中科金财：2026年半年度报告

2026年半年度报告 2026年8月 第一节重要提示、目录和释义 公司董事会及董事、高级管理人员保证半年度报告内容的真实、准确、完整，不存在虚假记载、误导性陈述或者重大遗漏，并承担个别和连带的法律责任。 公司负责人朱烨东、主管会计工作负责人朱烨华及会计机构负责人(会计主管人员)王雅静声明：保证本半年度报告中财务报告的真实、准确、完整。 所有董事均已出席了审议本次半年报的董事会会议。 公司存在的风险因素主要有市场竞争风险、行业技术风险、人力资源风险、政策风险等，有关主要风险因素及公司应对措施已在本报告第三节“管理层讨论与分析”中“十、公司面临的风险和应对措施”详细阐述。 公司计划不派发现金红利，不送红股，不以公积金转增股本。 目录 第一节重要提示、目录和释义.....................................................2第二节公司简介和主要财务指标...................................................6第三节管理层讨论与分析........................................................9第四节公司治理、环境和社会.....................................................24第五节重要事项...............................................................27第六节股份变动及股东情况.......................................................33第七节债券相关情况............................................................39第八节财务报告...............................................................40 备查文件目录 1.载有法定代表人、主管会计工作负责人、会计机构负责人签名并盖章的财务报表。 2.载有董事长签名的2026年半年度报告文本原件。 3.报告期内公开披露过的所有公司文件的正本及公告的原稿。 4.以上备查文件的备置地点：公司董事会办公室。 释义 第二节公司简介和主要财务指标 一、公司简介 二、联系人和联系方式 三、其他情况 1、公司联系方式 公司注册地址、公司办公地址及其邮政编码、公司网址、电子信箱等在报告期是否变化□适用不适用 公司注册地址、公司办公地址及其邮政编码、公司网址、电子信箱等在报告期无变化，具体可参见2025年年报。 2、信息披露及备置地点 信息披露及备置地点在报告期是否变化 □适用不适用 公司披露半年度报告的证券交易所网站和媒体名称及网址，公司半年度报告备置地在报告期无变化，具体可参见2025年年报。 3、其他有关资料 其他有关资料在报告期是否变更情况□适用不适用 四、主要会计数据和财务指标 公司是否需追溯调整或重述以前年度会计数据 五、境内外会计准则下会计数据差异 1、同时按照国际会计准则与按照中国会计准则披露的财务报告中净利润和净资产差异情况 □适用不适用公司报告期不存在按照国际会计准则与按照中国会计准则披露的财务报告中净利润和净资产差异情况。 2、同时按照境外会计准则与按照中国会计准则披露的财务报告中净利润和净资产差异情况 公司报告期不存在按照境外会计准则与按照中国会计准则披露的财务报告中净利润和净资产差异情况。 六、非经常性损益项目及金额 适用□不适用 单位：元 其他符合非经常性损益定义的损益项目的具体情况： □适用不适用 公司不存在其他符合非经常性损益定义的损益项目的具体情况。 将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益项目的情况说明 □适用不适用 公司不存在将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益的项目的情形。 第三节管理层讨论与分析 一、报告期内公司从事的主要业务 近年来，数字经济作为创新最活跃、增长动能最充沛的经济领域，已成为培育和发展新质生产力的核心载体。2026年3月，国务院总理李强在第十四届全国人民代表大会四次会议《政府工作报告》中提出打造智能经济新形态，深化拓展“人工智能+”行动，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用,培育智能原生新业态新模式；健全数据要素基础制度，建设高质量数据集。完善人工智能治理。2026年6月，国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》，提出行业高质量数据集是推动“人工智能+”赋能千行百业、实现产业落地的基础性、关键性资源，持续推进文本、代码、图像、音频、视频、点云、时序数据、科学数据等多模态高质量数据集建设，赋能人工智能预训练、指令微调、强化学习、测评等各阶段。加强知识库、知识图谱、本体等数据集建设，加快复杂任务规划、长程推理、人机交互、决策执行等数据集建设，赋能智能体等新型智能应用形态。系列政策持续打通技术创新、产业融合、要素流通与行业治理全链条，为数字产业高质量发展奠定清晰政策框架。 软件和信息技术服务业是数字经济的重要组成部分，人工智能是驱动软件产业持续增长的核心动力，全面重塑各行各业生产经营与价值创造模式。根据赛迪研究院《2026年我国人工智能产业发展形势展望》，截至2025年9月，我国人工智能核心产业规模突破9000亿元。据Precedence Research预测，2026年全球AI市场规模将达到9000亿美元。而多家机构对中国市场的复合年增长率预测普遍在30%以上，甚至高达47.1%。可以预见，2026年将是中国AI产业从“爆发”走向“成熟”的关键一年，行业增长重心由基础设施建设转向企业级场景价值兑现。 在技术发展趋势方面，AI智能体、多模态融合成为当前两大核心发展主线。2026年智能体从概念验证迈向规模化试点落地，Gartner预测至2026年末，超过40%企业应用将嵌入专属AI智能体，智能体作为人工智能高阶应用形态，实现大模型从内容生成向自主感知、规划、工具调用、任务闭环执行跃迁。全球科技企业持续加大智能体技术栈投入，不断完善记忆机制、工具调度、自主反思能力。多模态技术持续实用化，依托长上下文、世界模型相关技术突破，大模型对文本、图像、音频、视频、三维信息的统一理解与生成能力持续增强，成为智能体提升环境感知、复杂任务处理能力的重要底座。在应用场景方面，智能体已超越基础问答、客服场景，广泛渗透至企业流程自动化、经营分析决策、软件开发辅助、业务运维、行业知识库运营等场景，持续提升组织运营与研发生产效率。北京智源人工智能研究院《2026十大AI技术趋势》指出，世界模型是通向通用人工智能的核心共识方向，认知世界模型作为 世界模型重要演进分支，侧重构建环境抽象表征、因果逻辑与时空推演能力，能够支撑智能体开展事前仿真、长周期任务推演与动态决策，补齐传统大模型缺乏环境认知、难以预判行动后果的短板。 与此同时，行业规模化落地仍面临显著现实痛点。当前多数企业在引入大模型与智能体过程中，普遍存在业务数据孤岛突出、数据标准不统一、原始数据难以直接支撑AI调用、模型与真实业务流程脱节等问题，大量AI试点项目难以转化为持续性业务价值。《普华永道全球人工智能效能研究中国报告》显示，在AI的落地应用上，中国企业呈现出典型的“重执行、轻决策、弱自主”特征，中国企业在协助起草等生成式场景占比偏高，说明AI目前更多充当着“辅助人工”的工具角色，尚未真正进化为“自主”+“替代大脑”的智能引擎。产业实践证明，完善人工智能本体平台建设、推进全域业务元数据治理、构建认知世界模型能力是破解上述行业痛点的主流解决方案。依托本体底座承载模型调度、智能体编排、任务管理、安全管控能力。通过业务元数据治理，打通分散异构业务系统，统一数据语义、数据口径，构建高质量、可溯源、可安全调用的行业数据资源。依托认知世界模型搭建业务环境抽象表征体系，基于因果推演、动态场景仿真补齐传统大模型静态认知短板，使智能体能够理解业务规则、预判业务行为演化结果，缓解模型脱离真实业务场景、复杂长周期任务执行能力不足等难题，打通数据治理成果向业务决策转化的技术链路，推动人工智能技术真正深度嵌入业务流程，持续释放智能化转型价值。 公司遵循国家数字经济发展方向，以数字科技为切入点，围绕金融机构、政府与公共事业、企业等客户群体，提供人工智能综合服务、金融科技综合服务和数据中心综合服务，通过科技赋能帮助客户实现新一轮数字化、智能化升级。公司坚持关注行业技术发展趋势，不断挖掘客户需求和业务痛点，与国际国内相关领域各龙头企业建立广泛联系与合作，保持科技的领先性和业务的前瞻性，不断探索并逐步落地创新技术的产品及服务。通过深化技术研发和行业应用，推进先进技术、产品及服务在客户场景中的应用。 （一）人工智能综合服务 公司立足于全球AI发展前沿，持续跟踪产业与技术发展趋势，与国际国内AI领域各龙头企业建立广泛联系与合作，保持科技的领先性和业务的前瞻性，坚持大客户战略，推动AI技术在垂类行业的落地。公司坚守AI-Native技术设计理念，以本体论、语义模型及业务元数据治理为核心技术架构，整合语义层、动力层与动态层三层本体框架，形成从数据认知到业务执行、智能决策的技术体系，推动业务逻辑与AI能力的深度融合，搭建从底层架构、交互逻辑到应用场景均以AI为核心重构的人工智能服务链条。 报告期内，公司人工智能综合服务营业收入111,616,698.27元，较上年同期上升146.10%，涵盖算力基础设施建设、智能体应用、多模态应用等。公司在本体、智能体、业务元数据治理等方向投入研 发，并在客户场景落地实践，为行业AI应用仍在面临的“幻觉”、“黑箱”、“懂语言、不懂业务”等问题提供有效解决路径。在理论研究方面，联合北京语言大学专家，依托专业技术体系，结合金融数据特性构建系统化、规范化的金融语义模型体系，覆盖形式语义模型、认知语义模型及结构语义模型，完善数据逻辑架构，夯实智能应用的技术根基。公司搭建了企业级认知本体论三层架构，包含以认知元本体为核心的逻辑语义层、以时空存在本体为支撑的客观载体层、以行业领域本体为落地的业务应用层；该架构融合哲学范畴法、语言学依存语法、银行业专业业务建模方法构建而成，其中在语义维度创新提出语义维度空间表达法，为企业通用智能（EGI）的实现奠定基础。在技术研发方面，公司研发本体建模平台SinoOntology、大模型应用开发平台SinoAgent，构成AI-Native技术架构“语义底座+应用引擎”体系。SinoOntology作为衔接企业原始数据层与Agent应用层的语义中间层，承担着智能“大脑”角色，通过融合多源异构数据，搭建数据、流程、规则、组件、事件、能力及元数据等多维度业务模型，构建涵盖实体、属性、关系、规则、操作的动态知识图谱，将分散的企业数据、制度及流程转化为可被智能体识别、调用的标准化语义资产；SinoAgent依托底层语义底座，实现业务场景大模型Agent应用的快速搭建、智能编排与常态化运营。在此基础上，公司研发了基于认知本体论的企业级本体智能体平台OntoClaw，可支撑企业业务人员轻量化开展公民化业务场景开发，通过自然语言交互，实现业务场景的快速构建、测试、质检、部署等AI DevOps能力，提升企业业务创新效率与交付质量及敏捷性，完善企业通用智能（EGI）解决方案。公司研发的业务元数据治理体系，通过统一业务术语、指标口径、实体关系与业务规则，构建全域语义标准与知识图谱，完成数据从技术字段到业务知识的转化，破解跨系统数据孤岛、用数门槛高、AI应用语义偏差等行业痛点。在场景落