北京中科金财科技股份有限公司(英文名 Sinodata Co.,Ltd.)是一家以
金融科技解决方案、数据中心解决方案为基础,专注于AGI、WEB3.0、
数字人民币、数据要素核心技术研发,致力于推动产业数字化转型,国内领先的数字经济科技赋能平台。成立
澄海天空玩具厂12月。2012年2月28日公司在深圳证券交易所成功上市(股票代码:002657)。其董事长为
朱烨东。
2003年12月10日,北京中科金财科技有限公司成立,注册资本50万元。2005年,公司取得取得ISO9001:2008 质量管理体系认证。2007年收购北京汇冠金财科技有限公司,变更设立为北京中科金财科技股份有限公司,注册资本 41588667元。次年,取得了
计算机信息系统集成一级资质。2010年,在深圳证券交易所中小企业板上市。2013年,推行多层级合伙人经营责任制。2014年8月,公司作价7.98亿元收购天津中科金财(原天津滨河创新)100%股权。公司在2015年新设了多家金融中介服务类以及投资、资管类公司。同年与
中国人民银行金融研究所合作撰写的《中国互联网金融发展报告(2015)》。2019年,进军在线教育。2017年公司连续第六年推出《中国金融科技发展报告(2017)》,同时又开创性的推出了首部《中国资产证券化发展报告(2017)》和《中国区块链发展报告(2017)》。2022年,公司继续以数字科技为切入点提供
金融科技和数据中心综合服务。
北京中科金财科技股份有限公司曾先后获得“
中关村最具影响力星级企业”“瞪羚三星级”企业信用良好A级企业”,入选国家火炬计划企业。
历史沿革
创立初期
2003年,北京中科金财科技有限公司成立,注册资本50万元。2005年,公司取得取得ISO9001:2008 质量管理体系认证。公司于2007年收购北京汇冠金财科技有限公司,作为
中国银行业务流程再造、呼叫中心营销行业的解决方案领导者,汇冠进一步拓展了公司的业务领域,提升了公司品牌知名度。变更设立为北京中科金财科技股份有限公司,注册资本 41588667元。次年,取得了
计算机信息系统集成一级资质。2010年,被评为“
中关村最具影响力星级企业”、“瞪羚三星级”企业、信用良好A级企业。入选国家火炬计划企业。2011年,公司成为
信息技术服务专业委员会副会长单位,成为中国信息技术服务体系最全面的企业之一。
上市发展
2010年,在深圳证券交易所中小企业板上市。2013年,推行多层级合伙人经营责任制,公司发展迈上一个新征程,公司营业收入猛增至10.23亿元。2014年8月,公司作价7.98亿元收购天津中科金财(原天津滨河创新)100%股权。2015年,公司相继收购大金所50%股权、安粮期货40%股权,与
中航国际、中航新兴等公司合资成立
金网络(北京)电子商务有限公司布局供应链金融,与国家信息中心合作增资国信新网;与
奥瑞金成立北京奥金智策传媒科技有限公司。公司新设了多家金融中介服务类以及投资、资管类公司。公司在同年与
中国人民银行金融研究所合作撰写的《中国互联网金融发展报告(2015)》。2017年公司连续第六年推出《中国金融科技发展报告(2017)》,同时又开创性的推出了首部《中国资产证券化发展报告(2017)》和《中国区块链发展报告(2017)》。三本蓝皮书均为三个领域首部蓝皮书,均被中国社科院推选参评年度优秀报告。2019年,中科金财再度高
溢价收购资产,进军在线教育。2020年,公司主要为金融机构、政府与
公用事业、企业等领域客户提供金融科技、数据中心综合服务、信创及系统集成等服务,并持续布局对区块链、隐私计算等创新技术和应用的研发、储备,
拓展公司市场和实现公司的长远发展。2022年,遵循国家数字经济发展方向,公司继续以数字科技为切入点,围绕金融机构、政府与公用事业、企业等客户群体,提供
金融科技和数据中心综合服务。公司在业务实施中融合
人工智能、区块链、隐私计算等科技创新,并积极探索
中国人民银行数字人民币在各领域的应用,通过科技赋能帮助客户实现新一轮数字化升级。2022年,中科金财对志东方计提商誉减值1.70亿元,公司净利润为亏损1.69亿元。
企业架构
管理人员
股权结构
对外投资
上市信息
总股本结构
参考资料:
A股历次股本变动
参考资料:
企业业务
中科金财自主研发行业垂类多模态大模型,开发了适用于金融服务、汽车智能座舱、直播电商等垂类场景的多种
人工智能相关服务产品;自主研发了全链路语音交互能力(VAD、ASR、TTS等基础能力);同时部署了底层的算力中心基础建设。
人工智能
行业垂类模型
中科金财在开源模型Transformer架构的基础上,与产业合作伙伴深度挖掘实务场景,自研开发了多个行业垂类大模型,涵盖银行、
电子商务、汽车等。深耕细分领域的垂类大模型针对特定场景的知识结构和用户认知做了适配,在特定垂类场景下的语言理解、问题回答和推荐方面具有明显优势。中科金财的垂类大模型是拥有130亿参数的预训练模型,以细分行业数据为训练语料,通过海量文本及图像的训练,掌握不同垂类领域的语言规律、语义逻辑以及创作特点,因此可以迅速根据指定风格、场景和长度需求,生成符合逻辑、语义连贯的创意内容,拥有文字、语音、图片、多模态的生成能力。
银行垂类大模型,中科金财通过自主构建数据集和语料库来训练银行垂类大模型,并采用采用“大模型+小模型”的组合,充分利用银行现有的AI成果,保证性能和资源可控;整合银行业内部系统数据、文件数据、知识库数据,实现快速实时对接训练学习,生成知识条目;通过统一API,嵌入银行渠道系统,能够客户化编程。具体场景包括智能客服应答、智能外呼服务、数字理财投顾、智能数字柜员、智能导航助手、AI数据中台、AI信用评级。
中科金财积累了10亿+数据资源,21个垂类产品电商语料库,数据资源包括用户行为数据、商品数据、交易数据等多个维度。并于2022年11月开始利用积累的电商数据资源筹备电商垂类大模型,支持高精度虚拟形象实时驱动、直播背景定制、后台Q\u0026A问答库、多模态交互、客户企业定制化解决方案等,自主学习企业CRM客户数据,商品属性数据和营销案例等业务,实时迭代更新大模型。
中科金财汽车垂类大模型专注于汽车座舱场景,针对特定场景的知识结构和用户认知做了适配,并使用垂直领域特有的专业知识语料及历史数据进行训练,因此具备语言理解能力强、生成能力强、多领域适应性强、上下文感知能力强等特点,兼具强大推理能力和快速响应能力,可与用户实现更加智能、拟人化和高效的语义对话交互。
企业级大模型定制化服务
中科金财的企业级大模型可一站式打通数据、模型与场景。基于不同企业的垂域场景理解,进行场景拆分,与企业自有数据
连通,让大模型拥有向量化数据库增强,实现任务分发与数据聚合并通过数据、模型和场景的闭环进行持续迭代,使企业真正实现数字化+智能化转型。
数字人
中科金财将数字人制作拆分为
人格系统、注意力系统、认知\u0026思维系统、表达系统、情感系统、学习成长系统。为支撑不同系统,公司在数字人制作方面具备三大能力,即语音能力、形象能力、生态能力。在语音能力方面,具备场景引擎、主动交流、一语即达、情绪化语音等技术能力;在数字人形象和驱动能力方面,具备3D实时渲染技术,支持形象自定义、表情与口型配合语音等;在生态能力方面,支持第三方能力语音控制,且具备场景预置能力。中科金财数字人平台提供了低门槛、轻量级、易集成的3D数字人、2D数字人,让客户能够轻松将数字人能力接入到自己的业务中。
算力中心
为了满足核心数据和算法模型的保密需求,中科金财可以根据
客户需求,在其数据中心
内部环境进行专属规划,建设私有化GPU算力平台,以确保企业核心资产和关键工作负载的安全隔离。
中科金财与多家云服务合作伙伴合作,包括微软云Azure、
阿里云、
腾讯云、
华为云等。此外,中科金财还与国内某
人工智能算力中心达成战略合作,采用云计算模式为客户提供算力服务。云部署方式有利于快速部署与调试AI业务。
中科金财正在积极推进自建国内核心算力中心的规划与建设。通过与合作伙伴的战略合作及联合自主开发,逐步完善国内自有GPU算力的布局,逐步建成自有算力中心。为加速后续公司更多AI产品的落地应用提供算力基础设施的保障。
中科金财充分利用多年积累的系统集成经验,深入布局AI智算中心业务。公司从银行、政府、金融机构等客户的实际业务需求出发,对传统数据中心的建筑及空间、制冷系统、
电力系统以及弱电网络等系统特性进行深入研究,提出高效的优化及改造方案。利用先进的液冷技术提升数据中心的制冷系统,利用InfiniBand网络技术,提升多机多卡训练效率。目标是以较低的成本将传统数据中心升级为AI智算中心,以支持大语言模型多机多卡分布式训练,AIGC图像生成训练、在线服务推理业务等多种
人工智能业务场景。
中科金财为用户从系统、网络、存储、框架等方面提供调优服务、自动化调优工具及基础软件生态建设,包括但不限于ROCm、deepspeed、Megatron、Colossal-AI、mindspore、paddlepaddle、PyTorch、TensorFlow、TensorRT、modelscope基础软件框架,及aiacc-llm、LMDeploy、Medusa、vLLM、fastllm、AOE调优工具,Cuda算子底层调优服务等。
系统集成综合服务
随着云计算、
大数据、
人工智能等技术引领银行业务数字化转型,
商业银行数据中心也逐步从传统数据中心转向云数据中心转变,软件定义的数据中心、互联网架构体系等深入影响着新一代数据中心的建设。
金融科技整体解决方案
数字人民币
探索在业务场景中创新应用数字人民币,提供数字人民币综合解决方案;在供应链金融场景中应用数字人民币智能合约产品提升业务合规性和结算便利性;在数字人民币推广应用方面紧密围绕创新推出转化效果良好的营销活动;以中科数字钱包为载体与银行以及其他生态伙伴共创钱包功能,为零售、企服、供应链等多行业客户提供数个创新数字人民币产品,为多元化场景赋能。
数字金融
数字化将成为银行业下阶段的最不可忽视的战略重点。数字化风暴给银行业带来了机遇,同时也带来了新的挑战。
咨询服务
中科金财咨询团队由来自国内、外一流咨询公司的专业管理咨询顾问、IT咨询顾问与银行专家团队组成,具有国际视野的同时,整合中科金财本土的深厚技术专家资源和实施服务能力,使中科金财的技术和业务咨询方案既有前瞻性又保证了在本土的可落地性,真正推动业务的开展和技术落地。
通用解决方案
中科金财作为较早接触数据中心建设的IT企业,经过多年的行业与技术沉淀已经具备提供全线的产品服务和综合解决方案的能力。
行业解决方案
在公安行业,中科金财深入关注和服务于雪亮工程、警务云
大数据、互联网管综、警务督察、融合指挥平台等多个重大领域,面向实战兼顾民生,打造可掌控现状、追溯历史、预测未来的警务、综治、民生等解决方案,如警务云大数据、视频监控、智慧交通、治安防控一体化、公安云通讯、云存储大数据、警务督察侦测系统等;在教育行业,通过构建智慧教育创新模式,实现
信息技术与教学应用的深度融合,以教育信息化带动教育现代化,通过为客户提供智能数字化校园。
核心优势
公司是北京区块链技术应用协会会长单位、
中国软件和信息技术服务综合竞争力百强企业、2022/2021/2020/2019/2018 年北京软件和信息服务业综合实力百强企业、
中关村新锐百强企业、AAA 级重合同守信用单位、2022 中国方案商营收百强。此外,公司与
中国人民银行科技司、中国证监会科技监管局等单位合作撰写的《中国金融科技发展报告》《中国区块链发展报告》《中国元宇宙发展报告》系列报告,均由公司董事长
朱烨东博士担任执行主编。
经营状况
2023年4月18日,中科金财公告,2022年营收12.33亿元,同比下降23.23%;亏损1.69亿元,同比亏损扩大;基本
每股收益亏损0.5元。2023年第一季度营收2.65亿元,同比增长73.49%;亏损1400.19万元,同比亏损缩小。2023年8月10日,中科金财公告,公司上半年营业收入4.55亿元,同比减少10.03%;
净亏损1335.66万元,基本每股亏损0.04元。截至2023年前三季度,中科金财实现营业总收入6.64亿元,同比下降9.76%;归母净利润亏损3917.56万元,同比下降229.19%。
企业文化
企业愿景
成为客户信赖、员工自豪、国际领先的数字经济赋能平台
企业使命
为奋斗者搭建创业平台, 用科技提升产业价值
核心价值观
坚定信念,高效执行, 勤学善思,敢闯肯拼,团结向上
发展战略
成为国际领先的web3.0、AIGC、
数字人民币、数据要素的核心技术提供商和运营服务商,助力产业实现数字经济转型升级。
社会责任
2022年5月10日,中科金财积极履行社会责任,向
西安市红十字会捐献100万元用于全市抗击疫情物资采购及民生保障,助力政府与社会各界抗击疫情。
相关荣誉
相关事件
取得进展
2023年12月,中科金财在与全球著名半导体公司
AMD合作的项目中,特别是在算力调优、调度和软件生态适配等方面,取得了显著的技术进展。中科金财已成功完成多项测试和优化工作,其中在AMD软件生态层面积累了丰富的多机多卡训练经验、推理系统的模型量化、模型转换、计算图优化和AI框架适配经验。具体来说,通过与行业专家的紧密合作,中科金财利用ROCm软件生态工具和AMD GPU利用率可视化工具进行了深入的性能分析和优化,已完成Llama2-7b、Llama2-13b、ChatGLM2模型在AMD芯片上的训练和推理测试,覆盖了从单机单卡到多机多卡的多种配置。经过调优,在训练方面,GPU利用率提升了27%;在推理方面,首token返回时长(Time To First Token,TTFT)提升了35%,吞吐量(Throughput QPS,tokens/s)提升了43%,有效加快了训练和推理过程。在测试期间,中科金财的汽车、
电子商务和银行的垂类大模型已经可以在
AMD的高端
人工智能芯片MI210上高效顺畅地运行。
合作伙伴
2024年1月,中科金财正式成为
微软Solution Partner for
数据 \u0026 AI合作伙伴。公司将与微软一同为行业客户提供丰富且具有创造力的人工智能解决方案。通过与微软的合作,中科金财将为客户提供更多样化、高质量、易用性和可扩展性的AI解决方案、服务和应用。作为数据和人工智能 (
Microsoft Azure) 的解决方案合作伙伴,中科金财将获得更多微软生成式AI资源,帮助客户跨多个系统管理数据,以构建分析和人工智能解决方案的广泛能力,包括基于 Microsoft Azure 或 AI 的分析、Microsoft Azure 中的机器学习等。