计算机 2024 年 01 月 08 日 盛视科技(002990.SZ) 深耕智慧口岸，海外业务、多模态AI构筑第二增长曲线 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 公 司 报 告 公 司 首 次 覆 盖 报 告 强烈推荐（首次） 股价：31.99 元 主要数据 内容。 16/ 18 根据以上的估值分析，公司的市盈率水平处于同行业可比公司中上游。我们认为，公司作为智慧口岸行业龙头，订单有望持 续增长，同时海外业务、多模态 AI 构筑公司第二增长曲线，有望进一步打开公司的成长空间，公司应享有更高的溢价空间， 市盈率仍有上升空间。 5.3 投资建议 伴随此前被压制的口岸建设需求复苏，公司 2023 年前三季度业绩迎来强势反转，“一带一路”推升了海内外口岸数字化需

公 司 首 次 覆 盖 证 券 研 究 报 告 股票研究 / [Table_Date] 2025.09.11 AI Agent 和智能金融大数据服务打造新 成长曲线 高伟达(300465) [Table_Industry] 计算机/信息科技 [Table_Invest] 首次覆盖 评级 增持 目标价格(元): zhangshenghai@gtht.com S0880125042247 本报告导读： 公司是深耕 20 余年的老牌银行 IT 服务商，有望通过 AI Agent 和智能金 融大数据服务打造新成长曲线。 投资要点： [Table_Summary] 首次覆盖，给予“增持”评级。公司积极推进与蚂蚁合作，聚焦银 行信贷场景，探索金融 AI Agent 落地，我们预测公司 2025-2027 40%/0%/0%。 3）创新业务：公司积极推进与蚂蚁合作，聚焦银行信贷场景，探索金融 AI Agent 落地，并有望实现分润型的商业模式创新，预期该业务规模将加速增 长，为公司打造第二成长曲线，我们假设 2025-2027 年公司创新业务收入分 别为 2.10/5.88/10.58 亿元，并考虑分润模式带来的业务毛利率的提升，假设 2025-2027 年该业务毛利率分别为 11%/24%/30%。

问题，采用了重采样技术（如 SMOTE）和调整类别权重的方法。 训练过程中，还引入了早停机制，以防止模型过拟合。 模型评估指标主要包括准确率、精确率、召回率、F1 分数和 AUC-ROC 曲线。为了全面评估模型性能，我们还引入了 KS 值和 Gini 系数等金融领域常用的指标。不同模型的评估结果对比如下： 模型 准确率 精确率 召回率 F1 分 数 AUC- ROC XGBoos 在模型评估阶段，重点关注以下几个关键指标：准确率、召回 率、F1 值和 AUC-ROC 曲线。准确率反映了模型整体预测的正确性， 召回率则更关注于正确识别高风险贷款的能力。F1 值作为准确率 和召回率的调和平均数，能够综合评估模型的性能。AUC-ROC 曲 线则用于评估模型在不同阈值下的分类性能，尤其在处理不平衡数 据集时，AUC-ROC 曲线能够提供更全面的评价。 为了进一步优化模型，采用网格搜索和随机搜索方法对超参数 模 型的 ROC 曲线（Receiver Operating Characteristic Curve）和 AUC 值（Area Under Curve）。ROC 曲线通过绘制真正例率 （True Positive Rate，TPR）与假正例率（False Positive Rate，FPR）的关系，直观展示了模型在不同阈值下的表现。AUC 值则量化了 ROC 曲线下的面积，值越接近 1，模型的区分能力越强。

致用户被动处理各种故障或者对故障提醒麻木。这些都导致运维管理的核心价值没有体现。因此 真正的管理应遵循设备本身的实际运行状态情况，“贴身”描绘出各个设备各个时间段的性能变化情 况，并根据变化情况建立跟踪曲线，通过跟踪曲线可以真正建立趋势管理视角，依据设备运行数 据变化情况来做趋势分析和预测，准确把握设备处于健康状态、亚健康状态和“生病”状态。所以趋 势管理才是用户真正需要的运维管理。 3） 通用平台向全面开放的专属平台转变 色的个性展示功能，用户可以自行选择不同管理重点指标以及展现方式，以便完成一图完成所有 重点监控；系统能够为展示要求提供数据支撑，能为自定义布局提供技术支撑，管理展现提供数 据支撑。 系统至少提供 TOP 表格、TOP 柱状图、性能曲线图、单值图等多种展示方式；支持对于所有 数值型数据的统一排序、历史记录展示；结合日常管理需求，可以实现诸如骨干线路监控总图、 关键应用监控视图的管理要素。 ഀ� 除了所以采集范围内的指标外，也支持通过 提醒策略，对于智维越界事件，当 系统发现内置检测指标，越界事件超出安全频率后，主动推送到页面前端，通知管理员，系统发 现了异常。 提示内容中包含最近 3 日，发生异常的次数并且给出该指标的历史曲线；同时给出该指标的详 细定义，清晰的列明，该指标是什么，异常后影响什么，一般的解决方案是什么。 同时可对该指标进行快速设置告警，便于后期管理中，出现了相同问题后能通过短信、邮件 通知离线用户。

线高品质 图像的同时保持 了摄像机的高灵敏度性能，不管是在白天还是在黑夜都能保证 164 自然资源保护区大数据信息化管理平台建设方案 优异的图像效果。 独特的伽玛优化功能，允许用户从四种预设伽玛曲线设置中选 择一种，从而可以 在不同的场景环境中，再现清晰的图像。此外，该摄像机还能 提供其它方便的技 术特点，如自动追踪白平衡功能、隐私区遮掩、活动检测、人 脸检测、CCD 光圈 控制、 视频监控。 6.4.2.1 显示查询 能够通过地图上选择监测站点、监测参数用瞬时曲线显示参数 的瞬时数据，瞬时 数据曲线显示见下图： 412 自然资源保护区大数据信息化管理平台建设方案 图 环境质量监控信息展现 图 自动监控数据显示 413 自然资源保护区大数据信息化管理平台建设方案 图 瞬时数据曲线显示 6.4.2.2 报警提示 点击在线监控模块，系统显示某些项目超标的企业，以醒目的 信息。查询结果用表格、曲线形式表现，可以导出 execl 中。 441 自然资源保护区大数据信息化管理平台建设方案 还能够通过选择站点和时间段，查询该站点小时平均值的超标 情况，并可以将超 标数据以统计图和统计数据表格两种形式展示，能够导出到 excel 中。 ——可以选择点位，时间段，统计比较以上各个参数的日均值、 日最高值、出现 时间、日均值、日最高值，出现时间，以表格、曲线、柱状图 形式表现，可以导

话题发现 智慧发力 故障监测诊断 能耗优化 工业仿真 石化装备 AI 管理—数据核心流程 人工智能、大数据智慧发力，智能诊断及定位，精准预测 • 用大数据分析代替破坏性实验，得到设备的 生命曲线，获取充足的正样本； • 用人工智能方法定位设备的工况和趋势预警； • 采集数据源：机组转速、轴向振动、径向振 动、温度、流量、压力等。 用户数据 数据预处理 特征探索 机器学习建模 模型评估

运动数据收集&反馈 健康反馈 • 根据⽤户数据/输⼊，⾃动⽣ 成健康建议、今⽇运动/饮⾷ 规划 • 健康状况周期性AI反馈 • 腾讯健康可⼀健拉起医⽣ 在线咨询、药品复购 健康新提醒 ⽤户情绪 曲线 哇塞，饮⾷建议都 有了~今天再也没 有选择困难了 今天⼜是活⼒满满的⼀ 天 今天也不要忘记好好照 顾⾃⼰哦！ 哇塞，提醒我要记得吃 药！ 原来喝⽔得喝够了才 能减肥啊~新知识 get!!

析、算法处理等信息素养知识，为之后的进一步深度学习打下基础。如今，随着 B 端业务对人工智能教育的进一步重视，也将进一步带动集团在教育教学等方面生 成高质量的课程与产品，为公司业务带来新的增长曲线。 图19：竞业达推出 AI+教学诊断报告，直击学校痛点 资料来源：盛通教育官网，民生证券研究院 14.35 5.23 1.54 0.31 0 2

规模化 变革，则为企业提供了更为清晰的行业技术发展规模路径： 卡洛塔·佩雷斯（Carlota Perez）的研究总结了科技革命与金融系统的规律。 ►一系列技术革命组成的科技大周期呈现S型的扩散曲线，整体可以分为两个阶段：【导入期】 与【展开期】，新技术导入社会与全面展开间，存在一段社会体系崩溃到重组的过程。 ►金融资本在导入期加速科技研发进而引发投资狂热，持续引发金融/债务周期的循环。

确率、精确率、召回率等）应通过可视化工具实时展示，以便及时 发现问题。常用的可视化工具包括 TensorBoard 和 Weights & Biases（W & B），这些工具能够帮助开发者直观地观察训练曲线 的变化趋势。 其次，训练过程中应定期保存模型检查点（Checkpoint）， 以防止训练过程中的意外中断。检查点应包含模型的权重、优化器 状态以及训练进度等信息，确保在恢复训练时能够从最近的状态继 占用过高或出现异常波动，应及时排查问题并进行调整。 为了更直观地展示训练过程监控的关键点，以下是一个训练过 程监控的示例方案：  损失函数监控：每个 batch 结束后记录损失值，并可视化损 失曲线。  模型性能监控：每个 epoch 结束后在验证集上测试模型的准 确率、精确率、召回率等指标。  数据分布监控：每个 epoch 结束后统计训练数据的类别分布 和特征分布。  计算资源监控：实时监控 综合指标，特别适用于正负样本不平衡的场景。在处理政务问题时， 模型对特定类别（如紧急事件或高优先级任务）的识别能力尤为重 要，因此类别加权 F1 分数也被纳入评估体系中，以确保关键类别 的高效识别。 除此之外，ROC 曲线下面积（AUC-ROC）用于评估模型在不 同分类阈值下的整体性能，尤其是在政务数据中常见的不确定性和 模糊性场景中。AUC-ROC 值越高，表明模型在不同阈值下的分类 能力越强。 为了全面评