10月30日,紫光股份发布2025年三季报。公司持续做强“算力×联接”,推动业务强劲增长,进一步彰显公司在赋能AI时代的技术实力和市场领先地位。
前三季度,公司整体实现营业收入773.22亿元,同比增长31.41%,这一高速增长得益于核心子公司新华三的强劲业绩表现:新华三前三季度营业收入达596.23亿元,同比增长48.07%;作为公司业务基本盘的国内政企业务收入达到515.02亿元,以62.55%的增速夯实了发展根基;作为第二增长曲线的国际业务更是表现亮眼,收入34.78亿元,同比增长83.99%,显示出公司在国际市场的突飞猛进;尤其值得一提的是,在行业整体利润空间受到挤压的背景下,新华三前三季度仍实现净利润25.29亿元,同比增长14.75%,在保持高速增长的同时兼顾了盈利能力提升。
作为国内稀缺的能够深度整合并充分发挥“算力×联接”乘数效应的上市企业,公司以“AI in ALL”战略为牵引,持续深化智算领域的全栈布局,在通过“多元算力”筑牢高效、绿色、自主算力基石的同时,以高品质网络联接助力客户实现最佳智算效能:
GB/s,集群总带宽突破476.752GB/s 的优异成绩,登顶MLPerf® Storage v2.0基准测试中高性能RoCE AI存储解决方案榜首。目前已在多个大型智算项目中推进商用落地和规模化部署。
公司积极响应“人工智能+”行动意见,深化“AI for ALL”战略,以行业智能体为发力点加速应用落地,继在多地成功上线多个政府政务智能体、城轨智能体、教育智能体以来,进一步在政务治理、生产制造、质量检测等多个领域开拓出一条行业智能体可落地、可复制的发展路径。
公司紧抓国内产业升级机遇,持续迭代行业解决方案,三季度成功突破装备制造、基础能源、消费电子等领域的多家头部客户重点项目,深度参与重庆、青海、河北等多地智算中心建设,服务多个头部高校、三甲医院、发电企业构建智算基础设施平台,支撑场景化智能应用开发落地。
针对政企行业用户深化国产化建设需求,公司不断完善从基础设施到云平台 的解决方案能力,以政务云、央国企云为核心抓手,成为政企国产化建设的核心合作伙伴,同时在金融行业服务多家券商打造国产化基础设施平台,加速全 行业国产化建设进程。
公司创新打造的图灵小镇迈入全新阶段,三季度又先后在青海西宁、广西贺州、宁夏银川等地落地,推动算力资源优化配置与AI技术产业化,助力各地将“算 力优势”切实转化为“产业优势”。
在作为第二增长曲线的国际市场,公司持续突破战略客户、加深生态合作、拓展中小企业及行业细分市场、提升品牌国际影响力。成功与西班牙电信、欧洲游戏与影视企业PLAION、意大利生命科技高等技术学院、泰国帕那空皇家大学、菲律宾大气地球物理和天文服务管理局等全球客户展开合作。在哈萨克斯坦,公司与科学和高等教育部、Kcell运营商、哈萨克斯坦人民银行以及阿拉套城市银行(Alatau City Bank)等行业头部客户的合作全面深化;在阿联酋 GITEX 2025展会上,公司与领先的电信运营商du达成战略合作伙伴关系,聚焦网络基础设施升级, AI基础设施、智算中心及运营商骨干网建设等领域。
当前,全球范围内的人工智能基础设施建设与人工智能应用创新持续提速,带来巨大的产业机遇。公司将乘势而上,依托自身核心技术优势,深入行业应用场景,抢抓AI机遇,精耕务实,为时代赋智慧!
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。