行业竞争格局转变 - 本地生活服务行业竞争从外卖延伸至到店领域 体现平台业务扩张趋势 [2] - 行业过去二十年竞争核心始终围绕流量 补贴和商户覆盖率 底层逻辑未发生根本变化 [3] - 未来竞争终局将从APP工厂内卷转向超级AI助理的智慧对决 竞争壁垒转向AI模型理解能力 [1][5] 平台最新AI驱动举措 - 高德地图推出扫街榜 基于AI地图能力纳入导航到店人数 复购率 专程前往率和人群宽度四个因子进行排名 [2] - 美团大众点评重启品质外卖服务 通过B端自研大模型结合海量真实评价数据分析用户需求 采用AI+真实高分模式提供决策支持 [2] AI技术带来的行业变革 - AI核心作用在于理解和提炼海量UGC数据 将杂乱评论转化为高度结构化的决策依据 [4] - 大模型可分析数百万条餐厅评论 自动总结招牌菜 服务亮点 消费场景和用户群体偏好 [4] - AI评价体系使竞争回归商业本质 从营销资源竞赛转向产品和服务质量竞争 [4] - 位置偏僻但口味佳的小店可通过高专程前往率和复购率脱颖而出 不擅长网络营销但服务优质的酒店可通过AI提炼标签获得推荐 [4] 行业核心痛点与解决方案演进 - 本地生活服务核心痛点始终是信任与效率问题 消费者需要可靠决策辅助 [3] - 传统UGC模式（评价+星级）在早期解决信息差 但随商家激增出现内容争议 [3] - AI将信任基础从主观评价转向客观行为数据 将决策负担从用户转移给机器 [5] - 技术变革最终目标回归人本身 重点在于提升商家和消费者的服务体验与选择空间 [5]

公司产品发布 - 阿里巴巴正式发布万亿参数大模型Qwen3-Max-Preview 参数规模超1万亿 支持262K上下文长度 [1] - 模型在多模态分析 代码生成 复杂任务分步执行等场景展现出极高准确率 [1] - 产品性能全面超越前代及国际竞品 推动算力需求持续爆发 [1] 技术突破意义 - Qwen3-Max-Preview是迄今首款万亿参数闭源大模型 标志着国产大模型在参数规模 性能及商业化布局上的重大突破 [1] - 在全球大模型竞争格局中助力中国大模型技术跻身第一梯队 [1] - 中文及多语言能力 垂类行业解决方案深度整合能力增强中国AI企业全球竞争力 [1] 商业化优势 - 产品具备更具性价比的商业化路径 [1]

行业挑战 - 商家面临获客成本高企、转化效率低下和人工费用持续攀升等经营压力 [1] - 广告投放费用增加但回报未达预期 线索转化困难且人工成本高昂 [1] - 用户交互触点复杂多样 包括搜索、直播、短视频、社交媒体和线下门店等多渠道 [1] 技术演进 - 大模型技术发展推动智能体进化 AI数字员工成为新解决方案 [1] - 早期AI主要承担客服角色 提供7x24小时服务弥补人工不足 [1] - 商家对AI期望超越简单接待 更希望具备直接销售能力推动成交 [1] 产品升级 - 百度商家智能体从后台客服走向前台 以销售能力帮助捕捉商机实现收入增长 [2] - 智能体基座升级结合思维链推理 打造快慢思考双系统实现快速响应和深入思考 [2] - 规划大脑带着转化目标规划对话路径 在关键节点自然引导客户 [4] - 多专家角色包括营销专家、解答专家和推荐专家 分工明确协作流畅推动成交 [4] - 升级多模态交互能力 推出语音版电话销售和数字人版视频销售 [5] 应用成效 - 维修行业头部商家接入语音版智能体实现全量接待用户电话 成单率提升30% [7] - 教育机构利用智能体准确识别用户意向发起预约对话 线索有效性提升22%且线索成本下降30% [7] - 智能体具备完整销售闭环能力 能够接住客户、识别意图并主动推动成交 [8] 商业价值 - AI数字员工帮助商家节省大量人力和时间成本 完成最难的几步工作 [10] - 7x24小时不间断工作能力使商家在休息时继续创造收入 [10]

公司期权激励计划 - 字节跳动对Seed部门实施期权增发计划 主要覆盖大模型技术研发的核心技术人员[1] - 根据员工绩效和职级不同 每月发放9万至13万字节期权 计划持续18个月[1] - 期权计算价格定为每股189.9美元 低于最新期权回购价格200美元[3] 部门战略定位 - Seed部门成立于2023年 是公司通用人工智能（AGI）战略的关键组成部分[3] - 部门主导研发豆包大模型 内部设立代号"Seed Edge"的AGI研究团队[3] - 部门已启动独立期权激励机制 以远低于市场预期的估值向核心员工发放期权[3] 行业影响与内部反应 - 高强度内部激励措施旨在稳固核心人才 加强大模型技术领域竞争壁垒[3] - 内部员工在平台上表示羡慕 称Seed部门已成为公司内部"明星部门"[3] - 业内人士认为期权发放使同行公司在挖角时面临更大难度[3]

技术架构 - 采用5600亿参数混合专家（MoE）架构 通过零计算专家机制动态分配任务 平均仅启动270亿参数 显著减少算力消耗[5] - 引入快速连结混合专家模型（ScMoE） 扩大运算和通讯重叠窗口 提升训练和推理吞吐量 降低推理能耗约30%[5] - 开发全面大模型扩展框架 结合超参数迁移和模型增长初始化技术 30天内完成超20万亿Token训练 可用性达98.48%[6] - 经历多阶段智能体专项训练 在TerminalBench和TauBench等智能体任务上达到SOTA水平[7][8] 市场前景 - 将每百万输出词元成本压低至0.7美元 较同类模型降低超50% 显著减轻企业应用成本负担[9] - 通过Hugging Face和GitHub社区开源模型 遵循MIT许可协议 支持全球开发者自由使用和修改[10] - 面临OpenAI、字节跳动、百度等竞争对手的激烈市场竞争 需持续提升性能和服务质量[11] 业务发展 - 内部应用于AI编程助手 支持多语言和复杂指令 52%新代码由模型生成[12] - 内部覆盖智能会议、文档管理、平面设计、短视频生成及销售助手场景 优化信息流动和执行效率[12] - 外部为开发者提供微调工具链、行业模板及千万级算力补贴 加速垂直场景落地应用[1][13] - 外部赋能本地生活服务、智能客服、旅游酒店预订等领域 提供个性化推荐和需求理解能力[13]

模型开源与性能 - 腾讯混元于9月1日开源轻量级翻译模型Hunyuan-MT-7B 总参数量7B 支持33个语种及5种民汉语言/方言互译 [1] - 同步开源业界首个翻译集成模型Hunyuan-MT-Chimera-7B 可综合多个模型结果生成更优翻译 支持接入Deepseek等第三方模型 [3] - 在ACL WMT2025比赛中 该模型获得31个语种中30个第一名 涵盖中文英语日语及捷克语等小语种 [4] 技术优势与突破 - 模型采用完整训练范式 覆盖预训练CPT监督调参翻译强化和集成强化全链条 [4] - 基于FP8量化压缩技术 推理性能提升30% 支持高端服务器到边缘设备的多硬件部署 [6] - 在Flores200测评数据集上表现卓越 效果领先同尺寸模型且不逊于超大尺寸模型 [4] 应用场景与生态建设 - 模型已接入腾讯会议企业微信QQ浏览器翻译君等业务 助力产品体验提升 [6] - 公司自2023年起持续开源文生文文生图视频生成及3D生成能力工具集 相关模型多次登顶开源社区热度榜 [7] - 模型已在腾讯官网Huggingface及Github提供下载 技术报告与论文同步公开 [7]

AI与金融融合趋势 - 国家人工智能+战略深入实施推动AI技术与金融业务深度融合进入新阶段 为金融行业转型升级注入强大活力 [1] - AI技术不仅提升业务效率 更在重塑金融行业生态面貌 [1] - 金融行业历来是技术应用先锋 当前正站在智能化革命潮头 未来银行服务或将更多依赖智能终端而非传统物理网点 [1] 金融大模型发展现状 - 金融领域大模型发展呈现分化趋势 行业积极采纳AI技术但在关键场景应用仍面临难题 [1] - 大模型价值不仅限于增效降本 更在于重新定位人的角色 让金融专家专注于战略性和创新性任务 [1] - AI对金融行业变革势不可挡 在用户体验 业务流程和员工角色三大维度产生深远影响 [1] 金融机构实践案例 - 建设银行通过系统化布局围绕客户经营和管理质量构建智慧金融服务体系 智能审批系统显著缩短财务分析报告生成周期 [2] - 中国外贸信托与百度智能云合作开发数字交易员 能高效执行交易指令并提供决策支持 显著提升交易效率 [4] - 在农业金融服务领域应用数字运营员 通过全流程平台和数据循环解决农业金融痛点 为普惠金融服务乡村振兴提供新路径 [4] 技术实施策略 - 大模型要成为金融企业核心竞争力需在深度应用 专业模型 高效算力和独家数据等多方面协同推进 [4] - 提出算力云+模型平台+智能体生态的多轮驱动体系以加速金融大模型落地应用 [4] - 强调创新与合规并重 推动技术势能向业务动能转化 [4]

大模型在金融行业的应用趋势 - 2025年被视为大模型技术在金融等行业规模化应用的关键转折点 技术正从概念验证走向规模化部署 成为推动数字化转型的核心引擎[2] - 应用场景从前台客户服务延伸至中后台风控、投研、合规等核心业务环节 金融机构科技投入更注重实效 从效率提升转向价值赋能[2] - 行业变革被定义为对金融服务范式、运营模式及核心竞争力的系统性重塑 而非单纯效率工具迭代[2] 大模型应用的具体进展与案例 - 领先大型银行已将复杂信贷审批报告分析时间从数小时压缩至3分钟 准确率提升超15%[3] - 头部券商借助AI智能体实现7×24小时跟踪全球5000余家上市公司 显著提升研究覆盖广度与响应速度[3] - 中关村科金为邮储银行打造智慧直播系统 将直播间转化为高效获客渠道 为华瑞银行构建智能客服系统 为中信建投证券开发大模型智能陪练平台助力300余家分支机构客户经理合规学习[4][5] 垂类大模型落地的挑战与解决方案 - To B场景存在严肃性、准确性和合规性极高要求 智能客服等应用容不得分毫误差[6] - 落地难题包括价值落地难、场景复杂度高、数据孤岛效应及效果衰减 初期项目准确率下降问题突出[6] - 数据治理成为重要阻力 金融机构海量私域数据存在系统割裂、格式不一及治理滞后问题[6] - 中关村科金通过"平台+应用+服务"三级引擎战略破解难题 自研得助大模型平台3.0构建数据工厂、算力工厂、模型工厂和智能体工厂工具链[7] 金融机构的战略分化与路径选择 - 国有大行倾向端到端自建或基于基础模型开发专有模型 追求技术全栈可控[9] - 股份制银行采取基础设施加外部采购混合模式 保持应用层灵活性[9] - 约80%区域性银行已涉足大模型领域 部分基于成熟产品市场匹配度进行速赢落地 部分处于实验室或智能体原型竞比阶段[10] - 未来银行业可能走开源与闭源结合道路 大行参与开源生态 中小银行通过开源模型降低技术门槛[10] 垂类大模型的产品与生态定位 - 中关村科金推出银行、证券、汽车等行业解决方案 银行领域覆盖智能客服、营销、信贷与运营全场景 证券领域提供获客、转化、展业及服务工具[10] - 垂直化、模块化产品设计既满足头部机构定制化需求 也为中小机构提供快速部署标准化方案[10] - 该类企业成为连接技术与产业的翻译者与赋能者 在AI从可用走向好用进程中推动千行百业智能化升级[11]

募集资金基本情况 - 公司获准首次公开发行人民币普通股1856.8628万股，每股面值1.00元，发行价34.21元，募集资金总额635.33百万元，扣除发行费用后净额为560.40百万元 [2] - 募集资金于2020年7月13日全部到位，经普华永道中天会计师事务所验资确认 [2] 原募投项目使用情况 - 原募投项目总投资额532.58百万元，截至2025年7月31日累计投资168.49百万元 [3] - 其中"基于多维度数据的智能分析平台项目"已实施完毕，节余资金永久补充流动资金 [3] 募投项目变更核心内容 - 项目名称由"AIOT行业应用解决方案云平台"变更为"行业数据智能应用服务平台升级" [5] - 实施内容从物联网场景扩展至快消、运营商、TMT、医疗等多行业智能应用场景 [4][5][6] - 投资总额从381.79百万元调减至160.74百万元，缩减57.9% [5][7] - 达到预定可使用状态日期从2025年12月延期至2026年12月 [5][8] 技术升级与成果积累 - 已开发完成环保与农业行业智能方案、融合算力管理平台及3个生成式大模型 [4] - 累计获得36项软件著作权、16项软件产品证书及4项发明专利 [5] - 3个业务场景大模型已通过国家网信办备案，慧AI与ChatBI等应用投入客户试用 [6] 变更原因与战略调整 - 人工智能技术快速发展导致原有底层技术难以满足更高智能化需求 [5] - 优势行业对基于大模型的智能应用需求增长迅速，市场规模更大 [6][7] - 投资重心从物联网硬件建设转向轻资产的数据技术能力建设 [7] - 行业数据资源库建设成为新投入方向，强化数据基础能力 [5][7] 投资结构具体调整 - 调减物联网相关软硬件、云环境租赁及网络宽带费用 [5] - 新增数据资源采购费用及大模型相关技术研发投入 [5][7] - 截至调整日项目已投资63.76百万元 [5] 剩余资金管理 - 项目调整后剩余募集资金本金221.05百万元及利息净收入留存专户管理 [7] - 后续将根据战略规划履行决策程序后投入新项目 [5][7] 公司治理程序 - 2025年8月28日第四届董事会第二十四次会议审议通过变更议案 [9] - 审计委员会认为变更符合监管规定及股东利益 [10] - 保荐人对变更事项无异议，认为不存在损害股东利益情形 [10][11]

财务表现 - 2025年上半年营业收入5.58亿元 同比增长27.99% [1] - 经营活动现金流净额显著改善 较上年同期增长44.19% [1] AI技术体系 - 以星辰辰思公共安全行业大模型为核心AI中台底座 全面拥抱DeepSeek等主流大模型技术路线 [1] - 构建完整AI能力体系 包括智能体技术 NLP自然语言处理 计算机视觉算法及270余个灾害仿真模型 [1] - 打造超百款融合AI技术的自主知识产权公共安全产品 [1] - 形成AI底座+智能平台+场景应用三层产品架构 [1] 技术突破与应用 - 完成辰思三代智能体技术跃迁 实现业务场景需求牵引的公共安全大模型智能应用 [1] - 成功应用于能源 化工 通信 城市运营四大央国企核心领域 [1] - 覆盖危化品处置 燃气监测 通信基础设施保障 自然灾害情景推演 安全生产监管等十余项细分场景 [1] - 在公共安全领域率先打通大模型训练 优化与产业应用完整闭环 [1] 业务拓展进展 - 全面推进AI+战略 构建以人工智能为核心驱动力的全线产品体系 [2] - 城市生命线业务覆盖范围持续拓展 通过AI技术实现基础设施智能监测预警系统 [2] - 应急管理领域自主研发大模型实现销售突破 提供智能化应急决策支持 [2] - 装备与消防领域将AI技术深度融入产品设计与功能开发 [2] - 消费者业务持续提升产品能力 打造自主可控软硬一体公共安全卫士系列产品 [2] - 国际业务中标光伏电站智能安防实施项目 技术实力获国际认可 [2] 发展前景 - AI技术前瞻布局进入收获期 [3] - 公共安全数字化智能化需求持续释放 [3] - 完整产品架构和领先技术优势有望转化为市场优势和财务成果 [3]