纪要涉及的行业和公司 - 行业：金融行业（银行）、计算机行业 - 公司：京北方 纪要提到的核心观点和论据 银行AI应用需求变化 - **需求提升**：V3和RY模型发布降低应用落地门槛和试错成本，AI技术迭代使大模型性能提升，业务部门LS提升，年后主动交流AI大模型的客户增多，商机爆发，国务院国资委部署央企AI+专项行动，预计后续银行AI应用落地整体需求明显提升[1][2] - **参与主体变化**：24年及之前主要是大行投入资源探索，今年年后很多中小型银行积极加入；过去大行主要靠总行推动，年后不少分行业务团队也主动交流AI项目[2][3] - **落地场景拓展**：过去集中在后端服务性、内部使用领域，如知识助手、智能问答；现在前端业务场景全面探索，如交易风控、AI+营销、AI+信贷等[3] - **主导部门转变**：过去由科技部门主导，现在业务部门直接参与，AI相关预算进一步扩充[3] Deepseek一体机情况 - **公司布局**：一体机是新概念，之前认为不太成熟，现在因模型开源成本降低且有多个算力版本，可提供小算力一体机给客户试点，特别是小银行有相关提问[5][6] - **银行需求差异**：大行前两年采购算力有富裕，对一体机需求不强烈，更多从业务端推进场景应用；股份制银行部分有算力但不充足，提出一体机用于低端模型场景探索；小行前两年算力投入成本高，对一体机需求旺盛，希望一体机有业务场景创新和生态落地，而非单纯采购硬件[6][7][10] AI对银行IT预算的影响 - **与信创对比**：信创未结束，大行核心系统信创接近尾声，但仍有近50%系统未完成；AI与信创叠加效果大于两者简单相加，AI带来的业务需求大幅增加，对产业拉动可能更大[11][14][15] - **预算构成及变化**：银行IT投入包括固定预算和因创新增加的预算，整体资金使用在银行收入占比未下降，银行收入增加时IT支出也增加，但投入更有重点，追求投入产出比，部分项目投入缩减，创新项目投入大幅增加[12][14] 银行AI采购模式 - **大行**：与公司签框架协议，年后以订单形式合作预研，预研成功后以大订单形式落地实施[17] - **股份制银行**：部分采用大行方式；部分预研验证可行性后启动招投标[17] - **无框架协议银行**：希望公司先做分享和简单预研，同时启动招投标，按业务落地场景采购，中标后一边落地一边确认研发内容[18] - **趋势**：大型完整系统订单减少，落地的生态订单增多，银行将AI应用输出细分多个领域和模块，有落地先后顺序[18][19] 京北方AI业务能力及合作情况 - **能力展示**：按生态与行方合作，展示已落地案例，如反欺诈、智能投顾、智能助手、智能运维等；说明有长期积累但未完全成型的解决方案；主要在投顾、营销、风控、信贷、运维、客服、运营等方面合作[21] - **合作模式**：有成熟落地案例，客户直接采购框架下订单；有积累但未成熟，客户启动预研，验证可行后以大订单或招投标形式招采；小行希望快速提供解决方案，简单论证后快速招标实施，招投标和订单下达时间缩短[20][21][22] AI对人员结构和业务的影响 - **人员需求**：AI提高研发效率，降低对初级程序员需求，但数据清洗、模型调优、数据标注需要人员，预计AI需求集中爆发后人员先增长，后初级人员转型到相关岗位，人员结构变化[25][26][27] - **BPO业务**：试点智能客服，引入AI后单人单件处理时间缩短，处理成功率提高，人员处理效率提升，培训时间缩短，业务发展空间增大[28] 公司AI应用案例 - **反欺诈**：去年年初试用大模型，经过半年调优，模型命中率从20%提升到超过55%（三个月前数据）[29] - **智能投顾**：在某保险公司落地三个场景，业务人员反馈业务轻松；用AI模型做简单推理，将推理切分后命中率较好，后续调优使用效率有望提高[30][31] - **智能客服**：应用模型分析客户接听电话时间点等维度，接听率和成功率上升；通过知识积累和问题反馈推断可靠话术，让专家判定，初级人员标注，提升BPO效率[32] 其他重要但是可能被忽略的内容 - 京北方考虑在24年年报梳理新的信息口径，展示与AI相关（包括数据类及其他创新解决方案）的收入规模[23] - 银行从项目立项到招标投标中标需要一定时间周期，目前处于先导阶段，业务机会增多，但转化为订单和收入还需时间[24]

股东减持 - 副董事长丁志鹏原持有19,894,116股，占总股本3.21%[1] - 计划减持不超2,000,000股，占0.32%[1] - 实际减持1,999,512股，减持比例0.32%[1] - 减持均价21.02元/股，价格区间18.50 - 23.58元/股[1][2] - 减持后持有17,894,604股，占总股本2.89%[3] - 减持前无限售股4,973,529股占0.80%，后2,974,017股占0.48%[3] - 减持前后限售股均为14,920,587股，占2.41%[3] - 减持符合规定，实施情况与计划一致[5] - 备查文件为《关于股份减持计划实施完成的告知函》[6]

股价情况 - 公司股票2025年2月20 - 24日涨幅偏离值累计超20%，属异常波动[3] 信息披露 - 前期披露信息无需更正、补充[4] - 无应披露未披露重大事项[4][6] - 无违反公平信息披露规定情形[4] 经营情况 - 近期经营正常，内外部环境无重大变化[4] 其他 - 2025年4月12日披露2024年年度报告[7] - 指定信息披露媒体为《中国证券报》等[7]

分组1：活动基本信息 - 活动时间为2025年2月19日 - 21日，地点在北京市，形式为线上、线下会议 [2] - 活动类别包括特定对象调研、分析师会议、电话会议等 [1] - 活动参与人员有长信基金齐菲、东方证券谢文超等众多机构人员 [1] - 公司接待人员为董事会秘书王潇先生和行业产品部总经理耿晓明先生 [2] 分组2：银行IT行业及公司AI业务发展情况 - 数字化转型下，银行业AI应用快速发展，部署成本下降，银行对AI需求增长 [2] - 公司自2023年起与部分银行就大模型业务接触并共研共建，2024年发布多款大模型系列产品 [2] - 公司重点在智能投顾、智能风控等方面开展大模型应用研究及试用，已在部分银行落地 [2] - 未来公司将从纵向和横向发力，覆盖更多银行场景和业务流程节点，拓展合作模式，向中小银行渗透 [2] 分组3：问答环节要点 下游客户对AI的需求情况 - 银行因数据安全等要求，多采用私有化部署开源大模型探索应用，大型银行用集中大平台提供算力，中小型银行会综合考量进行部署 [2] - 公司与客户探索不同合作方式，未来将探索更契合需求的解决方案 [2] 公司在AI大模型产品方面的探索和成果及应用进展 - 2023年起与客户沟通交流大模型，2024年发布多款大模型系列产品 [2] - 与客户在智能投顾等方面推进AI应用尝试，有部分落地使用案例 [2] - 未来凭借优势把握客户需求，提供贴合业务需求的解决方案 [2] 公司在AI应用方面发展情况 - 智能投顾领域，落地私有化模型用于业务知识问答等场景 [3] - 智能信贷领域，为客户制作报告和进行信贷知识问答 [3] - 智能客服领域，进行话术推荐和生成以及外呼助手 [3] - 智能风控领域，与客户在反欺诈业务合作案例落地，识别率显著提升，获较高客户满意度 [3] - 未来提升与客户合作力度，推动AI在具体业务场景应用落地 [3] 公司在相关领域的优势 - 作为国内领先数字化转型综合服务提供商，深耕金融科技行业，有稳固多元客户体系 [3] - 有丰富银行IT服务经验，能深刻理解客户业务体系并把握需求 [3] - 积极拥抱AI大模型技术，加速探索应用落地助力客户数智化转型 [3] 分组4：活动相关说明 - 本次活动不涉及应披露重大信息 [3] - 活动过程中无使用的演示文稿、提供的文档等附件 [3]

文章核心观点 介绍京北方2月21日股价表现、龙虎榜资金流向及2月20日两融余额情况[1][2] 股价表现 - 京北方2月21日上涨4.76%，全天换手率16.78%，成交额22.08亿元，振幅16.91% [1] 龙虎榜资金流向 - 机构净买入1.31亿元，深股通净卖出4097.93万元，营业部席位合计净卖出1.01亿元 [1] - 上榜的前五大买卖营业部合计成交5.45亿元，买入成交额2.67亿元，卖出成交额2.78亿元，合计净卖出1181.15万元 [1] - 2家机构专用席位（买一、买三）合计买入1.42亿元，卖出1104.23万元，净买入1.31亿元 [1] - 深股通为第二大买入及第一大卖出营业部，买入8787.70万元，卖出1.29亿元，净卖出4097.93万元 [1] - 2月21日主力资金净流出4888.75万元，特大单净流出7333.19万元，大单资金净流入2444.43万元，近5日主力资金净流入3.06亿元 [1] 两融余额情况 - 2月20日两融余额3.04亿元，融资余额3.03亿元，融券余额177.16万元 [2] - 近5日融资余额减少720.27万元，降幅2.33%，融券余额增加77.30万元，增幅77.40% [2]

报告公司投资评级 - 首次覆盖，给予“买入”评级 [4][6][41] 报告的核心观点 - 银行 IT 拥抱 DeepSeek，私有化部署带来行业机遇，公司已发布相关平台和产品并落地多行业 [1] - 公司是国内领先金融科技服务商，双主业协同发展，围绕软件产品及解决方案打造第二增长曲线 [2] - 银行业积极拥抱 AI，大模型应用带来机遇，预计相关 IT 服务需求上升 [3] - 预计公司 2024 - 2026 年营收和归母净利润有相应增长，基于可比公司估值给予“买入”评级 [4] 根据相关目录分别进行总结 国内领先的金融科技服务商，双主业协同发展 - 公司是国内领先数字化转型综合服务提供商，以金融科技为核心推动金融行业数字化转型，发展历经创业初期、快速成长期、金融科技转型期 [13][14][15] - 股权结构集中，实际控制人为费振勇和刘海凝夫妇，主要高管行业经验丰富 [17][18][21] - 主营业务分信息技术服务和业务流程外包服务两大板块，围绕软件产品及解决方案打造第二增长曲线，客户主要集中在金融机构 [22][23] - 2024 年前三季度营收稳健增长，单季度净利润首次破亿，毛利率稳定，费用管控良好 [24] 银行业积极拥抱 AI，大模型应用带来机遇 - 人工智能和大模型技术影响金融科技，银行业加速采用大模型和算力，DeepSeek 降本且有诸多优势，部分银行已接入，预计相关 IT 服务需求上升 [25][27][28] - 2024 年公司发布 AI 大模型服务平台及 4 个产品，完成私有化部署 DeepSeek 系列大模型，可提供大模型私有化部署和优化服务 [29][30] 金融是信创的关键行业，当前进入全面推进阶段 - 金融行业因数据安全和自主可控需求成为信创重点领域，数字化转型和政策支持推动金融信创，未来将全面深化 [31][33][36] - 银行 IT 市场潜力大，2023 年投资规模增长，预计 2024 - 2028 年年均复合增长率达 9.3% [37] 盈利预测与估值 - 预计 2024 - 2026 年公司业务稳健增长，营收分别为 45.00/48.99/53.35 亿元，毛利率有望提升 [38] - 选取长亮科技、神州信息和宇信科技为可比公司，2025 年可比公司一致预期 PE 均值为 68 倍，公司 2025 盈利对应的 PE 为 35，给予“买入”评级 [41]

公司与参会方信息 - 活动为分析师会议和电话会议，于2025年2月16日在北京市以口头形式进行 [1] - 接待人员为董事会秘书王潇和行业产品部总经理耿晓明 [3] - 参会投资者来自华创证券、中信建投证券等众多金融机构 [1][2] DeepSeek对金融行业及公司的影响 - DeepSeek高性能、低成本且开源，推动金融行业AI应用，公司与大型银行在AI领域共研共建，有交付经验和案例验证，去年上半年发布多款大模型系列产品，未来将加大探索力度 [3] 问答环节要点 AI领域布局与IT架构变革 - DeepSeek带来开源趋势、私有化部署线下闭环及应用效果提升，从纵向和横向拓宽金融IT应用大模型空间，释放银行需求，需求将从科技部门驱动转向业务部门驱动，公司在客户卡位和业务理解上有优势 [3] 下游客户需求与商机 - 银行对数据安全要求高，支持开源潮流促使更多银行选择私有化部署，但有算力投入门槛，大行和中小行部署方式不同，公司可与银行探索多种合作方式 [3][4] BPO场景AI agent布局 - 公司深入银行业务流程，认为用AI agent解决银行作业流问题是机遇，会带来银行和公司业务转型 [4] 商业合作模式 - 过去公司参与后端应用开发和模型调优，未来随着中小行市场铺开，可能出现不同商业模式，打包模式可能成主流 [4] 呼叫中心业务与AI结合 - 呼叫中心业务适合AI化，公司早期有探索，大模型将提升效果，非金融领域呼叫中心服务用AI替代有降本增效效果，未来更明显 [5] 外包业务趋势 - 银行合规和安全要求高，ITO和BPO同步增长，使用AI会衍生新服务需求，公司可获IT业务和衍生服务业务机遇 [6] 模型调优工作 - 模型调优价值高，初始命中率25%，6个月调优后提升至55% - 60%，调优有门槛，随使用时间增长护城河加深 [6] 金融行业客户使用AI考虑因素 - 银行使用AI前期为降本增效、降低风险，营销试点中可增加客户粘性，金融机构加大内部场景使用和营销投入 [7] 下游客户IT支出 - 银行IT过去靠数字化转型和信创驱动，满足信创是基本盘，部分大行和股份制银行将转向新技术投入，AI投入资源预期有倾斜 [8]

纪要涉及的公司 京北方 纪要提到的核心观点和论据 - **京北方在AI领域的探索和优势**：GPT发布后深入探索并取得成果，有核心服务卡位优势，与大行长期合作且早期有应用探索；银行业对AI需求增加，京北方积累丰富经验且技术实力获验证，如反电诈管道识别率从20%提升至55%，异常资金调拨检测识别率提高一倍；2024年底发布多个大模型产品赋能银行业务；接入开源大模型满足银行私有化部署需求；协同办公系统和数据中心运维管理有成效；大行招标和交付模式变化，京北方在BPO场景有优势 [3] - **银行业对AI技术需求变化**：2024年下半年至2025年初需求显著增加，原因是经济形势下人员结构调整和运营业务量上升；大型银行过去基于私有数据私有部署并探索后台服务应用，中小型银行模仿大型股份制银行自主创新并与研发厂商合作增多 [5] - **AI技术在金融机构潜在落地场景**：集中于后端内部使用和前端客户服务，如集中运营中台和交易风控等场景可提高效率、降低成本和增强风控能力 [6][7] - **公司AI布局现状及对IT外包影响**：呈现开源、私有化和本地化部署以及应用效果提升趋势，从纵向和横向拓宽金融IT应用大模型空间，突破业务场景限制，释放银行需求，大行从科技驱动转向业务部门驱动提出新要求 [7][8] - **大模型在风控、电子渠道、信贷审批应用**：风控方面反黄牛识别率超50%，异常资金调拨检测识别率提高一倍并用于辅助提醒；电子渠道用于营销文案撰写等降低专业门槛；信贷审批用于报告生成和合规审查等并逐步落地 [9] - **大行客户AI招标和交付模式变化**：有订单模式、探索型模式和传统招投标模式，目前主要有框架下订单、单纯框架内拨备预算完成任务和单独合同三种方式 [10] - **下游客户对DCC私有化部署需求及商机**：金融行业私有化部署成主流，接入开源大模型满足需求，银行以效果为导向，未来商机集中于高效安全大型项目 [11] - **京北方协同办公和运维系统表现**：协同办公系统在多家银行落地，引入大模型提升效率和满意度；数据中心运维搭建科技平台并申请算力资源实现有效管理，与多家银行合作落地 [12] - **公司与客户交流及未来发展方向**：2025年1月以来交流增多、落地场景增加，未来深化与金融机构合作，优化技术方案，关注新兴技术 [13] - **私有化部署中大小银行策略不同**：大型银行集中式大平台提供算力，中小型银行更灵活，会平衡模型研发、训练时间与算力投入，公司探索不同合作方式 [14] - **公司在BPO场景利用AI agent转型**：在集中运营中台或风控中台有优势，深入了解银行后台流程，利用AI优化环节，AI agent可解决作业流节点问题实现转型 [15] - **公司与大厂及开源模型厂商AI合作商业模式**：与大厂合作参与部分部署，负责后端应用开发和模型调优，目前在行方内部使用，未来中小行业市场铺开可能出现基于token或API调用按流量收费模式 [16] - **AI agent在相关领域适用性及公司规划**：呼叫中心业务适合AI金融智能化应用，大模型提升智能客服等效果，公司根据客户需求提供支持，非金融领域采用AI可降本增效 [17] - **公司考虑打包模式服务银行**：部分客户已探讨打包模式，因大型企业人均成本高、人力有限，该模式可能成趋势，公司已与大厂讨论细节 [18] - **银行和大企业客户中心外包情况**：考虑银行合规和安全要求，短期内完全替代外包可能性小，AI技术发展可能衍生新服务需求，IT厂商可获业务增量 [19] - **金融行业AI模型调优工作价值及厂商胜任情况**：调优工作价值高，如模型命中率从25%提升至55%-60%，对模型理解和应用要求高，不同模型调优要求不同，并非所有厂商能胜任 [20] - **金融行业客户使用AI考虑因素**：基于降本增效和提升客户体验，AI替代常规工作降低成本、提高产出、降低风险，辅助营销增加客户粘性 [21] - **公司AI电站标准化产品影响**：包括基于真实数据的实验室解决方案，提升电价预测准确性，提高运营效率、降低成本，增加模型维度增强预测能力，提高客户粘性并激发新需求 [22] - **公司AI定价竞争优势及市场份额**：优势体现在数据来源和技术调优，数据来自合作银行并处理，技术成果可复制批量应用，虽未透露市场份额但技术优势助于保持竞争力 [24] - **公司对2025年AI费率增长预期及行业IT投入情况**：难以给出具体AI费率增长预期，银行业整体IT投入预计年增长5% - 10%，金融机构未来2 - 3年将加大对AI和大数据投入 [25] - **下游客户使用产品后情况**：使用产品后对技术方案讨论和需求增加，数据驱动解决方案提升效率、降低成本，共享调优经验促进行业水平提高，激发业务创新需求 [26] 其他重要但是可能被忽略的内容 无

会议信息 - 京北方2025年第一次临时股东大会由董事会决议召开，2月10日现场与网络投票结合举行[5][6][8] - 网络投票时间为2月10日多个时段[9] 参会情况 - 438人出席，代表385,850,790股，占比62.2962%[10] 议案表决 - 《关于提名公司独立董事候选人的议案》同意385,519,975股，占比99.9143%[16]

会议信息 - 现场会议2025年2月10日14:30召开，地点为北京海淀区西三环北路25号青政大厦7层会议室[3] - 网络投票时间为2025年2月10日9:15 - 15:00[3] 投票数据 - 通过现场和网络投票股东438人，代表股份385,850,790股，占比62.2962％[4] - 《关于提名公司独立董事候选人的议案》表决中，同意385,519,975股，占比99.9143％[5] - 中小投资者对该议案表决中，同意2,853,898股，占比89.6124％[5]