：02438.HK） [1] - 已构建领先的大模型技术能力与产品矩阵 [1] - 致力于成为全球AICoPilot引领者 [1] 财务表现 - 2024年年报显示营业总收入为3.9亿元人民币 [2] - 同期净利润为亏损7.21亿元人民币 [2]

AI+教育商业化进展 - 豆神教育AI CLASS产品上线至7月30日GMV突破1740万元[1] - 粉笔AI刷题系统班4月上线后两月销售额超1400万元，付费学员数突破4万，全年销售有望破亿[1] AI+人力资源技术应用 - 科锐国际禾蛙平台发布AI 2.0九大招聘全流程工具，Match System已在获客、人才寻访和内部协同场景应用[1] - 大模型技术通过语义理解和信息匹配优势，智能替代重复工作并缩短招聘周期，优化人岗匹配精度与效率[1] 行业技术发展预期 - OpenAI与Deepseek计划年内发布最新大模型技术，推动AI应用产品通过用户数据积累持续迭代功能[1] - 下半年大模型技术有望进一步推动AI+教育及人力资源应用从主题投资过渡至商业化兑现阶段[1]

行业投资评级 - 报告未明确提及具体行业投资评级 [1][5][7] 核心观点 - 人工智能技术快速发展，正在重塑全球产业格局，但伴随数据、模型、基础设施与应用的多重安全风险 [7] - 建立安全可靠、公平可信、智能向善的人工智能系统是核心目标 [8] - 需从基础设施、数据、模型、应用等多个维度构建安全治理体系 [8][18] - 全球各国和组织正在积极推进AI技术监管政策制定，防范滥用行为 [84][91] AI技术发展现状 AI技术演进 - AI技术从符号规则、机器学习演进至深度学习，大模型成为推动科技进步的关键技术 [11] - 国际大模型代表包括OpenAI的GPT系列、Google的Gemini系列等，国内代表有百度的文心一言、阿里巴巴的通义千问等 [11][12] - DeepSeek模型采用开源策略，推动AI技术普及并对行业格局产生深远影响 [13] AI技术应用趋势 - AI智能体产业链分为上游算力提供商、中游平台化服务、下游垂直应用，呈现多模态交互升级趋势 [14] - 具身智能在工业制造、家庭服务等领域应用广泛，可解决劳动力短缺问题 [15] - 端侧AI技术进展显著，百亿参数大模型有望端侧落地，端云协同架构成为主流 [16] AI安全治理风险 基础设施安全风险 - 智算硬件设备面临物理攻击、硬件接口攻击、软件攻击等风险 [32] - 智算云安全风险包括存储泄露、API滥用、内部威胁等 [33][34] - 智算MaaS平台存在模型知识产权风险、拒绝服务攻击风险等 [35][36] - 智算算力网络面临编排管理安全风险和运营服务安全风险 [37][39] 数据安全风险 - 通用数据安全风险包括数据合规、泄露、篡改及质量问题 [41][42] - 训练数据风险涉及数据来源违规、内容安全、数据投毒等 [43] - 微调数据风险主要是隐私泄露，攻击者可逆向工程推断训练数据 [45] - 推理数据风险包括模型窃取、隐私数据窃取等 [46] - 知识库数据风险包括外部攻击、内部泄露、恶意软件感染等 [48] 模型算法安全风险 - 通用模型风险包括鲁棒性弱、泛化性差、可解释性差等 [55][56][58] - 生成式模型风险包括提示词攻击、内容合规风险、模型幻觉等 [63][65] - 模型生命周期风险涵盖训练、微调、推理、部署各阶段 [50][54] 应用安全风险 - AI模型滥用风险包括虚假信息传播、多模态深度伪造等 [69][70] - 应用开发风险涉及端侧AI安全税、智能体协议缺陷等 [73][75] - 垂直行业风险如医疗领域的数据偏差、金融领域的深度伪造等 [79][81] AI安全治理技术解决方案 基础设施安全方案 - 智算硬件防护包括物理访问控制、固件安全启动等 [104][105] - 智算云防护采用网络分区、CSPM工具、容器镜像扫描等 [106][108] - 智算MaaS平台通过数据加密、安全审计、供应链管理提升安全性 [109][112] - 智算算力网络通过安全编排、调度、管控保障运营安全 [113][116] 数据安全方案 - 通用数据防护采用脱敏、加密、访问控制等手段 [119][122] - 训练数据防护包括数据质量管理、对抗性训练等 [125] - 微调数据防护采用沙箱环境、权限最小化等 [126][128] - 推理数据防护包括输入输出过滤、运行时监控等 [129][130] 模型算法安全方案 - 通用模型防护通过对抗训练、正则化、公平性约束等提升安全性 [134][138] - 生成式模型防护采用提示词过滤、内容合规检测等技术 [63][65] - 模型生命周期防护覆盖训练、微调、推理、部署全流程 [50][54] 应用安全方案 - 模型滥用防范通过虚假信息检测、深度伪造识别等实现 [69][70] - 应用开发安全涉及端侧优化、智能体协议加固等 [73][75] - 垂直行业安全方案如医疗数据加密、金融身份核验等 [79][81]

AI模型技术在金融行业的应用现状 - AI模型技术正经历从"渐进式创新"到"指数级跃迁"的历史性转变，金融场景是率先发生这一转变的领域 [1] - 截至今年6月，银行业在全球人工智能大模型落地应用场景中占比18%，较互联网行业高出10个百分点 [1] - 金融垂类大模型已实现"周级迭代"，应用跨入"爆发期"，正在从量变走向质变 [1] 金融大模型人才需求与招聘趋势 - 金融业数字化程度高、数据密度大、AI应用场景丰富，成为AI落地绝佳领域 [2] - 奇富科技大模型团队超百人，依托近千人技术团队支撑，仍在招聘模型和算法专业人才 [2] - 浦发银行、交通银行、中国平安等机构加大AI人才招聘力度，青睐计算机和金融复合背景人才 [2] - 上海银行、上海农商银行发布AI大模型应用研发岗等职位，推进大模型应用场景建设 [2] 金融大模型技术应用与价值实现 - 大模型技术价值实现成为关注重点，候选人更看重技术在实际业务中的应用效果 [3] - 奇富科技不再做模型评测，转向打磨应用，专注于业务场景下大模型的准确度和效能提升 [5] - 公司基于DeepSeek、Qwen等开源大模型，聚焦将大模型能力高效深入应用于业务实处 [5] - 奇富科技信贷超级智能体集合多个模块，大模型能力已输出给银行客户 [5] 金融大模型迭代速度与行业痛点攻克 - 金融垂类大模型迭代速度缩短至双周甚至单周，投入力度加大 [7] - 蚂蚁数科CEO指出智能体价值在于攻克行业深层痛点而非解决浅层问题 [7] - 浦发银行筹建和林格尔数据中心，下设人工智能中心推进AI应用 [7] - 百度智能云推出千帆慧金金融知识增强大模型和推理增强大模型，覆盖多数金融场景 [7] 金融大模型技术创新与挑战 - 蚂蚁数科发布金融推理大模型Agentar-Fin-R1，通过加权训练算法提高学习效率与性能 [8] - 斯坦福大学研究表明数据质量对模型效果贡献度达70%，金融语料需3个月内更新 [8] - 大模型应用效果稳定提升是最大难点，目前仅在部分领域实现预期效果 [8]

股价表现 - 8月1日盘中股价下跌8.33%至0.77港元/股 [1] - 当日成交额达1.53亿元 [1] 公司业务定位 - 以生成式AI和语音交互为核心技术的人工智能公司 [1] - 服务内容创作者、企业和消费者三大群体 [1] - 主营业务涵盖AIGC产品、AI政企服务及AIoT智能硬件 [1] - 致力于成为全球AICoPilot引领者 [1] 财务数据 - 2024年年报显示营业总收入为3.9亿元 [2] - 2024年年报显示净亏损达7.21亿元 [2] 资本市场动态 - 2024年4月在香港交易所上市 股票代码02438.HK [1]

大模型技术成为银行业核心驱动力 - 大模型技术正成为银行业变革与创新的核心驱动力，推动银行拓展业务边界、提升服务效能与风险管理水平 [2] 工商银行大模型应用成果 - 工商银行发布企业级千亿参数金融大模型技术体系"工银智涌"，截至2025年二季度累计调用量突破10亿次，深度赋能公司金融、个人信贷、财富管理等20余类核心业务，覆盖200余个实际应用场景 [3] - 与2024年相比，应用场景数量同比增长67%，调用频次提升120% [3] - 向30余家中小银行开放API接口，技术辐射范围覆盖长三角、珠三角等主要经济圈 [3] - 在外汇交易领域决策响应速度提升80%，交易执行效率提高3倍，2025年上半年相关业务收益同比增长15%，操作风险发生率下降62% [3] 农业银行大模型部署与应用 - 农业银行顺利完成DeepSeek全系列大模型内部部署并稳定运行，为业务智能化升级奠定基础 [5] - 该模型在办公流程优化、营销方式革新等业务环节发挥关键作用，推动业务模式创新和服务效率提升 [5] 华夏银行大模型应用成效 - 华夏银行为全体员工配备智能问答、辅助报告生成及邮箱助手等基础服务，大幅缩短报告撰写时间，提升沟通效率 [6] - 外呼客户购买意向分析功能助力精准营销，营销转化率提升约30% [7] - 智能客服语义理解能力提升，咨询解决率从70%提升至85%，客户满意度从80%提高到90%以上 [7] 江苏银行大模型应用场景 - 江苏银行将DeepSeek应用于智能合同质检和自动化估值对账场景，合同质检准确率提升，有效防范合同风险 [7] - 自动化估值对账场景实现全链路自动化，识别成功率超90%，每天减少9.68小时工作量 [7] 北京银行大模型研发与平台建设 - 北京银行自主研发百亿级参数"京智"大模型，构建"京智大脑"人工智能平台，整合大语言模型和自动化技术打造京骑智能体平台 [7] 重庆银行大模型应用规划 - 重庆银行利用DeepSeek大模型深度解析智能客服知识库，提升语义理解、逻辑推理和多轮对话能力 [8] - 2025年计划以人工智能中台服务体系建设为契机，打造更多营销、风控及内部管理智能体，从单一智能客服场景向多业务场景拓展 [8] 上海银行大模型协同体系与应用 - 上海银行构建"大模型+微模型"协同体系，大模型处理复杂任务与跨领域知识整合，微模型聚焦细分场景如反欺诈（识别率超80%）和人脸识别（误识率低于0.01%） [9] - 大模型深度嵌入风险评估、反欺诈和信贷审批流程，知识检索效率提升60%，准确率提升80%，智能客服接通率从86%提升至95% [9] - 累计部署超400名数字员工，覆盖营销、运营等场景，并构建全链条智能体开发平台，支持千亿级大模型训练与推理 [9] 银行业大模型应用整体影响 - 众多银行在大模型应用上的积极探索提升了业务效率与服务质量，为行业数字化转型提供宝贵经验 [10]

近日，在山东省工业和信息化厅、教育厅、科学技术厅联合主办的"高端软件与人工智能产业链产学研 精准对接和新技术新产品推介活动"上，潍坊现代农业山东省实验室、北京大学现代农业研究院、山东 移动潍坊分公司、中移齐鲁创新研究院四方联合，正式发布育种大模型（BreedGPT）。该模型的发 布，标志着我国作物育种科研与产业应用在智能化、精准化方向上迈出关键一步。 BreedGPT旨在解决传统育种痛点，推动从"经验育种"向"精准设计育种"的实质性跨越。该模型依托中 国移动研究院"AI For Science (AI4S)"科学装置的强大算力支持，以及中移齐鲁创新研究院自主构建 的"AI+"技术平台，深度融合先进的大模型技术与农业育种专业知识体系，构建了覆盖科研智能问答、 基因深度解析、高效文献检索、智能科研辅助四大核心场景的全链条育种智能平台。其目标是提升育种 科研效率，加速优良品种选育进程，为我国农业高质量发展和粮食安全提供关键技术支撑。 BreedGPT的核心能力与显著优势体现在以下几个方面： 智能化的科研辅助。BreedGPT创新性地将文献理解模型与生物学知识库相结合，并运用大模型智能体 技术。用户通过输入关键词，即 ...

股价表现 - 7月31日收盘价为10.32元，较前一交易日下跌4.00% [1] - 盘中最高触及10.51元，最低下探10.26元 [1] - 当日成交额达2.94亿元 [1] 资金流向 - 主力资金净流出5023.94万元 [2] - 净流出金额占流通市值的1.35% [2] 行业与业务 - 公司属于软件开发行业 [1] - 业务涵盖移动支付、云计算等领域 [1] - 专注于政务数据服务，提供智能化解决方案 [1] 政策响应与技术应用 - 《政务数据共享条例》将于8月1日起施行 [1] - 公司正积极响应政策，推动政务服务智能化转型 [1] - 已在多地落地智能政务系统，如东莞社保系统升级项目 [1] - 政务问答准确率提升至97%以上 [1] - 结合大模型技术优化交互效率，较传统方式提升超40% [1]

技术类别与分布 - 清单围绕三个类别提出近300项技术[1] - 信息工程科技领域技术创新包含163项技术 包括6G技术 多模态大模型 超级通用智能体等[1] - 传统产业改造升级和学科交叉融合包含122项技术 包括计算神经科学 智能可穿戴设备 AI辅助药物设计等[1] - 民生相关AI热点技术包含12项 包括大模型技术 具身智能 智能无人系统等[1] 研究背景与价值 - 清单由中国工程院信息与电子工程学部与中国信息与电子工程科技发展战略研究中心联合发布[1] - 研究时间跨度覆盖未来5至10年[1] - 汇集数十名院士和数百名专家的智慧成果[1] - 旨在为人工智能发展顶层设计和战略谋划提供参考依据[1]

AI Agent行业发展趋势 - IDC预测2025年AI Agent将迎来规模化落地浪潮 通过智能化任务处理重构标准化作业流程[1] - 中国企业级Agent应用市场规模在2028年保守估计将达270+亿美元[3] - 2025年有望成为AI应用落地元年 2027年后加速渗透 2030年前渗透率比当前提高一个数量级[4] 行业标准化进程 - 当前市场缺乏一致性定义导致产品质量良莠不齐 需构建标准化框架规范市场[3] - 标准化体系围绕任务处理精准度 响应及时性 系统可扩展性等核心功能建立[1][3] - 标准化有助于用户筛选优质产品并推动行业健康有序发展[3] 技术特征与应用场景 - 多模态能力融合处理跨系统任务 具身智能渗透物理场景 多智能体协作网络实现全流程自动化[3] - 在企业端实现"人类策略+机器执行"的组织革新 在消费端化身个性化生活管家推动服务转向主动预判[4] - 在数据分析 企业运营 投研等多个环节产生深远影响[4] 联想集团战略布局 - 聚焦AI内嵌智能终端 AI导向基础设施和AI原生方案服务三大业务方向[5] - 领跑全球AI PC市场 构建跨设备跨生态的超级智能体 设备形态包括卷轴屏折叠屏透明屏等创新[5] - 天禧个人超级智能体具备多模态感知 认知决策 自主演进三大核心能力 已全面登陆联想AI PC[5] 基础设施与解决方案 - 以万全异构智算平台为核心构建包含服务器存储数据网络的AI基础设施体系[7] - 推出联想混合式人工智能优势集 包含通用解决方案和垂直行业解决方案[7] - 发布业内首个企业超级智能体"联想乐享" 并与多个城市达成战略合作打造城市超级智能体[7] 市场竞争力与机构观点 - 太平洋证券认为AI Agent爆发将带来算力需求大幅增长 重点推荐联想集团[8] - 华泰证券认为联想集团有望在AI商业化应用推广中获得显著收益[8] - 科技龙头通过率先布局抢占市场份额 联想展示的个人智能体和企业智能体引发广泛关注[1][8]