京北方机构调研纪要

调研日期: 2025-02-16 京北方信息技术股份有限公司是一家领先的金融科技服务提供商,提供软件与信息技术服务,为企业数字化建设聚势赋能。公司成立于2000年,总部位于北京,在广东、山东、安徽、黑龙江设有全资子公司,在近40个中心城市设有分支机构。京北方以大数据、云计算、人工智能、区块链、隐私计算及5G应用为引领,将前沿科技与金融业务场景深度耦合,为银行、保险、证券、信托、基金、租赁、资产管理、理财管理等金融行业客户提供智慧运营系统、基于区块链的供应链金融产品平台、资产管理系统、运营风险监控系统、全流程信贷系统、交易银行生态系统、数字人民币统一接入及结算系统、测试管理平台、智能OCR平台、机器人流程自动化平台(RPA)等优势软件产品与解决方案。凭借良好的交付口碑,不断提升的服务产品化能力,公司还可满足客户对软件开发服务、软件测试服务、IT运维服务、数据及业务处理服务、数字化营销及客户服务在内的多层次服务需求。京北方遵循严格的质量标准,执行严密的安全措施,拥有成熟可靠的管理和开发流程,顺利通过CMMI-DEV5级评估、TMMi5级评估、ITSS2级评估、ISO9001质量管理体系认证、ISO27001信息安全管理体系认证、ISO20000IT服务管理体系认证、ISO22301业务连续性管理体系认证、ISO14001环境管理体系认证、ISO45001职业健康安全管理体系认证、4PS联络中心国际标准管理体系认证,并获得跨地区增值电信业务许可证。面向未来,京北方将持续秉承“客户满意、员工支持、股东默契、价值链协同、社会认可”的企业核心价值观,坚守“合法、合规、合理”的经营准则,通过专业化的产品和服务,释放科技创新的力量,把信 息技术转化为客户价值,助力客户尽享科技变革带来的卓越运营。 一、DeepSeek对金融行业AI应用整体影响及公司相应发展机遇情况介绍 对于大模型的应用,金融机构出于数据安全与合规性的考量,更倾向于进行私有化部署。DeepSeek大模型凭借其高性能、低成本且开源的优势,显著推动了金融行业AI应用的进程。京北方作为国内领先的数字化转型综合服务提供商,自成立以来始终深耕银行业,国有大型银行一直是公司的核心客户。作为金融科技领域的先行者,大型银行在前沿技术的探索和应用方面具有示范作用。在AI领域,公司已与大型银行展开共研、共建合作,积累了丰富的交付经验和案例验证。此外,基于与大型银行建立的广泛服务合作关系,公司深入理解银行的各项业务流程,能够迅速识别适用AI的业务场景并开展相关探索。去年上半年,公司发布了AI大模型服务平台、智能测试助手、智能资管业务助理、企业知识助手等多款大模型系列产品,未来公司将进一步加大在AI领域的探索力度。 二、问答环节主要提问 1、公司目前在AI领域的布局,以及此次DeepSeek能够带来的IT架构变革是怎样的? 回复:DeepSeek将带来三大主要变化,即开源的趋势、私有化部署线下闭环及应用效果提升,将从两个维度拓宽金融IT特别是银行应用大模型的空间。纵向来看,效果提升使每个银行的业务在纵向的业务场景中,不同业务节点增加AI赋能的可能性;横向来看,不同银行的不同业务使用AI的场景会拓展,涉及银行运营、信贷、风控、营销、渠道等不同业务板块。此前受成本和模型部署限制,很多应用场景无法实现,现在空间拓展能释放银行需求,且银行需求会从科技部门驱动转向业务部门驱动。对于IT软件及服务供应商,以大行合作为主的模式下,公司在客户卡位以及对客户行业业务理解上有优势。 2、下游客户对于DeepSeek部署的需求变化,尤其是私有化部分如何看待,以及未来的商机如何看待? 回复:过去金融行业主要基于私有化部署接入开源大模型,如阿里的千问、智谱清言等,进行模型应用的探索工作。银行对数据自主可控的要求极为严格,采用API方式接入闭源大模型并将银行端数据输入至闭源厂商模型,难免引发数据安全的担忧。因此,支持开源的潮流将促使更多银行选择性价比更高的私有化部署方案。但是私有化部署存在一定算力投入门槛,银行以效果为导向,不会盲目进行大批量部署。大行可能更多采用集中的大平台提供算力,内部接入大平台算力平台;中小行更灵活,会平衡模型研发时间、训练时间和算力投入,可能选择缩小模型、接受相对小的算力和长一点的训练过程。公司作为合作早的厂商,可以和银行探索不同方式,如在私有化部署加上软件的应用层集成开发调优等,未来也有可能探索软硬件一体化的方式。 3、公司在BPO场景上关于AIagent的布局是怎样的? 回复:公司除给银行提供IT系统外,还帮助银行做专家型集中化管理和作业,这使公司能够深入银行的业务流程,了解可通过AI赋能和优化的后台业务环节。公司会继续拥抱行业趋势,我们认为用AIagent方式解决银行客户作业流中各节点问题是很大的机遇,会带来银行运营体系转型以及公司业务转型机会。 4、公司跟模型厂商在银行端或业务侧落地的商业合作模式是怎样的? 回复:过去与大厂合作时,大厂会自主集中布署算力、进行私有化部署模型平台,并接入不同开源大模型厂商。公司主要参与后端应用开发和模型调优工作,部署完后在银行内部使用。未来随着中小行业进入市场、应用铺开,可能会出现不同商业模式,这取决于客户诉求,大行和中小行需求差异较大,可能会有打包大模型服务等创新方式。目前已有客户在探索让公司接过一些调优工作。打包模式有可能会成为一种主流。 5、公司银行及其他行业呼叫中心业务与AI结合有什么规划,能否实现降本增效? 回复:呼叫中心业务很适合做AI化,公司有自己的呼叫系统,早期已用人工智能做了一些探索,大模型会进一步提升智能客服、智能外呼、智能营销的效果。公司会积极拥抱技术进步,根据客户需求提供技术支持。对于公司自身非金融领域的呼叫中心服务业务,根据过往经验,用AI替代后有降本增效的效果。未来随着AI技术走向成熟,效果会更加明显。 6、如果AI发展较好,银行及大型企业的呼叫中心会继续外包给公司,还是会选择自己内部上系统? 回复:银行对合规和安全要求较严格,从公司过去的发展经验来看,ITO和BPO是同步增长的。在使用先进AI技术过程中,会衍生出很多新的 服务型业务需求,并非简单的替代关系。公司作为IT厂商,能获得IT业务和衍生服务业务两部分的市场机遇。 7、为金融行业客户做模型调优工作的价值量如何,公司做这项工作有何优势,同行是否也能做同样的事? 回复:根据过往案例,一个模型布置初始命中率为25%,经过6个月的调优,命中率提升至55%-60%,因此调优工作具有较高价值。同时,调优具有一定门槛,首先要对模型有一定理解,需在多个场合应用过该模型;其次,调优的模型分推理型和数据类,推理型模型调优要对业务有深刻理解,数据类模型调优关键在于数据清理,也要求对数据有深刻理解。随着使用时间增长,调优工作的护城河会越来越深。 8、金融行业客户使用AI落地主要基于哪些考虑? 回复:银行使用AI前期主要目的为降本增效,即降低单件工作成本,提高人均产出,用AI替代常规辅助性工作以降低风险。此外,在个别银行的营销试点中发现,使用AI后客户粘性增加,客户在手机银行、网上银行或大堂看相关资讯时的停留时间增加。因此金融机构一方面在加大AI内部场景使用以持续降低单件处理成本,另一方面在营销方面通过AI辅助增加客户粘性。 9、大行、中小行等下游客户在IT支出方面的行业增速如何,2025年整体规划怎样,是否会在AI方面有更侧重的投入? 回复:整个银行IT过去几年主要依靠数字化转型以及信创驱动。目前银行金融机构有信创的明确要求,所以满足信创要求是基本盘。一些信创节奏较快的大行、股份制银行,可能逐渐转向拥抱新技术投入,将之前积压的需求通过新技术手段应用落地,投入重心会向AI或数据等方面调整。银行一般在年初形成初步预算,年中可能根据技术应用进展和变化,对重点方向再次调整。在行方交流需求和落地应用需求都有较大提升的情况下,AI方面的投入资源预期会有一定倾斜。