市场动态与产品表现 - 1月15日盘中，三大指数再度集体翻绿，AI应用、软件开发板块持续回调，贵金属板块走高 [1] - 创业板软件ETF华夏（159256）盘中成交额达1.75亿元，近5日累计资金净流入6.55亿元 [1] - 截至2026年1月14日，创业板软件ETF华夏最新基金规模达8.06亿元，创成立以来新高，最新份额达6.53亿份 [1] 行业事件与产品 - 谷歌近日正式发布全新Agentic电商解决方案，核心包括UCP通用商务协议与Gemini CX智能客户服务系统 [1] - 该方案旨在打造一个由AI代理驱动、无需跳转页面、覆盖购前到售后全链路的一站式购物闭环 [1] - 用户今后在谷歌搜索中，可直接与AI交互完成复杂购物任务 [1] - 相关产品包括创业板软件ETF华夏（159256）、创业板200ETF华夏（159573）、人工智能AIETF（515070） [2] 软件行业在AI产业链中的定位 - 在AI产业链中，软件行业主要处于中游技术层和下游应用层，扮演核心技术支撑和应用落地的关键角色 [1] - 在中游技术层，软件行业主要提供AI框架、开发平台和算法模型，这些技术是AI应用开发的基础 [1] - 在下游应用层，软件行业通过将AI技术与各行业结合，推动AI应用的落地 [1] 人工智能行业观点 - 人工智能作为新一轮科技革命的核心驱动力，其最大的价值不在于提升效率，而在于创造新的可能性，推动各行各业向智能化跃迁 [2] - 大模型技术正深刻重塑全球产业格局，其发展有望为金融业带来规模达数万亿元的增量商业价值，实现从效率提升到价值创造的范式重构 [2] - 大模型的迭代发展需直面技术瓶颈、高投入成本以及与监管框架的平衡等挑战 [2]

公司业绩表现与增长 - 公司2022年至2025年上半年营收分别为1.40亿元、2.55亿元、3.22亿元、1.16亿元，归母净利润分别为0.16亿元、0.25亿元、0.44亿元、0.15亿元 [2] - 2023年营收同比增长82.32%，归母净利润同比增长52.62%；2024年营收同比增长26.14%，归母净利润同比增长77.95% [2] - 公司主营业务为以视频智能为核心的智慧城市产品及解决方案，并拓展综合智算云业务，提供智能算力及大模型部署、租赁等服务 [2] 盈利能力与毛利率 - 公司2022年至2025年上半年综合毛利率分别为40.52%、32.47%、34.52%、39.01% [4] - 公司各期毛利率均显著高于同行可比公司均值（分别为29.35%、28.05%、24.82%、24.81%）[4] - 公司解释高毛利率原因为：前期选择利润空间高的项目、新拓展的综合智算云业务毛利率偏高、自研软件占比高以及可比公司毛利率较低拉低行业均值 [5][21] 应收账款与现金流状况 - 公司应收账款、合同资产及长期应收款合计账面价值在报告期各期末分别为1.23亿元、2.87亿元、3.40亿元、3.57亿元，占总资产比重分别为50.96%、62.02%、57.51%、59.42% [3] - 公司经营活动产生的现金流量净额在2022年至2025年上半年分别为-0.04亿元、-0.30亿元、0.16亿元、-0.75亿元，经常为负 [3][4] - 公司承认巨额应收款项对现金流量、资金使用效率和财务状况产生不利影响 [3] 供应商情况与潜在疑点 - 多家前五大供应商存在实缴资本为0且参保人数为0的情况 [1] - 例如，2025年上半年第一大供应商广州新晧诚科技有限公司成立于2024年9月，2025年上半年交易金额2247.79万元，占采购总额23.64%，但参保人数为0且实缴资本为0 [6][7] - 另一组供应商江西翎佩工程有限公司和江西曌瀚智能建设工程有限公司，据称人员规模合计约40人，年销售额合计约2200万元，但参保人数均为0，且与公司的年均交易额约700万元，占其销售额30%以上 [8][9][10][11] 客户集中度与地域分布 - 公司对前五大客户的销售集中度很高，2022年至2025年上半年占比分别为85.11%、92.34%、73.13%、81.51% [14][33] - 该集中度显著高于同行可比公司均值（2022-2024年分别为48.08%、55.01%、49.12%）[15][17] - 公司营业收入地域集中度高，报告期内来自江西省内的收入占营收比重分别为94.86%、98.47%、89.78%、88.84% [18][37]

充电基础设施发展现状与规模 - 截至2024年，全国累计建成充电基础设施超1200万台，95%以上高速公路服务区具备充电能力[1] - 充电基础设施体系已成为世界上数量最多、服务范围最广、品种类型最全的体系[1] - 2024年增量市场的纯电动汽车车桩比已达1:1，领先世界其他国家[1] 当前挑战与升级方向 - 行业存在高峰时段紧缺、单桩利用率不足、设备质量参差不齐、企业收益不佳等问题[1] - 发展重点从增加数量转向推动充电设施从“够用”向“好用”转变[1] - 推动老旧充电桩更新是提升效率的重要手段，例如将输出功率从80千瓦升级至最高120千瓦[1] 智能化规划与高效运维 - 运用平台模型进行多尺度模拟，可合理规划充电点位、模式和枪口数量，例如嘉兴市新能源车主寻找公共充电桩平均时长已降至4.97分钟，初步形成5分钟充电圈[2] - 先进数字技术为高效运维提供新路径，国家政策鼓励建设光储充一体化充电场站，协同控制是其关键技术[2] - 江苏投运首座AI智慧调控光储充换一体化站，通过智能优化协同运行提升能源利用效率并降低运营成本[2][3] 技术应用与效益提升 - AI智慧调控系统可基于气象、负荷等数据预测并灵活调节储能、换电装置的充放电，实现源网荷储协同运行以最大化收益[3] - 新技术应用使光伏消纳率从96.0%提升至99.7%，储能日均放电量提升48.12千瓦时，光储运行综合收益提升14.07%[3] - 大模型技术不仅可指导充电站内资源协同，还可推广至工业园区、农场鱼塘等新型微电网场景以最大化生产运营收益[3] 未来发展趋势 - 智能运维技术和人工智能将推动行业向高效、安全、融合方向发展[3] - 充电设施将适应高效服务应用需求，呈现综合、立体、多元化发展趋势[3]

制造业数智化核心概念演进 - 数智化已成为制造业新名片，代表技术升级及逻辑与治理结构的深层变革，从业者需掌握其核心逻辑以迎接智能化时代[1] - 数字化指将线下物理流程和数据搬到线上，解决“怎么做”的问题[3] - 数智化在数字化基础上加入算法力量，解决“该怎么做”的问题[3] 数智化与数字化的核心区别 - 数字化是技术层面的“搬运工”，通过传感器、MES系统实时采集和可视化数据，便于事后查看分析，提升管理透明度和效率[6] - 数智化是认知层面的“决策者”，基于历史与实时数据，利用人工智能和机器学习算法，主动预测故障、优化排程、制定策略，实现从被动响应到主动决策的转变[6] 数智化的核心价值与能力 - **降本增效：从线性优化到指数增长**：通过算法模型实现指数级提升，超越单纯“看数据”的数字化阶段[6] - **预测与主动：从“被动维修”到“预测维修”**：通过实时分析设备传感器数据，预测潜在风险并安排预防性维修，极大降低非计划停机时间，提高设备综合效率[8] - **全寿命周期管理**：通过预测性维护延长设备寿命，降低维修成本[7] - **柔性化生产**：利用算法分析市场需求，快速调整产线配置，避免订单波动带来的资源浪费[7] - **资源最优配置**：通过实时调度降低能源消耗，提升车间利用率[7] 数智化时代的竞争新壁垒 - 数据成为新的生产要素，企业通过数据积累和算法模型沉淀建立竞争壁垒[9] - 拥有海量高质量数据的企业可训练出更准确的预测模型，缺乏数据的企业难以跟上技术进步[9] 数智化关键技术趋势 - **大模型技术：从“工具”变“伙伴”**：企业正构建行业大模型，使其成为研发设计、工艺优化、决策支持的自主学习和优化伙伴，而非解决单一问题的定制工具[11] - **数据治理：从“数据孤岛”到“可信数据空间”**：制造业正从“数据采集”向“数据治理”转型，建立确保数据真实性、一致性和安全性的可信数据空间，为算法提供高质量燃料[12] - **生态协同：从“独立工厂”到“协同网络”**：企业需打破组织边界，构建跨部门、跨供应链的协同平台，通过工业互联网实现与供应商、客户的协同创新，形成更大生态系统效应[13] 企业实施数智化的关键挑战 - **战略认知的更新**：需跳出传统“降本增效”思维，认识到数智化是涉及组织架构扁平化、业务流程再造及人才模型更新的全方位重塑过程[15] - **人才与组织的重构**：面临从“单纯的IT人员”转向“算法工程师”和“数据科学家”的现实挑战，需打破部门数据壁垒，建立跨部门数据治理机制[16] - **技术与安全的平衡**：在数据开放共享的同时，必须面对保障数据安全、保护知识产权及应对算法伦理等现实难题[17]

文章核心观点 - 公司未来在大模型技术领域将聚焦三大核心布局方向，以深化技术应用与价值转化 [1] 公司战略布局 - 深耕校园数据洞察与智能问答场景：持续迭代优化面向校园场景的自然语言处理(NLP)搜索模型，重点提升“校园问数”系统的意图识别、自然语言生成及权限计算和隐私计算能力，实现校园数据实时查询、智能追因与洞察预测的高精度响应，为高校信息化管理决策提供高效支撑 [1] - 发力视觉模型研发与产教融合场景落地：重点推进视觉模型、视频物体检测模型在产业学院教学、实训场景的应用，同步攻坚模型轻量化技术，将相关模型部署至边缘计算设备，实现本地化、低延迟的AI辅助教学，助力产教融合模式创新升级 [1] - 强化技术能力复用与跨场景商业化延伸：将在校园场景中验证成熟的AI技术能力，横向复制拓展至智慧园区、智慧农业、智慧水务的“物联网+AI、门户+AI、数据治理+AI、终端+AI”等B端行业领域，构建可复用的技术能力中台，实现技术价值的跨场景迁移与商业化落地，拓宽公司业务增长边界 [1] 具体业务举措 - 在产教融合场景中，推进AI+教学融合实践，开展AI出题、智能批阅、个性化学习推荐、AI数字人视频生成等多元应用探索 [1] - 布局标准化AI教学产品对外输出，构建从B端到C端的价值闭环，进一步拓宽盈利边界，提升长期发展韧性 [1]

公司未来两到三年大模型技术战略方向 - 公司未来两到三年将在大模型技术领域聚焦三大方向 [1] - 第一大方向是持续优化校园场景NLP搜索模型 提升“校园问数”系统的意图识别、生成能力和隐私计算水平 支持数据智能查询与决策分析 [1] - 第二大方向是推进视觉模型与视频物体检测模型在产业学院实训中的应用 攻坚轻量化技术并部署至边缘设备 实现低延迟AI辅助教学 [1] - 第三大方向是将校园验证成熟的“物联网+AI、门户+AI、数据治理+AI、终端+AI”能力复制至智慧园区、智慧农业、智慧水务等B端行业 [1] - 公司计划构建可复用的技术中台 推动跨场景商业化落地 [1]

合作核心内容 - 苹果与谷歌达成多年深度合作协议，下一代“苹果基础模型”将直接基于谷歌的Gemini模型和云技术构建[1] - 基于Gemini模型彻底重造的Siri将于今年晚些时候推出，Apple Intelligence将在设备端或通过“私有云计算”运行以保护隐私[3] - 谷歌的Gemini将成为苹果设备的“默认智能层”，而OpenAI则退居“辅助角色”[5] - 国行版AI Siri预计不会使用Gemini，可能与国内本土厂商合作或使用自研模型特别版本[5][21] 合作背景与动因 - 苹果在AI大模型技术上存在短板，其现有模型参数为1500亿，而谷歌提供的Gemini模型拥有1.2万亿参数[8] - 苹果AI团队面临严重人才流失，自去年7月至今已有约数十名核心成员跳槽，包括团队负责人被Meta以2亿美元挖走[8][10] - 苹果的保密文化、算力资源起步较晚以及因隐私政策限制导致的训练数据相对匮乏，制约了其大模型研发进度[10] - 苹果需要时间弥补技术差距，选择与谷歌合作是为了获得一条现成的“捷径”，以提升按时交付新版Siri功能的概率[6][19] 谷歌的优势与选择原因 - 谷歌的Gemini 2.5 Pro在大多数大模型排行榜上名列前茅，技术实力强大[11] - 谷歌AI团队每月处理的Tokens用量达到1.3千万亿，算力消耗创行业历史纪录[13] - 根据SimilarWeb数据，Gemini全球网页端流量份额在1月份首次突破20%，而ChatGPT份额从86%跌至64.5%[13] - 谷歌拥有全球顶尖的云计算基础设施和工程团队，能支撑Siri每日海量请求[15] - 苹果与谷歌有长期合作历史与信任基础，例如Safari每年支付超200亿美元的搜索引擎协议[16] - 谷歌在协议中做出妥协，同意Gemini模型运行在苹果的“私有云计算”服务器上，用户数据不接触谷歌系统[18] 交易细节与市场影响 - 根据此前爆料，苹果计划每年支付约10亿美元来使用谷歌的AI技术[6] - 消息公布后，苹果和谷歌股价一度双双上涨，Alphabet市值直接突破4万亿美元大关[3] - 马斯克批评此合作导致谷歌权力过度集中，因其已拥有Android和Chrome[4] 技术整合与产品策略 - 新版Siri采用模块化设计，设备端小模型负责简单任务，云端大模型负责复杂推理，天然支持“插拔式”模型切换[21] - Gemini预计将负责Siri中的摘要器和任务规划等核心功能，其他功能仍由苹果自家模型处理，形成“双轨并行”策略[19] - 此次合作被视为苹果用资本和生态壁垒换取宝贵的“时间窗口”，以提振iPhone销量并保住Apple Intelligence的口碑[23]

行业趋势与人才市场 - 生成式AI与大模型技术呈现爆发式增长，带动大模型算法工程师岗位迎来“黄金爆发期” [1] - 2026届校招数据显示，大模型算法工程师月薪中位数已逼近3万元，顶尖人才年薪破百万，薪资远超前后端、运维、嵌入式等传统技术岗位 [1] - 字节、腾讯、京东等大厂投入巨量资源发展人工智能，增加AI部门并扩招大量大模型和算法人才 [3] - 大模型、生成式AI领域岗位薪资极具竞争力，例如DeepSeek热招的大模型全栈工程师等核心岗位开出11W*14薪的天价薪资，年薪高达154万 [3] - 很多AI核心岗位薪资比往年提高40%，为程序员群体带来更高的年龄容忍度 [3] 课程培养方案概述 - 为解决求职者能力与企业核心AI岗位用人标准不匹配的问题，推出了《AI算法工程师培养计划》 [4] - 该计划由国内一线大厂在职的算法leader亲自主讲，课程广度与深度均符合大厂需求，学完后与算法岗需求贴合度至少达98%以上 [4] - 课程承诺在校应届生就业薪资拿不到29W、在职人员最低薪资涨幅低于40%-50%均可全额退款 [5] - 已有上千位同学通过该计划拿到offer，平均薪资达到35w+，最新一期学员就业薪资最高月薪达85K [5] - 课程教研团队由20位一线大厂顶级专家组成，历时两年打磨，旨在帮助学员掌握基础理论及实战项目，满足行业内绝大多数岗位需求，培养TOP级算法工程师 [7] 核心实战项目内容 - 课程重点围绕主流热门行业商业项目实战展开，包含十大企业级项目，将理论与实践相结合 [7] - 项目三：多模态内容理解与检索，核心技术包括CLIP等多模态预训练模型、多模态融合技术、Faiss/Milvus等向量检索，以及图像/视频理解和文本理解技术 [10][11][12][13][14][15] - 项目四：RAG与大模型智能客服，核心技术栈涵盖智能客服全流程实战、FAQ问答匹配（Sentence-BERT、SimCSE）、RAG技术（文本向量化、检索优化、重排序、大模型生成）及轻量化部署方案 [17][18][20] - 项目五：PDF智能公式与计算，核心技术涉及PDF内容解析、公式检测与识别（OCR）、自然语言到公式/计算（NL2Formula/NL2Computation）以及SymPy等符号计算库 [17][21][22] - 项目六：Agent与自动化工作流，核心技术包括LangChain/LlamaIndex等Agent框架、思维链/ReAct等提示工程进阶、工具调用、记忆机制、任务分解与规划以及代码解释器 [19][26][27][28][29][30][31] - 项目七：Dify智能开发与应用，核心技术涵盖低代码模型开发、行业场景实战，以及Dify平台核心功能如工作流编排、工具插件开发、RAG管道配置等 [24][25][38] - 项目八：ChatBI智能分析与可视化，核心技术包括数据库交互、数据可视化库（Matplotlib, Seaborn, Plotly）、Prompt Engineering引导LLM生成准确SQL，以及SQL语法校验与优化 [33][34][35][36][43] - 项目九：信息抽取与图谱问答，核心技术涉及信息抽取（NER、关系抽取）、知识图谱应用（Neo4j图数据库构建、图谱问答系统）以及大模型融合方案（本地化部署及量化推理） [39][40][41][42][50] - 项目十：金融研报生成系统，核心技术为构建基于角色分工的多智能体系统（研究规划、数据采集、行业分析、财务分析智能体），并集成模型上下文协议（MCP）与OpenAI Agent开发范式 [47][48][51] 课程适用性与成果保障 - 课程项目是一套通用解决方案，可应用于大型互联网、自动驾驶、工业缺陷检测、文本生成、语言模型、医疗、农业等多种场景 [53] - 课程提供3、6、12期分期付款服务，报名即签订保涨薪就业协议 [118] - 协议明确承诺在职人员最低薪资涨幅40%-50%，在校应届生最低年薪29万，若未达承诺即退还全部学费 [118] - 往期学员通过内推入职高效，内推机会多为大厂 [117] 学员成功案例 - 上一期学员已有90%拿到国内外名企的AI、算法岗位offer，最新一期就业学员最高月薪达75K [55] - 案例一：化学专业零基础跨行业学员，通过两期课程学习，成功转型并拿下月薪23k的算法offer [55][57][58][59] - 案例二：目标明确的应届生学员，系统学习后拿下10+个offer，包括字节、美团等大厂，年薪高达60～70万 [61][64][66] - 案例三：双非普本应届生学员，经过4个多月学习，凭借简历优化及内推资源，收获3个大厂offer，最高年薪48万 [74] - 案例四：大专背景学员，通过系统化培训及定制化学习服务（预习指导、实战跟进、简历优化、企业内推），拿下首份年薪30万（20k*15薪）的offer [87][92][96][100] - 案例五：40岁项目经理学员，通过大厂名师指导、项目实战及简历精改与模拟面试，用时3个月成功转型，拿下月薪32k的算法应用岗offer [102][107][109][114]

文章核心观点 - AI带来的流量入口迁移催生了新的营销方式GEO（生成式引擎优化），其本质是优化广告内容以使其被AI搜索平台引用，这标志着营销从传统搜索引擎优化（SEO）向AI搜索优化的范式转变 [1] - 全球及中国GEO市场正处于高速增长初期，市场规模已达百亿美元和近三十亿元级别，并预计在未来几年将随着大模型流量增长和商业化进程而持续快速扩张 [2][3] - 在行业发展初期，建议关注兼具技术和营销行业经验的、率先布局GEO业务的上市公司 [4] GEO的诞生与本质 - GEO出现的根本原因是AI带来流量入口的转移，用户信息获取渠道从传统搜索引擎、社交媒体平台迁移至DeepSeek、豆包、Kimi等AI平台，搜索框变为即时知识合成的界面 [1] - GEO的本质是基于AI搜索平台的算法规则，优化广告内容使其在生成式引擎的对话结果中被引用，其核心机制从传统SEO的“匹配”转变为“分析” [1] - 在AI搜索的检索增强生成（RAG）过程中，排名的概念被解构，营销工作的重心转变为让广告内容“被引用” [1] 市场规模与增长预测 - 2025年第二季度，中国GEO市场规模同比增长超过200%，超过78%的企业决策者将AI搜索优化列为数字化转型优先级 [2] - 2025年，全球GEO市场规模为112亿美元，中国GEO市场规模为29亿元人民币 [2] - 预计到2030年，全球GEO市场规模将突破千亿美元，中国市场规模将达到240亿元人民币 [2] - 市场研究机构Gartner预测，到2026年传统搜索引擎流量将下滑25%，预计到2028年，50%的搜索引擎流量将被AI搜索蚕食 [2] 市场驱动因素与发展前景 - 大模型作为流量入口，有望承载更多用户时间，其广告空间预计将随流量增长而持续上行 [3] - 中短期内，大模型的变现方式中广告占比较低，C端存在较多免费流量的变现真空期，GEO公司有望把握此阶段红利实现快速增长 [3] - 长期来看，随着大模型格局收敛、流量增长趋缓，大模型将开启广告商业化，GEO相关营销公司有望作为其广告生态合作伙伴持续享有成长红利 [3]

中金点睛数字化投研平台核心定位与功能 - 平台致力于打造开放共享的金融业知识平台，集成中金研究分析师投研智慧，是一站式数字化投研服务平台 [1] - 平台依托中金研究超过30个专业团队、全球市场视野、覆盖超1800支个股的深度积淀 [1] - 平台结合大模型技术，致力于为客户提供高效、专业、准确的研究服务 [1] 平台提供的核心研究内容与服务 - **研究观点**：提供日度更新的投研焦点，并精选文章及时推送，例如“中金晨报” [4] - **公开直播**：由资深分析师及时解读市场热点，例如“公开路演” [4] - **精品视频**：通过真人出镜、图文并茂的方式直观展示研究内容，例如“CICC REITs TALK” [5][7] - **研究报告**：提供超过3万份完整版研究报告，涵盖宏观经济、行业研究、大宗商品等领域 [9] - **数据与研究框架**：提供超过160个行业研究框架、行业数据以及超过40个精品数据库和精品数据看板 [10] 平台的人工智能与大模型应用 - **中金点睛大模型**：平台集成了大模型技术，提供AI搜索、要点梳理、智能问答等功能 [10] - **智能搜索**：提供智能化的搜索功能，用户可直接输入问题进行查询 [11] 平台访问与用户权益 - 用户可通过网站（www.research.cicc.com）或手机号登录体验平台 [4] - 用户通过邮箱认证后，可以解锁三大升级功能 [8]