Jay 发自 凹非寺 量子位 | 公众号 QbitAI 港股超额认购 5 065 倍 的AI公司，交出了上市后的首份答卷。 一路猛涨：全年营收6.21亿元，同比增长 23.4% 。净利润2414.7万元，同比增长 42.6% 。 更令人印象深刻的是，在营收扩张的同时，其盈利能力不降反升，整体毛利率提升了7个百分点，达到 43.3% 。 | 財務摘要 | | | | | --- | --- | --- | --- | | | 截至12月31日止年度 | | | | | 2025年 | 2024年 | 録動 | | | 人民幣千元 人民幣千元 | | (%) | | 收入 | 621,081 | 503,129 | 23.4% | | 毛利 | 268,994 | 182,393 | 47.5% | | 年内虧損 | (205,322) | (93,733) | 119.0% | | 非國際財務報告準則計量指標：附註 | | | | | 經調整淨利潤 | 24,147 | 16,932 | 42.6% | | 附註:更名詳情,詩參閱太公生「非國際財務報生淮即計昌 1一節。 | | | | 而这一切的背后，都离不开 ...

行业核心观点 - 大模型落地进入深水区，企业级软件正在发生一次底层逻辑的“脱胎换骨”，代表着软件架构层面的范式转移 [1][2] - 企业级AI的竞争逻辑，开始从模型能力竞争转向“认知结构”的竞争，当基础模型成为公共设施后，护城河转移到判断质量、系统协同和私有化的上下文结构 [4][5][13] - 企业软件正在从“数据操作系统”阶段进入“决策操作系统”阶段，企业级Agent架构是这一阶段的重要基础设施形态 [31][35] - 过去十年企业采购软件系统，过去三年尝试模型能力，未来十年将部署一套能够参与经营判断的智能系统 [46] 技术架构的范式转移 - 技术栈的重心正在从界面转向Agent，控制权结构发生改变，AI正在“吞噬”用户体验，界面不再是决定体验的核心 [7][8] - 新的核心是Agent这一推理层结构，企业软件的价值单位从SaaS时代的“席位”转变为Agent时代的“结果能力” [9][10][11] - 企业软件的引力中心正从记录系统（System of Record）转向上下文系统（System of Context），Context是回答“为什么如此”的认知网络，由目标、决策路径、历史经验等构成 [12][15][16] - 特赞提出的Generative Enterprise Agent架构，使智能体能够围绕业务意图展开推理并进入真实业务执行路径 [17] 特赞GEA架构详解 - GEA架构由四层组成：意图层、推理层、执行层、上下文系统 [18] - **第一层：意图层**：起点是业务目标，系统首先理解企业希望解决的问题本身，使智能体围绕结果而非具体指令运行 [20][21][22] - **第二层：推理层**：由特赞自研的Creative Reasoning Model进行发散推理与路径编排，生成多个可能路径并评估选择最优策略，这决定了智能体是否具备真正的业务推理能力 [23][24][25] - **第三层：执行层**：通过Proactive Agent体系调度模型能力与企业内部系统接口，使任务能持续推进，执行层系统GEAClaw负责跨系统调用资源并动态调整策略，这是企业级Agent与Copilot工具的重要区别 [26][27][28] - **第四层：上下文系统**：组织历史决策路径、品牌资产、用户研究等，构成企业长期判断能力的来源，是智能体具备持续推理能力的基础 [29][30] 商业模式与价值评估变化 - Agentic AI最重要的变化在于收入结构，传统SaaS的年度经常性收入建立在席位订阅上，而企业级智能体系统的年度经常性收入则建立在业务参与深度之上 [36][37] - 软件订阅关系正在从“席位订阅”转向“决策订阅”，企业采购的是一种可以影响经营结果的能力结构，这成为资本市场重新评估企业级AI公司价值的重要依据 [37][38] - 红杉合伙人提出，下一个万亿美元公司将是“伪装成服务商的软件企业”，其价值体现在能否持续影响业务结果，而不仅仅是提供工具 [39][40]

公司与英伟达的合作模式 - 合作模式体现为底层算力与行业场景的深度协同，形成高度互补[1] - 英伟达提供强大的算力底座与原子技术能力[1] - 公司凭借多年行业积累，拥有将复杂技术架构精准对接企业“研产供销服财”等具体场景的能力[1] 合作的价值与产出 - 双方协作将前沿技术转化为业务经营的实际增量，满足客户核心诉求[1] - 协作降低了AI在企业端的落地门槛[1] - 加速了尖端方案在业务深水区的实效性产出，实现技术向价值的平滑转化[1] 公司的角色与技术融合 - 公司主要承担应用端方案的集成与交付工作，并提供咨询规划[1] - 通过企业级PaaS平台、大圣AI中台、融合数据平台等自研技术底座赋能体系，将英伟达的AI加速能力与公司成熟应用产品深度融合[1] - 公司专注于将英伟达的架构与能力融入自有产品，通过自有产品的智能化升级提升业务增长潜力[1] 公司的竞争优势 - 相较其他传统咨询公司，公司优势在于拥有更多自主可控的成型应用产品和各行各业的优秀客户[1] - 在海外，英伟达与此类合作模式已有先例[1]

市场趋势与客户投资变化 - AI技术已成为企业全面进化的底层驱动力，企业正致力于将AI深度植入业务肌理，推动经营模式、生产方式及管理体系的代际演进 [3] - 企业对AI的投入逻辑正从传统的IT费用支出，逐步沉淀为战略性的资本开支 [5] - 企业AI投资意愿主要集中在两个维度：一是对现有生产链条进行深层重组的**生产类重构投资**；二是将AI能力内化到自身产品中的**产品类赋能投资** [5] - 随着标杆案例落地，部分领先客户的AI预算已展现出向**千万甚至亿元级**靠拢的趋势 [5] - 基于对数据安全和核心掌控权的考量，构建私有化算力中心正成为大客户在布局AI时的重要考量因素 [5] 公司战略定位与业务演进 - 公司定位正从“劳动力驱动”转向“产品驱动”，未来的增量将更多来自于趋向标准化的产品（如AI供应链物流产品） [6][7] - 公司始终是连接技术与管理的“桥梁”，过去做成熟套装软件的实施，现在基于自主产品为客户提供大模型、Agent及各种AI技能 [6] - 除了国内市场，公司已布局并深耕海外市场多年，将国内竞争环境下“卷”出来的优秀产品和业务实践向海外市场输出，去年在海外市场实现突破，拿到了一批新客户 [7] 产品技术与应用发展 - 企业端AI应用经历由浅入深的过程：去年关注点主要集中在**知识库（RAG）** 和**数据可视化（BI）**；今年市场焦点已从“问答”转向“执行”，重点展示如**物流Agent**等智能体概念在企业端的具象化 [7] - 在企业端完成第一个真实场景的闭环，会立刻启发客户产生**3到5个**关联场景的需求，这种从0到1的启发式增长正成为今年Agent相关业务推进的关键驱动力 [7][8] - 公司基于DeepSeek-Coder模型和H-ZERO平台源码训练了代码大模型——**飞码（H-AI Coder）**，已较深度介入Coding环节，负责生成辅助代码，研发效能正处于持续爬坡和优化的进程 [10] - 公司认为，企业端类似Openclaw的Agent实现过程会比个人用户端复杂得多，周期也会更长，未来会慢慢出现类似形态的企业端Agent [6] 核心竞争力与生态合作 - 公司的核心竞争力在于**工程化包装能力**，通过企业级PaaS平台、大圣AI中台、融合数据平台，将底层AI工具整合、优化成企业内部可无缝衔接、“开箱即用”的产品 [8] - 在AI落地企业端过程中，公司与生态合作伙伴（如互联网、云、大模型公司）能力边界清晰：合作伙伴擅长“单点、短流程”的通用场景；公司则具备深厚客户基础、场景理解能力及复杂的业务逻辑梳理与行业深度方案设计规划优势 [5] - 公司与英伟达的合作体现了底层算力与行业场景的深度协同：英伟达提供算力底座与原子技术能力；公司凭借行业积累和业务理解能力，将技术架构对接企业“研产供销服财”等具体场景，承担应用端方案的集成与交付工作 [10][11] - 相较其他传统咨询公司，公司的优势在于拥有更多**自主可控的成型应用产品**和各行各业的优秀客户 [11] 行业挑战与未来展望 - 企业端AI的落地涉及复杂的业务逻辑重构，必须深度结合业务设计具备可行性的解决方案，方能实现技术与场景的闭合 [4] - 未来人与AI的关系将进入“强规则”与“弱规则”的“极致分工”状态：AI擅长处理强规则、重复性工作；人擅长处理弱规则、柔性的定性判断 [9] - 公司中短期可能在执行重复简单事务的边缘岗位上进行AI替代，但客户服务、方案设计及研发等多种重要岗位，依然需要人的把关作用 [10] - 公司与英伟达的协同目前仍处于商业模式的样本积累阶段，未来将持续把国际上的现有成功案例经验复制到更多客户中，扮演各方能力的“融合方” [12]

公司核心成就与行业认可 - 公司连续第三年成功登榜2025年度毕马威中国「金融科技企业双50榜单」[1] - 毕马威金融科技企业50评选自2016年启动，已成为行业发展的重要风向标[1] - 公司技术实力与商业价值持续获得行业权威机构认可，包括入围中国信息通信研究院《AI Agent智能体产业图谱1.0》、入选《中国数字营销生态图（2025版）》六大关键板块、入围DBC德本咨询「2025企业级AI Agent应用TOP50」及「2025信创500强」、入围《2024爱分析·央国企数字化厂商图谱》等[7] 核心产品与解决方案 - 公司作为企业级AI解决方案提供商，致力于通过智能营销和智能运管两大解决方案为金融企业客户提供AI赋能[3][4] - 智能营销解决方案围绕客户生命周期管理，整合客户分群、策略制定、产品匹配、权益激励运营及多渠道互动，形成端到端工作流程[4] - 智能运管解决方案提供AI驱动能力，以提高决策、业务管理、研发及风险管理的运营效率，帮助企业从人工作业过渡至AI驱动的智能管理[4] 核心技术架构 - 两大解决方案建立在公司自主研发的跨行业AI架构之上：XK-QianAI作为技术及知识基础，实现科技与企业工作流程的深度融合[5] - XK-QianAI具备数据蒸馏能力，能以合规方式从多元数据来源提取信息，并进行智能清洗及蒸馏[5] - 内建知识管道将非结构化文件转化为结构化数据，确保AI智能体应用高效运作[5] - Qian Nexus将基座AI能力转化为可执行的商业解决方案，依托800+个自主研发的AI智能体及40+个AI超级助理，串联企业内部分散数据与业务流程，降低资料孤岛问题，支持全组织范围内更精简、高度协同的工作流程[5] 公司战略与行业定位 - AI落地的关键在于对业务逻辑的深刻理解、对行业痛点的系统回应以及持续的服务赋能与生态联动[7] - 公司以成为企业AI转型中值得信赖的伙伴为目标，持续深耕打磨智能化解决方案，助力客户打造业务增长飞轮[7] - 公司专注于赋能金融企业客户迈向AI升级[3]

行业与公司 * **行业**：科技、媒体和电信行业，特别是人工智能、数据中心基础设施、芯片与算力、企业软件[1] * **涉及的公司**： * **科技/芯片公司**：英伟达、甲骨文、Corwave、Nebias、Lumentum、Coherent、惠普、Salesforce[3][5][11][15][16] * **数据中心/基础设施公司**：Applied Digital、Digital Realty、Galaxy Digital[3][5] * **金融服务/支付公司**：Visa[2] * **超大规模企业**：未具名，但指代主要云服务提供商[6][7][8] 核心观点与论据 * **AI应用进入广泛且深度整合的新阶段**：AI是会议绝对主导主题，企业应用从2023年的低门槛场景转向2024年在多个业务板块、职能部门和地区深度推进[1][2] * 案例：Visa提到，利用AI，一个小型开发团队在几天内就能完成过去需要多个团队数月工作的原型开发[2] * 其他公司案例：原本需要一个季度的工作现在两天就能完成[3] * **AI基础设施资本支出巨大，融资活动活跃且出现分层**：数据中心建设等AI资本支出周期是会议焦点，多家公司发布建筑融资公告[3] * 租户质量成为融资定价关键：拥有高评级投资级租户的建筑债券定价低于6%，而资质较弱租户的债券价差则高出约200个基点或更多[4] * 融资方式多样：上市公司（如Digital Realty）可能依赖公共债券融资，而私人企业更依赖资产层面融资[5] * 芯片/算力融资受关注：Corwave等公司考虑使用无追索权融资工具，并希望将优质交易对手支持的融资移出资产负债表[5][6] * **算力需求旺盛，供应链通过长期协议保障**：保障算力供应面临组件、材料和资金两大挑战[7] * 解决方案：资产负债表强劲的终端买家（如超大规模企业、英伟达）通过长期采购承诺支持供应商 * 数据支撑：根据SEC文件，超大规模企业和英伟达已承诺超过6000亿美元的租赁承诺和另外6000亿美元的采购承诺[8] * **企业级AI和云推理是未来重要方向**：会议反复出现的一个主题是，超大规模企业目前是GPU供应商和算力提供商的重要交易对手，但最终目标是转向企业客户[6] * 未来预期：不会只有单一AI模型，每家企业都会拥有自己的模型[7] * **AI对就业的影响被积极看待，市场担忧未获证实**：关于AI应用导致人员编制减少的负面讨论有限[13] * 企业观点：AI不会直接取代人力，而是使公司能在不增加人员的情况下实现过去无法达成的增长，即增长与人员编制开始脱钩[13] * **AI能力的非线性进化速度是被市场低估的风险**：AI实验室团队指出，没有迹象表明行业面临规模扩张瓶颈[17] * 数据：正用前一代10倍的算力训练下一批模型，新模型能力可能远超预期[17] * 影响：今年春夏将推出能力极强的全新模型，市场需要为此做好准备[17] 其他重要内容 * **算力合同期限显著延长**：Corwave提到，算力合同期限从过去的3年延长到目前的5年，并正在考虑签订6年期的合同，这显示市场对GPU长期价值的信心[15] * **投资者关注的新话题**： * **软件公司杠杆回购**：在Salesforce宣布股票回购后，信贷投资者开始关注其他软件公司是否可能进行杠杆股票回购[16] * **内存价格上涨**：上周的硬件企业财报（如惠普）显示，内存价格上涨已成为投资者的焦点领域[16] * **行业公关焦点转变**：行业讨论正从AI导致的失业问题，转向强调AI的生产力价值、对社会的益处以及对日常生活的积极影响[18] * **意外之处**： * 英伟达管理层在讨论生态系统融资时，更多谈及代币变现和云服务提供商的参与，而未回应关于供应商融资等核心问题，这让分析师感到意外[11][12] * 对AI导致人员编制负面影响的担忧在会议上讨论有限，与企业积极看待AI赋能增长的观点形成对比[13]

公司近期资本市场动态 - 滴普科技于2026年3月9日正式被纳入港股通，预计将实质性改善流动性、吸引内地增量资金、优化股东结构并扩大投资者基础 [2] - 公司上市后首份正面盈利预告显示，2025年预计实现营收约4.01-4.25亿元人民币，同比增长约65%-75% [2] - 2025年经调整净亏损同比大幅收窄约65%-75%，盈利能力持续改善 [2] 公司业务与财务表现 - 核心业务FastAGI企业级人工智能解决方案收入在2025年同比增长达175%以上 [3] - 业绩增长得益于2024年加大算力和FastAGI解决方案的研发投入，并于2025年形成了产品基础 [3] - 公司在消费零售、制造、医疗、交通等领域形成了稳定、高质量、可复制的产业生成式AI应用 [3] - 公司拥有“数据-模型-应用”的完整技术闭环和两大核心技术底座：AI-Ready的FastData Foil数据融合平台与Deepexi企业级大模型平台 [4] 行业背景与市场地位 - 滴普科技是港股“企业级大模型AI应用第一股”，于2025年10月28日在港交所主板上市，上市首日股价涨超150% [4] - 在港股市场中，纯粹以企业级大模型AI应用为主业的标的极为稀少，公司是该领域的先行者 [5] - 根据IDC数据，中国AI大模型解决方案市场在2024年规模已达34.9亿元，预计未来五年保持54.5%的年复合增长率 [4] - 国家政策如《“数据要素×”三年行动计划（2024—2026年）》和《国务院关于深入实施“人工智能+”行动的意见》为公司提供了良好的发展机遇 [4] 公司核心竞争力与前景 - 公司业绩和纳入港股通的核心支撑在于其在Data+AI领域深厚的核心技术壁垒以及规模化商业落地的成果 [3] - 资本市场认可公司填补了企业级人工智能应用核心标的领域的空白，并精准卡位全球企业级AI规模化爆发的关键节点 [4] - 凭借南向资金流动性改善及公司优质基本面支撑，公司有望实现估值与业绩的双重提升，长期投资价值凸显 [5]

AI Agent技术爆发引发行业洗牌 - 华尔街研究机构Citrini Research于2026年2月24-25日发布报告，引发传统SaaS巨头股价暴跌 [1] - 技术核心驱动力是AI Agent（人工智能智能体）的技术大爆发，其已跨越“只会聊天”阶段，具备自主执行能力 [1] - 行业正面临残酷洗牌，企业需用AI Agent重构内部工作流，否则面临淘汰风险 [1] - 多数企业在尝试落地AI Agent时陷入困境，未能实现降本增效 [1] 企业AI落地面临的主要技术挑战 - **第一重灾难：系统并发与稳定性** 当AI Agent全面接入核心工作流，全公司成百上千业务线同时请求会产生巨大并发量，导致网络通道被占满、系统崩溃 [5] - **第二重灾难：模型兼容性与集成** 企业为保稳定会接入多家大模型，但各家接口标准、数据格式存在差异，导致程序员需耗费大量精力处理兼容性问题 [6] - **第三重灾难：成本失控与算力浪费** 网络超时和系统报错重试会导致算力消耗（Token）如流水，接口调用费和维护成本可能使企业亏损 [7] - 根本问题在于连接大模型的“基础设施”过于脆弱 [9] 破局方案：智能聚合调度网络 - 行业标杆企业已从“单线直连”进化到“智能聚合调度网络”，避免手工对接和维护的脏活累活 [10] - 国内技术圈越来越多架构师转向成熟的云原生聚合架构 [10] - 七牛云的AI Token API成为许多头部企业重构AI业务线的首选方案 [10] 聚合API解决方案的核心商业价值 - **一键兼容，节省研发成本** 七牛云AI Token API作为标准化接口，可一键调用全网主流大模型，将过去需5人团队数周的工作缩短至1人半天完成 [10] - **抗洪峰流量，保障业务稳定** 其底层异构算力调度和CDN网络能智能分配请求，消化冗长连接，极大缩短响应延迟，提升系统稳定性 [11] - **精细化成本控制** 提供清晰统一的用量统计看板，可识别算力浪费和失败调用，并通过智能路由优先选择性价比最高、响应最快的模型节点 [12] 行业竞争进入新阶段 - 2026年，大模型的智商竞赛告一段落，真正的比赛进入“落地与部署”的深水区 [16] - 未来的商业竞争力取决于企业能否快速、稳定、低成本地构建自己的AI Agent员工大军 [16] - 在关键洗牌期，选择成熟的底层技术基础设施至关重要，将决定企业在AI时代能走多远 [17]

公司业务动态与战略布局 - 蚂蚁数科旗下AI旗舰产品ZOLOZ在马来西亚正式启动运营枢纽中心，以升级本地服务能力、加快响应速度、增强本地处理能力 [1][3] - ZOLOZ融合AI、人脸识别和动态风险智能，为企业提供AI数字安全验证解决方案，已为全球超30个国家和地区提供服务 [3] - 马来西亚枢纽中心是全球化关键进展，此前海外总部已落户香港，并在印尼、新加坡等地建立成熟业务基础 [3] - 公司正加速企业级AI领域发力，将推出百灵大模型企业版，并成立“大模型技术创新部”攻坚toB场景落地 [3] - 百灵企业版更关注幻觉抑制、指令遵循、Agentic Engineering及安全合规能力，以满足企业级高标准需求 [3] - 作为蚂蚁集团AI toB业务板块，蚂蚁数科企业级智能体方案已广泛应用于金融和能源等领域 [4] - 在金融行业，公司已覆盖超100%国有股份行，超60%地方性商业银行及数百家金融机构 [4] 行业市场趋势与竞争格局 - 全球企业级AI市场正迎来需求大爆发 [3] - 海外公司Palantir 2025年第四季度营收同比激增70%，业绩被称为“过去十年科技领域最好业绩” [3] - 海外公司Anthropic过去三年年营收增长超过10倍，在近日完成的G轮融资中估值达3800亿美元 [3] - OpenAI也在加速企业级AI产品布局 [3] - 国内市场方面，“大模型第一股”智谱上市后表现抢眼，最新市值突破2500亿港元 [3]

公司业务与市场地位 - 奥哲是国内领先的企业数智化服务商，致力于通过低代码及企业级AI平台产品、服务及解决方案，帮助企业实现数字化、智能化转型升级 [1] - 公司已服务超20万家企业用户，覆盖60%的中国500强企业 [1] - 公司从低代码平台起家，于2025年下半年正式推出企业级AI平台，通过“AI+数据+低代码”三位一体的模式，帮助企业实现AI原生应用开发 [5][16] 行业趋势与客户需求变化 - 过去一年，企业级AI市场呈现冷静务实的特点，不同于消费级AI的喧嚣狂欢 [3] - 自DeepSeek发布后，国内企业客户使用AI的热情被前所未有地点燃 [8] - 2025年下半年开始，客户需求从概念验证转向寻找真实、有价值的业务场景，例如律所打造“智慧律所”、电商企业基于数据做选品决策等 [9] - 企业级AI为企业提供了一个跨越式机会，使其不必从零构建SaaS平台，就能直接迈入AI时代，类似于跳过“光纤入户”直接进入5G时代 [5][23] AI落地的主要挑战 - AI落地的核心挑战不在于技术本身，而在于识别值得投入的真实业务场景，并确定在何种精度下投入才能产生正向投资回报率 [3] - 挑战主要集中在两个维度：一是对场景实现精度与所需代价的评估不清晰；二是工程化进程复杂，涉及与原有数据整合、流程梳理、系统集成等 [10] - 企业使用AI的成本可能远超预期，成本核心取决于场景所需的精度，例如将售后问答准确率从70%提升至95%以上，成本可能增加十倍 [11][12] - 企业容易因目标不切实际或价值不清晰而导致过度投入和成本浪费 [13] 奥哲的解决方案与产品策略 - 公司利用十余年的行业积累，试图通过工程化能力弥合技术普及与实际落地之间的鸿沟 [5] - 解决方案首先通过低代码进行数据治理，提供零门槛的机器学习洞察，以理解企业经营，提升Agent决策准确性 [18] - 其次，通过将Agent与公司原有的数字化应用结合，解决工程化落地问题，降低AI落地成本 [18] - 最后，其低代码平台结合大模型，支持通过自然语言直接开发应用，降低开发门槛和成本，提升效率和准确度 [18] - 公司关注企业数据图谱，包括数据结构、流程结构和组织结构，通过数据理解企业，这是提升AI准确率的关键突破 [19][20] - 公司将AI Agent与低代码视为“并行和相互融合”的关系，共同解决企业问题，未来可能加入决策系统等第三板块 [17] 市场需求与业务影响 - AI不仅带来了显著的增量机会，也部分替代了原有的低代码需求 [21] - 老客户普遍希望在原有项目（如合同管理、会议管理、费控管理）中加入AI，升级为智能应用 [21] - 市场涌现出大量新需求，例如供热企业利用AI预测供热站运转、电商企业预测选品等 [21] - AI吸引了大量新增客户，其中许多过去并非公司的低代码客户，因“AI+低代码”模式而更快切入该领域 [21] - 案例显示，AI既替代了客户原有不好用的工具（如光迅科技的智慧合同管理系统替代人工审核），也创造了全新需求（如家电电商的选品Agent） [22] 公司发展愿景与行业展望 - 公司的目标是成为一家AI原生公司，并帮助客户成为AI原生公司 [25] - 公司内部已进行全员AI培训和应用竞赛，在研发、交付、实施、客服（如工单Agent、代码审查、智能问答）等部门广泛应用AI [26] - 公司已将内部数字化部门与服务客户的AI部门合并，以加速成果转化和实践 [27][28] - 企业级AI能力普及的拐点已经到来，尤其在大企业中，模型能力已不是问题，关键在于工程化和价值显性化 [24] - 公司认为中国市场将走出不同于Palantir和ServiceNow的第三条路径，其特征是更低的成本、更普惠、更柔性，并具备平台+应用模式以支持个性化 [30][31] - 公司希望带着国内企业客户在AI应用上实现大面积开花结果，并走出一条带有自身印迹的全球化路径 [31]