国泰海通计算机秋季策略会 极视角业务与AI应用趋势分析

发布时间：2026-09-03 一、AI总结内容 一、核心要点 1. 2026年上半年极视角扭亏为盈，营收同比增长超160%，大模型解决方案收入同比暴增41倍，替代CV成为核心增长引擎，战略从投入转向商业化阶段 2. 大模型业务定位为企业级AI Token电网，整合上游大模型能力嵌入客户业务流程，形成高粘性的可持续收入模式3. 极视角差异化优势为具备视觉感知与企业语义建模能力，适合复杂物理场景行业，案例显示可大幅提升企业运营效率 二、业务进展 1. CV业务为稳定基本盘，现金流属性，算法储备处于行业Top1，保持稳定增长2. 大模型业务通过咨询、平台承载、FDE团队落地，已覆盖轨交等多行业，单项目收入1000万-2亿，运维授权年入100万-2000万，即将新增Token收入3. 青岛地铁为标杆客户，日均Token消耗5亿，供电故障处理时间从13小时缩至3小时三、未来展望 1. 下半年收入增速有望与上半年持平，全年高增长可延续2. 未来将推出星际大模型，适配端侧、边侧、云侧，推进海外推广，探索算力中心建设3. 中长期目标为成为企业级AI Token电网型企业，收入利润将随业务切入形成良性循环四、风险与关注 1. 大模型行业竞争激烈，需持续保持技术与落地优势2. 业务扩张带来人员与资本开支压力，需控制投入节奏 五、其他事项 1. 公司拟入通，将吸引内地投资者关注，股东包括华润、招商局山东港等产业投资方2. 已与智谱、MiniMax等大模型公司对接合作，涵盖Token、算力等领域 二、音频原文（转写） 大家好，欢迎参加国泰海通计算机秋季策略会及视角入通更新与AI应用趋势研判。目前所有参会者均处于静音状态。下面开始播报声明：本次电话会议仅服务于国泰海通证券正式签约客户会议音频及文字记录的内容，仅供国泰海通证券客户内部学习使用，不得外发，并且必须经国泰海通证券研究所审核后方可留存。国泰海通证券未授权任何媒体转发此次电话会议相关内容，未经允许和授权转载转发均属侵权。 国泰海通证券将保留追究其法律责任的权利。国泰海通证券不承担因转载转发引起的任何损失及责任。市场有风险，投资需谨慎，提醒广大投资者谨慎做出投资决策。好，各位线上的机构朋友们，大家下午好，我是国泰通计算机分析师钟明翰啊，非常欢迎大家来今天跟。 我们的。这个及时角在秋季策略会这样一个机会啊。包括及时讲，马上在。下一周就要入通了啊，在此之前呢，去做一个更新的交流。 啊，包括对于整个产业未来趋势的一个研判。啊，那我们今天非常有幸请到了公司的董秘。呃，徐总还有公司L R D吴总。啊，那感谢徐总啊，请您先。 介绍一下公司最新的一个情况啊，虽然之前那个中报结束之后呢。呃，我们呃这个 通过表现也非常优秀啊，然后也开了一场电话会啊，但今天也想请您在。再更新更新。好的，好的，谢谢。 呃，那今天的话，我来给各位的话分享汇报一下我们及时角的情况。对。今天的话，我们主要是从这个财务和业务的两块吧，向我们各各位的投资者来那个介绍分享一下。对。 呃，及时角这边，2026年的上半年呢，我们已经扭亏为盈。对营收同比的话，增长超百分之一百六。呃，上市的这个首份中报可能各位也有看到，然后也确立了我们这样的一个业务拐点。这里边呢，主要也是我们大模型的解决方案。 这一块我们的收入呢同比也是。暴增了四十一倍。也是。基本上代替了我们传统的CV，成为了公司新的核心增长引擎。 对。这里的话也是我们这个AI产业吧，正从基础设施建设转向企业级的应用爆发。所以说我们也在这里的话，通过我们的这个行业的智能体，我们的 视觉大模型以及我们的标杆项目来卡位这样的一个黄金赛道。那。 像这个材料里也看到了，我们收入的增长的话，主要的增量来自于这个大模型的业务。其实这里也变相的说明了我们公司的战略方向。也已经从去年这个投入的阶段，进入了这个商业化的阶段。同时的话呢，我们也进一步的这个同步的。 加大核心技术的研发，进一步的夯实优化我们大模型系列的这种集群的产品。对。其实更重要的是呢，我们过去积累的客户。项目交付和高的复购率，也为我们大模型业务提供了现成的这个企业的入场券。 所以说我们这个整体的财务这块的这个。背后的一个结论呢，是原有的业务我们基本盘稳定。新业务开始贡献增长。我们的平台化和标准化的能力也在不断的改善我们的经营质量。 整体来说的话，2026年我们全年收入的话也是有一个预期的一个更好的一个增长。这个呢在H一已经验证了。那么下半年呢，也会随着我们的季节性的一个情况继续放大。那第二部分呢，我们是把我们的收入的话。 和毛利呢，拆开看了一下。整体的话，我们收入的大幅增长，其中。大模型业务作为我们最重要的一个增长来源。与此同时呢，我们CV业务也保持一个稳定的增长。 对，所以说这块的话就是在第一曲线稳定的情况下，我们有一个在新增的大模型解决方案业务来搭建我们这新增的第二曲线。毛利这块儿的一个。继续的一个稳步提升，也反映我们这块研发成果，还有标准化产品和复用能力。也在逐渐的转化成我们的一个经营效率。 所以说整体来说的话，收入结构是出现了一定的一个变化。我们C V业务提供了底盘。大模型解决方案打开增量。未来的话，也会通过不同的运维、授权、TOKEN消耗等来增强我们的持续性。 下面是一个相关业务的一个回顾了。其实这里的话呢，第一页我们还是讲一下这个，其实像 呃，在这个行业的定位，我们其实看到了，不管是在openai还是anthropic的行业动作，其实都能说明一个很重要的趋势。就最强的模型公司也开始重视企业落地的一个服务了。那么。 这里的话呢，也就是像 嗯。这个。deep c o 或者不同的这样的一些 f d e 的这种 落地的一个企业都强调我们的工程师要和业务人员坐在一起，围绕着具体的工作流来搭建系统。其实这里也说明了企业级AI的一个很重要、很大的一个瓶颈。 是已经从有没有模型。转向了能不能部署。能不能集成，能不能持续产生业务价值？其实这个部分的话，也是定位了即视角要进入的一个市场。 我们不是和大模型厂商去拼基座模型。而是做企业的AI落地。TOKEN的一个聚合。以及我们智智能体系统和持续的运维。 在这里，我们是用电力行业的这个产业链做一个类比啊。就是大家都可以看到这个。呃，批。这个材料的上半部分。 企业的话不会去直接接电厂的高压电，因为那是又复杂又危险的一件事情了。对他也没有办法去这个。这个完成一些调度啊、安全啊、计量啊、标准化接入等等。其实真正让企业能够安全稳定，即插即用，使用电的是中间的这个电网。 所以说电网的核心价值，它不是买电和卖电。而是把不容易使用直接使用的这种复杂能源。变成企业可以安全稳定。低成本可计量的这种基础设施 那么从AI TOKEN的这个产业链上也是一样。 对上游的话，有很多通用的大模型和行业模型。对，他们就像不同类型的这样的电厂一样。提供了AI能力的原料。但企业真正需要的不是把自己去分别接入每一个模型。 而是需要同样统一的一个平台，帮助他把模型接入token的调度。这个私有部署。还有这个像虚幻的消除、二次训练等等。集成给他来嵌入到企业的一个业务流程中。 所以说，即视角要做的事情就是这种企业级AI TOKEN的电网型平台。我们把上游复杂的大模型能力给标准化。产品化。服务化。 然后的话，转转给这个我们不同的交付的下游企业。让企业让像用电一样的话。来方便的使用A I。而这里的话，其实也变相的在做了一个验证，就是从过去的信息化到数字化到AI化。 那么SAP、SALESFORCE和PLANETIER对，其实都验证了一个点，就是说服务及软件也是企业及技术落地的一个相对来说是一个终局的形态。那么他们都通过不同的一种服务的层次，深入的去嵌入到了企业的核心流程里。所以说AGENT时代我们理解呢，可能也会重复这样一个逻辑，对客户不 不会是只买一个智能体的按钮，它更多的需要这种咨询的诊断流程的拆解、数据的治理、模型选择的幻觉的控制、二次 训练、储蓄运维等等这样的不同的服务。 所以这也是为什么极视角会强调F D E式的服务和全流程的陪伴，也是说服务呢，它不是一个低价值的人工外包，核心还是嵌入到客户的最缜密、最核心的一个内部的工作流程中。那这种方式的话，切入的越深刻。就是我们后续的。这个平台平台的运维的。 相关的费用，我们TOKEN消耗呢也都会越来越稳定。这公司也会这个被替换的概率也会越来越小这种的。护城河越来越高，公司的话也会越来越值钱。第三点的话是说，我们在深入的切入到了这个企业场景中，可以带来什么？ 就简单来说的话，过去的企业的操作系统。那可能是有一万个人在用企业的操作系统。未来的话可能是一千个人，加上九千个智能体。对，所以说在这里的话会产生大量的一个呃，无论是知识管理啊、智能体啊，对于它不断的这种。 呃，运维啊，提升对于它新的这样的一些定制。以及带来新的token的消耗。而这里的话，其实我们可以看到TOKEN的消耗的话，其实它直接取决于我们底座的一个覆盖的一个宽度和这个对于流程切入的一个深度。那切入的一个越深。 那么对于这个构建这个护城河的话，它的这个能力也会越强。因此，核心的一个点是我们并不是通过 一次性的一个项目就结束了。对，而是争取成为企业AI运行的一个底座和TOKEN消耗的一个核心的产生的一个入口。那第三点的话，就是我们给企业具体卖的是什么？ 那这里的话，主要介绍的是我们大模型的一个综合的解决方案了。它不是简单的一个采购，一个这种模型了。而是这个对于组织和业务流程的系统性的一种改造。我们是通过三个部分的话来完成落地。 就是包括了前期的咨询，帮助客户梳理场景和路径。中间的话呢，用企业级的全站平台来承载。模型数据知识库智能体 后期呢，也由F D E的团队深入业务现场来完成集成验证和持续的优化。对，那适用的客户呢，也是主要明确的有这个AI战略的杨国锦。 政府单位和传统行业的龙头 那最终交付呢，也是我们这个对于一条企业专属的一种AI的一个。落地的这样一种路径了。可持续的。扩展的这样的平台，然后呢，长期运营的这种人际协同的这种。 应用团队的一种支撑服务，对。没有一个。前面提到的我们说的这种电网式的这样的一种AI token的这样的一个产业链。这里主要说明的是我们这种电网里核心的我们产品和技术这一块的一个。 一个一个支撑的一个系统。那及时角的这一套平台的话。我把它简要的概括一下啊。呃，虽然复杂，但我们可以从最底部和最中间和最上层。 三个板块方面来看。最底部的话其实是连接的ERP、MES、LOT等等。这种数据库文件库 对，解决的是接的进来的问题。对企业原来有什么样的系统和数据，我们把它能够整合到一起。 不存在陌生感。对，那么中间这一层的话，重点。它是通过企业数据、知识平台、我们的本体、组件库等。对。 然后的话，把企业的数据转换成大模型需要的，或者是我们需要二次训练的，或者消除幻化的。等等那种关系动作工具，对，其实解决的是。引入的我们自己的大模型和这个。基座大模型如何看得懂？ 对。把企业的人事物和流程和规则变成AI能够理解的一种结构。那么最上一层的话，通过统一的这种runtime这种运行的智能体，我们解决的是跑得起来的这种问题。对。 让智能体的话，真正的能够进入到工作台。我们不同的企业的这种业务系统，让大家 用自己熟悉的这种业务系统。来继续的。呃，享受到AI的这一块的话，一个底层的一个支撑，对。 所以说的话，我们这一块不是卖的一个裸的TOKEN，而是建设了一个企业级的AI的一个运行系统。那么接下来这一页的话，主要是讲到的即视角和我们和纯文本形式的这种工具平台的这样一种差距了。因为即视角过去的十年沉淀做了大量的这种视觉感知计算机视觉相关的一个业务，也积累了相关的大量的这样的一个数据素材。所以说的话，我们在拥有这样的算法的同时，我们也在这个呃研发了我们当下的这个视觉语言大模型也积累。 费了大量的这种行业现场的这样的一种呃独特的一个认识物理世界的一个视角。同时的话呢，也结合右侧的这样的一种语义本体的这样的呃大模型，让企业的话呢，就是不