日期 | 股票名 | 调研地点 | 调研形式 |
2025-02-11 | 通达海 | - | 特定对象调研 |
PETTM | PB | 股息率TTM | 总市值 | 换手率 |
---|---|---|---|---|
- | 1.75 | 1.48% | 23.26亿 | 3.51% |
营业收入同比增长率(%)(单季度) | 营业收入同比增长率(%) | 归母利润同比(%)(单季度) | 归母利润同比(%) | 净利润/营业总收入 |
-29.41% | -29.41% | -55.22% | -55.22% | -49.61 |
销售毛利率 | 销售毛利率(单季度) | 销售净利率 | 销售净利率(单季度) | 毛利 |
32.49% | 32.49% | -49.61% | -49.61% | 0.20亿 |
销售费用/营业总收入 | 管理费用/营业总收入 | 营业总成本/营业总收入 | 归属于母公司的股东权益/带息债务 | 研发费用/总市值 |
14.99 | 68.52 | 150.17 | 72.97 | - |
存货周转天数 | 应收账款周转天数 | 资产负债率 | 利息费用/息税前利润 | 息税前利润 |
163.67 | 172.38 | 12.28% | 0.02% | -0.30亿 |
企业自由现金流量 | 带息债务 | 财务数据报告期 |
业绩预告
公告日期
2025-01-24
报告期
2024-12-31
|
业绩预告变动原因 |
0.18亿 | 2025-03-31 | 预计:净利润-6500--4500 | 1.报告期内,受外部环境影响,公司法院客户对信息化建设的投入规模出现了下调,公司新签业务订单减少,尤其是应用软件开发类业务受影响较大。同时,为增强核心竞争力,公司从长远发展考虑,继续加强大数据、人工智能等技术研发,全年仍保持较高研发投入。以上因素导致公司年度净利润出现亏损。2.由于2024年预计出现亏损,根据《企业会计准则第18号一一所得税》的相关规定,公司对递延所得税资产进行了复核。基于宏观经济、财政状况、行业等因素,公司对未来业绩进行预测,综合考虑公司未来研发费用及加计扣除的影响,预计在未来税法规定的亏损可抵扣期限内很可能无法实现可弥补亏损应纳税所得额。基于谨慎性原则,公司对以前年度确认的部分递延所得税资产予以冲回,金额约为920万元。 |
参与机构 |
浙商证券,财通证券,申万菱信 |
调研详情 |
主要问题及回复 1.公司产品是否接入DeepSeek?相关的大模型产品有没有中标的案例? 答:以大模型为代表的AI技术将为法院办案等司法业务带来深刻变革,公司一直关注人工智能AI技术的发展,结合自身的法律知识积累、行业深度洞察,以国内开源大模型为基座,构建了法律AI大模型,为司法领域各类应用场景赋能。目前,公司已经接入DeepSeek大模型进行相关产品测试和适配,也取得一定效果。公司近两年一直在推进大模型技术的应用和相关产品的研发,也与南京中院、成都中院和珠海香洲法院等开展合作,推进大模型的训练、调优和落地应用,但目前尚未带来直接收益。 2.在立案到审判的全流程中,大模型技术在提高法官办案效率等方面有哪些效果? 答:在法官办案过程中,公司的智能化产品主要分为两类:一类是AI法官助手,一类是智能辅助,为法院办案办公提供智能化辅助。法院在人工智能、大模型应用方面有一定优势,首先,我国法院“案多人少”的矛盾比较突出,根据最高人民法院的工作报告,目前全国员额法官人均办案数量357件,法官办案压力较大,法院对于借助人工智能技术提升办案效率、质量有现实需求。其次,全国法院经过近10年的电子卷宗随案生成和深度应用以及智慧法院建设,积累了大量电子数据,也有具体司法业务场景的人工智能辅助应用实践,虽然过去的人工智能技术与现在大模型带来的变化和进步存在较大差距。另外,法院办案过程伴随有大量的文本材料,数据虽然同样也有质量问题,但是相对于其他行业来说,法院数据质量相对还是较好的,而且,经过司法改革和庭审活动公开等等工作,法院审理质量也有较大提升。同时,全国法院对于借助技术手段提升办案质量效果、加强司法管理、防范风险、服务当事人等一直比较积极,信息化建设也处于相对领先的位置。所以,法院也是大模型技术相对较好的一个应用领域。 目前,公司的法律大模型主要提供智能问答、案情分析、争议焦点归纳、庭审提纲生成、裁判文书生成等功能,为法官办案提供智能化辅助。 3.公司法律大模型除了法院以外,还有哪些领域可以推广? 答:法律大模型的能力,也可以应用在相关法律科技领域,公司在测试、支持DeepSeek的同时,也在探索将公司的海睿大模型在法院以外进行推广的可能,如与公司2024年投资参股的上海润之信息科技有限公司,尝试在公安领域应用的可能,但是,目前还都没有取得收入。 |
AI总结 |
|
免责声明:数据相关栏目所收集数据,均来自第三方个人或企业公开数据以及国家统计网站公开发布数据,数据由计算机技术自动收集更新再由作者校验,作者将尽力校验,但不能保证数据的完全准确。 阅读本栏目的用户必须明白,图表所示结果或标示仅供学习参考使用,均不构成交易依据。任何据此进行交易等行为,而引致的任何损害后果,本站概不负责。