文章核心观点 - 金融行业AI Agent落地的核心壁垒并非算力成本或通用平台，而在于业务接口的“厚度”，即封装了丰富业务逻辑、能理解自然语言指令的原子化服务能力 [4][8][12] - 通用Agent编排平台的价值正在弱化，其市场份额被高估，真正的竞争力在于垂直领域深厚的资源积累与丰富的原子化服务 [4][14][17] - 金融Agent的发展将走向稳态与敏态业务分离的终局，由AI中台连接，其中敏态业务由Agent负责，这依赖于深厚且贴近业务的接口体系 [5][33] Agent发展的核心壁垒与价值判断 - **接口“厚度”是关键壁垒**：构建Agent的核心挑战在于原有IT系统开放的业务接口“厚度”不足，无法让Agent理解用业务语言表达的复杂意图，导致技术与业务之间存在鸿沟 [8][10] - **“厚度”体现为丰富的原子化服务**：判断厂商接口开放“厚度”的标准，在于其能提供多少种封装良好、可通过自然语言方便调用和发现的“菜谱”式服务，而非底层的标准化编排框架 [12] - **需重视领域“黑话”治理**：垂直领域存在大量行业术语，需进行大模型友好的数据治理，使垂域数据与通用AI技术能有效对接 [9] - **预算构成中算力仍是大头**：在预算构成中，算力成本仍占主要部分，但行业对算力价格持续下降抱有信心，例如DeepSeek等模型正在冲击算力下限 [13] - **开源模型已成主流**：在以私有化部署为主的金融领域，开源大模型（如千问）已广泛应用，付费私有化部署模型竞争力不强，Llama等模型的时代已经过去 [13] 金融Agent的发展路径与现状 - **发展历经三阶段**：从硬编码自动化，到通过“拖拉拽”图形界面配置流程的半自动化，再到当前利用自然语言描述步骤并自动映射资源能力的阶段 [19][20] - **当前阶段依赖ReAct模式调试**：当前AI无法保证流程拆解完全正确，需通过ReAct模式进行动态修改和回滚，确保系统操作可逆，避免不可逆的错误改变 [21] - **金融机构需求从单域走向平台化**：2023-2024年，金融机构的Agent构建多集中在单一业务域；2025年，开始出现平台化需求，旨在共享底层算力与模型资源，实现跨系统数据拉通与业务创新 [22][23] - **实施采用“边用边备”策略**：业务适配的“厚度”积累是长线任务，金融机构倾向于从简单场景入手，通过实现短期目标来逐步推进接口开放与优化，而非一次性大量投入 [24] - **多Agent应用有其特定场景**：在一个法人机构内部，多Agent的必要性较弱，简单的串联流程可合并为一个大Agent；多Agent更适用于需要长期运行、持续探测并通知的跨机构或性质不同的任务 [29] 行业终局与厂商实践 - **终局是稳态与敏态业务分离**：未来的系统架构可能是敏态业务由Agent负责，稳态业务转变为后台的工具、资源或物料，中间由必须与垂域资源配套的AI中台进行连接 [5][33] - **通用Agent平台被高估**：脱离垂直领域深厚积累的通用Agent开发平台只是一个“空架子”，市场价值不高，其市场份额被夸大到几万亿的说法完全不正确 [4][17][35] - **幻觉问题在金融场景可控**：在用于实际“干事”的金融Agent场景中，幻觉问题（如编造接口）能够被控制，因为不存在的接口调用会失败，规划错误可通过ReAct模式修正 [25] - **恒生电子的AI落地实践**：公司AI落地包括客户侧与自身内部应用 [30] - **客户侧**：与国内头部金融机构合作，在投研、投顾、运营等场景落地专业Agent；研发基于实体地图增强的金融垂域智能体开发平台；子公司通过“语控万数”平台为Agent提供精准数据物料 [30] - **内部应用**：升级客服系统为AI自助平台「U+」；为工程实施人员提供AI知识库工具赋能；内部研发AI编程能力工具以提升效率 [30][31] - **Agent的本质是“智能地干事”**：与以往聊天或嵌入系统的copilot不同，Agent是独立存在，能够将自然语言指令作为复杂意图拆解，并调用后台不同系统、资源和数据源完成一系列动作 [32]

北美电力缺口与数据中心供电 - 北美地区面临严重的电力缺口，预计达88吉瓦，且存在紧迫的倒计时[1] - 为应对电力短缺，科技巨头将数据中心备用电源作为“保电”首选方案，导致该领域需求激增26吉瓦[1] - 中国相关零部件与整机龙头企业已成功卡位全球供应链，有望受益于此轮需求增长[1] AI服务与公司发展 - 某公司在AI中台和智能体领域完成布局并实现落地[1] - 公司单季度AI相关业务收入已突破1亿元[1] - 公司AI业务增长前景明确，预计到2026年相关收入有望达到5至6亿元[1] - 公司正筹划H股上市以加速全球化进程[1] - 机构预计公司未来三年净利润复合年增长率将超过25%[1]

垂直领域的场景解构者 - 锐智互动的智慧课堂解决方案已覆盖全国37所重点中学 将师生互动延迟压缩至200ms的无感区间 并开发鸿蒙系统多端适配框架实现电子班牌、教师Pad和学生终端的像素级一致性 [1] - 该公司零售团队自主研发的生鲜供应链库存动态预测算法 通过分析冷链货车GPS轨迹与社区团购订单的时空关系 使某连锁超市损耗率同比下降21% [1] 基础设施的技术赋能者 - 百度语音交互实验室开发的手语识别模型能准确识别"胸是炒鸡蛋"等地域性表达 其AI中台意图识别模块使金融类APP客服响应速度提升3.8倍 [4] - 京东供应链数字孪生系统为医疗器械商实现手术器械配送路径实时优化 每年节省运输里程相当于绕故宫8920圈 [4] - 腾讯社交裂变工具包通过LBS+AR试衣间组合玩法 使某潮牌店周末进店转化率提升至47% 其轻量化SDK让中小商户15天完成APP全流程开发 [4] 胡同里的技术人类学 - 某微型工作室为史家胡同博物馆开发AR导览APP 通过识别砖雕纹样自动播放匠人口述史 实现数字代码与传统营造技艺结合 [5] - 文艺类APP开发者与行为艺术家合作 根据用户阅读时长调整消息推送频率 成为国内首个引入读者呼吸律动算法的内容产品 [5]

文章核心观点 公司发布2024年年度报告和2025年一季度报告，各业务有不同表现，通过多种举措提升运营效率，因客观消费环境因素下调盈利预测但维持“增持”评级 [1][2][3][4] 财务表现 - 2024年公司实现收入28.74亿元（同比+0.96%），归母净利润5.01亿元（同比+0.20%），扣非归母净利润4.96亿元（同比+3.18%） [1] - 2025年一季度公司实现营业收入7.45亿元（同比+5.11%），归母净利润1.84亿元（同比+6.22%），扣非归母净利润1.82亿元（同比+7.08%） [1] 经营分析 业务拆分 - 2024年种植业务收入5.30亿元（同比+10.60%），业务收入占比提升至19.39%，得益于集采后种植牙需求释放以量补价 [2] - 2024年正畸业务收入4.74亿元（同比下降5.05%），隐形矫治占比约15% [2] - 2024年儿科业务收入5.01亿元（同比+0.29%），修复业务收入4.62亿元（同比+1.53%），大综合业务收入7.65亿元（同比+1.27%），均保持相对稳定 [2] 区域发展 - 2024年省内“蒲公英计划”新增3家分院，总数达44家覆盖浙江全部11个地级市，约60%实现盈亏平衡 [2] - 2024年省外收入2.77亿元，同比增长4.83%，毛利率提升4.72个百分点至29.51% [2] 运营举措 - 推进数字化转型，依托参股公司和仁科技打造AI中台（MindHub），在多场景提供智能化支撑 [3] - 持续推动降本增效，通过精细化运营、结构性优化和数字化赋能控制运营成本 [3] 盈利预测与评级 - 预计2025 - 2027年归母净利润至5.37/5.74/6.10亿元，分别同比增长7%、7%、6%，EPS分别为1.20、1.28、1.36元，现价对应PE为33、31、29倍 [4] - 维持“增持”评级 [4]

文章核心观点 - DeepSeek发布后众多政企接入，反映大模型达企业大规模应用要求，企业中台有望焕发新机，建议关注数据硬件和算力硬件产业链投资机遇 [1] 企业数字化转型与中台架构 - 传统“前台 - 后台”架构有重复投资、协同性弱等问题，中台架构应运而生，抽象业务共性需求形成能力枢纽，解决前后台失衡问题 [3][5][6] - 伴随人工智能发展，传统中台向AI中台转型，AI中台能支持多元数据实时处理分析，是企业数字化转型深化的核心引擎 [7] - AI中台可实现跨域数据融合与价值释放，助力产品迭代、优化排产流程，提升公司管理与竞争力 [9] AI中台建设进展缓慢原因 - 技术方面，传统AI泛化能力弱、迁移扩展不足，处理非结构化数据能力弱，不同业务中台工具难复用和升级 [12] - 组织方面，企业缺乏整体规划，技术与业务部门沟通不足，中台功能与实际需求不匹配 [13] - 生成式AI部署成本高，效果回报显现周期长，企业多持观望态度，落地深度有限 [15] DeepSeek特点及影响 - DeepSeek通过创新算法和优化硬件，提升算力和性能，开源技术丰富AGI开源生态，其性能优、成本低、开源姿态积极，日调用量和日活用户数攀升 [17] - DeepSeek开源促进技术传播应用，降低前沿技术获取门槛，鲶鱼效应有望带动行业降低大模型接入成本 [21] DeepSeek对AI中台的影响 - 增强非结构化数据处理能力，为企业决策提供全面精准数据支持 [22] - 深入理解业务逻辑，实现采购等流程自动化，提升效率与准确性 [23] - 提供个性化服务，提高营销活动转化率和投资回报率 [23] - 开源模型满足企业私有化部署需求，加速企业大模型在内部业务落地，截至2月21日45%央企完成部署 [24] 企业AI中台接入DeepSeek案例 - 医渡科技协助中南大学湘雅医院完成国产AI中台本地化部署，未来将拓展多应用场景 [26] - 赛意善谋GPT基于昇腾GPU和DeepSeek构建PCB行业大模型，缩短报价时间、提升准确性 [27] 科技硬件产业链投资机遇 - AI中台包括研发平台、技术服务、算力支撑与管理运行四个层级 [30] - 数据硬件产业链公司（传感器、通信模组等）对应研发平台层级，有望受益于企业数字化转型 [32][33] - 算力硬件产业链公司（芯片、服务器、一体机等）对应算力支撑层级，国产算力产业链全方位适配DeepSeek [32][35]