行业背景与挑战 - 低利率时代导致人身险公司投资收益大幅下滑，潜在利差损风险显著增加，可能引发企业巨额亏损和净资产大幅缩水 [1] - 2024年人身险业务同比增长13.27%，但2025年上半年增长已明显放缓，反映市场承压加大的现实困境 [4] - 监管政策鼓励开发长期分红型及浮动收益型保险产品，引导行业由粗放增长转向高质量发展 [4] 公司核心战略 - 公司升级推出“大健康全球战略 2.0”，并发布2025-2027三年战略规划，核心围绕大健康转型，业务目标和资源全面倾向健康类业务 [2][4] - 新战略聚焦“加速发展健康保障险、加速发展健康服务、稳健发展寿险业务”三个领域，旨在建立“死差+费差+服务差”多元盈利模式，突破“利差依赖” [2][5] - 战略目标是摆脱规模依赖、重构增长模式，通过差异化路径实现中小险企的周期穿越 [2][4] 具体业务举措 - 将中高端医疗险作为商业健康险发力点，在该细分领域市场份额保持在30%以上，行业排名前三 [5][6] - 深化与招商银行协同，整合中高端医疗保险、企业团体福利计划和健康管理服务，制定差异化“金融+保险”综合解决方案 [6][7] - 拓展出海创新业务，为出海企业提供定制化团体跨境保障方案 [7] - 外拓互联网保险业务，与蚂蚁保深度合作，产品策略全面转向大健康，例如“健康福·少儿百万重疾险”累计销售超8万件，单日最高承保超1000单 [7] 核心竞争力构建 - 深耕全球优质医疗网络，合作医疗机构达220万家，签约多家美国、英国、日本顶级专科医院；国内搭建“百城千家万店”网络，覆盖312座城市、1296家医院和29109个合作网点，复旦百强医院覆盖率69% [10] - 打造前沿健康管理服务体系，通过“海外直通、国内就医直通、互联网直通及健康管家”“3+1”版块服务逾150万客户；2024年海外就医赔案量1.5万，直付比例39%；国内二诊超175件；视频问诊服务人次超2.6万 [11] - 自建专业健康管理团队，健康顾问具备医学背景，并配备7×24小时中英双语客服团队，引入国际服务规范 [12] 科技赋能与运营效率 - 借助AI、移动互联、大数据等技术提升服务智能化水平和健康险运营竞争力 [14][15] - 三级控费体系领先行业，2024年中高端医疗险总理赔58万件，直付服务占比59%，直付赔付金额占比76%；事后理赔线上受理，效率较2023年提升11% [15] - “诺e保”AI核保机器人覆盖400+疾病类型，已为全渠道16万人次客户提供服务，完成9万件保单核保；“小诺导医”平台涵盖全国10000+医院、13万+科室及82万+医生数据 [16] - 2025年整合“大运营体系”，团险询报价、契约保全及理赔处理时效等关键指标优化幅度达10%-35% [16]

数字金融投入与成效 - 6家国有大型商业银行2024年金融科技投入达1254.59亿元 较2023年增长2.15% [2] - 6家大型商业银行科技人员总数首次突破10万人 [2] - 北京银行2024年上半年营业收入362.18亿元 同比增长1.02% 净利润150.53亿元 同比增长1.12% [3] 业务场景应用成果 - 建设银行通过对公数字化工具直营实现长尾客户存款较年初增长超1000亿元 [2] - 建设银行通过智能化管理使存量资金到期承接率近95% [2] - 北京银行建成"1213"AI体系 包括100余项AI能力和300余项应用场景 [2] - 平安银行截至2025年6月末落地大模型应用场景超330个 [5] - 光大银行"授信调查智能报告"功能服务2000余位客户经理 赋能39家分行 [7] 技术基础设施建设 - 中国银行云平台服务器总量达4万台 分布式技术平台对接352个应用 [4] - 浦发银行构建千卡算力 实现全栈国产化算力平台与开源大模型金融应用 [4] - 光大银行智能算力平台支撑120多个算法模型和840个场景应用 [8] - 光大银行"问数"智能分析工具整合超2000个数据指标 覆盖主要业务领域 [7] 风控与合规创新 - 平安银行深化大模型在智慧风控应用 建立风险专家知识库 [6] - 平安银行打造反电诈"风控大脑"提升账户风险管理效率 [6] - 光大银行上线"大模型智能政策助手" 覆盖1700余份政策文件 [7] 数字化转型战略 - 北京银行举全行之力推进数字化转型 实现历史性变革 [2] - 银行业务系统向平台化、场景化、生态化发展 前中后台系统逐渐融合 [8] - 金融大模型应用体系在银行业务各个层面全面落地 [7]

数字金融投入与成效 - 6家国有大型商业银行2024年金融科技投入共计1254.59亿元，较2023年增长2.15% [2] - 6家大型商业银行2024年科技人员总数首次突破10万人 [2] - 北京银行上半年营业收入362.18亿元，同比增长1.02%，净利润150.53亿元，同比增长1.12% [3] 人工智能技术应用 - 建设银行通过对公数字化工具直营，使对公长尾客户存款较年初增长超1000亿元 [2] - 建设银行通过智能化管理实现存量资金到期承接率近95% [2] - 北京银行建成"1213"AI体系，包括一体化算力底座、两大模型平台、100余项AI能力和300余项应用场景 [2] - 平安银行截至6月末落地大模型应用场景超330个 [5] - 光大银行人工智能算力支撑120多个算法模型和840个场景应用 [8] 数字基础设施建设 - 中国银行云平台服务器总量达4万台，分布式技术平台对接352个应用 [4] - 浦发银行构建千卡算力，实现全栈国产化算力平台与开源大模型的金融应用 [4] - 光大银行自主研发"问数"智能分析工具，整合超过2000个数据指标 [7] 风控与合规创新 - 平安银行深化大模型在智慧风控应用，建立风险专家知识库 [6] - 光大银行上线"大模型智能政策助手"，覆盖1700余份政策文件 [7] - 光大银行"授信调查智能报告"功能5分钟生成百页报告，已服务2000余位客户经理 [7] 业务流程优化 - 银行业务系统向直通式转变，交易型与分析型系统相互嵌套 [8] - 光大银行通过智能算力调度平台实现算力虚拟化和统一交付 [8]

服贸会金融服务专题概况 - 2025年中国国际服务贸易交易会于9月10日在北京开幕，主题为“数智领航，服贸焕新” [1] - 金融服务专题以“数智驱动 开放共赢”为主题，旨在打造四大平台：全球金融创新产品和服务展示、重要政策和行业规则发布、合作伙伴洽谈、前沿金融体验 [1] 金融机构AI应用场景展示 - 金融机构在服贸会展示了AI在交互场景的应用成果，重点从基础能力建设转向场景创新 [5][7] - 瑞众保险展示了基于实时数字人与大模型技术的智能理赔报案智能体，旨在提升客户意图识别、业务执行和协同协作能力 [6] - 中国人寿通过AI技术建设智能问答交互机器人，实现“千人千面”客户服务和“自助报案”等高频服务的智能化替代 [6] - 工商银行展示了多语种AI透明屏对话翻译数字人客服，北京银行则推出智能交互数字机器人“京小宝” [7] AI技术驱动金融业务模式变革 - 数字金融借助大数据、人工智能、区块链、云计算等技术，推动服务向智能化、便捷化与高效化演进 [6] - 金融机构的AI应用从简单问答、内部办公逐步延伸至研发运维提效，并迈向对客户的业务流程重构及核心业务改造 [7] - 奇富科技副总裁宋荣鑫指出，有公司利用大模型技术和AI-Native架构重建银行信贷平台，在人员投入减少90%的情况下实现了十倍效率提升，并服务了更多小微企业 [9] - 金融大模型的应用正从支持性工具转向业务核心流程 [9] 金融业AI发展的策略与焦点 - 与金融大模型相比，智能体在保险业务中展现出优势，被描述为拥有“大脑+手脚”的主动执行系统，能调用工具完成任务 [8] - 中国银行业协会指出，国内外银行业大模型应用结构基本相同，主要集中在前台服务和后台支持领域，如知识库建设、运营优化、客户服务和软件开发 [8] - 行业普遍在探索智能体，政策、资本和产业共同推动AI走向金融场景的深度应用 [9] - 由于金融行业的特殊性，在追求技术进步的同时，需兼顾场景应用的安全、合规和实际价值 [10]

核心观点 - 2025年是中国金融业大模型规模化落地的关键年 AI技术正从概念验证深入业务核心 驱动金融服务智能化和普惠化 [1] - 金融机构从早期单纯强调"用起来"转向关注技术与业务协同的实际效益和成本控制 "有价值"成为行业共识 [2] - 金融大模型应用面临数据价值转化不足 安全性挑战和不确定性等门槛 需通过技术融合和体系建设解决 [4][5][6][7] AI应用现状与进展 - 金融智能体已具备感知 学习 行动 决策的代理能力 可培育专业水准的金融代理人 适用于市场分析 风险评估 投资顾问等领域 [2] - 行业正从人机协同L3阶段向L4阶段跨越 关键突破在于大模型使机器自主理解并响应用户需求 未来将向L5阶段发展 提供更拟人 有情感的高质量服务 [2] - 2025年是智能体元年 大型企业构建智能体平台 业务部门参与度从18%提升至74% [3] - 银行业AI大模型落地呈加速跑态势 工商银行新增100余个应用场景包括AI财富助理和投研智能助手 邮储银行开展230余项大模型场景建设 [3] - 马上消费发布零售金融大模型"天镜"并升级至3.0版本 应用于八大核心场景 智能客服年均服务超6500万次 [5] 战略与体系建设 - 金融机构将智能化作为最重要战略 倾向于从体系化角度考虑AI建设 希望利用1-2年时间窗口构建AI体系确保发挥大模型核心作用 [3] - 行业需要推动数据中台与AI平台深度融合 将AI技术系统应用于业务全流程 目前数据平台仅还原50%数据价值 大量业务规则和专家经验尚未充分挖掘 [5] 数据价值转化挑战 - 中国企业面临数据资源难以转化为自身资产的挑战 数据 技术与算法割裂无法协同支撑决策 [4] - 需通过洞察平台从大量"废弃数据"中识别高价值应用场景与客户真实需求 洞察平台可激活企业约70%的"沉睡数据" [4] - 计划将自动驾驶领域的强化学习经验与AI技术融合 在金融决策和风险控制领域实现突破 [4][5] 安全性与可信性挑战 - 必须高度重视金融模型的安全性与可信性 模型歧视 算法共振和隐私泄露等技术风险仍未彻底解决 [6] - 算法共振指不同机构采用相似程序算法逻辑导致市场预测趋同和交易策略一致 可能引发单边市场行为与剧烈波动 [6] - 隐私泄露问题缘于模型可解释性不足 对算法处理 数据挖掘及生成过程缺乏透明解释 制约监管合规能力和模型可靠应用 [6] - 金融决策要求极高精准性 微小偏差可能造成显著影响 需确保AI决策可信 已逐步形成标准方法 平台与工具 [6] 不确定性挑战 - AI引入带来不确定性挑战 部署前无法预知投资回报率或具体商业成效 要求机构有先期投入与探索意愿 [7] - 金融机构需在战略规划 组织架构设计和人才引进等方面持续创新与调整 [7]

核心观点 - 九方智投通过"九方灵犀"智能投顾系统解决传统投顾服务的三大痛点：响应效率低、个性化策略缺失和内容生成能力不足 该系统依托九章证券大模型的金融语言理解能力 实现7×24小时智能化服务 累计对话量超1800万次 用户满意度超50% 并成功赋能大小额业务线[4][5][6][7] 行业痛点分析 - 投顾服务供需严重不对称 用户咨询响应效率低 传统团队难以实现7×24小时高频响应[1][4] - 个性化策略推荐困难 用户画像和风险适配缺失 难以实现千人千面定制服务[2][5] - 内容生成能力有限 策略解读与市场解说缺乏连贯性与深度 人工生产更新周期长[3][5] 技术解决方案 - 搭建陪伴式智能对话助手 通过自然语言理解与金融知识图谱实现精准语义识别 支持AI实时问答和多轮跟进[4][5] - 构建动态用户画像系统 融合行为数据、交易记录和风险测评等多维信息 支持个性化内容推送和策略解读[5] - 开发热点事件快评系统 自动生成热点分析、资产清单和操作建议 结合多模态能力生成图文/视频内容[4][5] 系统架构实现 - 构建投顾知识图谱与专业语料库 统一MCP工具形成九方Tool Box[5] - 训练九章证券大模型增强金融术语理解 采用三阶段智能体对话模式确保准确率[5] - 开发多端交互系统 支持网页/APP/微信小程序接入 提供拟人化陪伴体验[5] 运营成效数据 - 全平台累计对话交互量突破1800万次 覆盖行情解读、策略推荐等多样化需求[7] - 用户智能投顾场景渗透率达10%+ 使用习惯向智能助手迁移[7] - 整体用户满意度超过50% 在专业性和时效性维度获广泛好评[7] 业务赋能价值 - 小额业务与量化工具产品联动 提升策略转化率与留存效果[7] - 大额业务结合股票账户诊断服务 生成持仓分析和策略优化建议 增强高净值客户服务深度[7]

核心观点 - 2025年金融业大模型应用从试点走向规模化量产，成为金融机构核心竞争力，推动投顾、投研、营销、合规等场景的深度变革 [3] - 行业通过监管完善、算力成本下降、模型能力提升和生态成熟实现技术下沉，大模型从概念验证转变为大众可及的生产工具 [5] - 金融大模型发展路径涵盖基准构建、实践应用和行业赋能，最终目标是从功能可用升级至效果可证和生态共生 [3][20][24] 发展路径 - 2025年成为规模化落地分水岭，GPU算力租赁价格大幅下降，监管框架落地扫清使用障碍 [5] - 基座模型调用单价持续下探，应用案例与插件生态日益丰富，解决成本和使用体验问题 [5] - 领先实践锚定真实用户行为数据，例如问财Hithink大模型基于千万级投资者数据构建需求提炼-场景验证-技术迭代-数据反哺闭环 [6] 基准构建 - 行业推出深度融合实际场景的评估基准，覆盖数值计算、链式推理、信息抽取、趋势预测与百科问答等核心能力 [8] - 基准数据集规模达数万至十万余条，包含中英双语样本，输入长度跨度极大以匹配短口令和长研报并存场景 [8] - 评估框架采用多阶段维度解耦，从答案正确性、推理可靠性到指令遵循一致性层层把关，减少单一判分偏差 [8] - 闭源模型在异动溯源分析、金融数据描述等任务表现突出，开源模型在部分细分任务中超越闭源旗舰模型 [9] 实践应用：智能投顾 - 金融智能体平台支撑千万级日活，具备工具+服务+合规三位一体能力，内置MCP协议对接外部服务 [12] - 语义指标平台统一结构化数据业务语义层，检索增强生成引擎处理非结构化碎片，通过动态知识库和溯源验证解决准确性、时效性与合规性痛点 [12] - 平台提供低代码可视化组件，支持业务人员快速拼装AI应用，智能体在生产环境中随真实数据自我迭代 [13] 实践应用：智慧投研 - 智慧金融终端围绕金融数据-逻辑框架-投研落地闭环，覆盖股票、基金、债券、期货等完整数据 [14] - 智能取数、可视化分析与溯源校验实现数据从可查到易用，研究框架将数小时逻辑梳理工作压缩至即时呈现 [14] - 场景化智能体提供开箱即用功能：银行授信报告一键聚合企业数据，行业报告秒级输出，产业图谱自动挖掘标的，AI搜索实时追踪热点 [15] 行业赋能：效率革新 - 智能投顾机器人处理客户需求示例：100万资金适中风险偏好，1年内稳健收益需求，生成包含股票、基金、债券的资产配置建议并实时调整 [17] - 智能投研终端输入分析新能源汽车行业竞争格局需求，自动生成涵盖市场规模、财务对比、技术趋势的结构化报告 [18] 行业赋能：普惠价值 - 中小机构通过标准化服务接入成熟大模型，例如智能客服系统和专业智能终端，无需巨额研发投入 [19] - 低代码开发模式降低应用搭建门槛，业务人员可通过组件编排开发个性化智能营销智能体 [19] 未来展望：供应商能力 - 供应商选型标准从技术交付转向战略共建和效果可证，需具备五大能力：智能上下文管理、数据整合处理、金融工具MCP沉淀、客户全周期服务、行业专业知识 [21][22] - 具体能力要求包括主动管理上下文窗口、处理多源异构数据、构建行业知识库、提供场景咨询和评测体系支持 [22] 未来展望：智能体驱动 - 智能体从办公辅助向核心业务决策渗透，重塑金融价值链，推动从知识外包向智慧共生转型 [23] - 智能体需具备上下文管理、数据整合、金融知识沉淀、客户全周期服务等核心能力，以应对产业链分析、财务指标挖掘等高阶任务 [23] - 发展路径沿工具-平台-生态演进：向下扎根专业评估基准，向上融合应用平台，向远共建安全普惠生态 [24]

调研活动 - 知名私募睿扬投资于9月3日对上市公司云从科技进行调研 参与形式为公司业绩说明会 [1] 云从科技业务亮点 - 通过产业投资布局AI推理芯片研发 战略投资国内RISC-V领域领先企业奕斯伟计算 [1] - 与多家金融机构合作提供金融大模型 大数据服务 风控 营销 活体检测及双录等服务 [1] - 技术产品在无人车和无人驾驶领域应用于智能网联汽车"车路云"协同系统 并参与特定场景和业务 [1] 睿扬投资机构背景 - 成立于2017年1月 主营二级市场私募证券投资基金业务 管理人登记编码P1062872 观察会员编码GC190030259 [2] - 具备"3+3"投顾资格 资产管理规模约100亿元 基金经理平均从业年限超10年 [2] 投资业绩荣誉 - 彭砚2021年9月获第12届中国私募金牛奖三年期金牛私募投资经理(股票策略) 2020年8月获一年期同类奖项 2020年1月获金长江奖2019年度优秀私募基金经理 [3] - 睿扬精选2号2020年10月获中国基金业私募英华奖一年期股票策略奖 2019年收益106.99% 月度最大回撤2.37% 2020年收益64.42% 近一年最大回撤6.26% 2021年收益32.10% [3] - 睿扬专享1号2021年4月获证券时报金长江奖2020年度绝对回报基金产品(三年期) 2020年1月获2019年度绝对回报基金产品(一年期) 2019年收益85.69% 月度净值最大回撤0.33% 2020年收益67.80% 近一年最大回撤7.16% 2021年收益33.73% [3] - 公司2021年7月获第十二届金阳光奖三年卓越私募公司奖(股票策略) 2019年11月获中国金鼎奖年度最具成长性私募基金公司 实现五大奖项全满贯 [3]

金融科技应用 - 金融大模型推理效率倍增 日均调用量同比增长96.96% [1] - 累计赋能授信审批、智能客服等274个行内场景 [1] - 数据共享渠道持续拓宽 数据要素价值进一步发挥 [1] 线上平台建设 - 手机银行与建行生活"双子星"用户总数达5.33亿户 [1] - 月活用户达2.43亿户 同比增长14.40% [1] - 当年金融交易用户数占比同业领先 [1] 数字人民币试点 - 累计实现消费笔数5.22亿笔 消费金额1048.47亿元 [2] - 数字经济核心产业贷款余额8523.77亿元 [2] - 较年初新增1009.77亿元 增幅13.44% 高于全行贷款增幅 [2]

核心财务表现 - 2025年上半年营业收入达到8.61亿元，同比增长11.24% [2] - 归属于上市公司股东的净利润为-5,263万元，较上年同期亏损有所收窄 [2] - 经营活动产生的现金流量净额为-4.60亿元，主要由于成本费用增加所致 [2][4] - 总资产为17.42亿元，较上年度末下降4.47% [2] - 加权平均净资产收益率为-4.49%，基本每股收益为-0.113元/股 [2] 业务发展情况 - 公司专注于AI技术方案研发，整合金融大模型资源，推出多模态数据处理和大模型调优核心产品 [3] - 形成"双助力"体系，将金融客户信创要求与数智化转型深度融合 [3] - 构建完整AI产品矩阵，包括猛禽平台、AI研发底座、多智能体协作平台等12项核心产品 [3] - 与通义千问、百川智能、DeepSeek等领先大模型企业建立合作关系 [3] - 与华为、寒武纪、曙光等国产CPU、GPU厂商合作，获得多项国产AI基础软硬件平台认证 [3] 资产与负债结构 - 货币资金为9,888万元，较年初下降47.32%，主要由于经营性资金消耗 [4] - 应收账款为3.90亿元，较年初增长70.74%，主要由于确认收入暂未回款 [4] - 存货为2.09亿元，较年初增长109.00%，主要由于在产品增加 [4] - 短期借款为6,681万元，较年初增长228.85%，主要由于贷款增加 [4] - 境外资产为7,389万元，占总资产比例4.24% [4] 投资活动 - 对外股权投资金额为1,188.80万元，主要投资金科览智科技（北京）有限公司 [5] - 交易性金融资产为4.14亿元，其中股票投资1.99亿元，债券投资1.71亿元，私募基金投资1.64亿元 [5] - 公允价值变动收益为2,011万元，主要由于基金股票收益变动 [4] - 投资收益为492万元，较上年同期下降56.29% [4] 子公司经营情况 - 主要子公司包括天明环保、计算机公司、南京友田等7家子公司 [7] - 天明环保报告期净利润为-649万元，计算机公司净利润为-113万元 [7] - 报告期内通过非同一控制下企业合并取得金科览智科技(北京)有限公司 [7] 公司治理 - 公司完成董事会换届，推举郭华强、耿俊岭等6人为董事候选人，陈为、杨易、黄溶冰为独立董事候选人 [8] - 聘任林路为公司总裁，魏宽宏、陈宇、叶晖、姚辉、李云波为副总裁 [8] - 公司制定《2024年度"提质增效重回报"行动方案》，聚焦经营主业和投资者回报 [8] 股东结构 - 普通股股东总数为67,338户 [9] - 前三大股东为杭州信雅达电子有限公司（持股78,106,006股）、郭华强（持股11,690,152股）、窦科（持股6,494,900股） [10] - 香港中央结算有限公司持有438万股，占比0.94% [10]