核心观点 - 2024年公司营业收入75.20亿元同比下降1.86% 归母净利润1.97亿元同比下降0.49% [1][2] - 2025年Q1营业收入12.62亿元同比增长21.91% 归母净利润-2.50亿元同比减亏48.93% [1][2] - 预计2025-2027年营业收入分别为82.71/94.33/109.34亿元 同比增长9.99%/14.04%/15.92% 归母净利润3.98/5.36/6.96亿元 同比增长101.93%/34.90%/29.81% [1] - 截至2025年Q1末合同负债14.32亿元同比增长16.36% 或为后续增长提供动力 [1][5] 财务表现 - 2024年扣非归母净利润0.77亿元同比下降30.45% 毛利率同比下降3.66pct至61.47% 研发销售管理费用整体同比减少6.25% [2][3] - 2024年Q4营业收入28.86亿元同比增长1.13% 归母净利润7.77亿元同比增长4.46% 扣非归母净利润7.28亿元同比增长2.19% [3] - 2025年Q1扣非归母净利润-2.61亿元同比减亏48.75% 营业成本同比增长15.49%低于营收增速 毛利率同比提高2.20pct [2][3] 业务表现 - 2024年网安产品收入36.29亿元同比下降6.75%占比48.27%下降2.52pct 但XDR、MSS等战略业务增速较快 [4] - 云计算及IT基础设施收入33.84亿元同比增长9.51%占比45.00%增长4.67pct SDDC、托管云、EDS推动业务增长 [4] - 信锐网科收入5.06亿元同比下降25.53% 传统商业市场对物联网产品需求弱势 [4] - 2025年Q1云业务订单增速较好 AICP算力平台解决企业大模型私有化部署痛点 推动AI应用落地 [4] 客户表现 - 2024年企业客户收入同比增长1.82% 政府及事业单位、金融及其他客户收入同比减少3.85%、8.99% [5] - AI促进网安攻防能力提升 客户对云计算及IT基础设施需求回暖 [5]

阿里通义千问Qwen3模型发布 - 阿里通义千问推出最新大型语言模型Qwen3系列 旗舰模型Qwen3-235B-A22B在代码、数学和通用能力等基准测试中表现优异 与DeepSeek-R1、Grok-3等顶尖模型竞争[1] - Qwen3参数量仅为DeepSeek-R1的1/3 成本大幅降低 仅需4张H20显卡即可实现满血版部署 显存占用仅为性能相近模型的三分之一[1] - 天风证券报告指出AI产业竞争进入体系化阶段 需要端到端解决方案而不仅是行业大模型 包含上层应用、训练数据、底层算力等全链条能力[1] 亚信科技AI大模型一体机解决方案 - 亚信科技是阿里云生态链中唯一同时被纳入软件与硬件推荐的核心标的 与阿里云联合推出"AI大模型一体机"解决方案 采用"算力+平台+应用+服务"四位一体模式[2] - 该一体机实现算法与国产芯片高度适配 支持单机16卡轻量级部署 可支持全精度DeepSeek-R1 671b满血版大模型 BF16精度下实现8K+ Tokens输入 解析延迟低至50毫秒[3] - 兼容主流LLM开发框架 可适配满血版和蒸馏版Deepseek、Qwen等多种模型 无需额外转换编译即可快速部署[4] - 植入了行业大模型与应用模板 覆盖电力、石油石化、政府等八大应用场景 将标杆案例经验标准化复用[6][8] 技术优势与行业落地 - 亚信科技已发布1个通用AI平台、3款行业大模型和8大认知增强工具 覆盖从研发到应用全生命周期 该体系已在多个场景验证并完成迭代升级[5] - 2024年在运营商行业落地大模型项目超100个 其他垂直行业超30个 作为阿里云政企行业大模型创新中心单位 在政务、光伏等行业建设近百个项目[6] - 通过知识蒸馏技术将成功实践转化为即插即用AI模板 形成覆盖八大应用场景的特色应用模板[6] 市场前景与价值转化 - 分析师预计大模型私有化部署需求将持续增长 2025-2027年一体机需求量将达15万、39万、72万台 对应市场空间1236亿、2937亿、5208亿元[12] - 该解决方案实现"零门槛"部署 将传统需数周的部署流程缩短为数小时 通过智能切割与动态调度使硬件利用率大幅提升[9] - 提供全生命周期安全防护 通过物理隔离本地化部署模式满足金融、政务等敏感行业的数据安全要求[10][12]

财务表现 - 24年全年营业收入3.71亿元，同比下滑24.31%，归母净利润-3.43亿元，同比缩窄19.16%，扣非归母净利润-3.80亿元，同比缩窄13.42%，经营性净现金流-3.27亿元，同比改善10.63% [1] - 24Q4单季度营业收入1.62亿元，同比下滑39.58%，归母净利润-0.51亿元，同比扩大159.09%，扣非归母净利润-0.63亿元，同比扩大67.29% [1] - 25Q1单季度营业收入0.64亿元，同比增长2.59%，归母净利润-0.84亿元，同比缩窄5.74%，扣非归母净利润-0.88亿元，同比缩窄6.00% [1] - 25Q1在相对高基数上实现收入同比增长，体现延后订单逐步验收及需求回暖 [1] 订单与客户结构 - 24年新增订单客户数和客单价均有增加，高于300万元的高价值客户数目明显增加 [2] - 老客户复购产生的收入占主营业务收入的78.83%，老客户保持高粘性 [2] - 24年全年及25Q1毛利率同比下降，考虑为验收产品结构季度间差异 [2] 经营效率 - 24年销售回款约4.6亿元，同比增长11.56%，24Q4经营性净现金流同比增长18.81%，25Q1经营性净现金流同比增长46.96% [2] - 24年销售/管理费用同比下降约13.25%/8.53%，降本增效下25Q1利润缩亏幅度高于收入增速 [2] AI业务发展 - DeepSeek凭借低成本、高性能、开源、国产化等特质，受益于政府及金融行业私有化部署浪潮 [3] - 公司云+端+私有化三位一体部署的DeepSeek全场景解决方案将全面受益于私有化部署趋势 [3] - 24年大模型相关业务斩获近5,000万元订单，落地招商证券、东证期货、中国人寿等标杆案例 [3] - 与宏碁合作的AIPC搭载公司无涯·问知系统，已协助A星人专业版全面接入DeepSeek [3] 行业地位与展望 - 公司AI数据工程基因纯粹，拳头产品TDH在政府、金融等领域市占率领先 [4] - 作为私有化部署大模型核心MaaS服务商，将深度受益于大模型私有化部署浪潮 [4] - 预计25-27年收入为5.23/6.93/9.18亿元 [4]

私有化部署的现状与趋势 - DeepSeek开源大模型在政府、金融、医疗等领域广泛采用私有化部署模式，典型案例包括中国工商银行、上海市消防救援局、安徽省数据资源管理局等机构近期完成本地化部署[1][3] - 普华永道数据显示近60%企业选择在本地数据中心或私有云部署AI推理模型，凸显市场对私有化方案的偏好[3] 私有化部署的核心优势 - **数据安全**：政务和企业敏感数据（如个人隐私、商业秘密）通过内部处理存储避免泄露风险[4] - **自主可控**：减少对外部供应商依赖，提升系统稳定性与可靠性[4] - **定制化能力**：可结合具体业务场景调整模型，例如上海市消防救援局通过定制实现低延迟响应和网络安全性[5] - 金融、医疗等强监管行业更倾向私有化部署以满足合规要求[4] 私有化部署的潜在问题 - **市场碎片化**：各部门/企业独立建设导致技术标准不统一，重复投入增加开发维护成本（如政务领域"信息孤岛"延续）[8] - **资源浪费**：类比"自建锅炉"现象，智算中心利用率不足与硬件重复投资并存[9] - **抑制创新**：企业聚焦项目订单而非核心技术研发，参考日本软件市场因外包服务主导导致创新乏力[10] 行业破局路径 - **数据端**：政府与行业协会协同制定数据互通标准，鼓励行业巨头牵头构建共享模型[13] - **应用端**： - 推行"公共云优先"政策，通过财税优惠（如算力券、研发费用加计扣除）激励企业采用云服务[13] - 分阶段建设医疗/金融等领域的行业云，发展混合云技术平衡效率与安全需求[14] - 医疗行业需解决数据标准不统一、多技术整合等挑战以突破应用瓶颈[12]

文章核心观点 - DeepSeek开源大模型推动私有化部署新趋势，其R1模型在性能、开源策略、硬件成本和适配优化方面具备优势，有望推动包括DeepSeek一体机在内的本地私有化部署需求快速提升，利好算力硬件需求 [1][7][12] DeepSeek开源大模型特点及影响 - DeepSeek V3版本模型以仅1/10训练成本获得与海外领先模型对标能力，R1模型在少量标注数据下提升推理能力，性能比肩OpenAI o1正式版，且于2025年2月24日启动“开源周”丰富开源生态 [7] - 高质量开源模型推动AI大模型能力边界探索和应用落地，利好算力硬件需求；DS在C端APP下载量呈指数级增长，在B端加速垂直领域渗透，45%央企已完成DS模型部署 [8] - 大模型云端部署带动云端算力需求提升，R1模型有望推动云资源消耗量提升，阿里云收入增速和资本开支增长积极 [10] - DeepSeek部署不止于云端，本地化私有部署保障数据安全，C端“云端协同”优化体验与隐私保护，B端部分行业刚性需求驱动本地化部署 [11] C端：DeepSeek - R1+蒸馏技术，轻量化模型推动AI端侧部署 DeepSeek - R1蒸馏 - 知识蒸馏将671B参数量的“教师模型”决策逻辑和特征表征能力迁移至轻量“学生模型”，生成6个不同版本蒸馏模型 [15] - 蒸馏版模型推理性能超越同规模传统模型，在多个推理基准测试中表现优异，兼具经济性与有效性 [16] 蒸馏模型本地部署 - 蒸馏模型减少对显存、内存和存储需求，适合搭载于资源受限终端设备，不同版本参数蒸馏模型需选择合适终端硬件配置 [19][20] - PC是承载本地模型重要终端，DeepSeek - R1轻量化模型推动AI PC升级，换机动力有提升空间，端侧模型进化与硬件迭代形成飞轮效应 [21] B端：AI私有化部署新趋势，DeepSeek一体机的全栈式解决方案 DeepSeek一体机重构本地私有化AI部署模式 - DeepSeek R1全参数模型对系统显存等提出更高要求，一体机是“开箱即用”智能算力解决方案，重构本地私有化AI部署模式 [24][25][26] - 一体机具备深度优化的高性能硬件、内置多种基座大模型、全栈工具链等优势，可缩短部署周期、降低落地门槛 [26][27] DeepSeek一体机软硬件协同难点 - 主流国产AI训练芯片缺少对FP8精度支持，采用16位精度单元计算会大幅降低效率，显存需求增加 [28] - 为在单台8卡服务器上实现全参数DeepSeek R1模型，厂商需进行定点量化，在优化算力效率与保障模型效果间寻求平衡 [30][32] DeepSeek一体机迎合本地化部署需求，市场空间广阔 - 一体机私有化部署满足企业数据安全及合规需求，降低AI大模型部署门槛，减弱B端用户对云的依赖 [33][34][36] - 预计乐观情景下2025年政府、金融等行业约5%的服务器需求转向DeepSeek一体机，需求达7万台，市场规模有望达540亿元 [38][40] 国产算力产业链全方位适配DeepSeek，服务器及云厂商拥抱一体机趋势 - 国产主流GPU厂商宣布适配DeepSeek，超过160家国产算力产业链企业完成适配，昇腾等国产GPU成为重要底层算力支撑 [40] - 算力硬件厂商、云厂商等推出DeepSeek一体机，看好整机环节头部的一体机供应商 [42]

病历内涵质控的痛点与现状 - 病历内涵质控是对病历内容的质量控制，涉及诊疗全过程的完整性和逻辑性，信息量大且关键[5][6] - 传统人工质控依赖专家团队抽查，费时费力且难以覆盖全部病历[6][7] - 质控难点在于逻辑抽象，需深厚临床经验，普通人难以胜任[6] 医疗大模型的解决方案 - 大模型擅长处理繁琐、量大的信息，与病历质控需求高度匹配[7] - 惠每科技医疗大模型已在多家三甲医院应用，实现实时纠错与提醒[9][10] - 系统对接HIS、PACS、EMR等医院信息系统，通过NLP和术语标准化构建患者画像[11] - 模型基于用户反馈持续优化，采用RAG技术和医学知识库增强专业性[22][24] 实际应用效果 - 某三甲医院甲级病历率从75%提升至95%[13] - 病历平均问题数10个月内从7.42个降至3.28个，降幅55.79%[17] - 某省级医院主要诊断编码正确率从78%升至97%，手术记录完整率从92%升至99%[19] 技术架构与安全性 - 采用私有化部署确保数据不出医院，保障患者隐私[21][24] - 基于ChatGLM等基座模型，结合SFT和RLHF技术微调[22][24] - 英特尔至强CPU Max系列提供硬件支持，HBM2e内存带宽达DDR5的4倍[29][30] - OpenVINO和IPEX-LLM优化后，模型首词时延降低1.92倍，平均时延缩短3.81倍[32] 行业落地优势 - 私有化部署适应医院病历格式差异和隐私要求，成为刚需[28] - 至强平台利用现有IT设施，部署周期仅需3.5个月，成本效益显著[29][34] - 方案可扩展至智能导诊、辅助诊断等医疗AI场景[38]