智通财经APP获悉，3月11日，亚信科技(01675)举行2024年财年业绩线上沟通说明会，亚信科技执行董事兼CEO高念书，高级副总裁兼CFO黄缨，副总裁、艾瑞数智总经理李云川，副总裁、能源事业部总经理陈海霞，副总裁、云事业部总经理傅葳等，出席了本次会议。
2024年，亚信科技实现营业收入约人民币66.46亿元，净利润约为人民币5.16亿元，净利润率提升至7.8%，较上年增长1.3个百分点；建议派发2024年末期股息每股0.252港元，派息率为净利润的40%，并宣派特别股息每股0.16港元。2024年度股息合计每股0.412港元。
2024年，公司坚持深化战略转型，强化结合人工智能、大数据等技术创新赋能垂直行业和数字化转型，持续推进在各应用领域的业务布局。但受企业客户，特别是运营商客户，自身增长压力而持续大幅缩减成本的影响，营业收入为人民币66.46亿元，同比下降15.8%。其中“三新业务”收入约人民币25.99亿元，同比下降10.3%，占收入比重提升至39.1%，比上年增长2.4个百分点。
应对传统业务转型，公司通过AI工具提升交付效率、加强集中采购和一站式公务消费平台全覆盖等各种降本增效举措，成本管控成效显著，毛利率为37.4 %，保持稳定。净利润约为人民币5.16亿元，净利润率提升至7.8%，比上年增长1.3个百分点，依然保持较好的盈利能力。
亚信科技董事长兼执行董事田溯宁博士表示：“展望2025年，公司将坚持稳中求进的发展策略，一方面夯实通信主业基础，确保业务基本盘稳定；另一方面，在坚持推进“三新业务”发展的基础上，聚焦布局三大增长点：AI大模型交付业务、5G专网与应用、数智运营，推动公司实现更高质量发展。”
以下为业绩会问答环节实录：
问：关于5G专网，工信部提出有序开展工业5G独立专网试点，独立专网可能在业务模式或产品形态上有些区别，对亚信科技5G专网业务有哪些积极影响，亚信科技如何推进相关工作？
陈海霞：回答这个问题前有很重要一点，我们需要解释一下亚信科技面向能源的5G专网其实和大家认知的传统专网有非常大差异，了解清楚这个差异后再回到这个问题就非常方便理解。
第一，我们的5G本身是一个完整的产品体系，所以我们并不是简单对标传统基站、核心网5G软硬件设备供应商，这是一个比较大的差异。
我们的完整体系，是一个横向、一个纵向、一个补充。横向上，我们的5G专网并不是设备级安装，而是整体业务从咨询开始，解决什么问题、有什么特点、要求，到网规划设计、到整个产品完整提供，还有现场安装、实施了交付、网优、网络运营，给用户提供一个交钥匙工程，这让建网、用网成本降低，体验非常好。
第二，纵向上，我们的产品体系端到端打通，与传统5G设备厂家不同，我们在整个电力场站从底层传感器做一些定制化传感，到这些传感和智能终端接入，现在已经到机器人、无人驾驶设备等一起，再到5G专网，传统大家认为的基站核心网传统网管等等，还有5G整体信息公共安全，还有5G专网运营平台，包含定位导航、语音调度、多终端接入管理、各种功能耦合。此外，还要支配我们典型的AI、大模型应用。
只有端到端打通后，才能真正帮助用户在网的基础上结合应用，为他的建设、生产、运营带来一些切实、显著的增效结果。整个大体系横向一体化服务，纵向端到端打通，才能满足能源用户要求。
除此之外，还不能只是解决5G本身的问题，对于很多场站终端而言，5G只是无线的部分，实际中配套的专线、光缆、大的高速公路广域网光纤都存在各种各样的问题，因为传统场站还是很简单的技术流，但现在无人，导致视频传输要求非常多，这样就要对用户结合无线内网、再结合光纤改造优化，甚至包括场站间的专线连接、多场站专线管理，整体提供一个非常强大的超链接、超融合信息高速公路，为真正的集中化、智能化网管提供必要的信息传输通道。甚至包括无线到有线，都要解决后，才能满足我们整个电力或者能源场站要求。
回到刚才的问题，在我来看，现在5G体系对我们是一个绝对的利好。因为亚信科技整个5G产品、服务大体系是完善的，具备完整设计交付能力，整个5G体系带来了很多显著价值，改变用户传统的管理经营模式，所以开放的5G态势对我们而言，应该是一个绝对利好。
问：刚才看财报发现AI大模型是一个亮点，想问一下亚信科技AI大模型业务目前主要服务哪些行业和应用场景，有没有突出的行业案例可以分享？
傅葳：我们在大模型应用开发上，从前年4月份跟阿里云签署战略合作协议后，6月份开始大量做场景部署。客户分布主要是政务、能源、包括能源电力、航司、交通、国央企、零售业，客户分布比较广，第一批客户主要是从阿里云导过来的客户，所以数量和质量都是比较好，大部分是行业头部客户。
我们也积累了很多场景经验，从最初简单的像问答、BI场景，到在很多头部企业做了更深入的场景，比如在国家电网做更多的调度场景，网络规划、电网规划场景，包括航空领域会做一些机务助手，零配件调度场景，包括在国央企做整体的知识库，以及很多客户、营销通用的场景，还包括招投标场景、政务一网通办、协同办公、12345问答等，这在很多地方也都落地了，包括浙江政府、上海政府、重庆政府，都有比较好的案例。另外在写作、问答上也有比较成熟的产品可供客户使用。
问：之前有企业跟我反馈，企业在落地大模型时，他们内部数据清洗或处理机制非常耗时也费钱，亚信科技大模型服务过程中的企业数据处理、数据清洗、数据标注这部分工作是否还在进行，这部分工作对亚信科技有什么挑战？
傅葳：数据是大模型的前站，我们做交付的基本理念就是，要把大模型的先进能力、生产力，转换成企业真正能够体现出来的场景价值。在这个过程中，大模型的能力是日新月异的，一是不同品牌的大模型，二是同品牌大模型版本迭代，基本都是按月迭代，它的能力进展非常快。
第二，企业本身对于什么场景可以用大模型，大模型怎么用，以及预期效果是什么，以及会带来新的问题是什么，在这方面的经验都不是很足。这里面更重要一点就是企业的数据问题。如果企业内部没有做过数据收集、整理、平台化、清洗化，它很难一站式去使用大模型。
所以我们接触很多客户他说要做大模型，提出很多场景，但我们入场第一站都还是会帮他做数据收集、清洗，包括整理标注这些工作，这些工作量比较大，也会带来比较大的成本。
我们在大模型工具链中，基于原来亚信科技数据中台体系、数据治理产品，做了一整套帮助客户快速治理数据的自动化工具，包括清洗、标识、分类等等，而且这套自动化工具本身也是用大模型做的，所以它的效率会非常高，也解决了使用大模型第一站的痛点的问题。
问：大模型交付过程中，之前用阿里大模型，现在DeepSeek出现后，企业选择大模型时有哪些优先考量，对不同模型之间选择有哪些优先级，为什么有这些选择？
傅葳：阿里在大模型上是一个全开放体系，不仅有自己大模型，也投资了国内大模型企业，我们在大模型的选择上是开放的，哪个大模型性价更加匹配，我们就用哪个大模型。
我们中间有一个大模型纳管平台，根据场景需求选择大模型，比如一些问答类场景、比如一些CV类场景、比如一些推理类大模型，都有不同大模型属性与之适配，这也是我们交付的一个门槛和难点，也就是说如果想做好场景交付，必须对所有大模型的长处、性能表现有足够认知和经验才能做好匹配，给客户提供更高的价值。
DeepSeek来了后确实对大模型交付工作产生了非常大影响，之前大厂提供的大模型基本不会为客户提供微调和训练的服务，因为训练一圈大概是千万级以上投入，客户一般支付不起，而且训练需要海量数据，一般客户私有数据也不具备这个数量级，在此基础上，我们更多的在于模型相对稳定的情况下用工程化交付手段，包括构建代理、copilot、数据清洗、提示词工程、调优等，为客户构建场景。但是DeepSeek来了后，会出现每个企业可以拥有一个更符合自己需求的、相对准确度更高、推理能力更强的小尺度大模型，它的能力可能比公用大模型能力更强，准确度更高、效果更好。
在这个情况下，对于我们大模型交付这一侧来讲，我们的能力就需要在原有工程化交付之上，增加模型的调优、模型的训练、模型的蒸馏这些能力，这一块整个亚信科技体系内部也有很多储备，我们也是快速把这个整合进来，所以在DeepSeek之下我们可以承接从算力部署，到最后应用生成这样一个端到端的大模型交付工作。
问：原来大模型部署时企业需要花千万成本，DeepSeek之后，花费成本下降了吗？
傅葳：之前大模型一体机私有化部署上一直有很多企业在做，但一体机环境、算力有限，跑不了大尺寸高参数模型，但DeepSeek来了后，会出现小尺寸模型也有大尺寸模型效能，所以这部分市场在非常快速起量。一般来讲会用两台，不同品牌不一样，可能是两个节点、可能是四个节点、也可能是N卡、也可能是国产卡，做一个算力部署，基本上可以部署到DeepSeek全尺寸模型，基本上可以支撑到企业一些通用性场景，基本上在上面都可以搭建。随着企业场景使用频率和其并发量，再做算力扩充。
所以现在对企业来讲，做一个两节点、四节点最小化的部署基本上能够支撑到企业全量大模型应用场景，这样一个真实案例，就是从算力到DeepSeek部署到全应用场景展现，目前亚信科技也具备展示能力，这个能力应该是行业内最早做到的。因为现在很多公司会部署DeepSeek，打穿一些API，但真正把场景布上去调优做好让客户使用还需要时间，我们部署完后应该是第一个。
问：在大模型方面，亚信科技如何看待开源大模型，比如DeepSeek，对垂直行业AI发展的推动作用？另外在开源趋势下，亚信科技如何保障自有的渊思大模型商业护城河？
傅葳：大模型开源实际上是一个趋势，从比较熟悉的阿里来讲，他上来就做了大参数模型的开源。因为开源本身对大模型进步是一个促进作用，开源后会有更多人用，模型会变得更加成熟、更加有效，减少了很多训练成本。基于这样，全球最著名的模型都是用了开源策略，这是第一。
第二，DeepSeek到底给客户能带来什么价值？因为大模型本身更像一个大脑，也像一个高智商的人，到底能够为企业带来什么价值，更多取决于我们对于企业痛点的分析，对于企业需求分析以及企业现有的信息化流程如何跟新质生产力结合，这方面做好就能把大模型价值转化为企业价值。
当然模型不断往前走，过程中能够带来的新的生产力，能力会越来越高。我们的渊思大模型，包括高总反复讲我们不是做模型底座，而是在基模上构建了一层工具链层，来实现把模型能力转换成价值的中间转换的工具，所以模型是谁，是开源还是闭源，对我们来讲都是全兼容的。
我们的价值是不断变化的，模型价值能够传导，而且企业侧场景是相对稳定的，不需要企业对不断涌现的大模型能力去做学习、做开发，而是在工具链平台上就能稳定构建场景，而且随着模型能力不断提升，它的场景能力也能不断得到提升，这是我们渊思大模型主要的功能。
问：刚才提到24年大模型交付取得的成绩，今年年初也已经跟DeepSeek配合上线运营了，今年及以后大模型交付有哪些发展计划？
高念书：我们认为大模型应用场景市场才刚刚开始，目前看到的应用还属于冰山一角，客户正常在使用大模型的过程中，一定是从浅入深，从点到面的过程，会先拿出一些边缘性场景做尝试，逐步走到核心场景，也会从一些局部部门或局部岗位开始尝试，逐渐走到全部岗位，也就是所有系统都用大模型迭代。所以我们对未来发展方向是非常好的，可能它的市场体量也是会非常巨大。
我们自己发展路线，首先因为大模型交付对模型本身的理解，甚至对算力的理解而言，是非常重要的，所以我们跟阿里和百度这两个运营商合作，能够获得不断变化的大模型基座和算力的强有力支撑，同时也能够有一些全体量客户触达通道。
以阿里为例，目前我们的市场拓展模式，首先我们会更聚焦行业头部客户，因为我们认为行业头部客户的认知能力，包括资金储备、IT化建设、数据准确都是非常到位的。它去做大模型可实现度比较高，这里面有能源类、政务类、交通类客户，我们做这些项目交付的同时，也能够更深入了解到行业的知识、规律，跟客户有更紧密的互动，同时也是对我们自身能力的提升。
在这个方向上我们两个最头部的客户，一个是选择了电力系统，它是体量最大、能力最强的客户，我们最新规划了几十个大模型场景，而且今年年内都会落地，从我们角度，这些场景对泛企业大模型应用场景能够有80%覆盖，所以我们认为把这样客户深耕做好后，我们在企业市场会有非常强的竞争力。
在泛政务领域，我们也是跟阿里云一起服务了浙江政务体系，浙江有29个委办局都会陆续使用大模型场景，我们也会提供交付服务。这些场景对于全国的泛政务行业，比如公安司法、医保，都在泛政务场景里，这也是一个维度，可以覆盖更多的市场。
所以我们一个是做头部企业、头部客户，提升自己的能力，增加我们的覆盖范围；另外我们跟云商一起服务云上中长尾客户，中长尾客户目前相对聚焦于知识库、客服、营销等场景。更多把在大客户积累的经验、智能体下沉给客户做一些服务，形成降纬打击，另外大幅度降低交付成本，在海量客户群体里去实现一个比较大的覆盖。
在成本降低过程中就使用了目前比较火的manus系统，把过去在大模型上交付的经验能力全部内化给一个专用的智能体，让他快速组建、搭建客户个性化场景，大幅度降低成本，能够跟更多行业参与者产生一个比较大的成本上的差异。当然效果上我们现在有信心，我们在某些场景交付效果上目前是优于同行业参与者。
问：亚信科技一直是做通信行业软件服务的公司，近年来也一直在开拓非运营商领域的大型企业提供数智化转型的解决方案和服务，为什么突然一夜之间又变成了大模型交付公司？
高念书：亚信科技做大模型交付业务这不是一蹴而就的事情，大模型交付涉及很多环节，从咨询规划开始到数据标注、数据治理、模型微调、精调、应用的搬迁、安全体系、运维等，实际上是一个端到端的过程。ToC大家可能看的比较简单些，简单做一个搜索替代或者知识库替代。而对ToB企业，从咨询规划开始到最后的安全，都需要一些很长时间的积累。
亚信科技来源于运营商的BSS系统，这是运营商核心业务数据来源系统，很多基础数据都产生于这个系统，所以我们天生对数据非常了解，因此在这个基础上，过去的数据治理是我们一个很重要工作，我们有非常长时间的数据治理方面的经验。
除此之外，因为我们会做很多的交付，每年上千个交付，交付过程中沉淀出很多工具，包括数据治理工具、标注工具、交付的工具，这些工具是日积月累的，每年上千个打磨，让交付成本比别人更低、效果更高。
与此同时，我们有一支很强的队伍，我们开始定位头部大国央企，没有强的交付能力，往往是做不下去的。我们的交付能力很强、交付队伍很强，经验很丰富，有一支强的队伍。天生与生俱来的数据治理能力，让我们亚信科技在大模型交付当中树立了先发优势，为头部央国企打了一个标杆，未来也是一个很重要的收入增长来源。
既有过去的能力，也有新的学习微调方面的能力，再加上亚信安全成为我们控股股东，所以在大模型安全方面也有得天独厚优势，如果大模型裸跑在企业上，安全威胁大，这也是一个重要因素。所以有一些得天独厚优势。
问：管理层在拥抱AI交付、项目成本控制等方面提前布局，而且现在成效显著，去年这样一个大环境下在利润方面还是取得很好的成绩。现在关于AI，我跟其他上市公司也有交流，他们提到现在运营商成本虽然5G价格下调，但在AI算力、算法、数据方面，后续成本支出也在向这方面做一些转移、增长，这块对亚信科技会不会带来新的机会？
高念书：运营商的确在5G，在传统的BSS领域有所下降，压降成本、投资、包括O转C压力都非常大，在传统领域。但与此同时，在算力、AI方面投入的增加。在传统业务需要AI赋能方面，我们有很多机会，传统需求可能没有什么增长，但传统系统跟AI叠加，会产生很多新的需求，比如精分系统，大模型AI进行一定重构。
比如客服系统，营业CRM系统，虽然传统功能性需求在下降，但都会有新的AI需求，传统需求在AI叠加下，这种新的需求机会，亚信科技当然会努力抓住这些机会。
事实上，在运营商行业里，我们有60-100个与大模型相关的案例，在运营商领域，对冲掉传统不足的这块，用AI拉动新的机会。所有机会我们都会努力抓住，这是传统精分的，再加上营业系统，包括营业厅，AI大模型已经广泛应用，包括智能客服广泛应用，知识库等，这些都是需要AI叠加到传统领域，的确三个运营商各省公司、加总部、专业公司都有一些新的机会，这些机会我们会专注。未来还有一些新的机会会对冲掉老的需求下滑，新的机会相对是比较多的。
问：现在整个拥抱AI，尤其对内部的流程上，公司组织管理是否会带来一些新的调整和变化？
高念书：拥抱AI方面，组织管理有新的变化，一个是传统交付肯定有改变。我们交付，大家叫橄榄型也好，对技术、成本要求还是比较高的。新的这块，因为传统业务整个营收在下降，如果用过去高成本交付，肯定入不敷出，我们必须降低传统这块的交付成本，怎么改变它？组织结构要调整。原来橄榄型可能要逐步过渡到金字塔型，可能一部分高端的人引领一部分相对来说比较低端的一些人做交付，把成本降低下来，因此我的人可能有一些置换，一方面把不能胜任现在工作的，相对比较传统的这些交付，要有新的力量去替换。用熟悉大模型、熟悉新的交付能力的年轻队伍，去替换掉原来交付队伍，降低交付成本。
另外一方面进行全员AI培训，所有技术人员必须通过AI认证，才能有上岗能力。如果不会使用AI工具，过去传统的技术力量可能不适应新的要求，因此大量AI工具引入也是希望能降低我们的交付成本，所以我们组织里有很大的变化，所有技术人员在培训之后要通过我们AI认证考试，才有重新上岗机会，这是对大家新的要求，也是拥抱AI变化整体的要求，无论工作多少年，必须重新培训。如果不能满足这个要求，就不胜任这个岗位了，我们宁可引进一些新的年轻队伍补充到交付队伍，降低交付成本，提高交付效率。
问：现在可以看到AI是一个非常大的趋势，公司不管是对外的产品，包括数智业务，运营商业务，各个业务领域都有使用，而且同时对内方面也会有一些经营赋能，在这些不同的环节中，对内或者对外或者不同产品线之间，AI的应用有没有差异？
高念书：我们对内用的AI产品，主要是一些编程工具，还有像内部后台、中台队伍，都希望把我们这一些内部的模型用起来，比如我们中间这层大量做交付、做产品开发的，要用我们的自动编程工具，这个主要是内部使用更多一些。
我们后台队伍，比如合同管理、法律、税务都需要用AI工具去提高我们效率。过去大量的靠人工、手工集合的合同管理、人力资源招聘管理，这原来是非常大量的人工工作，还有税务部门，过去都是靠人工作，现在内部都在使用AI工具，从人力资源招聘，到后台法务管理、合同管理、税务管理都在使用AI工具。
而对外，我们主要靠渊思大模型，是一个平台工具，我们并不做基模，但是面对所有基模，我们用这套工具集来降低企业使用大模型后的成本，提高它的交付效能，这些工作都在工具集中做完了，企业只要引入渊思后，可以把其他转换工作在这个工具里完成了，无论用deepseek也好、无论用阿里的也好、用其他的也好，是比较简单的，把这些通用的转换能力，数据治理等等能力都放在这个平台上做掉了，这样在模型实施的时候会简单的多，只要在上面应用有针对性开发就可以了，中间转换工作在平台都可以做了。这是建立在基模之上面对各个基础模型的一个工具，来降低各个企业使用大模型的成本，提高它的效率、缩短交付周期。
所以我们对内对外，的确有不同的AI产品。面对不同行业，我们也有不同的专有模型，比如能源行业，石油石化，机场等，每个行业都有自己的专业模型以及专有的智能体，这个已经在交付过程中了。下一步在我们业务展厅里会有面向各种业务场景不同的智能体的呈现，以及AI大模型端到端应用的呈现。
问：现在亚信科技按结果收费在数智运营中占比已经达到25%，占比越来越高，2025年我们在持续聚焦通信、汽车、能源这些重点行业上如何深入推进按结果付费模式的业务获得更大成长？
李云川：按结果付费市场在运营商市场，过去两年来乃至未来两年快速增长的汽车市场、金融市场，也有很大的市场纵深的幅度，我们自己按结果付费虽然占比提升，但对整个公司绝对值体量还是有很大的发展空间。所以未来两年在运营商市场结果付费，为客户增长服务、为自己增长奠定基础这块还要继续深化。
同时，过去两年增长比较好的金融、消费、汽车行业还要根据过去两年形成的行业知识积累、技术壁垒以及经验沉淀上继续做深。所以未来两年我们还是围绕着1+3，以运营商市场，汽车、消费以及金融三大领域纵深，做好更深层次、更大领域增长。
问：在数智运营业务领域，具体是怎么用AI降低我们的成本？包括说未来趋势是什么样，是不是还会有进一步的或者更多的成本下降的空间？
李云川：数智运营这块，当前更多为客户降低成本，比如前面谈到汽车行业，去年为很多主机厂做了智能客服、智能座舱，今年到智能运营，最近做一些智能制造POC，AI这个场景从边缘化替代开始，从一些固定场景为客户降成本；包括去年为金融客户投流，通过评级，降流成本，提高投费比；包括给运营商做的系统，提高OPEX投资，对新业务、存量业务增长带来推动，这是对外部。
对内部，一个是将自己内部专家级服务变成智库级机构，或者面向一个AI技术赋能型平台。先把专家知识经验、行业履历沉淀成两块，一块是智库型，一块是基础服务平台，从成本结构转化，既实现内部成本优化，又实现对外服务效率提升。
包括数智运营板块大量调研工作、研究工作，我们也通过AI+人工方式，面向更复杂业务问题和对业务增长解决办法，通过AI方式实现人机协同，成为复杂问题解决者、方案提供者，包括大量调研通过大数据+小数据方式，调研工作通过大数据判断行业趋势，通过调研小数据实现对商机捕捉，数据供应商变成一个洞察引擎，协助客户，也是降低内部大量成本。
去年，我们在调研费用上降低了千万级，通过自己调研工具，我们经过AI加持的调研平台来实现降本增效，同时把内部调研平台，包括50万客群社区变成一个SaaS产品，对外服务。通过AI加持，+数据、+客群，降低了研究调研成本，同时也成为一个输出工具，以SaaS工具为客户提供服务。AI通过业务模式优化方式，更新的商业模式落地，提供给自己、也给客户实现增长，为高质量发展奠定基础。
智通财经APP获悉，3月11日，亚信科技(01675)举行2024年财年业绩线上沟通说明会，亚信科技执行董事兼CEO高念书，高级副总裁兼CFO黄缨，副总裁、艾瑞数智总经理李云川，副总裁、能源事业部总经理陈海霞，副总裁、云事业部总经理傅葳等，出席了本次会议。
2024年，亚信科技实现营业收入约人民币66.46亿元，净利润约为人民币5.16亿元，净利润率提升至7.8%，较上年增长1.3个百分点；建议派发2024年末期股息每股0.252港元，派息率为净利润的40%，并宣派特别股息每股0.16港元。2024年度股息合计每股0.412港元。
2024年，公司坚持深化战略转型，强化结合人工智能、大数据等技术创新赋能垂直行业和数字化转型，持续推进在各应用领域的业务布局。但受企业客户，特别是运营商客户，自身增长压力而持续大幅缩减成本的影响，营业收入为人民币66.46亿元，同比下降15.8%。其中“三新业务”收入约人民币25.99亿元，同比下降10.3%，占收入比重提升至39.1%，比上年增长2.4个百分点。
应对传统业务转型，公司通过AI工具提升交付效率、加强集中采购和一站式公务消费平台全覆盖等各种降本增效举措，成本管控成效显著，毛利率为37.4 %，保持稳定。净利润约为人民币5.16亿元，净利润率提升至7.8%，比上年增长1.3个百分点，依然保持较好的盈利能力。
亚信科技董事长兼执行董事田溯宁博士表示：“展望2025年，公司将坚持稳中求进的发展策略，一方面夯实通信主业基础，确保业务基本盘稳定；另一方面，在坚持推进“三新业务”发展的基础上，聚焦布局三大增长点：AI大模型交付业务、5G专网与应用、数智运营，推动公司实现更高质量发展。”
以下为业绩会问答环节实录：
问：关于5G专网，工信部提出有序开展工业5G独立专网试点，独立专网可能在业务模式或产品形态上有些区别，对亚信科技5G专网业务有哪些积极影响，亚信科技如何推进相关工作？
陈海霞：回答这个问题前有很重要一点，我们需要解释一下亚信科技面向能源的5G专网其实和大家认知的传统专网有非常大差异，了解清楚这个差异后再回到这个问题就非常方便理解。
第一，我们的5G本身是一个完整的产品体系，所以我们并不是简单对标传统基站、核心网5G软硬件设备供应商，这是一个比较大的差异。
我们的完整体系，是一个横向、一个纵向、一个补充。横向上，我们的5G专网并不是设备级安装，而是整体业务从咨询开始，解决什么问题、有什么特点、要求，到网规划设计、到整个产品完整提供，还有现场安装、实施了交付、网优、网络运营，给用户提供一个交钥匙工程，这让建网、用网成本降低，体验非常好。
第二，纵向上，我们的产品体系端到端打通，与传统5G设备厂家不同，我们在整个电力场站从底层传感器做一些定制化传感，到这些传感和智能终端接入，现在已经到机器人、无人驾驶设备等一起，再到5G专网，传统大家认为的基站核心网传统网管等等，还有5G整体信息公共安全，还有5G专网运营平台，包含定位导航、语音调度、多终端接入管理、各种功能耦合。此外，还要支配我们典型的AI、大模型应用。
只有端到端打通后，才能真正帮助用户在网的基础上结合应用，为他的建设、生产、运营带来一些切实、显著的增效结果。整个大体系横向一体化服务，纵向端到端打通，才能满足能源用户要求。
除此之外，还不能只是解决5G本身的问题，对于很多场站终端而言，5G只是无线的部分，实际中配套的专线、光缆、大的高速公路广域网光纤都存在各种各样的问题，因为传统场站还是很简单的技术流，但现在无人，导致视频传输要求非常多，这样就要对用户结合无线内网、再结合光纤改造优化，甚至包括场站间的专线连接、多场站专线管理，整体提供一个非常强大的超链接、超融合信息高速公路，为真正的集中化、智能化网管提供必要的信息传输通道。甚至包括无线到有线，都要解决后，才能满足我们整个电力或者能源场站要求。
回到刚才的问题，在我来看，现在5G体系对我们是一个绝对的利好。因为亚信科技整个5G产品、服务大体系是完善的，具备完整设计交付能力，整个5G体系带来了很多显著价值，改变用户传统的管理经营模式，所以开放的5G态势对我们而言，应该是一个绝对利好。
问：刚才看财报发现AI大模型是一个亮点，想问一下亚信科技AI大模型业务目前主要服务哪些行业和应用场景，有没有突出的行业案例可以分享？
傅葳：我们在大模型应用开发上，从前年4月份跟阿里云签署战略合作协议后，6月份开始大量做场景部署。客户分布主要是政务、能源、包括能源电力、航司、交通、国央企、零售业，客户分布比较广，第一批客户主要是从阿里云导过来的客户，所以数量和质量都是比较好，大部分是行业头部客户。
我们也积累了很多场景经验，从最初简单的像问答、BI场景，到在很多头部企业做了更深入的场景，比如在国家电网做更多的调度场景，网络规划、电网规划场景，包括航空领域会做一些机务助手，零配件调度场景，包括在国央企做整体的知识库，以及很多客户、营销通用的场景，还包括招投标场景、政务一网通办、协同办公、12345问答等，这在很多地方也都落地了，包括浙江政府、上海政府、重庆政府，都有比较好的案例。另外在写作、问答上也有比较成熟的产品可供客户使用。
问：之前有企业跟我反馈，企业在落地大模型时，他们内部数据清洗或处理机制非常耗时也费钱，亚信科技大模型服务过程中的企业数据处理、数据清洗、数据标注这部分工作是否还在进行，这部分工作对亚信科技有什么挑战？
傅葳：数据是大模型的前站，我们做交付的基本理念就是，要把大模型的先进能力、生产力，转换成企业真正能够体现出来的场景价值。在这个过程中，大模型的能力是日新月异的，一是不同品牌的大模型，二是同品牌大模型版本迭代，基本都是按月迭代，它的能力进展非常快。
第二，企业本身对于什么场景可以用大模型，大模型怎么用，以及预期效果是什么，以及会带来新的问题是什么，在这方面的经验都不是很足。这里面更重要一点就是企业的数据问题。如果企业内部没有做过数据收集、整理、平台化、清洗化，它很难一站式去使用大模型。
所以我们接触很多客户他说要做大模型，提出很多场景，但我们入场第一站都还是会帮他做数据收集、清洗，包括整理标注这些工作，这些工作量比较大，也会带来比较大的成本。
我们在大模型工具链中，基于原来亚信科技数据中台体系、数据治理产品，做了一整套帮助客户快速治理数据的自动化工具，包括清洗、标识、分类等等，而且这套自动化工具本身也是用大模型做的，所以它的效率会非常高，也解决了使用大模型第一站的痛点的问题。
问：大模型交付过程中，之前用阿里大模型，现在DeepSeek出现后，企业选择大模型时有哪些优先考量，对不同模型之间选择有哪些优先级，为什么有这些选择？
傅葳：阿里在大模型上是一个全开放体系，不仅有自己大模型，也投资了国内大模型企业，我们在大模型的选择上是开放的，哪个大模型性价更加匹配，我们就用哪个大模型。
我们中间有一个大模型纳管平台，根据场景需求选择大模型，比如一些问答类场景、比如一些CV类场景、比如一些推理类大模型，都有不同大模型属性与之适配，这也是我们交付的一个门槛和难点，也就是说如果想做好场景交付，必须对所有大模型的长处、性能表现有足够认知和经验才能做好匹配，给客户提供更高的价值。
DeepSeek来了后确实对大模型交付工作产生了非常大影响，之前大厂提供的大模型基本不会为客户提供微调和训练的服务，因为训练一圈大概是千万级以上投入，客户一般支付不起，而且训练需要海量数据，一般客户私有数据也不具备这个数量级，在此基础上，我们更多的在于模型相对稳定的情况下用工程化交付手段，包括构建代理、copilot、数据清洗、提示词工程、调优等，为客户构建场景。但是DeepSeek来了后，会出现每个企业可以拥有一个更符合自己需求的、相对准确度更高、推理能力更强的小尺度大模型，它的能力可能比公用大模型能力更强，准确度更高、效果更好。
在这个情况下，对于我们大模型交付这一侧来讲，我们的能力就需要在原有工程化交付之上，增加模型的调优、模型的训练、模型的蒸馏这些能力，这一块整个亚信科技体系内部也有很多储备，我们也是快速把这个整合进来，所以在DeepSeek之下我们可以承接从算力部署，到最后应用生成这样一个端到端的大模型交付工作。
问：原来大模型部署时企业需要花千万成本，DeepSeek之后，花费成本下降了吗？
傅葳：之前大模型一体机私有化部署上一直有很多企业在做，但一体机环境、算力有限，跑不了大尺寸高参数模型，但DeepSeek来了后，会出现小尺寸模型也有大尺寸模型效能，所以这部分市场在非常快速起量。一般来讲会用两台，不同品牌不一样，可能是两个节点、可能是四个节点、也可能是N卡、也可能是国产卡，做一个算力部署，基本上可以部署到DeepSeek全尺寸模型，基本上可以支撑到企业一些通用性场景，基本上在上面都可以搭建。随着企业场景使用频率和其并发量，再做算力扩充。
所以现在对企业来讲，做一个两节点、四节点最小化的部署基本上能够支撑到企业全量大模型应用场景，这样一个真实案例，就是从算力到DeepSeek部署到全应用场景展现，目前亚信科技也具备展示能力，这个能力应该是行业内最早做到的。因为现在很多公司会部署DeepSeek，打穿一些API，但真正把场景布上去调优做好让客户使用还需要时间，我们部署完后应该是第一个。
问：在大模型方面，亚信科技如何看待开源大模型，比如DeepSeek，对垂直行业AI发展的推动作用？另外在开源趋势下，亚信科技如何保障自有的渊思大模型商业护城河？
傅葳：大模型开源实际上是一个趋势，从比较熟悉的阿里来讲，他上来就做了大参数模型的开源。因为开源本身对大模型进步是一个促进作用，开源后会有更多人用，模型会变得更加成熟、更加有效，减少了很多训练成本。基于这样，全球最著名的模型都是用了开源策略，这是第一。
第二，DeepSeek到底给客户能带来什么价值？因为大模型本身更像一个大脑，也像一个高智商的人，到底能够为企业带来什么价值，更多取决于我们对于企业痛点的分析，对于企业需求分析以及企业现有的信息化流程如何跟新质生产力结合，这方面做好就能把大模型价值转化为企业价值。
当然模型不断往前走，过程中能够带来的新的生产力，能力会越来越高。我们的渊思大模型，包括高总反复讲我们不是做模型底座，而是在基模上构建了一层工具链层，来实现把模型能力转换成价值的中间转换的工具，所以模型是谁，是开源还是闭源，对我们来讲都是全兼容的。
我们的价值是不断变化的，模型价值能够传导，而且企业侧场景是相对稳定的，不需要企业对不断涌现的大模型能力去做学习、做开发，而是在工具链平台上就能稳定构建场景，而且随着模型能力不断提升，它的场景能力也能不断得到提升，这是我们渊思大模型主要的功能。
问：刚才提到24年大模型交付取得的成绩，今年年初也已经跟DeepSeek配合上线运营了，今年及以后大模型交付有哪些发展计划？
高念书：我们认为大模型应用场景市场才刚刚开始，目前看到的应用还属于冰山一角，客户正常在使用大模型的过程中，一定是从浅入深，从点到面的过程，会先拿出一些边缘性场景做尝试，逐步走到核心场景，也会从一些局部部门或局部岗位开始尝试，逐渐走到全部岗位，也就是所有系统都用大模型迭代。所以我们对未来发展方向是非常好的，可能它的市场体量也是会非常巨大。
我们自己发展路线，首先因为大模型交付对模型本身的理解，甚至对算力的理解而言，是非常重要的，所以我们跟阿里和百度这两个运营商合作，能够获得不断变化的大模型基座和算力的强有力支撑，同时也能够有一些全体量客户触达通道。
以阿里为例，目前我们的市场拓展模式，首先我们会更聚焦行业头部客户，因为我们认为行业头部客户的认知能力，包括资金储备、IT化建设、数据准确都是非常到位的。它去做大模型可实现度比较高，这里面有能源类、政务类、交通类客户，我们做这些项目交付的同时，也能够更深入了解到行业的知识、规律，跟客户有更紧密的互动，同时也是对我们自身能力的提升。
在这个方向上我们两个最头部的客户，一个是选择了电力系统，它是体量最大、能力最强的客户，我们最新规划了几十个大模型场景，而且今年年内都会落地，从我们角度，这些场景对泛企业大模型应用场景能够有80%覆盖，所以我们认为把这样客户深耕做好后，我们在企业市场会有非常强的竞争力。
在泛政务领域，我们也是跟阿里云一起服务了浙江政务体系，浙江有29个委办局都会陆续使用大模型场景，我们也会提供交付服务。这些场景对于全国的泛政务行业，比如公安司法、医保，都在泛政务场景里，这也是一个维度，可以覆盖更多的市场。
所以我们一个是做头部企业、头部客户，提升自己的能力，增加我们的覆盖范围；另外我们跟云商一起服务云上中长尾客户，中长尾客户目前相对聚焦于知识库、客服、营销等场景。更多把在大客户积累的经验、智能体下沉给客户做一些服务，形成降纬打击，另外大幅度降低交付成本，在海量客户群体里去实现一个比较大的覆盖。
在成本降低过程中就使用了目前比较火的manus系统，把过去在大模型上交付的经验能力全部内化给一个专用的智能体，让他快速组建、搭建客户个性化场景，大幅度降低成本，能够跟更多行业参与者产生一个比较大的成本上的差异。当然效果上我们现在有信心，我们在某些场景交付效果上目前是优于同行业参与者。
问：亚信科技一直是做通信行业软件服务的公司，近年来也一直在开拓非运营商领域的大型企业提供数智化转型的解决方案和服务，为什么突然一夜之间又变成了大模型交付公司？
高念书：亚信科技做大模型交付业务这不是一蹴而就的事情，大模型交付涉及很多环节，从咨询规划开始到数据标注、数据治理、模型微调、精调、应用的搬迁、安全体系、运维等，实际上是一个端到端的过程。ToC大家可能看的比较简单些，简单做一个搜索替代或者知识库替代。而对ToB企业，从咨询规划开始到最后的安全，都需要一些很长时间的积累。
亚信科技来源于运营商的BSS系统，这是运营商核心业务数据来源系统，很多基础数据都产生于这个系统，所以我们天生对数据非常了解，因此在这个基础上，过去的数据治理是我们一个很重要工作，我们有非常长时间的数据治理方面的经验。
除此之外，因为我们会做很多的交付，每年上千个交付，交付过程中沉淀出很多工具，包括数据治理工具、标注工具、交付的工具，这些工具是日积月累的，每年上千个打磨，让交付成本比别人更低、效果更高。
与此同时，我们有一支很强的队伍，我们开始定位头部大国央企，没有强的交付能力，往往是做不下去的。我们的交付能力很强、交付队伍很强，经验很丰富，有一支强的队伍。天生与生俱来的数据治理能力，让我们亚信科技在大模型交付当中树立了先发优势，为头部央国企打了一个标杆，未来也是一个很重要的收入增长来源。
既有过去的能力，也有新的学习微调方面的能力，再加上亚信安全成为我们控股股东，所以在大模型安全方面也有得天独厚优势，如果大模型裸跑在企业上，安全威胁大，这也是一个重要因素。所以有一些得天独厚优势。
问：管理层在拥抱AI交付、项目成本控制等方面提前布局，而且现在成效显著，去年这样一个大环境下在利润方面还是取得很好的成绩。现在关于AI，我跟其他上市公司也有交流，他们提到现在运营商成本虽然5G价格下调，但在AI算力、算法、数据方面，后续成本支出也在向这方面做一些转移、增长，这块对亚信科技会不会带来新的机会？
高念书：运营商的确在5G，在传统的BSS领域有所下降，压降成本、投资、包括O转C压力都非常大，在传统领域。但与此同时，在算力、AI方面投入的增加。在传统业务需要AI赋能方面，我们有很多机会，传统需求可能没有什么增长，但传统系统跟AI叠加，会产生很多新的需求，比如精分系统，大模型AI进行一定重构。
比如客服系统，营业CRM系统，虽然传统功能性需求在下降，但都会有新的AI需求，传统需求在AI叠加下，这种新的需求机会，亚信科技当然会努力抓住这些机会。
事实上，在运营商行业里，我们有60-100个与大模型相关的案例，在运营商领域，对冲掉传统不足的这块，用AI拉动新的机会。所有机会我们都会努力抓住，这是传统精分的，再加上营业系统，包括营业厅，AI大模型已经广泛应用，包括智能客服广泛应用，知识库等，这些都是需要AI叠加到传统领域，的确三个运营商各省公司、加总部、专业公司都有一些新的机会，这些机会我们会专注。未来还有一些新的机会会对冲掉老的需求下滑，新的机会相对是比较多的。
问：现在整个拥抱AI，尤其对内部的流程上，公司组织管理是否会带来一些新的调整和变化？
高念书：拥抱AI方面，组织管理有新的变化，一个是传统交付肯定有改变。我们交付，大家叫橄榄型也好，对技术、成本要求还是比较高的。新的这块，因为传统业务整个营收在下降，如果用过去高成本交付，肯定入不敷出，我们必须降低传统这块的交付成本，怎么改变它？组织结构要调整。原来橄榄型可能要逐步过渡到金字塔型，可能一部分高端的人引领一部分相对来说比较低端的一些人做交付，把成本降低下来，因此我的人可能有一些置换，一方面把不能胜任现在工作的，相对比较传统的这些交付，要有新的力量去替换。用熟悉大模型、熟悉新的交付能力的年轻队伍，去替换掉原来交付队伍，降低交付成本。
另外一方面进行全员AI培训，所有技术人员必须通过AI认证，才能有上岗能力。如果不会使用AI工具，过去传统的技术力量可能不适应新的要求，因此大量AI工具引入也是希望能降低我们的交付成本，所以我们组织里有很大的变化，所有技术人员在培训之后要通过我们AI认证考试，才有重新上岗机会，这是对大家新的要求，也是拥抱AI变化整体的要求，无论工作多少年，必须重新培训。如果不能满足这个要求，就不胜任这个岗位了，我们宁可引进一些新的年轻队伍补充到交付队伍，降低交付成本，提高交付效率。
问：现在可以看到AI是一个非常大的趋势，公司不管是对外的产品，包括数智业务，运营商业务，各个业务领域都有使用，而且同时对内方面也会有一些经营赋能，在这些不同的环节中，对内或者对外或者不同产品线之间，AI的应用有没有差异？
高念书：我们对内用的AI产品，主要是一些编程工具，还有像内部后台、中台队伍，都希望把我们这一些内部的模型用起来，比如我们中间这层大量做交付、做产品开发的，要用我们的自动编程工具，这个主要是内部使用更多一些。
我们后台队伍，比如合同管理、法律、税务都需要用AI工具去提高我们效率。过去大量的靠人工、手工集合的合同管理、人力资源招聘管理，这原来是非常大量的人工工作，还有税务部门，过去都是靠人工作，现在内部都在使用AI工具，从人力资源招聘，到后台法务管理、合同管理、税务管理都在使用AI工具。
而对外，我们主要靠渊思大模型，是一个平台工具，我们并不做基模，但是面对所有基模，我们用这套工具集来降低企业使用大模型后的成本，提高它的交付效能，这些工作都在工具集中做完了，企业只要引入渊思后，可以把其他转换工作在这个工具里完成了，无论用deepseek也好、无论用阿里的也好、用其他的也好，是比较简单的，把这些通用的转换能力，数据治理等等能力都放在这个平台上做掉了，这样在模型实施的时候会简单的多，只要在上面应用有针对性开发就可以了，中间转换工作在平台都可以做了。这是建立在基模之上面对各个基础模型的一个工具，来降低各个企业使用大模型的成本，提高它的效率、缩短交付周期。
所以我们对内对外，的确有不同的AI产品。面对不同行业，我们也有不同的专有模型，比如能源行业，石油石化，机场等，每个行业都有自己的专业模型以及专有的智能体，这个已经在交付过程中了。下一步在我们业务展厅里会有面向各种业务场景不同的智能体的呈现，以及AI大模型端到端应用的呈现。
问：现在亚信科技按结果收费在数智运营中占比已经达到25%，占比越来越高，2025年我们在持续聚焦通信、汽车、能源这些重点行业上如何深入推进按结果付费模式的业务获得更大成长？
李云川：按结果付费市场在运营商市场，过去两年来乃至未来两年快速增长的汽车市场、金融市场，也有很大的市场纵深的幅度，我们自己按结果付费虽然占比提升，但对整个公司绝对值体量还是有很大的发展空间。所以未来两年在运营商市场结果付费，为客户增长服务、为自己增长奠定基础这块还要继续深化。
同时，过去两年增长比较好的金融、消费、汽车行业还要根据过去两年形成的行业知识积累、技术壁垒以及经验沉淀上继续做深。所以未来两年我们还是围绕着1+3，以运营商市场，汽车、消费以及金融三大领域纵深，做好更深层次、更大领域增长。
问：在数智运营业务领域，具体是怎么用AI降低我们的成本？包括说未来趋势是什么样，是不是还会有进一步的或者更多的成本下降的空间？
李云川：数智运营这块，当前更多为客户降低成本，比如前面谈到汽车行业，去年为很多主机厂做了智能客服、智能座舱，今年到智能运营，最近做一些智能制造POC，AI这个场景从边缘化替代开始，从一些固定场景为客户降成本；包括去年为金融客户投流，通过评级，降流成本，提高投费比；包括给运营商做的系统，提高OPEX投资，对新业务、存量业务增长带来推动，这是对外部。
对内部，一个是将自己内部专家级服务变成智库级机构，或者面向一个AI技术赋能型平台。先把专家知识经验、行业履历沉淀成两块，一块是智库型，一块是基础服务平台，从成本结构转化，既实现内部成本优化，又实现对外服务效率提升。
包括数智运营板块大量调研工作、研究工作，我们也通过AI+人工方式，面向更复杂业务问题和对业务增长解决办法，通过AI方式实现人机协同，成为复杂问题解决者、方案提供者，包括大量调研通过大数据+小数据方式，调研工作通过大数据判断行业趋势，通过调研小数据实现对商机捕捉，数据供应商变成一个洞察引擎，协助客户，也是降低内部大量成本。
去年，我们在调研费用上降低了千万级，通过自己调研工具，我们经过AI加持的调研平台来实现降本增效，同时把内部调研平台，包括50万客群社区变成一个SaaS产品，对外服务。通过AI加持，+数据、+客群，降低了研究调研成本，同时也成为一个输出工具，以SaaS工具为客户提供服务。AI通过业务模式优化方式，更新的商业模式落地，提供给自己、也给客户实现增长，为高质量发展奠定基础。
