百融云（06608）：AI+垂类科技领航者，AI行业应用落地开花【天风新兴产业丨公司首次覆盖】

1. 一站式AI+垂类科技领航者，AI行业应用率先落地

1.1. 飞轮效应实现AI应用落地，公司领航垂类行业科技创新

百融云是国内领先的基于云平台的一站式AI科技服务提供商，成立于2014年3月，2021年3月在香港联合交易所主板成功上市。公司基于决策式AI和生成式AI的技术基础，通过云+本地化部署的方式与MaaS+BaaS的服务模式，依靠技术与产品驱动的高效商业模式，为垂直行业提供全环节、全体系的AI科技服务，实现金融行业AI应用落地。

公司以决策式AI起家。2014年底，公司获得中国人民银行颁发的企业征信业务经营备案证，并于2016年通过国家信息安全等级保护三级认证。

2017，公司开始研发生成式AI（智能语音多轮文本与语音对话技术），并在2018年将其成功应用于智能运营业务中形成第一代Al Chatbot产品。2018年开始，公司为客户提供全生命周期解决方案，通过优化策略与引入AI算法，提升该客户互联网贷款业务自动化审批通过率至80%，大幅优化风险管理，助力该客户互联网信贷业务三年增长30倍。

2021年，以决策式AI和生成式AI为技术基础，公司业务实现规模化商业变现。公司提出数字化营销方案并将AI语音服务功能嵌入零售业务条线，实现客户全行级零售业务增益，营销转化率提升2至3倍，同时降本增质。

2021年3月，公司在香港联交所主板成功上市，并在同年年底荣获金融时报社2021年度最佳科技赋能公司。

2023年，公司进行业务结构的拆分重组，根据收费模式和底层技术将业务分为MaaS和BaaS，并拓宽AI应用场景至更多细分垂直领域。2024年，公司把握AIGC商机，计划进一步拓展新业态，推动财富管理、AI技术创新、普惠金融等新增长点。

我们认为，公司在成立至今的十年间积累了行业Know-How和客户洞察，大力开发AI技术的同时，加速商业化落地与变现，实现了收入增长和持续盈利，同时客户数量和留存率不断提高。公司为客户提供全流程数智化服务，为垂直行业合作伙伴提供高适配性、高稳定性的产品及解决方案，成为公司加速成长的有力保障。

公司重点围绕提升决策分析能力、提升资产运营效率两大主线，帮助垂直行业完成数智化发展，引领构建行业生态。截止2022年12月，公司已经连续三次获得“国家高新技术企业”认定；截至2023年12月31日，公司已累计取得233项专利及软著，覆盖机器学习、 隐私计算、智能语音交互等领域。

公司充分发挥MaaS和BaaS业务模式的协同效应，与金融机构客户与垂直领域客户取得大规模合作。根据官网信息，截止2023年公司累计服务机构客户超7000家，覆盖6大国有银行、12家全国性股份制银行、上千家城农商银行、保险公司等金融机构客户、以及汽车、出行、物流、外卖、互联网、能源、建筑各类垂直领域企业客户。

我们认为，客户规模的不断扩大，为公司深耕AI模型应用研发提供了大量的关键基础数据。同时，公司通过扩大业务规模、提供更丰富的场景、产品及服务，加快实现在以金融行业为代表的垂直领域的AI行业垂类模型应用落地。“AI技术研发+商业变现落地”的高效商业模式产生了强大的飞轮效应，或将带动业绩持续快速增长。

1.2. 业务重组全力拥抱AI，推动行业模型应用全面落地

2023年之前公司主营业务包括智能分析与运营服务、精准营销服务及保险营销服务三个模块，2023年公司进行业务结构的拆分与重组，根据收费模式和底层技术将业务重新分为两个部分：MaaS和BaaS，其中BaaS又细分为金融行业云和保险行业云。在重组后智能分析业务划分到MaaS模块，智能运营服务和精准营销服务划分为BaaS的金融行业云模块，保险营销服务划分为保险行业云模块。作为金融AI领域技术和应用的探路者，公司坚持“先落地、再扩张”核心商业模式，即首先专注于产业深度，构建牢固的细分领域客户基础，然后聚焦到行业宽度，逐步增强交叉业务的可能性，把业务逐步扩展到更广泛的行业范围。目前，凭借生成式AI和决策式AI、自然语言处理、隐私计算、机器学习和云计算，结合公司十年的行业理解和用户洞察，百融云主要帮助客户评估风险、意愿和资质，并提升其运营能力。

• MaaS（模型即服务）：MaaS业务主要基于决策式的AI输出，对用户以及产品进行评估服务。MaaS业务是在信贷、保险和财富等领域进行数据分析业务，通过决策式AI驱动的MaaS云平台为客户提供评估类和用户画像类产品，客户可以根据自身业务需求自由调配各类模型对用户进行评估，形成对目标用户基本认识。在日常运行中，MaaS云平台安全可靠，稳定性高达99.998%，每日可满足超过3亿的查询请求并提供毫秒级反馈。根据业务提供方式的不同，MaaS业务采取按照调用量收取服务费的付费模式，为客户提供更多的合适选择。根据公司披露数据，2023年公司覆盖7000多家机构客户，包括出行、电商等多元化的企业，截止到2023年年末MaaS业务的核心客户留存率超过99%，客户满意度达到97%。我们认为MaaS基于决策式AI为垂直行业“按需供给”模型的能力来辅助决策，以持续服务的理念推动人工智能服务化和普惠化发展。产品布局上，模型的持续迭代与高附加值产品的推出巩固了百融云的市场领先地位，业务场景上进一步破圈非金融领域，总体上获得客户的高度认可，成为盈利水平增长的“压舱石”。

截至2022年6月，公司基于华为云鲲鹏云服务构建的本地决策引擎产品历经多轮严格优化和测试验证，成功完成了鲲鹏920处理器、openEuler20.03操作系统的兼容适配认证，被授予《鲲鹏技术认证书》，标志着公司正式加入华为鲲鹏展翅伙伴计划。华为生态圈能够帮助百融云进一步健全场景建设机制，构建自主创新模式，完善协同化创新体系，推动公司的生态版图积极融入政府、市场、社会多方共建共享的场景应用格局。我们认为未来百融云有望进一步挖掘华为生态圈潜在客户，抢占市场份额，同时探索利用华为提供的芯片技术进行更深层次的AI模型革新。

• BaaS（业务即服务）: BaaS业务基于决策式AI和生成式AI的串、并联组合作业，为垂直行业业务成果实现赋能。BaaS在大规模资产营运上能够提供全流程的闭环管理。同时BaaS作为AIGC技术的应用落地，依靠公司的AI智能语音机器人等AIGC技术在高交互多模态上不断精进，帮助客户进一步降本增效。公司的语音机器人在行业模型的底座下实现高响应速度，低推理成本，同时基于语音机器人的生成式导购咨询AI 可促使产品在更多领域落地应用。

我们认为BaaS业务以结果为导向，显著带动AI在垂直行业新量推荐和运营效率提升，适用于覆盖金融行业、保险行业、电子商务/租赁三种主要垂直行业，未来有望在持续推动客户新业务营收增长方面探索更大的市场空间。

BaaS业务细分来看：金融行业云和保险行业云。

金融行业云是基于MaaS的累积优势对客户实现精准分层，利用生成式AI模型不断迭代优化交互方式高效触达和运营用户，最后将C端与B端机构进行有机结合。构建基于金融场景的新客营销全流程一体化服务，助力商业机构扩大资产交易规模的同时，完善动态检测，实时处理反馈信息完成自我优化。我们认为BaaS金融行业云从前端的用户分析到中间的营销策略执行，包括最后提供用户精准分层、智能触达、动态监测、实时优化四项主要数智化服务，能够助力实现其最终业务KPI并根据促成的信贷交易规模或者财富管理规模规收取技术服务费。

BaaS保险行业云业务是赋能保险经纪人的重要工具。通过用户管理系统（CRM）提供全面客户洞察，运用签单自动化流程（IDS）使生成式AI精准推荐保险产品销售的流程更加便捷化，最后在销售完成后由线下保险经纪人团队进行高价值保单的用户沉淀，根据成交的保费收取相应的佣金。数字化工具显著提高了经纪人效率。根据公司披露数据，2023年全年保险行业云业务收入同比+10%，其中新单贡献收入同比+12%，续期保费收入同比+2%，我们认为，保险业务未来市场空间广阔，由于经纪人被平台高效赋能，同时两层扁平管理模式可为经纪人带来更多佣金激励，保险业务或将摆脱疫情期间的疲软逆势增长，而且保费续费率超过90%，可能预示了未来保险业务产生现金流和利润空间的稳定性。

BaaS业务与MaaS业务形成飞轮效应，二者相互影响相互促进。MaaS是BaaS的平台基础，提供多种大模型集合用于分析和判断，BaaS是MaaS的应用，在MaaS分析基础上进一步为特定行业提供定制化的应用解决方案和服务，并在服务过程中获得关键数据提供MaaS场景和闭环，二者结合了AI的决策支持能力和生产能力，形成一个循环闭环，实现了业务标签积累、客户信息更新及模型迭代相互强化的较优解。

• 财富管理：公司将利用在AI VoiceGPT、数据分析和精准匹配的优势，为中国财富管理产品供应商提供用户洞察与经营、用户资产规划与配置和投教陪伴的帮助，提供一站式解决方案，最终实现C端客户、B端机构、科技公司共同的发展。

• 普惠金融：公司将扩大小微企业融资，为经济复苏和社会稳定承担社会责任。利用生成式AI及决策式AI技术能力，公司力图打造全流程小微金融产品服务体系，搭建起金融机构和小微企业间资金融通的桥梁，为产业金融、企业供应链项下的小微企业提供融资服务，并围绕小微信贷全生命周期进行数智化科学管理，助力小微企业顺畅融资、健康发展。

• AI技术创新：公司将持续投资大模型、区块链、大数据、云计算、AI底层算法(如transformer)、模型性能调优和复杂神经网络，以及Chatbot、NLP、AutoML、深度学习和隐私计算等技术工具，抓住新兴技术为金融领域带来的行业机遇，以储备丰富的金融行业海量高价值数据为基础，巩固和扩大数据优势，提高技术服务能力，进一步扩大公司全球影响力。

公司股权架构稳定。截止2023年12月31日，张韶峰为公司实际控制人，合计持有公司16.65%的股份。中国国新控股有限公司作为第二大股东，合计拥有公司8.81%的股份，彰显了国有资本对公司发展的充分信心和坚定支持。公司管理层及董事会有多位高管拥有硕士、博士学历，具备良好的竞争力和管理能力。

同时，公司重视以回购股份的形式回报股东。2023年，公司从公开市场回购了共计2,073.25万股B类股份，回购总金额达港币219.63百万元（包括交易成本+开支）。另据同花顺显示，截至2024年4月26日，公司在近三个月内已累计回购333.05万股，占公司已发行股本的0.66%。2024年3月25日，公司宣布将在未来12个月内不时在公开市场回购总额不超过2.5亿港元的公司股份。

我们认为，公司股权架构稳定，管理层具备核心竞争力；同时，公司通过投资控股与合约安排的形式对附属公司进行业务安排与明确分工，经营管理能力与业务运转模式高效稳定，使公司发展富有潜力。公司的多次回购行动与计划，也充分体现出其对业绩和前景保持充分信心和乐观态度。

2023年公司实现总营收26.81亿元，同比+31%，2023年公司归母净利润为3.40亿元，同比+42%，且2022年公司已实现归母净利润扭亏为盈。我们认为公司近年来营业收入增速较快，归母净利润在2022年实现盈利后同样实现了可观的增速，随着公司的业务进一步释放，预计未来营业收入、归母净利润将稳步提升。

BaaS-金融行业云成为公司主要收入来源，2023年BaaS-金融行业云收入占公司总营收的44%，相较于2022年的36%，同比提升8pct。2023年BaaS-金融行业云实现营业收入11.85亿元，同比+59%，主要得益于2023年公司为客户促成的资产交易规模为531.30亿元，同比+93%。2023年公司BaaS-保险行业云实现营收6.05亿元，同比+10%，主要由于公司所促成的保费共33.3亿元，同比+56%，公司该业务收入增速已超过行业平均水平。

我们认为，未来公司“压舱石”业务MaaS将有望继续维稳公司营收基本盘，保持稳定的增长；由于生成式AI时代的到来，公司智能语音机器人大模型的持续迭代，BaaS-金融行业云业务有望成为公司营业收入增长的生力军。

上市后，公司将可赎回可转换优先股转为普通股，规避了其公允价值变动为公司利润带来的负面影响，从而释放了大量利润，使得在2022年及之后公司账面净利润扭亏为盈。公司2019-2023年经调整净利润皆实现盈利，且经调整净利率持续提升，2023年实现经调整净利率为14%。我们认为，公司利润端的较快增速得益于其营收端的显著提升，基于公司未来营收或能持续得到提升的前景，其净利润有望实现快速增长。

公司内部AI大模型的部署对其内部运营起到了降本增效的作用。2023年公司一般及行政开支为2.59亿元，同比-4%；2023年研发费用为3.79亿元，同比+2%，公司研发费用增速的放缓并非由于对研发端投入的降低，而是公司研发效率得到提升，成本得到了控制。我们认为，公司近年来研发端投入力度加大，积极布局各种大模型的开发，以及机器学习平台和底层数据库的提升，该研发费用未来有望帮助公司的技术实现进一步的突破，进而帮助公司将前置研发成本转换为收入端释放的动力。

2. 金融数智化“积厚成势”，行业大模型“落地开花”

政策推动金融科技从“立柱架梁”迈入“积厚成势”新阶段。2019年8月，人民银行发布了《金融科技（FinTech） 发展规划（2019—2021年）》提出到2021年建立健全我国金融科技发展的“四梁八柱”。经过3年的探索与实践，上述目标已基本实现，金融科技正在成为驱动金融业产业数字化变革的重要引擎。2021年末，人民银行发布了《金融科技发展规划（2022—2025 年）》，明确以加强金融数据要素应用为基础，以加快金融机构数字化转型、强化金融科技审慎监管为主线，将数字元素注入金融服务全流程，将数字思维贯穿业务运营全链条，注重金融创新的科技驱动和数据赋能，推动我国金融科技从“立柱架梁”全面迈入“积厚成势”新阶段。

金融科技投入增势显著，数智化建设力度加大。以商业银行为例，根据10家境内大型商业银行2022年年报披露的数据，金融科技领域投入占营业收入的平均比例超过3.5%，平均增速约为11%。为实现金融科技的可持续发展，各行也在人才储备方面持续发力。其中，工商银行金融科技人员达3.6万人，数量位居行业第一；工商银行、招商银行、兴业银行和中信银行科技人员占比均达8%以上。我们认为，得益于市场的青睐、国家的支持以及企业的持续投入，中国的金融数智化已成为行业的大概率趋势，并有望逐步扩展到金融领域的各个细分市场中，为金融科技企业的高质量发展注入动能。

2.1. 中国金融业数智化的三大需求

我们认为，从全球发展状况来看，金融机构数智化转型是行业发展的大概率趋势，金融科技的广泛使用将提升金融机构效率，打通各业务间交流堵点，使传统业务之间的联系更加紧密。然而，国内征信体系数智化转型面临征信数据缺乏、征信体系发展不均、不良贷款数量上升、对长尾客户关注度不高等问题，亟待通过引入大数据决策模型对征信人开展全维度智能分析，减少不良贷款率，降低征信边际成本，扩大中国征信体系的规模效应。

中国金融数字化起步较晚，征信体系发展不充分不均衡。截至2023年末，人民银行征信系统收录11.6亿自然人、收录1.3亿户企业和其他机构信息，其中至少2.88亿自然人是金融白户（根据我们的合理估计得出）。此外，截至2024年1月，在人民银行分支机构备案的企业征信机构有149家，整体数量较少、企业量级较小。目前我国个人征信机构中，只有百行征信和朴道征信两家获得牌照。另外，中国征信行业目前仍集中在经济较为成熟、经济发达的北京、上海、广东、浙江地区，其他地区的覆盖广度和深度相对更弱。横向对比世界各国的征信体系建设情况，我们发现中国的金融白户比例为总人口的20%，比例是美国的2.8倍、日本的10倍。我们认为，中国征信体系的不完整和不均衡极大地增加了金融机构进行信用评估的难度，凸显了市场对智能信用数据分析服务的强烈需求。

商业银行不良贷款额上升，催生智能风险管理需求。银保监会的数据显示，2017-2022年，银行业不良贷款余额呈现上升趋势，2022年底，不良贷款余额达到2.98万亿元，较2021年底微增0.13万亿元。自2020年疫情发生，银行对普惠性小微企业贷款等关键领域的信贷支持显著增强，导致不良资产规模相应增加，2023Q3不良贷款率上升到近年的最高点2.19%。尽管近年来中央对不良贷款的重视促使不良贷款率有所下降，不良贷款余额仍缓慢上升。我们认为，商业银行不良贷款额度上升的趋势强调了银行业对于进一步发展和应用智能风险管理技术的迫切需要，以提高金融机构信贷决策的精确度和效率。

2.2. 中美征信产业对比，寻找前进道路

我们认为，从全球发展状况来看，金融机构数智化转型是行业发展的必然趋势，金融科技的广泛使用将提升金融机构效率，打通各业务间交流堵点，使传统业务之间的联系更加紧密。然而，国内征信体系数智化转型面临征信数据缺乏、征信体系发展不均、不良贷款数量上升、对长尾客户关注度不高等问题，亟待通过引入大数据决策模型对征信人开展全维度智能分析，减少不良贷款率，降低征信边际成本，扩大中国征信体系的规模效应。

中国征信格局——“断直连”新规下的数据分享链条。根据2021年人民银行发布的管理办法，平台机构在与金融机构开展引流、助贷、联合贷等业务合作中，须实现个人信息与金融机构的全面“断直连”。因此，过去金融机构直接获取信用信息的行业格局被重塑，取而代之的是“数据平台→征信公司→金融机构”的行业新格局，其中征信公司通过各种渠道获取自然人的公共信息、商业信息和互联网信息后，辅以数据经纪人、助贷机构售卖的补充信息，利用数据分析方的分析结果，向金融机构输出征信报告。

我们认为，“断直连”是互联网金融兴起多年以来国家监管部门与互联网金融机构的博弈结果，不仅有利于规范替代数据在金融行业的分享与应用流程，促进征信服务高质量发展，而且也正式宣告了国内平台企业金融业务进入常态化监管阶段。我们认为，征信业务的常态化监管是国家部门捋清数据产权、整治数据使用乱象的关键举措。尽管部分相关方会经历短期阵痛，面临运营成本上升，但“断直连”有利于从数据采集端廓清市场上的灰色产业，让征信产业真正做到正本清源、合规致远。

美国征信格局——以《公平信用报告法案》为核心的数据分享链条。美国的个人征信体系源于市场对信用交易的需求，其发展遵循了“先发展、后监管”的模式。从19世纪到20世纪中期，美国尚未建立针对金融信用的立法，征信行业在联邦层面几乎不受法律和政府监管，主要依靠市场自我调节；直至20世纪70年代，美国开始制定一系列与信用相关的法规，逐步建立起以《公平信用报告法》（Fair Credit Reporting Act, FCRA）为核心的征信体系。其中，数据采集方（金融征信报告机构、专业征信报告机构和数据经纪商）通过公开检索、购买或内部传输的方式，从数据生产方和采集方获取个人和商业数据。之后，数据采集方再对数据进行汇编和整合，提供给数据分析服务机构和数据使用方。

通过比较中美的征信产业，以及研究美国的征信数据分析服务龙头企业Fair Isaac Corporation（FICO），我们发现：从行业监管看，美国征信体系的发展历史与中国类似，呈现“先发展、后监管”的模式；从行业标准看，美国的征信体系数字化发展更早、更全面，并且具有使用替代信用数据的长期历史经验。

Fair Isaac Corporation（FICO）是美国数据分析服务市场中的龙头企业，其客户覆盖100大金融机构中的92家，全世界100大银行的3/4，超过600家保险公司，超过300家零售商，和超过 200 个政府部门。FICO 主要业务包括信用评分服务（Scores）和软件服务（On-premises and SaaS software）。评分业务主要包括消费者信用风险评估和行业风险评估等各类评分解决方案；应用程序业务提供满足各行业特定需求的分析与决策软件（Analytic and Decisioning Software）以及预配置解决方案（Pre-Configured Solutions），主要客户包括银行、保险公司和政府部门等。应用程序既可以在客户本地安装，也可以通过FICO云分析平台向客户提供SaaS服务。

FICO为征信历史稀少的消费者评分方面投入了大量资源，旨在为金融白户扩大信用获取途径并降低借款成本。例如，FICO Score XD使用公共记录、财产数据，以及消费者的移动电话、固定电话和有线电视缴费历史，在与标准FICO评分相同的300～850分数范围内生成评分；Ultra FICO则通过使用反映稳健财务活动的数据（如支票账户、储蓄账户或货币市场账户数据），来建立或提高消费者的信用评分。

秉持“先落地、再扩张”（land and expand）的经营策略，FICO 正在由本地软件安装服务转向SaaS服务，向一体化软件平台FICO Platform发展。FICO的23年财报显示，FICO的目标是将几乎所有软件产品都转移到FICO Platform上。例如，FICO领先的决策管理系统FICO Blaze Advisor，现在已经在FICO Platform上作为FICO Decision Modeler供客户调用。我们认为，FICO“先落地再扩张”的策略与SaaS的平台调性高度契合，有利于公司利润增长。一方面，SaaS系统集成了公司众多核心产品的关键功能，不仅提升了产品的可用性，还有助于品牌增值；另一方面，公司产品集成的过程也是客户业务流程集成的过程，FICO产品的一体化能使客户业务深度融入FICO的评分与决策系统，在降低部署成本、促进客户工作效率的同时提高核心客户转化率，最终逐步扩大FICO的基础用户群和核心客户基数。

FICO 的先发优势为公司积累了深厚的行业洞察，从而奠定了FICO在美国征信行业的重要地位。FICO在1958年为American Investments创建了最初的信用评分系统，并于1972年为Wells Fargo开发了第一个自动化的贷款审批系统。1981年，FICO与Equifax协作，推出了一个广泛适用的信用评分模型，继此之后，其他两大信用报告机构也与FICO建立了合作伙伴关系。我们认为，FICO的“率先入局”为其建立了坚挺的市场地位。服务各类金融机构的经验，有利于FICO不断丰富对于金融各细分产业的理解，拓宽产品应用场景，加速大模型升级迭代；而FICO评分模型不断提升的精准度也加深了客户对于FICO品牌的信任，提升了客户粘性与替换成本，最终形成“先发优势→客户基群→行业洞察→模型迭代”的飞轮效应。

2.3. 通用AI大模型基石铺路，行业AI大模型春风化雨

目前通用大模型的发展需要更好的模型、更多的数据和更高的算力。在当今通用大模型“算力为王”、国内算力受限的背景之下，相较于适用于多领域、多任务的通用大模型，行业大模型更依赖于开发者对垂直场景的理解和海量行业数据支持，更有可能成为中国金融数据分析商的制胜赛道。

相比于通用大模型，行业大模型在垂直行业内的应用中能够提供更高的准确性。我们预估，利用行业的专属数据、特色算法开发的行业大模型，生成内容质量可能更高、针对性可能更强，有利于提升业务效率和客户满意度。不仅如此，相较于通用大模型，行业大模型的“术业专精”意味着其决策成本较低、所需算力较小，且当今国内受限的算力仍可支持行业大模型发展。我们认为国内金融数智化转型的“风口”可能在于行业大模型的发展与创新。

通用大模型和行业大模型的发展并非相互排斥，而是互相促进、螺旋式上升。行业大模型根本来源于通用大模型，通常都是基于通用大模型采用SFT监督微调（Supervised Fine-Tuning）等方式训练而来。并且，如果通用模型的基础能力较强，那么行业模型的调优成本也就相对较低。在验证算法和策略时，由于行业大模型可以在较短的时间内进行迭代，验证效果，因此企业通常会优先在行业模型上进行验证和调优验证完成后，再将经验应用到通用模型上，从而提升通用模型的能力。待通用模型得到有效提升后，再对行业模型进行迭代。我们认为，具有发展通用大模型经验的企业更容易发挥通用大模型与行业大模型的“协同效应”：以通用大模型为基础，发展各种垂类模型，大大降低模型的训练、使用成本，从而加速行业大模型的迭代升级与应用落地。

虽然国际企业可能在通用计算能力或算法技术上占据优势，但国内企业有能力通过积累的专有数据、专业算法和深厚的行业知识搭建自身的核心优势。因此，我们认为发展行业大模型实质上是对企业在行业中积累的专有数据和算法能力的一种考验。丰富的数据调用经验、持续的大数据模型创新和广泛的客户群体有助于智能数据分析企业在金融数智化转型浪潮中占据主流。

我们认为，在完成了丰富的元数据积累后，行业大模型有望进入“收获期”。从中国金融机构的数智化转型现状来看，中国行业大模型已经成功跨越电子化、信息化和大数据化，迈向AI大模型赋能的新阶段；其中电子化为AI赋能奠定了数据收集与存储的基础，信息化实现了企业业务的电子化集成，而大数据化则为大模型的发展积累了丰富的行业元数据。基于当前AI赋能的新阶段，我们观察到行业大模型处于扩张和创新的边缘，已准备好利用其深度和广度的数据资产进行进一步的迭代升级。可以预见的是，这些模型不仅能展现特定领域的精准预测和分析能力，而且还能在不断进化的算法和计算能力的支持下，为各个行业带来差异化的优势。我们还认为，行业大模型具有展现数据分析能力、提供客户个性化服务以及风险预测和管理能力的充足潜力，有望为金融数据分析行业带来转型和升级机遇，在金融行业的数智化转型中发挥核心的推动作用。

通过对比中美征信产业格局，我们认为百融云凭借其7000+客户、丰富的业务经验以及专精的行业大模型，未来有望凭借丰富的客户基础和行业经验，进一步扩大市场份额并提升盈利能力。

3.1. 具备7000+客户基群，行业数据积累丰富

对于数据分析企业而言，客户基群的积累尤为重要：广泛的客户体系从侧面反映出企业在各个行业的深入洞察；丰富的客户服务经验以及日以亿计的模型调用次数则有利于不断促进和彰显企业的核心竞争力。2018年，公司与工商银行、美团等33家科技和金融公司组成了“信易+”联盟，通过加强信用信息共享平台与金融机构的合作，致力于缓解小微企业“融资难、融资贵”的问题。如今，经过多年的行业沉淀，百融云已与7000+公司达成合作关系，覆盖银行业（中国工商银行、中国建设银行等）、保险业（中国人寿、中国平安等）、汽车金融业（上汽、大众等）多个行业。R&D方面，百融云还分别与人大商学院和清华五道口合作，致力于促进金融、大数据、人工智能等领域的融汇与创新。我们认为，百融云优质的行业合作伙伴以及丰富的行业数据沉淀，已为百融云建设了良好的商誉，也构成了公司未来持续取得竞争优势的基础。

3.2. 构建完整 AI 体系，发挥通用、行业大模型协同效应

3.3. 积累行业数据、搭建大模型基础，公司应用率先起步

公司服务超过7000家客户，日处理调用量达数亿次，针对特定行业的深度定制化模型能够更准确地理解和预测行业动态，提供更为贴合实际业务需求的解决方案。这种针对性不仅使得模型的应用更为广泛，也大大提高了决策的效率和准确性。我们认为，公司充分发挥了行业大模型更易落地、迭代成本更低的优势，在征信行业巩固优势地位。

公司在行业大模型的开发和应用中，尤其得益于行业大模型的快速迭代能力，加速应用落地。由于行业数据的快速更迭，模型需要持续学习最新数据以保持其预测的准确性和有效性。我们认为，公司依托于其庞大的数据处理能力和先进的算法优化技术，能够快速更新和优化其行业大模型，使客户及时准确地响应市场变化。此外，与通用大模型相比，行业大模型的定制化程度更高，这使得其在特定场景下的应用效果更佳，同时也降低了企业在基础业务上的人力成本。

我们认为，公司行业大模型的业务适配性、快速响应能力和迅速迭代等特点，使得公司在金融科技领域具有强大的竞争力。通过不断深化和扩展行业大模型的应用范围，公司有望进一步巩固其在行业中的领先地位，推动金融科技服务向更高水平发展。

（1） 港股市场流动性不及预期

港股容易受到市场流动性的影响，若未来流动性恶化，可能对百融云的市值产生影响。

（2） AI科技发展及应用落地不及预期

AI科技发展到行业应用存在转化时间，可能转化时间长于预期。公司MaaS业务已经较为成熟，因此新场景的拓展、新产品的开发可能遭遇瓶颈；公司AvatarGPT数字人交互一体机作为全新的技术，目前未得到广泛的应用，因此未来应用落地的成果仍然存在不确定性。

（3） 宏观经济复苏不及预期

大众投资理财以及信贷的需求恢复可能不及预期，外加在当下环境金融机构对开销的控制，可能对百融云业绩产生不利影响，进而导致百融云未来收入以及利润增速不及预期。

（4） 公司的成本控制不及预期

公司在积极布局各种新场景，并且加大对AIGC的研发投入，这可能导致成本控制变得较为困难；如果公司投入前置成本过多，且短时间无法找到应用场景并使收入得到释放，这将对公司的利润以及经营活动现金流产生负面影响。

（5） 估值体系差异风险

选取的可比公司与百融云在不同证券交易所上市，存在一定的估值体系差异风险。

（6） 数据保密和法律相关风险

未能遵守数据保密及保护的法例及规例可能对公司业务及经营业绩造成重大不利影响。法律、法规或标准的收紧对金融机构或非金融机构造成的影响可能对业务造成重大不利的损害

（7） 公司牌照无法续期风险

根据23年报，公司保险业务持有的牌照系业务合并中获得，法定年限3年。公司牌照持有到期后，若无法续期，将对公司经营造成不利影响。