公司战略与业绩总览 - 公司管理层认为2025年是财务指标全面反转的一年，2026年将是商业模式从传统IT项目交付向AI驱动资产快速变现迈出关键一步的一年 [1] - 公司坚信随着“Data×AI”战略全面深化落地，正在迎来新一轮的价值重估和业绩释放期 [1] - 2025年公司实现营业收入210.15亿元，同比增长26% [1] - 2025年公司归母净利润为3142万元，同比实现扭亏为盈 [1] - 公司首次披露Non-IFRS口径，2025年经调整净利润达2.15亿元 [1] - 公司2025年经调整EBITDA同比增长104%至6.12亿元，经营质量显著改善 [1] 财务表现与业务转型 - 利润转正主要来自收入快速增长带动毛利增加，以及商誉减值的减少 [2] - 公司近两年加快退出与主业协同性不强的资产，未来仍将延续此策略以加速历史问题出清并进一步聚焦主业 [2] - 公司2025年整体利润规模仍未恢复至正常水平 [2] - 公司首次披露Non-IFRS经调整利润净额，剔除了历史投资拨备、商誉减值等非经常性及非现金因素 [2] - 2025年公司经营活动现金流净额达4.9亿元，在手现金34.88亿元 [3] - 2025年公司新签约规模达161.9亿元，订单储备充足 [3] - 公司近年来不断提升服务客户能力，同时加快不良资产处置步伐，以推动资源向核心主业集中 [3] 收入结构与发展引擎 - 服务型收入正成为公司增长新引擎，2025年服务型收入达到101.4亿元，占比提升至48% [2] - 与服务型收入对应的客户黏性持续增强，净金额续费率（NDR）达到100%，同比提升8个百分点 [2] - 服务型收入具备更强的客户黏性，合同周期长、续约率高，能够带来更好的利润水平 [2] - 公司预计未来三年服务型收入将保持双位数增长，提升服务型收入是公司未来明确的战略导向 [2] 战略转型与业务模式 - 公司一系列举措的核心目标是在本轮战略周期内实现从控股型公司向业务驱动型公司的转型 [4] - AI的落地方式正在从数据治理向知识治理转变，公司调整分部口径以更明确反映在各行业场景下的解决方案进展 [4] - 随着AI能力与工具的快速普及，企业既有的流程体系正在被重构，市场在部分细分领域出现重新洗牌的窗口期 [5] - 公司将抓住独特优势和能力构建行业壁垒 [5] - 公司管理层表示将坚定不移地推进两大主线：一是打造AI全栈能力引擎，践行“AI for Process”理念；二是深化一体化供应链服务，坚持“客户+生态”的双轮驱动策略 [5] AI驱动与效率提升 - 公司全面推动“燕云AIfirstFDE（AI优先型前沿部署工程师）”落地，以加速AI解决方案商业化进程 [5] - “燕云AIFirstFDE”是关键抓手，传统模式下需300天完成的项目，在该模式下仅需17天且仅需投入原模式一半的人力 [6] - “燕云AIFirstFDE”模式使整体运营效率提升30至50倍，项目交付周期提速5至7倍 [6] - 该模式可快速完成数据资产及行业知识库的资产沉淀，从而构建护城河并形成牢固的客户黏性和稳定的持续性收入 [6] - 在供应链方面，公司搭建了供应链智能体集群“小金”，在2025年“双11”高峰期测试中，助力订单处理能力提升280%，复杂分拣效率提升20% [6] 供应链业务规划 - 公司将AI全栈技术能力应用于核心供应链业务场景 [6] - 未来2至3年，供应链业务的首要目标仍是扩大规模，公司计划保持20%以上的年化收入增长 [6] - 公司在供应链业务规模扩张过程中将兼顾合理利润水平 [6] - 供应链业务新签合作存在“爬坡期”，新客户需经历半年以上的运营磨合期才能实现成本优化与盈利能力的释放 [7] 资本市场与未来展望 - 公司已将市值管理纳入核心高管考核导向，并通过股权激励等机制强化长期主义导向 [7] - 公司未来希望通过聚焦主业，以扎实的经营数据提升业绩来回馈投资者 [7]

核心业绩表现 - 公司实现扭亏为盈，归母净利润由去年同期的亏损2.54亿元转为盈利3142万元 [1] - 营业收入达210.15亿元，同比增长26% [1] - 经营活动现金净额为4.90亿元，在手现金34.88亿元，现金流表现充沛 [1] - 新签约规模高达161.90亿元，在手订单充足 [1] 关键财务指标 - Non-IFRS指标大幅改善，经调整利润净额由去年同期的-1.27亿元跃升至2.15亿元 [1] - 经调整EBITDA翻倍增长至6.12亿元 [1] - 首次披露“服务型业务”收入为101.40亿元，占总营收的48% [1] 战略与业务转型 - 公司战略聚焦“AI+供应链”主航道，经营分部重新划分为“数据智能服务”、“一体化供应链服务”及“金融科技服务及其他” [1] - 业绩反转归因于“Data×AI”战略的全面升维及“AI for Process”在供应链场景的深度落地 [1][2] - 业务模式成功向高质量、高黏性服务转型，以“客户+生态”双轮驱动 [2] 技术与运营成效 - “燕云AI First FDE”技术实现供应链运营效率30-50倍跃迁 [2] - 公司构建供应链智能体集群“小金”，全面重构OMS、WMS、TMS、BMS等执行系统，运营效能显著提升 [2] - 将20余年数据资产与行业知识融合，将AI全栈能力注入核心供应链场景 [2] 客户与生态发展 - 2025年度与15家行业客户及生态伙伴签署战略合作协议 [2] - 年度发货单量同比增长约40% [2] - 净金额续费率（NDR）达100%，为未来稳定高利润增长奠定基石 [2]

公司资本运作 - 神州控股计划出售其附属公司神州信息不超过2882.73万股股份，占神州信息总股本约2.9543% [1] - 出售计划将在神州信息披露相关公告日期起15个交易日后的3个月内进行 [1] - 出售股份所得款项将用于神州控股自身业务发展及一般营运资金补充 [1] - 交易完成后，神州控股对神州信息的持股比例将从39.9211%下降，但神州信息仍将维持其附属公司地位 [1] 公司战略聚焦 - 公司未来发展目标是成为以供应链为核心的AI解决方案领导者，聚焦“AI+供应链”赛道 [2] - 公司提出“客户+生态”双轮驱动战略，旨在通过精益化运营和强劲营销增加客户粘性并拓宽覆盖 [2] - 在核心技术层面，公司正推动“Data×AI”战略升维，瞄准高质量行业数据进行精准布局 [2] - 公司通过“燕云Infinity筑牢底座，供应链‘小金’智能体集群打开新局，全生态合作构建闭环”来推进战略实施 [2] 公司业务与近期动态 - 神州控股成立于2000年，并于2001年在港股主板上市，是一家提供综合信息技术服务的公司 [1] - 公司业务通过三个分部经营：传统服务业务分部、软件与运营服务业务分部、大数据产品及解决方案业务分部 [2] - 公司近年来围绕数字原生城市、数字原生供应链、金融科技等核心场景打造产品，推动城市智能化和产业数字化转型 [1] - 近期公司在AI领域动作频频，此次股份出售调整或将为其全力布局AI领域提供更充足的资金支持 [1] - 公司正加大基础AI技术研发力度，并进一步扩大AI技术在供应链领域的应用与推广 [1]

公司资本运作 - 神州控股计划出售其附属公司神州信息不超过2882.73万股股份，占神州信息总股本约2.9543% [1] - 出售计划将在相关公告日期起15个交易日后的3个月内进行，所得款项将用于神州控股自身业务发展及一般营运资金补充 [1] - 交易完成后，神州控股对神州信息的持股比例将从39.9211%下降，但神州信息仍将维持其附属公司地位 [1] 公司战略方向 - 公司明确了“成为以供应链为核心的AI解决方案领导者”的发展目标，战略聚焦于“AI+供应链”赛道 [2] - 公司提出“客户+生态”双轮驱动战略，通过精益化运营与多元化营销提升客户黏性，并通过生态合作完善能力布局 [2] - 公司以“Data×AI”战略升维为突破口，聚焦高质量行业数据布局，以形成差异化竞争优势 [2] 技术与产品布局 - 公司与北京大学联合实验室启动，并发布了一站式数据智能决策使能平台“燕云Infinity” [3] - “燕云Infinity”平台具备数据采集、清洗、建模、运维及安全全流程处理能力，可实现百余种数据源的无缝整合与高质量输出 [3] - 公司旗下智慧供应链品牌科捷在消费电子、智能通讯、快消美妆、服装等领域积累了丰富的行业经验与数据资源，结合自研的供应链基础软件，为AI应用提供关键数据支撑 [3] 生态合作与行业倡议 - 今年以来，公司已密集与15家合作伙伴达成战略合作，合作对象涵盖具身智能领域头部企业优必选旗下UQI优奇、圆通速递以及多个行业的领先品牌客户 [3] - 公司联合北京交通大学等单位发起物流数据开放互联倡议，旨在拓宽行业数据来源，为服务更多行业伙伴奠定基础 [3] - 公司通过自身技术与资源赋能生态伙伴，并吸纳优质生态资源弥补自身短板，以构建正向生态循环 [3] 战略落地与行业影响 - 公司通过“燕云Infinity筑牢数据底座、供应链‘小金’拓展应用场景、全生态合作构建产业闭环”的多维举措推进战略目标 [4] - 公司秉持“AI for Process”核心理念，推动AI技术深度融入实体产业关键领域，旨在将AI转化为企业硬核生产力 [4] - 随着战略落地，公司计划在资金流、物流、数据流等多个维度，为实体企业智能化转型升级提供支持 [4]

公司资本运作 - 神州控股计划出售其持有的神州信息不超过28,827,300股股份，占神州信息总股本约2.9543% [1] - 出售计划将在神州信息披露公告日期起15个交易日后的3个月内进行 [1] - 出售所得款项将用于神州控股的业务发展以及一般营运资金用途 [1] - 出售完成后，神州控股对神州信息的持股比例将从39.9211%下降，但神州信息仍为其附属公司 [1] 公司战略与资金投向 - 此次股份出售旨在为神州控股全力布局人工智能领域提供更充足的资金支持 [1] - 公司明确未来发展目标是成为以供应链为核心的人工智能解决方案领导者 [2] - 公司提出“客户+生态”双轮驱动战略，旨在增加客户粘性、拓宽客户覆盖，并通过生态合作扩充能力 [2] 技术与业务布局 - 神州控股正在加大基础人工智能技术研发力度，并扩大人工智能技术在供应链领域的应用与推广 [1] - 公司在核心技术层面推动“Data×AI”战略升维，瞄准高质量行业数据进行精准布局 [2] - 具体技术路径为通过“燕云Infinity筑牢底座，供应链‘小金’智能体集群打开新局，全生态合作构建闭环” [2]

公司商业化进展与市场地位 - 自2020年商业化以来，全球客户数已突破4000家，连续五年年均增速超100% [1] - 专有云客户数在过去一年增长50%，增长主力来自对稳定性要求严苛的核心系统 [1] - 公有云（OB Cloud）近三年客户数年均增长115%，营收占比已达30% [1] - 在中国市场，产品能力与本地部署分布式数据库份额均居第一，并连续三年蝉联中国数据库流行榜榜首 [1] - 连续两年稳居中国分布式金融本地部署市场第一 [1] 产品技术优势与核心能力 - OB Cloud具备“多云原生”优势，基于对象存储实现OLTP存算分离，支持跨可用区容灾和跨云双向同步 [2] - 云服务已稳定运行于阿里云、华为云、腾讯云、百度智能云、AWS、Azure、GCP七大主流云基础设施 [2][3] - 向量数据库能力跻身DB-Engines全球前十，2025年有16篇论文被ICDE、VLDB、SIGMOD等顶级会议收录 [2] - 发布4.4一体化融合版本，首次将TP、AP与AI能力集成于单一内核 [3] - 开源AI原生混合搜索数据库seekdb，支持向量、全文、标量、GIS数据统一检索，兼容30+主流AI框架 [3] 国际化与行业应用 - 服务覆盖16个国家和地区、60多个地域、240多个可用区 [1][3] - 在东南亚已服务印尼DANA、Finnet、新加坡Atome等本地金融科技企业 [2] - 助力GoTo风控引擎迁移，峰值承载能力提升10倍 [2] - 技术已深入金融、政务、通信、零售、制造、互联网等十余个领域 [1] - OB Cloud的能力在零售、金融科技、消费电子和泛互联网行业已实现规模化落地 [2] 未来战略方向 - 公司正式开启“Data×AI”新范式，从“存储数据”迈向“理解数据” [3] - 战略核心是以“一体化”理念推进架构、存储与负载的全面融合 [3] - 未来数据库需同时服务“人”与“智能体”，在数据源头驱动实时、可信的智能 [4] - 将持续加大全球开源投入，融入本地生态，加速全球化进程 [3] - 新域名oceanbase.ai同步启用，旨在推动行业加速迈向“智能原生”架构 [4]

公司商业化进展与市场地位 - 自2020年商业化以来，全球客户数已突破4000家，连续五年年均增速超100% [2] - 在中国市场产品能力与本地部署分布式数据库份额均居第一，并连续三年蝉联中国数据库流行榜榜首 [2] - 专有云客户数在过去一年增长50%，增长主力来自对稳定性要求最严苛的核心系统 [2] 金融行业渗透与核心系统应用 - “百行计划”服务全部政策性银行、5/6国有大行，覆盖超100家资产规模千亿级以上银行 [3] - 支撑190余个核心系统、1000多个关键业务，并实现全球化突破，获得汇丰、三井住友等国际金融机构采用 [3] - 在非银领域，75%头部保险集团、80%头部券商、60%头部基金公司已部署，其中超半数用于核心系统 [3] 政企及关键行业拓展 - 在政务领域，现已服务全国1/3省级人社系统，江西试点后十余省份跟进 [3] - 深度覆盖三大运营商，中国移动1/3省级公司、中国联通超300套核心系统、中国电信翼支付全链路均已部署 [3] - 在交通、能源、医疗等高可靠场景站稳脚跟，服务中航信、南航、12123交管平台及多家三甲医院 [3] 公有云业务增长与技术优势 - 公有云（OB Cloud）近三年客户数年均增长115%，营收占比已达30% [4] - 具备“多云原生”能力，稳定运行于七大主流云基础设施，支持应用无需改造即可全球运行 [4] - 已在零售、金融科技等行业规模化落地，助力高德性能提升25%、成本降低50%，安踏性能提升2–3倍 [4] 产品战略升级与AI融合 - 发布4.4一体化融合版本，首次将TP、AP与AI能力集成于单一内核，商用LTS版本将于2026年2月2日推出 [5] - 开源首款AI原生混合搜索数据库seekdb，支持向量、全文等数据统一检索，兼容30+主流AI框架 [5] - 公司开启“Data×AI”新范式，从“存储数据”迈向“理解数据”，致力于打造面向未来的一体化数据底座 [5]

公司动态 - OceanBase宣布品牌升级并启用中文名"海扬数据库" 旨在深化本土市场布局并引领全球分布式数据库技术创新[1] - 中文名"海扬"寓意深远："海"象征对海量数据的处理能力（支持支付宝每秒42万笔交易峰值）及开源开放理念 "扬"代表技术突破与全球化发展[4] - 公司采用100%根自研模式 累计自研400万行代码 具备完全自主的技术生态构建能力[4] 技术能力 - 原生分布式架构突破传统单机数据库性能瓶颈 通过双十一等万亿级交易场景验证 实现高可用/高性能/高扩展性[4] - 发布AI时代一体化数据底库4.4.0版本及首个应用产品PowerRAG AI数据底座已在零售/金融/物流等行业头部企业落地[8] 商业化进展 - 专有云与公有云业务客户数连续四年增长超100% 服务覆盖金融/政务/通信/交通等关键行业[5] - 全球化布局扩展至亚太/中东/非洲/欧洲/美洲等50多个地理区域[5] - 生态建设方面与1200家合作伙伴合作 开源400万行代码 开源集群部署数超60000 下载量破百万[5] 行业机遇 - 数字经济与AI技术双重驱动下 国产数据库面临黄金发展期 企业需求聚焦自主可靠/高性能/高性价比[7] - 生成式AI兴起暴露传统数据库缺陷 OceanBase分布式架构可解决千亿级参数模型训练/数据孤岛/向量检索效率等痛点[7] 未来战略 - 专有云领域聚焦企业核心系统升级 公有云市场通过多云原生架构打造第二增长曲线[8] - 推行"Data×AI"战略 目标成为全球知名数据库品牌 提供从数据存储到智能应用的一站式解决方案[8]

数据与AI融合趋势 - 高质量数据短缺成为AI发展瓶颈，前OpenAI首席科学家Ilya Sutskever警告"预训练时代即将终结"[1] - 全球数据量将从2024年147ZB增长至2028年393.9ZB，年增速达28%[4] - 大数据IT投资规模将从2024年3540亿美元增长至2028年6440亿美元[5] - 数据库发展范式转向"Data×AI"，即数据与模型一体化融合发展[1][6] OceanBase战略转型 - 提出构建"一体化数据底座"战略，支持SQL、AP和AI混合负载[2][9] - 15年技术积累支撑支付宝核心系统，连续十年稳定支持双11流量洪峰[13] - 全球唯一同时打破TPC-C和TPC-H测试纪录的数据库[13] - 已服务金融、政务等2000多家客户的关键业务系统升级[13] 技术能力突破 - 向量数据库性能领先，在VectorDBBench测试中超越3款开源产品[13] - 引入BQ量化算法使向量数据内存需求降低95%，2亿条1536维数据从1.2TB降至58.6GB[16] - 支持多模态数据包括标量、JSON、全文索引和向量混合检索[17] - 发布PowerRAG服务，封装文档处理全流程，准确率和召回率优于开发者自建方案[17] 产品发展方向 - 四大战略方向：知识底座、打破数据次元壁、AI靠谱参谋、流量冲浪高手[14] - 增强向量能力与融合检索，实现企业知识库动态更新[14] - 深度整合推理引擎与存储引擎，解决AI查询数据不一致问题[14] - 利用云虚拟化+分布式能力弹性应对流量波动[14] 行业生态布局 - 适配主流智能体平台包括Dify、FastGPT、DB-GPT和LangChain[20] - 开源社区用户突破百万，集群部署量超5万且年增长400%[21] - 连续两年位居墨天轮中国开源数据库排行榜第一[21][22] - 成立AI平台与应用部，CTO亲自担任AI战略一号位[21] 行业趋势判断 - 数据库正成为AI时代关键变量，模型能力取决于数据基础[23][24] - AI应用爆发产生两大需求：更海量数据和混合负载能力[24] - 未来所有数据公司都可能成为AI公司，Data×AI是核心竞争力[22][24] - 行业正从模型竞争转向底层数据基础设施建设[25][26]

公司战略转型 - 公司宣布全面进入AI时代，打造"Data×AI"核心能力，从一体化数据库转向一体化数据底座[1] - 蚂蚁集团CTO表示将支持公司在金融、医疗、生活等核心场景的AI突破[1] - 公司始于2010年服务天猫"双11"，2020年独立后面对AI规模化阶段的新红利与价格战等挑战[1] 新产品发布 - PowerRAG提供开箱即用的RAG应用开发能力，打通数据层、平台层、接口层与应用层全流程，支持文档知识库、智能对话等场景[3] - 共享存储产品实现对象存储与事务型数据库深度集成，TP负载存储成本最高降低500%[3] - 共享存储解决无共享架构在弹性和成本方面的瓶颈，适用于TP、历史库、时序类业务等场景[4] 市场需求与产品定位 - 企业分为两类需求：通用AI助力企业需结合内部数据做后训练，SaaS企业需将AI能力拆分融入[5] - 公司未来布局从数据产生到训练、应用全链条，当前重点在构建数据底座[6] - IDC预测2028年全球新生成数据量达393 9ZB，企业数据存储规模迈向EB级带来存储与管理挑战[6] 行业挑战与竞争 - 大模型幻觉问题源于数据质量或缺失，Data×AI融合是当前难点[7] - 数据库行业价格竞争激烈，国产厂商基于开源技术重叠导致低价争夺市场，云厂商通过订阅模式降低成本[7] - 公司强调技术创新带来的成本下降，认为性价比意味着更高质量而非单纯低价[7] 技术背景与趋势 - 对象存储因高可靠、低成本特性广泛应用于AP等场景，但TP生产环境依赖本地磁盘导致对象存储难以应用[4] - 海量互联网数据成就大模型，但数据获取成本增加、行业数据稀缺、多模态处理难等挑战仍存[6]