文章核心观点 - 全球首个专为商务场景打造的AI智能体“WeMeet AI智能体”正式发布 标志着公司在推动垂直大模型在商务会议行业应用落地的关键实践进入新阶段 [1][2] 产品发布与定位 - 产品于2月6日在上海张江科学之门举办的“模力荟聚，用AI联接”WeMeet AI智能体发布会上正式亮相 [1] - 该产品是全球首个商务会议智能体 也是全球首个专为商务场景打造的智能体 [1] - 产品聚焦会议展览、商务旅游、社群社区、产业服务四大核心商务场景 [1] - 产品集成AI同传、AI笔记、AI直播、AI互动四大核心能力 [1] 产品价值与目标 - 产品旨在为活动主办方实现重度降本 并从优化参会体验、提升投资回报等多维度为商务会议行业注入新活力 [1] - 产品的发布是模力社区推动垂类大模型在商务场景落地的关键实践 [1] - WeMeet AI商务应用与互联平台已入选“AI产业创新场景应用案例” 并在进博会上海会议活动等大型活动中成功应用 [2] 主办方背景与战略 - 活动由模力社区、WeMeet荟神联合主办 上海市人工智能行业协会特别支持 [1] - 模力社区的官方理念是打造全球领先的垂直大模型生态集聚区 推动大模型在垂直领域的行业应用落地 助力浦东建成全球垂类模型应用高地 [1] - 模力社区的核心驱动力为“前沿聚焦、场景驱动、平台支撑、生态集聚” [1] - 模力社区在世界人工智能大会等重要场合沿用的宣传主题为“模力驱动，智引未来” 体现以模型能力驱动产业智能化升级、引领未来发展的愿景 [1] 未来发展 - 本次发布标志着WeMeet AI智能体进入发展新阶段 [2] - 未来将持续携手各方伙伴 推动AI在更多商务场景中落地 [2]

2026年APEC“中国年”首场会议在广州启动 - 2026年APEC第一次高官会及相关会议于2月1日至10日在广州举办 这是APEC“中国年”的首场正式活动 会议将聚焦“建设亚太共同体 促进共同繁荣”主题及“开放 创新 合作”三大优先领域 其间将举办70多场会议及相关活动 预计有来自各成员经济体 秘书处 工商咨询理事会等1000多名代表与会 [1] 会议活动与城市展示安排 - 会议策划了5条城市参访线路 主题涵盖“千年商都·创新未来都市之旅” “花城绿心·城央生态人文之旅” “西关寻韵·广府文脉传承之旅” “绿野新章·循环发展体验之行” “花乡蝶变·绿美乡村探索之行” 参会代表将前往广交会展馆 海珠湿地 永庆坊 福山循环经济产业园等地体验 [1] - 会议安排文远知行无人驾驶巴士供嘉宾体验 并在海心沙全空间智能体验中心重点展示小鹏 埃安 亿航 极飞等本地企业的新质生产力代表性成果 会场还将展示广州企业名优产品 并设置“广州礼物”展示区 [2] 广州与APEC经济体的经济联系 - 截至目前 广州实际吸收APEC其他经济体外资累计近1200亿美元 占全市实际外资比重高达82.8% [2] 广州未来的产业发展与引资策略 - 广州将以“招商十百千行动”为总牵引 释放更强大的开放动能 [2] - 围绕垂直大模型 基因编辑 量子计算等未来产业赛道 广州将大力招引年轻创业团队 以新设立的产业发展基金 人工智能发展基金 空天基金为“耐心资本” 以“市场+资源+应用场景”为创新土壤 [2] - 广州将以科技领域的创新力打造吸引外资的核心动力 深化与APEC各成员经济体的产业链供应链协同 借助自贸区扩区 外资医院 细胞医疗开放等政策优势吸引外资新设研究中心 [3] - 广州将重点吸引外资生物医药企业与国内企业开展技术授权合作 努力成为亚太区域创新合作的“策源地”与资本集聚的“优选地” [3]

文章核心观点 - 通用AI大模型在理想实验室环境下表现优异，但在真实、复杂且非标准化的金融信贷审核场景中，其实际应用效果和泛化能力面临严峻挑战[2] - 金融信贷行业缺乏一个权威、统一且贴近真实业务场景的AI模型评测标准，导致金融机构在技术选型时面临“无尺之痛”，制约了数智化转型的深入[3][4][10] - 为解决行业痛点，奇富科技联合高校研究团队推出了首个面向信贷场景的多模态评测基准FCMBench，通过高度还原真实物理世界的数据构建和贴合业务的评测逻辑，为行业提供了一把“既土又洋”的衡量尺子[16][18][20] - 在FCMBench的评测中，经过高质量行业数据微调的垂直模型（如奇富科技的Qfin-VL-Instruct）在综合性能、成本及效率上展现出对通用大模型的比较优势，验证了“术业有专攻”的垂直模型商业逻辑[31][32][33] - 奇富科技宣布开源FCMBench的数据集与评测方法，旨在打破学术界与产业界的壁垒，推动AI技术在金融信贷领域的务实落地与深度应用[35][36][37] 通用AI大模型在金融信贷场景的局限性 - 在真实信贷业务中，客户提供的证件材料常存在拍摄歪斜、阴影遮挡、反光模糊、边缘裁剪不完美等“噪音”问题，这与实验室的理想环境相去甚远[2] - 金融信贷业务容错率低，审核要求高，既有的通用技术手段难以满足业务精细化发展的需求[3] - 通用多模态评测基准多关注自然场景或股票财报分析，对信贷核心的证件审核与信息交叉验证关注有限，存在“题目错位”[6] - 受限于合规要求，真实的信贷数据无法共享，形成了“数据隔离”的隐私悖论，导致学术研究与产业落地脱节[8] - 实验室数据过于理想化，模型在真实复杂多变业务环境中的泛化性能往往大打折扣，存在“环境失真”问题[10] 金融行业对AI信贷审核标准的迫切需求 - 经济周期波动下，金融机构对智能信贷审核工具的需求愈发强烈，但缺乏权威统一的衡量标准导致了选型焦虑[4] - 行业标准缺失使金融机构无法理性选型，技术厂商也难以证明自身产品价值，这制约了银行的数智化转型进程[10] - 一套好的信贷AI标准需要同时满足“土”（贴近金融业务痛点）和“洋”（具备宽广技术视野）两个宏观条件，其权威性决定了能否被行业广泛接受[13] - 行业需要一个既深谙金融业务又具备顶尖AI技术能力的中间人来打破僵局，提供垂直精准的解决方案[13] FCMBench评测基准的构建与特点 - 该基准由奇富科技联合复旦大学与华南理工大学的研究团队共同打造，是首个面向信贷场景的多模态评测基准[16] - 为解决数据合规与真实性的悖论，研究团队采用了物理仿真的“苦差事”：构建21位虚拟人物的信贷资料库，生成数十种文档模板并制作成实物，再用多款常见手机拍摄，人为制造反光、折痕等“烂片”效果，高度还原真实世界[18] - 最终构建的数据集包含4000多张合规图像和8000多个任务指令[18] - 评测体系涵盖“感知-推理-鲁棒性”三个维度，要求模型不仅能看清材料，还能理解业务逻辑并进行信息交叉比对，在异常样本中保持稳定[20] - 评测任务示例包括检查身份证与房产证姓名一致性，以及通过比对收入证明与完税证明（如声称年收入高于10万元但纳税比例低于10%）来校验数据合理性[25] - 该基准旨在帮助金融机构在稳健性、覆盖度与业务效率之间找到符合自身风险偏好的平衡点，而非追求单一维度的极致分数[25] 主流模型在FCMBench上的评测表现 - 评测涵盖了全球14家机构的23个主流模型，包括通用巨头和垂直模型[28] - 在通用商业模型中，谷歌的Gemini 3 Pro表现领先；在开源基模中，阿里的Qwen3-VL-235B是佼佼者[29] - 根据评测表格数据，主要模型综合得分（Overall Average）如下：Gemini 3 Pro为64.61，Claude Opus 4.5为59.91，GPT 5.2为53.14，Qwen3-VL-235B-A22B-Instruct为57.27[30] - 奇富科技自研的信贷垂类模型Qfin-VL-Instruct取得了全模型最高综合得分64.92，在感知（Perception）子项如DTR（94.22）、KIE（45.38）和IQE（55.00）上表现突出[30] - 综合指标（F1）是召回率与精确率的调和平均，得分高反映模型的结构化能力与鲁棒性更均衡，更适配真实信贷业务需求[31] 垂直大模型在金融场景的比较优势 - 奇富Qfin模型夺冠验证了“术业有专攻”的垂直大模型商业逻辑，其更像熟悉行业潜规则的资深从业者，而非仅拥有通用常识的“博士”[32] - 在成本与效率方面，奇富Qfin模型采用指令模式，其推理速度比开启思维链的通用模型快2-3倍，且Token消耗量呈数量级下降，更适应信贷审批仅几十秒的窗口期要求[33] - 基于高质量行业数据微调的垂直模型，可以在特定金融场景下，以更低的成本和更快的响应速度，与参数量巨大的通用模型竞争[33] 行业影响与未来展望 - FCMBench的推出旨在将AI研究从实验室指标导向实际业务落地[35] - 奇富科技宣布开源FCMBench的数据集与评测方法，以消除“既当裁判又当运动员”的疑虑，并为行业提供稀缺、合规且高质量的信贷场景数据，打通学术与产业壁垒[35] - AI发展正进入务实时代，未来的竞争关键在于谁能扎根行业，解决具体的产业问题[36] - 真正实用的AI诞生在真实的业务泥泞里，奇富科技通过构建FCMBench，连通了AI研究与金融落地，助力金融机构跨越数智化转型的深水区[37][38]

公司概况与上市申请 - 众安信科（深圳）股份有限公司向港交所提交上市申请，联席保荐人为工银国际与国联证券国际 [1] - 公司成立于2021年12月，是一家企业级AI解决方案提供商，专注于智能营销及智能运管解决方案 [4] - 公司最新估值为22.15亿元 [1] 行业背景与市场地位 - 中国企业级AI市场从2020年的143亿元飙升至2024年的472亿元，年复合增长率高达34.8% [4] - 在垂直大模型细分市场中，到2029年，具备垂直大模型能力的企业级AI解决方案市场规模有望突破千亿元大关 [4] - 按2024年收益计算，众安信科在中国配备垂直大模型能力的企业级AI解决方案提供商中排名第四 [4] 财务表现 - 2023年、2024年及2025年前9个月，公司实现营业收入分别为2.26亿元、3.09亿元、2.9亿元 [4] - 同期净利润分别为1008.2万元、3323.1万元、3165.5万元 [4] - 毛利率从2023年的13.7%提升至2024年的27.2%，并于2025年前三季度进一步升至41% [5] - 智能营销解决方案的毛利率从2023年的4.6%暴涨至2025年9月的46.1% [5] 客户与业务发展 - 累计服务客户数量由2023年底的88家增至2025年9月底的338家，年复合增长率高达63.1% [5] - 新增客户主要集中在农业与运输等传统行业 [5] - 2023年、2024年年底及2025年9月底，五大客户带来的销售总额分别占总营收的74.7%、62.7%及47.4% [7] - 最大客户众安集团带来的收益分别占同期营收的44.4%、44.6%及23% [7] 股东结构与融资情况 - 创始团队通过众行有米持股平台持有38.93%股权，并签订一致行动协议 [8] - 众安在线全资子公司众安科技持股35.49%，位列公司第二大股东 [9] - 两大股东合计控制74.42%投票权，形成绝对控股 [9] - 公司共获得两轮融资，共计4.92亿元 [9] - 2024年A轮融资后估值为15.77亿元，2025年10月B轮融资后最新估值为22.15亿元 [9]

政府调研与政策导向 - 省长刘小涛调研“人工智能+医疗健康”创新发展情况 强调要深入实施“人工智能+”行动 以新基础设施、新技术体系、新产业生态推动人工智能与医疗健康领域深度融合 [1] - 调研强调坚持创新驱动、安全可控 坚持建用并举、以用促建 更好地满足群众健康服务需求 [1] - 要求探索研究人工智能辅助医疗分级分类标准、规则、规范 为创新应用留出空间 同时统筹好发展和安全 [2] 医保领域应用与数据价值 - 调研省医保数据赋能实验室 关注基金运行监测、平台载体建设及垂直大模型开发 [1] - 指出要借助人工智能技术加强医保基金监管 形成事前提醒、事中审核、事后监管闭环 实现从点位预警到系统性风险防控 [1] - 强调要建好用好医保可信数据空间 注重数据安全与隐私保护 释放数据要素价值 精准构建健康画像 助力医药产业发展 [1] 医疗临床与科研创新 - 在东南大学附属中大医院调研ICU智慧诊疗中心、数智医学展示中心 了解省卫生健康云数据资源、影像平台运行、高质量专病数据集及垂直大模型建设进展 [2] - 关注重症医擎大模型应用情况 要求加快切口小、方法巧、效果灵的智能体开发 [2] - 强调加强“产学研医”协同创新 促进医学与人工智能、现代工程技术交叉融合 提高医护人员人工智能素养 [2] - 目标创新预防、诊疗、康复、健康管理等全链条连续智能服务 持续推进医疗、医保、医药协同联动 为群众全生命周期健康提供更优服务 [2] 产业发展与企业机遇 - 调研南京佗道医疗科技公司 该公司凭借人工智能技术优势设计制造的手术机器人销往全球市场 [2] - 指出人工智能加快赋能医疗装备 产业发展空间广阔 [2] - 要求省有关部门和地方发挥江苏制造业优势 强化企业创新主体地位 推动人工智能科技创新与产业创新深度融合 [2] - 强调加强新技术新产品的临床应用和场景推广 促进专注于医疗细分领域的企业茁壮成长 助力全省打造人工智能产业发展高地 [2]

武汉市垂直行业模型认定名单发布 - 武汉市经济和信息化局发布2025年武汉市垂直行业模型拟认定名单 涵盖医疗、工业制造、政务办公等多个关键领域 将为城市数字化转型注入新动能 [1] - 经多轮严格遴选 6个标杆垂直行业模型和20个优秀垂直行业模型脱颖而出 共计26个模型 [1] 入选模型的技术特点与创新性 - 入选模型包括全国首个脑出血AI大模型、全球显示领域首个具备强推理能力的垂域大模型 [1] - 入选模型包括国内首个通过生成式人工智能服务备案和深度合成算法备案的"双备案"出版领域大模型 [1] - 入选模型包括基于全球首个深度推理与多模态融合大模型开发出的首个工业质检垂类模型 [1] 大模型的定义与层级划分 - 大模型是指利用"大数据＋大算力＋强算法" 通过海量数据训练得到的具有强大预测、决策和综合处理能力的机器学习模型 [1] - 这类模型通常参数规模巨大 达数百亿至数万亿参数 能够处理文本、图像、音频、视频等多种模态数据 具备跨模态理解、生成、推理和交互能力 [1] - 大模型按应用领域主要分三个层级 L0层为基础通用大模型 具备强大泛化能力 相当于完成"通识教育" [2] - L1层为行业大模型 在基础模型上针对医疗、金融、制造、科研等特定行业进行微调或定制化训练 融入行业知识和数据 成为行业"专家" [2] - L2层为垂直大模型 进一步聚焦行业内的具体场景或任务 如医疗疾病诊断、制造业生产质量检测 是大模型落地的关键层级 [2] 武汉发展垂直行业模型的战略考量 - 武汉聚焦垂直行业模型是基于自身禀赋的精准战略抉择 通过错位竞争破局 [2] - 战略依托武汉的产业集群和完备制造业体系 在垂直领域构建独特技术壁垒 [2] - 采取以"用"促"研"策略 垂直模型能精准解决行业痛点 降低企业AI采纳成本 [2] - 通过医疗、工业、政务等领域的垂直模型矩阵 推动人工智能与实体经济深度融合 [2] 评审与后续政策支持 - 在首批垂类模型评审环节 市经信局组织企业开展路演 全程突出应用导向 [2] - 武汉将进一步强化政策支持 助力模型技术加速落地产业化 [2]

数据治理市场规模与痛点 - 2025年中国数据产量将达51.78ZB，但有效留存率仅5.1%，超九成数据因治理缺失沦为沉睡资产 [1] - 2025年78%的国内企业已实施数据治理，但仅有不足30%的企业实现数据资产化运营 [1] - 技术标准混乱、安全风险凸显等问题成为普遍痛点 [1] 数据治理行业演进 - 数据治理行业经历三个阶段：1.0时代比拼功能汇聚数据，2.0时代平台功能智能化但严重依赖行业专家 [2] - 传统治理模式存在规则僵化、语义割裂、任务碎片化等问题，导致大量数据资产沉睡 [2] - 行业亟须进入3.0时代，即依托垂直领域大模型实现全流程智能赋能 [2] - 到2028年，企业中超过50%的生成式AI模型将为特定领域模型 [3] 垂直模型解决方案优势 - 通用大模型缺乏深度业务理解，面临知识肤浅、幻觉频发困境 [4] - 垂直大模型能理解行业专有名词，例如应急管理场景下“三防”指防汛、防旱、防风 [4] - 百分点科技发布业内首个百思数据治理大模型（BS-LM），基于过去十年服务16个部委、90余个省市、50余家央企所积累的近千个项目经验 [4] 技术架构与实施机制 - 构建独特的数据回流机制，项目产生的数据主题库、标准元数据、运营指标体系等必须回流，直接影响项目考核 [5] - BS-LM采用知识原语理念，将复杂治理知识解构为可计算语义单元，通过多阶段训练和模型融合技术解决知识遗忘和语义漂移问题 [6] - 百思数据治理平台（AI-DG）以自然语言交互为入口、以智能体群为执行单元，实现从智能决策到高效执行 [6] 商业应用与价值验证 - 百思大模型已在政务、应急、央国企等关键领域落地，例如广州市白云区应急管理局对多源异构预案数据进行整合支撑智能分析 [7] - 某省应急厅的智能问数应用使跨业务数据获取与决策效率显著提升，实现从被动响应向主动治理跨越 [7] - 治理3.0时代核心是将行业知识变成可计算原语，让智能体处理重复性工作，使人专注于高价值判断 [7] - 未来垂类大模型竞争焦点是场景深度与知识厚度，而非参数大小 [7]

业务进展与行业突破 - 汽车行业前三季度营收增长28.36% [2] - 取得道路车辆功能安全最高等级ISO 26262 ASIL-D认证 [2] - 中标汽车金融解决方案、海外测试等数个千万级项目 [2] - 新增多家头部车企客户，合作版图扩展 [2] AI技术研发与应用 - 近两年着重研发垂直大模型及应用技术 [2] - 与哈工大联合成立人工智能实验室，与主流大模型公司建立生态合作 [2] - 建立基础大模型→垂直大模型→Agent行业应用的全栈能力 [2] - 自主研发FarAIGPTCoder智能辅助编程、FarAIGPTBrain知识大脑、FarAIGPTRecruit智能招聘、FarAIGPTLabel智能数据标注等产品 [2][3] 海外业务拓展 - 在巩固新加坡、日本市场基础上，设立马来西亚、印尼子公司 [3] - 完成泰国、越南等亚太核心市场的人员布局 [3] - 签约新加坡等重要客户，实现东南亚市场数字银行项目突破 [3] - 国际化布局作为重要增长极，预计海外业务对收入贡献度将提升 [3] 盈利能力与产品战略 - 通过积累行业知识库与专家资源池，将共性技术能力产品化 [4] - 形成可复用标准化解决方案，输出数据治理、智能分析等高附加值服务 [4] - 实现从单一技术执行向价值共创升级，形成"技术实施+产品化服务+生态协同"复合收益结构 [4] 股东与公司治理 - 截至2025年9月30日，公司股东人数为46,393人 [4] - 上市前员工持股平台（耕读邦、木加林、嘉嘉通）减持为满足部分员工改善生活需要 [4] - 减持旨在发挥持股平台激励作用，激励员工为公司创造价值 [4] - 公司如有重大事项会及时履行信息披露义务 [5]

公司AI战略核心观点 - 公司明确以垂直大模型为技术支撑，重构教育服务交付模式的AI战略方向 [1] - 公司提出“一体两翼一动力”战略，将科技创新作为重要一翼，强调高质量发展必须依靠科技赋能教育 [3] - AI战略已得到初步验证，2025年前三季度营收达24.64亿元，同比增长15.65%，净利润为2.49亿元，同比增幅达92.48% [1][3] 下沉市场战略 - 下沉市场成为非学历职业教育新的增长极，公司依托全国1000多个网点的渠道优势，将成熟教学模式下沉至地市 [2] - 公司2025年重点推进三大举措深耕下沉市场：推进区域运营改革、优化产品供给、优化服务流程 [2] - 通过建立轻型基地满足县域考生“近家上课”需求，并推出“考编直通车”等产品，单班规模普遍100人以上 [2] AI产品布局与成果 - 公司已布局包括AI面试点评、AI申论批改等20款AI产品矩阵，覆盖学员培训“学练考评”全学习场景 [4] - AI面试点评已规模化应用于教学、教研及师资培训，2025年上半年覆盖全国30余个省市上万名学员 [4] - AI申论批改产品的手写体识别率高于平均水平26%，且用户调用量保持每月翻一番的速度增长 [4] 技术优势与数据积累 - 公司拥有持续收集和整理全行业全模态高质量数据的能力，积累20万份批改样本 [5] - 通过年累计3000名师资、300万小时、价值4亿元至6亿元的数据治理投入，将海量数据转化为高质量结构化数据 [5] - 公司AI产品的优势在于低成本、高质量和速度快，核心竞争力源于高质量数据驱动与人机协同机制 [4][5] 内部运营与组织效能 - 公司通过“全岗位、全场景”智能工作台赋能核心岗位，近70%约7000名员工深度使用该工作台 [5] - AI助力公司招生转化率提升35%，销售人员人均效率提升超50%，实现组织效能的显著提升 [5] - “学员侧-内容侧-工具侧”三位一体布局让AI技术贯穿教育服务全链条，成为降本增效的核心动力 [5] 行业前景与公司目标 - 2024年中国职业教育市场规模已突破9000亿元，预计到2030年将突破1.2万亿元 [6] - 公司预计未来行业集中度将进一步提升，目标将全国市占率从当前约5%提升至30% [6] - 数据驱动的教育垂类大模型将实现精准教学和个性化学习，推动教育高质量发展 [6]

公司AI战略与方向 - 公司明确以AI为核心科技赋能教育，提出“一体两翼一动力”战略，将科技创新作为重要一翼，旨在通过流程再造与AI技术重构服务交付模式，形成差异化竞争优势 [3] - 战略方向为以下沉市场探索业务增长空间，以垂直大模型为技术支撑，重构教育服务交付模式 [1] - AI战略布局延伸至组织运营层面，通过“全岗位、全场景”智能工作台赋能员工，形成“学员侧-内容侧-工具侧”三位一体布局，贯穿教育服务全链条 [5][6] 财务业绩表现 - 2025年前三季度营收达24.64亿元，同比增长15.65%，其中非学历培训业务实现营收24.43亿元 [1][3] - 2025年前三季度净利润为2.49亿元，同比增幅达92.48% [1][3] - 2025年三季报披露研发费用同比激增160.41%至1.45亿元，主要用于扩充AI研发团队 [3] 下沉市场策略 - 下沉市场成为非学历职业教育新的增长极，公司依托全国1000多个网点的渠道优势，将成熟教学模式下沉至地市 [1] - 2025年重点推进三大举措深耕下沉市场：推进区域运营改革建设轻型基地、优化产品供给推出“考编直通车”、优化服务流程提升用户体验与运营效率 [1][2] - 举措满足县域考生“近家上课”的核心诉求，单班规模普遍100人以上，有效降低单位成本并提升产品市场竞争力 [1][2] AI产品矩阵与成果 - 公司已布局包括AI面试点评、AI申论批改、AI个性化辅导等20款AI产品矩阵，覆盖学员“学练考评”全学习场景 [3] - AI面试点评已规模化应用于教学、教研及师资培训，2025年上半年覆盖全国30余个省市上万名学员 [4] - AI申论批改产品在文章手写体识别方面，识别率高于平均水平26% [4] - AI面试答疑和申论批改产品用户调用量行业领先，且保持每月调用量翻一番的增长速度 [4] 数据与技术优势 - 公司拥有持续收集和整理全行业全模态高质量数据的能力，积累20万份批改样本，并通过年累计3000名师资、300万小时、价值4亿元至6亿元的数据治理投入，将数据转化为高质量结构化数据 [5] - 核心竞争力源于高质量数据驱动与人机协同机制共同构成的组织生产力，即“冰山模型”下的支撑 [4][5] - 教育垂类大模型通过对教育数据的收集和分析，可实现精准教学、大规模因材施教和个性化学习 [6] 运营效率提升 - 公司内部近70%、约7000名员工深度使用智能工作台，AI助力招生转化率提升35%，销售人员人均效率提升超50% [5] - 通过简化“招生-转化-交付”流程，学生可实现试听、报名、学习服务的一站式对接，提升运营效率 [2] - 未来人机协同交付将进一步降低成本、提升效率，推动行业集中度提升 [6] 行业前景与市场地位 - 2024年中国职业教育市场规模已突破9000亿元，预计到2030年市场规模将突破1.2万亿元 [6] - 公司凭借高质量学科制课程、紧跟考试大纲的迭代能力与AI效率工具，有望将全国市占率从当前约5%提升至30% [6] - 公司未来竞争力的关键在于建设贴近学员的高质量基地产品，同时推进以AI为核心的科技赋能 [2]