公司基本信息 - 投资者关系活动类别为特定对象调研和现场参观 [2] - 参与单位有华创证券、太平洋证券、翊安投资 [2] - 活动时间为2025年6月11日，地点在公司展厅及会议室 [2] - 上市公司接待人员有董事会秘书、财务总监鲁效停和证券事务部助理张慧丽 [2] 公司业绩情况 - 2024年度营业收入中，定制化软件开发及服务占比约78%，标准化软件产品开发及销售业务占比约22% [2] - 标准化软件产品业务销售收入同比增长约30% [2] 公司业务情况 标准化软件产品业务 - 已成功研发轻骑兵低代码开发平台等一系列标准化平台类软件产品 [2][3] - 业务行业覆盖面广，潜在客户群体庞大，毛利率高于定制化业务，项目实施和回款周期短 [3] 人工智能业务 - 研究方向包括大语言模型等AI技术，已推出智能问答等AI相关产品或解决方案 [4] - 落地较多场景案例，如电力灾害应急预案问答等 [4] 航空航天业务 - 为客户提供定制化解决方案和通用软件产品，典型客户有航天科技等 [4] - 具备相关涉密资质，可承接涉密项目 [4] 轻骑兵低代码开发平台业务 - 已适配DeepSeek大模型，迭代优化为低代码PaaS平台 [5][6] - 基于DeepSeek大模型构建低代码领域专有大模型，提高配置开发效率和准确率 [6] 实验室管理系统业务 - 为检测型、研发型实验室设计，可提升实验效率，实现规范化管理 [7] - 具有可视化配置、自定义模板等差异化亮点功能，应用大语言模型等技术提升易用性 [7][8] - 适用性强，应用于能源等多个行业，有众多典型客户 [9] 公司发展战略 - 坚持“双轮驱动”发展战略，深化定制化业务，大力发展标准化通用软件 [9] - 研发上坚持科技创新，投入标准化通用软件建设，借助AI技术赋能核心产品 [9] 公司可转债情况 - 可转债转股期限至2029年11月26日，近期无修正转股价格意向 [10] - 将根据市场情况等因素促进可转债在转股期内完成转股 [10]

政府政策与行业支持 - 政府工作报告提出持续推进"人工智能+"行动，并将数字技术与制造优势、市场优势结合，支持大模型广泛应用，发展智能终端及智能制造装备 [4] - 轻工业、医药、食品等行业数字化转型政策密集出台，均提及人工智能赋能行业部署 [4] - 工信部专题会议部署"人工智能+"行动，强调推动大模型在制造业落地，加快全流程智能化升级，培育人工智能赋能应用服务商 [6] - 国家数据局等部门印发《"数据要素×"三年行动计划》，旨在解决数据供给质量不高、流通机制不畅等问题 [11] 人工智能产业发展与市场规模 - 2025至2029年中国AI产业预计保持32.1%的年均复合增长率，2029年市场规模突破1万亿 [5] - 2024年开发或应用人工智能的企业数量同比增长36%，高质量数据集数量同比增长27.4% [10] - 利用大模型的数据技术企业和数据应用企业同比分别增长57.21%、37.14% [10] 具身智能与人形机器人 - 具身智能成为人工智能与机器人技术融合的核心赛道，人形机器人企业如宇树科技获得关注和融资，但实用价值遭质疑 [2] - 赛迪研究院报告显示，用户对人形机器人的使用体验和安全性存在疑虑 [3] - 智源研究院理事长黄铁军表示，5-10年内具身智能有望代替人类从事不愿干、危险的劳动 [3] 行业应用与企业实践 - 北京大学教授翁翕认为，行业应用将呈现爆发式增长，通过智能体、垂类大模型等形式加速渗透 [5] - 中国石油数智研究院建设昆仑大模型，为能源化工行业首个通过国家备案的行业大模型 [7] - 中国移动布局人工智能领域，形成超2000人的AI人才队伍，加快"九天"模型特色能力突破 [7] 技术挑战与解决方案 - 高质量数据集面临数据存量小产量低、质量良莠不齐、缺乏高价值数据引领等问题 [10] - 人形机器人产品构建面临感知系统和控制算法深度开发不足、实际场景数据积累不足等瓶颈 [10] - AI幻觉问题突出，图灵奖得主Yoshua Bengio提出研发非代理性人工智能系统和全球协同治理方案 [12] - 国家互联网信息办公室等发布《人工智能生成合成内容标识办法》，推动生成内容全流程安全管理 [13] 数据生态与算力发展 - 数据安全和流通问题限制数据生态发展，部分企业探索合规使用模式 [11] - 工信部印发《算力互联互通行动计划》，提出到2028年基本实现全国公共算力标准化互联 [12]

核心观点 - 大语言模型技术日趋成熟，银行业正经历深刻技术变革，AI智能体技术可显著提升业务流程效率并创造新增长点 [2][3] - AI智能体在银行业应用广泛，包括客户服务、风险管理、智能投顾、运营优化等多个领域，已有多家金融机构取得显著成效 [10][12][13][14] - 银行业部署AI智能体面临数据隐私、算法偏见、系统集成、监管合规等多重挑战 [15][16][17][18][19][20] - 建议银行采用"循序渐进、由浅入深、分阶段赋能"的战略路径实施AI智能体技术 [22][23][24] - AI智能体代表银行业从"大模型"时代向"智能体驱动"时代的转型，是未来金融竞争的关键 [26][27] AI智能体技术概述 - AI智能体是指能够感知环境、进行决策并采取行动以达成目标的计算机程序或系统，核心目标是实现"感知→处理→决策→反馈"闭环 [6] - 智能体通常包含四大核心模块：感知模块(如NLP、CV)、决策模块(如LLM、RL)、执行模块(如API调用)、学习模块(如监督学习、强化学习) [6] - 技术框架层面已有多种AI智能体平台与开发框架，如LangChain、AutoGPT(国际)、Coze、AgentBuilder(国内)等 [4] 银行业AI智能体应用场景 客户服务类 - 中国工商银行"工小智"通过NLP技术准确识别客户意图，提升回答准确率 [10] - 中国招商银行"招小宝"整合NLP与知识图谱技术，自动解答大部分客户常见问题 [10] - 美国银行Erica智能助手已服务超4200万客户，完成超20亿次交互 [10] 智能投顾类 - 中国工商银行"AI投顾"平台结合大语言模型和行为画像，为客户生成个性化资产配置建议 [12] - 高盛Marcus平台整合AI引擎，为中层客户提供更贴近需求的投资建议 [12] 风险管理类 - 花旗银行与Feedzai合作开发"Citi Payment Outlier Detection"系统，利用机器学习识别异常交易 [12] - 中国农业银行反电诈平台结合图神经网络与大模型技术，大幅提升防诈准确率 [12] 运营与合规类 - 高盛推出"GS AI助手"生成式AI工具，帮助银行家、交易员提升工作效率 [13] - 渣打银行推出SC GPT生成式AI工具，赋能全球7万名员工 [13] - 工商银行"工小慧"员工助手基于自研大模型，为员工提供智能解答和知识支持 [13] 多智能体协同 - 在企业开户或信贷业务中，可构建"材料审核Agent""风险评分Agent"与"合规检查Agent"组成的协同系统 [14] 实施路径建议 - 第一阶段：聚焦降本增效，应用智能客服、数字员工、编程助手等 [22] - 第二阶段：强化风险管理，应用风险监测、欺诈检测等 [22] - 第三阶段：提升研究能力，应用智能投研、数据智能等 [23] - 第四阶段：驱动业务发展，应用智能投顾、智能获客、智能化交易等 [24] 未来发展趋势 - 多模态与自然交互升级，如虚拟理财咨询、图像识别辅助业务办理 [26] - 生成式AI深度融合，自动生成个性化理财报告、贷款方案书等 [26] - 智能体将更加自主与主动，从"被动工具"升级为"主动协作者" [26] - 多智能体协同网络构建，共同完成跨部门端到端业务流程 [26] - 可信AI与负责任AI框架将成为关键 [26]

公司概况 - 公司是从事物联网智能化产品研产销的高新技术与专精特新“小巨人”企业，以通信、定位、AI等技术为核心，基于自研无线通信模组提供智能终端产品及配套解决方案 [1] - 2024年度，公司营收14.02亿元，同比增加24.85%，净利润1.76亿元，同比增加0.81% [1] - 2025年一季度，公司营收3.48亿元，同比增加40.28%，净利润0.40亿元，同比增加14.42% [2] AI技术应用 - AI算法技术应用于商用车监控终端和云管理平台，智能车载视频行驶记录仪应用AI视觉算法技术，实现ADAS、DSM、BSD等功能 [2] - 公司完成Deepseek大语言模型和通义千问视频分析模型本地化部署，从云管理平台功能、产品研发效率、物联网场景拓展三个维度强化核心优势 [3] 政策与销售模式 - 《汽车行驶记录仪》（GB/T19056 - 2021）国家标准2021年发布，广东、河南部分市县高效完成智能视频监控设备安装，湖南、重庆等地要求更换智能车载设备 [3] - 公司智能车载终端产品面向汽车后装市场，行业形成设备厂商与车载运营服务商分工合作模式，公司负责研产销，服务商提供解决方案与运营服务 [4][5] 管理策略 - 公司采用事业部制管理产品研发，软件研发中心提供技术支持，各事业部研发中心负责具体实施 [5] - 公司对各事业部独立核算，考核利润指标，要求事业部强化利润意识，配合公司整体战略目标 [5]

模型发布 - 欧洲人工智能公司Mistral AI发布全新大语言模型系列Magistral，具备强大推理能力，可解决复杂任务[3][4] - 发布两个版本：专有模型Magistral Medium（企业客户）和开源模型Magistral Small（24B参数，Apache 2.0许可）[5] - 开源版本可自由商用，专有版本通过Le Chat界面和La Plateforme API访问[5] 性能表现 - Magistral Medium在AIME2024基准测试中得分73.6%（多数投票64%，最高90%），Small版本得分70.7%和83.3%[6] - 在GPQA Diamond（研究生级问答）和LiveCodeBench（编程挑战）等高要求测试中表现优异[7] - 编程能力突出，单次生成代码即可模拟重力、摩擦力等物理现象[10] - 支持多语言高保真推理（英语、法语、西班牙语、德语、意大利语、阿拉伯语、俄语、中文等）[11] 技术突破 - 采用自研可扩展强化学习流水线，完全依赖自有模型和基础设施[15] - 文本强化学习保持多模态理解能力，核心设计原则为"用户语言推理"[16] - 通过fastText分类器实现语言一致性奖励机制，减少混合语言输出[16][17] - 系统提示优化（如"尽可能随意/长"）显著提升模型探索能力[18] - Flash Answers技术实现10倍于竞品的token吞吐量，支持实时推理[14] 商业化进展 - 专有模型定价为输入2美元/百万token、输出5美元/百万token，较前代Mistral Medium 3（输入0.4美元、输出2美元）大幅上涨[21] - 横向对比显示价格竞争力：输入成本低于OpenAI最新型号，与Gemini 2.5 Pro持平，输出成本显著低于竞品[22] - 即将登陆Amazon SageMaker、Azure AI、IBM WatsonX和Google Cloud Marketplace等主流云平台[20] 迭代计划 - 公司计划以Magistral为起点加速模型迭代[25]

新华社柏林6月10日电 专访｜让AI智能体真正"看懂"世界——访德国弗劳恩霍夫研究所数据专家 措恩指出，要实现更高程度的自主能力，AI智能体所依赖的基础模型必须具备接收并理解其所处环境 的能力，尤其是在涉及现实任务的场景中。"系统要在真实世界中运行，首先得真正'看懂'这个世 界。"他说，将高精度的三维场景数据与多路传感器数据输入模型，以便其在空间中进行推理和判断， 是当前人工智能研究的前沿方向之一，但这项工作仍面临诸多挑战。 "目前的大语言模型本质上是为处理文字而设计的，擅长语言理解与生成。"措恩说，"而来自现实世界 的感知数据，比如三维点云，只是一些无序的坐标集合，并不自带语义结构。"他表示，要让模型真 正"理解"这些数据，必须开发新的数据表示方式和训练机制，将"非语言"信息转化为模型能够真正识别 和处理的形式。 措恩还谈到了AI智能体应用过程中最本质的问题——信任。他认为，AI智能体之所以能够获得用户信 任，关键在于其决策路径具有高透明性和可审查性。与单一语言模型不同，AI智能体会将复杂问题拆 解为多个明确的小任务，每一步都有清晰的逻辑和执行过程，更容易被理解和验证。 "用户可以清楚看到智能体是如何逐步推 ...

人工智能认知科学研究 - 中科院研究证实多模态大语言模型能自发形成与人类高度相似的物体概念表征系统 [1] - 该研究为构建类人认知结构的人工智能系统提供理论框架 [1] - 大语言模型内部存在类似人类对现实世界概念的理解 [1] A股人工智能板块表现 - 6月11日A股人工智能题材股显著反弹 科创板人工智能指数成分股中芯原股份涨超4% 天准科技 虹软科技 威胜信息 海天瑞声 安恒信息 晶晨股份涨超1% [1] - 科创板人工智能ETF（588930）现涨0.62% 实时成交额突破4000万元 连续7个交易日成交额超5000万元 [1] - 科创板人工智能ETF跟踪的指数布局30只科创板人工智能龙头 覆盖AI全产业链 前五大成分股合计权重47% [1] AI行业投资价值 - 国泰海通证券认为当前全球科技竞争背景下AI板块展现显著投资价值 [2] - 我国科技自立自强趋势推动国产EDA工具发展 为计算机行业注入新活力 [2] - 我国在大模型领域研发能力达世界先进水平 DeepSeek R1表现接近国际顶尖模型 [2] - 豆包App升级拓展AI应用场景 支持视频聊天问答 [2] 相关产品 - 科创板人工智能ETF（588930）覆盖AI全产业链 聚焦五大行业 [3]

苹果AI战略 - 公司强调AI战略重点在于系统集成而非开发传统聊天机器人 [1] - AI设计为后台运行框架而非独立应用 旨在提升日常操作体验 [3] - 战略与市场常见聊天机器人模式形成鲜明对比 [3] 技术实现路径 - 将AI深度嵌入操作系统以实现跨设备个性化交互 [3] - 与ChatGPT合作使用户能访问工具 同时确保隐私安全 [3] - 未来可能为Siri引入大语言模型支持但坚持不推独立AI应用 [3] 差异化竞争策略 - 不开发独立AI应用或聊天机器人 选择系统级整合 [3] - 类比不打造类似亚马逊购物平台或YouTube竞品的逻辑 [3] - 专注于优化用户体验而非技术领域全覆盖 [3]

Transformer架构的核心地位 - Transformer的自注意力机制在推理时能灵活建模长距离上下文，使其成为大语言模型不可替代的核心组件，尽管存在计算复杂度为二次方的问题 [1] - 线性复杂度的替代方案（如RNN、Linear Attention、SSM等）难以真正取代Transformer的地位，尤其在decoder-only架构广泛采用后，自注意力机制的重要性进一步凸显 [1] - 自注意力机制带来的KV缓存问题成为推理效率的关键瓶颈，其显存和带宽开销随模型参数维度扩大而显著上升，限制了推理长度与batch size [1] KV缓存的优化挑战与现有方案 - 当前主流大模型采用Grouped-Query Attention（GQA）机制，通过减少Key/Value头数量来减小KV缓存规模，在效率与效果间取得平衡 [5] - Multi-Query Attention（MQA）是GQA的极端形式，显存占用大幅减少但性能显著下降，而GQA成为大语言模型中最常见的注意力变体 [5] - DeepSeek团队提出的Multi-head Latent Attention（MLA）通过在隐空间压缩KV特征维度提升推理效率，但隐空间压缩幅度受限，KV缓存存储开销仍是瓶颈 [7] MTLA的创新与核心技术 - MTLA首次将时序压缩与隐空间压缩结合，在KV缓存的两个维度同时施加时空压缩策略，显著降低显存与计算成本 [2] - MTLA通过超网络动态融合相邻时间步信息，并设计步幅感知因果掩码确保训练与推理一致性，保持甚至略优于传统注意力机制的性能 [2][14] - 时间压缩率s=2时，MTLA对KV缓存的压缩程度与MQA相当但性能更优，且具备进一步压缩空间 [12][21] MTLA的训练与灵活性 - MTLA引入步幅感知因果掩码解决训练与推理行为不一致问题，保留所有中间状态KV表达，通过矩阵乘法实现高效并行计算 [14][16] - 解耦的旋转位置编码（decoupled RoPE）进一步提升了效率，MTLA在注意力机制与线性模型之间架起桥梁，提供效率与性能的灵活权衡 [17][18] - 当时间压缩率s足够大时，MTLA几乎只保留一个KV缓存，退化为线性序列建模方法 [17] MTLA的性能表现与应用潜力 - MTLA在语音翻译、文本摘要生成等任务中保持与标准MHA相当的质量，同时实现超过5倍推理速度提升和8倍显存占用降低 [20] - MTLA具备大规模部署潜力，尤其适合参数规模扩大和生成序列增长的大语言模型场景，有望成为自注意力模块的重要替代方案 [23] - MTLA实现代码已开源，但工程落地需社区持续推动，改动复杂度高于GQA和MQA [24][25]

WWDC25核心观点 - 苹果在WWDC25上未展示AI领域的突破性进展 引发市场对其在AI时代落后于竞争对手的质疑 [1][3][4] - 公司重心放在设计美学改进而非AI技术突破 推出"液态玻璃"界面和游戏聚合应用等视觉导向功能 [3] - 股价在大会结束后下跌1.5% 2025年初以来累计下跌约18% 在美股"七巨头"中表现最差 [4][8] AI战略与挑战 - AI进展缓慢的三大原因：内部管理分裂导致路线分歧 技术瓶颈限制生成能力 隐私政策制约数据收集 [5] - Siri升级遭遇工程难题 多模态模型开发滞后 部分功能推迟至2026年 [5][6] - 与OpenAI等合作伙伴的整合进度落后 云端1500亿参数模型性能接近ChatGPT但未商业化 [7][9] - 竞争对手谷歌三星等快速推进AI终端整合 分析师预计苹果需3年才能推出现代化AI助手 [7] 产品与市场表现 - 车载系统Carplay和AirPods获功能拓展 但被评"缺乏兴奋点" [3][4] - Vision Pro头显技术未全面落后Meta和谷歌产品 [9] - 硬件业务受美国关税政策威胁 服务业务面临法律诉讼和监管压力 [8] 未来关键突破方向 - 需解决大语言模型战略的三道坎：跟上云端发展节奏 推动终端模型小型化 研发图像视频模型 [10] - 当前首要任务是修复与用户和开发者的关系 而非追求激进创新 [9] - Mac硬件销售持续强劲 公司整体仍保持盈利优势 [9]