合作事件概述 - 拓尔思与中航文化在第七届天津直博会航空工业集团展台签署框架性合作协议 [1] - 双方共同参与发起成立航空智媒联盟 [1] - 合作活动名称为“航空产业大脑与智媒技术创新系列签约活动” [1] 合作内容与目标 - 合作核心是共同构建一个以人工智能、知识图谱和大数据为核心的航空智媒平台 [1] - 平台目标被描述为“懂产业、会思考、能服务” [1] - 拓尔思将全力支持航空智媒生态系统建设 [1] 公司战略与展望 - 拓尔思董事长施水才表示公司将以此合作为契机，与中航文化共同开创智媒时代的新局面 [1] - 拓尔思是中航文化的长期合作伙伴 [1]

AI驱动的GEO服务市场变革 - AI技术正深刻重塑数字营销格局，品牌曝光概念从传统关键词排名扩展到AI搜索答案、知识图谱展示等更广泛场景[2][5] - GEO服务商角色超越传统SEO技术操盘手，成为品牌建立可见性、传递价值、实现精准触达的关键赋能者[3] - 领先服务商通过AI技术创新帮助品牌在复杂搜索环境中脱颖而出，实现更精准高质量的曝光[5] 评测体系与方法论 - 评测体系围绕技术壁垒、行业渗透力、场景适配性、交付SLA和商业转化五大维度构建，权重分别为25%/25%/20%/15%/15%[2][4] - 技术壁垒考量AI算法、大数据分析、自然语言处理等核心竞争力，商业转化维度衡量服务能否带来可观ROI[4][6] - 数据来源涵盖服务商公开报告、第三方监测数据、客户反馈及项目实测效果，确保测评结果客观可靠[4] 核心技术壁垒 - 知识图谱与Schema标记应用使搜索引擎更准确理解品牌信息，提升结构化搜索结果可见度[7][8] - QScore作为AI驱动的内容评估体系，能量化内容在信息准确性、专业性、权威性等方面的表现[9] - 证据链与溯源清单通过证明信息真实可靠，提升内容在AI搜索引擎中的权威得分并规避品牌风险[10] 北京移山科技核心能力 - 公司采用AI+GEO双轮驱动策略，结合AI算法与GEO策略实现智能化内容生成与优化[11] - LLMs语义结构化技术利用大型语言模型对内容进行深度语义理解与结构化处理[12] - GeoRank AI引擎能根据用户意图和搜索场景动态优化内容排名，确保品牌信息触达目标用户[13] 标杆案例成效分析 - 消费电子品牌案例中，新产品在AI搜索结果曝光量提升300%，用户点击率提高150%，有效询盘量增长80%[16][23] - 在线教育平台案例显示，教育类搜索场景曝光量提升200%，咨询量增加110%，到课率提高33%[26][31] - 公司日均语义分析达9.8亿次，交付周期较行业均值缩短50%，客户满意度100%，成功交付率99%[2] 行业领先服务商格局 - 北京移山科技被评为Top Pick，其他上榜服务商包括移山文化、大姚广告、大威互动、麦麦GEO[2] - 服务商选型关键依据包括七端适配、知识图谱+AI Schema、AOR/RR/CVR闭环等能力体系[2] - 全流程标准化服务能力确保服务质量稳定性和可预测性，高响应专属服务保障营销效果持续性[14][15] 未来发展趋势展望 - AI将在GEO领域扮演更核心角色，AI搜索答案、多模态搜索、个性化推荐等新形态持续涌现[35] - 服务商需不断投入技术研发，从内容优化、用户意图理解到效果衡量全面提升服务能力[35] - 能提供高度定制化、智能化、可量化GEO解决方案的服务商将在市场竞争中占据更有利位置[35]

AI搜索智能回答技术流程 - AI理解用户问题依赖自然语言处理技术 包括拆解句子和提取关键信息[4] - 知识图谱构建庞大信息网络 存储实体关系如企业业务和客户数据[4] - 智能检索通过数字信号匹配问题与资料 提升答案相关性[4] - 答案生成阶段区分简单问题直接提取和复杂问题整合梳理[4] 企业信息优化服务模式 - 企业通过技术手段整理并发布信息至全网 提升AI搜索可见性[4] - 服务覆盖AI平台包括DeepSeek、豆包和文心一言等[4] - 优化方法涉及梳理企业信息和适配平台规则[4] 技术演进与行业影响 - AI搜索智能回答基于四步流程：听懂问题、找对信息、挑准内容、说清答案[4] - 自然语言处理与知识图谱技术协同工作 驱动答案准确性提升[4] - 技术持续进步将增强AI回答的理解能力和实用性[4]

投资模型与数据挑战 - 投资模型若不能涵盖最全面的数据，微小的偏差也可能导致资产配比出现显著问题 [1] - 投资领域的“隐数据”并非传统财务数据，而是需要借助AI技术和非线性算法抓取的非结构化数据 [1] - 任何事物发展都存在难以预测的“变数”，这些变数可能产生巨大的连锁反应，探求事物间联系并进行精准场景预设与数据采集是一大挑战 [1] “蝴蝶效应”与非线性影响 - 系统初始状态的微小变化可能引发一系列事件，最终改变世界另一端的重大事件路径，例如龙卷风影响海上航运、国际贸易及股市指数 [2] - 大数据计算已成为影响世界经济发展的关键变量，但需警惕被表面数据遮蔽双眼 [2] 绿色投资项目的潜在风险 - 使用可生物降解塑料替代传统塑料，每年可节约全球4%的化石燃料和2.3%的碳排放 [2] - 可生物降解塑料若未有效回收降解，在无氧填埋场会分解出大量甲烷，其增温效应是二氧化碳的80倍以上 [3] - 将一次性塑料全部替换为可降解塑料将消耗全球一半以上的玉米产量，可能引发粮食锐减、饲料价格增长、贫困饥饿及社会紊乱等连锁反应 [3] 基础设施投资的数据盲点 - 投资城市基础设施项目时，投资方可能未充分纳入人口流动、车况物流、商品销售、市场价格等非线性现象的数据 [3] - 项目施工过程中的噪声污染对周边居民产生的负外部性影响常被忽略 [3] 历史数据真实性的启示 - 基础信息依赖于历史记录者所掌握史料的多寡，其真实性与完整性存疑，例如对秦始皇、汉武帝的记述可能并非全貌 [4] - 历史的真相可能部分存在于公开典籍，部分封藏，其余已难寻踪 [5] “隐数据”的重要性与应对策略 - 在投资实践中，大量潜藏的“隐数据”即便在最先进的大数据计算框架内也难以尽显真容，但这些数据从长期维度决定人类社会低碳之路能走多远 [5] - 破局需要投资理念迭新升级及加强“算力建设”，运用数据仓库技术、人工智能、神经网络等工具将数据串接成“知识图谱”，并从“数据矿山”中提取高价值“信息金块” [5]

公司AI产品进展 - "海纳"MCP Server每月在能力和功能上不断迭代升级 目前已经开放给更多大模型 智能终端 智能体应用平台等合作伙伴 并成为众多AI产品选用的消费能力增强服务 [1] - 8月对外输出量达到2000万 环比增长54% 从4月至今实现6倍增长 [1] - 知识图谱接口通过将碎片化信息结构化 系统化整合 将海量消费事实和概念以图谱方式连接 支持大模型深度理解与精准推理 [1] 技术能力升级 - 知识图谱接口相比传统RAG检索 能为AI实现精准内容定位并深入挖掘信息间复杂关系 实现高效一体化智能检索与生成 [1] - 知识图谱检索连通内容搜索与商品搜索 使检索内容更全面且大模型回答更精准 [1] - 接口已开放3C数码品类 关联100万篇文章和150万实体数据 [2] 数据资源基础 - 后续将在公司海量商品库和内容库基础上构建更多品类知识图谱 [2]

核心观点 - 国际数据治理协会发布《工业企业数据质量治理进阶实践指南白皮书》 旨在系统性地破解工业企业数据质量治理难题 提供一套清晰可执行分阶段跃迁的治理框架 帮助企业构建高质量数据基座 释放数据资产潜能[1] 数据治理核心概念 - 白皮书对主数据静态数据源端治理末端治理等关键基础概念进行精准定义和辨析 为实践指导奠定理论基础[2] - 概念澄清有助于企业跳出局部片面治理视角 从数据全生命周期全局规划治理蓝图[2] 数据治理成熟度模型 - 白皮书首次系统性提出工业企业数据质量治理五阶段成熟度模型 源于国内外大量企业实践经验总结[3] - 模型清晰勾勒从基础规范到智能全域的进阶路径 帮助企业定位自身阶段并明确发展目标[3] 编码管理阶段 - 第一阶段目标是通过统一编码规则解决数据识别混乱问题 实现一物一码[4] - 核心任务是制定规范统一格式推动落地 此阶段是数据治理的奠基工程[4] - 常见误区是过度依赖工具而忽视业务规则 导致大量基础性录入错误[4] 主数据管理阶段 - 第二阶段治理范围从识别扩展到共享数据的标准化 确保核心主数据在全企业范围内一致准确唯一[5] - 企业开始引入主数据管理系统并建立管理流程[5] - 质量校验多依赖简单正则表达式和人工审核 深层业务逻辑错误难以发现[5] 静态数据治理阶段 - 第三阶段治理范围从主数据扩大到全部静态数据 治理深度从格式校验深入到业务逻辑校验[6] - 通过构建包含业务规则的数据模型引入算法校验和行为约束机制 从源头降低质量问题发生率[6] - 挑战在于转变数据质量无法根治的传统观念 克服业务系统改造和业务人员抵触阻力[6] 协同治理阶段 - 第四阶段目标是将治理覆盖数据从产生到消亡的全生命周期 实现源端保证数据出生健康和末端查漏补缺[7] - 在数据分析应用端统一统计口径梳理业务血缘 使数据在决策场景中真正可用且可信[7] - 需规避重应用轻治理的短视思维 应对复杂数据链路带来的追溯挑战[7] 智能全域治理阶段 - 第五阶段目标是突破结构化数据边界 实现对非结构化数据如图片合同音频的有效治理[8][9] - 通过融合人工智能自然语言处理知识图谱等技术 构建知识驱动的智能治理能力[9] - 实现治理流程自动化与智能化 治理效率呈指数级提升[9] - 挑战在于非结构化数据的复杂性对AI技术提出极高要求[9] 白皮书行业价值 - 为工业企业提供从战略到战术的完整行动指南 帮助企业少走弯路节约试错成本[10] - 通过标准化概念和框架促进企业内不同部门及产业链上下游的高效沟通协作[10] - 帮助企业根据所处阶段针对性规划技术架构和平台工具选型 避免盲目投资[10] - 引导企业将数据质量治理从被动合规成本中心转变为主动创造价值的战略资产中心[10]

文章核心观点 - 广发信用卡中心凭借"创建全流程智能防赌反诈教育体系项目"获得2024年国际质量创新大赛教育行业创新类别一等奖 成为中国银行业首次在该国际赛事中获奖的案例 项目通过技术赋能与教育融合构建全流程防控体系 体现金融科技创新在消费者权益保护与金融安全领域的实践价值 [1][2][6] 国际质量创新大赛背景 - 大赛由芬兰质量协会于2007年发起 2021年转由中国质量协会主办 覆盖20个国家和地区 以新颖性、实用性等五大标准评选八大行业类别创新项目 [2] - 2024年共有557个项目参赛 仅25个项目入围国际赛 每个类别仅评选1个一等奖 竞争激烈程度被誉为质量创新领域"奥林匹克" [2] 项目创新框架与设计 - 项目基于金融消费者对教育"准确性、及时性、便捷性"三大核心诉求 通过大数据架构、AI、实时计算与知识图谱技术构建"技术+教育"双引擎体系 [3][4] - 针对老年、青年等不同客群开展线下定制化宣教与线上全天候教育生态 线上累计触达量突破千万级 [4] 全流程防控实施细节 - 事前阶段通过"常态化科普+专题性解读"双轮驱动 以图文、视频等形式实现防诈知识广泛覆盖 [4] - 事中阶段依托AI实时防控 结合短信、弹窗等多维度触达 年教育高风险客户超50万人次 高风险操作触发延时到账机制 [4] - 事后阶段通过反电诈舆情情报体系自动生成教育物料 搭建统一宣教平台承载20多个教育主题 提升教育效率 [4] 项目成果与行业影响 - 涉诈客户精准识别与教育率大幅提升 涉诈交易识别耗时缩短至毫秒级 全年为持卡人挽回直接经济损失数千万元 [5][6] - 高风险场景客户投诉率显著下降 "发现精彩"App安全中心月均访问量超18万 用户满意度持续上升 [6] - 项目展示中国金融机构在金融安全领域的领先实践 未来将持续深化金融消费者权益保护工作 [6]

图谱基本概念与术语 - 图谱由节点、关系和属性构成，节点代表实体，关系代表实体间的连接，属性是附加的键值对 [3] - 关系具有方向性，可分为有向图和无向图，例如朋友关系是双向的，而关注关系是单向的 [5] - 关系可以带有权重，例如用户喜欢帖子的数量，或无权重仅表示连接存在与否 [6][8] - 图谱形状包括简单图、多重图和完全图，简单图任意两实体间只有一种关系，多重图允许同一对实体间存在多种关系，完全图则每个节点都与其他节点相连 [8][10] - 根据节点类型可分为单分图和二分图，单分图所有节点类型相同，二分图包含两种节点类型且关系仅发生在不同类型之间 [12] 图谱建模与表示方法 - 标记属性图模型是一种灵活的数据表示方法，包含节点、标签、属性和关系四大要素 [18][19][20][21][22] - Cypher查询语言使用文本描述图形模式，语法直观，例如用`(:Person {name: "Alice"})`表示带标签和属性的节点，用`-[:FRIEND]->`表示有方向的关系 [13][14][15] - 建模决策取决于具体目标、问题和领域，若需通过特定值搜索或发现共享该值的实体，则将该值建模为独立节点更为合适 [24][25][26] - 图谱能够将人物、地点和概念表示为节点，通过有方向的关系连接，并可附加属性数据 [27][28] 图谱应用与工具 - 图谱技术可应用于社交网络、推荐系统、客户旅程和内容标记等多个领域 [29] - 行业中存在Neo4j、Memgraph、Kuzu等图形数据库工具，可供开发者探索和使用 [29] - 图谱提供了一种强大而灵活的连接思维方式，有助于更直观地连接信息点，并非仅限于数据科学家使用 [29]

募集资金基本情况 - 公司首次公开发行2200万股新股，每股面值1元，发行价格32.29元，募集资金总额7.1亿元，扣除发行费用后实际募集资金净额6.15亿元[1] - 募集资金已专户存储并设立专项账户[1] 募集资金使用情况 - 截至2025年5月31日，累计投入募投项目资金8860万元，占承诺投资总额25,971.67万元的34%[3] - 主要投向两个项目：基于工业互联网架构的智能MES系统优化项目和基于大数据的质量追溯与分析系统优化项目[3] 募投项目延期情况 - 延期项目为"基于大数据的质量追溯与分析系统优化项目"，原定完成时间未披露，调整后延期至2027年12月31日[3][6] - 延期原因包括：技术路线调整（从Cloudra大数据产品转向国产信创平台）、引入知识图谱技术、行业算法模型升级[4][5] - 市场环境变化促使功能升级：需支持动态追溯拓展（覆盖新增数据源）、根因分析模型（嵌入行业专家知识）、预警预测模型（从事后纠偏转向事前预防）[5][6] 项目重新论证 必要性 - 国家强化重点行业（食品/医药/汽车/电子/烟草）质量安全监管，新法规如《药品管理法》《食品安全法实施条例》推动追溯需求[7] - 消费市场对供应链溯源需求增长，企业质量管控投入增加，需信息化解决方案支持全流程追溯与预警[7][8] 可行性 - 技术底座采用国产信创平台，融合知识图谱与行业算法（如质量逻辑专家知识），实现动态追溯与根因分析[8] - 公司已采购相关软硬件并投入研发资源，资金可支撑项目持续开发[9] 预期效益 - 项目将提升公司大数据产品技术水平，增强市场竞争力与经营业绩，并扩展至绿色供应链管理等新场景[8][9] 审议程序 - 董事会及监事会于2025年7月25日审议通过延期议案，认为调整符合实际经营情况且未改变资金用途[9] - 保荐人兴业证券核查后认为决策程序合法合规，无损害股东利益情形[10][11]

公司AI产品入选创新案例 - 公司9个AI产品通过开源大模型集成应用能力质效评估，入选首批"开源大模型+"软件创新应用典型案例，成为入选案例数量最多的公司[1] - 评估涵盖接入能力、应用能力、模型性能、安全能力、兼容适配、运营管理等六个维度[3] - 产品聚焦销售、核保、理赔和风控等实际业务场景，从68个入围案例中脱颖而出[3] AI能力建设与生态构建 - 公司构建"保险+科技+服务"模式，升级建设AskBob、智能图像、知识图谱、仿真预测四方面AI能力[4] - AskBob引入预训练大模型技术，已在核保、理赔等场景应用，团财核保答疑实现24小时0等待，有效解答率超90%[4] - 智能图像大模型替代烟囱式小模型，新场景交付时效大幅缩短，内容创作效率提升95%[4] - 知识图谱覆盖5类知识体系，实现知识自动化构建[5] - 仿真预测在车险保费预测场景实现从0到1突破[5] 业务场景应用与价值创造 - 公司完成DeepSeek大模型本地化部署，围绕销售、核保、理赔、风控等场景打造AI助手[6] - 创小保AI助手实现单条营销内容百万级客户精准触达，提升非车销售能力[6] - 团非数字核保人实现"人工核保"到"AI自核"模式变革，自核率提升17pt，首次报价时效缩短至2小时以内[7] - 数字化风控体系实现每年AI减损金额超50亿元[7] 行业地位与未来规划 - 公司AI大模型技术已全面融入业务流程，展现AI技术创新实践上的强大实力[3] - 公司在ICDAR、EMNLP、Gartner等多个世界AI顶级会议比赛中获得冠军[4] - 未来将深化数字化转型，推进"人工智能+"行动[7]