来源：百亿基金经理内参 以下内容节选自诺安基金邓心怡最新调研纪要： 持续关注 AI 产业的三个核心预期差方向：应用、算力、以及与人类交互相关的核心消费终端。当前， 对这一框架的判断没有改变，但产业内部正在发生深刻的结构性演变。 1、算力：从 "需求验证" 进入 "利润验证" 与 "结构分化" 阶段 海外算力产业链无疑是 AI 行业最大的贝塔来源，其长期需求毫不怀疑。然而，产业发展已进入第三阶 段，市场的核心关切从 "需求真伪" 转向了 "利润实现"。 阶段演变回顾： 第一阶段（需求验证）：市场担忧 AI 应用是否为真命题，即用户活跃度（Token 消耗）能否持续增 长。这一担忧在 2023 年 9 月前后已被证伪。 第二阶段（收入验证）：市场担忧 AI 能否创造收入，避免陷入 "烧钱陷阱"。随着 OpenAI 等公司融资 披露和 ARR（年度经常性收入）的快速增长，这一担忧也已消退。 第三阶段（利润验证）：当前，市场开始担忧 AI 能否带来可持续的利润。近期海外云厂商（CSP）和 互联网大厂财报显示的营业利润率分化，正是这种 "AI 泡沫化" 隐忧的体现。 核心矛盾：成本刚性 vs． 收入弹性： 以行业标杆 ...

公司业务模式演进 - 创业起点为网络安全技术社区FreeBuf，通过翻译海外文献吸引中国第一批白帽用户 [3] - 2014年创立公司并建立漏洞众测平台“漏洞盒子”，成为国内最早倡导安全众包服务商业化的企业之一 [3] - 业务模式核心是通过平台调动全国白帽资源，为企业提供安全检测、安全运营和攻防演练服务，采用“企业发布任务，白帽解决问题”的逻辑 [3] - 建立游戏化成长体系激励白帽用户，包括任务制、赏金制、积分制、赛季制，平台拥有超15万名白帽用户和数千家企业入驻 [4] - 从社区平台起步，逐步演进至搭建服务数千家企业的漏洞众测与在线安全服务平台，并打造安全垂类大模型与智能安全云平台 [2][4] AI时代的安全挑战与公司战略 - AI时代企业面临两大安全挑战：对物理世界的失控以及推理过程不透明带来的失控 [2] - 公司将垂类数据视为AI时代的核心壁垒，平台沉淀的技术知识和人才资源构成差异化竞争力 [4] - 网络安全攻防博弈动态变化快，漏洞可能出现在任何地方，普通大模型难以学习 [5] - 公司自研安全垂类模型，构建具备原生安全推理能力的智能体，以“人机结合”方式提升服务效率并帮助企业降低成本 [6] - 将安全运营、漏洞管理、攻击面检测等服务整合为云平台AI原生的产品能力，形成“AI+平台”双循环新模式 [6] 财务表现与增长动力 - 2024年公司智能制造和企业级业务同步增长55.2% [6] - 2024年人均创收增长36.6% [6] - 2024年百万级以上大单增速超50% [6] - 业务量的爆发式增长由AI浪潮与战略升级双重驱动 [6] 行业地位与资本规划 - 公司上榜国家信息安全漏洞库（CNNVD）“优秀技术支持单位”及上海市委网信办网络安全单位重点名单 [4] - 旗下四款核心AI安全产品入选中国信通院“AI+网络安全产品能力图谱” [7] - 2024年7月与中国信通院人工智能所联合成立“可信+AI”安全实验室，并在WAIC大会上发起大模型安全能力基准测试 [7] - 2024年8月作为委员会代表参与上海人工智能安全工作委员会启动仪式 [7] - 累计获得超10亿元政府国资领衔的战略投资，2024年9月完成新一轮2亿元桥梁战略轮融资 [7] - 未来三年计划完成全栈平台产品和服务的AI化，并为公司利润创造AI时代的新增长点，为后续更大规模资本计划和IPO进程奠定基础 [7]

政策框架与目标 - 国务院印发《关于深入实施"人工智能+"行动》政策 以6大领域为重点培育新质生产力并服务中国式现代化建设 [1] - 设定三阶段发展目标：2027年人工智能与重点领域深度融合且应用普及率超70% 2030年应用普及率超90%且智能经济成为重要增长极 2035年全面步入智能经济和智能社会发展新阶段 [1] 重点应用领域 - 科学技术领域加速科学发现进程并驱动技术研发创新 [2] - 产业发展领域培育智能原生新业态并推进工业农业全要素智能化 [2] - 消费提质领域拓展服务消费新场景并推动智能终端"万物智联" [2] - 民生福祉领域创造智能工作方式与更有品质的生活 [2] - 治理能力领域开创社会治理人机共生新图景 [2] - 全球合作领域推动人工智能普惠共享与共建全球治理体系 [3] 基础设施支撑 - 提升模型基础能力与加强数据供给创新 [4] - 强化智能算力统筹与优化应用发展环境 [4] - 促进开源生态繁荣与加强人才队伍建设 [4] - 强化政策法规保障与提升安全能力水平 [4] 商业化应用关键要素 - 生态构建需满足to b端无缝对接业务流程与to c端快速培养用户习惯形成网络效应 [5] - 垂类数据结合强化学习可创造巨大价值 特别是高质量用户数据持续反馈形成的滚雪球优势 [5] - 人才储备是人工智能应用发展的核心要素之一 [6]