公司股价表现与市场动态 - 公司股价大幅上涨，盘中最高触及72港元，较招股价48港元累计涨幅达50% [1] - 截至发稿，股价报70.5港元，当日涨幅为14.08% [1] - 当日成交额为1264.38万港元 [1] 公司战略合作进展 - 公司于1月13日与金涌投资订立了不具法律约束力的战略合作框架协议 [1] - 合作旨在推进实时数据基础设施发展，以支持投资研究、交易及风险管理的数字化转型 [1] - 合作同时旨在促进财富管理相关科技产品的创新及商业化 [1] 潜在纳入港股通预期 - 恒生综合指数半年度的审议考察期已于2025年12月31日结束 [1] - 港股通名单新一轮调整预计于2026年2月20日收盘后公布，并于3月6日收盘后正式实施 [1] - 长江证券研报预计共有47只个股符合纳入标准，公司有望获纳入港股通名单 [1]

公司股价表现 - 迅策股价大幅上涨，盘中最高触及72港元，较招股价48港元已上涨50% [1] - 截至发稿，股价报70.5港元，涨幅为14.08%，成交额为1264.38万港元 [1] 公司战略合作 - 公司于1月13日与金涌投资订立了不具法律约束力的战略合作框架协议 [1] - 合作旨在推进实时数据基础设施发展，以支持投资研究、交易及风险管理的数字化转型 [1] - 合作同时旨在促进财富管理相关科技产品的创新及商业化 [1] 港股通纳入预期 - 恒生综合指数半年度的审议考察期已于2025年12月31日结束，港股通名单将于2026年3月进行新一轮调整 [1] - 调整名单预计于2026年2月20日收盘后公布，并于3月6日收盘后正式实施 [1] - 长江证券研报预计共有47只个股符合纳入标准，迅策有望获纳入港股通名单 [1]

公司荣誉与行业认可 - 公司于2025年12月4日入选由中国经济信息社主办、新华社指导的“2025金融新质生产力优秀实践” [1] - 公司入选政府及行业主管部门认定的“专精特新”企业，荣获“2021年度数字化转型推动企业奖” [5] - 公司跻身毕马威“中国领先金融科技双50企业”，并获评亚洲银行家“中国最佳无摩擦信用评估应用” [5] - 公司自研设备指纹系统获得IEEE-ICICML2022国际学术推荐，并荣膺中国经营报“2025卓越竞争力金融科技影响力企业”奖项 [5] 行业背景与政策驱动 - 金融服务全面线上化导致欺诈风险呈现复杂化、链条化和隐蔽化趋势 [3] - 传统依赖静态规则的风控模式在覆盖广度、时效性和关联识别能力上已明显不足 [3] - 《金融科技(FinTech)发展规划(2022—2025年)》明确提出，金融机构应强化数据要素应用，推进大数据、人工智能、图分析等技术在风险识别和预警环节的落地 [3] 核心技术升级与“猎户座系统” - 公司自2023年启动“猎户座系统”升级项目，以“AI+图智能”为核心路径，对原有风控系统进行结构性改造 [3] - 系统基于NebulaGraph分布式图数据库，将客户、设备、账户、行为、地域等数据汇聚为统一的关联网络 [4] - 系统实现了从单一事件异常识别向整体关系网络风险识别的转变，能够更早发现群体性、链式欺诈特征 [4] - 系统内置可持续优化机制，可根据风险反馈逐步调整模型参数和特征权重，提升整体识别准确性 [4] 系统性能与运营成效 - 系统上线后，图查询能力显著增强，规则执行效率提升55% [4] - 风控处理时间缩短一半，人工审查效率提升近30% [4] - 通过技术架构统一和模型体系优化，系统运维成本下降约25% [4] 公司技术战略与业务布局 - 公司以科技创新驱动业务发展，在AI、大数据、云计算等核心技术领域持续深耕 [4] - 公司构建了覆盖智能获客、智能风控、智能运营等关键环节的端到端科技解决方案 [4] - “猎户座”智能风控平台作为核心组成部分，可覆盖贷前审核、贷中监控、贷后预警的全流程风险识别需求 [4][5] - 平台架构设计兼顾场景多样性与对外适配性，能够根据金融机构需求灵活实现参数化配置与接口对接 [5] 未来发展规划 - 公司将继续加大科技投入，深化AI技术在风险识别、审批辅助、风险预警等核心场景的应用研究 [5] - 公司将提升模型可解释性与系统运行稳定性，同时强化数据安全与算法透明度建设 [5] - 公司计划深化科技创新与金融业务的融合应用，助力金融新质生产力发展，为构建安全可信的数字金融生态贡献力量 [5]

公司股价与交易表现 - 1月14日，恒银科技股价上涨9.97%，报收12.24元/股，成交额2.71亿元，换手率4.50%，总市值63.71亿元 [1] 公司基本情况 - 公司全称为恒银金融科技股份有限公司，位于天津自贸试验区，成立于2004年5月12日，于2017年9月20日上市 [1] - 公司主营业务是提供以金融自助设备为核心的智慧银行解决方案 [1] - 主营业务收入构成：现金类设备及服务占64.30%，非现金类设备及服务占18.01%，设备配件类占14.24%，技术服务及其他占3.46% [1] 主要流通股东动态 - 华夏基金旗下华夏中证金融科技主题ETF（516100）于2023年第三季度新进成为恒银科技十大流通股东 [2] - 该基金持有57.71万股，占流通股比例为0.11% [2] - 基于当日股价涨幅测算，该基金持仓单日浮盈约64.06万元 [2] 相关基金产品信息 - 华夏中证金融科技主题ETF（516100）成立于2021年7月13日，最新规模16.68亿元 [2] - 该基金今年以来收益率为9.48%，同类排名866/5520；近一年收益率为46.05%，同类排名1801/4203；成立以来收益率为52.39% [2] - 该基金的基金经理为徐猛，累计任职时间12年285天，现任基金资产总规模3148.87亿元，其任职期间最佳基金回报为143.1%，最差基金回报为-46.51% [3]

公司股价与交易表现 - 1月14日，中科金财股价上涨5.05%，报收31.20元/股，成交额达5.30亿元，换手率为5.14%，总市值为106.10亿元 [1] 公司基本信息与业务构成 - 公司全称为北京中科金财科技股份有限公司，成立于2003年12月10日，于2012年2月28日上市 [1] - 公司主营业务涉及应用软件开发、技术服务及相关的计算机信息系统集成服务 [1] - 主营业务收入构成：数据中心综合服务占50.81%，金融科技综合服务占31.66%，人工智能综合服务占14.01%，其他(补充)占3.52% [1] 主要流通股东动态 - 华宝基金旗下的华宝中证金融科技主题ETF（159851）位列公司十大流通股东 [2] - 该基金在第三季度增持了270.05万股中科金财股票，截至当时持有557.59万股，占流通股比例为1.66% [2] - 基于1月14日股价上涨测算，该基金当日浮盈约836.39万元 [2] 相关基金产品信息 - 华宝中证金融科技主题ETF（159851）成立于2021年3月4日，最新规模为123.19亿元 [2] - 该基金今年以来收益率为9.61%，在同类5520只产品中排名842；近一年收益率为44.5%，在同类4203只产品中排名1938；成立以来收益率为85.48% [2] - 该基金由基金经理陈建华和曹旭辰共同管理 [3] - 陈建华累计任职时间13年27天，现任基金资产总规模277.02亿元，其任职期间最佳基金回报为184.66%，最差基金回报为-49.65% [3] - 曹旭辰累计任职时间238天，现任基金资产总规模351.82亿元，其任职期间最佳基金回报为126.35%，最差基金回报为-4.65% [3]

公司股价与交易表现 - 1月14日，京北方股价上涨5.06%，报收22.42元/股，成交额3.70亿元，换手率2.00%，总市值194.48亿元 [1] 公司基本情况 - 京北方信息技术股份有限公司成立于2009年12月16日，于2020年5月7日上市，公司位于北京市海淀区 [1] - 公司主营业务是向以银行为主的金融机构提供信息技术服务和业务流程外包服务 [1] - 公司主营业务收入构成：软件开发及服务占33.73%，金融科技解决方案占30.03%，智慧客服及消费金融精准营销占19.58%，数智化运营及服务占13.95%，人工智能及大数据创新产品占2.71% [1] 机构持股动态 - 华宝基金旗下华宝中证金融科技主题ETF（159851）位列京北方十大流通股东 [2] - 该基金于2023年第三季度增持京北方268.07万股，截至当时持有568.12万股，占流通股比例为0.67% [2] - 基于1月14日股价上涨测算，该基金当日浮盈约613.57万元 [2] 相关基金产品信息 - 华宝中证金融科技主题ETF（159851）成立于2021年3月4日，最新规模为123.19亿元 [2] - 该基金今年以来收益率为9.61%，在同类5520只基金中排名842；近一年收益率为44.5%，在同类4203只基金中排名1938；成立以来收益率为85.48% [2] - 该基金的基金经理为陈建华和曹旭辰 [3] - 陈建华累计任职时间13年27天，现任基金资产总规模277.02亿元，任职期间最佳基金回报184.66%，最差基金回报-49.65% [3] - 曹旭辰累计任职时间238天，现任基金资产总规模351.82亿元，任职期间最佳基金回报126.35%，最差基金回报-4.65% [3]

公司股价与交易表现 - 股价续涨超6%，截至发稿涨6.88%，报66.8港元 [1] - 盘中高见68港元，再创股价新高 [1] - 成交额为478.2万港元 [1] 战略合作框架协议 - 公司已于1月13日与金涌投资订立不具法律约束力的战略合作框架协议 [1] - 合作基于公司与金涌投资之间的潜在战略契合 [1] - 董事会相信该合作将为公司提供进一步多元化收入来源的机会，并认为订立协议符合公司及其股东的整体最佳利益 [1] 战略合作目标与内容 - 合作旨在推进实时数据基础设施的发展，以支持投资研究、交易及风险管理的数字化转型 [1] - 合作将促进财富管理相关科技产品的创新及商业化，包括实时数据技术在智能估值、风险监测及合规方面的应用 [1] - 合作包括为不同行业客户开发标准化SaaS解决方案 [1] - 合作将探索数据基础设施、人工智能及其他金融科技相关项目的投资机会，以培育“数据+资本”生态系统的融合 [1]

公司股价表现与交易情况 - 迅策股价延续涨势，涨幅超过6%，盘中最高触及68港元，创下历史新高 [1] - 截至发稿时，股价上涨6.88%，报66.8港元 [1] - 成交额为478.2万港元 [1] 战略合作框架协议 - 公司于1月13日与金涌投资订立了一份不具法律约束力的战略合作框架协议 [1] - 合作基于双方之间的潜在战略契合 [1] - 董事会相信此次战略合作将为公司提供进一步多元化收入来源的机会 [1] - 董事会认为订立该协议符合公司及其股东的整体最佳利益 [1] 战略合作的核心目标 - 推进实时数据基础设施的发展，以支持投资研究、交易及风险管理的数字化转型 [1] - 促进财富管理相关科技产品的创新及商业化 [1] - 探索数据基础设施、人工智能及其他金融科技相关项目的投资机会，以培育“数据+资本”生态系统的融合 [1] 合作的具体应用方向 - 包括实时数据技术在智能估值、风险监测及合规方面的应用 [1] - 为不同行业客户开发标准化SaaS解决方案 [1]

公司股价表现与交易 - 迅策股价持续上涨超过6%，盘中最高触及68港元，创下历史新高 [1] - 截至发稿时，股价上涨6.88%，报66.8港元 [1] - 成交额为478.2万港元 [1] 战略合作框架协议 - 公司已于1月13日与金涌投资订立不具法律约束力的战略合作框架协议 [1] - 合作基于公司与金涌投资之间的潜在战略契合 [1] - 董事会相信该战略合作将为公司提供进一步多元化收入来源的机会，并认为订立协议符合公司及其股东的整体最佳利益 [1] 战略合作目标与内容 - 合作旨在推进实时数据基础设施的发展，以支持投资研究、交易及风险管理的数字化转型 [1] - 合作旨在促进财富管理相关科技产品的创新及商业化 [1] - 合作内容包括应用实时数据技术于智能估值、风险监测及合规领域，以及为不同行业客户开发标准化SaaS解决方案 [1] - 合作将探索数据基础设施、人工智能及其他金融科技相关项目的投资机会，以培育“数据+资本”生态系统的融合 [1]

文章核心观点 - 通用AI大模型在理想实验室环境下表现优异，但在真实、复杂且非标准化的金融信贷审核场景中，其实际应用效果和泛化能力面临严峻挑战[2] - 金融信贷行业缺乏一个权威、统一且贴近真实业务场景的AI模型评测标准，导致金融机构在技术选型时面临“无尺之痛”，制约了数智化转型的深入[3][4][10] - 为解决行业痛点，奇富科技联合高校研究团队推出了首个面向信贷场景的多模态评测基准FCMBench，通过高度还原真实物理世界的数据构建和贴合业务的评测逻辑，为行业提供了一把“既土又洋”的衡量尺子[16][18][20] - 在FCMBench的评测中，经过高质量行业数据微调的垂直模型（如奇富科技的Qfin-VL-Instruct）在综合性能、成本及效率上展现出对通用大模型的比较优势，验证了“术业有专攻”的垂直模型商业逻辑[31][32][33] - 奇富科技宣布开源FCMBench的数据集与评测方法，旨在打破学术界与产业界的壁垒，推动AI技术在金融信贷领域的务实落地与深度应用[35][36][37] 通用AI大模型在金融信贷场景的局限性 - 在真实信贷业务中，客户提供的证件材料常存在拍摄歪斜、阴影遮挡、反光模糊、边缘裁剪不完美等“噪音”问题，这与实验室的理想环境相去甚远[2] - 金融信贷业务容错率低，审核要求高，既有的通用技术手段难以满足业务精细化发展的需求[3] - 通用多模态评测基准多关注自然场景或股票财报分析，对信贷核心的证件审核与信息交叉验证关注有限，存在“题目错位”[6] - 受限于合规要求，真实的信贷数据无法共享，形成了“数据隔离”的隐私悖论，导致学术研究与产业落地脱节[8] - 实验室数据过于理想化，模型在真实复杂多变业务环境中的泛化性能往往大打折扣，存在“环境失真”问题[10] 金融行业对AI信贷审核标准的迫切需求 - 经济周期波动下，金融机构对智能信贷审核工具的需求愈发强烈，但缺乏权威统一的衡量标准导致了选型焦虑[4] - 行业标准缺失使金融机构无法理性选型，技术厂商也难以证明自身产品价值，这制约了银行的数智化转型进程[10] - 一套好的信贷AI标准需要同时满足“土”（贴近金融业务痛点）和“洋”（具备宽广技术视野）两个宏观条件，其权威性决定了能否被行业广泛接受[13] - 行业需要一个既深谙金融业务又具备顶尖AI技术能力的中间人来打破僵局，提供垂直精准的解决方案[13] FCMBench评测基准的构建与特点 - 该基准由奇富科技联合复旦大学与华南理工大学的研究团队共同打造，是首个面向信贷场景的多模态评测基准[16] - 为解决数据合规与真实性的悖论，研究团队采用了物理仿真的“苦差事”：构建21位虚拟人物的信贷资料库，生成数十种文档模板并制作成实物，再用多款常见手机拍摄，人为制造反光、折痕等“烂片”效果，高度还原真实世界[18] - 最终构建的数据集包含4000多张合规图像和8000多个任务指令[18] - 评测体系涵盖“感知-推理-鲁棒性”三个维度，要求模型不仅能看清材料，还能理解业务逻辑并进行信息交叉比对，在异常样本中保持稳定[20] - 评测任务示例包括检查身份证与房产证姓名一致性，以及通过比对收入证明与完税证明（如声称年收入高于10万元但纳税比例低于10%）来校验数据合理性[25] - 该基准旨在帮助金融机构在稳健性、覆盖度与业务效率之间找到符合自身风险偏好的平衡点，而非追求单一维度的极致分数[25] 主流模型在FCMBench上的评测表现 - 评测涵盖了全球14家机构的23个主流模型，包括通用巨头和垂直模型[28] - 在通用商业模型中，谷歌的Gemini 3 Pro表现领先；在开源基模中，阿里的Qwen3-VL-235B是佼佼者[29] - 根据评测表格数据，主要模型综合得分（Overall Average）如下：Gemini 3 Pro为64.61，Claude Opus 4.5为59.91，GPT 5.2为53.14，Qwen3-VL-235B-A22B-Instruct为57.27[30] - 奇富科技自研的信贷垂类模型Qfin-VL-Instruct取得了全模型最高综合得分64.92，在感知（Perception）子项如DTR（94.22）、KIE（45.38）和IQE（55.00）上表现突出[30] - 综合指标（F1）是召回率与精确率的调和平均，得分高反映模型的结构化能力与鲁棒性更均衡，更适配真实信贷业务需求[31] 垂直大模型在金融场景的比较优势 - 奇富Qfin模型夺冠验证了“术业有专攻”的垂直大模型商业逻辑，其更像熟悉行业潜规则的资深从业者，而非仅拥有通用常识的“博士”[32] - 在成本与效率方面，奇富Qfin模型采用指令模式，其推理速度比开启思维链的通用模型快2-3倍，且Token消耗量呈数量级下降，更适应信贷审批仅几十秒的窗口期要求[33] - 基于高质量行业数据微调的垂直模型，可以在特定金融场景下，以更低的成本和更快的响应速度，与参数量巨大的通用模型竞争[33] 行业影响与未来展望 - FCMBench的推出旨在将AI研究从实验室指标导向实际业务落地[35] - 奇富科技宣布开源FCMBench的数据集与评测方法，以消除“既当裁判又当运动员”的疑虑，并为行业提供稀缺、合规且高质量的信贷场景数据，打通学术与产业壁垒[35] - AI发展正进入务实时代，未来的竞争关键在于谁能扎根行业，解决具体的产业问题[36] - 真正实用的AI诞生在真实的业务泥泞里，奇富科技通过构建FCMBench，连通了AI研究与金融落地，助力金融机构跨越数智化转型的深水区[37][38]