[年报]信雅达(600571):信雅达科技股份有限公司2024年年度报告摘要
信雅达科技股份有限公司 2024年年度报告摘要 第一节 重要提示 1、 本年度报告摘要来自年度报告全文，为全面了解本公司的经营成果、财务状况及未来发展规划，投资者应当到上海证券交易所网站（www.sse.com.cn）网站仔细阅读年度报告全文。 2、 本公司董事会、监事会及董事、监事、高级管理人员保证年度报告内容的真实性、准确性、完整性，不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。 3、 公司全体董事出席董事会会议。 4、 天健会计师事务所（特殊普通合伙）为本公司出具了标准无保留意见的审计报告。 5、 董事会决议通过的本报告期利润分配预案或公积金转增股本预案 本公司2024年度的利润分配预案为：公司拟以466,318,309股本为基数，向全体股东每10股派发现金红利0.47元(含税)，共计派发现金21,916,960.52元。 不派发股票股利，不转增股本。 第二节 公司基本情况 1、 公司简介
2、 报告期公司主要业务简介 特别是随着大模型技术的成熟与“AI+金融”场景的落地普及，AI驱动的业务模式在金融行业获得越来越多的认可。由于公司最初就专注于 OCR、NLP等智能技术，其在银行票据影像识别、金融智能客服、远程银行等领域拥有丰富实践与领先优势。另一方面，随着用户需求的不断升级与监管的日益严格，传统金融机构对安全、隐私与合规性拥有更高要求，也为金融 AI方案提供商提出了更具挑战性的课题。 除了外部宏观环境与行业发展趋势，数字人民币、金融信创和大模型应用也在逐步改变金融市场竞争生态。越来越多的银行开始建设私有化运营知识体系、搭建多维度风控模型，通过大模型与企业级金融场景结合，提升金融服务创新能力与抵御风险的综合水平。正是在这一背景下，公司制定了“All in AI & AI in All”战略，紧扣市场脉搏，借助近 30年的技术储备与市场触角，在多项业务中努力推进从“技术积累”到“市场化赋能”的升级。 1、报告期内公司从事的业务概述 公司成立于 1996年，初期便以图像智能金融 OCR票据影像产品切入市场，并由此逐步建立了与金融行业的深厚合作基础。早期，公司凭借 OCR技术帮助我国金融电子化发展，在影像识别、票据处理等业务场景中持续发力，为银行、保险、证券等金融机构提供高效率与高准确度的解决方案。时至今日，这一早期的技术积累不仅为公司在金融 IT领域的长久深耕奠定了坚实基础，更塑造了其“生而 AI”的天然基因。 在过去近三十年的发展过程中，公司在业务层面不断扩展，既专注于自身的 AI技术方案研发，也兼顾与其他行业龙头企业的多方位合作，逐渐形成了多元化创新生态体系。 公司于 2010年完成了首次业务升级：将传统呼叫中心技术与自然语言处理（NLP）和音视频技术深度融合，推出智能化呼叫中心解决方案，实现了服务模式从单纯的人工坐席到智能客服的跃迁，也成为 AI在其业务应用上进一步发展的里程碑。 2023年后，随着生成式 AI（Generative AI）所引领的技术热潮持续升温，公司更是顺势提出“All in AI”的创新战略，即在公司内部全面拥抱 AI。 报告期内，公司先后成立了两家 AI原生子公司——星舰智能与光年智能，快速整合了内部金融大模型领域的优势资源，并对外推出了针对多模态数据处理和大模型调优的核心产品。 报告期内，公司在 AI领域的战略布局已初显成效。公司连续三年（2022-2024年）入选"信创领军企业 100强"名单，巩固了在金融科技创新方面的优势地位。公司将金融客户的信创要求与数智化转型深度融合，形成集战略咨询、系统建设、应用集成、生产运维服务等于一体的"双助力"体系。 公司通过系列举措构建了较为完整的 AI产品矩阵，涵盖从底层技术到行业应用的较为完整链路： 1)、AI技术底座：包括大模型平台、智能体开发框架等基础设施 2)、行业解决方案：聚焦金融行业智能化转型需求，打造特色应用场景 3)、专业服务能力：形成咨询、实施、运维一体化的服务能力 2、公司核心产品体系 公司已形成一套比较完整的 AI产品体系，涵盖基础平台、行业解决方案和专业化工具： 2.1.1 基础平台与工具链 1. 大模型知识管理平台（猛禽平台）： o 基于 Agentic RAG与 GraphRAG混合架构 o 通过动态知识更新，实现知识库与监管要求的强时效对齐 o 深度集成 Xinference推理服务框架，实现推理加速与资源监控 o 支持多种模型的高效部署和优化，同时借助大小模型协同处理多模态数据 o 融合 DeepResearch和 GraphRAG两大能力，实现跨文档的数据整合与逻辑关系挖掘 2. AI研发底座： o 通过结合大模型能力定制化，解决传统软件研发生命周期中的痛点 o 通过自然语言处理与智能识别、分析和管理需求，确保需求一致性与连续性 o 采用"场景定义-模型适配-应用落地"架构，实现智能需求标注、辅助管理需求等场景化功能 o 提升软件研发效能与交付质量 3. 多智能体协作的全景洞察平台： o 基于非侵入性日志聚合和读时建模核心技术 o 实时监控智能体运行状态和工具调用结果 o 利用智能分析算法自动发现日志中的异常模式、性能瓶颈和潜在风险 o 提供流程优化、风险管理、用户行为分析和智能体编排协作分析等功能 4. 一站式模型与算力管理平台： o 快速接入多模态、多尺寸模型 o 实现异构算力融合、算力弹性调度、分布式算力协同 o 提升算力资源的高效利用和灵活调配 5. 智能体应用开发平台： o 提供低门槛、可视化的智能体开发环境 o 加速各类场景中的智能体构建、测试以及部署过程 o 快速链接实现业务场景智能化 6. 数据工厂： o 用于数据标注、数据清洗、数据治理等的综合工具平台 o 内置多套标注工具及智能化工具 o 持续助力标注效率和精度的提升，实现海量标注数据生产 2.1.2 行业解决方案 1. AI大模型赋能银行运营数智化系统： o 以助力银行实现数智化运营建设为目标 o 依托大模型技术构建私有化运营知识体系 o 形成包括制度规范、业务逻辑与操作执行的三层核心知识库资产 o 深度整合专家经验与数据分析能力 o 分解为知识问答、业务辅助、风控合规、数据分析及智能审核五大智能体 2. 远程银行大模型应用实践： o 依托近 30年的行业积淀，利用大模型能力推动产品智能化升级 o 突破小模型瓶颈，通过大模型长文本解析和语义理解能力，实现服务升级 o 重构智能中台，通过大小模型协同，实现信息的实时场景与洞察场景优化 o 激活非结构化数据，利用"猛禽智能体平台"挖掘语音、文本等数据价值 o 实现智能填单、知识随行等功能，提升标准化与效能 3. 贸易金融智能审单平台： o 深度融合 OCR与金融大模型技术，重构审单全流程 o 基于多模态智能解析突破传统规则局限 o 精准实现条款合规审查、隐性风险识别等复杂决策 o 内置标准化规则库并支持灵活配置 o 通过垂直领域大模型调优与硬件加速技术，保障高并发场景 o 采用轻量化模型压缩及数据隔离架构，满足银行私有化部署的合规管控需求 o 已覆盖信用证、保函等核心场景，持续拓展跨境支付、供应链金融等业务 2.1.3、业务场景与应用实践 致力于将 AI技术深度融入金融业务场景，主要应用实践包括： 1. 金融智能文档处理： o 实现票据、合同、凭证等复杂金融文档的精准识别 o 解决"高门槛、低智能、弱运营"难题 o 助力金融机构实现数据采集、处理、分析的一体化闭环 2. 智能化审单能力： o 自动解析单证业务逻辑 o 智能识别风险点与合规漏洞 o 复杂业务流程审核一键完成 3. 远程银行全链路智能升级： o 融合大模型技术，围绕远程银行呼入与呼出场景 o 实现智能转线摘要、智能话术推荐、智能质检与智能工单总结等功能 o 大幅提升用户服务体验 4. 客户经理展业效能提升： o 快速整合财报、舆情、行业数据 o 一键输出各类深度业务分析报告 o 解放客户经理，提升工作效率 5. 智能合规引擎： o 解析海量外部法规 o 自动匹配内部规范 o 输出合规风险清单与整改建议 o 助力企业规避合规盲区 6. 员工能力提升系统： o 自然语言驱动的数据洞察，让业务人员无需 SQL基础即可进行数据分析 o AI模拟实战培训，构建虚拟业务场景，快速打造高绩效团队 o 企业级知识运营中枢，构建动态更新的金融知识库 3、 公司主要会计数据和财务指标 3.1 近3年的主要会计数据和财务指标 单位：元 币种：人民币
3.2 报告期分季度的主要会计数据 单位：元 币种：人民币
季度数据与已披露定期报告数据差异说明 □适用 √不适用 4、 股东情况 4.1 报告期末及年报披露前一个月末的普通股股东总数、表决权恢复的优先股股东总数和持有特别表决权股份的股东总数及前 10 名股东情况 单位: 股
4.3 公司与实际控制人之间的产权及控制关系的方框图 √适用 □不适用 4.4 报告期末公司优先股股东总数及前10 名股东情况 □适用 √不适用 5、 公司债券情况 □适用 √不适用 第三节 重要事项 1、 公司应当根据重要性原则，披露报告期内公司经营情况的重大变化，以及报告期内发生的对公司经营情况有重大影响和预计未来会有重大影响的事项。 报告期内，公司继续开展各项主营业务，实现营业收入 1,967,165,994.38元， 同比降低约7.58%；营业总成本 1,453,193,169.48 元，同比降低约 3.47%；实现归属于上市公司股东的净利润为 72,172,715.62元。 2、 公司年度报告披露后存在退市风险警示或终止上市情形的，应当披露导致退市风险警示或终止上市情形的原因。 □适用 √不适用 中财网
 |