核心观点 - 江宁区发布《优化数据基础设施建设促进数字经济高质量发展三年行动计划（2025-2027年）》，提出到2027年全面建成数字经济全产业链推进体系，打造3个数字产业集群、2个数据特色产业园区和2个数据产业创新联合体，集聚500家规模以上数字经济企业 [1] - 行动计划包含优化算力供给体系、促进数据高效流通、推广AI大模型应用、打造示范应用场景4个方面15项任务 [1] - 现场发布数字政府"应用场景"和数字经济"供需场景"，促进数据供需精准对接 [2] - 启动"数算网智一体化生态圈"，18家单位将实现区域内算力资源统一调度和普惠接入 [3] 行动计划内容 - 优化算力供给体系：建设数算网智一体化平台，完善算力智能匹配，降低算力使用成本 [1] - 促进数据高效流通：推进高质量数据集建设，搭建可信数据空间，强化数据安全管理 [2] - 推广AI大模型应用：未提及具体内容 [1] - 打造示范应用场景：围绕智慧城市、智慧政务、智慧民生等领域开发示范场景 [2] 数字经济现状 - 江宁区数字经济核心产业规模以上企业达443家 [2] - 2023年上半年实现数字经济产值近900亿元 [2] 未来发展目标 - 打造智能电网、信息通信、未来网络3个数字产业集群 [1] - 建设紫金山科技城、麒麟科技城2个数据特色产业园区 [1] - 构建具身智能、工业人工智能2个数据产业创新联合体 [1] - 通过数算网智一体化生态持续完善，进一步释放数据要素价值 [3]

数字金融内涵与定位 - 数字金融是当前时代的金融新基建，为普惠金融、绿色金融、科技金融、养老金融等关键领域提供基础设施支撑，本质上是金融科技的高阶发展阶段 [2] - 数字金融以数据为核心生产要素驱动金融业态升级，行业已从概念探讨转向具体落地 [2] - 数字化转型并非简单的技术叠加，而是通过夯实数据底座让创新自然生长 [1] 组织架构与战略实施 - 公司构建双专委会组织架构，包括由行长担任主任的数字金融推进委员会统筹全局规划，以及在信息技术委员会下设立人工智能创新应用专委会聚焦技术创新 [2] - 执行层面由信息技术部和大数据部承接，负责搭建数据中台、科技中台和AI中台实现资源集约化，并按照业务领域划分敏捷支持前线业务 [3] - 组织注重平衡自上而下顶层设计与自下而上创新空间，设立创新基金鼓励科技创新贡献 [3] 公司差异化战略 - 公司定位清晰主攻数字金融和普惠金融，目标做到小而美，不追求宏大规模而在客群、科技、产品上形成差异化 [4] - 客群上服务长尾客户，科技上发挥数字银行优势，产品上注重提升客户体验，在细分领域做精做专 [4] - 作为国有背景数字银行坚持"以义取利，不唯利是图"的价值观，在业务开展中保持克制审慎经营 [3] 数据治理与基础建设 - 数据要素是数字金融的根基，公司近年花费大量心思进行数据治理，将数据资产和知识库积累视为核心长期工作 [4] - 在AI时代可借鉴科技公司让数据中台强大运转，如同工业时代的内燃机为业务持续注入动力 [4] - 数据工作是苦活累活，需要在用户生命周期每个节点做好记录、标签化和资产化，筑牢数据根基后创新自然会生长出来 [9] 大模型应用与成效 - 大模型在标准化程度高、需处理大量文本的场景中已发挥降本增效作用，尤其关注AI Agent多智能体协同已到拐点 [5] - 反洗钱工作应用大模型后，从过去人工一天处理3000多份文件变为系统几分钟内完成，效率准确率远超人工 [5] - 代码助手应用可学习优秀程序员编码逻辑培养数字员工，当代码采纳率足够高时可有效提升开发效率 [6] 客户服务交互演进 - 公司通过大模型推动服务模式从被动响应向主动感知升级，交互方式发生变革 [7] - 客户交互经历三个阶段演进：从1.0版本客户自行寻找产品，到2.0版本千人千面智能推荐，现正向3.0版本一句话银行迈进 [7] - 一句话银行模式下客户只需说一句话，系统就能识别需求调用服务完成操作，无需繁琐菜单查找 [7] AI治理与风险管理 - AI治理需要平衡监管与创新，兼顾技术与管理，企业需从制度和技术手段建立安全围栏设置边界责任 [10] - 基础模型采用备案制适合行业发展，治理上区分基础模型和行业应用可针对性采取措施 [10] - 管理手段关键，可考虑设立AI伦理专委会或通过协会组织建立行业规范，以自律弥补监管空白 [10]

产品定位与功能演进 - 手机设备已成为生产力工具 特别是在外卖快递等行业的应用场景 [1] - AI大模型显著提升视频剪辑等终端能力 结合云端算力解决复杂计算需求 [2] - 影像技术从平面向深度信息维度升级 实现立体化视觉体验 [2] 跨设备生态战略 - MR设备具备多重功能定位 涵盖娱乐观影 游戏及生产力工具场景 [1] - 生产力工具范畴扩展至学习与办公等专业领域应用 [1] 产业链发展理念 - 公司倡导产业链共荣发展模式 强调文化价值观驱动生态协同 [3]

核心财务表现 - 2025年上半年营业收入156.57亿元 [1] - 归属上市公司股东净利润33.75亿元 [1] - 每股盈利0.4037元 [1] 行业发展与战略布局 - 公司把握生态文明建设和能源转型机遇 [1] - 紧密跟踪各省新能源上网电价市场化改革实施方案 [1] - 深化"六位一体"营销体系并参与市场化规则制定 [1] - 动态优化交易策略实现中长期与现货交易精准衔接 [1] - 积极开拓绿证外销市场与储能充放电计划 [1] 科技创新与数字化转型 - 搭建新能源数字化平台与AI大模型"三比三看"对标体系 [2] - 获批国家重点项目包括风电场规划设计关键技术及软件开发 [2] - 开展风机叶片与光伏板表面防冰涂层技术研究 [2] - 立项省级送端电力系统安全高效运行示范工程 [2] - 发布"擎源"发电行业大模型覆盖五大核心业务域与20个专业智能体 [2]

市场环境与公司股价表现 - A股突破3700点创2020年10月以来新高 市场进入"慢牛市"阶段[1] - 投资者更关注企业长期价值而非"烧钱换量"故事 中概股迎价值回归[1] - BOSS直聘港股股价达88港元 创一年半新高[1] 港股增发计划 - 公司启动港股普通股公开发售 拟发行3000万股A类普通股 占发行后总股本3.2%[3] - 增发中10%份额（300万股）向个人投资者开放 国际配售已超额认购逾3倍[5] - 采用公开发售而非定增模式 旨在重塑港股市场关系结构并吸引长期投资者[5] 财务表现与收入结构 - 2025年第一季度营收19.23亿元 净利润5.12亿元[5] - 过去十二个月内付费企业客户数达640万[5] - 收入99%来自企业招聘付费 求职者付费仅占1%[5] 战略聚焦方向 - 公司聚焦蓝领市场和AI技术两大领域 以提升经营确定性[1][5] - 基本盘为白领招聘 当前向蓝领市场下沉并构建AI技术基座[5] 蓝领业务发展 - 2025年第一季度蓝领收入占比达39% 新增用户中蓝领占比超45%[6] - "海螺优选"计划保障职位真实性 入驻企业数/职位数/覆盖求职者数同环比稳健增长[6] - 推出"极速约面"功能 将蓝领求职者从开聊到面试时间缩短至秒级[6] AI技术应用 - 基于DeepSeek-R1与自研"南北阁"模型深化AI应用[9] - AI Agent服务使招聘者匹配效率提升25%[9] - AI模拟面试工具向学生和工作3年内求职者全量开放[9] - AI融入安全审核流程 风险识别准确率提升 审核效率提高30%[9] 用户增长与活跃度 - 2025年第一季度平均月活跃用户数（MAU）达5760万[9] - 2025年1-4月累计新增完善用户超1500万[9] - 春节后单个用户达成数量同环比均保持上涨[9]

数字金融内涵与定位 - 数字金融是当前时代的金融新基建 为普惠金融 绿色金融 科技金融 养老金融提供基础设施支撑 本质是金融科技的高阶发展阶段 以数据为核心生产要素驱动金融业态升级[4] - 数字金融与金融科技概念相近但代表更高级形态 数字化转型依赖数据根基 行业从概念探讨转向具体落地[4] - 数字银行核心是科技和数据 尤其是数据资产积累成为长期核心工作[6] 组织架构与战略实施 - 发展数字金融需以战略为牵引组织架构适配业务需要 公司构建双专委会架构 数字金融推进委员会由行长担任主任统筹全局 人工智能创新应用专委会聚焦技术创新与落地[4] - 信息技术部和大数据部承接执行 搭建数据中台 科技中台 AI中台实现资源集约化提高供给能力 按业务领域划分敏捷支持前线业务 考核绑定保障目标一致[5] - 注重自上而下顶层设计与自下而上创新结合 设立创新基金鼓励程序员贡献科技创新 AI深度应用使业务与科技数据部门边界模糊 需重新划定组织架构和责任边界[5] 公司定位与差异化策略 - 公司成立初心是通过数字化能力践行普惠金融服务小微企业探索银行业数字化转型新路径 坚持国有背景数字银行以义取利不唯利是图价值观 保持克制审慎经营[5] - 定位清晰主攻数字金融和普惠金融 目标小而美 不追求宏大规模 在客群 科技 产品上形成差异化 服务长尾客户发挥数字银行优势提升客户体验 在细分领域做精做专发挥边际效应[6] - 数据治理投入大量心思 缺乏庞大线下网络使数据资产和知识库积累成为核心长期工作 借鉴科技公司让数据中台强大运转为业务持续注入动力[6] 大模型应用与业务提升 - 大模型在金融行业应用传递较慢 基础模型演进到应用端需要时间 金融领域封闭合规要求高 取决于基础大模型能否为银行业做出细分领域适配版本 与训练数据强相关[7] - 大模型在标准化程度高需处理大量文本场景中已发挥降本增效作用 重点关注AI Agent发展 多智能体协同到拐点能处理复杂工作[7] - 反洗钱工作应用大模型后 系统按预设规则自动判断名单与行内客户匹配度及风险特征 原每天处理3000多份文件达工作饱和 现同样工作量几分钟完成效率准确率远超人工[8] - 代码助手让模型学习优秀程序员编码逻辑与风格培养数字员工参与编程 代码采纳率足够高时有效提升开发效率实现降本增效[8] - 风控模型开发中同样任务派发给算法工程师和风控智能体 智能体在完成效率和KS值提升方面略胜一筹[8] 客户服务与交互演进 - 通过大模型推动服务模式从被动响应向主动感知升级 交互方式发生变革[8] - 客户交互经历三阶段演进 10版本产品如货架商品客户自寻 20版本千人千面智能推荐基于客户画像提供个性化展示 30版本一句话银行实现更精准需求识别和服务推送[9] - 倡导一句话银行产品服务模式 客户只需说一句话系统识别需求调用服务完成操作 无需繁琐层层菜单查找[9] - 应用智能客服通过意图识别和参数提取把握客户需求 小程序实现服务卡片化 如客户开具存款证明时通过语音交互说明需求系统直接发送证明到邮箱提升体验[9] - 深度分析客户需求智能化匹配不同期限不同机构产品 在服务推送层面创新[9] 数据基础与创新关系 - 数据工作是苦活累活 数据产生伴随用户生命周期 需在每个节点对每个动作记录然后标签化最后资产化 行业未能完全做好这部分工作[10] - 创新应集中在数字资产应用如AI应用 AI应用如树苗底层土壤是数据 数据基础打牢后创新自然像枝干生长 工作重点先筑牢根基做好数据收集整理归集应用基础工作[10] AI治理与风险管理 - AI治理需平衡监管与创新兼顾技术与管理 企业从制度和技术手段建立安全围栏设置边界责任 不超越范围使用[11] - 基础模型采用备案制适合行业发展 金融机构一般不自行开发基础大模型更多应用层面探索 治理区分基础模型和行业应用针对性采取措施 防范风险同时为创新留出空间[11] - 管理手段关键 行业缺乏成熟经验 可设立AI伦理专委会或通过协会组织建立行业规范 以自律弥补监管在道德与法律模糊地带空白 技术与管理并重监管与自律结合推动AI技术健康发展[12]

市场表现 - 8月20日A股三大指数走势分化 上证指数盘中上涨0.11% 有色金属、食品饮料、银行等板块涨幅靠前 计算机、医药生物跌幅居前 [1] - 机床板块走强 截至10:27机床ETF（159663.SZ）上涨0.08% 成分股浙海德曼上涨11.14% 国机精工上涨8.61% 宁波精达上涨4.85% 厦门钨业上涨4.82% 中钨高新上涨2.77% [1] 机器人行业前景 - IDC预测2029年全球机器人市场规模突破4000亿美元 中国市场将占据近半份额 [1] - 2024年全球商用服务机器人出货量突破10万台 配送机器人和清洁机器人占据市场主导地位 [1] - 中国厂商以84.7%的出货份额领跑全球商用服务机器人市场 [1] 人形机器人发展 - 华创证券研报指出AI大模型开源与英伟达Cuda机器人生态系统开放推动人形机器人产业迅猛发展 远期市场空间有望达10万亿级别 [1] - 人形机器人正处于从0到1的量产初期 智能化及成本优化是主要攻克难题 [1] - 头部企业量产节奏显示2025年有望成为人形机器人量产元年 [1] 机床ETF产品特性 - 机床ETF（159663）紧密跟踪中证机床指数 涵盖激光设备、机床工具、机器人、工控设备等高端装备制造领域 [2] - 该ETF是新质生产力理念强调创新驱动与产业升级落地实践的核心阵地 [2] - 场外联接基金A类代码017573 C类代码017574 [2]

行业演变 - 买量已成为中国游戏厂商核心技能 从依赖应用商店渠道转向社交媒体和短视频平台投放[1] - 4G普及和算法成熟推动买量策略升级 厂商建立CPC/CPT/CPA模型优化转化[5] - 国内流量红利见顶促使出海买量成为新战场 但面临渠道碎片化和归因差异挑战[1][6] 渠道变革 - 早期游戏分发依赖硬核联盟等应用商店渠道 采用联运分成换取推广资源[4] - 2015年小米/腾讯等推出开发者扶持计划 改变渠道垄断格局[4] - 当前买量市场由微信/抖音/快手主导 海外则分散在Facebook/Google/TikTok等平台[7] 出海策略 - 海外买量需适应本地化特征 Snapchat等平台需原生内容广告提升转化[8] - 厂商组建本地化团队 结合线上投放与线下社群运营[9] - 投放策略从全球通投转向区域精细化 聚焦中东/巴西等T2/T3市场[9][10] 技术挑战 - 隐私政策收紧(GDPR/ATT)导致追踪精度下降 归因模型转向概率推断[11] - 行业通过数据协同提升投放精度 Snapchat等平台推出Server-to-Server归因方案[12] - AI模型如Unity Vector提升15%-20%安装量与内购金额 推动智能化投放[15] 成本趋势 - 2025年TOP100游戏买量成本达180亿元 同比增速86.6%[13] - A股游戏公司销售费用率从2020年24%升至2023年29%[14] - 效果广告触达上限促使品牌广告结合 Twitch主播等内容营销崛起[14][15] 策略转型 - 粗放式买量难以为继 行业转向品效合一与精细化运营[1][14] - 海外市场需重构素材设计 例如Snapchat强调真实社交体验[8] - AI大模型引入买量领域 自动化优化投放效率[15]

中国游戏行业买量发展历程 - 过去十年间买量成为中国游戏厂商必须掌握的核心技能 从依赖应用商店渠道转向自主买量投放[1] - 2015年前后移动游戏兴起 应用商店成为最重要分发渠道 厂商采用联运渠道服、CPS等方式换取宣传资源[4] - 2014年硬核联盟成立 2015年小米腾讯等推出开发者扶持计划 渠道话语权加强[4] - 4G普及和社交媒体崛起推动买量成为核心策略 厂商建立CPC/CPT/CPA模型优化投放[5] - 早期市场玩家增长快、品类空白 粗放式买量即可盈利 策略精细化厂商占得先机[5] 出海买量挑战与调整 - 海外市场平台碎片化 归因机制差异 隐私政策收紧 粗放模式难以为继[1][6] - 国内集中微信抖音等大平台 海外分散Facebook/Google/Meta/TikTok等[7] - 国内依赖设备参数归因 海外使用GAID/IDFA通过第三方平台追踪[7] - 国内多账号重复投放模式在海外失灵 触发末次点击机制推高成本[8] - 厂商组建本地团队 国内线上与海外线下配合 适应后买量效果全球领先[9] - 出海思路转变 从全球通投转向细分市场 关注T2/T3市场精细化运营[9][10] 隐私政策影响与应对 - GDPR/CCPA等政策出台 苹果ATT限制IDFA 谷歌隐私沙盒模糊个体信息[11] - 投放可追踪性下降 定向不精细 归因准确性降低[11] - 行业达成数据协同共识 平台与广告主通过API/server-to-server方式共享数据[12] - 采用增量测试等实验手段 结合第三方数据提升归因灵活度[12] - 经过3-4年摸索 回归设备层级数据概率归因方式[12] 买量成本与策略演变 - 2024年上半年TOP100游戏买量金额近100亿元 2025年上半年同比增长86.6%至180亿元[13] - A股游戏公司销售费用率从2020年24%升至2023年29%[14] - 效果广告边际效应递减 行业向品牌与效果广告并重转变[14] - 效果广告触达人群有上限 需品牌效果并行挖掘[14] - 用户更信任主播真实游玩内容 影响购买决策[14] - AI大模型提升投放效率 Unity新一代AI平台安装量和内购金额提升15%-20%[15] - 投放逻辑向自动化智能化发展 机器学习替代人工作业[15]

证券类App月活增长 - 7月份A股新开账户数超196万户，环比增长19.27%，同比增长70.54% [1][2] - 前7个月A股新开账户合计1456.14万户，同比增长36.88% [2] - 证券类App月活人数达1.67亿，环比增长3.36%，同比增长20.89% [1][2] - 11家券商旗下App月活超500万，头部券商占据领先地位 [2] - 涨乐财富通月活1135.58万，环比增长3.53%；国泰海通君弘979.71万，环比增长3.24%；平安证券840.85万，环比增长3.36% [2] - 50个证券类App月活均环比上涨，平均增幅3.78%，西南金点子环比增幅最高达8.49% [3] - 第三方证券App同花顺、东方财富、大智慧月活分别为3501.05万、1714.09万、1191.86万 [3] 券商App功能升级 - 券商通过AI大模型赋能App，优化行情异动解读等功能 [1] - 国泰海通证券推出灵犀App，依托大模型打造智能服务界面，支持对话查询行情、个股等 [4] - 东吴秀财App上线"AI看自选"功能，提供自选股异动、资金动向等信息 [4] - 东方财富证券升级大盘异动盯盘功能，覆盖个股、板块异动并增加解读 [5] - 财信证券整合自选盯盘、盘面播报等内容，智能分发提升看盘效率 [5] 行业竞争与趋势 - AI大模型在金融业逐步实现规模化落地，融入行情解读、资讯分发、投顾等场景 [4] - 券商通过AI赋能满足投资者个性化需求，优化用户体验并降低运营成本 [4] - 证券类App竞争白热化，简洁操作、人性化设计和技术升级决定用户体验与留存率 [6] - 券商可依托金融科技强化智能投顾、资讯整合等服务，抢占市场拓展业务边界 [6]