迅策AI数据服务迈入To kenOS时代

迅策迅策(3317HK)正文目录投资要点 6我们与市场观点不同之处 7国内领先的实时数据基础设施及分析解决方案服务商 8发展历程：从技术驱动迈向可规模化复制的平台化发展 8股价复盘：AI热潮驱动上涨后高位震荡 8股权与治理：创始人主导控股，核心团队稳定 9财务状况：收入增长势头强劲，经营质量持续优化 9场景重塑数据服务价值，实时数据基础设施迎来新周期 12AIAgent重塑生产力范式，场景成为数据价值载体 12Agent机制推高消耗，垂类数据调用价值进一步凸显 12Agent规模化落地：C端浪潮已至，场景成B端部署关键 13企业级Agent：市场拐点将至，场景成为AI应用价值兑现关键 15数据要素价值加速释放，实时数据基础设施市场迈向千亿级 18数据规模扩张与政策红利驱动实时数据基础设施需求 18实时数据基础设施率先落地资产管理赛道，未来市场增长空间广阔 20数字化转型加速行业破圈，多元化场景进一步拓展市场容量 21他山之石：从海外2B龙头Palantir透视迅策发展前景 23财务映射：Palantir验证AI数据底座高增长与高盈利弹性 23商业模式：平台化交付打开客户价值扩张路径 24技术壁垒：Ontology重构数据资产 26战略路径：从高门槛场景向泛行业复制 28平台化产品架构打开长期盈利空间，迅策未来增长动力强劲 31商业模式：收入模型从双因子升级为四因子模型 31统一数据平台为底座，标准化模块支撑跨行业复制 31商业模式从订阅和交易收费向计费延伸 32构建数据化底座，场景价值高于通用33核心竞争优势：实时技术领先、全链服务突出、优质客群加持 34资管技术积淀为基，打造AI垂类模型工业化落地的数据服务能力 35覆盖全链路的AI数据基础设施体系 36优质核心客户资源构建口碑壁垒 37增长驱动力：跨行业复制、数据中枢价值与平台化效率协同驱动 37AI数据基础设施与解决方案跨行业复制加速 37数据中枢的价值定位提升客户付费意愿 38平台化与模块化架构凸显规模效应 40盈利预测与估值 41盈利预测 41迅策(3317HK)SOTP估值 迅策(3317HK)风险提示 45图表目录图表1：迅策发展历程 8图表2：迅策股权结构 9图表3：迅策管理层信息 9图表4：迅策近年营业收入（亿人民币）及同比增速 10图表5：迅策近年期间净利润（亿人民币）及净利率（%） 10图表6：迅策近年毛利润（亿人民币）及毛利率（%） 10图表7：迅策近年费用率 10图表8：迅策近年分行业营收占比及营收增速 图表9：迅策近年分行业的毛利率 图表10：迅策近年分付费模式营收占比及营收增速 图表OpenClaw架构 12图表12：OpenRouter周度调用规模（万亿） 13图表13：2017-2025年企业AI及生成式AI使用情况 14图表14：数据限制是企业规模化部署AI的主要障碍之一 14图表15：2026E-2031E中国企业活跃智能体关键数据预测 15图表16：金融行业大模型应用技术能力框架示意图 16图表17：Anthropic于“Briefing:FinancialServices”发布的十款金融Agent 17图表18：2025年企业数据资源开发利用情况 18图表19：2022-2025中国年度数据市场总量 18图表20：2023-2025全国存储数据及活跃数据总量 18图表21：促进数据要素开发利用政策梳理 19图表22：实时数据基础设施功能展示 19图表23：实时数据基础设施与非实时数据基础设施比较 20图表24：2020-2029E中国实时数据基础设施及分析市场规模 20图表25：2020-2029E中国资产管理行业实时数据基础设施及分析市场规模 21图表26：不同行业对实时数据基础设施及分析解决方案的需求及关键应用 21图表27：2020-2029E中国其他行业实时数据基础设施及分析市场规模 22图表28：迅策与Palantir多维度对比 23图表29：Palantir近年营业收入（亿美元）及同比增速（%） 23图表30：Palantir近年净利润（亿美元）及同比增速（%） 23图表31：Palantir近年毛利率和净利率 24图表32：Palantir近年Ruleof40指标情况 24图表33：Palantir核心产品矩阵与AI网格架构 25图表34：Palantir的“Acquire-Expand-Scale”三阶段商业模式 26图表35：PalantirOntology架构 27图表36：PalantirOntology工作流 27迅策(3317HK)图表37：PalantirFDE方法论 迅策(3317HK)图表38：迅策数据驱动模块示意图 28图表39：Palantir分业务营收（亿美元）及占比（%） 29图表40：PalantirAIP架构 29图表41：迅策业务战略全景 30图表42：迅策近年开发的模块数量 31图表43：迅策的七大解决方案 32图表44：迅策的商业模式 33图表45：迅策的战略定位 33图表46：迅策架构 34图表47：通用大模型与垂类模型对比 34图表48：2024年中国资产管理行业实时数据基础设施及分析解决方案的市场份额 35图表49：迅策AI垂类模型的专业数据运营能力 35图表50：迅策的优势 36图表51：迅策与其他公司业务范围对比 36图表52：迅策近年新增付费客户数目及总收入贡献比 37图表53：迅策近年复购客户数目 37图表54：迅策AI智能平台 38图表55：迅策细分行业收入占比 38图表56：迅策细分行业毛利率 38图表57：迅策AI赋能的数据开发体系 39图表58：迅策近年付费客户总数及增长率 39图表59：迅策ARPU及增长率 39图表60：迅策近年员工数量及增长率 40图表61：迅策近年人均创收及增长率 40图表62：迅策收入拆分 42图表63：迅策毛利拆分 42图表64：迅策经调整净利润 43图表65：盈利预测 43图表66：分部估值 44图表67：可比公司2026-2028年预计收入及增速 44图表68：可比公司估值表 45图表69：迅策PE-Bands 45图表70：迅策PB-Bands 45迅策(3317HK)投资要点迅策(3317HK)AIAIAgentAI计费的商业模式，持续兑现业绩高增，打开中长期成长与估值天花板。重塑数据服务价值，海外龙头验证数据底座+AIAgent成长路径AIAgent产业化加速推进，推动企业数据从静态资源升级为实时决策链路中的核心生产资AI主要对应基础模型推Know-how基础AIAgent由内容生成走向工作流执行，其对低延迟、高质量和可治理数据的依赖持续提升，实时数据基础设施生成、调用和价值计量的关键底座。数据要素市场化政策持续落地，年国内实时数据3.6%2.8%，行业仍处于发展初期，增量空间较大。据弗若斯特沙利文预测，2024-2029年中国实时数据基础设施及分析市场、资CAGR22.0%、40.7%，行业增长具备较强支撑。年毛ofTokenOS重构商业化定价逻辑，按量计费模式打开长期成长天花板AIAgentSaaS模式对按量调用场景的适配能力相AI应用按使用量ARPU搭建Know-how、可适配大模型调更强Palantir平台化变现的2026计费收入占比提升，公司长期成长空间和估值弹性有望进一步打开。DataAgent落地需求AIAgent的规模化落地，大幅提升了企业对实时数据的依赖。传统静态数据、T+1批处理模式，已无法适配智能体实时感知、实时决策的运行逻辑。公司长期深耕资管高合规、高时效场景，打磨出毫秒级异构数据处理、清洗与分析能力，构筑覆盖数据采集、治理、实AIAIDataAgent可有效解决通用大模型数据滞后、内容失真和落地难等行业痛点，并采用积木式交付模式灵活适配各行业需求，成熟资管场景可实现一周内远程部署复用，落地效率领先行业。迅策(3317HK)公司技术能力持续转化为收入增长，盈利能力和单客户价值同步改善。2022-2025年公司CAGR64.6%，202512.85103.3%60%70%、47.98%，亏损持续收窄。2022-2025ARPU158万元提559AI迅策(3317HK)多元化赛道持续放量，构筑第二增长曲线202225.6%2025年79.6%，2023-2025100%202237.0%202472.1%Palantir我们与市场观点不同之处从Token定价逻辑看，市场对迅策的主要担忧在于，开源大模型价格竞争加剧，通用模型Token调用价格持续下降，可能对公司后续按Token计费业务形成压力。的不同定价逻辑。主要对应基础模型推理能力，价格更多受模型开源、推理成本优化和厂商竞争影响；迅策的则建立在企业私域数据基础上，经过数据获取、清洗、标准化、实时计算、行业规则封装和模型适配后，服务于投资决策、风控合规、能源调度和医疗健康等具体业务场景。其价值来源更多取决于数据质量、实时性要求、场景复杂度和业务使用效果，而非单纯取决于底层模型调用成本。底层模AI使用对应的业务回报，使客户更愿意在更多业务环节中引入按调用量或按业务结果付费的模式。同时，推理成本下降后，客户投入重点有望进一步转向私域数据治理、实时数据接AIDataAgent和标准化模块体系的能AI应用的投入产出使用量增长。从竞争角度，市场对迅策的担忧在于，阿里云、腾讯云等云厂商产品布局完善、品牌实力相关业务，依托规模、成本及生态优势抢占市场，将对尚处在成长阶段的迅策形成竞争压制。我们认为，这一判断低估了公司在资管、运营商等强300多个专用模块，覆盖投资、风控、合规全流程，深度绑定客户核心经营流程，客户替换整套部署体系的成本较高，并且这种金融级实时技术、行业Know-howAIAgent对高质量垂迅策(3317HK)国内领先的AI实时数据基础设施及分析解决方案服务商迅策(3317HK)据基础设施与数据分析的实时信息技术服务。迅策业务最初从资产管理起步，旗下解决方案可覆盖资管机构全业务生命周期，涵盖投资组合监控、订单执行、资产估值、风险管控及合规管理等环节。近年来，迅策凭借在该领域长期沉淀的技术经验与成熟落地案例，逐发展历程：从技术驱动迈向可规模化复制的平台化发展2016化战略与生态拓展：、（–DOne、XOne、VOne等系列解决方案，A轮、轮融资持续补充资金，加速技术打磨与产品迭代。、产品矩阵完善与全行业拓展（0–：在完成B轮、C轮、C轮、D轮及交叉POneTOne、Cone、ROne等数据分析解决方案，逐步向非资管类金融服务、城市管理、电信运营等多元化领域拓展服务能力；先后获评国家高新技术企业、深圳市专精特新中小企业，完成股份制改革，逐步确立国内实时数据赛道的领先地位。、（–5IAgent202512所主板挂牌上市。、on化战略与生态拓展（26年至今：上市后，迅策进一步推进kn化战略，20264月与深圳数据交易所围绕数据资产化、数据资产入表和具身智能数据规范体系展开合作；5化、AI和世界模型等新兴供应商演进。图表1：迅策发展历程2016年， 2016年， 2018年， 年，4月，公司 推出实时数据基础建设解 成B轮融资科技成立，从资产管 DOne，提供原始数据聚合、处理•获认定为国家理行业起步 及管理服务 高新技术企业2022年，完成D轮融资推出数据分析解决方案COne，ROne，分别提供风险管理及合规监管服务获认定为深圳市专精特新中小企业2024年，获认定为中国专精特新“小巨人”企业2026年4月-5月与深圳数据交易所合作，推进数据资产化及具身智能数据规范发布TokenOS，构建私域数据Token化与调用计量能力。2017年，完成A轮融资推出实时数据分析解决方案XOne供订单执行及投资组合监控服务2019年，完成A+轮融资推出实时数据基础建设解决方案VOne业务需求及数据模型的数据聚合和精确处理2021年， 2023年，完成C轮及C+轮融资•完成交叉轮融资推出数据分析解决方案•完成股份制改革，更POne，TOne，分别提供名为深圳迅策科技股投资组合监控及估值服务份有限公司2025年，以AIDataAgent为核心，构建覆盖数据获取、清洗、标准化、实时计算至大模型调优的全链路技术体系12月，正式在香港交易所主板挂牌上市2026年6月，与博泰车联和赛目科技合作，将数据Token化能力拓展至智能网联汽车与物理AI等新兴场景。公司招股书、公司公告股价复盘：AI热潮驱动上涨后高位震荡迅策的股价走势在经历上市初期调整期后，随着AIToken经济加速发展与商业模式升级，实现大幅上涨，随后进入高位震荡整固阶段。自2025年12月30日于港交所上市后，公司先经历一段暗盘破发、初期低位徘徊的承压期；2026年2月起，伴随AI大模型落地带动Token需求增长以及迅策加速推进商业模式从项目制、订阅制到按Token付费的升级，迅策股价开启持续上涨，4月10日市值破千亿港元，随后进入高位震荡回落。股权与治理：创始人主导控股，核心团队稳定公司股权结构稳定，创始人保持主导控制权。创始人刘呈喜通过珠海亨呈及其控制的珠海26.85%GBAFund等机构股东持股可观，股权多元稳定。图表2：迅策股权结构GBAFundGBAFund珠海股温其他12.16%11.24%5.88%5.60%5.60%5.59%4.21%3.44%深圳迅策科技股份有限公司广西腾讯创业投资有限公司虞学东徐建军AccelAsiaHoldingsII珠海富前珠海恩圆公司2025年报IT制提供组织保障。公司董事会主席兼首席执行官刘志坚先生毕业于清华大学电子科学与技术专业，曾任职于苏格兰皇家银行，亦曾任国开国际投资执行董事，在资产管理及企业管2016销及运营管理。公司其他核心管理层具备腾讯、富途、恒生电子、金证科技、光大证券等科技及金融机构工作经历，覆盖产品研发、工程管理、交付售前、财务运营和机构客户营AIDataAgent及多行业场景复制的业务路径较为匹配。图表3：迅策管理层信息姓名 年龄 职位姓名 年龄 职位/头衔 履历刘志坚先生 45岁 董事会主席、执行董事兼首席执行官

6年426年203年2月起任董事会主席。在资产管理及企业管理行业拥有丰富的工作经验，曾任职于苏格兰皇家银行，亦曾任国开国际投资执行董事。毕业于清华大学电子科学与技术专业，获香港科技大学电机及电子工程硕士学位，获耶鲁大学管理学院颁授为耶鲁创新学者。主要负责政府关系、公共关系、大客户管理及营销相关事务。曾任职于远东国际租赁、国网国际主要负责政府关系、公共关系、大客户管理及营销相关事务。曾任职于远东国际租赁、国网国际融资租赁。毕业于天津大学计算机科学与技术专业，获清华大学工商管理硕士学位。46岁 执行董事兼总经理耿大为先生杨阳先生 41岁 执行董事兼首席技术官 主要负责产品开发及工程师团队管理。曾任职于腾讯、富途控股旗下深圳富途网络科技、创梦天地。毕业于中国石油大学（华东）电气工程自动化专业，获吉林大学软件理论硕士学位，并获北京大学光华管理学院EMBA。宣然先生 38岁 执行董事、总裁、首席财务官兼联席公司秘书

主要负责交付及售前、营销及业务运营、财务管理。曾任职于恒生电子，负责实施交付及售前工2018年福布斯亚洲“3030岁以下精英榜”获清华大学经管学院工商管理硕士学位。迅策迅策(3317HK)姜春飞先生 46岁 执行董事兼高级副总裁 主要负责机构客户营销工作。曾任职于深圳市金证科技、光大证券及金证财富南京科技。毕业内蒙古大学计算机应用专业。公司2025年报财务状况：收入增长势头强劲，经营质量持续优化收入大幅增长，盈利能力持续改善。2025年迅策实现营业收入12.85亿元人民币，同比+103.3%2022–202564.6%2023损幅度收窄，20252022-2024年间迅76%-79%的高位区间，2025年受多元化行业拓展与新业务投入影响，毛利率回落至61.66%，但仍保持较高水平；同时销售、管理及财务费用率持续下行，20253.92%、、0.17%，运营效率显著提升。图表4：迅策近年营业收入（亿人民币）同比增速 图表5：迅策近年期间净利润（亿人民币及净利率（%）12.856.325.302.88（亿人民币） 营业收入 12.856.325.302.881210864202022 2023 2024 2025

120%100%80%60%40%20%0%

（亿人民币） 净利润 净利润率(0.63)(0.97)(0.98)(1.30)(0.63)(0.97)(0.98)(1.30)(1)(2)(3)2022 2023 2024 2025

0%-5%-10%-15%-20%-25%-30%-35%-40%公司招股书、公司公告 公司招股书、公司公告图表6：迅策近年毛利润（亿人民币）及利率（%） 图表7：迅策近年费用率（亿人民币） 毛利润 毛利率7.924.857.924.854.192.259876543210

90%80%70%60%50%40%30%20%10%0%

80%

管理费用率 研发费用率迅策(3317HK)89.88%71.47%71.27%47.98%迅策(3317HK)89.88%71.47%71.27%47.98%23.59%8.39%15.46%6.88%14.43%6.49%11.47%3.92%公司招股书、公司公告 公司招股书、公司公告资管业务毛利率持续维持高位，收入占比下降但仍为公司盈利质量的重要支撑。分行业来70%以上的高毛利率水平，2022-2025年82.5%71.1%71.9%2025年的20.4%多元化行业业务快速放量，已成为公司收入增长的核心驱动力。多元化行业业务收入占比202225.6%20252023-2025144.7%、、164.0%，是迅2022-202465%以上AI图表8：迅策近年分行业营收占比及营收速 图表9：迅策近年分行业的毛利率资产管理收入 多元化行业收入(占比) 资产管理收入YOY 多元化行业收入

(YOY) 资产管理 多元化行业 整体40%

2022 2023 2024

200%150%100%50%0%-50%

100%90%80%70%60%50%40%

94.3%94.3%82.5%79.7%71.1%65.1%71.1%71.9%59.3%2022 2023 2024 2025公司招股书、公司公告 公司招股书、公司公告91.3%向按AI图表10：迅策近年分付费模式营收占比及营收增速(占比)46.5%61.7%46.5%61.7%80.6%91.3%53.5%38.3%19.4%8.7%

订阅模式收入 交易模式收入订阅模式收入YOY 交易模式收入

(YOY)200%

50%40% 50%30%20% 0%10%0%2022

2023

2024

2025

-50%迅策迅策(3317HK)公司招股书、公司公告、迅策(3317HK)场景Token重塑数据服务价值，实时数据基础设施迎来新周期迅策(3317HK)Agent价值体系建设，推动企业私域数据加速向可调用、可计量的场景演进。AIAgent规模化应用使数据从静态资源转向实时决策所需的生产资料，传统数据架构已难以满足其对低延迟、高质量和可治理数据的要求。实时数据基础设施能够将Agent部署中的数据瓶颈，并推动数据价值从成本20266印发《关于推进行业高质量数据集建设行动的实施方案》的通知，明确推动数据集商业化与资产化，探索以词元AI数据行业发展提供政策支撑。AIAgent重塑生产力范式，场景Token成为数据价值载体AgenticAI这类场景下，AI的每一次推理是独立的，不依赖外部环境的即时变化，数据可以预先准备OpenClaw（Agentic框架正在颠覆这Agent走向商业化阶段，数据的重要性也正在被进一步放大。Agent机制推高Token消耗，垂类数据调用价值进一步凸显OpenClawAgent消耗。AIAgent应用投OpenClaw为例，其核心组件包括：1）ChannelAdapters：将不同消息平台的差异抽象化，提供统一的消息接口，可以对接ontolIntfcs提供多种与GayWbI，CLI，macOSAppMobilenodes。GatewayControlPlane：通过访问控制检查对其进行路由，解析应Agent。AgentRuntime：从高层次来看，运行时在每一轮对话中执行四件事:当消息到达时，OpenClawAgentAgent运行机制引发的多轮低价值工具调用与严重的上下文冗余，其自动化执行流程本质上是利用大模型的先验知识进行概率性推理，并辅以工具调用和反馈循环的迭代式生成过程。图表11：OpenClaw架构AWS、Agent规模化落地：C端浪潮已至，场景Token成B端部署关键ClawC端快速拓展后，迅速因高操作难度、高成本与20262OpenClaw在全球范围内快速普及，AI赛道迎来了从对话到执行的范式转移，Anthropic、MiniMax、智谱、微软、腾讯等海内外厂商迅速跟进，通过云厂商的一键部署、模型厂商的云端整合、桌面端等方案，OpenClawCClawknOCawClawAICPB4OpenClawMoM下降50.6%QClawMoM41.0%，叠加模型厂商及云厂商集体涨价，4月份调用量出现下降。Agent426V4API价格调整公API输入缓存命中价格降至首发价的十分之一，创全球大模型价格新低，一定程调用量回升。59NousResearchAgent产品HermesAgentOpenClaw，其具备持久记忆与精准回忆能AgentAgent行业的又一个拐点，其以闭环学习系统、跨会话持久记忆、生态Agent的需求降温，而是需要真正能够自主沉淀经验、越用越顺手的数字劳动力。图表12：OpenRouter周度Token调用规模（万亿）Token调用规模（万亿） WoW（%）OpenClawOpenClaw热4540353025201510502026/1/5 2026/1/26 2026/2/16 2026/3/9 2026/3/30 2026/4/20 2026/5/11

40%30%20%10%0%-10%-20%-30%迅策迅策(3317HK)OpenRouter、Agent应用从模型能力比拼转向工作流落地，但规模化部署仍处早期阶段。OpenClaw、HermesAIAgent掀起的应用层热潮，企业普遍意识到模型参数大小并不等同业务价值，能否深度嵌入工作流并完成端到端任务交付，才是检20264AI应用于其运营中，202588%/79%AI/AI，AgenticAIAgent10%。图表13：2017-2025年企业AI及生成式AI使用情况(%)100%

2025年使用AI企业所处应用阶段比例

试验：对AI进行使用或早期测试7%31%30%7%31%30%32%

规模化：正在扩大AI的部署/采用范围

企业AI使用率 企业AI使用率 企业生成式AI使用率88%72%79%58%56%55%65%50%50%47%20%33%

全面规模化：AI已全面部署并集成迅策迅策(3317HK)McKinsey、Agentic202512月针AGIAGIAgenticAI能否成功部署取决于其数据架构能否支撑不断增长的自主性、协调性以及实时决策要求，并且提到企业应当从定期进行数据清洗转向持续、实时的数据质量管理，无论是结构化、非结构化数据还Agent自身生成的结果，都必须确保其在准确度、数据血统以及治理方面的一致性。AgentAgentAgent的CRM下文，实时拼装成一幅高保真的决策画面，如果数据是静态、过时的，则无异于在错误的上下文作决策；3）Agent在工作流中基于数据直接进行操作，数据若未经过实时治理，将直接导致任务出错，可能产生不利经济影响。图表14的主要障碍之一10%39%10%39%14%53%14%53%18%55%20%55%29%39%31%49%33%47%45%41%AI解决方案的成熟度局限于价值导向的方法应用场景过于狭窄技术平台限制采用滞后/变革管理不力数据限制运营模式/人才0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%McKinsey、迅策(3317HK)Agent2026317正式完成对Confluent收购，IBMConfluent，IBM能够帮助AIAgent能够基于实时态势做出即时响应；Palantir直接明确定义其ArtificialIntelligencePlatform（AIP）为连接GenAI与企业运营系统的平台，Ontology作为核心系统，深度整合数据、逻辑、行动以及AgentAgent-ReadyAI迅策(3317HK)企业级Agent：市场拐点将至，场景Token成为AI应用价值兑现关键ClawCloudNextAIGeminiEnterpriseAgent，定位用于帮助企业快速构建、扩缩、治理和优化依托企业自身数据的企业级智能体；OpenAI推出的WorkspaceAgentsClawPro产品首创“企业-部门-配额体系，搭配底NemoClaw针对OpenClawAgent则提供了完整的部署技术栈用于构建、测试和优化长期运行的智能体，用于规划任务、跨应用程序和企业数据协同工作。Agent当前IDC2026年起，中国活跃智能体、年度任务执行量以3.5亿个活跃智能体。随着智能体在企业流程中的渗透率提升，其有望逐步参与交易执行、业务协同和决正在深IT预算逻辑，AI调用效率，将带来不可控的成本负担。图表15：2026E-2031E中国企业活跃智能体关键数据预测注：IDC预测IDC、迅策(3317HK)高效转化为高价值业务产出。具备传统生产要素不具备的可编程性：同一底层模型在不同指令下，可能产生百倍至千倍的价值差异。在通用聊天场景中，百万0.012001000（含资产管理消耗形成高价值决策输出。我们认为，这种价值差异主要来自行业知识稀缺性、决策复杂度和容错成本差异，单纯调用通用大模型已难以充分满足需求，企业需要构建围绕迅策(3317HK)IDCIDC2026AGI供应、需求、供需优化三层体系，以实现价值最大化。其中产品化能力（如以垂直领域模型训练压缩泛化知识冗余，降低非业务相关的认知开销）对应需求侧的价值释放——通过基础设施、行业模型、AGI平台与智能体应用四层通过数据治理、模型校准、RAGMCP等工程手段，提升模型调用效率与推理经济性。图表16：金融行业大模型应用技术能力框架示意图IDC、迅策(3317HK)AI263数企业计划在8年前将II《AGI消耗满足真实业务需求。我们认为，垂类大模型通过领域模型精调、工程化治理和上下文压缩AgentAI迅策(3317HK)计费等新型商业模式率先兑现业绩。AIAnthropicOpenAI这样的行业巨头，AI的前提，也是获得能够精准反映业务逻辑、蕴含行业知识的高质量场景数据：在此前推出面向医疗和法律行业的解决方案后，Anthropic近期宣布与私募股权机构黑石集团、Hellman&FriedmanAI服务公司，Claude5日，OpenAI宣布成立一家名为“OpenAIDeploymentCompany”的全资子公40AI150名AI系统。图表17：Anthropic于“Briefing:FinancialServices”发布的十款金融AgentAgent名称类别功能说明PitchBuilder研究与客户覆盖创建目标列表、跑可比公司分析、起草路演材料MeetingPreparer研究与客户覆盖会议前整理客户与交易对手简报EarningsReviewer研究与客户覆盖阅读财报电话会记录和申报文件、更新模型、标记关键变化ModelBuilder研究与客户覆盖从申报文件、数据流和分析师输入中创建并维护财务模型MarketResearcher研究与客户覆盖追踪行业和发行人动态、综合新闻和申报信息、标记需关注事项ValuationReviewer财务与运营按可比公司和方法论标准复核估值GeneralLedgerReconciler财务与运营对账总账科目，按账面记录计算资产净值Month-EndCloser财务与运营执行关账检查清单、准备分录、生成关账报告StatementAuditor财务与运营审查财务报表的一致性、完整性和审计准备程度KYCScreener财务与运营汇总实体文件、审查原始单据、打包升级至合规团队审查Anthropic、垂类数据并非全部，企业端Token效能的实现还需要适配AI原生的底层调度系统。纵观信息技术迭代规律，每一轮产业规模化落地都依托于底层操作系统的范式革新：PC时代的ows解决了通用计算的标准化问题，移动时代的iOS与Android搭建了移动服务的生AIAI2026525日推出全球首款kOS操作系统kI核心生产资料的生产、治理、定价层面重构产业底层逻辑，为行业规模化商用提供支撑。应用的密集动作为新的行业趋势定下基调，AI价值的核心正从通用能力的参数扩张，转向“场景适配×数据积淀”的深度变现。AI计费等新型商业模式，将垂类数据供给和模型调用效率转化为可量化的长期业绩增长。数据要素价值加速释放，实时数据基础设施市场迈向千亿级数据规模扩张与政策红利驱动实时数据基础设施需求我国数据生产正由感知驱动转向计算驱动，企业已成为数据生产的重要主体，推动数据资源规模持续高速增长。当前我国数据要素市场化价值化进程显著提速，正由数据资源规模扩张向数据要素价值释放跃升。国家数据局《全国数据资源调查报告（2025年》的数据5年中国年度数据生产总量占全球约%.2Z（泽字节AIAI生成26.92ZB的数据量首次超过摄像头、传感器等物联感知的数据量；从主体看，企业数据58.30%64.18%，数据生产增量约九成来自企业数据，产业数智化转型成效明显。从行业和领域看，工业制造、交通物流、软件和信息技术服务业等行业数477.78%、75%的增长率高速增长。图表18：2025年企业数据资源开发利用情况指标头部平台企业中央企业数据企业样本企业数据开发率53.51%20.36%34.36%28.46%购数企业比例88.89%84.95%30.23%11.65%数据技术投入增速25.79%24.49%22.11%17.37%实现数据增值的企业比例25.00%26.17%18.25%11.14%国家数据局、数据存储与活跃利用水平持续提升，云存储与结构化数据占比稳步扩大，数据质量加速向20252.53ZB21.05%3.94ZB64.21%0.98ZB53.13%38.74%，有效支撑了业务协同和数据交互；结构化数0.56ZB43.59%22.13%，数据加速向可计算、可分析形态转化。从利用效率看，人工智能的普及应用极大促进了存储数据的盘活利用，1.67ZB28.46%，增速超过数据存储总量增速。图表19：2022-2025中国年度数据市场总量 图表20：2023-2025全国存储数据及活跃数据总量52.2641.0632.8526.83（ZB） 全国年度数据生产总量 52.2641.0632.8526.83

30%

(ZB) 全国存储数据总量 全国活跃数据总量全国存储数据总量YOY 全国活跃数据总量YOY504030201002022 2023 2024 2025

25%20%15%10%5%0%

3.02.52.01.51.00.50.0

2023 2024 2025

30%2.532.092.532.091.731.671.31.0620%15%10%5%0%迅策迅策(3317HK)国家数据局、 国家数据局、产业政策多层面助推数据企业数据资产入表落地及价值释放，企业数据资产的金融创新与全过程管理相关政策逐步完善：推动数据资产入表与价值评估：2020年中共中央、国务院发布《关于构建更加完善的2023迅策(3317HK)促进数据资源开发利用与流通：2024年国家数据局等五部门联合印发《关于促进企业迅策(3317HK)培育数据企业与产业生态：2024年国家发改委等六部门联合印发《关于促进数据产业2029CAGR20266月国家数据局印发《关于推进行业高质量数据集建设行动为基础的价值体系。图表21：促进数据要素开发利用政策梳理政策名称发布时间主要内容《关于推进行业高质量数据集建设行动2026.06顺应人工智能发展推进行业高质量数据集建设；强化与数据基础设施建设有机联动；打造“数据飞轮”应用的实施方案》闭环；培育为高质量数据付费的市场共识等《关于培育数据流通服务机构加快推进2026.02支持各类数据流通服务平台企业围绕产业链、供应链和平台生态，促进数据流通利用和价值共创；支持数数据要素市场化价值化的意见》据商深入行业、结合场景需求，开发数据产品，提供数据采集、加工处理、流通交易等灵活多样的服务等《关于加强数字经济创新型企业培育的2025.09在知识产权、研发投入等方面对数创企业提供支持；引导国有企业、行业龙头企业、平台企业等推进场若干措施》景开放，为数创企业新技术、新产品、新方案提供测试、展示、应用机会等《关于促进数据产业高质量发展的指导2024.12面向数据采集、存储、治理、分析、流通、应用等关键环节，加快培育新技术新应用新业态；支持企业依意见》法依规对其获取的数据进行开发利用，培育一批贴近业务需求的行业性数据资源企业等《可信数据空间发展行动计划（2024—2028年）》2024.11支持国有企业和龙头企业建设企业可信数据空间，构建多方互信的数据流通利用环境；探索融合人工智能模型，提升企业数据洞察力和业务创新能力等》2024.12 等《企业数据资源相关会计处理暂行规定》2023.08规范企业数据资源相关会计处理，强化相关会计信息披露；允许数据资源以“无形资产”或“存货”入表等《关于构建更加完善的要素市场化配置2020.03提出加快培育数据要素市场：推进政府数据开放共享，提升社会数据资源价值，并加强数据资源整合与安体制机制的意见》全保护国家数据局、国家发改委、财政部、中国政府网、面对海量、多样的数据洪流，数据基础设施的战略地位日益凸显。数据基础设施是用于进行数据收集、清洗、管理、分析或治理的系统。按处理机制与效率的不同，数据基础设施可分为实时与非实时两种类型，前者可在数毫秒至数秒内完成数据处理，后者则通常存在数分钟乃至一天不等的处理延迟。随着数据量的持续增长以及全新数据类型、数据来源的出现，企业对数据平台及应用程序的需求层级不断上移，及时、统一、高效的实时数据基础设施成为企业充分发挥其数据价值潜力的关键。图表22：实时数据基础设施功能展示公司招股说明书、图表23：实时数据基础设施与非实时数据基础设施比较实时数据基础设施 非实时数据基础设施实时数据基础设施 非实时数据基础设施处理机制 流处理：系统会在收集数据时处理数据，并产生近乎实时的输事件驱动

并产生批量输出的数据查询驱动处理效率 数毫秒至数秒 通常数分钟至T+1用户价值 提供更高的处理效率独特能力应用场景 提供高频率且持续生成的数据，以及对即时决策日益增加的需求等用场景典型使用案例 金融资产价格分析、金融资产交易、线上个性化推荐、诈骗侦测与范、反洗黑钱及物联网数据分析公司招股说明书、

提供可接受的处理效率为需要建立支持各种业务流程的数据基础设施的组织提供基本能力组织对数据存储、管理或处理有一般需求，且不需要实时输出数据的应用场景（ERP系统储与分析、企业每日或每月经营结果分析，或向终端消费者提供的查询服务实时数据基础设施率先落地资产管理赛道，未来市场增长空间广阔IT20243.6%，20245252202922.4202950.5亿元，CAGR22.0%AIAgentAI图表24：2020-2029E中国实时数据基础设施及分析市场规模(十亿元人民币)

中国实时数据基础设施及分析市场规模 YOY迅策迅策(3317HK)潜在市场规模（十亿元）潜在市场规模（十亿元）1,152.950.540.733.127.122.4525.215.610.36.64.150 60%50%4040%3030%2020%10 10%0 0%2020 2021 2022 2023 2024 2025E 2026E 2027E 2028E 2029E弗若斯特沙利文、公司招股说明书、资产管理行业是对数据准确性和及时性要求最高的领域之一。资产管理行业长期处于多资任何数据延迟、口径不一致或人为错误都可能被迅速放大为风险事件。但现实中相当一部Excel这类分散工具，形成严重的系统和数据孤岛，导致投资研究、交易执行、组合监控与风险管理难以实现及时、统一的处理。同时，资管IT基础设施成熟、历史数据积累丰富、预算充足，数据作为核心资产的可重用价值较高，使得引入实时数据基础设施不仅具备必要性，也拥有落地的成熟条件，可端到端地提升运营效率、优化投资绩效并强化风险管理。中国资产管理行业的实时数据基础设施及分析市场仍处快速发展阶段。随着资产管理行业持续推动数字化转型，按厂商实际收入口径计算，中国资产管理行业的实时数据基础设施及分析市场近年来快速增长，但渗透率仍然较低，20242.8%，迅策在该领域市场CR5提出更高要求，以及资产管理机构持续加大对高频量化交易和算法交易的投资，实时数据基础设施及分析将成为资产管理机构数字化转型的长期基础性需求。据弗若斯特沙利文预测，中国资产管理行业的实时数据基础设施及分析市场的厂商实际收入规模将继续保持上2024212029亿元，2024202940.7%。图表25：2020-2029E中国资产管理行业实时数据基础设施及分析市场规模(十亿元人民币)

中国资产管理行业实时数据基础设施及分析市场规模 YOY潜在市场规模（十亿元）潜在市场规模（十亿元）183.911.68.35.975.24.22.631.62.10.30.812150%108 100%6 50%40%202020 2021 2022 2023 2024 2025E 2026E 2027E 2028E

-50%迅策迅策(3317HK)弗若斯特沙利文、公司招股说明书、数字化转型加速行业破圈，多元化场景进一步拓展市场容量下游行业数字化转型持续推进，实时数据基础设施市场需求有望保持较快增长。5G、AI、物联网等技术的广泛应用，各行业数字化转型不断加速，传统批量处理、高延迟、分散异构的数据技术已无法满足企业对数据时效性、统一性和效率的迫切要求。金融服务业（除资产管理外场景不同存在较大差异。据弗若斯特沙利文预测，中国其他行业的实时数据基础设施及分2024166至2029年的389亿元，2024年至2029年的复合年增长率为18.6%。图表26：不同行业对实时数据基础设施及分析解决方案的需求及关键应用行业类型 关键应用行业类型 关键应用营运优化：实时监控可再生能源设备及系统的运作情况，包括燃料消耗、压力、温度等，以帮助可再生能源企业优化其能源使用，降低成本及对环境的负面影响。可再生能源金融服务 实时识别欺诈交易：实时收集及处理来自各渠道的交易数据包括客户的基本信息、交易历史及行为模式营运优化：实时监控可再生能源设备及系统的运作情况，包括燃料消耗、压力、温度等，以帮助可再生能源企业优化其能源使用，降低成本及对环境的负面影响。可再生能源物流 物流管理：实时监控及分析车辆运作情况、交通状况及货物状况等数据，提高物流及运输效率。零售 物流 物流管理：实时监控及分析车辆运作情况、交通状况及货物状况等数据，提高物流及运输效率。公共部门 公共服务管理：实时处理及分析大量数据，包括社会、经济、环境等数据，使公共部门能优化公共服务。城市管理：实时分析城市交通状况、环境状况及城市突发事件等数据，以确保城市日常运营的安全及效率制造管理 生产及质量管理：在生产过程中实时监控及管理生产设备及产品质量问题，以提高设备性能，减少损耗。农业 农业决策支持对大量农业数据进行实时处理及分析制造管理 生产及质量管理：在生产过程中实时监控及管理生产设备及产品质量问题，以提高设备性能，减少损耗。电信 电信 网络资源配置优化：通过实时收集及处理网络性能、用户行为等数据，帮助电信制造商优化网络资源配置，提升服务质量及准确性市场策略。公司招股说明书、图表27：2020-2029E中国其他行业实时数据基础设施及分析市场规模(十亿元人民币)

中国其他行业实时数据基础设施及分析市场规模 YOY迅策迅策(3317HK)潜在市场规模（十亿元）潜在市场规模（十亿元）38.932.427.222.919.4450.01316.68.75.83.8969.04050%3530 40%2530%2015 20%1010%50 0%2020 2021 2022 2023 2024 2025E 2026E 2027E 2028E 2029E弗若斯特沙利文、公司招股说明书、ConfluentApacheKafka50他山之石：从海外2BAI龙头Palantir透视迅策发展前景PalantirKnow-how和平台化交付能力。AI基础设施赛道中，高质量数据资产与垂直场景适配能力正成为大模型商业化落地的重要基础。Palantir2003年，长期服务政府、军工及大型企业客户，围绕数据整合、分析决策和运营执行构建平台化能2020年在纽交所上市，20249500AI应用需求提升和企业数据智能化趋势，Palantir近年在资本市场获得较高关注，体现出市场对数据智能平台稀缺性的重估。PalantirDataAgentAIDataAgent市治理、工业制造等多元化行业。与传统定制化软件公司相比，公司更强调实时数据基础AIAgent和垂直领域模型在业务流程中的落地。我们认为，Palantir和迅策分别在不同市场验证了相近的产业趋势：AI应用商业化的关键在于将企业数据、行业知识和平台化交付能力转化为可持续的业务价值。图表28：迅策与Palantir多维度对比维度迅策Palantir商业模式模块化拓展软件部署+Token分成“Acquire–Expand–Scale”三阶段软件部署+类订阅制核心技术

统一实时数据平台大模型DataAgent

异构数据本体(Ontology)AIP起家赛道 金融资产管理 国防与国家安全扩张战略 国内覆盖十大高价值赛道 全球覆盖17个核心行业迅策官网、Palantir官网、财务映射：Palantir验证AI数据底座高增长与高盈利弹性ntirIP商业化验证数据底座与gttr2024年、202528.66、44.7528.8%、56.6%；202616.3385%益于3年底推出的IPtr的增长表现表明，Agent结合后，有望在既有客户和业务流程中持续拓展应用场景，提升单客户价值和平台变现能力。对于数据基座型公司而言，随着行业场景、数据资产和工作流沉淀不断加深，后续商业化空间有望进一步打开。图表29：Palantir近年营业收入（亿美元）及同比增速（%） 图表30：Palantir近年净利润（亿美元）及同比增速（%）(亿美元)营业收入 营业收入YOY44.7528.6644.7528.6622.2519.0615.4216.3310.935.957.434540353025201510520182019202020212022202320242025020182019202020212022202320242025

100%80%60%40%20%2026Q10%2026Q1

(亿美元) 归母净利润 归母净利润2016.258.714.622.1016.258.714.622.10(5.98)(5.88)(5.20)(3.74)(11.66)1050(5)(10)20182019202020212022202320242025(15)20182019202020212022202320242025

400%300%200%100%0%-100%2026Q1-200%2026Q1迅策迅策(3317HK)Palantir2025年，GAAP82.4%；2026年第一季度，GAAP87.0%。在高毛利率基础上，公司利润释放能力持续增强，2025GAAP16.25亿美元，251.5%36.3%；2026GAAP8.705亿美元，53.3%2026Ruleof40145%。我们认为，数据底座型软件在客户侧完成部署后，随着应用模块持续叠加和使用量提升，收入增长有望转化为较强的利润弹性，并支撑公司持续盈利和现金流生成能力。图表31：Palantir近年毛利率和净利率 图表32：Palantir近年Ruleof40指标情况

毛利率 净利率

Ruleof40145%127%114%Ruleof40145%127%114%94%81%83%54%57%64%68%42%38%46%140%120%100%80%60%40%20%迅策迅策(3317HK)72%67%68%78%79%81%80%82%87%54%37%16%10%-34%-19%-78%-97%-107%2018201920202021202220232024202572%67%68%78%79%81%80%82%87%54%37%16%10%-34%-19%-78%-97%-107%201820192020202120222023202420252026Q12023Q12023Q22023Q32023Q42024Q12024Q22024Q32024Q42025Q12025Q22025Q32025Q42026Q1综合来看，Palantir近年收入增速显著抬升，毛利率和净利率维持较高水平，Ruleof40指标表现突出，体现出“高壁垒数据底座Agent”场景中的商业化能力。AIP在商业客户中持续落地，PalantirAI软件赛道的重要标杆。我们认为，其成长路径表明，当数据底座深度嵌入客户业务流程后，后续应用模块拓展和使用量提升有望持续提升单客户价值，并带动平台型公司的盈利能力释放。迅策在收入增长、毛利率水平和研发投入阶段上与Palantir具备一定可比性。2023202420255.30亿元、6.3212.852024IT19.1%CAGRPalantir上市2018-2020CAGR35.5%。60%Palantir上市初期水平。我们认为，迅策收入快速增长和较GAAPPalantir20032020年上市，以及上市后较长时间内，也因研发投入和股权激励费用较高而处于亏损状态，2020亿美元；tr于3AIDataAgent商业模式：平台化交付打开客户价值扩张路径Palantir拥有Gotham、Foundry、Apollo、AIP四大核心产品。迅策(3317HK)Foundry（财务迅策(3317HK)Apollo是独立于底层云厂商的部署与持续交付平台：战时弹性部署等能力，能够无缝部署在公有云、私有云、客户本地机房甚至前线无人机、潜艇等极端边缘计算场景。ApolloPalantir内部产品交付，也可作为独立产品对外销售，赋能客户软件生命周期管理；AIP管理2023PalantirAI能力。图表33：Palantir核心产品矩阵与AI网格架构Palantir官网Palantir的快速增长，同样依托于其经典的“Acquire–Expand–Scale”三阶段商业模式。这一战略突破了传统企业级软件高销售费用驱动的路径依赖，带来其超高单客户平均收入与客户终身价值。ui（前期试点tr通过“IP0强企往往不惜主动承担高昂的初始部署成本和试用期亏损。这种线下先导试点的策略，旨在用不可替代的硬核技术向客户自证其全要素异构数据的集成与映射能力；nd（深度嵌入：一旦先导试点通过并确立了核心地位，随着底层数据本体（Ontology）的深度嵌入，客户会发现自身已无法承受移除该系统的较高转换成本，客户粘性产生。此时，软件的使用权开始自发地从单一部门或特定场景向全集团范围AI号的年合同价值迎来持续提升；l（数字操作系统：最终，ar的软件网格将全面成为该机构日常运行中必Palantir的前期交付成本已基本锁定，业Agent持续消耗，为公司不断贡献高额边际利润，展现出持续的扩张能力。迅策(3317HK)图表34：Palantir的“Acquire-Expand-Scale”迅策(3317HK)FourWeekMBAPalantirAI时代背景下经济学”创新。相同点：平台化而非定制化。两家公司都拒绝了软件外包的传统路径。迅策依托其统2025300个标准化数据模块。面对跨Palantir一样通过模块的快速组合和适配完成交付。化计费：Palantir主要采用企业级软件许可及订阅收费模式，迅化计费，将金融、电信、能源等高门槛行业的私有数据转化调用量、模AI调用需求有望持续提升，推动公司单客户价值和经营效率改善。20252024年272559105.5%287万元，同比增长135.3%化计费有助于公司从传统软件交付向按使用量和业务价值收费延伸，进一步打开商业化弹性。技术壁垒：Ontology重构数据资产PalantirOntologyITERP系PalantirOntologyAI迅策(3317HK)图表35：PalantirOntology迅策(3317HK)Palantir官网Ontology推理时代的核心价值，在于降低大模型理解企业数据和执行业务操作的复杂度。Ontology之上后，模型无需直接解析底层复杂的原始数据表、字段和系统接口，而是通过标准化的业务对象、关系和流程理解企业运行状态。大模型在OntologyAction+AIPalantirAI数据平台领域的重要技术壁垒。图表36：PalantirOntology工作流Palantir官网迅策(3317HK)迅策的统一实时数据基础设施以金融级实时处理能力和标准化模块沉淀为核心，形成了与PalantirPalantir迅策(3317HK)在交付模式上，PalantirFDE（前线部署工程师）体系验证了前端工程团队深度参与复杂企业数据场景的必要性。FDE团队通常参与客户现场建模、系统集成和流程改造，帮助客户将复杂数据资产转化为可执行的业务应用。迅策在资管、运营商和城市治理等场景中也采用类似方式，通过工程师与客户业务团队协同，完成现场调研、需求拆解、数据接入和模型配置，将实时数据基础设施嵌入客户核心流程。同时，公司在长期服务资管及多元300中复用。我们认为，这种交付方式有助于公司理解高门槛行业的复杂业务需求，标准化模块沉淀则有助于提升项目交付的一致性和可复制性。图表37：PalantirFDE方法论 图表38：迅策数据驱动模块示意图Palantir官网 公司招股书战略路径：从高门槛场景向泛行业复制Palantir的发展路径体现出从政府高门槛场景向商业市场复制的平台化扩张逻辑。公司早Gotham切入美国国防、情报和国家安全机构，服务于战场调度、反恐追踪等复杂数Palantir的安全和合规要求下，帮助情报人员从多源数据中识别关系链和异常事件。我们认为，政Ontology架构能力，也为后续进入商业市场奠定了技术基础。ntirFondy平台。大型商业客户同样面临数据系统割裂、业务流程复杂和决策链条较长等问题，与政府和情PalantirFoundrySkywiseGothamFoundry模能力具备向商业行业复制的可能。政府和国防业务为公司提供了复杂场景验证，商业市逐步降低对单一政府预算周期的依赖，并通过平台化产品和行业案例复用提升商业化效率。图表39：Palantir分业务营收（亿美元）及占比（%）(亿美元)政府收入商业收入政府收入商业收入46.3%20.7345.2%12.9644.2%4.8255.8%6.1041.8%6.4543.8%8.3445.1%10.0353.7%24.0247.4%7.7458.2%8.9756.2%10.7254.9%12.2254.8%15.7052.6%8.584540353025201510502020

2021

2022

2023

2024

2025

2026Q1迅策迅策(3317HK)AIPPalantirAIPBootcamps模式提升客户验证和转化效率。传统企业级软件销售通常需要经历较长的需求沟通、概念验证和部署流Palantir1-5天的工作坊，使客户能够基于自身真实业务数据，在工程师支持下快速搭建面向供应链、财务核算和运AI模式的核心价值在于缩短客户从需求AIP在自身业务流程中的可用性，从而提升销售转化和后续规模化部署效率。图表40：PalantirAIP架构Palantir官网迅策(3317HK)迅策的发展路径同样体现出从高门槛场景切入，再向多行业复制的平台化扩张逻辑。与部SaaS公司从标准化需求较强的通用场景切入不同，迅策早期选择金融买方资产管理赛道，面对的是数据复杂度高、监管要求严格、实时性要求强的业务场景。资管行业对行情数据处理、多资产组合试算和合规风控能力要求较高，使公司在早期发展阶段即围绕实时数据处理、数据治理和行业流程理解形成技术积累。目前，公司已覆盖中国前十大资产管理机构，在中国资管行业实时数据基础设施及分析市场占据领先份额。同时，公司将金融场景沉淀的实时数据处理和模块化能力延伸至电信、电力、高端制造等非金融行业。我们Palantir迅策(3317HK)图表41：迅策业务战略全景公司业绩说明会平台化产品架构打开长期盈利空间，迅策未来增长动力强劲AIAIDataAgent为技术核心，构建覆盖数据获取、清洗、标准化、实时计算及模型调优的全链路技术体系。依托毫秒级实时处理能力，可将企业内部异构、分散的私有数据，高效转化为大模型可理解、可调用、可计量的标准AI应用提供高质量、高价值的数据燃料。商业模式：收入模型从双因子升级为四因子模型统一数据平台为底座，标准化模块支撑跨行业复制迅策产品组合以统一数据平台为核心，在此基础上面向各行业提供实时数据基础设施及数据分析解决方案。公司的解决方案由多个标准化模块组成，覆盖基础数据处理、行业场景2022152个增加至2025年9月的343个，为跨行业复制提供了重要支撑。图表42：迅策近年开发的模块数量350300

模块数量2502001501005002022

343318343318285152

2024

2025Q3迅策迅策(3317HK)公司招股书300个标准化数据模块组合成迅策的七大解决方案，包括具有全行业应用的实时数据DOneVOnePOne等专门解决方案。DOne聚焦数据汇总，通过单一平台集成用户内外部数据，形成标准化数据市场，支持实时、离线、结构化、半结构化及非结构化数据的统一集成。VOne聚焦数据预处理，作为实时基础设施解决方案，将企业级公共数据能力进行抽象与综合，形成统一的数据服务能力中心，为上层应用提供标准化数据预处理功能。POne聚焦数据分析与决策支持，可识别投资组合回报、风险敞口等关键指标，通过技术提升自动化处理效率；XOne覆盖订单执行、持仓监控、风险分析等全流程交易管理，有效提升投资与交易效率；TOne提供全自动、多场景的实时清算服务，满足资管机构的估值与结算需求；COneROne则分别从风险管理与合规监管两大维度切入，构建投前、投中、投后全流程风控体系与监管报送工具。这些解决方案均由标准化模组组合而成，随着行业经验的积累，模块复用率持续提升，若公司已具备金融行业项目的客户数据格式，远程交付可一周左右完成，验证了模块化架构在效率与成本上的显著优势。迅策(3317HK)图表43迅策(3317HK)公司招股书商业模式从订阅和交易收费向Token计费延伸此前迅策的销售模式主要为订阅模式与交易模式，2026化收费模式，收单价。SaaSARPU价值场景的增量贡献。交易项目模式收取个别设立费，以模块为核心计价单位，收入与客户采购的功能模块202246.5%2025ARPU计费并非收费的模式同时覆盖老客户与新客户，部、搭建中台后即可切换计费方式。模式特点为多用多付、少用少付，客户准入门槛与初始预算低，产品效果达标后可进一步转为收入分成模式。这ROI诉求和数据合规对应的新行业场景前期开发投入相对较高，但公司可依托标准化模块化封装，实现数据合规调用和可计量收费。随着新行业场景逐步打通，交付复用度有望提升，毛利率也有望随规模效应释放而改善。除此之外，迅策也在探索按客户利润分成或者模型调优次数收费的销售模式，目前已在医疗健康行业采用分成的销售模式。迅策(3317HK)图表44迅策(3317HK)公司官网TokenOS构建数据Token化底座，场景Token价值高于通用Token公司顺应行业从算力竞争向数据调用竞争的趋势，定位为垂类实时数据服务商与核心AI理、每一次智能体决策，都依赖高质量数据的实时供给。迅策精准抓住这一行业趋势，明AI操作系统生态建AI操作系统中的核心数据图表45：迅策的战略定位公司官网2026525作为专属基础系统，是公司规模化落地数据统计工具，AIAgent使用。TokenOS。覆盖数据治理九大环节和基础层、中间层、应用层、前沿层、计量层五转换，可实可在提升响应效率和结果准确AIMCP后，针对ROI。迅策(3317HK)图表46：迅策TokenOS迅策(3317HK)公司官网10100美元Token而迅策TokenKnow-how的场景化高价值数据资产，定价不跟随通用算力降价，甚至整体呈上涨趋势。定价逻辑主要考量三大维度，第一点是行业数据的稀缺性与获取难度，第二（毫秒级/秒级/分钟级的差异化定价Token调用次数机制可打破单一模块定价上限。图表47：通用大模型Token与垂类模型Token对比对比维度通用大模型Token垂类模型Token产品定位基础算力单位、公共事业资源经过处理的高价值数据资产、业务决策单元核心特点Token为原始文本、向量，无行业Know-how、无业务逻辑、不可直接决策TokenKnow-how业务逻辑、实时状态，高准确性、可直接驱动决策数据质量稀疏、噪音多、异构、非标高纯度、标准化、场景化、可计量、高准确性价值来源算力成本聚焦垂类场景进行准确的决策分析、业务增量、风险规避、效率提升调用效果高消耗、低转化低消耗、高转化公司官网、核心竞争优势：实时技术领先、全链服务突出、优质客群加持迅策依托实时数据处理技术夯实底层能力，通过全链路数据服务形成差异化优势，并凭借高质量客户群体持续巩固市场地位。我们认为，技术能力、产品体系与客户资源共同构成公司在行业内的竞争壁垒。资管技术积淀为基，打造AI垂类模型工业化落地的数据服务能力2024的收入份额位居中国资管行业实时数据解决方案市场第一，行业地位稳固。相比传统日度更新和人工处理模式，迅策解决方案可快速对接上千个外部数据源，以毫秒级或秒级频率完成数据汇总和分析，并保障数据一致性与可追溯性。我们认为，领先的处理速度、数据准确性和云原生架构共同构成公司的技术竞争壁垒。图表48：2024年中国资产管理行业实时数据基础设施及分析解决方案的市场份额20%

市场份额11.60%3.0%11.60%3.0%1.9%1.6%1.3%10%5%0%迅策 公司A

公司

公司

公司D迅策迅策(3317HK)弗若斯特沙利文、公司招股书、Agent台化的底层架构，构建了适配全行业垂类模型需求的高效拓展能力。依托十余年服务高复杂度、高合规性资管客户的经验，迅策已构建起覆盖金融、电信、制造、医疗等多赛道的行业数据资产与专业知识体系，而其搭建的平台化数据底座与模块化产品体系，则为跨行业拓展和垂类模型跃迁提供了可复用、易拓展的底层支撑。TokenOS价值交付的核心载体。在行业积淀的基础上，AIAgent调用，并进一步服务智能硬件、机器人和自动驾驶AI支持通用大模型与本地化小模型混合部署，可适配金融、工业制造、商业航天等高价值场化实现数据计量、定价和调用追踪，并结AI转化为可量化、可验证的业务价值。图表49：迅策AI垂类模型的专业数据运营能力公司官网迅策(3317HK)依托底层化能力的协同优势，迅策已形成面向垂类模型厂商的专业数据运营能力，直击通用模型“落地难、不专业”的行业痛点。其端到端的数据精炼服务，可提供高质量训练数据集、领域知识图谱与专业数据标注支持，帮助垂类模型快速适配行业业迅策(3317HK)图表50：迅策TokenOS的优势公司官网覆盖全链路的AI数据基础设施体系迅策的核心优势在于覆盖数据接入、治理、分析、建模、适配和结果反馈的全链路数据服务能力，能够形成面向强合规、高实时场景的一站式数据解决方案。相比多数厂商仅覆ContextSnowflake、Databricks等云数据平台，公司业务更聚焦高监管行业和垂直场景落地；ScaleAISurgeAIPalantir在全链路数据服务能力上具备一定可比性，均通过模块化产品体系提升交付标准化程度，并围绕复杂行业场景提供数据到业务结果的完整AIDataAgent图表51：迅策与其他公司业务范围对比公司官网优质核心客户资源构建口碑壁垒迅策客户结构以高门槛机构客户为主，头部客户资源为公司业务拓展提供重要支撑。公司核心客群覆盖头部券商、银行资管、头部保险等国内十大资管机构，并已切入三大国有电信运营商等大型政企客户。这类客户通常对数据安全、系统稳定性、实时处理能力和合规要求较高，准入门槛较高，合作周期较长。我们认为，迅策能够持续服务上述客户，反映其产品能力、交付能力和行业理解已在高门槛场景中获得验证。新增客户贡献提升，存量客户复购提供收入基础。202456%，2022-2024年复购客户数量均超过百家，体现出较稳定的复购和扩容需求；同时，公司新20227720242024年的53.4%合作进一步延伸至资本层面。依托头部客户案例和行业口碑，公司有望通过集团内部引荐和同业背书，向更多子公司、部门及制造、能源等垂直行业拓展。图表52：迅策近年新增付费客户数目及总入贡献比 图表53：迅策近年复购客户数目

新增付费客户 新增付费客户总收入贡献119

8577857750%40%30%20%10%

复购客户502022

2023

0%2024

5011511311511310594

2023

2024

2025H1迅策迅策(3317HK)公司招股书 公司招股书增长驱动力：跨行业复制、数据中枢价值与平台化效率协同驱动我们认为，迅策增长主要由资管基本盘、多行业复制、单客户价值提升和平台化效率释放共同驱动。公司已在资管高门槛场景中验证实时数据基础设施能力，并持续向电信、城市升，公司收入增长和盈利弹性有望持续释放。AI数据基础设施与解决方案跨行业复制加速迅策深耕对数据实时性、准确性要求最严