☆最新提示☆ ◇603660 苏州科达 更新日期：2025-11-01◇
★本栏包括【1.最新提醒】【2.最新报道】【3.最新异动】【4.最新运作】
┌─────────┬────┬────┬────┬────┬────┐
｜★最新主要指标★ ｜25-09-30｜25-06-30｜25-03-31｜24-12-31｜24-09-30｜
｜每股收益(元) ｜ -0.6325｜ -0.4040｜ -0.1294｜ -0.4007｜ -0.7080｜
｜每股净资产(元) ｜ 1.4916｜ 1.5461｜ 1.8209｜ 1.9351｜ 1.2125｜
｜净资产收益率(％) ｜-39.0000｜-22.4100｜ -6.6700｜-20.2100｜-39.5100｜
｜总股本(亿股) ｜ 5.5529｜ 5.3673｜ 5.3673｜ 5.4101｜ 5.0302｜
｜实际流通A股(亿股) ｜ 5.5100｜ 5.3243｜ 5.3243｜ 5.3233｜ 4.9433｜
｜限售流通A股(亿股) ｜ 0.0429｜ 0.0429｜ 0.0429｜ 0.0868｜ 0.0868｜
├─────────┴────┴────┴────┴────┴────┤
｜★最新分红扩股和未来事项: ｜
｜【分红】2025年半年度 ｜
｜【分红】2024年度 ｜
｜【分红】2024年半年度 ｜
├──────────────────────────────────┤
｜★特别提醒: ｜
｜ ｜
├──────────────────────────────────┤
｜2025-09-30每股资本公积:0.92 主营收入(万元):74102.16 同比增:0.19% ｜
｜2025-09-30每股未分利润:-0.34 净利润(万元):-35123.83 同比增:1.38% ｜
└──────────────────────────────────┘
近五年每股收益对比：
┌──────┬──────┬──────┬──────┬──────┐
｜ 年度 ｜ 年度 ｜ 三季 ｜ 中期 ｜ 一季 ｜
├──────┼──────┼──────┼──────┼──────┤
｜2025 ｜ --｜ -0.6325｜ -0.4040｜ -0.1294｜
├──────┼──────┼──────┼──────┼──────┤
｜2024 ｜ -0.4007｜ -0.7080｜ -0.5148｜ -0.3027｜
├──────┼──────┼──────┼──────┼──────┤
｜2023 ｜ -0.5351｜ -0.6439｜ -0.3706｜ -0.1386｜
├──────┼──────┼──────┼──────┼──────┤
｜2022 ｜ -1.1801｜ -0.8745｜ -0.5500｜ -0.1561｜
├──────┼──────┼──────┼──────┼──────┤
｜2021 ｜ 0.1278｜ -0.2184｜ -0.1057｜ -0.0781｜
└──────┴──────┴──────┴──────┴──────┘
【2.最新报道】
【2025-10-31】科达首席科学家章勇博士：迈向“会思考”的城市，AI大模型赋能
城市治理现代化
10月28-31日，第二十届中国国际社会公共安全博览会在深圳会展中心举行。科达
首席科学家章勇博士在同期举办的“AI大模型与城市全域数字化转型协同发展研讨
会”上，发表 “迈向‘会思考’的城市：AI大模型赋能城市治理现代化”主题演
讲。
（以下为章博演讲主要内容）
大模型的出现，掀起了现代人工智能技术的又一场革命。行业大模型技术的突破赋
予了城市“思维能力”。科达开端大模型KD-GPT深度融合多源数据与行业知识，实
现了从碎片化感知到全域认知的跨越，推动城市治理从被动响应迈向主动预见。以
开端大模型为基础，我们将打造能思考、善行动的行业智能体，为现代化城市治理
提供关键支撑。
行业大模型唤醒城市的“思考力”
国务院在2025年8月印发的《关于深入实施“人工智能+”行动的意见》中，将 “
人工智能+”治理能力列为六大重点行动之一，旨在利用人工智能提升国家治理的
智能化水平，在AI 2.0时代，大模型，特别是基于行业的垂域大模型将发挥重要作
用，和传统技术方案相比，行业大模型具有以下优势：
从“感知”到“认知”，实现深度理解：相比传统算法只能识别目标或是简单模式
，行业大模型具备的多模态融合理解能力，可同时理解文本（如政策文件）、语音
（如报警电话）、视频（如摄像机监控流）、图像（如红外图或卫星图）等，并能
理解其背后的上下文和语义。
从“孤立”到“关联”，洞察复杂因果：行业大模型凭借其庞大的知识聚类和强大
的关联推理能力，能够打通数据孤岛，突破单一领域的分析局限，跨领域分析并发
现隐藏的因果关系。例如，它能分析出“一场大型演唱会”不仅会影响“周边交通
”，还会关联到“应急处置”和“公共安全警力配置”等。
从“滞后”到“预见”，主动干预未来：行业大模型能够基于历史数据和实时动态
进行时序预测和推演仿真。例如，在虚拟的数字孪生城市中，大模型可以模拟政策
影响、推演交通流变化、预测内涝风险，从而将治理关口前移，从事后补救转向事
前预防。
从“通用”到“专用”，深度融合业务：传统模型和通用大模型不具备精准的业务
知识，而行业大模型通过使用海量的专门数据和历史业务案例进行微调，可以深刻
理解业务内在逻辑，真正成为该行业的业务专家。
城市治理中的行业语言大模型
科达开端行业语言大模型在通用大模型的基础上，增加准确的行业语料数据，并进
行训练调优，能够捕获行业文本中的上下文信息，理解单词、短语和句子之间的关
联和依赖关系，从而生成合适的响应或进行推理，表现出行业智能的行为。
在城市治理的智慧行政、智慧法制、智慧公安、智慧监管等方面，科达开端行业语
言大模型有着广泛的应用，以下是几个已经落地的典型案例：
警情分析：利用微调训练过的开端大模型可全面进行何人、何地、何时、何物、何
事、何因、何果、何法、何责的九何要素分析；通过对处警内容进行语义分析，实
现情感纠纷、债务纠纷等警情类型的细分；将语义分析与地址聚类算法结合，对发
生警情区域进行划分聚合，如娱乐场所、大型会馆等，警情定位更精准。
事故责任认定：开端行业大模型通过阅读学习交通法律法规，结合交通事故责任认
定案例数据，提供明确各方责任的智能解答服务。并根据事故具体情况，准确适用
相应法规条款，如超速行驶适用《道路交通安全法》中关于超速处罚条款。对适用
法规条款进行解释说明，让当事人理解定责依据，减少争议。
重点人员风险分析：通过对历史数据的精准挖掘，开端大模型对重点人员的类型，
行为模式，损害结果，送医情况等进行分析，进行风险等级评估，并对风险因子进
行检测，最后总结归纳风险报告，提供处置决策建议。
询问笔录理解：在智慧法制应用中，开端大模型能精准把握笔录中的文字结构，清
晰梳理其中的逻辑关系。笔录中的对话包含着丰富的信息，行业大模型可以深入分
析对话的含义，捕捉说话者的意图和情感。在上下文理解方面，它能够将笔录中的
各个部分有机联系起来，形成完整的认知。行业语言大模型在笔录理解上的出色表
现，为司法、调查等领域带来了更高效、准确的解决方案，能够极大提升工作质量
和效率。
城市治理中的多模态大模型
科达开端多模态大模型可以同时处理文字、音频、视频、图片等多种模态信息，并
准确的进行不同模态的特征对齐，实现深度融合，输出精准结果。凭借其独特的结
构和强大的功能，开端多模态大模型在智慧交通、智慧城管、智慧应急和智慧园区
等多个城市治理领域都有出色应用。
例如，在语义目标识别方面，对一般安防监控罕见的目标，比如铁丝网、牛群等，
用语义说明的方法给出目标描述，开端大模型即可在无需训练样本的情况下，准确
进行识别。
在语义的事件检测应用中，我们用文字来描述一个事件，让开端大模型在图像中寻
找对应的语义特征。例如，对需要确保服务规范的场合，我们用语义来对服务态度
、工作效率、作风纪律等进行描述，大模型就可以自动在场景图像中检测发现出相
关的违规事件。
在语义视频理解方面，以政法委综治中心智能管控为例，开端大模型能精准识别人
员聚集、倒地、肢体冲突等情况。在实际场景中，一旦出现人员大量聚集，系统能
迅速捕捉并发出预警；人员突然倒地或是肢体冲突，也能及时察觉。这大大提升了
综治中心的管控效率，保障社会秩序稳定。
行业大模型在城市治理中如何落地
行业大模型技术自诞生以来，凭借强大的通用性与适用性，正日益成为赋能城市发
展的重要引擎。但要将大模型真正落地与实战，是有较高的工程化难度的。在科达
开端行业大模型赋能于城市治理的落地过程中，我们做了以下四方面关键工作：
一、AI Infra构建
大模型赋能离不开基础设施（AI Infra）的构建，它就像一座大厦的基石，支撑着
大模型在城市治理的应用。在AI Infra的软件框架中，在硬件层和模型层之间，是
最为关键的AI Infra软件层，这一层涵盖了大模型的部署框架、加速和量化工具、
调度和编排，以及底层的驱动与运行时（runtime）。同时，它还包括训练基础设
施，如训练平台、数据管理和标注工具。例如，在大模型部署与训练中，AI Infra
软件层有vLLM、SGLang、Megatron-LM等开源或半开源工具，还有模型量化、算子
优化等私有优化代码，在资源调度方面有Kubernate、Slurm、资源调度库等等，要
想让大模型高效的部署和执行，必须要将这些组件合理的编排和组织在一起。
二、小型化与国产化
大模型运行时要占用大量的内存和算力，因此，小型化部署是业界追求的目标，即
在尽量保留模型性能的前提下，减小模型体积、降低计算复杂度。这就如同给一个
庞大的机器瘦身，让它变得更加轻便灵活，却不失强大的功能，从而达到云边端协
调部署，联合作战的最佳效果。
为了实现这一目标，我们采用了多种技术手段。如模型量化、模型剪枝、知识蒸馏
、架构优化等等。通过这些技术手段，我们大幅压缩了开端大模型的容量，更好地
实现了小型化部署。
国产化算力适配是某些应用场景的强制性要求，我们要在边端嵌入式SoC芯片以及
服务器侧各类NPU、GPU芯片上完成大模型的部署适配。这就好比为大模型打造一个
国产家园，让它能在国产化的环境中稳定居祝由于国产化算力的生态还不完善，适
配不同的国产算力平台成为部署行业大模型的重要任务。
三、现场模型进化
在城市治理的很多应用中，客户希望在行业大模型部署后，在其客户环境中，利用
私有行业数据持续进行迭代和优化，为此，我们研发了一个私有、安全、功能齐全
的AI赋能平台。在数据层面，该平台可提供灵活的数据标注、数据质量诊断、数据
管理相关功能；在算法层面，该平台可针对零基础和资深算法开发人员提供不同的
算法开发模式，满足其需求，对输出模型进行统一管理，方便模型复用；在算力层
面，该平台能够提供优秀的分布式算力集群供AI训练与测试，用户不必感知，只需
关注算法的开发和优化；在应用层面，该平台与业务应用深度融合，可以加速大模
型版本的迭代更新。通过对大模型的快速微调和提示词优化，在用户的工作环境中
实现开端大模型的能力提升。
四、业务智能体设计
大模型驱动的业务智能体，正从根本上颠覆传统软件的设计范式。它将僵化的菜单
式操作转变为自然语言交互，从被动执行升级为主动规划与决策，并能调用工具自
主完成复杂任务。业务智能体实现了从“人适应系统”到“系统理解人”的变革，
重塑着业务流程与人机协同模式。
大模型如同是一个会思考的大脑，而业务智能体则似一个长出手脚具备行动能力的
智能单体，它可以利用行业大模型能力先进反思，对已有的情况进行回顾和分析，
借助工具获取更多信息和支持，并进行规划制定下一步的行动策略，最后付诸行动
。在一个复杂的智能业务系统中，可能包含多个智能体，它们各自承担着不同的任
务，相互协作，在大模型LLM的支持下，能够高效地处理各种复杂的问题，为业务
的智能化发展提供强大的动力，助力我们在各个领域实现更高效、更智能的决策和
行动。在这个智能业务系统中，还有一个关键的因素，就是“人”，人为系统提供
了原始输入，关键交互，并且做出最终的决策判别。
最后，让我们展望一下AI决策智能，也就是AI 3.0的时代，何时才能在城市治理中
出现。AI 2.0关注的是从城市相关数据中提取知识、模式和趋势，并能够进行推理
和生成内容；而AI 3.0则是通过城市相关数据的驱动、模型自动构建和优化，在复
杂环境中做出高效、自主的治理决策，是一个高度自治的AI世界，这也是通用人工
智能（AGI）的核心特征，具备自主学习和决策的能力，能够像人类一样综合多源
信息并动态调整策略，是人工智能技术的终极目标。
但是，我们必须客观的说，在AI 2.0时代，大模型还存在着幻觉和不具可解释性等
关键难题，大模型不是万能的，它可以帮助城市“思考”，辅助人类决策，依靠智
能体完成各种治理功能；但最终的指挥权、决断权还在人类指挥官手中。让AI处理
信息和分析，让人来做价值判断和复杂沟通，这样才能真正打造出更安全、更便捷
、更智慧的未来之城。
【3.最新异动】
┌──────┬───────────┬───────┬───────┐
｜ 异动时间 ｜ 2025-09-01 ｜ 成交量(万股) ｜ 3395.443 ｜
├──────┼───────────┼───────┼───────┤
｜ 异动类型 ｜ 日涨幅偏离值达7% ｜成交金额(万元)｜ 29635.391 ｜
├──────┴───────────┴───────┴───────┤
｜ 卖出金额排名前5名营业部 ｜
├──────────────────┬───────┬───────┤
｜ 营业部名称 ｜ 买入金额(元) ｜ 卖出金额(元) ｜
├──────────────────┼───────┼───────┤
｜国泰海通证券股份有限公司总部 ｜ 0.00｜ 9659668.00｜
｜华福证券有限责任公司广州汇智三路证券｜ 0.00｜ 8880000.00｜
｜营业部 ｜ ｜ ｜
｜机构专用 ｜ 0.00｜ 6592731.00｜
｜中信证券股份有限公司上海分公司 ｜ 0.00｜ 5620205.00｜
｜华安证券股份有限公司上海分公司 ｜ 0.00｜ 4698074.00｜
├──────────────────┴───────┴───────┤
｜ 买入金额排名前5名营业部 ｜
├──────────────────┬───────┬───────┤
｜ 营业部名称 ｜ 买入金额(元) ｜ 卖出金额(元) ｜
├──────────────────┼───────┼───────┤
｜开源证券股份有限公司西安西大街证券营｜ 24899520.00｜ 0.00｜
｜业部 ｜ ｜ ｜
｜国泰海通证券股份有限公司总部 ｜ 22536920.86｜ 0.00｜
｜华泰证券股份有限公司总部 ｜ 15209110.00｜ 0.00｜
｜国泰海通证券股份有限公司上海浦东新区｜ 10949354.12｜ 0.00｜
｜福山路证券营业部 ｜ ｜ ｜
｜华鑫证券有限责任公司上海莲花路证券营｜ 9939384.00｜ 0.00｜
｜业部 ｜ ｜ ｜
└──────────────────┴───────┴───────┘
【4.最新运作】
【公告日期】2025-05-20【类别】关联交易
【简介】截至本公告日,公司实际为科法达向招商银行股份有限公司上海分行申请
综合授信提供1,000万元的关联担保。保证责任期为自本担保书生效之日起至《授
信协议》项下每笔贷款或其他融资或贵行受让的应收账款债权的到期日或每笔垫款
的垫款日另加三年。任一项具体授信展期,则保证期间延续至展期期间届满后另三
年止。20250520：股东大会通过
【公告日期】2025-05-20【类别】关联交易
【简介】2025年度,公司预计与关联方上海璨达信息科技有限公司,上海科法达交通
设施工程有限公司,江苏本能科技有限公司等发生采购设备的日常关联交易，预计
关联交易金额5350.0000万元。20250520：股东大会通过
【公告日期】2025-04-26【类别】关联交易
【简介】2024年度,公司预计与关联方上海璨达信息科技有限公司,上海科法达交通
设施工程有限公司,江苏本能科技有限公司等发生采购设备的日常关联交易，预计
关联交易金额8,200万元。20240518：股东大会通过20250426：2024年实际发生金
额为1713.24万元。
免责声明：本信息由本站提供，仅供参考，本站力求
但不保证数据的完全准确，如有错漏请以中国证监会指定上市公司信息披露媒体为
准，本站不对因该资料全部或部分内容而引致的盈亏承担任何责任。
用户个人对服务的使用承担风险。本站对此不作任何类型的担保。本站不担保服
务一定能满足用户的要求，也不担保服务不会受中断，对服务的及时性，安全性，出
错发生都不作担保。本站对在本站上得到的任何信息服务或交易进程不作担保。
本站提供的包括本站理财的所有文章，数据，不构成任何的投资建议，用户查看
或依据这些内容所进行的任何行为造成的风险和结果自行负责，与本站无关。
