投资评级 - 维持买入评级 目标价31.36元 对应2025年56倍PE [3][10] 核心财务表现 - 2025H1收入9.20亿元 同比增长17.7% 归母净利润1.35亿元 增长14.7% [2] - 单Q2收入增速20.8% 归母净利增速80.8% 扣非归母净利下降31.9% [2] - 预测2025-2027年归母净利润分别为2.52亿/2.82亿/3.60亿元 [3][10] - 2025H1毛利率下降8.25个百分点至33.6% 主要因低毛利智算业务占比提升 [9] 业务板块分析 - 协同办公产品收入2.5亿元 同比增长2.0% 增速平稳 [9] - 智慧渠道产品线收入3.53亿元 增长14.8% 主要受益于5G新通话/AI营销助手等新产品 [9] - 智算服务与数据智能产品线收入2.84亿元 大幅增长50.1% 因智驾智算中心及算力服务进展显著 [9] 战略发展亮点 - 构建Rich AI"智算+开发+应用"全栈式AI服务体系 涵盖智算基础设施/大模型平台/应用开发 [9] - 推出AI智能邮箱/AI办公助手等智慧办公产品套件 以及AI营销助手/智能客服等融合创新 [9] - 智算业务逐步由系统集成转向组网技术服务及算力服务 对毛利率冲击将逐步弱化 [9] 运营效率改善 - 2025H1销售费用下降24.0% 管理费用下降0.5% 研发费用增长6.9% [9] - 整体费用率由24H1的25.1%降至22.2% 预计费用率有望维持下降趋势 [9]

公司调研活动概况 - 北京金一文化发展股份有限公司于9月24日接待中财招商、中信证券等12家机构调研 公司董事长王晓峰、开科唯识财务总监赵建波及证券事务代表张雅参与接待 [1][2] 开科唯识股权收购计划 - 公司已收购开科唯识43.18%股份并取得14.30%表决权委托 将在业绩承诺期届满后启动剩余股权收购 计划以开科唯识为基础开展数字智能方向的横向纵向并购 [2] 开科唯识业务情况 - 开科唯识超90%业务源于银行合作 与18家国有及股份制银行中15家存在业务合作 [2] - AI智能体产品包括理财师助手和智能客服 已应用于部分银行客户 [2] - 支付清算业务为银行提供软件系统服务 无需支付牌照 目前主要服务国内客户 未来可能拓展国际市场 [2] 黄金珠宝零售业务 - 黄金珠宝零售业务以全直营品牌门店为主 主打"越王古法黄金"品牌 面向大众及中高端市场 [2] - 采用计克重加工费定价策略 近期业务整合至北京越王以实现降本增效 聚焦核心区域中高端店铺拓展 [2] 黄金套期保值业务 - 公司按董事会审议额度开展黄金套期保值业务 鉴于上半年至今黄金价格持续高位上涨 采取平仓且不开新仓策略 [2] 股东结构情况 - 第一、二大股东为控股股东及其一致行动人 其他股东主要为重整引进的财务投资人及债转股股东 [2] - 重整引进财务投资人合计持仓股份不足引入重整投资人转增股本的10% [2] 公司名称与理念 - 公司成立初期以贵金属艺术品业务为主 秉持"让黄金讲述文化 让文化诠释黄金"理念 [2] - 未来若变更名称将按深交所及国资要求履行程序并披露公告 [2] 开科唯识管理结构 - 开科唯识董事会由五人组成 金一文化提名三名董事 [2] - 开科唯识由上市公司统一管理 业务独立运营 重大财务和经营决策需经上市公司审批 [2] - 金一文化利用行业资源优势助力开科唯识业务拓展 [2]

公司基本情况 - 公司是智慧民生服务商，专注医疗医保、数字政务、智慧城市三大战略方向，拥有2100余项自主知识产权的软件产品和软件著作权 [2][3] - 公司具备CMMI5、ITSS、信息安全服务等行业一级资质，参与50余项国际国家标准、行业标准及地方标准的制定 [2][3] - 公司服务网络覆盖全国8大区域及30余个分支机构，利用大数据、云计算、区块链、人工智能及移动互联等技术赋能民生 [2][3] 财务与经营状况 - 2025年上半年经营活动产生的现金流量净额同比增长34.79%，行业特点为收款集中在下半年 [3] - 存货余额达3.45亿，主要由系统集成业务采购的计算机等设备和软件开发与运维业务的人力成本、差旅成本构成 [7] - 近两年受研发投入增加、收入结构调整及项目实施周期延长影响，毛利率有所降低 [5] 竞争与行业应对 - 公司通过行业领先的企业级交付与服务水平和30余年行业积淀保持竞争力，与互联网企业保持竞争合作关系 [3] - 2024年已采取加大研发创新、加强市场拓展、提升成本管理和项目进度控制、优化人员结构等措施改善经营状况 [5] 技术应用与创新 - 公司依托自主研发的"闻语"行业大模型及智能应用研发平台，在医疗医保、数字政务和智慧城市领域构建"数据+模型+场景"生态闭环 [8][9] - 在政务领域打造智能客服、智能经办、智能监管、智能问数等创新应用场景 [8][9] - 在医疗领域结合"医学AI智识库"构建诊前、诊中、诊后全流程智能化管理 [8][9] - 在智慧城市领域打造城市智能枢纽等产品，助力城市治理体系和治理能力现代化提升 [8][9] 数据要素业务规划 - 基于政府公共数据，在国家允许范围内开展民生领域数据产品、数据能力、数据服务创新研发与落地实践 [6] - 赋能医疗医保、数字政务、智慧城市数据要素价值的深度挖掘，助力国家数字政府建设和数字经济建设 [6]

AI重塑金融业运行逻辑与技术生态 - AI技术正系统性地重塑金融业运行逻辑与生态结构 推动金融服务体系向智能化 数据化与平台化方向升级[3][5] - 国务院于2025年7月31日发布《关于深入实施"人工智能+"行动的意见》 明确要求推动AI与金融等重点领域深度融合[5] 服务范式变革 - 服务模式由"以机构为中心"转向"以用户为中心" 通过客户画像 自然语言处理和语音识别技术实现精准营销和个性化服务[6] - 交互方式从"填表—等待"转变为"对话—即时" 形成数据驱动下的长期客户关系[6] 金融决策体系升级 - 决策逻辑从"经验驱动"转向"数据驱动" AI整合结构化与非结构化数据应用于信用评估 风险控制和资产定价等核心环节[6] - 在信贷业务中基于交易行为 社交特征等多维数据构建实时风控模型 在投资领域通过大模型与量化技术提升策略生成效率与精度[6] 组织架构转型 - 组织架构从"职能分工型"转向"平台协同型" 后台流程由RPA和AI智能审核接管 中台演化为"AI中台"与"数据中台"[7] - 推动管理层级压缩和响应效率提升 使技术能力成为机构核心竞争力[7] 业务边界扩展 - 业务边界从"封闭式金融"扩展到"开放式嵌入金融（FaaS）" 通过API接口和开放银行平台接入电商 出行 医疗等非金融场景[7] - 实现无感支付 隐形信贷和场景定制保险等创新模式 使金融服务在用户行为路径中自然触达[7] 模型黑箱与可解释性风险 - 基于深度学习的复杂算法模型存在可解释性不足问题 难以被人类有效解释和干预[10] - 2019年高盛Apple Card信用额度事件暴露算法歧视风险 纽约州金融服务局启动调查后机构未能明确解释算法结构[10] 数据依赖与隐私风险 - AI系统高度依赖多维度敏感数据 包括行为轨迹 金融交易记录和设备标识等信息[11] - 2022年Plaid公司因未获充分授权收集数百万银行账户数据 支付5800万美元达成和解 反映数据使用边界模糊问题[12] 系统性技术风险 - 智能模型在高频交易 自动化做市等场景可能引发行为趋同和风险集中 形成技术驱动的"集体脆弱性"[13] - 2012年Knight Capital因高频交易系统配置错误 45分钟内执行400笔错误交易导致4.4亿美元亏损[13]

人口老龄化现状与养老金融重要性 - 截至2024年末中国60周岁及以上老年人口达31031万人占总人口22.0% 65周岁及以上人口22023万人占比15.6% [2] - 人口老龄化成为长期基本国情 养老金融被纳入中央金融工作会议"五篇大文章" 承担服务国家战略与民生福祉使命 [2] 人工智能赋能养老金融的核心价值 - AI技术通过智能销售、投资、风控、运营、客服等应用降低服务门槛与成本 使服务延伸至中小微企业和灵活就业群体 [2] - 依托大数据与机器学习实现"一人一策"精准规划 提升产品透明度与适配性 覆盖旅居、长住等多元养老场景 [3] - 整合健康记录、消费行为、金融历史等多源数据 通过机器学习模型优化产品设计、定价及服务资源配置 [3] 当前AI应用面临的核心挑战 - 应用深度不足 多数机构仅将AI用于智能客服 风控、运营等核心业务环节渗透率低 [4] - 高质量金融数据稀缺且整合难度大 公共数据存在行政分割 非公共数据流通不畅 [4] - 数据隐私保护边界不清 敏感个人信息泄露风险高 老年人数字安全意识较弱 [5] - 算力支撑不足导致私有化部署成本高昂 训练数据偏差可能加剧养老资源分配不公 [4][5] 多方协同发展路径与解决方案 - 需加强顶层设计与制度供给 推动年金及个人养老金制度惠及更广泛人群 [7] - 建立国家级公共数据库 按照"原始数据不出域、数据可用不可见"原则提供数据服务 [7] - 构建康养云平台整合健康档案、护理记录、金融资产等数据 形成长者全景画像 [8] - 通过物联网、智能穿戴设备打造智慧病房、无感跌倒监测等数字化应用场景 [8] - 搭建开放式社区居家养老服务平台 连接社会服务商实现"一键下单"便捷体验 [8]

人口老龄化现状与养老金融需求 - 截至2024年末中国60周岁及以上老年人口达31031万人占总人口22.0% 65周岁及以上老年人口22023万人占总人口15.6% [3] - 养老服务需求日益多元化 养老金融成为保障老年人生活质量及支撑养老体系建设的关键领域 [1] - 老年群体对专业化精准化养老金融服务需求愈发迫切 [3] 人工智能在养老金融中的应用价值 - AI技术通过智能销售、智能投资、智能风控、智能运营、智能客服等应用大幅提升效率并降低成本 使服务延伸至中小微企业及灵活就业人员 [3] - 依托大数据和机器学习提升产品透明度与适配性 根据风险偏好、收入、年龄等要素为客户提供"一人一策"的养老规划或资产配置建议 [4] - 整合多源数据（如健康记录、消费行为、金融历史） 通过机器学习模型进行风险评估和需求预测 为产品设计、定价及服务优化提供科学依据 [4] - 构建康养云平台整合长者健康档案、护理记录、消费偏好、金融资产等数据 形成全景画像支撑精准服务与个性化产品定制 [8] 人工智能应用面临的挑战 - 当前AI应用深度不足 多数机构仅用于智能客服 在风控、运营等核心业务环节渗透率低 [5] - 数据隐私保护边界不清且合规风险高 高质量金融数据稀缺且整合难度大 [5] - 公共数据存在局部行政分割 非公共数据流通不畅 数据大户与金融机构间未形成成熟共享模式 [5] - 养老金融涉及敏感个人信息 数据泄露与滥用风险较高 老年人数字安全意识较弱 [6] - 人工智能模型可能因训练数据偏差导致推荐不公 加剧养老资源分配不均 [6] - 算力支撑不足 私有化部署成本高昂 [5] 行业发展与协同需求 - 需加强顶层设计和制度供给 推动年金、个人养老金等制度惠及更广人群 [7] - 各方需加强协同 鼓励科技运用与风险可控下的产品服务创新 明晰发展框架和行为边界 [7] - 需扩大公共数据开放共享 建立国家级公共数据库 公共数据按照"原始数据不出域、数据可用不可见"原则提供服务 [7] - 需完善个人信息保护机制 规范个人信息采集使用行为 推动个人信息匿名化处理 [7] - 通过物联网、智能穿戴设备、摄像头等技术打造智慧病房、智慧餐厅、无感跌倒监测等数字化应用场景 [8] - 引入康复机器人、智能护理床、认知症筛查与干预系统等先进设备提升服务效率与生活质量 [8] - 构建开放式社区居家养老服务平台 连接整合社会服务商为居家长者提供便捷服务 [8]

数字化转型成为银行业核心战略 - 数字化转型是银行业实现可持续发展的必由之路 银行业正进入低利率、低息差、低收益的"三低"时代 面临资产端收益率快速下行和运营成本攀升的双重压力[1][5] - 数字化领先银行的股东回报年均增长率达8.2% 显著高于落后银行的4.9% 数字化有效缓解银行经营压力[5] - 2024年58家上市银行平均净息差为1.52% 较上年下降17个基点 连续五年下降且最近三年均低于2% 银行业需摆脱利息收入路径依赖[5][6] AI技术深度融入金融业务场景 - AI已从边缘辅助进化至核心业务场景 覆盖风控、财富管理、智能交易和数字员工等领域[3][4] - 网联清算通过"三地六中心"分布式架构保障支付体系 单日网络交易笔数达24亿笔（截至9月10日16:10）[2] - 具体应用包括：北京银行AIGC互动装置、工商银行咖啡机器人与透明翻译屏、民生银行智能金融终端 中国银联MCP支付与云智一体创新 奇富科技多模态AI审批官实现T+0贷款审查时效[2][3][8] 金融机构AI应用规模快速扩张 - 全球应用AI的金融机构比例从2022年45%跃升至2025年85% 银行业AI市场规模预计2027年突破270亿美元[8] - 中国拥有全球最复杂金融场景和最大用户规模 每天数亿级交互为智能体进化提供土壤[9] - 国际银行业联合会强调AI在数字身份核验、反诈骗、绿色融资和支付降本四个关键领域的应用价值[9] 数字化转型面临结构性挑战 - 传统数据系统改造流程复杂 数据质量参差不齐且安全问题突出 缺乏有效数据分析能力导致数据价值转化困难[6] - 大型银行与中小银行分化加剧 资源投入差异造成"马太效应" 不利于金融体系良性发展[6] - 模型幻觉、模型共振和算法黑箱问题与金融服务特性相悖 智能算力供给出现结构性短缺[7] 政策与产业协同推进转型 - 中央金融工作会议将"数字金融"列为五篇大文章之一 《"十四五"数字经济发展规划》等政策提供明确方向[8] - 银行业规划举措包括：建立跨部门协作机制 建设金融业可信数据空间和智能算力公共平台 优化复合型人才培养体系 构建大型机构向中小银行输出解决方案的产业生态[9]

数字化转型成为银行业核心战略 - 数字化转型是银行业实现可持续发展的必由之路[1][6] - 银行业面临低利率、低息差、低收益的"三低"时代挑战 2024年58家上市银行平均净息差为1.52% 较上年下降17个基点[7] - 数字化领先的商业银行股东回报年均增长率达8.2% 明显高于落后银行的4.9%[7] AI技术深度赋能金融业务场景 - AI已在风控、财富管理、智能交易、数字员工等多种业务场景发挥作用[4] - 网联清算通过分布式云计算架构保障支付体系高效运转 单日网络交易笔数接近24亿笔[3] - 奇富科技AI审批官实现T+0审批时效 融合多模态识别技术完成贷款材料全流程审查[9] 金融机构展示具体应用成果 - 北京银行融合AIGC应用、AI Agent和数字人形AI大模型互动装置[4] - 工商银行展示咖啡机器人、透明翻译屏和全息投影等科技应用[4] - 中国银联实现MCP支付、云智一体等与AI技术深度结合的业务创新[9] 政策与市场环境推动转型 - 中央金融工作会议将"数字金融"列为"五篇大文章"之一[10] - 2022年约45%金融机构应用AI 2025年比例预计跃升至85%[10] - 银行业AI市场规模预计2027年突破270亿美元[10] 转型面临挑战与解决方案 - 传统数据系统和架构改造升级流程复杂[8] - 数据质量参差不齐且安全问题突出[8] - 大型银行与中小银行数字化能力分化加剧[8] - 计划建立金融业可信数据空间和行业智能算力公共平台[11] 国际视角与未来规划 - 数字身份解决方案能帮助银行快速完成客户身份核验[11] - AI可实时分析海量交易数据识别可疑交易模式[11] - 建议建立"内生+外包"数字金融事业群[11] - 鼓励大型银行及金融科技公司向中小银行输出解决方案[11]

行业服务问题 - 即时零售平台存在系统静默退款问题 消费者在缺货时未获通知且被自动退款 剥夺消费者知情权和选择权[1][3] - 智能客服投诉量显著增长 2024年电商售后投诉中相关投诉近7000件 同比增长56.3% 主要问题包括答非所问和人工客服难以联系[3] - 平台通过设置冗长流程变相阻拦用户寻找人工客服 转接路径和等待时长完全由企业控制 导致沟通效率低下[3] 平台服务差异 - 部分平台如美团和京东已提供缺货处理选项 包括"缺货时电话沟通"、"缺货商品退款其他继续配送"和"有缺货直接取消订单"三种选择[3] - 技术实现并非瓶颈 核心问题在于服务意识 平台通过自动退款代替沟通本质是转嫁服务成本给消费者[3] 行业竞争态势 - 主要外卖平台持续亏损但仍加码补贴和市场争夺 采用烧钱换增长策略[3] - 即时零售行业已将"半小时送达"作为服务标配 企业关注亿级订单量但忽视实际服务质量[3] 监管与标准缺失 - 智能客服乱象部分源于监管与行业标准滞后 需出台应用规范明确人工服务响应标准和用户知情权保障[3] - 当前AI客服主要基于关键词匹配和固定话术 复杂问题处理能力有限 仅能使用标准话术应付[3]

另一方面，完善有助于智慧物流发展的软环境。如完善智慧物流标准体系，可借鉴先进经验，从我国实 际情况出发，建立满足实际要求的标准化体系。鼓励高校紧跟产业发展需要深化物流业产教融合，为智 慧物流发展培养高素质复合型人才。 一个流动的中国，也是充满繁荣活力的大市场。快递业的持续进步，将为我国经济高质量发展注入强劲 动力。 不过，快递物流业的智能化升级还存在一些问题和短板。比如，人工智能、无人机等新技术在快递物流 领域的应用还有待提升，标准化体系还不够健全，专业人才还存在缺口。需进一步扩大人工智能的应用 范围，促使快递业从"汗水型"向"智慧型"成功转型。 一方面，需加强智慧物流的硬件支撑。加速物流基础设施的智能化升级，如智能仓库、智能分拣中心、 智能运输车辆及无人机配送系统等。利用人工智能等技术加强快递业数据的分析，为优化库存布局、调 整运输路线等提供依据，优化作业流程，进一步提升整体物流效率。 快递物流是反映经济活力的"风向标"，是经济发展的"晴雨表"。快递跑起来，消费热起来，经济才能活 起来。不久前公布的数据显示，今年前7个月，我国快递业务量累计完成1120.5亿件，同比增长18.7%。 物流是实体经济的"筋络" ...