科蓝软件：申万菱信、华安基金等多家机构于2月18日调研我司

证券之星消息，2025年2月26日科蓝软件（300663）发布公告称申万菱信梁国柱、华安基金胡哲 栾超 熊哲颖、国信证券云梦泽、中邮证券孙业亮、和谐汇一凌晨于2025年2月18日调研我司。

具体内容如下：
问：AI加C端的 APP营销跟过去没有AI互联网时代下做的银行营销相比，有什么不同点？使得这些业务在AI时代下能够落地？科蓝公司链接银行跟大模型的一些能力来做变现，商业模式上面有没有升级？
答：当前AI技术尤其是大模型，对于银行渠道究竟是起到加法作用，还是会在业务模式及运营模式层面带来颠覆性变革，这两者存在显著差异。银行在渠道端对 AI的应用由来已久，早在 2016-2017年，部分银行便已基于深度学习等技术展开探索。从银行渠道建设角度，渠道的核心价值在于连接银行与客户。因此，未来我们在AI及渠道端的整体产品研发与解决方案策略将围绕 “超级员工”与 “智能客户”两大业务主题展开。DeepSeek R1推理模型出现后，将思维链（COT）从传统大模型中剥离出来，这对我们打造渠道具有重大价值。它能够使银行 APP从过去被动执行客户指令，转变为随时随地洞察客户当下业务意图，并预测客户下一步行为，实现从 “读懂客户”到 “知晓客户所想”的跨越。这一转变不仅对银行业，对众多服务行业的线上渠道都将产生巨大冲击，促使现有线上渠道系统从被动接受操作转变为基于大模型的预测式交互系统，在客户服务与营销领域带来颠覆性改造。自去年下半年起，我们已启动新一代手机银行的研发工作。严格来说，我们更倾向于将其定义为智能客户系统，因为它并非仅代表银行提供的服务，而是能够全方位反映客户业务需求与当下意图。在此过程中，银行在客户服务个性化及产品营销转化率方面将得到大幅提升。然而，这场变革也带来新的挑战，即银行应如何运营这样一套智能化线上服务及智能客户系统。过去，国内商业银行虽倡导以客户为中心，但实际上还是以产品为中心。在 AI时代，如何借助AI技术将银行从以产品为中心真正转变为以客户为中心，在运营策略等方面面临诸多新挑战。例如，线上运营策略需重新规划，甚至在未来，客户或许能够自主选择行业投资策略，那么现行理财产品是否只能由第三方理财机构提供？客户能否通过自选策略管理自身资产？这种策略模型又该如何定价与收费？这些都为未来商业模式创新提供了广阔想象空间。在 AI领域，我们不仅重视数据、算力与算法的构建，更关注行业策略。在此过程中，我们充分发挥科蓝在金融行业 20多年来在渠道服务与客户营销领域积累的丰富经验。同时，我们也提前布局了AI研发工作。在 AI机器人领域，我们早在 5年前就开始发力，围绕银行 “超级员工”业务主题，于 2021年正式发布智能高柜机器人 “小蓝”。今年 1月，“小蓝”已接入 DeepSeek平台。目前，“小蓝”在银行传统柜面业务中，对传统柜员的替代比可达 1:3，帮助银行降本增效。未来，客户前往银行网点时，将明显感受到原本坐在柜台后的服务人员大多转变为厅堂营销与服务人员，这无疑是银行运营模式的一大变革。此外，在智能客户与超级员工业务拓展方面，我们将商业模式从仅服务银行，延伸至服务银行的客户。我们研发了 AI小蓝智能企业网银机器人，直接为银行企业客户赋能，将银行的数字员工智能化服务延伸至企业生产与运营场景，助力企业财务人员提高财务处理效率，降低企业流动资金成本，这也是我们今年重点推广的方向之一。关于第二个问题，也非常具有探讨价值。在我们提出的 3A战略中，最后 “A”围绕 AI算力中心展开。科蓝建设算力中心并非仅为满足自身需求，更多是考虑到大模型训练及推理对硬件资源的巨大消耗，以及未来渠道营销服务模式的重大变革。我们期望未来针对中小型金融机构，不仅作为建设商，更作为运营服务商，与其携手共同应对AI时代客户服务与营销模式的变革。

问：算力中心预期投资及何时建成。
答：算力中心预期今年逐步建设，预期投资是6个亿。

问：公司什么时候能落地一些AI业务？落地案例我们什么时候能看得到？
答：我们的一系列落地案例已陆续推向市场。2022年，我们的小蓝智能高柜机器人在邮储银行新一代智能网点建设中得到应用。目前，我们不仅与邮储银行保持合作，还与工商银行等金融机构开展了前期合作工作。从市场层面来看，过去两年国内金融机构在AI应用领域呈现出“雷声大、雨点小”的局面。这主要是因为当时缺乏真正的国产大模型。因此，过去两年很多金融机构虽有运用大模型的意愿，却大多处于观望状态。在此期间，相关大模型应用更多停留在尝试性与研发性阶段，这也是我们此前多为试用及初期应用案例的原因。

问：科蓝公司有没有四大行或者优先客户、重点客户他们具体的 AI变现场景？具体的变现场景才开始探索，还是已经找科蓝公司做前期研发了？
答：实际上，我们很早就开始了相关工作。目前银行在渠道端的应用主要在客户服务、精准营销、运营优化等领域，例如智能客服、智能助手、智能推荐等方面。自 2021年起，科蓝承接的渠道类项目都运用了这些相关技术，并达成了相应的业务与服务目标。不过，我们不将其称为真正意义上的 AI渠道应用，原因在于它们更多地只是起到辅助作用，尚未能给银行的业务带来实质性的重大变革。而对于 DeepSeek为代表的大语言模型，特别是R1推理模型，能够实现传统渠道系统的重大变革，即从过去的被动服务模式转变为预测式的主动服务模式，从单纯被动执行客户指令转变为主动理解客户意图，并引导客户完成银行的服务与营销目标。就目前情况来看，这是所有银行今年最为重要的研发方向之一。这样的变革对于银行而言，意味着现存的渠道系统都需要进行颠覆性的重构，当然，这一过程的实现需要一定的时间。

问：目前公司对 AI产品市场这块有什么看法
答：此前，我们已经对相关概念做出了清晰的界定。我们认为，这一轮大模型技术的发展，对于科蓝原有的主营业务而言，绝非简单做加法叠加新产品的问题。当前银行传统的被动式线上服务模式，未来将会被 AI驱动的主动式、预测式服务渠道全面重构。这意味着我们正面临全新的市场机遇，而且新市场是在科蓝公司原有市场基础上发展而来的。对于商业银行而言，大模型的应用需要从不同的业务板块逐步推进。银行的业务涵盖运营、客户服务、营销、风险管理以及经营管理等多个方面，各有其独特的业务需求。当我们探讨金融机构的 AI应用时，有关键因素不容忽视，那就是监管。在当前的监管环境以及银行对风险的容忍度下，我们认为AI的落地将首先集中在客户服务与营销领域。这是因为从这两个角度出发，对于商业银行来说，落地的风险最小，效果最佳。从市场竞争格局来看，这也最有利于银行对存量客户市场的经营管理。科蓝在移动银行、场景金融等方面有所探索。近期我们团队工作繁忙，客户交流邀约不断。从目前情况看，与去年上半年相比，大家对大模型的预期要高很多。我认为未来大模型相关业务增长是必然趋势。另外，我们一直致力于构建银行连接具体场景的模式。随着推理大模型的出现，我们发现银行自身数据有一定局限性，大量数据源自外部衣食住行等场景。银行若想在大模型领域取得进一步发展，就需要借助这些外部场景，从而更好地服务零售客户和产业客户。基于此趋势，银行连接场景的动力愈发强劲。为此，我们计划连接车生活、物流、银发经济、针对年轻客群的萌宠经济等场景，并在智能化落地模式上进行创新。基于大模型的诉求，这种连接需求会更强烈，连接进程也会加速。从行内私域角度完成大模型基础能力建设，以及加速连接外部场景这两个维度来看，我对未来趋势和预期极为看好。此前我们也做了很多准备工作，情况大致如此。

问：银行新出的 AI需求与2023年有什么不一样？请大概总结一下这一轮 AI的银行需求，落地在哪几个方向，比如超级员工智能营销等。
答：首先在这一轮交流中客户变得更加理性。上一轮交流时，大家似乎隐约觉得有那么一件事要做，但具体怎么做并不明确。经过之前的经验积累，加上持续的市场宣传，以及信息差的不断缩小，如今我们接触到的客户，其具体诉求和思考要点变得更理性、更贴合实际。客户会充分考量诸多因素，比如 AI的幻觉问题、涉及自身的风险，以及引入相关技术对降本增效能带来哪些具体提升。这与银行当下的经营环境密切相关，所以他们不会盲目尝试，而是理性分析。在构建 AI及对应场景后，客户更关注对自身业务有哪些提升，哪些真正可以落实，而非花费大量费用和成本去盲目探索。其次，从具体落地角度来看，客户会分步骤推进。以我们对接的几个客户为例，首先借助我们构建基于 DS的模型基础，再思考如何搭建、怎样提供相应服务，并且服务范围会逐步由内向外延伸。目前，银行应用最多的是内部办公场景，提供一些基础办公分析内容。另具体场景与我们相关，银行大量工作集中在后台运营管理和营销运营，包括运营策划、复盘、报告产出以及分析预测等，这些都是可以落地的点。此外，大家更多处于探索阶段的是对外客户服务领域。由于在模型训练和使用过程中，常出现 AI幻觉及其带来的负面影响，且监管日益严格，消费者权益保护意识不断增强，所以在这方面大家格外谨慎，目前多处于尝试阶段。总结来说，AI应用分为三个层次：一是在内部办公体系中充当助理角色，这已经可以直接落地；二是为运营管理和营销管理等客户运营工作提供支持，目前正在具体实施；三是面向客户服务，这与上一轮相比差异明显，现在推进得非常谨慎。例如，客户会重点关注如何预防和解决 AI在服务过程中出现回答不当或欺骗性内容，以及业务兜底问题。整个应用推进处于逐步探索的过程。

问：从银行的预算角度、AI的账户角度，今年的预算比2023年、2024年要高不少？
答：很明显能感觉到其实已经在规划这样的预算，因为已经有几家银行让我们帮他们去规划这样的一块内容。除此之外，跟之前不一样的就是大家对于大模型的认知，比起之前的这种像深度学习、机器学习这种 AI它最大的差异，是它对算力的要求。所以银行除了在应用层面，可能在硬件的支撑层面也会有更大的预算和考虑。其实也是科蓝去规划，算力以及包括机器人的相关的一些产品的提前的布局。

问：在这一轮的 deep seek起来之后是否能更利好银行的IT外包？银行是否更愿意去把预算投到这方面？
答：对于众多中小金融机构，大模型的技术发展与应用充分表明，在 IT板块投入过多自有人员并非可行之举。唯有与外部厂商、第三方开展合作，才能够切实推动大模型与金融业务的深度融合与落地转化。如今，业界已达成共识：与以往可自行训练、行方拥有训练数据的小模型不同，大语言模型的二次训练效果欠佳，更多依赖大模型自身的能力。通过与大模型厂商在行业解决方案方面的深度全面合作，发挥公司行业解决方案的优势市场地位，是我们当前的显著优势所在。目前，我们正与多家大模型厂商就战略合作事宜展开谈判，相关合作成果也将于近期正式公布。

问：主业金融银行的投入其实已经在持平，有些项目高峰期已经过去了，我们在这方面是什么看法？
答：第一个问题是银行在整体 IT技术建设方面，预算增长呈现放缓趋势；第二个问题则聚焦于人工智能（AI）领域的新技术，探讨其未来是否具备新的增长潜力。从IT信息化建设的角度，银行的投资建设确实已过高峰期，整体费用增长逐渐放缓。然而，值得注意的是，在银行 IT整体费用中，各部分的分配比例正在发生显著变化。过去，银行的 IT系统建设高度重视运营后台系统，尤其是核心业务系统和运营类系统。曾几何时，银行 IT预算中运营相关系统的建设成本投入占比高达九成，而渠道及其他辅助决策系统仅占一成。但自 2016年起，这种情况已发生明显转变。截至目前，在市场营销和客户服务方面表现较为出色的银行，其前台渠道，即客户服务和营销侧的 IT相关系统建设预算占比已超过银行总预算的五成。这一变化意义重大，反映出银行已意识到不能再依赖传统的盈利模式，而是要通过提升客户服务和营销能力来增强竞争力。就科蓝所处的赛道而言，我们观察到，与客户服务和营销侧相关的 IT预算正处于不断增长的阶段。过去十年间，银行在 IT方面虽有大量投入，但主要集中在核心业务系统，此类投入从市场经营价值的角度来看，对银行的直接贡献相对有限。在 AI领域，若不是去年年底 DeepSeek的出现，银行在 AI 方面的 IT投资热情可能仍难以被充分激发。可以说，在 DeepSeek出现之前，过去两年银行在 AI方面的投入呈现出 “雷声大、雨点小”的局面。国内银行面临的最大挑战在于，新技术的应用必须满足安全可靠、自主可控的先决条件。ChatGPT带来的市场机遇，国内银行在前两年未能充分把握，主要原因在于缺乏自主可控的大模型技术。尽管此前我们也与一些大模型厂商开展了合作，但实际能为银行带来的价值较为有限。DeepSeek的出现为国内大模型市场和金融行业带来了新的变革。DeepSeek拥有两套模型，分别是大语言模型 V3和推理模型R1。对于银行而言，R1模型的重要性不仅体现在其强大的推理能力能为银行解决诸多实际问题，更关键的是，它解决了长期以来困扰银行使用大模型的面临的监管透明性问题。以往的大模型对于输入和输出之间的逻辑难以解释，而 R1模型的推理内容能够为监管提供重要依据，使得银行在应用大模型时能够清晰地说明决策逻辑，从而有效降低监管风险。自今年开年以来，我们明显感受到了市场的巨大变化。与 AI 相关的业务人员与客户的交流变得异常频繁，几乎按小时进行安排。此前，在 ChatGPT出现时，我们需要主动向客户推广 AI技术和相关产品，客户的意愿度普遍不高。而 DeepSeek出现后，局面发生了逆转，银行纷纷主动寻求与厂商合作，迫切希望将 DeepSeek应用于自身的各类业务场景中。今年，银行在 DeepSeek应用方面将呈现出百花齐放、百家争鸣的态势，但目前仍处于初步探索阶段。银行主要是在对风险影响相对较小的场景中大规模应用 DeepSeek，以尽快了解和掌握这项技术。虽然当前市场需求旺盛，但从 IT投入的角度来看，今年可能不会立即出现大幅增长。不过，我们预计到今年年底，银行在人工智能相关的预算将大幅提升，尽管银行的总体预算仍会受到控制。在当前中国经济进入相对平稳增长周期的背景下，银行面临的是存量客户市场的激烈竞争，而竞争的关键在于服务和营销能力的提升。因此，无论是从技术发展趋势，还是从银行当前的商业竞争环境来看，未来银行在客户服务和营销侧的 AI相关投入增长速度，将远高于其他领域的 AI投入增长速度。在客户服务和营销侧，随着业务全面线上化，银行面临着如何将过去依靠网点和客户经理的优势转移到线上的挑战。DeepSeek大模型的出现为解决这一问题提供了契机，它使得线上渠道从过去的被动自助服务模式，转变为既有温度又具智能的主动服务模式，可以是金融服务实现全面线上化的升级。基于以上分析，我们预测，明年银行在 AI方面的预算在整体IT预算中的占比有望超过两成甚至三成。在这两成到三成的预算中，预计将有五成投资于包括渠道建设在内的客户服务与营销领域。

问：我们现在接入 deep seek之后，整体是否会有产品落地，请举一些例子。在客户服务营销这边有什么形式的产品？接入了新的 deep seek模型，未来是否可能会形成订单？
答：从产品角度，我们可以分为两个层次：AI模型的基础能力层次和AI应用层次。这两个层次是相辅相成的。一、AI模型的基础能力层次在AI基础能力层次，我们已经构建了一个完整的产品体系，主要包括以下几个核心产品：大模型聚合平台（魔聚平台）该平台的核心能力是聚合不同的大模型，构建AI智能体（Agent），并管理这些智能体以支持上层应用。它的核心作用是作为大模型与应用层之间的连接枢纽，提供底层能力支持。数据精炼工厂（魔界平台）该平台主要用于大模型的数据精炼。例如，当我们选择某个参数版本的大模型（如R1版本）用于特定业务领域（如汽车金融或贷款领域）时，虽然模型本身具备一定的推理能力，但仍需进行二次训练和微调。数据精炼工厂可以结合行内业务数据，按照大模型的参数和标准，生成高质量的数据输出，帮助模型进行训练和优化。模型监控平台（魔瞳平台）该平台主要用于大模型应用过程中的监控，包括AI能力的绩效评估、AI幻觉的检测与评分，以及AI治理过程中的预警机制。它能够对AI服务的质量和效果进行实时监控和评估，确保AI应用的可靠性和合规性。与华为共创的一体机我们与华为合作，将我们的软件应用预装到华为的一体机中，形成“魔方训推一体机”产品。该产品结合了华为的基础硬件能力和我们的软件能力，为客户提供一体化的解决方案。二、AI应用层次在AI基础能力的基础上，科蓝的全线产品已经在应用层进行了全面的升级和改造。这些产品包括：智能小蓝机器人：智能小蓝机器人的升级版本，基于大模型能力，提供智能化的交互和服务，是我们在AI应用层次的重要产品之一渠道产品：如网银、手机银行等。业务系统：如账户系统、支付系统、财资系统等。开发工具：如低代码开发平台等。这些产品通过接入底层的大模型能力，实现了智能化升级，能够更好地满足客户需求。目前，我们在交流、售前和推广过程中，主要围绕这两个层次的产品展开工作。我们在推广的过程中，一般是基于客户情况提供升级或定制方案，比如说原有是科蓝建设的手机银行或者其他移动APP，我们会帮客户怎么去基于deep seek的具备更智能化的场景设计，目前已经有具象化的方案在推给客户了，不是说仅仅是我们内部在实验室自研的。整个的推广过程就是今年春节之后才进行的，是突然这么一个爆发式的增长。客户会主动找我们来提供升级的解决方案，因为自主可控，而且自带了实际的效果。

问：需求爆发的话，是银行的行领导要求还是只是IT部门？
答：是银行业全体从业者！如今，不仅是我们，甚至银行内部员工都在自发使用 DeepSeek。支行的柜员现在上班时都会借助DeepSeek探讨如何解答客户问题。毕竟现在银行推出的产品众多，柜员需要思考如何针对不同客户的情况，结合各类产品来回答客户咨询。同样是产品咨询，不同客户的需求和背景千差万别，有了DeepSeek的辅助，解答起来更加得心应手。。DeepSeek的出现，使得几乎所有人都想要了解它能为自己的工作带来哪些助力，大家都在积极尝试。今年的市场表现较为分散，但覆盖面极广。我们更关注的是，DeepSeek的应用绝非只是今年的一时之热，明年就无人问津或者热度骤减。我一直在强调，DeepSeek对于银行业来说，带来的变革具有深远意义。一方面，它满足了中国银行业自主可控的关键需求；另一方面，从全球监管层面来看，监管机构对于银行使用大语言模型等技术，首要要求就是具备可监管性。若模型无法被监管，即便其性能再优越，银行也不敢轻易采用，这也是过去两年的真实写照。如今，DeepSeek解决了这一难题。我们更应深入思考的是，DeepSeek将给整个金融行业带来怎样的颠覆性变化？这些变化在未来一年、两年甚至五年、十年之后，又会产生何种影响？投资的核心在于对行业未来五到十年发展趋势的研判，绝非仅仅着眼于当下。今年，所有厂商都在与 DeepSeek相关联，但明年，银行和整个社会将会回归理性，大家会更加关注哪些应用能够真正创造价值、带来收益，以及这些应用能否为银行带来长远变革。目前，我们在渠道端的应用，如智能助手、运营分析、客户行为预测等，今年这些应用会带来一些订单增长，不过大多是在已有订单基础上的增量，这种 “AI+”模式的市场价值相对有限。例如，在原有系统中嵌入智能助手，很难带来巨大的商业价值。我们关注的是未来整个 AI时代的全面变革。我们与清华大学合作，早在前年就成立了 “清华科蓝先进智能数据库研究院”，这是清华大学在人工智能领域与外部合作设立的唯一联合机构。我们与智朴、百川等头部AI公司保持着深度合作，借助研究院的专业力量，与相关专家共同研发新一代渠道服务类系统，这是一套完全智能化的服务系统。其最大的特点在于，从过去被动执行客户操作，转变为能够主动思考客户每一步操作意图，主动预测客户下一步操作。这将打造出一个更懂客户的银行，甚至能洞悉客户内心的想法。预计今年我们将完成这套系统 1.0版本的研发，这对于明年来说意义重大，它意味着对银行现有渠道类 IT信息化建设成果的全方位颠覆。前两年，很多银行都向我们提出，能否将手机银行改造成能够精准把握客户的所思所想。这不仅是银行业，也是所有服务行业共同关注的核心问题。从博弈论的角度来看，若能预判客户的行为意图，企业必然能成为最大的获益者。当然，这种变革也可能引发一系列问题，比如通过预测引导客户投资理财观念，是否会带来一定风险，这涉及到未来的伦理道德层面。但从金融机构服务角度来看，它将实现真正的千人千面服务，线上渠道服务不再千篇一律，而是根据客户信息和行为轨迹进行动态调整。在营销方面，以往的群发短信等粗放式营销方式将被淘汰，取而代之的是在预测客户意图后，将银行产品营销巧妙融入客户下一步行为链中，在客户不知不觉间完成营销转化，这种方式的成功率无疑是最高的。许多人在使用 DeepSeek时都能明显感受到，它会主动迎合用户需求，从商业角度而言，这具有巨大的价值。这并非是在现有渠道或客户服务营销类系统上做简单加法，而是要彻底颠覆现有所有渠道。这意味着在客户每一步操作时，渠道服务类系统都要深度思考客户操作意图，以及如何将营销和运营策略融入其中。很多人谈及 AI类应用，就认为只是通过语音或文字与DeepSeek交流，将其当作文字助手，这是完全错误的认知。大语言模型的本质是拥有海量知识图谱和强大的推理能力，客户在手机银行的每一次点击操作，即便没有文字交流，将这些操作轨迹数据发送给 DeepSeek，它也能精准分析出客户的操作意图以及下一步可能的操作。以 DeepSeek为代表的技术，将成为银行在客户服务和营销侧的决策中心，构建全新的渠道交互架构。但这并非一蹴而就，今年在市场上还难以完全显现。银行还需要在算力中心进行投入建设。因此，我们预测今年银行在 AI领域的主要投资热点仍集中在基础建设方面。首先是算力，这是支撑 AI应用的关键；其次，在各个业务细分领域的也会初步投入进行探索。

问：业务线比如数据库、机器人，还有算力中心，这三个是不是可能跟刚刚讲到的现有产品的升级相比其实是独立开来的？
答：不能简单地认为其是完全独立的。就 AIDB而言，它代表了我们在 AI基础设施、数据基础要素以及基础平台方面的布局。从当前商业银行的情况来看，若要搭建一套新的 AI类系统，完善的基础设施是首要条件。其次在AI算力中心，众多国内的中小金融机构在国内 AI相关的 IT市场中占据着相当大的比重。然而，这些中小银行往往缺乏自建算力的能力，却又存在对算力的迫切需求。为了满足这些客户的需求，我们正在苏州投资建设 AI算力中心。

科蓝软件（300663）主营业务：以银行为主的金融机构提供线上应用软件产品及国产化数据库等技术产品,为银行和非银行金融机构提供基于互联网技术的咨询、规划、建设、营运、产品创新以及市场营销等互联网银行一揽子解决方案。

科蓝软件2024年三季报显示，公司主营收入7.27亿元，同比上升0.05%；归母净利润-680.76万元，同比上升23.11%；扣非净利润-1167.53万元，同比上升14.34%；其中2024年第三季度，公司单季度主营收入2.23亿元，同比下降3.59%；单季度归母净利润-341.68万元，同比上升6.15%；单季度扣非净利润-403.23万元，同比上升13.85%；负债率62.03%，投资收益27.28万元，财务费用4454.86万元，毛利率32.01%。

以上内容为证券之星据公开信息整理，由智能算法生成（网信算备310104345710301240019号），不构成投资建议。