科藍軟件：申萬菱信、華安基金等多家機構於2月18日調研我司

證券之星消息，2025年2月26日（300663）發布公告稱申萬菱信梁國柱、華安基金胡哲 欒超 熊哲穎、雲夢澤、中郵證券孫業亮、和諧匯一淩晨於2025年2月18日調研我司。

具體內容如下：

問：AI加C端的 APP營銷跟過去沒有AI互聯網時代下做的銀行營銷相比，有什麽不同點？使得這些業務在AI時代下能夠落地？科藍公司鏈接銀行跟大模型的一些能力來做變現，商業模式上麵有沒有升級？

答：當前AI技術尤其是大模型，對於銀行渠道究竟是起到加法作用，還是會在業務模式及運營模式層麵帶來顛覆性變革，這兩者存在顯著差異。銀行在渠道端對 AI的應用由來已久，早在 2016-2017年，部分銀行便已基於深度學習等技術展開探索。從銀行渠道建設角度，渠道的核心價值在於連接銀行與客戶。因此，未來我們在AI及渠道端的整體產品研發與解決方案策略將圍繞 “超級員工”與 “智能客戶”兩大業務主題展開。DeepSeek R1推理模型出現後，將思維鏈（COT）從傳統大模型中剝離出來，這對我們打造渠道具有重大價值。它能夠使銀行 APP從過去被動執行客戶指令，轉變為隨時隨地洞察客戶當下業務意圖，並預測客戶下一步行為，實現從 “讀懂客戶”到 “知曉客戶所想”的跨越。這一轉變不僅對銀行業，對眾多服務行業的線上渠道都將產生巨大衝擊，促使現有線上渠道係統從被動接受操作轉變為基於大模型的預測式交互係統，在客戶服務與營銷領域帶來顛覆性改造。自去年下半年起，我們已啟動新一代手機銀行的研發工作。嚴格來說，我們更傾向於將其定義為智能客戶係統，因為它並非僅代表銀行提供的服務，而是能夠全方位反映客戶業務需求與當下意圖。在此過程中，銀行在客戶服務個性化及產品營銷轉化率方麵將得到大幅提升。然而，這場變革也帶來新的挑戰，即銀行應如何運營這樣一套智能化線上服務及智能客戶係統。過去，國內商業銀行雖倡導以客戶為中心，但實際上還是以產品為中心。在 AI時代，如何借助AI技術將銀行從以產品為中心真正轉變為以客戶為中心，在運營策略等方麵麵臨諸多新挑戰。例如，線上運營策略需重新規劃，甚至在未來，客戶或許能夠自主選擇行業投資策略，那麽現行理財產品是否隻能由第三方理財機構提供？客戶能否通過自選策略管理自身資產？這種策略模型又該如何定價與收費？這些都為未來商業模式創新提供了廣闊想象空間。在 AI領域，我們不僅重視數據、算力與算法的構建，更關注行業策略。在此過程中，我們充分發揮科藍在金融行業 20多年來在渠道服務與客戶營銷領域積累的豐富經驗。同時，我們也提前布局了AI研發工作。在 AI領域，我們早在 5年前就開始發力，圍繞銀行 “超級員工”業務主題，於 2021年正式發布智能高櫃機器人 “小藍”。今年 1月，“小藍”已接入 DeepSeek平台。目前，“小藍”在銀行傳統櫃麵業務中，對傳統櫃員的替代比可達 1:3，幫助銀行降本增效。未來，客戶前往銀行網點時，將明顯感受到原本坐在櫃台後的服務人員大多轉變為廳堂營銷與服務人員，這無疑是銀行運營模式的一大變革。此外，在智能客戶與超級員工業務拓展方麵，我們將商業模式從僅服務銀行，延伸至服務銀行的客戶。我們研發了 AI小藍智能企業網銀機器人，直接為銀行企業客戶賦能，將銀行的數字員工智能化服務延伸至企業生產與運營場景，助力企業財務人員提高財務處理效率，降低企業流動資金成本，這也是我們今年重點推廣的方向之一。關於第二個問題，也非常具有探討價值。在我們提出的 3A戰略中，最後 “A”圍繞 AI算力中心展開。科藍建設算力中心並非僅為滿足自身需求，更多是考慮到大模型訓練及推理對硬件資源的巨大消耗，以及未來渠道營銷服務模式的重大變革。我們期望未來針對中小型金融機構，不僅作為建設商，更作為運營服務商，與其攜手共同應對AI時代客戶服務與營銷模式的變革。

問：算力中心預期投資及何時建成。

答：算力中心預期今年逐步建設，預期投資是6個億。

問：公司什麽時候能落地一些AI業務？落地案例我們什麽時候能看得到？

答：我們的一係列落地案例已陸續推向市場。2022年，我們的小藍智能高櫃機器人在新一代智能網點建設中得到應用。目前，我們不僅與郵儲銀行保持合作，還與等金融機構開展了前期合作工作。從市場層麵來看，過去兩年國內金融機構在AI應用領域呈現出“雷聲大、雨點小”的局麵。這主要是因為當時缺乏真正的國產大模型。因此，過去兩年很多金融機構雖有運用大模型的意願，卻大多處於觀望狀態。在此期間，相關大模型應用更多停留在嚐試性與研發性階段，這也是我們此前多為試用及初期應用案例的原因。

問：科藍公司有沒有四大行或者優先客戶、重點客戶他們具體的 AI變現場景？具體的變現場景才開始探索，還是已經找科藍公司做前期研發了？

答：實際上，我們很早就開始了相關工作。目前銀行在渠道端的應用主要在客戶服務、精準營銷、運營優化等領域，例如智能客服、智能助手、智能推薦等方麵。自 2021年起，科藍承接的渠道類項目都運用了這些相關技術，並達成了相應的業務與服務目標。不過，我們不將其稱為真正意義上的 AI渠道應用，原因在於它們更多地隻是起到輔助作用，尚未能給銀行的業務帶來實質性的重大變革。而對於 DeepSeek為代表的大語言模型，特別是R1推理模型，能夠實現傳統渠道係統的重大變革，即從過去的被動服務模式轉變為預測式的主動服務模式，從單純被動執行客戶指令轉變為主動理解客戶意圖，並引導客戶完成銀行的服務與營銷目標。就目前情況來看，這是所有銀行今年最為重要的研發方向之一。這樣的變革對於銀行而言，意味著現存的渠道係統都需要進行顛覆性的重構，當然，這一過程的實現需要一定的時間。

問：目前公司對 AI產品市場這塊有什麽看法

答：此前，我們已經對相關概念做出了清晰的界定。我們認為，這一輪大模型技術的發展，對於科藍原有的主營業務而言，絕非簡單做加法疊加新產品的問題。當前銀行傳統的被動式線上服務模式，未來將會被 AI驅動的主動式、預測式服務渠道全麵重構。這意味著我們正麵臨全新的市場機遇，而且新市場是在科藍公司原有市場基礎上發展而來的。對於商業銀行而言，大模型的應用需要從不同的業務板塊逐步推進。銀行的業務涵蓋運營、客戶服務、營銷、風險管理以及經營管理等多個方麵，各有其獨特的業務需求。當我們探討金融機構的 AI應用時，有關鍵因素不容忽視，那就是監管。在當前的監管環境以及銀行對風險的容忍度下，我們認為AI的落地將首先集中在客戶服務與營銷領域。這是因為從這兩個角度出發，對於商業銀行來說，落地的風險最小，效果最佳。從市場競爭格局來看，這也最有利於銀行對存量客戶市場的經營管理。科藍在移動銀行、場景金融等方麵有所探索。近期我們團隊工作繁忙，客戶交流邀約不斷。從目前情況看，與去年上半年相比，大家對大模型的預期要高很多。我認為未來大模型相關業務增長是必然趨勢。另外，我們一直致力於構建銀行連接具體場景的模式。隨著推理大模型的出現，我們發現銀行自身數據有一定局限性，大量數據源自外部衣食住行等場景。銀行若想在大模型領域取得進一步發展，就需要借助這些外部場景，從而更好地服務零售客戶和產業客戶。基於此趨勢，銀行連接場景的動力愈發強勁。為此，我們計劃連接車生活、物流、銀發經濟、針對年輕客群的萌寵經濟等場景，並在智能化落地模式上進行創新。基於大模型的訴求，這種連接需求會更強烈，連接進程也會加速。從行內私域角度完成大模型基礎能力建設，以及加速連接外部場景這兩個維度來看，我對未來趨勢和預期極為看好。此前我們也做了很多準備工作，情況大致如此。

問：銀行新出的 AI需求與2023年有什麽不一樣？請大概總結一下這一輪 AI的銀行需求，落地在哪幾個方向，比如超級員工智能營銷等。

答：首先在這一輪交流中客戶變得更加理性。上一輪交流時，大家似乎隱約覺得有那麽一件事要做，但具體怎麽做並不明確。經過之前的經驗積累，加上持續的市場宣傳，以及信息差的不斷縮小，如今我們接觸到的客戶，其具體訴求和思考要點變得更理性、更貼合實際。客戶會充分考量諸多因素，比如 AI的幻覺問題、涉及自身的風險，以及引入相關技術對降本增效能帶來哪些具體提升。這與銀行當下的經營環境密切相關，所以他們不會盲目嚐試，而是理性分析。在構建 AI及對應場景後，客戶更關注對自身業務有哪些提升，哪些真正可以落實，而非花費大量費用和成本去盲目探索。其次，從具體落地角度來看，客戶會分步驟推進。以我們對接的幾個客戶為例，首先借助我們構建基於 DS的模型基礎，再思考如何搭建、怎樣提供相應服務，並且服務範圍會逐步由內向外延伸。目前，銀行應用最多的是內部辦公場景，提供一些基礎辦公分析內容。另具體場景與我們相關，銀行大量工作集中在後台運營管理和營銷運營，包括運營策劃、複盤、報告產出以及分析預測等，這些都是可以落地的點。此外，大家更多處於探索階段的是對外客戶服務領域。由於在模型訓練和使用過程中，常出現 AI幻覺及其帶來的負麵影響，且監管日益嚴格，消費者權益保護意識不斷增強，所以在這方麵大家格外謹慎，目前多處於嚐試階段。總結來說，AI應用分為三個層次：一是在內部辦公體係中充當助理角色，這已經可以直接落地；二是為運營管理和營銷管理等客戶運營工作提供支持，目前正在具體實施；三是麵向客戶服務，這與上一輪相比差異明顯，現在推進得非常謹慎。例如，客戶會重點關注如何預防和解決 AI在服務過程中出現回答不當或欺騙性內容，以及業務兜底問題。整個應用推進處於逐步探索的過程。

問：從銀行的預算角度、AI的賬戶角度，今年的預算比2023年、2024年要高不少？

答：很明顯能感覺到其實已經在規劃這樣的預算，因為已經有幾家銀行讓我們幫他們去規劃這樣的一塊內容。除此之外，跟之前不一樣的就是大家對於大模型的認知，比起之前的這種像深度學習、機器學習這種 AI它最大的差異，是它對算力的要求。所以銀行除了在應用層麵，可能在硬件的支撐層麵也會有更大的預算和考慮。其實也是科藍去規劃，算力以及包括機器人的相關的一些產品的提前的布局。

問：在這一輪的 deep seek起來之後是否能更利好銀行的IT外包？銀行是否更願意去把預算投到這方麵？

答：對於眾多中小金融機構，大模型的技術發展與應用充分表明，在 IT板塊投入過多自有人員並非可行之舉。唯有與外部廠商、第三方開展合作，才能夠切實推動大模型與金融業務的深度融合與落地轉化。如今，業界已達成共識：與以往可自行訓練、行方擁有訓練數據的小模型不同，大語言模型的二次訓練效果欠佳，更多依賴大模型自身的能力。通過與大模型廠商在行業解決方案方麵的深度全麵合作，發揮公司行業解決方案的優勢市場地位，是我們當前的顯著優勢所在。目前，我們正與多家大模型廠商就戰略合作事宜展開談判，相關合作成果也將於近期正式公布。

問：主業金融銀行的投入其實已經在持平，有些項目高峰期已經過去了，我們在這方麵是什麽看法？

答：第一個問題是銀行在整體 IT技術建設方麵，預算增長呈現放緩趨勢；第二個問題則聚焦於人工智能（AI）領域的新技術，探討其未來是否具備新的增長潛力。從IT信息化建設的角度，銀行的投資建設確實已過高峰期，整體費用增長逐漸放緩。然而，值得注意的是，在銀行 IT整體費用中，各部分的分配比例正在發生顯著變化。過去，銀行的 IT係統建設高度重視運營後台係統，尤其是核心業務係統和運營類係統。曾幾何時，銀行 IT預算中運營相關係統的建設成本投入占比高達九成，而渠道及其他輔助決策係統僅占一成。但自 2016年起，這種情況已發生明顯轉變。截至目前，在市場營銷和客戶服務方麵表現較為出色的銀行，其前台渠道，即客戶服務和營銷側的 IT相關係統建設預算占比已超過銀行總預算的五成。這一變化意義重大，反映出銀行已意識到不能再依賴傳統的盈利模式，而是要通過提升客戶服務和營銷能力來增強競爭力。就科藍所處的賽道而言，我們觀察到，與客戶服務和營銷側相關的 IT預算正處於不斷增長的階段。過去十年間，銀行在 IT方麵雖有大量投入，但主要集中在核心業務係統，此類投入從市場經營價值的角度來看，對銀行的直接貢獻相對有限。在 AI領域，若不是去年年底 DeepSeek的出現，銀行在 AI 方麵的 IT投資熱情可能仍難以被充分激發。可以說，在 DeepSeek出現之前，過去兩年銀行在 AI方麵的投入呈現出 “雷聲大、雨點小”的局麵。國內銀行麵臨的最大挑戰在於，新技術的應用必須滿足安全可靠、自主可控的先決條件。ChatGPT帶來的市場機遇，國內銀行在前兩年未能充分把握，主要原因在於缺乏自主可控的大模型技術。盡管此前我們也與一些大模型廠商開展了合作，但實際能為銀行帶來的價值較為有限。DeepSeek的出現為國內大模型市場和金融行業帶來了新的變革。DeepSeek擁有兩套模型，分別是大語言模型 V3和推理模型R1。對於銀行而言，R1模型的重要性不僅體現在其強大的推理能力能為銀行解決諸多實際問題，更關鍵的是，它解決了長期以來困擾銀行使用大模型的麵臨的監管透明性問題。以往的大模型對於輸入和輸出之間的邏輯難以解釋，而 R1模型的推理內容能夠為監管提供重要依據，使得銀行在應用大模型時能夠清晰地說明決策邏輯，從而有效降低監管風險。自今年開年以來，我們明顯感受到了市場的巨大變化。與 AI 相關的業務人員與客戶的交流變得異常頻繁，幾乎按小時進行安排。此前，在 ChatGPT出現時，我們需要主動向客戶推廣 AI技術和相關產品，客戶的意願度普遍不高。而 DeepSeek出現後，局麵發生了逆轉，銀行紛紛主動尋求與廠商合作，迫切希望將 DeepSeek應用於自身的各類業務場景中。今年，銀行在 DeepSeek應用方麵將呈現出百花齊放、百家爭鳴的態勢，但目前仍處於初步探索階段。銀行主要是在對風險影響相對較小的場景中大規模應用 DeepSeek，以盡快了解和掌握這項技術。雖然當前市場需求旺盛，但從 IT投入的角度來看，今年可能不會立即出現大幅增長。不過，我們預計到今年年底，銀行在人工智能相關的預算將大幅提升，盡管銀行的總體預算仍會受到控製。在當前中國經濟進入相對平穩增長周期的背景下，銀行麵臨的是存量客戶市場的激烈競爭，而競爭的關鍵在於服務和營銷能力的提升。因此，無論是從技術發展趨勢，還是從銀行當前的商業競爭環境來看，未來銀行在客戶服務和營銷側的 AI相關投入增長速度，將遠高於其他領域的 AI投入增長速度。在客戶服務和營銷側，隨著業務全麵線上化，銀行麵臨著如何將過去依靠網點和客戶經理的優勢轉移到線上的挑戰。DeepSeek大模型的出現為解決這一問題提供了契機，它使得線上渠道從過去的被動自助服務模式，轉變為既有溫度又具智能的主動服務模式，可以是金融服務實現全麵線上化的升級。基於以上分析，我們預測，明年銀行在 AI方麵的預算在整體IT預算中的占比有望超過兩成甚至三成。在這兩成到三成的預算中，預計將有五成投資於包括渠道建設在內的客戶服務與營銷領域。

問：我們現在接入 deep seek之後，整體是否會有產品落地，請舉一些例子。在客戶服務營銷這邊有什麽形式的產品？接入了新的 deep seek模型，未來是否可能會形成訂單？

答：從產品角度，我們可以分為兩個層次：AI模型的基礎能力層次和AI應用層次。這兩個層次是相輔相成的。一、AI模型的基礎能力層次在AI基礎能力層次，我們已經構建了一個完整的產品體係，主要包括以下幾個核心產品：大模型聚合平台（魔聚平台）該平台的核心能力是聚合不同的大模型，構建AI智能體（Agent），並管理這些智能體以支持上層應用。它的核心作用是作為大模型與應用層之間的連接樞紐，提供底層能力支持。數據精煉工廠（魔界平台）該平台主要用於大模型的數據精煉。例如，當我們選擇某個參數版本的大模型（如R1版本）用於特定業務領域（如汽車金融或貸款領域）時，雖然模型本身具備一定的推理能力，但仍需進行二次訓練和微調。數據精煉工廠可以結合行內業務數據，按照大模型的參數和標準，生成高質量的數據輸出，幫助模型進行訓練和優化。模型監控平台（魔瞳平台）該平台主要用於大模型應用過程中的監控，包括AI能力的績效評估、AI幻覺的檢測與評分，以及AI治理過程中的預警機製。它能夠對AI服務的質量和效果進行實時監控和評估，確保AI應用的可靠性和合規性。與華為共創的一體機我們與華為合作，將我們的軟件應用預裝到華為的一體機中，形成“魔方訓推一體機”產品。該產品結合了華為的基礎硬件能力和我們的軟件能力，為客戶提供一體化的解決方案。二、AI應用層次在AI基礎能力的基礎上，科藍的全線產品已經在應用層進行了全麵的升級和改造。這些產品包括：智能小藍機器人：智能小藍機器人的升級版本，基於大模型能力，提供智能化的交互和服務，是我們在AI應用層次的重要產品之一渠道產品：如網銀、手機銀行等。業務係統：如賬戶係統、支付係統、財資係統等。開發工具：如低代碼開發平台等。這些產品通過接入底層的大模型能力，實現了智能化升級，能夠更好地滿足客戶需求。目前，我們在交流、售前和推廣過程中，主要圍繞這兩個層次的產品展開工作。我們在推廣的過程中，一般是基於客戶情況提供升級或定製方案，比如說原有是科藍建設的手機銀行或者其他移動APP，我們會幫客戶怎麽去基於deep seek的具備更智能化的場景設計，目前已經有具象化的方案在推給客戶了，不是說僅僅是我們內部在實驗室自研的。整個的推廣過程就是今年春節之後才進行的，是突然這麽一個爆發式的增長。客戶會主動找我們來提供升級的解決方案，因為自主可控，而且自帶了實際的效果。

問：需求爆發的話，是銀行的行領導要求還是隻是IT部門？

答：是銀行業全體從業者！如今，不僅是我們，甚至銀行內部員工都在自發使用 DeepSeek。支行的櫃員現在上班時都會借助DeepSeek探討如何解答客戶問題。畢竟現在銀行推出的產品眾多，櫃員需要思考如何針對不同客戶的情況，結合各類產品來回答客戶谘詢。同樣是產品谘詢，不同客戶的需求和背景千差萬別，有了DeepSeek的輔助，解答起來更加得心應手。。DeepSeek的出現，使得幾乎所有人都想要了解它能為自己的工作帶來哪些助力，大家都在積極嚐試。今年的市場表現較為分散，但覆蓋麵極廣。我們更關注的是，DeepSeek的應用絕非隻是今年的一時之熱，明年就無人問津或者熱度驟減。我一直在強調，DeepSeek對於銀行業來說，帶來的變革具有深遠意義。一方麵，它滿足了業自主可控的關鍵需求；另一方麵，從全球監管層麵來看，監管機構對於銀行使用大語言模型等技術，首要要求就是具備可監管性。若模型無法被監管，即便其性能再優越，銀行也不敢輕易采用，這也是過去兩年的真實寫照。如今，DeepSeek解決了這一難題。我們更應深入思考的是，DeepSeek將給整個金融行業帶來怎樣的顛覆性變化？這些變化在未來一年、兩年甚至五年、十年之後，又會產生何種影響？投資的核心在於對行業未來五到十年發展趨勢的研判，絕非僅僅著眼於當下。今年，所有廠商都在與 DeepSeek相關聯，但明年，銀行和整個社會將會回歸理性，大家會更加關注哪些應用能夠真正創造價值、帶來收益，以及這些應用能否為銀行帶來長遠變革。目前，我們在渠道端的應用，如智能助手、運營分析、客戶行為預測等，今年這些應用會帶來一些訂單增長，不過大多是在已有訂單基礎上的增量，這種 “AI+”模式的市場價值相對有限。例如，在原有係統中嵌入智能助手，很難帶來巨大的商業價值。我們關注的是未來整個 AI時代的全麵變革。我們與清華大學合作，早在前年就成立了 “清華科藍先進智能數據庫研究院”，這是清華大學在人工智能領域與外部合作設立的唯一聯合機構。我們與智樸、百川等頭部AI公司保持著深度合作，借助研究院的專業力量，與相關專家共同研發新一代渠道服務類係統，這是一套完全智能化的服務係統。其最大的特點在於，從過去被動執行客戶操作，轉變為能夠主動思考客戶每一步操作意圖，主動預測客戶下一步操作。這將打造出一個更懂客戶的銀行，甚至能洞悉客戶內心的想法。預計今年我們將完成這套係統 1.0版本的研發，這對於明年來說意義重大，它意味著對銀行現有渠道類 IT信息化建設成果的全方位顛覆。前兩年，很多銀行都向我們提出，能否將手機銀行改造成能夠精準把握客戶的所思所想。這不僅是銀行業，也是所有服務行業共同關注的核心問題。從博弈論的角度來看，若能預判客戶的行為意圖，企業必然能成為最大的獲益者。當然，這種變革也可能引發一係列問題，比如通過預測引導客戶投資理財觀念，是否會帶來一定風險，這涉及到未來的倫理道德層麵。但從金融機構服務角度來看，它將實現真正的千人千麵服務，線上渠道服務不再千篇一律，而是根據客戶信息和行為軌跡進行動態調整。在營銷方麵，以往的群發短信等粗放式營銷方式將被淘汰，取而代之的是在預測客戶意圖後，將銀行產品營銷巧妙融入客戶下一步行為鏈中，在客戶不知不覺間完成營銷轉化，這種方式的成功率無疑是最高的。許多人在使用 DeepSeek時都能明顯感受到，它會主動迎合用戶需求，從商業角度而言，這具有巨大的價值。這並非是在現有渠道或客戶服務營銷類係統上做簡單加法，而是要徹底顛覆現有所有渠道。這意味著在客戶每一步操作時，渠道服務類係統都要深度思考客戶操作意圖，以及如何將營銷和運營策略融入其中。很多人談及 AI類應用，就認為隻是通過語音或文字與DeepSeek交流，將其當作文字助手，這是完全錯誤的認知。大語言模型的本質是擁有海量知識圖譜和強大的推理能力，客戶在手機銀行的每一次點擊操作，即便沒有文字交流，將這些操作軌跡數據發送給 DeepSeek，它也能精準分析出客戶的操作意圖以及下一步可能的操作。以 DeepSeek為代表的技術，將成為銀行在客戶服務和營銷側的決策中心，構建全新的渠道交互架構。但這並非一蹴而就，今年在市場上還難以完全顯現。銀行還需要在算力中心進行投入建設。因此，我們預測今年銀行在 AI領域的主要投資熱點仍集中在基礎建設方麵。首先是算力，這是支撐 AI應用的關鍵；其次，在各個業務細分領域的也會初步投入進行探索。

問：業務線比如數據庫、機器人，還有算力中心，這三個是不是可能跟剛剛講到的現有產品的升級相比其實是獨立開來的？

答：不能簡單地認為其是完全獨立的。就 AIDB而言，它代表了我們在 AI基礎設施、數據基礎要素以及基礎平台方麵的布局。從當前商業銀行的情況來看，若要搭建一套新的 AI類係統，完善的基礎設施是首要條件。其次在AI算力中心，眾多國內的中小金融機構在國內 AI相關的 IT市場中占據著相當大的比重。然而，這些中小銀行往往缺乏自建算力的能力，卻又存在對算力的迫切需求。為了滿足這些客戶的需求，我們正在蘇州投資建設 AI算力中心。

科藍軟件（300663）主營業務：以銀行為主的金融機構提供線上應用軟件產品及國產化數據庫等技術產品,為銀行和非銀行金融機構提供基於互聯網技術的谘詢、規劃、建設、營運、產品創新以及市場營銷等互聯網銀行一攬子解決方案。

科藍軟件2024年三季報顯示，公司主營收入7.27億元，同比上升0.05%；歸母淨利潤-680.76萬元，同比上升23.11%；扣非淨利潤-1167.53萬元，同比上升14.34%；其中2024年第三季度，公司單季度主營收入2.23億元，同比下降3.59%；單季度歸母淨利潤-341.68萬元，同比上升6.15%；單季度扣非淨利潤-403.23萬元，同比上升13.85%；負債率62.03%，投資收益27.28萬元，財務費用4454.86萬元，毛利率32.01%。