商业银行数字化转型核心观点 - 中国商业银行在复杂宏观环境下保持平稳运行，资本实力和盈利能力稳健增长，重点领域风险可控 [2] - 中央金融工作会议首次将数字金融与科技金融、绿色金融、普惠金融、养老金融并列为五篇大文章 [2] - 商业银行需在保持合理利润的同时兼顾服务实体经济目标，探索技术变革背景下的新增长路径 [2] 数字金融战略实施举措 - 加强组织领导：将五篇大文章纳入年度重点任务，成立董事长牵头的推进专班，明确牵头部门职责 [5] - 完善激励机制：将五篇大文章纳入分行绩效评价，试点科创团队差异化考核机制提升积极性 [5] - 探索链式生态金融：聚焦重点产业链供应链，提供"全链条、全场景、全产品"供应链金融方案 [7] - 深化数字化改革：推进"焕芯强基"工程升级分布式架构，打造AI银行构建智能金融生态 [7] 数字化转型成效 - 金融数字底座智能化：应用AI、区块链等技术实现全流程智能化，运营效率提升30%以上 [8] - 产品服务场景化：形成线上线下一体化渠道，覆盖小微企业、农村地区等长尾客户群体 [9] - 服务生态开放化：通过OpenAPI等技术链接政务、消费等场景，建设智慧园区等标志性应用 [9] 转型面临的挑战 - 数据资源不足：现有数据维度难以支撑复杂业务场景需求 [12] - 智能化应用局限：AI多集中于标准化场景，信贷审批等核心业务应用深度不足 [12] - 人才缺口突出：人工智能、大数据等领域复合型人才缺口达40% [12] 技术驱动的服务变革 - 触达渠道便捷化：手机银行APP转型为综合服务平台，服务突破时空限制 [14] - 服务体验智能化：AI客服处理80%咨询，大数据风控精准刻画小微企业信用 [14] - 场景生态多元化：支付信贷能力嵌入电商、政务等场景催生新业态 [14] 大模型应用价值与挑战 - 客户体验重塑：实现从功能响应到智能陪伴转型，营销转化率提升25% [20] - 运营效率提升：构建覆盖前中后台的智能助手体系，人工成本降低30% [20] - 技术风险突出：存在算法偏见、数据安全等问题，模型可解释性不足 [21]

财务表现 - 2025年中报营业总收入1.35亿元，同比下降47.24%，归母净利润2832.75万元，同比上升137.11% [1] - 第二季度营业总收入7186.38万元，同比下降50.4%，归母净利润473.16万元，同比上升105.49% [1] - 毛利率63.69%，同比增650.55%，净利率21.99%，同比增174.76% [1] - 销售费用、管理费用、财务费用总计6577.19万元，三费占营收比48.65%，同比减16.3% [1] - 每股净资产2.7元，同比减18.72%，每股经营性现金流-0.02元，同比增96.06%，每股收益0.09元，同比增136.0% [1] - 有息负债10.24亿降至2.84亿，同比减72.27% [1] 业务变动原因 - 营业收入下降47.24%因2025年1月光伏业务处置完成，光伏业务收入大幅下降 [5] - 营业成本下降79.07%因光伏业务处置完成，成本大幅下降 [5] - 投资收益变动9646.46%因处置光伏业务产生的投资收益增加 [5] - 经营活动现金流净额增96.06%因光伏业务处置完成，相关现金流出减少 [5] - 投资活动现金流净额增2676.06%因光伏子公司股权转让产生的现金流入增加 [5] - 筹资活动现金流净额减69.1%因取得借款收到的现金减少大于偿还债务支付的现金减少 [5] 战略调整 - 完成重大资产出售剥离光伏业务，聚焦医疗主业 [7] - 围绕"聚焦医疗主业+提升轻资产属性+构建平台化生态"三大战略举措优化业务结构 [7] - 医疗信息化业务聚焦智慧手术、急危重症救治、低空经济、医疗康养等方向 [7] - 打造"软件平台+智能硬件+算法引擎"三位一体产品体系 [7] - 推动AI大模型技术与现有产品结合，升级AI医疗方向产品服务 [7] 历史表现 - 公司上市以来中位数ROIC为10.48%，2023年ROIC为-10.12% [4] - 上市以来8份年报中亏损2次，显示生意模式较脆弱 [4] - 证券研究员普遍预期2025年业绩在6100.0万元，每股收益均值在0.2元 [4]

点评：当前，AI技术与终端设备的融合已成趋势，大模型需通过硬件载体实现场景化渗透，但自研手 机需在供应链管理、市场渠道建设等方面进行重资产投入，且面临智能手机市场红海竞争的压力。 NO.215万京东外卖全职骑手全部有五险一金 8月19日，"京东黑板报"披露，截至目前，京东外卖全职骑手已突破15万人，公司为他们全部缴纳五险 一金且承担所有费用，每人每月平均缴纳约2000元。 点评：当前，即时配送赛道已从"速度比拼"转向"体验升级"，而骑手作为末端服务的核心载体，其稳定 性直接影响配送效率与用户体验。 | 2025年8月20日星期三| NO.1字节跳动否认将推手机产品 近期有媒体称字节跳动将在年底推出自己的手机产品。8月19日，豆包(字节跳动旗下)相关负责人称此 信息不实，豆包目前没有推出自己手机产品的计划。豆包相关负责人表示，豆包在持续探索如何把自己 的AI(人工智能)能力开放给各种硬件厂商(包括手机厂商)，在这个过程中，豆包会和一些合作伙伴做完 整解决方案尝试，但所有合作都不涉及自有手机产品的研发与推出。 NO.4闪送公司2025年第二季度营收10.2亿元 8月19日，闪送公司公布2025年第二季度业务数据。 ...

行业动态 - 中国石油和化学工业联合会指导中国化工经济技术发展中心和中国石化联合会化工园区工作委员会联合主办2025第六届中国智慧化工园区建设发展大会 [1] - 大会在浙江宁波举行并发布2025年第五批智慧化工园区适用技术目录 [1] 公司技术突破 - 海康威视基于观澜多模态大模型技术在化工园区安全生产监管的应用成功入选智慧化工园区适用技术目录 [1] - 该技术为化工园区安全风险管控智能化升级提供重要技术支持 [1]

行业与公司概述 * 行业：财税信息化行业 公司：用友股份[1] * 金税工程从一期到四期发展过程中，财税系统统一性提升、监管从线下转向线上、管理范围从企业扩展到自然人[10] * 金税四期以电子发票为核心，通过大数据技术打通多部门数据通道，提高纳税遵从成本并降低征管成本[2] * 财政信息化行业格局稳定，龙头优势明显，参与核心系统建设的龙头公司仅剩中国软件、神州信息与用友股份三家[16] 公司业务与产品 * 主要产品包括智慧电子税务局、自然人所得管理系统、社保费征管缴费系统，通过高度统一化设计满足不同用户需求[14][15] * 财税业务细分为中小企业、财税代理机构和技术创新业务客户，提供差异化服务如亿企财税平台和亿企代账SaaS平台[20] * 针对高端市场推出分层产品：亿企财税平台标准版（980元）和专业版（19,800元），提供差异化功能[21][22] 核心竞争力与优势 * 公司在G端（政府端）从事国家税务系统信息化建设，在B端为中小企业提供财税SaaS综合服务[3] * 核心竞争优势在于针对中小微企业市场的深度覆盖以及与G端数据紧密结合的专业性[23] * 与主要竞争对手（用友、金蝶国际）相比，公司在中小型企业中的普及度和专业性更具优势[23] 市场前景与增长驱动 * 中国财政SaaS市场前景广阔，预计到2026年将达到309亿元，年均增速约26%[4][25] * 公司利用大模型技术驱动增长，将AI应用于营销、合规监测及方案建议等场景，提高运营效率并降低成本[4][24][26] * 通过AI助手实现发票管理与自动化咨询，拓展AI技术在票据处理等场景中的应用[24][26] 财务与股权结构 * 截至2023年第三季度，第一大股东直接持股22.67%，间接持股54.78%，第三大股东为瑞兴创投（蚂蚁集团控股）[5] * 2023年发布股权激励计划，考核目标为2023年净利润增长率不低于25%，2025年不低于45%[5] 逆周期属性与行业趋势 * 业务具备逆周期属性，企业税务合规需求在经济下行期间仍保持高确定性[6] * 经济下行周期内，财税SaaS行业可能加速出清，公司作为行业龙头有望提升市场份额并改善市场格局[6] * 国家加强对偷漏税行为的监管，企业需加强内部会计和收款流程准确性，带来财务SaaS服务的新市场机会[12] 金税工程发展 * 金税一期（1994-1998）：以人管税，以地市为单位进行稽核[7] * 金税二期（1998-2001）：开始使用计算机管税，以省市为单位，全国联网监控[7] * 金税三期（2008-2021）：以票控税，实现全国统一集中管理[11] * 金税四期（2021年至今）：以数据治税，通过大数据技术实现资金监控、及时开票和查验，增加对非税业务的管控[11] * 金税四期核心项目包括电子发票服务平台、法人电子税务局、应用支撑平台和税务人端项目，数字化程度显著提升[9] 其他重要信息 * 公司在推动金税四期中扮演重要角色，凭借深厚技术积累和丰富经验保持行业领先地位[13] * 企业进行财务合规时面临政策复杂性、计算繁琐性、数据复杂性以及风险不确定性的挑战，需借助专业SaaS服务解决[17] * 公司未来将继续依托G端数据底座与项目经验为B端赋能，通过AI模型覆盖更多企业并构建庞大知识库[18][19]

大华股份2025年上半年经营分析 公司概况 - 大华股份2025年上半年营收151.81亿元，同比增长2.12%，Q2增速环比提升1.54个百分点[2] - 归母净利润24.76亿元（+36.8%），扣非归母净利润17.96亿元（+1.91%，剔除所得税影响达两位数增长）[2] - 毛利率41.61%，环比上升1.48%，同比上升[2] 财务表现 **费用控制** - 期间费用47.03亿元（+1.57%），研发费用19.84亿元（+4.37%）占营收13.07%[4] - 经营活动现金流净额6.39亿元（上市以来同期最好），收现比114.7%（同比+7.1%）[4] - 货币资金储备84.46亿元，负债总额下降约30亿元，资产负债率降至24%[4] 业务表现 **国内业务** - 营收75亿元（+2%+），其中： - 政府业务18亿元（+4%+），Q2增速提升至8%+[5] - 企业业务42亿元（+8%+），能源/文教卫/工厂企业为主要增长点[5][29] - 中小企业业务下滑超10%[5] **海外业务** - 预计保持稳定增长，分销体系完善（主要利润来源）[6] - 欧洲/中东市场回暖，美洲区短期承压但将追赶[6] - 建立三级供应体系（区域中心仓+国家仓）应对贸易保护[10] **创新业务** - 营收30亿元（+22%+），汽车电子/热成像机器视觉增长显著[7] - 星瀚大模型已在公安/电力等行业落地，销售金额超预期[7][16] - 孵化公司华瑞启动IPO，AGV迭代至第四代[22] 战略合作 **华为合作** - 服务器业务众包金额超十亿元，突破中移动/南方电网等集采项目[11] - 构建算力底座支撑端边云产品开发[11] **中国移动合作** - 联合开发视联网/低空经济产品（如5G无人机），深度合作产品超6款[20] - 中标中移动AI通用计算设备集采，算法调用超10万次[20] - 建立总部-省区-地市三级协同机制[21] 技术发展 **大模型进展** - 发布121款端/边/中心侧产品，周界检测距离提升50%，人群态势检测面积提升5倍[15] - 宁波公安项目构建25个研判模型，贵州国电投表计读数准确率99%[16] - 聚焦预算充足/数据质量高的行业深化落地[17] 行业竞争 - 安防行业进入大模型时代，技术/算力投入门槛显著提高[25] - 需整合算法/硬件/行业理解能力，中小厂商面临更高壁垒[25] - 通过生态合作（如ISV）实现价值交换[25] 管理措施 **人力资源** - 上半年人员优化：淘汰低绩效员工，加强核心业务领域投入[33] - 下半年重点引进行业专家，保持总人数稳定[34] - 组织架构调整：拆除部门壁垒，加强研发-行业线协同[33] **政策影响** - 政府业务：民生/交通管理增长，传统公安领域负增长[26] - 下半年重点布局应急管理/数据局/城市管理领域[28] - 国产化替换（服务器领域）带来新机会[28]

航天任务完成情况 - 神舟二十号航天员乘组圆满完成第三次出舱活动 历时约6.5小时 航天员陈冬 陈中瑞 王杰协同完成 [1] - 出舱航天员陈冬 王杰已安全返回问天实验舱 活动取得圆满成功 [1] 人工智能技术应用 - 天舟九号货运飞船搭载的"悟空AI"大模型首次在轨应用 为出舱活动提供智能化辅助支撑 [1] - 模型基于国内开源开发 采用预训练与指令微调技术 构建专业领域大语言模型 [1] - 系统可为复杂操作 故障处置提供快速有效信息支持 提升天地协同效率 [1] - 在轨一个月运行状态稳定 航天员反馈良好 标志空间站在轨智能化取得重要进展 [1] 技术系统特点 - 构建天地协同智能问答系统 含地面与在轨双模型 地面模型提供专业深度解析 在轨模型解决重难点问题 [2] - 针对载人航天多专业 复杂类型 海量数据特点 开发场景化数据处理技术及定制检索策略 确保响应快速准确 [2] - 采用"1+X"系统框架与在线增量更新机制 支持灵活扩展和持续优化 具备高效系统重构能力 [2] - 后续可拓展任务规划 数据分析 智能预测等功能 [2]

航天科技应用 - "悟空AI"大模型在神舟二十号航天员乘组第三次出舱活动中发挥辅助支撑作用，提供智能化、专业化支持[1] - 天舟九号货运飞船7月15日发射时搭载"悟空AI"大模型，该模型基于国内开源模型开发，在轨一个月运行状态稳定[1] - 航天员反馈"悟空AI"使用效果良好，标志我国空间站在轨智能化应用取得重要进展[1] 技术特点 - "悟空AI"结合载人航天任务需求，采用预训练与指令微调技术，构建专业领域大语言模型和RAG知识库[1] - 系统可为航天员在轨复杂操作、故障处置提供快速有效信息支持，提升天地协同效率[1] - 具备天地协同智能问答系统、场景化数据处理技术、高效系统重构能力三大特点[2] 实际应用 - 航天员陈冬、王杰在出舱前通过"悟空AI"查询工作安排，模型快速提供相关链接并获"内容全面"评价[2] - 系统后续可拓展任务规划、数据分析、智能预测等功能[2] - 命名融合传统文化与科技创新，寓意科技赋能航天探索[2]

银行科技人才招聘趋势 - 多家银行开启秋招和社招 科技岗位仍是招聘重点之一 银行加速数字化转型 提高业务自主可控性 科技岗位招聘将常态化 [1] - 上海农商银行2026届FINTECH培训生提前批招聘设置软件开发 人工智能 系统测试 数据治理等多个科技相关岗位 偏好计算机 软件工程 电子信息 数学 信息安全等相关专业硕士及以上学历应届毕业生 [2] - 招商银行旗下招银网络科技启动2026届秋季校园招聘 开放后端开发工程师 前端开发工程师 算法工程师 测试开发工程师 运维研发工程师等岗位 明确面向STEM类专业毕业生 [2] - 同期发布社招公告的多家银行同样瞄定科技人才 海南农商银行公开招聘需求测试岗 软件开发岗等信息科技条线工作人员 广东南粤银行招聘总行信息科技部副总经理 运维管理室高级室经理 研发管理室高级室经理等职 [2] 科技人才薪酬竞争 - 高薪挖人是银行抢夺科技人才的一个表现 今年上半年有上市地方银行开出最高80万元年薪招聘人工智能高层次人才 这一上限水平高于该行所有董监高管2024年的薪酬 [1] - 成都银行公开招聘一名总行信息技术部总经理助理（AI方向） 年薪在70万元-80万元 据该行2024年财报 其董监高管报告期内税前薪酬总额最高为78.05万元 不及该招聘岗位年薪上限 [3] - 科技公司相关岗位薪酬对比显示 一家头部智能语音技术提供商招聘中级安全运营工程师 AI工程高级软件开发工程师等职 年薪在15万元-60万元不等 某科技公司招聘算法工程师 标出年薪为35万元-55万元 [3] - 银行从互联网金融企业挖科技人才 后者多属于市场化薪酬 同级别岗位下传统银行机构的科技岗位薪酬普遍略逊一筹 但不乏追求稳定的高管会选择银行的岗位 [3] 复合型人才需求 - 银行普遍提出更高资质要求 例如一定年限在国有商业银行 股份制商业银行 相应规模城商行的工作经验 一定级别以上的资格认证等 部分岗位应聘资格还包括最近的工作经历离开银行或银行金融科技公司不超过一年等 [4] - 技术+业务的复合能力日渐被重视 银行根据能力定职级 有定期考核 部分指标挂钩模型在业务端的应用 需要既懂技术又懂金融业务 [4] - 科技人才需求呈现三大特征 技术+业务复合能力成为标配 人才需兼具技术落地与业务理解能力 能将AI应用于客户运营 风控等场景 [4] - AI与大模型专精化 部分岗位要求掌握深度学习框架 承担大模型研发等工作 技术要求接近头部科技公司水准 人才争夺前置化与全球化 部分银行通过实习项目锁定人才 高层次岗位要求国际背景和经验 薪资对标国际水准 [5] 银行间数字化能力分化 - 科技投入十分考验财力 2024年工 农 中 建四大国有银行金融科技投入均超过200亿元 这一体量与多家头部上市城商行2024年归母净利润相当 [6] - 相较资金雄厚的大行及待遇可观的部分股份行 城农商行的科技人才建设和业务发展需求整体呈不匹配状态 在职业发展前景 地域等方面也缺乏显著竞争力 [6] - 信息科技在银行属于成本部门 不是利润部门 效益不好的小行在降本增效背景下会反向减少科技投入 [6] - 中小银行通过差异化战略专注于特定市场或服务 能找到自己的生存之道 并吸引适合自身发展的专业人才 在灵活性上可能更具优势 [6] 银行数字化转型战略差异 - 银行抢人大战的本质是数字化转型的军备竞赛 大小行的分化折射出战略选择差异 大行以高薪和前沿技术投入抢夺头部人才 构建技术壁垒 [7] - 中小行通过区域深耕 业务协同和成本优化实现错位竞争 部分机构通过联合共建科技平台降低单家成本压力 [7] - 资源差异体现在转型路径分野上 头部银行倾向科技引领业务 推动业务模式创新 科技人才直接支撑绿色金融 科技企业服务等新增长点 [7] - 中小银行侧重业务驱动技术 招聘方向聚焦客户经理等业务岗 技术投入侧重本地化服务优化 部分区域性机构通过小切口实验室建设实现有限资源下的精准突破 [8]

GPT-5发布与市场反馈 - GPT-5在测试集上登顶但用户反馈褒贬不一 部分用户希望保留GPT-4o [1] - 模型未出现显著能力突破或技术范式更新 主要改进为减少幻觉和提升易用性 [1][3] - 多模态性能进步有限 仅优化了描述性任务 理解能力仍存边界 [5] - 核心智能层面未展现革命性进步 仍存在编造事实和多步逻辑推理错误问题 [3] - 通过模型路由功能合理化算力分配 以不同成本满足用户需求 [1][5] 大模型技术发展现状 - GPT-5发布暗示Transformer技术发展曲线暂缓 大模型能力上限疑似撞墙 [1][6] - OpenAI选择对现有框架修补优化 将现有能力产品化到极致 [1][3] - 未来模型能力突破依赖底层技术创新 需研究人员重新定义技术方向 [6] DeepSeek技术进展与战略 - DeepSeek-V2系列首创多头潜注意力机制 支持128K token处理 API定价为每百万token 2元人民币 [8] - DeepSeek-V3以671B参数MoE架构实现每秒60token生成速度 性能达GPT-4o水平 [8] - DeepSeek-R1在AIME和MATH任务上匹敌或超越OpenAI o1模型 成本远低于同期模型 [9] - 团队论文《Native Sparse Attention》获ACL 2025最佳论文奖 实现11倍推理加速 [11][13] - 正将最先进大模型训练迁移至国产芯片 需解决硬件性能差距和软件栈重构难题 [9][10] 行业竞争格局演变 - OpenAI聚焦超级APP叙事 营收和估值一路飙升 [2] - DeepSeek探索AI能力上限并推进开源生态技术普惠 [2] - 大模型行业发展线路相交于DeepSeek R1和GPT-4o发布 分化于GPT-5之后 [2] - 国产化需克服国产GPU单卡性能代际差距和10万卡集群工程难题 [10]