行业概览与市场增长 - 2025年是金融智能体市场商业化探索元年，大模型技术与金融业务场景耦合加深 [1] - 2025年金融行业大模型中标项目数量同比激增341%，披露金额飙升527% [1] - 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达9.5亿元，预计2030年将达193亿元，年复合增长率82.6% [1] 项目结构与市场动态 - 项目类型发生结构性变化：2025年应用类项目（智能体/场景解决方案）占比达58%，第四季度稳定在60%以上，正赶超传统算力采购类项目 [1] - 2025年近587个金融行业大模型中标项目中，超430个披露金额的项目总额约15.06亿元，项目金额中位数为118.4万元 [2] - 智能体应用类项目金额高度集中于30万至150万元，平台类项目多集中在100万至150万元，“大模型+平台+应用”组合价格偏高，可达数百万元以上 [2] - 银行发起的智能体项目数量占金融行业43%，资管类机构（证券、基金等）占27%，保险业占15% [3] 应用场景与采购模式 - 2025年下半年起金融应用类项目快速增长，前五大场景为智能客服&数字人、知识问答&知识平台、智能审核&分析决策、智能编程、内容生成 [2] - “大模型基础平台+智能体场景应用”正成为金融机构典型采购模式，有别于此前仅采购底层通用大模型 [3] - 项目类型主要为“嵌入式智能体功能”（52.9%）与“独立智能体应用开发”（47.1%）双向发展 [4] - 金融机构需求集中于降本、提效、合规与增长四大核心诉求 [4] 厂商竞争格局 - 金融智能体厂商阵营多元化，主要分为科技厂商背景（31.4%）、IT系统和垂类方案厂商（27.5%）、金融科技背景（21.6%）以及大厂背景（13.7%）四大类 [5] - 科大讯飞、百度、阿里云、蚂蚁数科、火山引擎、腾讯云、中关村科金、达观数据等厂商在金融行业大模型中标项目中较为活跃 [5] - 金融机构选型有两种心态：一种看重供应商品牌价值与综合能力，倾向知名大厂；另一种追求性价比，重视贴身服务与落地效果，愿尝试垂类服务商 [6] 商业模式与付费方式 - 当前付费模式以项目制为主，根据解决方案定制化程度、开发工作量、软件授权和交付服务进行整体报价 [6] - RaaS（结果即服务）模式开始萌芽，例如蚂蚁数科探索“风险共担、按效付费”，根据大模型应用的实际效果（如业务增长或成本节省）付费 [6] - 市场更常见的是将“效果承诺”（如效率提升百分比）作为项目验收关键指标，收费模式包括项目制、API调用，并探索按效果付费及持续运营付费 [7] 发展阶段与合规要求 - 目前96%的智能体应用实践处于初步探索期，仅4%进入敏捷实践期，主要集中在智能运营或非核心金融业务场景 [7] - 安全合规是金融机构采纳智能体的前提和底线，“确保智能体运行的可靠、可控，规避模型幻觉，防止被恶意操纵”在关注方向中排名第一 [8] - 引入如校准强化学习（RLCR）等技术，让模型输出决策时给出置信度量化指标，配合安全沙盒机制确保数据合规 [8] 未来趋势与行业观点 - 未来1—2年行业处于“混沌中的考验期”，将有大量形式多样化的金融智能体项目涌现，低质量项目将在初步探索期被淘汰 [8] - 预计到2028年，26%的金融智能体项目会因缺乏合理成本规划导致ROI不达预期，部分客户会放缓投资节奏 [8] - 应强调“大模型 + 小模型”协同，大模型负责语义理解与复杂决策，小模型负责垂直场景精准执行 [8] - 预计35%以上的金融机构将在2028年前实现构建面向价值增长的金融Agent Infra（智能体基础设施） [9]

报告行业投资评级 * 报告未明确给出具体的行业投资评级 [7][8][9][10][11][12][14][15] 报告的核心观点 * AI正从单点工具进化为企业运行的“新基础设施”，2025年智能体在金融、制造、能源、互联网等行业开始批量落地 [4] * 2026年是企业AI应用从试点验证迈向规模化价值兑现的关键转折点，智能体成为企业AI落地的核心抓手 [4][7][34] * 企业AI落地效果不及预期，核心原因在于技术不成熟、人才不适配以及对AI认知不足 [59][60][61][62][63] * AI时代企业渴求兼具业务洞察与AI技术能力的“超级员工”，这将对现存员工的岗位及职责造成冲击 [66][67] * 未来的企业组织将向更加扁平化、敏捷化、小团队与单兵作战并行的方向变革 [107][108] * “十五五”规划下，企业需从底层技术、业务价值、组织生态和产业体系四个层面进行AI前瞻规划 [118] 2025年企业AI应用现状总结 * **人才结构**：近五成中国企业中，狭义AI人才（AI算法及架构类人才）占比不足10% [20] 企业内部AI人才主要来源是内训培养，占比75% [23] AI应用人才必备的前五项技能均与智能体强相关 [26] * **项目落地范式**：近五成企业表示AI项目可在1个月内快速落地 [28] 项目团队呈现“小团队化”趋势，2-3人团队成为新范式 [30] AI生成代码被大规模纳入开发流程，部分企业项目中AI生成代码占比达50%–60%，新项目可达98% [30] * **应用进展**：75.3%的企业已能清晰感知自身的token使用量，71.4%已搭建智能体平台 [31] 日均token消耗量在百万级及以下的企业占比接近五成 [31] 规模在500人以内的企业，整体仍处于大模型应用的“规模化验证期” [33] * **2026年技术趋势**：企业管理者最关心的前五项AI技术是：多智能体协同、多模态大模型、AI辅助编程、统一知识库管理、智能体场景化落地 [34] 2026年企业AI应用重心将从能力验证转向业务闭环，技术架构从单模型升级为协同生态 [36][37] 智能体成为企业应用AI主要抓手的原因总结 * **技术突破与成本下降**：大模型在推理、规划等方面能力增强，推动智能体从被动执行迈向主动推理 [43] 工具调用框架完善，使其可连接外部系统 [43] 火山引擎等厂商将大模型调用成本降至原来的约三分之一 [44] Llama 3、DeepSeek等开源模型API调用成本低至0.1美元/百万输入token [44] * **生态逐步完善**：行业应用平台涌现，降低开发门槛 [45] 专用训练平台可将训练效率提升数倍，降低综合成本 [46] * **政策与市场需求**：北京、上海等地出台政策，直接支持通用智能体发展和应用落地 [47] 企业降本增效压力及业务流程数字化发展到高级阶段，是智能体大规模落地的根本动力 [48] 企业级AI技术落地效果分析总结 * **落地范式**：企业“AI+”项目周期分为技术验证、场景筛选、应用开发、MVP验证、合规评审、全流量切换六个阶段 [56][57] AI项目流程瓶颈在于沟通和决策，小团队配合AI可使代码合并量上涨51% [58] * **效果不及预期**：仅39%的受访者表示AI技术对企业息税前利润（EBIT）产生了实质性影响 [59] 业务流程的重新设计是AI落地成功的关键要素 [59] * **原因分析**：底层大模型能力仍有提升空间，辅助工具准备不足 [60] 传统业务人才缺少AI敏感度，AI人才技能参差不齐 [61][62] 企业管理者对AI认知不足，存在错误预期 [63] AI时代人才需求与组织变革总结 * **企业渴求“超级员工”**：企业需要能够覆盖从需求挖掘、产品研发到测试落地全流程工作的“超级员工” [66] 这导致传统岗位划分、技能要求和工作流程被重新审视 [66] * **未来AI人才特征**：应是“原子化”人才，技能可灵活组合 [68] 必须是技能叠加的快速学习者 [69] 需要具备单兵作战的主动型人格 [70] 必须善于与智能体协作 [71] * **组织变革趋势**：组织将更加扁平化，管理层级有望压缩至两到三层 [107][109] 组织将更加敏捷，业务流程中大量植入人机协同节点 [110] 小团队与“一人+多智能体”的单兵作战模式并行 [112] 组织的竞争力将由人才的能力密度与技能结构决定 [113] 云端协作与实体办公融合 [114] “十五五”规划下企业AI前瞻规划总结 * **政策指引**：“十五五”规划要求企业在底层技术、业务体系、组织生态和产业协同方面进行全方位升级 [118] * **赋能底层技术**：AI大模型从降低研发门槛、提升开发效率等维度，为数据设施、软件底座、硬件基础及AI自身的技术突破提供赋能 [119][120] * **助力业务价值升级**：智能化发展将迈向“业务+数据”深度融合，智能体是驱动产业升级的关键抓手 [121][123] 企业需准备数据资产池、进行大模型选型、并识别具备商业价值、场景成熟度和可持续运营可行性的业务场景 [125][126][127][128] * **推动组织生态变革**：需打造企业工程文化、完善AI人才梯队建设、建立AI人才激励机制、建设安全合规的治理体系、提升管理效率 [132][133][134][137][138] * **助力现代化产业体系建设**：通过打通产业链数据与知识壁垒、推动跨领域融合、培育新业态新模式、提升产业链韧性与竞争力来构建现代产业体系 [139][140][141][142][143] 企业AI落地实践案例总结 * **安克创新（智能制造）**：日均token消耗从年初100万跃升至年底500亿，单日Sota大模型使用成本约15万美元 [150] 基于自研平台部署超1000个AI智能体，代码生成提交占比达50%–60%，新项目高达98% [150] 建立“大六人”“小六人”双轨人才体系，计划2026年投入超1亿美元，向AI-native组织转型 [151][152] * **新奥泛能（能源）**：AI辅助编码覆盖30%–40%开发任务 [153] 在印染行业案例中，AI调控使良品率从85%提升至97%–99% [153] 员工中专职AI人才占比20%，30%–40%员工使用AI工具 [153] * **鞍钢（钢铁）**：采用“数据+AI”模式，初期投入数百万元，算力全靠云端租赁 [154] AI落地周期以年为单位，通过“双战队长”机制实现业务与IT协同 [155] * **平安壹钱包（金融）**：AI技术已在多模态统一知识库、大小模型协同工作流、LLM + MCP智能体三大场景规模化落地 [156][157] 人才培养以实践为核心，复合型人才需掌握AI编排、Agent设计等技能 [158] * **阿里云（科技）**：以“结果即服务（RaaS）”为核心，通过28个数字人上岗赋能十大核心业务场景 [159] 例如，技术文档翻译数字人将成本降至原1/200，网站AI助理将咨询响应时间从5小时缩至10秒 [159] 采用RIDE（重组、识别、定义、工程）方法论推动落地 [160]

公司发展历程与定位 - 迈越科技股份有限公司是一家从广西起步的IT服务初创企业，历经20多年发展，已成为广西少数拥有自主研发能力的全场景数智化解决方案提供商 [1] - 公司在北京、深圳、成都、南宁、香港设有研发中心，并将业务拓展至东南亚市场 [1] - 公司秉持“独行快，众行远”的理念，与华为的合作关系从早期的“技术跟随”转变为如今的“协同共创” [1] 业务起源与教育领域深耕 - 公司创立初期专注于校园网络建设与网络实训室搭建，站上了互联网与校园网络深度融合的时代风口 [3] - 2010年起，业务从校园网络建设扩展至为教育领域客户提供综合IT解决方案服务 [3] - 初期在网络产品采购上主要选择国外品牌，后因教育领域对网络安全重视度提升，开始引入具备自主创新能力的网络产品 [3] 与华为的合作深化过程 - 2013年，通过共同实施一个存储项目，公司董事长李常青对华为团队的敬业与执着印象深刻，双方企业文化高度一致，由此开启合作篇章 [3][4] - 2015年，合作扩展至校园无线网络领域，迈越科技将华为列为战略合作伙伴，并成功登顶广西高校无线校园网络市场 [4] - 2017年，公司在广西教育领域重点引入华为全光网络解决方案，并成功打造全区率先应用于教学及办公场景的全光网络，该方案已被广西40余所高校广泛采用 [4] - 2019年，针对高校数据中心升级改造的市场机遇，公司与华为展开深度技术交流，引入其数据中心解决方案，将合作推向新广度 [4] 业务拓展与AI布局 - 公司业务已从教育成功拓展至政务、医疗等广阔的政企市场，并构建起贯通全国的立体化服务网络 [5] - 近年来，公司积极布局AI领域，依托华为在算力领域的领先技术，双方联合打造的算力一体机已广泛应用于教育、政务、医疗等多个行业 [5] - 双方合作触角伸向“产教融合”领域，从广西外国语学院到柳州工学院，落地了多个标志性案例，合作从产品层面迈向服务交付、成果共创的新阶段 [5] 近期合作动态与协同共创 - 今年初，公司迅速与华为达成共识，启动自研智能体平台与华为智能算力的适配工作，并成功在桂林电子科技大学部署落地，打造了全国高校率先应用DeepSeek的示范案例 [6] - 目前双方合作已全面迈入“协同共创”新阶段，华为致力于打造“以客户为中心”、“以伙伴为主导”的“伙伴+华为”体系 [6] - 华为对迈越科技提出“华为，您身边的数智化伙伴”口号，具体体现为三个“在身边”：能力在身边、响应在身边、共赢在身边 [6] 公司核心能力与商业模式 - 在智慧教育领域，公司拥有覆盖从教学到管理的全场景解决方案经验，具备从方案设计、项目交付到售后运维的全流程服务体系 [7] - 公司依托全国五大研发中心，在AI场景构建与应用方面积淀深厚，可赋能广西各行各业并服务东盟 [7] - 公司遵循“迈越贴客户、华为主支撑”的分工原则，作为客户与华为之间的桥梁，是面向客户的价值转化者，华为则是后端的能力支撑者 [7] 合作特点与未来展望 - 与华为的合作特点包括：政策稳定透明，保障伙伴利润空间；技术开放协同，共同打造有竞争力解决方案；重视生态建设，通过认证体系与激励机制增强伙伴归属感 [7] - 面向未来，公司期望在AI与产教融合领域与华为深化协同，一方面希望成为核心伙伴共拓教育市场，另一方面希望将自研智能体平台深度融入华为算力底座，实现能力互补与生态共赢 [7]

合作概述 - 百望股份与蚂蚁数科正式达成合作，旨在推动大模型技术与海量数据的深度融合及创新应用，共同打造AI时代的“数据智能基础设施”新范式 [1] 百望股份业务背景 - 作为国内领先的数据智能服务商，公司已累积处理超231亿张交易凭证，沉淀超千万亿级数据 [1] - 公司服务覆盖2850万企业客户的多元场景实践 [1] - 公司已构建覆盖智能财税、智能风控、智能决策、智能营销等全链路的产品体系，为企业数字化转型提供全方位支撑 [1] 合作具体内容与目标 - 合作将率先聚焦于智能风控场景 [1] - 基于蚂蚁数科的风控智能体技术，旨在助力百望股份的智能风控产品实现从“经验驱动”迈向“智能生成” [1] - 此次合作将推动百望股份的智能体平台，从“数据汇聚与治理”的1.0阶段，跃升至“具备金融级可靠性与业务理解力的数据智能自主生成”的2.0阶段 [2] - 合作目标包括提升企业运营效率，并为客户在合规、风控及经营决策等方面提供更精准高效的智能支撑 [2] 蚂蚁数科技术能力 - 蚂蚁数科是蚂蚁集团旗下科技业务子公司，专注企业级AI及Web3服务 [2] - 其企业级智能体平台Agentar凭借全栈技术能力与丰富产业实践入选IDC中国智能体开发平台领导者 [2] - 蚂蚁数科在风控、营销、数据分析等企业核心经营场景，推出超百个智能体联合解决方案 [2] - 其风控特征智能体能够辅助挖掘海量数据的高价值特征，最高可实现模型性能提升32% [1] - 其风控建模智能体能够依托大模型的意图识别和任务规划能力自主构建建模流程，可将建模耗时缩短30%，且建模效果比肩人类专家 [1]

文章核心观点 - 中国背景的AI智能体公司在海内外资本市场引发热议，近期出现标志性交易与融资事件，例如Manus被Meta收购，以及枫清科技即将完成过亿元PreA+轮融资 [2] - 中国AI智能体公司在应对“国内与海外”、“To B与To C”不同市场需求上展现出领先的价值创造能力，发展路径虽不同但“殊途同归” [8] 行业动态与标志性事件 - 2024年12月30日，Meta宣布收购中国团队创立的AI智能体Manus的母公司“蝴蝶效应”，这是中国AI初创企业近期最大规模的并购退出 [2] - Manus此前曾以20亿美元估值进行融资，此次收购Meta未透露具体估值 [2] - 截至2024年12月17日，Manus的年度经常性收入已突破1亿美元，总收入年化运行率超过1.25亿美元 [2] - 国内智能体平台将迎来新一轮融资热潮，枫清科技近期将完成过亿元人民币的PreA+轮融资 [2] 枫清科技业务定位与模式 - 公司自2021年创立起，始终致力于为企业数智化转型打造新基建，定位为企业级AI智能体平台 [3] - 公司采用知识引擎与大模型双轮驱动的AI创新范式，并深度应用于科学研究、生物医药、先进制造、化工能源、金融保险等核心领域 [3] - 公司坚持AI+产业的路径，专注于深入产业深水区创造价值，而非通用AI，与头部链主客户共同探索成长 [8] 枫清科技产品与解决方案 - 公司以“云边端一体化”的智能化架构、企业级知识中台与智能体平台为核心，构建了丰富的行业场景智能化应用 [4] - 公司已构建完善的产品与应用矩阵，涵盖AI知识引擎、智能体平台、智能经营分析、AI赋能新材料研发智能体，以及与麒麟操作系统、苹果融合的AI Stack一体化解决方案 [4] - 在科研领域，公司联合火山引擎打造AI for Science解决方案，覆盖基础科研、科学实验辅助、数据挖掘与蒸馏模型落地三大核心阶段 [3] 枫清科技市场进展与客户案例 - 2025年，公司年营收同比2024年增长近300%，且预计2026年增速仍将保持这一高水平 [2] - 2025年，公司的企业级知识引擎、行业模型与智能体应用已在多家大型央企、龙头跨国公司和民营企业中实现规模化落地，客户包括中化数智、华润医药、东阿阿胶、华润三九、TCL中环、苹果公司、麒麟软件等 [7] - 公司通过平台能力支撑了深入行业的丰富场景智能体应用，并围绕此构建了技术、组织、服务能力等多维度的竞争壁垒 [7] 具体项目成果与行业展望 - 2024年12月26日，由枫清科技携手中化数智、火山引擎打造的北京石景山区AI for Science平台正式发布 [4] - 同日，由中化数智、吉林大学、火山引擎及枫清科技联合成立的“AI+新材料联合实验室”揭牌，旨在用智能化方式实现新材料研发及产业落地闭环，并培养交叉学科人才 [4] - 公司创始人兼CEO高雪峰表示，从业务发展速度和当前客户需求来看，在“十五五”规划的第一年，国内AI+产业领域将出现爆发式增长 [7]

公司AI技术定位与战略 - 公司人工智能技术已在多个高价值B端场景实现规模化、深度化应用，并非停留在概念或演示阶段[1] - 公司AI技术路线始终聚焦产业智能化升级，而非消费级C端应用（如影视流、广告推荐等）[1] - 公司更强调在强合规、高安全、深业务耦合的场景中，通过“行业知识+AI工程化”实现技术与业务的深度融合[1] 公司核心技术能力 - 作为国内最早深耕自然语言处理(NLP)的企业之一，公司已构建以大模型、知识图谱、多模态理解为核心的全栈AI能力体系[1] - 公司自研“拓天大模型”及智能体平台已在中央部委、国有银行、省级公安及主流央媒等客户中落地[1] 主要应用领域与场景 - 公司聚焦政务、金融、公安、媒体、知识产权等关键领域，推动AI从“能用”向“好用、敢用、常用”演进[1] - 公司AI技术支撑如政策智能解读、金融风险研判、舆情事件推演、知识产权侵权识别等高复杂度任务，形成可复制、可计量的业务价值闭环[1]

行业趋势与阶段判断 - 2025年被称为智能体元年，以GPT5、千问3等为代表的大模型超级应用正式发布，标志着头部科技企业大语言模型训练已近尾声[1][3] - 大模型已成为数智时代的新型基础设施，企业进入了大规模智能产品化的新阶段[1][3] - 2026年企业将进入智能体大规模建设和应用阶段[1][4] 企业IT架构演进方向 - 企业需高质量推进AI+行动，加快IT架构从云原生向数智原生架构演进[1][3] - 数智原生架构需集算力、数据、算法、策略、应用于一体，为企业大规模上线和运营智能体提供企业级支撑和治理能力[1][3] - 中国工商银行已建成面向全机构、全组织、全员工的智能体平台，实现了全行全员AI创新应用的普惠[1][3] 高质量深化应用面临的六大挑战 - **算力挑战**：重点需解决异构算力融合、训推一体、算力池化和调度，以夯实算力底座，实现算力集约化应用[1][4] - **算法挑战**：企业需构建满足自身要求的企业模型，通过大小模型融合构建企业模型矩阵，并建立模型基线以实现迭代和演进[2][4] - **数据挑战**：能力上需构建知识工程、上下文工程和提示词工程能力；统筹上需尽快明确企业级知识集的建设组织、使用和治理体系，系统推进数据集建设[2][4] - **智能体平台挑战**：平台需具备记忆能力，以及在本体建模方法论指导下的原生智能体构建能力，这两大能力是核心关键[2][4] - **安全挑战**：需建立模型安全、数据安全、网络安全等一体化安全体系，特别要对客应用建立完备有效的内容安全护栏[2][4] - **人才挑战**：需加快培养面向智能时代的算力工程师、知识工程师、算法工程师、智能体工程师、提示词工程师等新型人才[2][4]

行业大会核心观点 - 公司主办2025美食鲜品商家行业大会 解析行业发展痛点与趋势机遇 [1] - 私域电商正重塑行业格局 从流量洼地走向用户价值高地 是品牌商家不可错过的增长机遇 [2] - 美食鲜品类目挑战与机遇并存 消费端需求变革孕育新增长机会 [4] 私域电商战略与优势 - 私域电商拥有四大核心优势：拓展获客渠道 沉淀用户资产 内容价值变现 长期用户陪伴 [2] - 公司过去八年服务超4万家国内外品牌 累计销售超10亿件商品 [2] - 未来将重点布局四大方向：好货为王 内容升级 AI赋能 持续增长 [2][3] 好货与内容战略 - 坚持好货为王 升级好货战略 强化供应链建设 从性价比到质价比 [2] - 深耕头部品牌打造私域品牌特卖心智 开发单渠道差异化爆品和大牌定制货品 [2] - 推动内容升级 上线快讯栏目 升级私域直播工具 打造新交易场 [2] AI技术与生态增长 - 深化AI赋能 建设智能体平台 优化选品 营销 客服等环节以提升效率 [3] - 实现持续增长 生态合作更加开放 链接线上线下多元化流量形式与企业机构 [3] - 与生态合作伙伴共同打造赢饷力 [3] 美食鲜品细分赛道趋势 - 滋补品类市场规模持续扩容 消费者呈现年轻化特征 [4] - 休闲零食市场年复合增长率达6.5% 健康化升级与地域特色破圈为主流 情绪价值属性凸显 [4] - 方便速食赛道2026年迎三大变革：从吃饱转向吃好+健康+情绪满足 药食同源与地域特色美食迭代 细分场景需求增长 [4] - 冲调品类呈现功能化 养生化趋势 年轻群体加速渗透 [4] 公司未来增长路径与规划 - 2026年将围绕差异化定位 场景精准切入 夯实供应链与品控探寻增长路径 [4] - 从地域特色 健康理念 功能性创新等角度打造差异化货盘 [4] - 公布年货节规划 通过资源倾斜 营销赋能 流量扶持等举措助力商家把握消费旺季 [4]

AI对金融业的影响 - AI不会改变金融的本质或核心算法与交易流程，但会重塑流程体系并提升数据应用效果 [1][3][5] - AI更多处于学习人和辅助人的阶段，尚未达到超越人 [5] 恒生电子的AI应用与战略 - 公司大模型应用技术加速产品化落地，聚焦智能投研、运营效率提升、合规风险赋能、财富管理投顾助手、投行助手以及APP应用端等核心业务场景 [3][4] - 公司通过推出智能体平台、成立恒生研究院进行前沿探索，以及联合金融机构共创应用等方式推进AI落地 [3][5] - AI应用的最终入口将变得非常简单，改变传统通过菜单或流程堆积搭建应用的方式 [5] X402协议与微支付前景 - X402协议本质是采用加密技术加区块链技术，为AI智能体之间提供自动化微支付 [3][7] - 基于区块链的微支付方案能有效解决AI与AI、Agent与Agent之间调用的小额支付与结算需求，建立可信赖机制 [3][7] - 微支付可按需定价，例如消耗一个数据可能5分钱、6分钱，适应未来小额、超小额支付场景 [8] - 该技术可能是未来AI发展的重要基础设施，美国已进行初步尝试 [7] 金融科技发展趋势 - 从PC互联网到移动互联网，技术的形态、操作方式及产品服务形态发生很大变化，AI同样将带来新变化 [9]

业绩表现 - 前三季度实现营业收入4.19亿元，同比增长42.68% [1][2] - 单季度营收同比增长35.17%，环比增长近70% [1][2] - 净利润亏损同比收窄54.18% [1][2] - 经营性现金流净额改善20.03%，应收账款较期初减少17.28% [2] - 存货及合同负债分别较期初增长52.42%和64.64%，反映在手订单或项目储备增长 [2] 业务战略 - 公司聚焦基础软件中间件和信息安全传统主业，逐步收缩或剥离数字化转型等亏损业务 [1][3] - 战略聚焦有助于资源优化配置，减轻经营负担，集中精力发展核心业务 [3] - 公司在稳固信创市场基础上，发布智能体平台、AIGC治理及深伪检测等一系列AI产品 [2] 行业与市场 - 业绩增长得益于信创产业发展和行业客户需求回暖 [1][2] - 基础软件在“十五五”规划建议中被明确列入需攻坚的重点领域，与集成电路等“硬科技”并列 [4] - 伴随政策指引，各行业对基础软件的自主可控需求预计将进一步增强 [4] - 信创产业与人工智能浪潮的深入推进，将持续带动企业对中间件及安全产品的需求 [2] 公司竞争力 - 业绩加速回暖折射出公司深耕行业近三十年的技术积累与生态建构 [1] - 客户持续选择公司的产品和服务，反映了其领先的技术实力和市场地位 [1] - 公司在技术研发、市场开拓、客户服务等方面具备综合优势，业绩表现与同业相比呈领先态势 [4]