行业范式转变 - 资本市场对传统SaaS订阅模式的耐心正在耗尽，美国Salesforce和Adobe等巨头年初股价跌幅超15% [1] - 市场正从为“卖账号”的SaaS模式，转向为“卖结果”的RaaS模式支付高溢价 [1] - 港股AI板块因头部企业披露“10倍增长”业绩预告而表现活跃，与SaaS板块形成冰火两重天 [1] 公司商业模式演进 - 百融云创的RaaS模式是其长达11年商业纵深演进的结果，并非突兀转型 [1] - 公司商业模式演进分为三个阶段：1.0 MaaS决策智能时代，按原子级结果“按件计价”；2.0 BaaS语音交互时代，按流程结果“按成交规模计价”；3.0 RaaS Agentic AI时代，通过AI Agent交付最终业务KPI [1] - 公司自创立之初便确立了“为效果付费”的商业基石 [1] 技术能力与交付体系 - 公司构建了名为“结果云”的成熟架构，能够通过10,000+名企业级AI Agent向客户交付确定性业务KPI [1] - 公司依托“百基-百工-百汇”的工业化体系，AI Agent拥有≤ 200ms的极致时延，显著优于行业平均1500ms [2] - 该三层架构是一套标准化的“AI员工流水线”，能够以接近零的边际成本无限供给劳动力 [5] 业务成效与客户价值 - 公司已部署10,000+个“硅基岗位”，进入企业生产线替代人力完成客服、营销、审核等任务 [2] - 在某造车新势力案例中，AI Agent激活了超100万沉睡用户，意图识别率达92.8%，客户仅为激活的线索付费 [2] - 在电信营销场景中，帮助客户实现营销成本降低35% [2] - AI Agent使意向客户捕获效率提升500%，相当于1个AI员工具备5个熟练工的能力 [5] - AI Agent为企业节约了70%的综合人力成本 [5] 市场拓展与增长前景 - 公司在稳固金融基本盘的同时，成功在汽车、文旅及运营商等高价值衍生领域开辟了“硅基劳动力替代”的第二战场 [4] - 行业数据推算，公司在这些领域的RaaS业务收入在2025年下半年呈现同比2000%的“J型”爆发态势 [4] - 公司正将劳动密集型的BPO市场重构为高毛利的技术服务市场，切入企业庞大的运营人力预算 [5] - 公司拥有8,000+存量企业客户，为RaaS模式的快速渗透提供了基础 [5] 行业地位与估值逻辑 - 公司在信通院、IDC等权威评测中占据智能体标准制定者的位置 [6] - 公司拥有7,000万+人次的服务曝光量级 [6] - 市场对RaaS公司的估值逻辑正从看重营收规模的P/S，切换为看重增长质量与确定性的PEG [6] - 目前公司估值仍停留在传统SaaS逻辑，未完全反映其RaaS转型的溢价 [6]

文章核心观点 - 报告基于技术发展周期视角，深度洞察中国金融智能体的落地现状与趋势，认为2025年是金融智能体发展元年，行业正处于初步探索期（投资建设期）[1][12] - 金融智能体在“技术突破、业务创新与政策支持”三重驱动下展现出强劲发展势头，区别于其他新兴技术，其发展具备更坚实的内生动力[2] - 当前行业面临高涨的市场期望与探索期落地现状的错配，需警惕预期未能达成导致的信心透支风险，维护行业良性发展需各方共同努力跨越“规模化峡谷”[43] 驱动因素 - **技术突破**：智能体能弥补大模型在执行具体任务和对外交互方面的不足，解决落地应用的“最后一公里”难题，同时技术进步与工具生态完善正加速其走向实用化[6] - **业务创新**：约33%的金融机构对智能体持较为积极的投资态度，致力于探索其在业务增长、客户体验与服务升级、运营降本增效等维度的落地模式[7] - **政策支持**：多项国家层面政策为智能体在金融领域的发展提供了清晰的战略指引和目标规划，特别是金融“五篇大文章”所涵盖的领域，为智能体的业务实践锚定了关键探索路径[8][10] 应用落地及商用实践现状 - **周期阶段**：2025年是金融智能体发展元年，96%的应用实践处于初步探索期，仅4%进入敏捷实践期[12] - **场景应用**：当前应用聚焦于两类场景：职能运营类场景（如知识问答、办公助手）和业务场景外围的初步探索（如生成报告、流水分析），尚未深入金融核心业务流程[16] - **项目部署实施**：主要有两种落地路径：在现有系统中嵌入智能体功能，以及采购标准产品或开展定制化开发，大部分项目在2025年按计划推进，未遇重大实施障碍[18][19] - **项目落地运行风险**：预计将有20%～25%的项目面临效果不达预期甚至失败的风险，失败原因涉及产品技术能力、成本规划、真实生产环境制约等多方面[22] - **客户分布**：银行业以43%的项目数量占比成为核心阵地，资产管理类机构占27%，保险业占15%，形成“头部引领+中尾部跟进”的梯队格局[25][26] - **项目类型分布**：分为“嵌入式智能体功能”与“独立智能体应用开发”两类，当前后者占比更高，但随着行业迈向敏捷实践期，对智能体平台的采购需求预计将持续增长[27][28] - **项目金额分布**：独立智能体应用类项目金额多集中在30万至150万元区间，平台类项目多在100万至150万元之间，市场同时涌现少量由业务团队主导的千万级深度改造项目[31][32] - **市场规模**：2025年中国金融机构对智能体平台及应用解决方案的投资规模为9.5亿元，预计2030年将达193亿元，年复合增长率为82.6%[35] - **商业模式**：主要分为产品交付模式和价值交付模式（RaaS），后者市场空间巨大但对服务商要求极高，目前尚在探索中[39][42] 客户需求与认知分析 - **从业者认知**：不同背景从业者对智能体存在认知偏差，非技术背景者易“高预期值、低辨别力”，技术背景者中近五分之三因过度谨慎而低估价值，市场教育需差异化策略[47][51] - **价值期望演变**：金融机构对智能体的价值期望已从提升效率与生产力的工具，转变为驱动业务可持续增长与重塑客户体验的核心创新引擎[53][56] - **投资意愿提升**：2025年Q4相较Q1，拥有积极投资意愿的机构占比增加了27.5%，驱动因素包括同业示范效应、政策引导以及RaaS模式缓解了投资回报不确定性顾虑[58][59] - **投资分层特征**：机构投资逻辑分为三类：从技术战略视角出发的“积极探索型”、受价值驱动的“务实跟进型”以及风险规避的“审慎观望型”[64] - **客户关注四大方向**：金融机构客户核心关注安全合规、价值评估、落地实践以及持续价值反馈四大维度[68] - **安全合规前提**：安全合规是采纳智能体的前提与底线，金融机构最关注智能体行为安全（58.9%）、数据隐私保护（47.0%）及安全合规责任归属（45.7%）[71][72] - **价值评估核心**：对价值的定义、衡量与场景适配已成为金融机构采纳智能体的关键决策锚点，不同规模机构侧重点略有差异[73] - **落地实践关键**：在安全合规、产品易用的基础上，深度适配金融场景、理解金融业务逻辑的智能体更具落地优势，66.2%的受访者将此列为最受关注方向[76][77] - **持续价值反馈与组织模式**：领先实践者开始关注构建智能体战略办公室（ASO），以推动智能体应用的体系化落地和价值的持续反馈[80][81] 基于行业周期的趋势推演 - **初步探索期（投资建设期）**：多数项目处于POC、部署、试运行阶段，应用局限于职能运营及非核心业务场景，应重点关注市场教育、客户预期建设及防范伪智能体产品[94][95][96] - **数据工程关键性**：数据的有效性和可用性是影响智能体项目推进的关键因素，需建立面向智能体的数据工程能力体系，实现从静态分析到为自主智能体提供动态数据燃料的转变[98][99] - **敏捷实践期（回报初期）**：行业达到第一个增长拐点，智能体开始释放应用价值，核心目标是抽象出规模化范式，此阶段需建立科学的价值衡量体系[101][102] - **市场竞争分化**：项目服务周期结束后，市场将经历“大浪淘沙，竞争分化”，在产品技术及金融业务理解上具备优势的厂商将脱颖而出[103] - **RaaS模式推动**：RaaS（结果即服务）模式能帮助客户规避ROI不确定性顾虑，有望在敏捷实践期推动行业发展，改变市场竞争范式[106] - **增强信任的安全架构**：构建一套围绕“大模型-智能体-场景”的增强信任的金融智能体安全架构，是决定其能否走向核心业务及行业迈入规模扩展期的核心影响因素[109] - **规模扩展期（黄金回报期）**：预计2028年行业进入规模扩展期，智能体应用规模化范式形成，市场期望回归理性并呈现高增长态势[112][114] - **面向价值增长的金融Agent Infra**：在规模扩展期，解决“为何行动、如何创造价值”的驱动型价值操作系统（金融Agent Infra）将成为能力建设的必选项[115] - **总体拥有成本（TCO）管理**：随着项目扩张，需从战略、技术、组织、风险四维度系统性审视TCO，避免因隐性成本超支而拉低ROI并动摇投资信心[119][122] - **智能体金融网络平台**：自主式AI、多智能体系统等技术成熟后，可能催生智能体金融网络平台，实现从平台中介到代理网络的范式革命，RaaS商业模式可能通过该平台落地[127] - **金融智能共生系统**：长期来看，客户侧与金融机构服务侧都将进入人与智能体融合的状态，这将重塑金融服务体系与竞争格局[129][130]

公司业务与模式 - 恒为科技在调研中介绍其关联公司数珩科技是一家领先的企业级场景化AI解决方案服务商 [1] - 数珩科技通过RaaS模式（Result as a service）提供服务，旨在有效满足行业个性化需求，并实现大模型的行业化和本地化 [1] 核心业务场景 - 公司核心业务分为AI营销和AI运营两种业务场景 [1] - AI营销业务主要面向快消领域，具体包括美妆日化、食品饮料、酒店出行等场景 [1] - 在AI营销业务中，数珩科技提供从营销策划到结果交付的全链条服务，合作对象包含大型品牌客户及头部服务商 [1] - AI运营业务利用明悉、明聘等产品，服务于汽车、人力资源、事务所等场景，旨在赋能企业运营管理提效 [1] 产品研发与拓展 - 公司在AI运营业务中结合客户诉求研发新的AI产品以拓展行业，具体产品包括线下融合产品、法务一体机等 [1]

文章核心观点 - 2025年是中国金融智能体发展的元年，行业整体处于初步探索期（投资建设期），96%的应用实践处于此阶段，仅有4%进入敏捷实践期 [12] - 金融智能体在技术突破、业务创新与政策支持三重因素驱动下展现出强劲的内生动力，金融机构普遍采取“战略积极、落地务实”的策略 [2] - 行业预计将从初步探索期逐步迈向敏捷实践期和规模扩展期，市场规模将从2025年的9.5亿元增长至2030年的193亿元，年复合增长率达82.6% [35][36] 驱动因素 - **技术突破**：以DeepSeek为代表的大模型在任务理解与规划能力上持续增强，同时MCP、A2A等协议与开发框架降低了智能体的开发与部署门槛 [6] - **业务创新**：约33%的金融机构对智能体持较为积极的投资态度，致力于探索其在业务增长、客户体验与运营降本增效等维度的落地模式 [7] - **政策支持**：国家“十五五”规划、“人工智能+”行动、金融“五篇大文章”等顶层设计为智能体发展提供了战略指引，并明确了科技金融、绿色金融、普惠金融、养老金融、数字金融等重点探索领域 [8][10] 应用落地现状 - **场景应用**：当前应用主要集中在职能运营类场景（如知识问答、办公助手）和在业务场景外围提供辅助工具（如报告生成、流水分析），尚未深入金融核心业务流程 [16] - **项目部署**：落地路径主要包括在现有系统中嵌入智能体功能进行轻量化改造，以及通过采购标准产品或定制开发进行独立应用开发，大部分项目按计划推进 [18][19] - **客户分布**：银行业以43%的项目数量占比成为核心阵地，资产管理类机构以27%位居第二，保险业以15%位列第三 [25][26] - **项目类型与金额**：项目分为“嵌入式智能体功能”与“独立智能体应用开发”两类，后者当前金额多集中在30万至150万元区间，但也出现了少量由业务主导的千万级体系化改造项目 [27][28][31][32] 市场规模与商业模式 - **市场规模**：2025年中国金融智能体平台及应用解决方案的市场规模为9.5亿元，预计2030年将达193亿元 [35] - **增长动力**：增长源于存量项目续购扩容、新机构入场布局、政策目标驱动以及头部机构的示范效应 [36] - **商业模式**：主流为产品交付模式（销售软件产品），价值交付模式（RaaS，按业务效果分润）正在探索，后者市场想象空间大但对服务商的金融业务KnowHow和效果保障能力要求极高 [39][42] 行业挑战与客户认知 - **周期特点**：市场期望高涨但落地处于探索期，53%的金融机构表示若项目成果显著低于预期将缩减或终止投入，行业存在信心透支风险 [43] - **认知偏差**：非技术背景从业者对智能体存在“高预期值、低辨别力”的特点，而部分技术背景从业者则可能因过度谨慎而低估其价值 [47][51] - **价值期望演变**：机构对智能体的价值期望正从提升效率的工具，转变为驱动业务可持续增长与重塑客户体验的核心创新引擎 [53][56] 客户投资与关注方向 - **投资意愿提升**：2025年Q4拥有积极投资意愿的机构占比较Q1增加了27.5%，受同业示范、政策引导及RaaS模式推动 [58][59] - **投资分层特征**：机构分为积极探索型（战略投资）、务实跟进型（价值驱动）和审慎观望型（风险规避）三类 [64] - **核心关注方向**：客户关注四大维度，依次为安全合规（前提）、价值评估（决策锚点）、落地实践（业务适配）及持续价值反馈（长远发展） [68][71][73][76] 基于行业周期的趋势推演 - **初步探索期（当前-2027）**：重点在于市场教育、客户预期建设、防范伪智能体产品，数据的有效性和可用性是影响项目推进的关键 [94][95][98] - **敏捷实践期（回报初期）**：核心目标是抽象出规模化范式，市场将经历“大浪淘沙，竞争分化”，RaaS模式将有助于推动行业发展 [101][102][103][106] - **规模扩展期（预计2028年起）**：行业进入黄金回报期，需重点关注智能体治理、安全合规及总拥有成本（TCO）管控，并可能涌现面向价值增长的金融Agent Infra和智能体金融网络平台等新形态 [112][114][115][119][127]

全球人形机器人市场概况 - 2025年全球人形机器人出货量达到约1.8万台，同比增长508%，标志着该品类正式迈入规模化商用阶段 [1] - 中国厂商在本轮增长中占据主导地位 [1] - IDC预测，从2026年起，人形机器人市场将从“百花齐放”转向“梯队分化” [7] 市场竞争格局与厂商表现 - 智元机器人（AGIBOT）以全尺寸机型1.3千台（即1300台）的出货量位居全球第一 [1] - 智元机器人在文娱商演、科研教育、数据采集、导览导购、工业智造五大高价值场景中均实现出货量领先 [1] - 根据出货量数据，智元机器人（1.3千台）、头缘明显人（0.8千台）、俄必是（0.6千台）位列前三位，2025年主要厂商合计出货量为4.7千台 [5] - 另一份出货量数据显示，智元机器人以5.2千台领先，于据调度以4.7千台紧随其后，前十大厂商合计出货量为17.7千台 [7] 产品技术与商业模式 - 全尺寸人形机器人（身高≥1.5米）在2025年贡献了41.6%的市场总收入，成为高端应用的核心载体 [4] - 全尺寸机型对复杂机电系统、多模态感知能力及高自由度执行机构要求极高，对厂商的全栈自研能力提出高要求 [4] - 智元凭借自研关节模组、实时运动控制算法及端侧AI推理框架，在动态环境适应性与任务泛化能力上形成显著技术优势 [4] - 智元通过模块化本体设计与开放SDK，支持客户在不同场景进行定制化应用，实现“一机多用”的高效复用 [6] - 智元率先在国内推行RaaS（Robot-as-a-Service）模式，通过按需租赁与远程运维降低部署成本，推动人形机器人从“演示设备”向“生产力工具”演进 [6] 应用场景与发展趋势 - 当前人形机器人已形成六大主流应用场景，除仓储物流仍由专用AGV/AMR主导外，其余场景正快速接纳通用型人形平台 [6] - 随着具身智能（Embodied AI）与低成本高性能执行器技术持续突破，人形机器人有望在未来三年内进入千行百业 [7] - 2025年的出货数据表明，以智元为代表的中国科技企业正在全球智能硬件竞赛中掌握先机 [7]

文章核心观点 - 报告基于技术发展周期视角，深度洞察中国金融智能体的落地现状与趋势，认为2025年是金融智能体发展元年，行业正处于初步探索期（投资建设期）[1][12] - 金融智能体在“技术突破、业务创新与政策支持”三重因素驱动下，展现出比其他新兴技术更强劲的发展势头，金融机构普遍采取“战略积极、落地务实”的策略[2] - 当前行业面临高涨的市场期望与探索期落地现状的落差，需警惕预期未能达成带来的信心透支风险，维护行业良性发展需各方共同努力跨越“规模化峡谷”[43] 三重驱动因素 - **技术突破**：智能体能弥补大模型在执行具体任务和对外交互方面的不足，解决落地应用的“最后一公里”难题，同时技术进步与工具生态完善正加速其走向实用化[6] - **业务创新**：约33%的金融机构对智能体持较为积极的投资态度，致力于探索其在业务增长、客户体验与服务升级、运营降本增效等维度的落地模式[7] - **政策支持**：多项国家层面政策为智能体在金融领域的发展提供了清晰的指引与目标规划，尤其是金融“五篇大文章”所涵盖的领域，为业务实践锚定了关键探索路径[8][10] 应用落地及商用实践现状 - **周期阶段**：2025年是金融智能体发展元年，96%的应用实践处于初步探索期，仅4%进入敏捷实践期[12] - **场景应用**：当前应用聚焦于两类场景：职能运营类场景（如知识问答、办公助手）和业务场景外围的初步探索（如生成报告、流水分析），尚未深入金融核心业务流程[16] - **项目部署实施**：主要有两种落地路径：在现有系统中嵌入智能体功能，以及采购标准产品或定制化开发独立智能体应用，大部分项目在2025年按计划推进[18][19] - **项目落地运行风险**：预计将有20%～25%的项目面临效果不达预期甚至失败的风险，失败原因涉及产品技术能力、成本规划、真实生产环境制约等多方面[22] - **客户分布**：银行业以43%的项目数量占比成为核心阵地，资产管理类机构以27%位居第二，保险业以15%位列第三[25][26] - **项目类型分布**：市场呈现“嵌入式智能体功能”与“独立智能体应用开发”两类项目双向发展的格局[27][28] - **项目金额分布**：智能体应用类项目金额多集中在30万至150万元区间，平台类项目多在100万至150万元之间，也存在少量由业务团队主导的千万级深度改造项目[31][32] - **市场规模**：2025年中国金融机构对智能体平台及应用解决方案的投资规模为9.5亿元，预计2030年将达193亿元，年复合增长率为82.6%[35] - **商业模式**：主要分为产品交付模式和价值交付模式（RaaS），后者市场空间巨大但对服务商要求极高，目前尚在探索中[39][42] 客户需求分析 - **从业者认知**：不同背景从业者对智能体存在认知偏差，非技术背景者易“高预期值、低辨别力”，技术背景者中近五分之三因过度谨慎而低估价值，市场教育需差异化[47][51] - **价值期望演变**：金融机构对智能体的价值期望已从提升效率的工具，转变为驱动业务可持续增长与重塑客户体验的核心创新引擎[53][56] - **投资意愿提升**：2025年Q4相较Q1，拥有积极投资意愿的机构占比增加了27.5%，受同业示范效应、政策引导及RaaS模式推动[58][59][60] - **投资分层特征**：机构分为积极探索型（战略视角投资）、务实跟进型（价值驱动投资）和审慎观望型（风险规避）三类[64] - **四大关注方向**：客户核心关注安全合规、价值评估、落地实践及持续价值反馈四大维度[68] - **安全合规前提**：安全合规是采纳智能体的前提与底线，智能体行为安全（58.9%）、数据隐私保护（47.0%）及合规责任归属（45.7%）是关注重点[71][72] - **价值评估核心**：对价值的定义、衡量与场景适配已成为金融机构采纳智能体的关键决策锚点[73] - **落地实践关键**：在安全合规、产品易用基础上，更懂金融业务（场景深度适配、预置行业知识）的智能体更具落地优势，66.2%的受访者最关注金融场景深度适配[76] - **持续价值反馈与组织模式**：领先实践者开始关注持续价值反馈，长远可尝试构建智能体战略办公室（ASO）来推动智能体应用的体系化落地与价值持续反馈[80][81] 基于行业周期的趋势推演 - **初步探索期（投资建设期）**：多数项目经历POC、部署、试运行，应用局限于职能运营及非核心业务场景，应重点关注市场教育、客户预期建设及防范伪智能体产品[94][95][96] - **数据工程关键性**：数据的有效性和可用性是影响项目推进并贯穿全生命周期的关键因素，需建立面向智能体的数据工程能力体系，从为静态分析提供数据转变为为自主智能体提供动态数据燃料[98][99] - **敏捷实践期（回报初期）**：项目开始业务落地但未形成可规模化方案，行业到达第一个增长拐点“看到曙光”，核心目标是抽象出规模化范式[101] - **市场竞争分化**：项目服务周期结束后，成功与失败的案例将筛选厂商，形成“大浪淘沙，竞争分化”的市场迭代[103] - **RaaS模式推动**：价值交付模式（RaaS）有助于规避客户对ROI的顾虑，推动行业在敏捷实践期发展，将厂商角色从产品供应商升级为业务成果共创伙伴[106] - **增强信任的安全架构**：需构建一套围绕“大模型-智能体-场景”的增强信任的金融智能体安全架构，以支持行业迈向规模扩展期[109] - **规模扩展期（黄金回报期）**：预计2028年行业进入规模扩展期，智能体应用规模化范式形成，行业进入黄金回报期[112][114] - **价值增长基础设施**：面向价值增长的金融Agent Infra将成为解决价值衡量、最佳实践场景等问题的必选项[115] - **成本管控挑战**：在规模扩展期，部分机构因忽视算力消耗、数据治理等隐性成本导致预算超支，需从战略、技术、组织、风险四维度系统审视总体拥有成本（TCO）[119][122] - **智能体金融网络平台**：自主式AI、多智能体系统等技术成熟后，可能催生智能体金融网络平台，实现从平台中介到代理网络的范式革命[127] - **金融智能共生系统**：长期趋势是客户侧与金融机构服务侧均呈现人与智能体融合状态，将重塑金融服务体系与竞争格局[129][130]

文章核心观点 - 明略科技联合北京大学开发的多模态大模型平台，在品牌出海领域通过技术创新解决跨文化情感连接挑战，并在全国性AI赛事中获奖，其技术已在实际业务中验证能显著提升营销效率与效果 [1][4][15] 行业背景与挑战 - 中国品牌全球化加速，2024年对外直接投资同比增长16.1%，出口总值超12万亿元，行业重心从“中国制造”转向“中国品牌”价值塑造 [4] - 品牌出海面临核心挑战：不同市场文化、审美、消费习惯差异大，传统人工分析成本高、周期长，难以快速响应；品牌传播效果更依赖受众主观情感反应，而海外数据分散，获取有效反馈存在技术壁垒 [4] - 生成式AI为跨文化内容创作提供突破口，但缺乏专家级隐性知识与情感分析能力，在陌生文化中建立持久情感认同是行业共同挑战 [4] 公司技术与解决方案 - 公司构建了“全球化多模态内容资产库 + 主观感知AI建模 + 创意生成”三位一体解决方案，旨在实现主客观“可信数据”与“精准分析”的双重突破 [4] - **数据智能采集技术**：自研VLA模型Mano在OS-World评估基准的Special Model赛道排名第一，能模拟人类视觉感知，精准识别软件界面元素并自动完成数据提取 [8] - 配合Mano-Parking网页数据采集技术，平台可自动识别网页结构、生成取数脚本，用户只需输入网址和需求即可完成专业级数据采集，快速获取全球多源数据 [8] - **主观感知量化技术**：自研超图多模态大语言模型HMLLM，利用采集自1万+真实受试者的脑电与注视点信号构建的数据集，实现秒级粒度的注意力、情绪与认知建模 [11] - 该模型与真人主观感受一致性(R2)超89%，专家200+份案例验证可行性超76%，具备“人类级”情感辨识能力，可在广告投放前科学预测不同文化受众的情感反应 [11] - **多智能体协同工作流**：基于DeepMiner产品，通过自研Cito算法调动洞察、广告、创意、视觉、行业、广告法专家等多个Agent协同工作，量化内容情感效果，智能推荐剪辑与表达方式，输出本土化方案 [13] 应用成效与商业模式 - 平台采用“结果即服务”(RaaS)模式，已在真实业务场景验证价值 [15] - 某视频社交媒体品牌营销机构接入后，创意评估周期从3天缩短至30分钟，效率提升99%；素材有效率从30%提升至70%，增幅达133%；客户续约率提升40% [15] - 在公司内部，该平台已用于对视频内容进行主题分布、情感趋势、爆款特征等多维度灵活分析，渗透日常分析工作 [15] - 公司在赛事闭幕式与姑苏区达成系列合作意向，推动技术成果从“赛场”走向“市场” [15] 公司背景与战略 - 明略科技是北大系AI代表企业，以自研大模型为核心，构建了覆盖多模态大模型、Agentic AI、DataMining、知识图谱等领域的完整技术栈 [21] - 公司于2025年在香港联交所主板上市，标志其全球化战略进入新阶段 [21] - 此次获奖项目是公司在大模型能力于“AI+营销”、“AI+出海”垂直场景深耕的成果，也是其Agentic AI技术的成功应用 [22] - 公司创始人现场展示如何通过AI实现跨文化精准营销与内容自动生成，解决企业国际化的文化壁垒与创意瓶颈 [16]

报告投资评级 * 报告未明确给出对百融云（6608 HK）的具体投资评级（如买入、持有、卖出）[1][5] 报告核心观点 * 百融云发布自主研发的ResultsCloud平台及硅基员工产品体系，标志着其商业模式正从“卖工具”向“卖结果”的RaaS模式转型，有望重塑To B端AI应用商业模式 [1][2][3] * 硅基员工的规模化应用被视作生产要素的本质变革，将重新定义企业核心竞争力，率先完成人机协同转型的组织将占据先机 [1][3] * 公司业务有望从金融领域拓展至千行百业，具备广阔的想象空间 [3] 公司战略与产品发布 * **事件**：2025年12月18日，百融云召开硅基生产力大会，发布ResultsCloud平台 [1] * **战略定位**：公司提出从工具供应商转型为业务结果合伙人，推动企业从“卖工具”向“卖结果”转型 [1][2] * **三步走战略**： * 2025-2026年：巩固金融科技优势，完善硅基员工标准体系 [2] * 2027-2028年：拓展至医疗、教育等垂直领域，构建全球合作伙伴生态 [2] * 2029-2030年：成为全球硅基生产力领导者，推动行业标准制定 [2] ResultsCloud平台技术架构 * **三层架构**：平台由AI Infra推理引擎、AgentOS智能操作系统、AgentStore应用商店构成，打造完整硅基员工生态体系 [2] * **AI Infra推理引擎**：自研BRVorlex推理引擎实现多模型统一加速、异构算力适配和全链路优化，推理性能较通用框架提升**300%** [2] * **AgentOS智能操作系统**：支持2周内快速部署硅基员工，兼容通用大模型及百融自研金融/保险专用模型，通过零参数更新实现自迭代能力 [2] 硅基员工产品效能 * **AgentStore应用商店上线四大产品**： * **百盈（客服和营销）**：实现7×24小时服务，客户满意度提升**40%** [2] * **百才（招聘）**：招聘周期缩短至**28天**，人效提升**5倍** [2] * **百鉴（跨境法财税）**：效率提升**90%**，成本降低**70%** [2] * **百智（知识生产）**：生产周期压缩至**4天**，效率提升**400%** [2] 行业影响与公司前景 * **商业模式颠覆**：公司业务将从卖模型服务拓展为出租AI员工，可能对To B端AI和软件行业的商业模式产生颠覆性转变 [3] * **业务结构变化**：随着硅基员工实现规模商用并切实解决B端客户痛点，公司的业务结构将发生重大变化 [3] * **市场空间拓展**：伴随硅基员工的行业生态布局，公司的业务范围将从金融领域跳出，赋能千行百业 [3]

行业背景与市场预测 - 当前政策聚焦“科技-产业-金融”循环体系 [1] - 据预测，2028年中国金融科技市场规模将突破6500亿元 [1] - 2028年底，预计80%的金融机构会采纳至少一种智能体工具 [1] - 到2028年，35%以上的金融智能体应用已经形成规模化落地范式，行业迈入规模扩展期 [1] 蚂蚁数科的市场地位与评估 - 艾瑞咨询报告将蚂蚁集团旗下蚂蚁数科置于金融智能体领域的综合领导者象限 [1] - 报告认可蚂蚁数科在金融智能体领域的技术引领性与场景落地能力 [1] 蚂蚁数科的核心竞争力 - 核心竞争力源于蚂蚁集团服务十亿级用户的“金融原生”基础 [1] - 其特点是将深度金融业务理解与企业级AI工程能力系统融合 [1] - 在AI原生App、财富管理、信贷风控、智能营销等核心场景中，形成了明显的差异化优势 [1] 蚂蚁数科的商业模式创新 - 凭借深厚的金融场景Know-how和业务结果标准化衡量能力，成为市场中少数有能力且有意愿在核心金融场景规模化探索RaaS（Results as a Service，结果即服务）模式的厂商 [1] - RaaS模式以“按效付费”为核心，能帮助金融机构减少前期投入与技术迭代沉没成本，实现风险共担、收益共享 [1][2]

行业趋势转变 - 旅游科技创新焦点正从“行前”的规划、预订环节转向解决“旅途中”碎片化、即时发生的体验瞬间 [1] - 人工智能在文旅行业的角色发生两方面转变：从辅助决策工具向能主动识别场景、触发体验的智能运营体转变；从支撑运营效率走向驱动商业增长的核心引擎 [1] - 行业底层逻辑正从“静态展示”的“智慧景区”向“动态经营”的“智能增长”重塑，让内容、流量、供给形成实时循环 [11] 公司项目核心能力 - AI旅行智能体“泡泡爱旅行”项目将AI能力定位在“旅程中”，基于游客实时位置、气候变化及兴趣偏好，结合地图与相机多模态输入生成即时推荐 [4] - 通过“情境感知+权益触发”机制，AI具备即时理解旅程环境的能力，例如高温天气推送冷饮券，乘船时自动激活语音导览，靠近热门拍摄点提示最佳机位 [6] - 在真实空间搭建“可感知流量网络”，于西湖片区278艘摇橹船、餐厅等高频觅景点设置二维码入口，游客行为数据被实时识别、分析、再分发 [6] 商业模式创新 - 引入RaaS（Result as a Service，结果即服务）模式，AI系统以提升销售额为目标，与景区按结果分成，技术方从“系统交付者”变为“经营共创者” [10] - 该模式让景区与技术公司在同一条增长曲线上绑定利益，推动行业价值链再分配，可能成为AI时代文旅数字化的主流趋势 [10] - 产品设计从“单一门票”转向“体验融合”，策划如“汉服写真+门票”等组合产品，提升游客参与度并带来新收入增量 [7] 项目运营成效 - 2025年上半年，部分低热度景区游客流量与门票收入显著提升，例如万松书院门票收入增长率达40.9% [6] - AI不仅改变了游客路径，更在重构景区的流量分布与商业结构，使冷门景点通过推荐获得二次曝光 [6] - AI开始在“商品供给”逻辑中扮演角色，而不仅是在“推荐”层面，以更低运营成本触发更高转化效率 [9] 公司战略与发展 - 公司历经酒店电视系统服务、旅游新媒体平台、AI智能体生态构建三个阶段，2023年完成2.1亿元A轮融资 [13] - 以杭州西湖项目为样板，计划未来两年内将智能体服务拓展至成都、无锡、三亚等核心目的地 [13] - 公司认为AI的核心竞争力将在于其“理解人”的能力，即基于行为数据重构供给体系，在现场实时生成运营动作 [11]