2024年百融云研究报告：客户需求稳健增长，AI助力商业模式升级

公司是领先的垂直行业人工智能技术服务公司

公司创立至今专注于 AI 应用

百融云是国内领先的一站式 AI 科技云服务商，致力于为商业机构提供 数智化科技服务，满足商业机构智能风控与数字化转型需求。公司独立 研发的云平台突破性运用人工智能、云计算和机器学习等技术，为金融 行业提供高适配性的产品及解决方案，并基于长期对行业的理解和洞察， 帮助金融机构完成数智化发展，实现全面赋能。百融云主要与金融机构 进行合作，通过大数据、机器学习、云计算及 AI 技术，建立分析消费者 的金融和行为模式的专业知识，生成关键数据洞察，为金融机构在不同 商业场景中各个阶段提供赋能，提供全方位的产品和解决方案以帮助金 融服务供应商提升服务效率，提高风险管理能力和资质、意愿评估能力， 满足大众消费者和小微企业的融资需求、广大用户的财富管理需求和其 他多元需求。目前，公司在中国已累计为超过 7000 家商业机构提供服 务，包括银行、消费金融公司、保险公司等 5000 家金融机构及超过 2000 家其他垂直领域商业机构，在智能获客、智能风控分析、智能信贷决策、 智能用户关系管理、智能信用卡用户活跃及智能财富管理等整个金融服 务链条提供全面产品及服务解决方案。

百融云由张韶峰先生及其团队创立于 2014 年 3 月，创始人张韶峰是一 位在互联网、人工智能和金融科技领域拥有 20 年经验的创业者。他曾在 甲骨文和 IBM 等世界知名科技公司从事机器学习和大数据挖掘研发工作，并在之前的两次创业经历中，分别开发出了国内最早将 AI 与 SaaS 结合的数据挖掘软件—天才博通与基于人工智能的个性化算法平台— 百分点，这些都为百融云的创立积累了宝贵的经验。百融云创成立之初， 通过与光大银行的业务合作实现初期发展。2015 年，百融云创顺利完成 了 B 轮融资，签下了招商银行、光大银行等合作伙伴；建立了人工智能 实验室，在智能语音交互、自动机器学习平台等技术领域有了突破性的 创新，构建了自主研发的硬核实力；综合应用场景成功拓展到小微金融、 供应链金融、汽车金融以及、基金、信托等金融场景。2018 年，公司又 完成了由中国国新领投的 C 轮融资。2021 年 3 月，公司成功于港交所上 市，同时成为中国支付清算协会会员。目前，公司已成为金融科技领域 的领军企业，并得到政府、监管、协会、高校等机构的支持和认可。

百融云在经历了数轮融资后成功上市，其始终专注于底层数据积累和技 术框架的完善与创新。公司的发展历程可划分为以下四个阶段： 公司前身（2009 年-2013 年）——百分点科技金融事业部。百融云的前 身是百分点科技金融事业部，该事业部于 2009 年成立，并源于大数据服 务商百分点科技。百分点科技在金融数据治理领域积累了丰富的经验。 百分点科技的主要业务是精准营销，通过利用消费者个体偏好数据资源， 为客户绘制消费者兴趣图谱，并提供全面的数智化解决方案。这些经验 为后来的百融云打下了坚实的基础，使其能够在大数据和金融领域发展， 并为金融机构提供风险控制和信用评估等解决方案。 发展初期（2014 年-2016 年）——银行征信数据分析服务供应商。百融 云创的前身百融金服成立，成为一家银行征信数据分析服务供应商。这 一阶段面临挑战，但也孕育了机遇，因为传统银行面临提高经营效率的 迫切需求。在 2013 年，随着支付金融革新的发展，传统银行不得不考虑 通过科技来赋能业务，以应对第三方互联网金融机构的挑战，SaaS 服务 的需求也出现了显著增长。针对这一市场需求，百分点科技金融事业部 独立出来，成立为百融金服。凭借之前积累的数据资源，百融金服在创 立初期专注于为银行提供资信赋能服务，利用人工智能和机器学习算法 评估银行信贷客户的资质，并提供风控技术支持。

技术储备与业务扩张期（2017 年-2020 年）——风控与营销全流程赋能。 百融云在此期间注重提升核心技术，并丰富业务板块，实现了从风控管 理到营销全流程的赋能。随着金融科技市场的关注度提升，公司紧跟国 家政策的推动， 2016 年国务院发布的《十三五国家科技创新规划》，明 确着力推进科技金融产品和服务创新。百融云采取了多项举措。一方面， 公司继续扩大在金融产业链上的业务覆盖面。2017 年，公司确立了精准 营销业务，实现了金融产品与目标客户的精准匹配。同年，公司还通过 收购黎明保险经纪公司（70%股权）获得了保险经纪牌照，并开展了保 险经纪分销业务，促进了客户类型的多元化。另一方面，公司在技术方 面取得了重要进展。2018 年，公司成立了 AI 实验室，加大对智能语音、 知识图谱等技术的开发。智能语音机器人、智能模型训练平台"计算未来 AutoML"、端到端语音合成系统等成果陆续推出。2019 年，公司正式更 名为百融云创，以突出公司的科技属性和业务创新精神。 整合及深化期（2021 年至今）——借助生成式 AI 发展，快速扩展 BaaS 服务。公司在 2021 年初成功在港交所上市后，开始整合内外部资源，进 一步加强数据分析和智能运营业务，并将内部数据分析和智能运营业务 合并为智能分析与运营业务。同年，迈向财富管理科技领域，还收购了 银行科技公司众联享付（52%股权）。与此同时，公司成立了 X-Dynamics 部门，并将前 AI 实验室并入其中，该部门利用 AI 和其他深科技来改造 商业机构内部 IT 和流程，提升组织效能，实现降本增效的目的。截至 2022 年，公司已经覆盖了国内 7000 多家各类商业机构。由于金融机构 科技化需求逐渐从获取增量用户转向深度运营存量用户，因此未来公司 计划增加对智能运营、财富管理科技、保险科技等新业务的投入。

公司管理结构稳定，股东背景实力雄厚。为了确保初创团队在决策上的 影响力，百融云获香港联交所认定为创新公司，允许采用同股不同权的 股权结构。截至 2023 上半年，董事长张韶峰先生作为主要控股股东，持有占公司总股本 100%的 A 类股份，4.99%的 B 类股份。在公司上市之 前的多轮融资中，公司成功吸引了高瓴资本、红杉资本、国新基金等一 系列知名机构投资方的投资。

目前公司主要股东共持股 2.63 亿股，占 52.32%，重要股东中依旧包含 高瓴资本、红杉、国新、国调等国内外优秀私募投资机构，公司资质得 到优质资本认可。张韶峰是公司大股东，Genisage Tech 在张韶峰和一致 行动人名下，持股比例 15.87%，是公司的实际控制人，对公司的经营有 决策权。

业绩稳健增长，行业领先地位稳固

23 年中报结构重组，简洁反映业务本质。原智能分析与运营服务业务包 括数据分析业务和智能运营业务，数据分析业务即现 MaaS 业务，智能运营业务则已被划分至 BaaS 业务中。BaaS 业务又分为金融行业云和保 险行业云两块，其中金融行业云包括原智能运营业务和精准营销业务， 保险行业云即原保险营销业务。 公司在行业内处于龙头地位，近年业绩稳健增长。公司的营业收入在过 去几年保持了稳定增长的趋势， 2018 年至 2022 年间实现了持续增长， 复合年均增长率（CAGR）达 24%。其中 18-19 年和 21-22 年的业绩增长 主要由于核心客户数目及单客年均收入增加。公司的核心客户主要是大 型金融机构如银行、消费金融公司、保险等，其付款付费意愿和能力都 远高于中小企业和小零售商，使公司单客收入持续提升。20 年收入下降 主要由于疫情的负面影响和监管变动下客户业务策略的调整。21 年公司 的业绩亏损主要源于可赎回可转换优先股公允价值变动，该变动主要是 在上市时自动转换为股份而自负债重新分类至权益，与实际经营情况无 关。公司经调整后净利润由 18 年的 0.016 亿元增长至 22 年的 2.94 亿元， 盈利能力不断提升。公司 2023 上半年业绩超预期，实现营收 12.43 亿元 /同比+31.5%，归母净利润 2.05 亿元/同比+107.5%，主要由于依靠生成 式 AI 撬动的 BaaS 业务收入同比增长 36%，其中金融行业云业务收入同 比增长 55%。

公司拥有高品质的产品和强大的行业专知+KYC 标签+ KYP 标签壁垒， 行业领先地位稳固，议价能力已被证实。随规模经济效应逐步形成，在 过去五年中，公司的毛利率一直保持在 70%以上，对比港股上市 SaaS 公 司和金融 IT 公司处于领先地位，与国际领先同类公司不相上下。公司盈 利能力持续攀升，毛利率优势显著，2023 上半年公司整体毛利率 72.1%/ 同比+0.4pct，净利率达 16.6%/同比+6.8pct。

AI 助力公司商业模式升级迭代，MAAS 和 BAAS 业务稳健发展

MAAS 业务赋能金融机构智能风控

MaaS 业务持续发力，智能风控市场增长迅速

MaaS 业务持续发力，助力商业机构智能风控业务发展。MaaS（Model as a service 模型即服务）业务即通过利用决策式 AI，预判用户的风险、 意愿和能力，将商业机构 KYC（了解你的客户）和 KYP（了解你的产 品）过程数字化。该业务是公司成立时间最长，数据洞察积累最为深厚 的业务之一，主要向银行等商业机构提供智能风控和资质意愿评估服务： 机构客户通过 API 接入百融云自研平台，公司接受并处理客户的查询及 模型调用请求，并反馈客户所需模型结果，或根据客户具体需求在标准 化服务基础上进行进一步的个性化分析。MaaS 业务覆盖了贷前风控、贷 中监控、贷后管理全流程以及人寿及汽车保险风险管理等，主要产品包 括评分类产品（如反欺诈评分及贷款意向评分）和用户画像类产品（如 营销意向及资格认证），以标准模块化的产品形式，通过 AI 驱动的云平 台高效供给各类商业机构。公司亦提供定制化解决方案，将不同产品封 装整合在定制模块中，为客户提供个性化的解决方案。

MaaS 业务满足了传统金融机构的双重需求。一方面，该服务有助于解 决传统银行等信贷机构在处理大量征信缺乏可靠依据的信贷"白户"时所 面临的风险控制与欺诈难题。另一方面，这些服务基于金融机构自有的 用户信贷数据，引入了更多的刻画分析维度，满足金融机构对多维精细 化评估的需求。例如，通过分析商务经营状况、收入水平、社会关联信 息等因素，使最终的信贷风险评估更接近真实情况。 MaaS 业务营业收入受核心客户数和单客收入决定。MaaS 业务以决策式 AI 为基础，其收费方式按调用量收费。根据公司三季度未经审核营运摘 要，百融云在 MaaS 业务方面实现营业收入 6.65 亿元，同比增长 22%， 该增长主要受核心客户数增加 17%推动。公司目前核心的 180 多家客户 中，头部单客户贡献在几千万的体量，单客收入的上升空间广阔。公司 客户粘性强，根据公司以往披露，原智能分析与运营业务核心客户（每 年收入贡献超过 30 万人民币的客户）收入比例持续上升，公司核心客 户收入占智能分析与运营业务总收入的比例自 2018 年来均高于 75%。 核心客户数目也逐年快速上升，至 2022 年末达 227 家。核心客户平均 收入呈上升趋势，截至 2022 年末，智能分析与运营业务核心客户年均 收入达 368.7 万元，同比 2021 年快速提升 16%。

驱动核心客户数和单客收入提升的原因是 MaaS模型的迭代优化和产品 类型的不断丰富。公司目前的策略是“先落地再扩张”，先通过 MaaS 业 务与 7000 多家商业机构客户建立关系，获取信任，再不断地叠加新的业 务模块，同时还会提供咨询、联合建模、开发软件系统等服务。由于公 司的主要客户为大型机构，故目前公司的主要策略是使产品不断地在这 些机构进行扩张，以达到提高单客收入的目的。未来业务收入的提升主 要在于产品数量的提升，对于每个新的产品或者模块，如果测试结果验 证是有增益的，客户就会加购该类产品。累积服务客户数对 MaaS 模型 本身也十分重要，这意味着模型曾经触达的人群和场景十分丰富，将使 模型的预测更加精准。 MaaS 业务以决策式 AI 为基础，为机构提供数智化科技服务。决策式 AI 模拟人类的分析、判断和决策能力。其核心技术基于大量标注的训练 数据集，学习数据中的条件概率分布。决策式 AI 的应用广泛，包括人脸 识别、自动驾驶、推荐系统和风控系统等。过去十年，AI 商业化的主要 技术，如计算机视觉、语音识别、个性化推荐和精准营销，都属于决策 式 AI。决策式 AI 的价值在于提供精准的客户洞察和运营分析，从而提 高运营效率。例如，在营销场景中，AI 模型可以根据客户数据生成完整 的客户画像，进行客户分层筛选和风险识别，并基于客户画像进行个性 化产品推荐。在决策式 AI 领域，公司凭借近 10 年为超过 7,000 家客户 提供服务的经验，积累了丰富的行业知识和面向各行业和应用场景的模 型资产，每天的模型调用量超过亿次。这使得公司能够根据客户场景准 确洞察业务问题，并快速形成相应的模型和解决方案。此外，百融云创 已经加入华为生态系统，其基于华为云鲲鹏云服务构建的本地决策引擎 产品经过多轮严格的优化和测试验证，已顺利通过华为技术认证并获得 了认证证书。

金融大数据基础设施薄弱，数智化平台自建成本高企是公司 MaaS 业务增长的重要驱动因素

金融大数据基础设施底座尚不完善。目前国内数字金融基础设施建设的 发展与金融行业快速发展尚不匹配，2022 年底，央行个人征信系统收录 的 11.6 亿自然人信用档案中，仅 6.5 亿人拥有信贷记录，无信贷记录的用户占据很大比例。对于这部分信贷“白户”，传统金融机构尚无法给 予精确信用评级。而在互联网金融领域，主要客户多来自二三线城市， 这些群体的借贷额度需求较小，期限不长，导致在央行征信中心数据库 中缺少信贷记录。同时低能级城市具有信贷记录的居民与央行征信记录 重合度较低，也进一步导致合理评估信用的难度上升。虽然基础信贷数 据的缺失导致信用评估难度上升，但通过智能风控技术，金融机构可以 分析用户的多维特征数据来实现贷前的信用评级预测，大大降低信用评 估的难度。 传统金融机构自建数智化成本高企，对金融数据分析与运营需求旺盛。 自建底层数据平台和风控团队，每年的 IT 成本、人力成本在 500-800 万 之间，对中小金融机构而言是一笔不小的开销。这部分金融机构将风控 平台、数据管理与分析系统等底层数据服务设施部分或全部外包给独立 第三方数据分析运营公司是更经济的选择。

BAAS 业务赋能金融机构智能营销

BaaS 业务利用生成式 AI，结合决策式 AI 为企业提供高效率的营 销运营解决方案

BaaS 业务利用生成式 AI，结合决策式 AI 赋能金融机构智能营销业务。 BaaS（Business as a service 业务即服务）业务即通过利用决策式 AI 准确 匹配及过滤用户进行分层，并利用生成式 AI，助力银行、保险公司、财 富管理公司和互联网科技公司等商业机构实现高效率的新客营销、老客 焕活和智能运营。业务主要通过专有的 AI 智能语音机器人 VoiceGPT、 短信服务、人工或其他方式的组合协同触达用户，提供一站式服务，实 现金融机构与金融场景双向路由，构建高效、共创、共赢、健康的金融 服务生态。在客户运营方面，利用行业累积的动态客户标签构建能力， 为机构获取增量客户的同时运营其存量客户，辅助机构完成增量用户获 取及存量用户运营等核心 KPI，提升金融行业资产运营的效率。在收费 模式方面，该业务根据促成的金融交易规模收取技术服务费，和服务机 构形成利润共赢。目前 BaaS 业务分为金融行业云和保险行业云两块。

公司在决策式 AI 和生成式 AI 方面都有深厚的技术积累和独特优势，百 融 VoiceGPT、BR-LLM 百融大模型、Cybertron 平台与 ORCA-GPT 是 公司目前 AI 技术的主要发力点。百融大模型 BR-LLM，基于 MoE 架构， 针对产业应用进行设计。该模型簇整合了 7B、13B 等不同参数规模的大 模型以及传统小模型，通过顶层的模型路由，根据场景需求动态调用模 型能力。百融云创自主构建了 BR-LLM 的底层框架，并结合 NLP、智能 语音等技术，利用独有的真实业务场景数据进行预训练，从而在中文处 理能力、工具调用能力以及垂直行业知识等方面进行了增强。这些工作 使得 BR-LLM 在产业应用中展现出优秀的性能，同时保持了较低的推理 成本和较快的推理速度。

为了构建全面的工具链并加速大模型的应用开发，百融云创推出了 Cybertron 平台。该平台能够快速生成企业内部的 Bot，并与企业内部的 知识库和工具库进行对接，同时向外提供 AI copilot 和 AI agent 服务。 借助 Cybertron 平台，百融云创已成功孵化出 AI 员工和 AI 数字人等产 品。此外，公司已经构建了一套成熟的 AI 基础设施，以便于支持模型的 快速和低成本交付。自动机器学习平台 ORCA 可以对面向不同客户和应 用场景的大量模型资产进行统一和高效的生产和管理，实现自动化建模、 部署和推理服务。利用 BR-LLM 的代码生成能力，百融云创构建了 ORCA-GPT，实现了跨编程语言和框架的智能分析模型自动转换和部署， 从而大大降低了模型开发部署的周期和成本。基于 ORCA 等能力，百融 云创已经形成了强大的 AI 中台，提供了包含大模型在内的各类模型的 训练、部署和统一的 API 服务接口，实现了 AIOPS 全流程，统一管理 AI 算力、AI 资源和 AI 服务。

根据公司三季度未经审核营运摘要，百融云在 BaaS 业务方面实现营业 收入 13.19 亿元，同比增长 40%：其中金融行业云营业收入 8.36 亿元， 同比增长 60%；保险行业云营业收入 4.83 亿元，同比增长 16%。金融行 业云的主要增长来源于公司研发的 AI 智能语音机器人 VoiceGPT 以及在 BaaS 业务中持续改进的 AI 应用。

金融行业云：存量运营业务成长迅速，预计未来占比还将继续攀升

公司存量运营业务成长迅速，预计未来占比还将继续攀升。百融云存量 运营业务通过对金融机构存量客户精准分层，利用 AI 智能语音机器人 VoiceGPT、电销、短信与云端 SaaS 平台等手段帮助金融机构焕活存量用 户，为其提供全链条的运营解决方案。随着金融服务供应商逐渐重视对 存量客户的深度经营，存量运营需求旺盛。2022 年，公司存量运营业务 收入同比大幅增长 144%。 存量运营业务根据用户的成功转化与服务效果收取一定比例的服务费， 具体指标根据客户需求额定。金融供应商客户提供已有用户信息，授权 百融云做营销分析，公司通过机器学习与 AI 等技术进行精准筛选，将用 户分层分级，待金融机构客户匹配相应产品后，公司通过智能外呼等方 式来触达唤醒用户，并以唤醒率、贷款发放额度等指标来向金融客户收 取服务费。在焕活任何用户之前，公司不会向客户收取费用。

存量运营业务通过托管平台存量用户的方式对存量用户进行精准分层, 然后利用公司自主研发的 AI 智能语音机器人 VoiceGPT、云端 SaaS 平 台、智能外呼系统等协同触达不同用户层，助力银行、头部消费金融公 司、互联网金融公司等机构客户开展针对其用户的各项权益、积分营销 等活动，激活和转化非活跃用户。百融云的存量运营解决方案构建了信 息收集、精准分层、运营与决策、效果监控、互动与动态优化的统一闭 环生态，大幅提高了金融机构精细化管理存量用户的效果。公司目前的 业务正在逐步渗透到部分中小银行以及股份制银行的支行。 存量运营的产品模式层面，公司采用"金字塔型"策略生态框架，以满足 金融机构客户对其存量用户的运营需求。该框架的底层由科技应用平台和智能分析平台提供技术支持，中层由公司提供的现况诊断、系统部署、 智能分析服务与客户运营四大类服务作为支撑。表层则由新策略研发和 存量策略迭代优化模块组成，负责引领整个存量运营策略生态的迭代、 反馈和自我成长过程。

金融行业云：增量推荐业务有效提升流量获取效率与信贷产品转化 率，具备增量空间

利用“AI+大数据”技术，百融云在消费金融领域实现了对不同目标客群 的个性化营销与风险分析，覆盖家装、租房、3C 等多个消费场景。增量 推荐与贷款超市类似，提供精准的营销服务，通过在抖音等互联网平台 投放广告来吸引用户，并借助智汇云营销平台，通过智能前端过滤、实 时风险监控和增值推荐服务，实现产品的精准匹配，促成消费信贷交易， 并以固定价格或贷款金额的百分比等方式向金融机构客户收取服务费。 在精准营销业务中，由于百融云创仅是撮合交易方，不直接参与贷款发 放，不存在贷款违约的风险。

业务与产品模式

百融云的增量推荐业务根据平台用户消费和资信标签向用户作产品精 准推荐，同步进行用户画像和数据分析，从而实现信贷产品与消费者的 精准匹配。增量推荐服务具体运作流程可细为引流、分析、触达、撮合 与转化五大部分，主要对接金融产品供应商与需求方，专注于在公开平 台展示包括大型银行、消费金融公司、小额贷款公司及在线金融科技平 台等金融服务供应商提供的无需担保的信贷产品，同时根据分析平台用 户消费和资信情况向用户作产品精准推荐，使得个人消费信贷金融机构 能够更有效地触达目标客户。交易达成后，公司会按一定费率收取平台 服务费，且在消费用户成功申请贷款成为付费用户后，平台将持续协助 金融机构维护并开发消费用户，例如运用日常满减、绑卡、促活等活动。

百融云的增量推荐业务本质上提高了消费信贷转化与成交效率，使得银 行等金融机构获取有贷款需求客户的成本降低，同时也排除了有欺诈风险的客户。公司在投放流量时，便会对目标用户的画像进行分析，并不 断优化投放策略。贷款用户在注册时，平台会进一步对用户资料及行为 数据进行分析，完善用户标签，随后与平台上提供的金融产品进行匹配， 最终高效地向用户推荐匹配度最高的信贷产品，更好地满足用户的需求。 除了具备面向平台用户的风险监控外，在消费金融产品供给端，百融云 也设定了准入门槛，对金融产品供应商的风险进行审慎把控。百融云会 首先根据供应商的经营资质与监管要求对金融产品供应商及其金融产 品进行筛选，并通过审核金融供应商产品的合规性、调查公司经营情况、 建立产品供应商白名单等方式，确保供给端风险可控。

商业模式

增量推荐业务基本依循经典的金融中介平台的商业模式，最终盈利水平 由实际撮合规模、平台服务费率和营运成本共同决定。就收费方式而言， 信贷产品推荐主要根据合资格借款人的申请数目向客户收取服务费，向 金融服务供应商收取的每次推荐的价格为固定价格或是在服务合约中 预先约定好的价格。对于信用卡产品的营销，当用户申请并首次使用信 用卡时，公司会按照撮合贷款的规模，根据一定的费率收取服务费，并 按月向金融服务供应商结算服务费。 增量推荐服务收入端的主要影响因素为信贷实际撮合规模与平台服务 费率。实际撮合规模主要受宏观消费规模与数字金融技术影响。随着宏 观经济与消费需求逐步回暖，增量推荐业务整体的撮合规模将出现反弹。 平台服务费率则主要取决于服务客户类型，例如对于消费金融公司与中 小银行等体量相对较小的公司，公司收取的费率相对较低。 增量推荐业务的主要运营成本来源于流量导流费用。公司目标引流客户 为长尾端客群，用户基数大且导流成本相对较低。通过对长尾客群的积 累与长期的深耕服务，提高这部分用户的复购率是降低运营成本的有效 措施。

保险行业云有效提升保保险中介展业效率，增加经纪人产单量

保险行业云业务通过大数据分析全面了解用户的行为、习惯与需求，预 测客户对保险产品偏好，并为保险经纪人提供重要数据洞察，以便精准 向目标客户提供合适的产品，有效提升保险中介展业效率。该服务通过 黎明保险经纪在全国范围内展开，公司在 30 多个城市拥有 100 多个分 支，并通过日月保盒应用程序高效赋能 5500 多位保险经纪人，为经纪人 提供包括用户管理系统（CRM）、人才管理系统（TMS）以及签单自动化流 程（IDS）等多项工具。

业务与产品模式

百融云通过“黎明保险经纪”平台提供创新的综合保险分销服务。2017 年，为拓展业务场景，百融金服收购黎明保险经纪公司 70%股权获保险 经纪分销资格。具体业务流程方面，“黎明保险经纪”平台先与保险公司 签订人身险或财产险分销合同，后通过 AI 技术平台赋能经纪人团队开 展保险产品销售工作。经纪人可全程通过移动数据驱动的客户关系管理 平台“日月保盒”APP 继续高效实时追踪并管理用户，从而提升公司保 险销售及客户留存表现。

具体产品与服务方面， “日月保盒”是黎明经纪公司旗下经纪团队开发 的经纪人展业赋能工具，是黎明平台一站式保险营销服务的核心。“日月 保盒”利用大数据及 AI 等技术，覆盖风险识别、追踪、调整及理赔处理 整个保单周期。通过将保险产品与数据库连接，为保险经纪提供更多元 的消费者洞察，并能够有效检索合格保险产品，同时也为经纪人提供了 针对客户关系的高效实时追踪及日常管理的平台。公司提供的服务包括 潜在客户剖析与保险产品推荐、客户关系管理、保单管理、培训及发展。

百融云保险业务有效提高了保险中介的展业效率，亦通过技术赋能帮助 经纪人增加了产单量，满足了保险公司平台提高销售效率与降低人工成 本的本质需求。百融云黎明保险经纪目前分销的保险产品多为平均久期 在 10 年以上的寿险产品，百融云可向保险公司每年持续抽成佣金，其中 分给经纪人的佣金约在五年截止，后续抽成佣金均归于百融云，这将持 续为百融云贡献业绩。

商业模式

百融云保险行业云业务的收入来源于向保险公司收取服务佣金，佣金厘 定的方式基于保单持有人所支付保费的百分比。具体经纪费率则根据与 保险公司与百融云所订立的服务合约所确定，并按月向保险公司发出佣 金账单。对于多年期人身险，所收取的佣金费用率将随合作年份的增加 而逐渐下降。 保险行业云业务的运营成本来源于经纪人佣金与平台研发维护费用。经 纪人佣金、奖金水平以及培训费用与平台研发维护费用是公司保险营销 业务主要运营成本。依托于科技化平台赋能与扁平化组织架构，保险行 业云业务盈利具备持续增长潜力。日月保盒作为高效的保险经纪人展业 工具，有效帮助经纪人洞察客户需求，并提供与客户需求精准匹配的保 险产品，提高人均产出。平台亦帮助经纪人长期管理与维护客户，提高 保单继续率，逐步建立对客户佣金费率的议价权。同时，保险经纪团队 采用扁平化管理，团队管理者与经纪人均由总部智能系统直接统一管理， 使得团队沟通效率更高，有助于降低营运成本。

预计未来金融机构客户对于智能风控和营销需求 将持续提升，公司有望充分受益

金融机构客户对于智能风控和营销的需求将保持稳健增 长

中国智能风控和智能营销行业市场规模自 2017 和 2019 年以来均实现了 快速增长，年复合增长率高达 25.98%、18.32%。头豹研究院预计随着人 工智能等金融科技技术的日益成熟和广泛应用以及市场需求的持续增 长，智能风控和营销的市场规模有望在 2027 年达到 1661.4 亿元/786 亿 元。

持续扩大的业务规模和日益复杂的市场环境驱动金融机构对风险管理 的需求增加。就消费信贷场景而言，近年来中国的狭义消费信贷余额经 历了显著增长，已从 2014 年的 4.2 万亿上升至 2021 年的 17 万亿，年 复合增长率高达 22.1%。考虑到消费在推动 GDP 增长中的核心地位不断 巩固，叠加国内消费场景和产品持续升级，艾瑞咨询预计中国狭义消费 信贷余额将持续增长。此外，近十年间我国商业银行不良贷款余额由 2013 年的 0.59 万亿元攀升至 2022 年的 2.98 万亿元，不良贷款率由 1.00%上升至 1.63%。尽管近两年由于加大对信贷风险管控的投入力度， 不良贷款率有所下降，但金融机构仍面临较大的风险挑战和运营压力， 催生了对信用风险管理需求。

随着大数据、人工智能等技术在金融行业的应用广泛落地，金融机构的 风险管理模式逐渐从主要依靠人工的传统风控向智能风控转变，以适应 更加复杂的市场环境并提高风险管理效率。据艾瑞咨询调研发现，约 75% 的金融机构计划持续增加智能风控相关资金投入。借助大数据分析技术 和和机器学习、知识图谱等人工智能技术，金融机构得以实现对海量数 据的快速处理和深度挖掘，从而迅速准确地识别潜在风险点，并对各类 风险进行实时动态监测和精确评估，实现异常行为和潜在风险识别自动 化，在提升风控效率和精准度的同时显著降低了人力成本。

缺乏外部数据补充、策略定制化程度低和模型自迭代能力弱仍是当前金 融机构风控实践中面临的主要挑战，因此大多数金融机构仍需通过外部 交易或与第三方机构建立合作关系等途径补足风控能力。艾瑞调查发现， 多数金融机构决策者希望能够在完善数据沉淀的基础上优化风险策略 响应能力和风控模型的迭代能力。由于依赖强特征信息的风控机制难以 精准识别潜在风险点，智能风控需要包括社交行为、身份信息、设备安 全在内的弱变量信息来完备风险画像和风险评估机制，这需要大量外部 数据支持。此外，风控策略的定制化和自动化程度、风控模型的自学习 和自迭代能力也是金融机构风控实践中亟待补强的地方，这对金融机构 的风控技术的更新升级提出了新的要求。 考虑到自身数据资源和技术能力的限制，多数金融机构需要积极寻求与 第三方数据服务提供商和科技公司的合作，以进一步提高其风控效率。 艾瑞咨询调查研究发现，受自身技术水平、数据资源、数据治理能力等 因素的限制，区域性银行对金融科技外部合作有强烈需求。金融机构通 常存在大量具备极强的金融属性的多维度、高价值的数据，但缺少场景 数据、行为数据等，而第三方金融科技公司通常积累有大量的行为数据 和场景数据。因此，金融机构在进行智能风控实践时，通常需要从外部 获取这些缺失的数据以进行补充。

金融机构未来将持续加大在智能营销领域的投资力度，以实现降本增效。 随着数字化转型的深入推进，智能营销已成为金融机构提升竞争力、降 低成本、增加收益的重要手段。据艾瑞咨询调研发现，约 69%的金融机 构计划持续增加智能营销相关资金投入。以银行业为例，近四年间对营 销数字化转型的资金投入经历了显著增长，已从 2019 年的 434 万亿上 升至 2022 年的 1135 万亿。考虑到营销作为银行直接触客与利润创造的 核心环节，艾瑞咨询预计其资金投入规模将在未来 3 年以 35.15%的 CAGR 持续保持高速增长。

在存量用户竞争日益激烈的环境下，银行营销亟需加速数字化转型，以 提高市场竞争力。近年来我国银行卡累计发卡量增速呈放缓态势，已从 2018 年的 17%下降至 2022 年的 2.46%。信用卡和借贷合一卡发卡量自 2022 年 Q4 以来持续下滑；截至 2023 年 Q3，我国信用卡和借贷合一卡 发卡累计 7.29 亿张，同比减少 1.00%。我国银行业已逐渐步入全新的发 展阶段，从过去的快速增长模式逐渐转向更加注重稳定和可持续的发展 路径，开始面临存量用户的竞争压力。这对银行提出了精准营销的新要 求。银行需要具备对用户数据进行深度挖掘的能力，提供满足客户个性 化需求的服务，通过科技、数据、场景紧密结合实现用户全生命周期运 营。

以人工智能为主的前沿金融科技技术与精准营销业务场景高度匹配，可 有效赋能金融机构营销数字化转型。机器学习算法等决策式 AI 技术基 于用户历史特征进行用户筛选和营销预测，能够准确识别营销点，并充 分挖掘数据价值提升用户画像精准度，为用户提供个性化的服务体验， 从而提升营销精确率；同时，以智能语音与对话式 AI 产品结合知识图谱 和自然语言处理技术，广泛应用于营销等交互场景，可有效解决人工成 本高、客户服务效率低、客户体验差获客成本高、潜在客户转化率低等 问题，为金融机构实现降本增效的目标提供有力支持。

公司手握先发和技术优势，有望比同业更为受益

公司深耕垂直领域多年，积累了丰富的数据资源和行业经验，先发优势 明显。作为中国金融行业数智化转型的关键参与者，公司基于长期对行 业的理解和洞察，沉淀了深厚且独特的数据标签和行业 Know-How，构筑 起坚实的技术壁垒。基于丰富的行业洞察，公司得以准确理解客户需求 痛点，并利用融入了深入业务理解的模型高效解决客户的业务问题。截 至 23Q3，公司已覆盖超 7000 家商业机构，涵盖金融、租赁和互联网电 商等领域，建立了涵盖大范围数据标签的最大且最全面的数据库之一。 积累广泛吸纳并服务大量客户使公司能够积累海量多元化场景下的数 据，并通过 BaaS 服务模式获取业务全链条的真实反馈数据、形成高价值 的闭环数据反馈，促进其模型的迭代优化，为客户创造更多价值。

公司采取“先落地，后扩张”的业务模式，具有相对较高的客户粘性，且能及时捕捉潜在客户需求和新的市场机会，为公司的收入稳定增长提 供了有力支撑。截至 2023 年前三个季度，公司 MaaS 业务核心客户留存 率高达 98%，同比+2%。公司以具有经济效益的方式扩展客源，并随时间 推移增加向客户提供更多的服务。考虑到金融机构客户建立新合作关系 的转换成本较高，以及网络效应下不断巩固的领先地位，未来公司将继 续发挥在渠道和客户资源方面的先发优势，不断深化拓展与金融机构的 合作关系，实现更加稳健和可持续的收入增长。

公司在自然语言处理（NLP）、隐私计算、机器学习以及云计算等领域拥 有深厚的技术积累，构建了决策式 AI 和生成式 AI 深度融合的解决方案， 技术优势突出。2018 年 3 月，公司成立人工智能金融实验室，借助“数 据+算法+场景”的叠加效应，深入探索计算语音、自然语言处理、知识 图谱等前沿技术领域；同年，与五道口金融学院共同成立“金融大数据 研究中心”，推进数据科学领域人才培养与应用实践。截至 2023 年 H1， 公司拥有专利及软件著作权 209 项，覆盖人工智能、机器学习、隐私计 算、人机协同、多模态等领域，自主研发的 AI 语音机器人、自动机器学 习建模平台 ORCA 等产品已应用于业务场景，并成立 X Dynamics 开启 AI 2.0 探索。在前沿的大模型技术方面，公司也不断取得突破，包括专注 于产业应用的 BR-LLM 大模型、提升内部代码开发效率的 BR-Coder 编码 大模型，以及加速大模型应用开发的 Cybertron 平台，支撑了模型的快 速高效部署。

基于在决策式 AI 和生成式 AI 两大领域深厚的技术积累和业务实践经 验，公司打造了生成式 AI 和决策式 AI 深度融合的技术方案，将 AI 能 力贯穿于垂直行业、场景和客户的核心业务，实现从中间作业环节到最 终效果环节的全面延伸，从而放大可创造的业务价值。以营销场景为例， 决策式 AI 可以构建精准的用户画像，并进行分层筛选和风险识别，深入 洞察客户需求，为个性化营销策略提供有力支持；然后通过生成式 AI（如 AI VoiceGPT）实现智能交互，快速响应客户需求，自动生成个性化的产 品推荐和营销素材，从而提高客户转化率和满意度。通过决策式 AI 和生 成式 AI 的协同使用，公司得以在营销场景中实现端到端的智能化流程， 提高运营效率、优化客户体验，并促进销售转化，为企业创造更大的商 业价值。

公司自主研发的生成式 AI 产品智能语音机器人（AI VoiceGPT）有助于 实现营销环节降本增效。与纯人工服务相比，“AI+人工”的模式可节省 约 80%的成本，“AI”模式可节省约 90%的成本。通过将智能语音嵌入营 销环节，客户可以大幅降低人工成本。此外，AI VoiceGPT 每天可拨打 2000-3000 万通电话，每条 AI 线路拨打量是人工的 4 倍，且可进行多轮 交互对话、准确识别客户意图，反应速度与真人接近，降本的同时实现 运营效率和客户满意度的双重提升。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）