卓越睿新20260609

深耕高精知识领域AI革命，构筑15PB数据壁垒与65%高毛利增长 摘要 信度评估。 ●数据壁垒深厚，积累15PB纯知识数据，预计2027年增至3倍；数据涵盖100亿个知识单元，包含专家动态推理过程，实现毫秒级更新与多模态结构化。 ●产品化能力强，以Skills/Agent形态实现规模化交付，毛利率稳定在65%;通过精细化拆解知识单元，可将特定学科学习时间从38小时缩短至10小时。 卓越睿新20260609 深耕高精知识领域AI革命，构筑15PB数据壁垒与65%高毛利增长 摘要 信度评估。 ●数据壁垒深厚，积累15PB纯知识数据，预计2027年增至3倍；数据涵盖100亿个知识单元，包含专家动态推理过程，实现毫秒级更新与多模态结构化。 ●产品化能力强，以Skills/Agent形态实现规模化交付，毛利率稳定在65%;通过精细化拆解知识单元，可将特定学科学习时间从38小时缩短至10小时。 ●科研辅助成效显著,助力中国农大蓝莓育种提速50%以上；智能评审系统支持上百维度实时评价，已深入复旦、天大、浙大等高校科研与产教融合场景。 业务。 ·具备稀缺商誉壁垒，获国家部委红头文件表彰；业务随“一带一路”出海，定位为全球知识科技传播的AI引擎，解决知识领域“卡嗓子”问题。 Q&A 请介绍公司在知识服务领域的核心能力、业务壁垒以及未来的发展规划? 公司定位为中文领域领先的知识token工厂和知识服务平台，核心能力与壁垒主要体现在以下几个方面：首先，在自研技术体系方面，公司自2023年3月起便拥有初代的自研大模型，并于2025年实现了多模态和Agent to Agent等技术能力。公司的harness结构与通用大模型存在显著差异，在知识生产过程中，采用多模型协同策略：语义识别阶段使用DeepSeek,在nexttoken计算过程中采用闭源的Claude模型，多模态内容生成则运用最新的Gemini模型。区别于通用大模型止步于推理，公司的核心优势在于所有产出内容均需经过严格的询证，确保 每一个标点符号都有可溯源的证据支撑，以满足高精知识领域对准确性的严苛要求。为此，公司联合十几万名各领域专家，共同构建了分学科、分领域的知识循证体系。该体系不仅为每个证据分配不同的置信度，还综合考量其来源(如书籍、论文)、影响力(如影响因子、引用量)、发表时间、样本量等因素，最终形成具备置信度评估的知识大纲。通过持续将海量高质量数据输入模型进行消化和吞吐，模型的知识召回、知识准确性和单次检索速度等推理能力均显著优于通用大模型，第三方数据测评也验证了在知识垂直领域的领先表现。其次，在数据和语料方面，公司构筑了深厚的壁垒。目前已积累约15 PB的纯知识数据，预计到2027年数据量将增长约三倍。这些数据不仅体量庞大，且经过了合规治理、清洗、算法结构化、专家评注勾选及风控把控等高标准提纯处理。其特点包括： 1.海量、结构化且多模态，涵盖文字、图片及视频等形式，是公司十余年积累的成果。 2.内容不仅包含知识点，还囊括了来自全国数千所高校、十几万名专家及200多个产业学院在新农工医等领域的科研实验证据、实训数据和校企联合科研数据。 专项学术体系中，记录了其与环保、医疗、法律等领域的交叉应用过程数据，为产业实践链路提供了有力支持。 第三，在产品化与组织能力方面，公司具备将知识封装为端到端服务的能力。针对不同客户需求，以可灵活组合的skills或agent等产品形态(类似乐高积木),满足高校、多学科、多产业及产融结合等各类科研体系的复杂需求。这种产品构建能力使得公司在实现规模化交付的同时，仍能保持65%的毛利率。此外，公司拥有一支高素质的组织 团队，成员多毕业于985、211及C9联盟高校，具备硕士学历，作为高质量的知识从业人员，他们能够深入各行各业进行知识萃取，并与专家客户保持紧密的工作联系和高粘性，形成了难以在短期内被复制的组织壁垒。在未来规划方面，公司计划于2027年重启To C业务，目标客群为25至40岁之间、在产业领域有强烈上进心和发展诉求的已毕业社会精英，为其提供专业的知识服务。 贵公司的核心壁垒体现在哪些方面? 公司的核心壁垒主要体现在技术、数据和商誉三个层面。首先，在技术和数据方面，公司拥有超过十年的积累，形成了包含超过100亿个知识单元的知识图谱，并构建了相应的AI算法模型。其次，在商誉方面，公司获得了国家部委以红头文件形式的表彰，这在行业内构成了稀缺的商誉壁垒，解决了知识领域“走出去”过程中的“卡嗓子”问题。此外，随着AI技术的发展，未来公司的人员效率将进一步提升，在现有人员规模基础上能够创造更大的生产价值。 贵公司的产品在教学场景中有哪些具体应用，如何提升教学效率? 在教学场景中，产品通过将知识单元进行精细化拆解，打破了以书籍或论文为最小知识单元的传统框架，改变了以往需要整篇查阅才能学习特定知识点的模式。学生现在可以进行精准检索和按需调用学习，从而有效解决学习效率低下的问题。例如，原本需要两个学期、约三十八个小时才能学完的内容，通过我们的平台，学生可能在十个小时内即可完成。平台还支持成果归档、资料查阅及成果归因，这不仅提升了学生的学习体验，也显著减轻了教师的工作量，改变了目前许多教师仍依赖PPT进行教学，难以适配当前学生需求的现状。 在科研领域，贵公司的产品如何区别于传统资源库，并提供独特的价值? 公司的产品在科研领域通过构建查验网络，实现了科研成果的存证、实训档案和试验管理。它能够将操作数据、环境参数等分配不同的置信度，建立起数据可溯源、成果可检验的档案管理体系。与传统的、仅为论文堆积的资源库不同，我们的平台对知识进行了深度解构。例如，当多篇论文对同一问题提出不同假说时，平台可以对相关数据进行核验，并根据可信度重新分配置信度，从而以比单一论文形式更高的效率进行科研成果的存证。此外，平台还建立了一套专家智库的信誉评估体系，能够智能匹配专家与合作团队，为高校的产学研合作提供支持，例如深圳大学与比亚迪的合作，以及职业院校与西门子在机械工业设计领域的合作。 贵公司如何利用AI技术进行科研辅助，例如在生物医学和农业育种领域的具体应用案例有哪些? 在科研辅助方面，公司利用AI技术帮助科研团队进行研判和智能分析。例如，在生物医学领域，我们为团队模拟了癌细胞的微环境，通过动态建模分析肿瘤细胞在不同环境下的变化，从而得出比传统实验效率更高的数据和成果。在农业领域，我们为中国农业大学构建了农业大模型，帮助其将蓝莓的育种时间提升了50%以上，有效支持了国家对农作物新品种培育的要求。此外，公司也与天津大学、浙江大学等众多高校在不同科研领域展开了合作。 针对当前大学生实践能力与产业需求脱节的问题，贵公司的产品在实训和技能测评方面提供了怎样的解决方案 为解决大学生知识与实践能力脱节的问题，公司开发了AI驱动的实训与技能测评模块。这些模块旨在大学四年期间，除了知识灌输外，同步培养学生面向产业的能力。以华东师范大学一个硕士生的教学实训为例，我们利用生成式AI构建了一个真实的小学课堂场景。AI引擎会根据该硕士生的教学习惯、内容反馈和行为(如是否与学生进行眼神交流)生成不同的学生反应，例如，如果老师表现害羞，AI生成的学生就会出现调皮捣蛋等行为；如果老师表达平淡，AI会提示其表达不清晰并要求重来。通过这种方式，实训模块能够模拟真实教学环境，有效弥补了当前大学教育中缺失的实践环节，帮助学生在毕业前掌握必要的职业技 能。 贵公司如何促进高校与产业之间的知识协同与创新，具体有哪些合作模式和案例? 公司在高校与产业之间扮演着知识协同的桥梁角色，以解决产业界面临创新压力大、知识储备不体系化，以及高校对产业最新理论和发展动态不了解的问题。在合作模式上，我们提供技术和知识服务的解决方案。一个具体的案例是与西门子的合作，我们将西门子在产业中的最新物理环境完整地解构并引入到全国双高职业院校中。高校利用其强大的研发和创新能力对这些产业知识进行再研究和解构，生成新的知识储备。这些新知识随后被复用，成为西门子生产过程中的增值知识模块，并进一步赋能其客户。通过这种模式，我们促进了产学知识的有效流转与增值。 在教学评估和项目评审等场景中，智能评审功能是如何运作的，其评估维度包含哪些方面? 智能评审功能广泛应用于高校、医院、学术机构及企业内部的各类评审场景。以课堂教学评估为例，系统可以在一堂四十五分钟课程结束的瞬间，从上百个维度生成对教师教学质量的评价报告。这些维度非常细致，包括但不限于：不同位置的课堂空座率、教师的音量与语速、知识点是否紧扣教学大纲、关键知识点的提及次数、课堂问答的互动情况(如正确与错误的人数)、学生的抬头率与低头率，以及教师是否使用敏感词或过多的口头禅(如“这 个”、“那个”)等。通过对这些数据的综合分析，系统能够为知识从业者、专家和教师的项目及成果提供客观、数据驱动的评审结果。 对于高校这一特殊客群，贵公司如何定位与其的关系，并规划未来的业务拓展路径? 公司将大学定位为双重角色：既是知识服务的对象，也是知识来源的供应者。绝大多数高价值的科技领域知识诞生于大学，因此大学是我们知识图谱的重要源头。我们的业务模式是从服务大学开始，逐步将知识服务拓展至其他学术机构、企业，并最终面向C端用户。未来的发展路径还包括海外市场，随着中国科技、经济和国际影响力的提升，知识出海已成为趋势，我们的业务也将随之拓展至海外大学。 在当前教育行业整体承压的背景下，公司业务仍能实现收入和利润的良好增长，请问下游客户的资金来源和需求主要体-现在哪些方面? 尽管传统的信息化经费( infra经费)目前确实面临压力，但这部分并非公司业务经费的主要来源。公司的增长主要得益于以下几个方面：首先，大学的经费体量巨大，通常以亿级为单位计算。公司的业务经费主要来源于学校内部各个业务流程环节中用于AI赋能改造的预算，而非单一的信息化采购预算。这些经费 来源多样，具体包括学科经费、双一流建设经费、新工科与新医科专项经费、研发经费、设备经费、业务经费以及产业技能培训经费等。这些业务流程相关经费的总规模大约是传统信息化经费的五倍。其次，从宏观层面来看，利用AI改造整个人才建设梯队体系，并将其融入所有人才培养过程，已成为一项必须执行的国家层级战略，超越了单个大学的选择范畴。例如，重点高校在航空航天、海洋工程等关键领域培养创新型人才是国家战略的一部分。在国家最高级别的会议(如二十大)中，已将教育、人才和科技三者作为一个整体进行战略部署，尤其强调了高等教育在其中的核心作用，这为相关投入提供了顶层支持和保障。 公司在海外市场的业务布局和具体进展是怎样的? 公司在内容输出和出海方面已探索多年，早期在八、九年前便与英国、法国等欧洲国家的学校有过初步尝试。当前，随着国家地位的提升，出海策略也随之调整。 目前的业务重点是伴随国内大学的内容输出战略，为其提供知识科技传播和AI引擎支持。例如，公司协助广西、云南等地在亚洲六国拥有较强话语权的大学进行内容输出，本质上是提供技术支持，仅需进行语言切换。同样，公司也支持西安交通大学等高校沿着“一带一路”倡议，在哈萨克斯坦、吉尔吉斯斯坦等国家进行内容和价值输出。整体而言，公司顺应国家发展趋势，在海外市场扮演AI引擎的角色。预计未来在华语圈和“一带一路”沿线国家，市场空间和发展动力将非常可观。 作为一家教育科技企业，公司的数据含金量体现在哪些方面?是否因为场景的独特性? 公司数据的核心价值主要体现在以下五个方面：第一，数据的精准性与专业性。这些数据是精准的知识数据，来源于各学科领域最前沿、经权威论证且有明确来源的知识，而非网络上的广域信息。第二，数据的结构化与颗粒化。数据经过深度处理，以知识的最小单元“知识主张” ( knowledgeclaim)形式存在，实现了知识的精细化，使AI能更深度地理解和应用。第三，数据的权威性与可信度。数据经过相关领域专家和教授的评审与校验，并附有相应的标签作为背书。第四，数据的动态性与过程性。数