京北方（002987）10月23日发布投资者关系活动记录表，公司于2025年10月23日接受56家机构调研，机构类型为保险公司、其他、基金公司、证券公司、阳光私募机构。 投资者关系活动主要内容介绍： 一、公司情况介绍 公司作为国内领先的的数字化转型综合服务提供商，围绕信息技术产业自主可控的要求和人工智能等新兴技术蓬勃发展的趋势，在巩固核心客户业务合作的基础上，加速推进数智技术及创新产品落地，持续开拓新兴客户，实现了收入端和利润端双增长。 1、最新经营成果 2025年第三季度，公司继续以软件及IT解决方案业务线为发展基石，重点布局人工智能、大数据等创新产品领域，通过“整体稳健扩张、重点加速突破”的策略，保持稳健经营态势。报告期内，公司实现营业收入12.52亿元，同比增长5.01%；实现净利润1.25亿元，同比增长17.98%。2025年前三季度累计实现营业收入36.13亿元，同比增长5.14%；实现净利润2.43亿元，同比增长7.94%，整体增长势头稳定。 按业务板块及产品线划分，公司软件及IT解决方案板块第三季度实现收入8.55亿元，同比增长9.90%，占公司整体营收比重提升至68.32%，业务结构进一步优化。其中，伴随AI应用在银行业等金融机构的持续落地，公司人工智能及大数据创新产品线延续了上半年高速增长的态势，毛利率同步持续提升。 公司始终坚持“研发驱动创新、创新驱动成长”的发展路径，持续加大研发投入，着力构建可持续的核心竞争优势。截至2025年三季度末，公司累计拥有专利36项、软件著作权309项，完成国家级信创认证18项。其中，第三季度单季新增专利2项、软件著作权26项，研发成果转化效率显著。 2、未来发展规划 报告期内公司香港全资子公司正式成立，目标搭建跨境技术协同平台，服务银行、证券、基金等多元客户群体。目前，公司已与多家海外机构签署业务合作协议，加速落地出海战略。未来公司将全力拓展AIAgent应用于营销、风控、运维等多个金融业务场景。同时，在区块链及智能合约领域，结合隐私计算及量子科技的技术加密能力，持续探索数字资产管理、跨境支付、供应链金融等领域业务机会，构建安全高效的金融基础设施生态体系。 二、问答环节主要提问

　　问：公司在前三季度及单三季度净利润同比增速表现优于以往，具体原因是什么？

　　答：公司净利润增速提升主要得益于业务转型与技术迭代的持续推进。一方面，公司在AI等新兴技术领域实现从试点到规模化应用的拓展，有效提升交付标准化程度、成本管控能力及整体交付效率，进而提高项目毛利水平。另一方面，通过优化业务结构，提升高毛利业务收入占比，关停高风险、低效益项目，整体盈利水平显著改善。此外公司利用数智化手段提高管理效率，费用管控效果显著，进一步推动利润率提升。

　　问：公司成立香港子公司，目前业务进展如何？未来出海战略规划是怎样的？

　　答：公司香港子公司于第三季度获批成立，并已开始稳步推进售前沟通与业务协调等工作。截至目前，公司已经与香港、澳门、新加坡等地的多家海外机构签署业务合作协议，出海战略逐步落地。未来公司将以香港子公司作为连接大湾区与国际市场、拓展海外业务的主要载体，在聚焦香港、澳门及东南亚金融机构数字化需求的基础上辐射全球，构建“技术输出+生态合作”的国际化服务体系。

　　问：公司如何拓展海外业务？

　　答：一方面，公司将依托现有客户，主要是国内大型金融机构在海外设立的分支机构，跟随其步伐进入海外市场，凭借先前丰富的合作经验与IT建设能力，作为IT供应商提供信息技术服务，从香港地区切入并扩展至其他国家和地区。另一方面，公司将逐步拓展与海外本土金融机构的业务合作，快速响应海外金融机构在新兴业务场景中不断产生的IT开发与系统建设需要，满足其多样、复杂的业务需求。

　　问：公司人工智能及大数据产品线表现如何？

　　答：公司人工智能及大数据业务整体保持高速增长和扩张趋势，单三季度产品线收入同比增速快于上半年。随着银行对AI落地应用的意愿逐渐强烈，众多应用场景陆续启动，AI逐步融入银行全行各领域、业务场景及系统。当行业内某家银行特别是头部大行在某一AI应用场景取得成效并落地后，其他银行便会迅速借鉴并跟进，形成跨机构的口碑效应与经验复制。这种相互借鉴推动了AI应用的持续增多，也有利于我们在行业内横向拓展获得更多同类型订单。同时，得益于模型的持续迭代以及业务交付标准化提升能力增强，该业务毛利率也有所提高。未来公司将持续加大在人工智能及大数据产品线的研发投入，积极把握该领域的商业机会，进一步提升售前交流到订单转化的效率。

　　问：目前AI应用在银行业渗透的瓶颈在哪以及怎么看待未来的趋势？

　　答：AI应用在银行业务渗透中的瓶颈主要体现在三个层面：一是基础模型能力仍需迭代，直接应用于业务端生产环境时，与专业人士处理仍然存在显著差距；二是银行数据治理与定制化需求复杂，每家银行拥有独特的知识、业务体系及规则，需对大量专有数据进行预处理与定制化训练，且部分数据尚未达到训练标准；三是场景落地需多工具组合与跨领域协作，比如需要结合大模型、规则引擎、RPA、OCR等工具，并面临模型选型、数据治理、业务场景设计三方面的人才瓶颈。未来随着模型迭代、数据治理完善及跨领域协作成熟，场景应用数量有望实现爆发性增长。目前多家银行已经开始在上述三方面提出明确的人员需求，场景落地也开始逐步从内部辅助工具向风控、营销、信贷等核心业务领域渗透;

　　调研参与机构详情如下：

　　点击进入交易所官方公告平台下载原文>>>