数据产业蓬勃发展正当时。 在数字经济时代，数据已跃升为继土地、劳动力、资本、技术之后的关键生产要素。随着国内5G通 信网络、卫星遥感系统及生成式AI等关键技术的加速迭代，以及智能终端设备的规模化部署，数据生 成能力进一步增强。数据、算力与算法作为人工智能发展的三大核心支柱，在算法与算力逐步走向标 准化的进程中，经过精准化标注及结构化处理的高质量数据，已成为制约AI技术发展的关键战略资 源。 AI大模型通过重构数据要素的价值创造路径，显著激活了数据要素市场的商业化进程。在文旅、金 融、医疗健康、智能制造等垂直领域深度应用的驱动下，对数据的多样化需求持续攀升。具备"数据 +AI"深度融合能力，且能切实将技术应用于真实场景的企业，已经获得资本市场高度关注，成为数字 化转型浪潮中的核心投资标的。 根据睿兽分析统计，2021年至2025年11月，国内数据与人工智能（涵盖技术层与应用层）领域，在 一级市场共发生融资事件4496起，涉及企业2610家，披露融资总额为2511.1亿元。从地域分布来 看，融资活动显著集中于北京、广东、上海、浙江及江苏五地，合计占比达81%。其中，北京以 1149起融资事件位居全国之首，已成为国 ...

2025Automechanika Shanghai（上海法兰克福汽配展）圆满落下帷幕，作为全球前三、亚洲最具规模的汽车零部件专业展会，共吸引了来自44 个国家及地区的7000余家企业的参展。车凌科技作为智能出行解决方案提供商携车辆全生命周期解决方案亮相本次大会，全面展示了"数据+AI"的全 场景技术解决方案。 Hyper Fleet：服务车队的全球化数智"指挥官" Hyper Fleet（车队运营管理平台）吸引了众多国内、外车队运营及使用企业的目光。该平台聚焦于资产管理与运营管理两大核心能力，从而提供车队数 字化、智能化运营管理服务。 ¡ 资产风险的"全景哨塔" 平台通过端侧AI算法，对车辆资产进行7x24小时的"贴身守护"。无论是轻微的碰撞刮擦，还是异常的零部件磨损，平台都能实 时感知并告警，帮助管理者第一时间锁定责任、定损理赔，有效降低资产折损率 。 ¡ 运营效率的"精算师" 针对人的因素，Hyper Fleet构建了多维度的驾驶行为分析模型。它能实时识别疲劳驾驶、分神、急加速等高危行为，并生成司机 安全画像 。这不仅帮助车队降低了事故率，更为基于使用行为的保险（UBI）提供了精算依据，帮助优质车队显著 ...

财务业绩表现 - 2025年前三季度累计实现营业收入3.15亿元，同比增长16.35% [2] - 2025年第三季度营业收入1.13亿元，同比增长19.24% [2] - 前三季度归属于上市公司股东的净利润同比减亏，扣除股份支付影响后同比减亏3017.89万元 [2] - 业绩减亏得益于深耕存量市场、加强增量市场布局及项目落地实施，推动收入稳步提升 [2] 业务与技术基础 - 公司在数据要素赛道有十余年积累，拥有大量商业场景和行业知识库、算法模型库 [2] - 长期服务通信、ICT、快消品、汽车、医疗、金融、烟草等领域的头部客户 [2] - 提供数据分析应用、数据运营等多方面的全栈解决方案 [2] - 积累的场景Know-How为AI智能体应用落地奠定基础 [2] AI技术与业务融合 - 在数据智能业务交付中有效结合AI技术研发成果，为业务开拓带来积极贡献 [3] - AI相关产品应用已产生多个订单，创新业务成长态势凸显，预计未来订单需求旺盛 [3] - AI技术驱动的产品服务收入占比逐步提高，有望带动公司收入和总体毛利率持续提升 [3] 战略举措与资本运作 - 发布股权激励方案，对公司核心业务及技术骨干进行激励并设定考核目标 [3] - 变更募投项目，由"AIOT行业应用解决方案云平台项目"迭代为"行业数据智能应用服务平台升级" [4] - 募投项目升级旨在将数据分析技术升级到最新数据智能技术体系，并新增建设多个行业的高质量数据资源库 [4] - 引入西藏恒擎极智人工智能合伙企业作为战略投资者，基于对公司未来发展前景的认可 [4]

行业趋势转变 - 数据与AI技术正推动企业从“信息时代”迈向“认知时代”，企业核心竞争力从数据处理能力向认知能力跃迁 [1] - 认知能力即企业对商业世界的深刻理解、精准判断与科学决策的能力，将成为企业增长的新引擎 [1] 信息时代的挑战 - 过去信息时代认知能力分散于个体，导致企业面临战略规划受经验束缚、市场洞察滞后、销售预测偏差、部门数据割裂等问题 [3] - 体系化认知的缺失导致决策风险，例如某企业因受众与渠道错配导致营销活动失败 [3] 认知时代的解决方案 - 企业可通过深层数据洞察构建稳定、统一的集体认知，使高质量决策成为可持续动能 [4] - 企业认知分为三层进阶：信息层识别表象，洞察层理解动因，认知层决策判断，完成进阶标志着企业迈入认知驱动的高级阶段 [4] 火山引擎Data Agent产品 - Data Agent在“认知层”发力，通过打通结构化与非结构化数据壁垒实现自然语言交互下的全面数据洞察 [4] - 产品将各平台能力原子化供大模型灵活调度以消除系统孤岛，并沉淀行业专家经验使工具具备开箱即用的分析与营销能力 [4] - 其智能分析Agent可自动生成深度洞察结论，“一客一策”引擎能基于多维度数据构建立体客户画像并输出精准营销策略 [4] 客户实践验证 - 某品牌借助Data Agent在数小时内生成精准营销方案，效率提升数倍 [4] - 某SaaS企业通过“一客一策”实现高价值客户优先触达与千人千面推荐后，线索转化率提升2倍以上 [4] 底层数据基础设施 - 火山引擎AI数据湖以Daft引擎统一处理多源数据，通过“AI算子广场”提升非结构化数据处理效率 [5] - 采用Lance技术降低存储成本超50%，以破解大模型时代的数据基建痛点 [5]

核心观点 - 公司发布2025年度"提质增效重回报"行动方案 从党建引领 主业发展 投资者回报 服务国家战略 市值管理和公司治理六大方面推动高质量发展 [1] - 公司2024年归母净利润15.44亿元 同比上升88.39% 净资产收益率显著提升 经营质效实现跨越式增长 [1] - 公司自2015年上市以来累计现金分红48.10亿元 连续9年分红比例超过归母净利润30% [2] 主业发展 - 公司坚守"金融报国 金融为民"初心 以客户为中心 投研为驱动 持续优化业务结构 巩固核心业务优势 [1] - 公司发挥"投研—投资—投行—资管—财富"链条协同效应 打造一体化综合金融服务平台 [1] - 公司继续深化业务协同 [1] 投资者回报 - 公司2024年实施中期分红 全年现金分红总额4.65亿元 占当年归母净利润比例30.14% [2] - 公司2025年继续完善分红机制 增强分红频次和透明度 [2] - 公司2025年中期拟向全体股东每10股派发现金红利0.76元 [2] 服务国家战略 - 科技金融方面 2024年主承销科技创新债券47.14亿元 通过股权投资支持人工智能 新能源等领域创新企业 [2] - 绿色金融方面 成功发行全国首单双原始权益人绿色ABS 规模4亿元 [2] - 普惠金融方面 "普善系列"资管计划累计捐赠214.95万元 东兴期货开展"保险+期货"项目65个 承做保障金额15.32亿元 [2] - 养老金融方面 推出多类型养老策略产品 完善全生命周期财富管理服务 [2] - 数字金融方面 推进"数据+AI"融合应用 提升业务智能化与客户服务体验 [2] 发展目标 - 行动方案是公司贯彻金融强国战略 提升高质量服务能力 增强市场认同的重要举措 [3] - 公司以党建引领发展 以专业创造价值 以回报赢得信任 为资本市场平稳健康发展贡献力量 [3]

财务表现 - 2025年上半年公司实现营收23.15亿元，同比增长10.95% [1] - 金融科技板块营业收入7.33亿元，同比增长21.36%，是业绩增长核心驱动力 [1] 业务亮点 - 银行业务收入增速达51.38%，在国有大行和全国性股份制商业银行中客户覆盖率高达94% [1] - 银行产品线构建以"FADOs"为核心的能力体系，以"数据+AI"为双引擎，覆盖金融行业主要应用场景 [1] - 通过数据智能、监管合规、渠道创新及测试服务四大板块提供全栈式数智化服务 [1] 战略方向 - 公司聚焦金融行业并实现价值上探，将进一步拓展数字银行解决方案 [2] - 加强区块链金融应用布局，重点开拓跨境支付、贸易结算等金融创新场景 [2] - 凭借技术优势和合作伙伴关系助力金融机构提升效率和服务体验 [2]

研究背景：数字营销的机会、困境与技术挑战 - 广告行业面临传统媒介增速放缓、增长动力减弱的挑战，数字营销以大数据技术为依托满足广告主预算调整需求[5] - 广告营销生态存在明显不平衡：头部平台（如抖音、小红书）拥有海量数据和全面生态系统，在生产力和生产资料上占优；代理商和服务商自动化水平低，依赖人工操作，数据量与平台方存在不对等[6] - AI技术对行业变革至关重要，但需深度融入数字营销业务底层以打破生产力和生产资料不均衡的僵局[7] 行业趋势：大体量、低增速、新业态 - 2023年全国广告业务收入达13120.7亿元，数字营销市场规模10500亿元（占整体80%），内容营销规模4000亿元（占数字营销36%）[8] - AIGC内容营销领域2023年市场规模50亿元，预计2030年增至1000亿元[8] - 新业态包括短视频广告、直播带货、程序化广告和AI驱动的智能广告，依托算法推荐和实时互动实现精准触达[9] 数字化基建：生态内部差异显著 头部平台侧 - 头部平台（字节跳动、阿里巴巴、腾讯、快手）数字化基建完善，拥有海量数据、强大算法和中台体系，实现高度自动化和智能化[15][17] - 字节跳动采用"大中台、小前台"模式，KA客户定制化采购广告位，中小客户通过巨量引擎程序化购买；阿里巴巴通过阿里妈妈提供多元产品服务；腾讯利用广点通沉淀广告数据；快手通过磁力引擎构建全链路营销服务[15][17] - 平台通过开放数据产品和API接口赋能合作伙伴，促进行业生态循环和规范发展[18] 代理商和品牌方侧 - 中小代理商和传统广告代理商技术能力有限，缺乏数字化工具，数据管理不足，营销策略单一[20] - 品牌方数字化进程两极分化：大型品牌自主开发数字化平台，整合数据资源；中小品牌受资金技术限制，数字化程度低，依赖第三方平台和代理商[20] - 中小品牌面临缺乏实践经验、数据系统不完善、服务商选择困难等挑战，数字化布局推进受阻[21] AI在中国广告行业的应用现状及特征 - AI应用呈散点式和低渗透特征，仅集中于广告投放精准度和个性化等个别环节，未全面覆盖业务全流程[23] - AI在内容营销中仅用于达人筛选等节点，创意生成和效果预测仍依赖人工，工具性特征明显[23] - 行业需探索AI深度赋能以破解生产力和生产资料不足的困境，推动向智能化营销转型[24] 解决方案：打造"数据+AI"营销新范式 夯实数字化基建 - 数字化基建通过业务系统将信息转化为可读数据，为AI学习提供依据和赋能接口[27] - 数据沉淀使AI能自动化完成营销动作（如素材投流），突破对人类生产力的依赖[27][30] 技术-产品-业务一体化架构 - 架构核心包括内容生产（AIGC Engine）、效果预测（Prediction）、媒介管理（Channel）和投放监测（EC）等模块，灵活适配不同业务类型[29][34] - Social DAM 2.0作为"数据大脑"，整合品牌内部和三方数据资产，通过AI打标签赋能内容生产和投放侧[31][32] 实践案例 - KOL数据管理：AI对达人分级、匹配创作元素、动态淘汰低效KOL，提升资源利用效率[35][37][40] - KOL营销：AI拆解品牌brief、多维度筛选达人（平台标签+非标需求+私域数据），Social DAM系统监控全链路数据并反馈优化[41][43] "数据+AI"营销的价值体现 - 提供新生产资料（数据桥梁联动创新要素）和新生产力（AI工具自动化执行营销活动），未来AI Agent可独立决策用户体验环节[44][45] - 满足个性化需求，提升品牌决策精度：AI智能匹配广告内容，优化预算分配和效果监控[46] - 缓冲人员流动和经验密集型风险：数字化存储项目经验降低依赖，自动化工具减少对人工经验的需求[47]