京东AI战略核心观点 - 公司采用场景驱动策略 在自有供应链体系中验证AI应用价值后系统化输出能力 [3] - 公司未来三年将持续投入人工智能发展 带动万亿规模人工智能生态并向具身智能企业开放场景与训练数据 [1] - 公司AI实践为行业提供可参照的关键要素和可能路径 体现从技术研发转向实际应用价值的行业趋势 [3] 自研AI应用成果 物流场景 - 物流超脑2.0通过全域感知等三重机制实现数据驱动的动态决策 操作标准化水平提升15% 人车货场调度效率提升近20% 人机协同效率增幅超20% [6] - "狼族"自研产品实现物流全场景覆盖 规模化部署应用仓库突破500个 [6] 工业场景 - JoyIndustrial工业大模型覆盖5710万工业品SKU和40多个细分行业数据 衍生40余类智能体应用 [6] - AI虚拟治理团队将十万级治理任务从"以月计"压缩至"以小时计" 千条商机澄清从5小时缩短至15分钟 关务代理智能体降低工时成本一半以上 [7] 健康场景 - 京医千询2.0医疗大模型以可信为核心优先级 融合多模态医学数据建立跨模态思维链 [7] 零售场景 - AI购和AI试穿应用基于个性化推荐提升决策效率 京麦AI助手等工具降低退货率和损耗 [8] 三大AI产品 京犀 - AI原生应用实现线上线下联动 直连零售、外卖、酒旅等服务 [11] 他她它 - 数字人助手融合语音表情动作 满足知识问答等多需求 智能体能力可植入硬件终端 [12] JoyInside 2.0 - 具身智能平台为机器人和玩具厂商提供大脑 接入后智能硬件对话轮次平均提升超120% 已接入宇树等品牌 [12] 三大深度应用平台 JoyAgent 3.0 - 行业首个100%开源企业级智能体 集成多模态RAG等能力 GitHub收获超10K Star 进一步开源DataAgent和DCP数据治理模块 [13] JoyCode 2.0 - 企业级智能开发平台支持零手写代码编程 服务公司上万名研发人员 生成代码采纳率超过40% [15] 数字人4.0 - 从替身执行走向个性创造 直播带货以1/10成本超越真人主播 依托JoyAI LiveHuman模型开放接口拓展行业 [15] 战略演进历程 - 2020年布局言犀大模型 坚持AI扎根供应链及实体业务场景 [18] - 2021年推出10亿参数K-PLUG模型 生成累计30亿字商品文案 [18] - 2022年发布百亿级模型Vega 服务物流数智供应链平台 [18] - 2023年发布千亿级参数大模型 融合70%通用数据与30%供应链原生数据 [18] - 当前强调产业属性 用产业厚度打磨AI深度 [19] 行业趋势呼应 - 行业从算力参数堆砌转向ROI指标关注 微软Copilot月活达1亿且付费用户渗透率35% [22] - WAIC参展企业更多展示实际应用能力以回答ROI问题 [22] - 公司通过自用打磨-反馈迭代-开放开源的路径构建AI深度应用链路 [22][23]

行业AI应用趋势 - 企业普遍寻求通过AI实现业务提质增效但存在应用路径困惑 需系统性框架指导实践 [2] - 产业AI定义为AI技术与特定产业领域知识 业务流程 数据特性深度融合的技术体系 旨在解决实际问题并提升效率 [2] - 全球领先企业已将产业AI作为产业智能化变革核心路径 证明其解决产业问题的有效性 [2] 建筑行业AI应用案例 - AI设计工具CONCETTO提升方案设计效率50%以上 项目估算时间从半天压缩至半小时内 [3] - AI渲染功能在几分钟内生成多风格意向图 AI日照分析实现边建模边分析提升方案科学性 [3] - 公路项目AI+BIM算量将10亿体量项目周期从3个月缩减至2周内 [3] - AI目标成本测算一键完成90%科目拆分 工作时间从10天压缩至1小时 实现三算对比100%对齐 [3] - AI塔吊驾驶系统提升施工安全性 AI进度计划编制降低人力成本并增强投标竞争力 [3] 技术实施价值 - 产业AI需深度融合通用AI 行业知识及专业软件 构建面向特定场景的智能化解决方案 [2] - 整体测算效率提升70% 确保三算对比100%落地 同时释放设计师专注创意的人力资源 [3]

财务表现 - 2025年中报营业总收入28.0亿元同比下降5.37% 归母净利润2.37亿元同比上升23.65% [1] - 第二季度营业总收入15.72亿元同比下降5.24% 归母净利润2.07亿元同比上升11.63% [1] - 毛利率87.79%同比增1.28个百分点 净利率9.2%同比增32.47% [1] - 每股收益0.14元同比增23.67% 每股经营性现金流-0.34元同比增18.37% [1] - 三费总额13.51亿元占营收48.25%同比增0.58% 其中销售费用增3.78% 管理费用降13.11% 财务费用降32.95% [1][3] 资产与现金流变动 - 货币资金减少37.3% 因购买理财产品、分配股利及上半年回款小于经营投入 [1] - 应收款项增加33.85% 受回款节奏季节性影响 [1] - 经营活动现金流净额增19% 因加强应收账款清欠和回款管理 [3] - 投资活动现金流净额降103.06% 因购买理财产品净支出增加 [3] - 预付款项增84.22% 因预付服务款项增加 [1] 业务结构调整 - 营业收入降5.23% 因数字成本业务收入减少 [1] - 营业成本降13.14% 因硬件成本及实施交付人力成本减少 [1] - 研发投入降7.73% 因业务聚焦及费用管控 [3] - 开发支出增25.97% 因自主开发项目投入 [1] 特殊项目影响 - 营业外收入增216.08% 因侵权诉讼胜诉获赔偿金 [3] - 所得税费用降50.51% 因上年冲回股权激励递延所得税 [3] - 信用减值损失降77.21% 因应收账款减值准备减少 [3] - 资产减值损失降1075.44% 因对个别股权投资计提减值 [3] 基金持仓动向 - 博时成长领航混合A持有2375.56万股但减仓 嘉实系多只基金增仓或新进十大 [4] - 华安基金金拓持有该公司 其管理规模19.69亿元 在顶投榜排名前五十 [2] - 博时成长领航混合规模30.81亿元 近一年上涨37.1% [4] 产业AI战略布局 - 产业AI成功三要素：高质量数据、高价值场景、高可靠模型 [5] - 自研建筑大模型ecGPT可通过一建考试 支持多模态输入和领域增强 [6] - 具备工程建设知识库、图纸解析能力及建筑工作流编排优势 [6]

核心财务表现 - 2025年上半年营业收入3.48亿元，同比增长23.5% [1] - 实现净利润360万元，同比扭亏为盈 [1] - 毛利率同比提升7.4个百分点至46.6% [4] AI战略转型成效 - AI业务实现商业化回报6086万元，占总收入17.5% [2] - AI研发开支从零增至1260万元，占研发总投入18.4% [2] - 交易管理智能体"金盾"成为AI业务主要收入来源 [2] 业务结构优化 - 缩减低毛利数字精准营销业务，降低员工成本与转介费 [4] - 本地部署财税数字化解决方案收益同比增长93.1% [4] - 云化财税数字化解决方案营收同比增长16.3% [4] 技术研发与效率提升 - 通过AI技术推动软件开发生产线效率提升，降低产研成本 [3] - 智能编码、代码生成、单元测试等场景实现有效应用 [3] - 预期全年AI研发投入占比超20% [2] 市场拓展战略 - 智能体矩阵将覆盖大型集团企业、中小微企业与金融机构三大市场 [2] - 全球化布局聚焦跨境电商与中资出海企业财税合规痛点 [5] - 持续建设全球税务合规基础设施Tax Swift MCP，强化东南亚、中东市场覆盖 [5][6] 行业趋势与战略定位 - 产业AI进入价值兑现阶段，从辅助工具转变为生产力底座 [1] - 垂直行业智能体竞争将取代通用大模型竞争 [4] - 数据智能共同体战略整合国产算力，优化适配大模型 [2]

行业趋势 - 2025年被业内认为是人工智能"爆发"元年，AI应用正从消费端快速渗透至产业端，掀起新一轮效率革命 [1] - 产业AI未来趋势明确：从单点优化到全局协同、从数据驱动到智能决策、政策与市场双轮驱动的生态化发展 [10][11][12] - 通用大模型技术日趋成熟，为产业AI发展提供基础，细分行业渗透难度降低 [7][10] 公司战略与定位 - 万联易达定位为产业互联网生态系统运营商，业务涵盖人工智能应用、商品交易、整车物流、数智金融四大板块 [4][5][6] - 公司使命是构建新型产业互联网生态系统，通过四大业务板块形成闭环数据生态 [4][6] - 从传统物流服务商转型为产业互联网平台，2023年正式进入产业AI赛道 [7] 技术创新 - 自主研发"基于产业动态图谱的结构化思考模型"，使AI能理解产业逻辑并进行结构化思考 [1][2] - 打造覆盖90多个行业的全产业大模型，具备产业知识问答、数据问答、企业洞察、价格预测等多项功能 [1][7][8] - 模型特点：全产业覆盖+高精准度，通过可信数据建设提升回答准确性 [9] 商业模式 - 商品交易板块致力于将产业交易从线下搬到线上，构建产业互联网 [5] - 金融板块创新推出"分步式"中小企业信用贷模式，解决融资难问题 [6] - 物流板块已发展为5A级网络货运平台 [6] 应用案例 - 在钢铁行业帮助客户应对原材料价格波动，实现价格监控、生产计划优化、供应链决策提升 [10] - 通过数据贯通和智能决策，推动产业链从"经验驱动"转向"数据驱动" [8] 实施路径 - 分批次推进大模型建设，根据行业规模和特点逐步覆盖90多个行业 [1][10] - 依托产业互联网积累的企业基础信息、供应链数据、生产数据等真实场景数据流 [8]

全产业大模型应用 - 全产业大模型通过整合行业逻辑、数据和可行性验证 显著提升产业问题回应准确率 [1] - 模型基于自主研发的"产业动态图谱结构化思考模型" 帮助AI更好理解行业 [1] - 通用大模型在产业数据准确性方面存在不足 无法满足实际产业问题解决需求 [1] 产业生态整合 - 公司整合供应链、物流、金融等核心环节 叠加AI能力形成系统性解决方案 [1] - 构建"数据+交易+物流+金融"四大资源要素 实现传统企业数据贯通与提质增效 [1] - 形成交易数据、物流数据、金融数据的闭环生态系统 为生态参与者构建数字空间 [1][2] 行业发展前景 - 产业互联网叠加产业级AI能力 有望对产业界产生颠覆性影响 [1] - 全产业大模型将成为重构产业发展的新型基础设施 [2] - 产业AI应用落地将催生更多新型商业模式 [2]

数字经济大会专题论坛 - 2025全球数字经济大会专题论坛在北京举行 主题为"数智领航 场景破局 生态共生" 汇聚200余位政产学研用专家和企业代表 [1] - 论坛探讨产业互联网赋能千行百业的新路径、新场景与新生态 [1] - 论坛由全球数字经济大会组委会主办 北京软件和信息服务业协会承办 北京市科学技术协会、中关村科学城管理委员会支持 [1] 北京数字经济发展现状 - 2024年北京数字经济增加值达2万亿元 信息软件业营收突破3万亿元 [3] - 北京市通过完善政策供给体系、攻关前沿数字技术、构建新型基础设施体系等举措 在AI、算力、数据要素等领域取得突破 [3] - 下一步将强化政策支持、完善基建、加速大模型应用 推动数字经济高质量发展 [3] 产业互联网发展 - 数智时代推动人类生产协作模式根本性转变 数据、智能算法、通信网络和算力融合催生新价值创造系统 [5] - 产业互联网平台作为价值转化枢纽 借助数智技术重塑产业竞争格局 实现从经验驱动到数据智能的转变 [5] - 建议聚焦场景打造标杆、突破技术瓶颈、构建可信生态、深化国际合作、培养复合人才 [5] - "产业AI"是行业知识、专业软件与AI技术的深度融合 核心在于构建"数据-算法-算力-场景"的闭环 [6] 数字经济标杆企业 - 《2024北京市数字经济标杆企业评价报告》发布 显示北京市数字经济整体保持增长态势 [8] - 100家标杆企业贡献核心增长力量 示范引领带动产业链企业共同发展 [8] - 论坛期间发布多项成果包括《2025北京信息软件业发展报告》《北京人工智能+应用场景图谱》等 [8] 数字经济发展路径 - 数字经济与实体经济深度融合是当前中国经济发展的重要趋势 [6] - 提出以产业互联网为中枢的赋能数实融合发展路径 为构建产业互联网引擎提供参考 [6] - 探索出"链主引领、数字驱动、生态协同"助力产业发展的路径 [10] - 业界呼吁产业生态链各环节积极参与数字友好城市建设 建立长效机制促进合作与连接 [10]

分组1：产业AI要素与公司优势 - 做好产业AI的三个关键要素为高质量数据、高价值场景、高可靠模型 [2] - 广联达在产业AI上的优势包括有自研大模型AecGPT、内置工程建设知识库、更懂图纸解析、领域知识回答更优、建筑工作流编排更优 [2] 分组2：AI价值场景落地 - 公司将建筑行业大模型与工程软件深度融合，提供智能化设计、交易、施工、运维、企业等系列应用产品及解决方案 [2] - AI场景落地方向为设计一体化、成本精细化、施工精细化 [2] 分组3：高价值AI应用特点 - 高价值AI应用应能从头到尾闭环交付 [4] - 其价值能被明确度量，如AI智能评标在海南使市场主体参与投标数量提升约10倍，节约财政资金约45.6亿元，平均中标下浮率为8% [5] - 能在过程中持续学习和优化 [5] 分组4：AI智能评标商业化落地 - AI产品商业化落地与技术成熟阶段相关，2024年交易阶段AI产品落地多，后续项目建设施工阶段AI应用价值将更凸显 [5][6] - AI智能评标通过减少人为干预保障公平公正，提升效率，破除地域限制，带来新增需求 [6] 分组5：未来高价值AI场景突破 - 技术维度上，多模态大模型突破后可带动施工现场安全管理需求场景，满足政府和企业对安全管理的需求 [6] - 市场维度上，新清单激发行业数据管理需求，AI自动建库可提高建库效率，产品已进入验证阶段，后续将规模化推广 [7]

日本AI发展历史与现状 - 日本当前AI发展呈现"雷声大雨点小"特征 未能培育出具有国际影响力的大模型 政府数字化进程滞后 如2023年才淘汰3.5英寸软盘 [1] - 20世纪70-80年代日本AI曾与美国分庭抗礼 但如今已从"AI孤狼"退化为"科技柴犬" [3] - 1981年启动的"第五代计算机"项目投资1000亿日元 计划实现知识管理/图像识别等功能 目标"领先时代40年" 但1992年宣告失败 [4] 举国体制的AI发展陷阱 - 日本"举国AI"模式过度集中资源于少数大型项目 导致行业封闭 中小企业难以参与 错失个人电脑革命机遇 [6] - 经济泡沫破裂后 封闭的AI体系缺乏应变能力 核心项目失败直接导致国家AI路线崩溃 [6] - 当前中国AI发展需警惕类似"毕其功于一役"的思维 科技发展需要包容开放的环境 [8] 产业AI的潜在风险 - 日本过度侧重产业AI导致技术验证失真 行业封闭性使得少数决策者即可制造"AI繁荣"假象 [12] - 产业AI系统后期维护成本高昂 经济衰退时期成为科技创新的负担 [12] - 当前中国"千行百业用AI"政策下 需区分真实智能化与政绩工程 [14] 机器人技术路线偏差 - 日本将AI与机器人概念过度绑定 1973年WABOT-1耗资百万美元 1999年索尼AIBO等产品消耗大量研发资源 [16] - 人形机器人研发成本高但实用价值低 导致资源错配 错过信息革命机遇 [17][18] - 当前具身智能热潮需警惕技术路线受科幻文化影响而偏离实际需求 [20] 中国AI的比较优势 - 中国拥有庞大内需市场 不依赖国际市场竞争 产业链与消费市场双重支撑 [23] - 科技企业兼具硅谷创新精神与开源文化 DeepSeek等案例证明开放生态的价值 [24] - 社会对AI的信心不仅依赖经济因素 民众期待形成的软性影响力构成发展韧性 [24] AI发展核心原则 - 必须保持技术路线的开放包容 避免闭门造车 日本教训显示封闭体系最终导致全面崩溃 [26] - 自主可控不等于隔绝世界 需在开放竞争中验证技术价值 [26] - 产业生态需要容纳多元主体 防止资源过度集中导致的系统性风险 [24][26]

行业转型趋势 - 房地产行业惯性增长失效 建筑行业旧有发展模式将退出历史舞台 新模式需回归对"好房子"的本质追求 [1] - 行业正迈入以"高质量 新科技 好服务"为核心的新周期 建筑行业变化已经开始 [2] - 未来发展方向必须围绕客户价值 核心是回归"好房子"并重构价值链 [2] 数字化与"好房子"理念 - "好房子"标准包括舒适 安全 智慧 绿色四项要求 数字化是实现目标的关键手段 [2] - 提出"刚刚好"房子理念 通过数字化实现需求建模与成本分析 在真实需求与支付能力间寻找最优解 [3] - 数字化可解决粗放建造导致的成本不清 管理无序问题 避免设计施工环节的资源浪费 [3] 精细化管理实践 - 精细化管理分为工地层 项目层 企业层三个层级 分别聚焦生产要素管控 数据集成分析 资源配置优化 [7] - 工地层重点管理劳务 物料 设备三大要素 通过数字工地产品实现精确掌控 [7] - 项目层采用PMSmart系统集成现场数据 企业层通过PMLead系统实现数据驱动决策 [7] 产业AI应用路径 - 产业AI需融合通用能力 行业知识 专业软件 不能仅依赖流程自动化 [8] - 专业软件形成的结构化数据是基础 需与AI模型结合才能实现价值转化 [9] - 产业AI成功要素包括高质量数据 价值导向场景 可靠模型 三者构成"树根 果实 树干"关系 [9][10] 企业战略方向 - 广联达从单岗位软件商转型为数字建筑平台服务商 以"好房子"与"好科技"为破局关键词 [1] - 2015年启动自研设计软件项目 构建"设计一模到底"解决方案 实现全生命周期信息协同 [2] - 提出"省钱 省心 省力"主张 通过科技手段优化资源配置 降低管理博弈复杂度 提升作业效率 [5]