文 | 港股研究社 文 | 港股研究社 随着港交所18C章上市规则为处于初步商业化阶段的特专科技公司开辟“快车道”，一批聚焦前沿技术的企业冲刺资本市场的进程明显提速。 特别是在全球人工智能浪潮席卷之下，拥有核心技术的AI企业更是成为市场关注的焦点。 10月12日，香港交易所披露显示，滴普科技股份有限公司（以下简称“滴普科技”）已更新聆讯后资料集，意味着其已成功通过港交所聆讯，离正式上市再进一步。 资料显示，滴普科技是一家由华为、阿里前员工创办的企业级实时数据智能服务商，也是中国首批完成AI-Ready数据平台与大模型深度融合的数据智能独角兽，至今已斩获了高瓴、IDG等顶级机构投资，估值更是曾达10亿美元。 该公司在去年6月便首次赴港递表，今年4月再度向港交所递交招股说明书，历经6个月的努力推进，成功通过聆讯。若成功上市，滴普科技有望成为港股“企业级大模型AI应用第一股”。 阶梯式增长，滴普验证企业级AI商业潜力 资料显示，滴普科技主要专注于为企业提供前沿的人工智能解决方案，助力企业大规模高效整合数据、决策和运营。 透过港交所披露的聆讯后资料集可清晰发现，其营收呈现出强劲的“阶梯式增长”态势。 官方数据显示，其收入从2022年的人民币1.01亿元，增长至2023年的1.29亿元，并进一步跃升至2024年的2.43亿元，年均复合增长率高达55.5%。 进入2025年，增长动能愈发强劲，上半年实现收入1.32亿元，同比增速达到118.4%，较2024年全年的88.3%进一步提升。 营收高速增长的背后，是客户基础的持续扩大和单客户价值的提升。2022年至2024年，滴普科技的客户总数从129家扩展至245家。其中，大客户（年均收入贡献超过人民币150万元）数量达到117家。 更为关键的是客户黏性的增强，截至2025年6月30日，其累计服务的中大型企业客户数增至283家，复购客户数量为94家，复购率为33.2%，较2024年的33.1%略有提升。同时，每名大客户的年均收入从2022年的380万元增加至2024年的480万元，直接印证了其解决方案为客户带来的经济效益获得了认可。 进一步细究发现，其更深层次的变化在于收入结构性的转型，这清晰地反映了公司的战略方向。2025年上半年，其传统优势业务FastData企业级数据智能解决方案贡献营收0.59亿元，占总营收的44.7%；而代表未来方向的FastAGI企业级人工智能解决方案业务营收则达到0.73亿元，占比升至55.3%，成功超越传统业务，成为新的增长引擎。 这一转变反馈出滴普科技已从一家数据智能服务商，成功升级为以AI应用为核心的解决方案提供商的信号。 展开全文 “Data+AI”双轮驱动下的核心竞争力 滴普科技商业模式的进阶，既缘于生成式AI技术掀起的不可逆的全球产业数字化浪潮，也根植于自身构建的技术壁垒。 据弗若斯特沙利文数据，2024年中国企业级大模型AI应用市场规模达386亿元，预计2029年将突破2394亿元，年复合增长率44%，显示该产业长期巨大的增长潜力。 同一资料源还显示，滴普科技是中国首批构建AI-Ready数据融合平台的大模型人工智能应用解决方案专业提供商。 这一市场地位的背后，滴普科技的核心竞争力在于通过“FastData Foil数据融合平台”和“Deepexi企业级大模型平台”两大基础设施，将数据（Data）与人工智能（AI）能力深度融合，并成功逐步构建起两大核心产品，即FastData企业级数据智能解决方案与FastAGI企业级人工智能解决方案。 通过FastData企业级数据智能解决方案与FastAGI企业级人工智能解决方案，滴普科技可以精准匹配人工智能时代下，企业希望提升运营决策效果与生产力提升的需求，通过Data+AI能力切实解决业务痛点。而这种对企业需求的精准响应与业务难题的有效突破，并非依赖单一技术能力，更多源于其对 “技术服务商业”的深度践行。 具体来说，在数据工程层面，滴普科技基于多年积累的数据湖仓架构，实现对多模态数据的统一治理，为高质量行业大模型的训练奠定基础； 在模型工程层面，滴普科技通过强化学习与模型微调等技术，打造具备“知识－推理”双引擎的Deepexi企业级大模型平台，并借助自研的动态批量数据处理与KV Cache优化能力，显著提升推理性能与经济性，实现异构算力的高效利用。据弗若斯特沙利文资料，其自研的Deepexi企业级大模型是业界首个完成深度合成算法和生成式人工智能服务双重监管备案的通用企业运营决策大模型，显示权威机构对其产品技术的认可； 在应用工程层面，滴普科技推出了运营、生产力与工作流执行三类AI智能体（Agent），为企业提供端到端的智能支持。 随着业务规模的持续释放，这些技术优势直接成功作用在经营效率优化中。招股资料显示，其毛利率从2022年的29.4%显著提升至2024年的54.4%，并在2025年上半年进一步达到55.0%。这背后是髙毛利业务，尤其是结合了数据平台和大模型能力的解决方案占比的提升，从2021年的51%增至2023年的74%。同时，经调整净亏损率也同步收窄，显示出盈利结构的持续改善。 市场的认可度也从第三方数据中得到佐证。根据弗若斯特沙利文的报告，按2024年收入计，滴普科技在中国企业级大模型AI应用解决方案市场中排名第五，市场份额为4.2%，预计2025年将微升至4.4%。在一个正在塑造且极度分散的市场中，至少这说明公司在高速增长的市场中已占据一席之地。 企业级AI蓝海下的暗流：高投入、强竞争、商业培育 当然想要完全在这片有前途的蓝海中站稳脚跟，滴普科技免不了面临更多挑战，首当其冲的便是巨额研产投入带来的资金需求。 任何具备优越的技术实力的科技企业，都必然离不开持续大量的研发投入。数据显示，2022年-2024年，滴普科技研发费用分别为9420万元、8230万元、8140万元，这样的研发投入总量放到整个行业来说，并不多，甚至明显处于巨大的中尾部。 但按照企业自身的业绩规模来说，这一占比已经很高了。2024年得益于企业收入规模的大幅增长，滴普科技的研发投入比成功在保持总量大体不变的情况下从过去两年的93.7%、63.8%降至33.5%，依旧不低。 而与此同时，由于股份支付开支和附有优先权的股份公允价值变动等因素扰动，2024年其年度亏损从过去两年6.55亿元、5.03亿元翻倍激增至12.50亿元，远超当年总收入体量。 虽然公司强调剔除这些非现金项目，其经调整后的净亏损率已呈现收窄趋势，但亏损总额的放大明显加剧了企业的资金紧缺问题。 尤其是此时正值产业技术大战之际，后续研发投入需求只会更多，而不该减少。对此，滴普科技明确表示，未来计划投入大额资金建设算力平台，并预期在可预见未来将继续产生亏损。 截至2024年末，滴普科技账上现金及现金等价物金额为2.08亿元。伴随为数不多的资金储备快速被消耗，上市融资补充“弹药”变得尤为紧迫。招股书显示，IPO募集资金将用于提升研发能力、扩大在中国的销售网络及客户群、海外业务扩张、潜在投资和并购机会等。 此外，站在行业层面，市场竞争格局极其激烈。在通用大模型层面，滴普科技面临百度、阿里、腾讯、华为等巨头的生态压制；在垂直应用领域，亦有第四范式、星环科技等强劲对手。 尽管滴普科技凭借“行业大模型+Agent应用”模式试图建立差异化壁垒，但技术迭代压力巨大。此外，麦肯锡的调研指出，尽管大多数企业计划增加AI投资，但AI贡献利润超过20%的企业目前寥寥无几，这意味着下游客户的实际付费意愿和规模仍需时间培育，短期对滴普科技这类中上游供应商的商业化进程构成挑战。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多