金融科技行业核心观点 - 金融科技市场规模预计以13.3%的复合增长率于2028年突破6500亿元 [1][8] - 政策聚焦"科技-产业-金融"循环体系建设，强调数据要素的合规应用 [1][4] - 金融机构数智化转型进入攻坚阶段，技术迭代与数据要素管理成为核心主题 [5] 行业现状与政策 - 信创建设推动金融业务价值提升体系构建，技术迭代与创新应用为核心驱动力 [2] - 政策导向从技术应用转向可持续迭代，数据要素管理与科技金融循环成为重点 [4][5] - 金融大模型等新兴技术崛起，联动创新业务常态化运作成为新科技主题 [8] 市场规模与增长 - 2028年金融科技市场规模预计达6500亿元，2025年为关键增长节点 [8] - 银行业科技投入复合增长率11.85%，2028年或突破4500亿元 [22][23] - 保险业科技投入复合增长率14.83%，2028年预计超1000亿元 [32] - 证券业科技投入复合增长率19.7%，2028年规模或达970亿元 [39] 细分行业分析 银行业 - 数智化转型进入规模化应用后期，数字生态建设成为新需求点 [20] - 国有银行2023年营收收缩4.4%，影响次年科技投入审慎性 [23] - 金融大模型与信创目标推动未来2-3年投入增速提升 [23] 保险业 - 原保险保费收入2024年达5.7万亿元，总资产规模突破35万亿 [32] - 前沿技术应用于风险定价、理赔、营销等领域，数据共享成关键 [32] - 2025年保险科技投入增速预计14.6%，突破670亿元 [32] 证券业 - 2024年超八成头部券商净利润增长，科技投入意愿显著提升 [39] - 核心系统故障率降低与"AI+数据"效率提升为两大主题 [39] - 中长期资金入市政策或推动2025年后科技投入快速增长 [39] 技术模块应用 人工智能 - AI产品投入复合增长率30.36%，2029年或超160亿元 [48] - 生成式AI在金融场景的赋能效果受高度期待 [51] 大数据 - 数据要素资源重视度提升，推动大数据产品投入增长 [57] - 跨技术协同应用聚焦智能化与合规化发展 [58] 云服务 - 混合云在非核心业务场景认可度提升 [61] - 团体云建设或降低金融机构云技术接入门槛 [67] 区块链 - 数字人民币推广应用受监管、技术迭代与用户培养影响 [70]

数字金融与人工智能政策导向 - 金融监管总局强调加强数字金融发展和监管政策研究制定 重点关注人工智能在金融领域的应用与风险防范 [1][2] - 监管机构要求加快监管数字化智能化转型 推进科技金融体制机制创新 服务人工智能等新质生产力发展 [2] - 七部门联合印发《推动数字金融高质量发展行动方案》 提出布局算力体系 强化模型算法风险管理 [3] 人工智能在金融业的应用现状 - 证券基金业接入DeepSeek大模型 主要应用于投顾业务赋能员工 [4] - 银行业大模型应用场景超百个 覆盖风险防控 信用评估 智能投顾 智能客服等六大领域 [4] - 人工智能技术可提升金融机构运营效率30%以上 通过数据分析优化投资决策和风险管理 [3] 金融大模型应用风险与挑战 - 数据安全存在隐患 客户隐私泄露风险突出 脱敏处理缺乏统一标准 [5] - 合规监管存在空白 现行规则未覆盖AI决策可解释性 算法歧视等核心问题 [5][6] - 系统性风险传导问题严峻 多家机构依赖同一技术供应商可能引发连锁反应 [5] 监管与标准化建设建议 - 呼吁出台《金融人工智能管理办法》 明确算法审计要求与责任追溯规则 [6] - 建议建立动态风险评估模型 制定统一技术伦理标准 强制披露训练数据来源 [6] - 现有法律框架以《数据安全法》《个人信息保护法》为基础 需完善专项监管政策 [5]

金融大模型应用现状 - 大模型已成为新质生产力的重要组成部分，中国金融行业在研发投入和应用方面走在市场前列，2024年AI及生成式AI投资规模达196.94亿元 [2] - 全球18%的企业在生产环境中引入Gen AI应用，中国比例为3%，但95%的中国企业已开始投资或进行POC测试 [2] - 金融大模型已广泛应用于办公运营、理财营销、财富管理、信贷风控与IT开发等领域，围绕优体验、提效益、降成本和控风险等目标 [2] 国内外发展对比 - 中国与全球企业在Gen AI投资分配上相似，平均分配在生产力提升、跨行业职能和垂直行业专属三类应用场景 [2] - 全球生成式AI市场规模持续攀升，动力源自技术迭代加速、应用领域拓宽及企业对AI创新驱动的投入 [2] 成熟应用场景 - 智能客服、内部运营、智能投顾/财富管理、智能营销及风险管理是当前落地较成熟的场景 [3] - 中电金信信贷业务助手支持银行信贷业务全流程，提升业务办理准确性和效率 [3] - 头部金融机构建设全栈AI能力覆盖全领域场景，中型银行选择高ROI场景如智能IT开发，小型机构优先试点知识库、智能客服等易见效场景 [3] 金融机构差异化策略 - 大型金融机构如工商银行构建全栈AI平台（工银智涌），形成以大模型为核心的新一代业务赋能模式 [4] - 中小型金融机构以业务需求为导向，采用"小切口、快回报"策略，如某城商行应用大模型后小微企业授信额度提升2.9倍，效率提升10倍 [4] 成本与质量平衡 - 金融行业对数据质量、推理准确性及合规安全要求更高，需谨慎推进应用落地 [5] - 建议选择高ROI场景，通过平台工具链降低构建成本，使用模型推理加速技术提升效率 [5] 数据质量提升方法 - 通过数据清洗预处理去除噪声，修复缺失数据，引入公平性算法消除歧视偏见 [6] - 使用合成数据生成弥补少数群体数据不足，采用LIME、SHAP等算法提高模型可解释性 [6] AI行业未来趋势 - 国产基模崛起和开源加快推动AI应用产业化，需构建强大AI基础设施并做好算力管理调度 [7] - AI需与软件深度结合催生颠覆性创新，通过协同机制、行业标准和开源模式加速研发效率和应用质效 [7]

数字金融发展现状 - 数字金融在人工智能赋能下正经历从量变到质变的飞跃，打破传统金融服务的时空限制，使服务更普惠、高效和智能 [1] - 今年以来DeepSeek的崛起实现AI平权，大部分金融机构开始接入大模型，中小金融机构也具备应用AI能力，推动银行、证券、保险等行业生态创新和效率提升 [7] - 一季度金融机构科技投入呈现差异化：银行业增速放缓但更注重投入产出比和人才建设，证券业投资强度最高（因基数较低）且更重视精打细算 [7] 技术应用与市场机遇 - 金融数据市场建设深化，金融机构探索数据空间基础设施以激活数据要素，推动流通和价值释放 [8] - 开源模型降低训练成本，MCP和A2A协议减少协议成本，金融、医疗、电商等行业将快速应用大模型与小模型配合的范式 [8] - 智能体未来市场规模可能达15万亿美元，金融大模型成为数字普惠金融的关键助推器 [8] 风险与治理挑战 - 大模型存在幻觉风险，算法黑箱可能阻碍穿透式监管和风险管理溯源，需警惕模型共振引发的顺周期系统性风险 [9] - 中小机构对大型科技公司依赖加强可能放大风险，技术平权对大小机构影响差异及消费者权益保护复杂性待研究 [9] - 需构建生成式AI金融应用治理闭环，严格执行AI算法备案制度，细化《生成式人工智能服务管理暂行办法》的金融场景实施细则 [10] 监管与生态建设方向 - 金融机构应审慎适配业务场景技术，减少对科技公司依赖，通过人机协同将大模型纳入风控机制并保留关键节点人工干预 [11] - 监管部门需包容审慎，应用创新监管工具，分级分类管理不同业务场景风险，加强监管科技建设并额外约束科技公司 [11] - 需探索智能体应用分级制度、指令数据合作生态及"AI+云"服务模式，完善行业大模型技术标准以缩小技术鸿沟 [12] 数据要素与产业融合 - 需完善数据要素权属、定价、交易等理论实践，推进数据资产入表、证券化等金融化路径 [13] - 加快构建金融行业可信数据空间，打破机构间及与监管部门的数据孤岛，平衡隐私保护与数据可用性 [13] - 推动数字经济与实体经济深度融合，落实研发费用加计扣除政策，促进传统产业转型升级，培育科技-产业-金融良性循环生态 [12]

金融科技行业核心观点 - 金融科技市场规模预计将以13.3%的复合增长率于2028年突破6500亿元 [1][8] - 政策聚焦"科技-产业-金融"循环体系建设，强调数据要素的合规应用 [1][4] - 金融机构数智化转型进入攻坚阶段，关注技术可持续迭代与数据要素管理 [5] 行业现状分析 - 金融科技行业在信创建设背景下，以技术迭代与创新应用驱动业务价值提升 [2] - 金融机构科技感知力提升，数智化平台建设与信创系统切换稳步推进 [8] - 金融大模型等新兴技术推动市场需求，创新业务常态化运作成为新主题 [8] 政策解读 - 政策指导方向从技术应用转向产品可持续迭代与数据要素管理 [5] - 科技金融循环体系建设与数据要素应用成为两大核心主题 [5] 市场规模与增长 - 金融科技市场规模2028年预计突破6500亿元，CAGR 13.3% [8] - 银行业科技投入规模2028年预计突破4500亿元，CAGR 11.85% [23] - 保险业科技投入规模2028年预计突破1000亿元，CAGR 14.83% [32] - 证券业科技投入规模2028年预计超过970亿元，CAGR 19.7% [39] 银行业分析 - 银行业数智化转型进入规模化应用后期，数字生态建设成为新需求点 [20] - 六大国有银行2023年营收收缩4.4%，影响次年科技投入规划 [23] - 金融大模型等新兴技术推动银行业科技投入增长 [23] 保险业分析 - 保险市场原保险保费收入2024年达5.7万亿元，总资产规模突破35万亿 [32] - 前沿技术在风险定价、理赔、客服、营销等领域发挥赋能作用 [32] - 保险科技投入2025年预计突破670亿元，增速14.6% [32] 证券业分析 - 证券行业2023年触底复苏，前三十家券商中超八成净利润增长 [39] - 核心交易系统信创切换与"AI+数据"业务架构受关注 [39] - 中长期资金入市政策将推动券商业绩与科技投入快速增长 [39] 技术模块分析 - 人工智能产品投入规模2029年预计突破160亿元，CAGR 30.36% [48] - 大数据产品投入受数据要素资源重视推动，关注数据处理能力与合规性 [57] - 云服务部署成为数智化转型重要趋势，混合云认可度提升 [61] - 区块链技术在数字人民币应用中表现突出 [70] 行业趋势 - 金融机构对科技产品实践满意度高，但员工培训需求凸显 [14] - 数字基建能力、科技产品质量与技术服务贴合度影响转型效果 [17] - 综合化技术平台与数据要素应用成为行业聚焦重点 [17]

金融科技行业核心摘要 - 政策聚焦"科技-产业-金融"循环体系建设，强调数据要素的多元化合规应用 [4] - 国内金融科技市场规模预计以13.3%复合增长率增长，2028年突破6500亿元 [1][8] - 金融机构数智化转型进入攻坚阶段，关注技术可持续迭代与数据要素管理 [5] 金融科技行业现状 - 金融机构科技感知力提升，数智化平台建设与信创系统切换稳步推进 [8] - 金融大模型等新兴技术推动市场需求，创新业务常态化运作成为新主题 [8] - 2025年为关键节点年份，将开启高速成长时代 [8] 金融行业数智化转型驱动因素 - 战略规划取代技术产品迭代，成为数智化部署核心驱动因素 [11] - 综合化、体系化金融科技服务需求显著提升 [11] - 机构对技术理解力增强，战略布局自主性提升 [11] 金融科技产品实践表现 - 技术产品在风险管理、合规安全等非盈利场景满意度最高 [14] - 员工实践水平与技术服务能力是提升效用的关键瓶颈 [14] - 衍生服务体系可成为技术厂商业务成长突破口 [14] 银行业数智化转型 - 核心业务数智化进入规模化应用后期，数字生态建设成为新需求点 [20] - 科技投入与营收表现相关，2023年六大行营收收缩4.4%影响次年投入 [22][23] - 预计银行业科技投入以11.85%复合增长率增长，2028年突破4500亿元 [23] 保险业数智化转型 - 原保险保费收入连续三年增长，2024年达5.7万亿元（增速2.01%） [32] - 保险科技投入预计以14.83%复合增长率增长，2028年突破1000亿元 [32] - 前沿技术与人才团队建设是未来投入核心 [35] 证券业数智化转型 - 2024年前三十家券商中超八成净利润增长 [39] - 科技投入预计以19.7%复合增长率增长，2028年超970亿元 [39] - AI+数据模式与核心系统故障率降低是两大主题 [39] 人工智能模块 - AI产品投入预计以30.36%复合增长率增长，2029年突破160亿元 [48] - 生成式AI在多场景赋能效果受期待，推动产品化建设 [51] 大数据模块 - 数据要素资源重视度提升，推动大数据产品投入增长 [57] - 跨技术协同应用受关注，智能化与合规化是未来方向 [58] 云服务模块 - 混合云在非核心业务场景认可度提升 [61] - 业务数据安全保护与战略规划影响上云决策 [64] 区块链模块 - 数字人民币推广应用受监管、技术迭代与用户培养影响 [70]

报告公司投资评级 - 报告对云从科技的投资评级为“增持（下调）” [2] 报告的核心观点 - 公司发布2024年报和25Q1季报，24年营收3.98亿（-36.7%），归母净利润 -6.96亿；25Q1收入0.37亿（-31.6%），归母净利润 -1.24亿，收入低于预期，利润端符合预期 [7] - 业绩承压因战略性调整，预估调整接近完成，业务结构优化显著 [7] - 24年阶段性毛利率让渡，25Q1毛利率恢复常态 [7] - 精细化控费显效，25Q1经营性现金流净流出减少 [7] - 大模型多项目落地，与华为昇腾联合发布一体机适配多场景 [7] - 考虑短期承压下调盈利预测和评级，以2027年估值，给予行业平均PS 14x，对应目标市值155.3亿，有7%空间 [7][9] 根据相关目录分别进行总结 财务数据及盈利预测 |指标|2024|2025Q1|2025E|2026E|2027E| |----|----|----|----|----|----| |营业总收入（百万元）|398|37|544|742|1096| |同比增长率（%）|-36.7|-31.6|36.8|36.3|47.7| |归母净利润（百万元）|-696|-124|-455|-360|-217| |每股收益（元/股）|-0.67|-0.12|-0.44|-0.35|-0.21| |毛利率（%）|35.8|55.5|42.7|45.7|48.6| |ROE（%）|-62.2|-11.9|-69.0|-123.5|-315.2| |市盈率|-21|/|-32|-40|-67| [6] 核心假设变化 - 下调智慧治理、智慧金融、智慧出行、智慧商业板块2025 - 2026年收入预测，并新增2027年预测 [8] - 上调创新业务泛AI和其他板块2025 - 2026年收入预测，并新增2027年预测 [8] - 选取虹软科技、金山办公、拓尔思作为可比公司 [8] 可比公司估值 |证券代码|公司名称|总市值（亿元，2025E）|ifind一致预期收入（亿元）| | |PS| | | |----|----|----|----|----|----|----|----|----| | | | |2025E|2026E|2027E|2025E|2026E|2027E| |688088.SH|虹软科技|189.8|10.03|12.47|15.67|19|15|12| |688111.SH|金山办公|1423.1|61.63|74.29|88.62|23|19|16| |300229.SZ|拓尔思|167.4|8.97|10.27|11.67|19|16|14| | |平均| | | | |20|17|14| |688327.SH|云从科技|144.9|5.44|7.42|10.96|27|20|13| [10] 财务摘要 |指标（百万元，百万股）|2023A|2024A|2025E|2026E|2027E| |----|----|----|----|----|----| |营业总收入|628|398|544|742|1096| |营业成本|303|255|312|403|563| |税金及附加|2|1|2|2|3| |主营业务利润|323|142|230|337|530| |销售费用|197|131|133|138|136| |管理费用|138|184|195|191|211| |研发费用|578|472|474|453|470| |财务费用|-3|-17|-1|6|10| |经营性利润|-587|-628|-571|-451|-297| |信用减值损失|-63|-35|55|40|24| |资产减值损失|-54|-89|-7|-3|5| |投资收益及其他|45|41|60|51|51| |营业利润|-655|-713|-462|-365|-220| |营业外净收入|0|5|0|0|0| |利润总额|-655|-709|-462|-365|-220| |所得税|3|-3|0|0|0| |净利润|-657|-706|-462|-365|-220| |少数股东损益|-14|-10|-7|-5|-3| |归属于母公司所有者的净利润|-643|-696|-455|-360|-217| [15]

报告公司投资评级 - 维持买入评级 [1][4] 报告的核心观点 - 公司发布2024年年报及2025年一季报，2024年收入3.98亿元，同比减少36.69%；归母净利润 -6.96亿元，同比减少8.12%；2025年一季度公司收入0.37亿元，同比减少31.56%；归母净利润 -1.24亿元，同比增长22.86% [3] - 公司不断探索AI模型落地，推出多种模型及AI虚拟导游，覆盖多领域；与华为合作推出一体机，适配多场景且成本降低；推动鸿蒙生态繁荣发展，中标项目并签署战略合作协议 [4] - 预计2025 - 2027年公司的EPS分别为 -0.45 / -0.38 / -0.19元 [4] 财务数据总结 盈利预测和财务指标 - 2024 - 2027年预计营业收入分别为3.98亿元、4.40亿元、5.60亿元、7.50亿元，增长率分别为 -36.69%、10.64%、27.27%、33.93% [6] - 2024 - 2027年预计归母净利分别为 -6.96亿元、 -4.68亿元、 -3.97亿元、 -1.92亿元，增长率分别为 -8.12%、32.72%、15.12%、51.56% [6][8] - 2024 - 2027年摊薄每股收益分别为 -0.67元、 -0.45元、 -0.38元、 -0.19元 [8] 资产负债表 - 2023 - 2027年货币资金分别为12.07亿元、8.38亿元、3.90亿元、10.09亿元、10.51亿元 [9] - 2023 - 2027年应收和预付款项分别为3.93亿元、3.79亿元、2.62亿元、2.98亿元、2.28亿元 [9] - 2023 - 2027年存货分别为0.64亿元、0.64亿元、0.64亿元、0.62亿元、0.60亿元 [9] 利润表 - 2023 - 2027年营业收入分别为6.28亿元、3.98亿元、4.40亿元、5.60亿元、7.50亿元 [9][10] - 2023 - 2027年营业成本分别为3.03亿元、2.55亿元、2.70亿元、2.80亿元、2.90亿元 [9] - 2023 - 2027年销售费用分别为1.97亿元、1.31亿元、1.36亿元、1.40亿元、1.35亿元 [9] 现金流量表 - 2023 - 2027年经营性现金流分别为 -2.40亿元、 -3.07亿元、 -3.94亿元、 -3.84亿元、0.39亿元 [10][11] - 2023 - 2027年投资性现金流分别为3.55亿元、1.39亿元、 -0.51亿元、0.03亿元、0.03亿元 [10][11] - 2023 - 2027年融资性现金流分别为 -3.70亿元、1.06亿元、 -0.03亿元、10.00亿元、0亿元 [10][11] 预测指标 - 2023 - 2027年毛利率分别为51.79%、35.81%、38.64%、50.00%、61.33% [10] - 2023 - 2027年销售净利率分别为 -102.44%、 -174.93%、 -106.37%、 -70.94%、 -25.66% [10] - 2023 - 2027年销售收入增长率分别为19.33%、 -36.69%、10.64%、27.27%、33.93% [10]

◎记者 温婷 2024年是金融业做好"五篇大文章"的首个完整年度，金融机构深挖"数字金融"护城河，由"数字 化"向"数智化"转型。 数字金融建设，呈现出技术赋能由表及里、投资布局软硬结合、大模型应用全面开花的新局面。记者梳 理金融机构财报发现，2024年，各大金融机构继续加大科技投入和人才储备，数字金融建设转向更重视 投入产出比的"深水区"。在自上而下的统筹规划下，更多大型机构逐渐打破机制制约，搭建起了更符合 数字金融建设需求的组织架构。 更为可喜的是，数字金融建设的土壤正在持续激发机构的创新活力，使得不同机构得以选择更适合自身 发展的差异化、特色化的数字金融之路，推动金融高质量发展。 科技投入更趋务实 各大银行都在2024年年报中"数说"了数字金融建设的最新进展。 年报显示，2024年国有六大行的金融科技投入共计1254.59亿元，较2023年增长2.15%。但从收入占比来 看，除交通银行外，其他五家均低于4%。且交通银行和建设银行科技投入双双出现同比微降的局面。 科技投入增幅最大的为邮储银行，2024年信息科技投入达到122.96亿元，同比增长9.03%，占营业收入 的3.53%。 将统计范围扩大至目前披 ...

文章核心观点 上市银行持续加大金融科技投入，构建金融大模型并应用于金融服务场景，提升服务精准度和用户体验，行业变革尚处早期，未来潜力大，多家银行已制定发展规划推动应用落地 [1][6] 金融科技投入 - 2024年中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行金融科技投入分别达285.18亿元、249.7亿元、238.09亿元、244.33亿元、114.33亿元 [1] 构建金融大模型 - 建设银行以通用开源大模型为底座，经预训练、微调等建成服务全集团的金融大模型，截至2024年12月末适配16个版本通用大模型，形成16个版本金融大模型并应用于业务场景 [2] - 中国银行强化算力支撑，集团算力规模达6.27万台服务器，云平台总体规模达3.8万台服务器；夯实数据基础，集团数据湖存储规模超29PB，“数据纵横”平台推广全覆盖，统一数据平台用户规模超24万户 [2] - 民生银行加强引进、培养数据智能等人才，与华为等建立人工智能联合实验室或开展联创合作，以提升企业级支撑能力 [3] 提升服务精准度 - 工商银行实现大模型在20多个主要业务领域规模化应用，落地场景超200个，结算金融领域引入人工智能顾问使客户咨询响应时间节省79% [4] - 建设银行在授信审批领域，金融大模型可将工作时间压缩到分钟级别，还能自动生成财务分析报告；服务个人客户时，将大数据与金融大模型结合，使客户经理营销类数据分析时长从平均30分钟缩短到平均5分钟 [4] - 邮储银行在手机银行打造“陪伴式数字员工”，将人工智能等技术与客户旅程融合，推进“AI + 金融”建设；民生银行将知识纳入统一体系管理，为员工提供一站式智能服务，截至2024年12月末使用智能搜索检索知识的员工超1.5万人 [5] 行业发展规划 - 中信银行制定“人工智能应用发展规划”，以业务全面智能化为目标，推进垂直行业模型研发，重点打造投资研究等领域应用 [6] - 农业银行发布“人工智能 +”创新实施纲要，以2025年年底、2027年年中、2029年年底为节点推进任务落地，打造八大智慧领域，落地“人工智能 +”全域应用能力 [6][7] - 建设银行重视大模型技术安全合规与价值对齐，减少“大模型幻觉”问题，持续推进金融大模型建设与应用 [7]