社区

9月9日，宇信科技披露最新机构调研信息，泰康基金、工银瑞信、磐泽资产、鸿道投资、东北证券等机构把问题集中在同一条线上：AI究竟会压缩金融科技公司的业务，还是打开新的增量空间？ $宇信科技(300674)$

宇信科技给出的答案相当明确。2026年上半年，公司已有三十余个项目引入AI能力，并正与一家银行推进全行级AI规划，从模型、算力、平台到调度策略进行系统设计，同时共建AI研发中心。

这组信息的分量，在于金融AI已经越过演示和试点阶段，开始进入预算、项目、交付与组织体系。对于投资者而言，宇信科技接下来最重要的基本面观察项，也从“有没有AI产品”转向“项目能否复制、收入何时确认、回款质量能否改善”。

银行需要的不是一个大模型，而是一套能够承担责任的AI系统

宇信科技这次机构交流，把金融AI行业最容易被忽略的一层矛盾摆到了台面上。

通用大模型能够生成文本、提取信息、辅助编程，却天然缺少银行内部数据、业务规则、风险偏好和系统架构。模型进入银行以后，需要接入账户、授信、交易、客户、风控、合规等系统，还要处理数据权限、模型可解释性、操作留痕和人工复核。每增加一个业务场景，背后都可能牵涉一套新的责任边界。

金融监管总局2026年6月发布的指导意见，已经把银行业人工智能应用的要求写得很具体：金融机构需要建立覆盖需求分析、数据准备、训练开发、部署运行、维护迭代和评估退出的全生命周期管理体系；资金交易、信贷审批、承保理赔和风险管理等场景被列为高风险应用，须设置人工监督和干预机制。同时，监管要求加强应用、模型、算力和网络的一体化管理。

这份监管框架相当于给金融AI项目划出了施工图。银行采购一套通用模型远远不够，后续还需要数据治理、知识工程、模型准入、系统改造、安全测评、权限管理和持续运维。金融AI项目因此具有很强的工程属性，也给深耕银行业务多年的金融科技服务商留下了相当厚的交付空间。

宇信科技已经开始把业务从单点工具向系统级工程推进。公司披露，2026年上半年已有三十余个项目使用AI能力，并与某重要银行客户开展全行级AI规划，从平台和系统层面验证不同场景的应用效果，同时讨论模型、算力和调度策略，与客户共建AI研发中心。公司将这种模式视为AI环境下FDE，也就是前沿部署工程师模式的延伸。

这一步的价值，不能只按新增几个软件模块来理解。全行级项目意味着服务商开始参与银行AI底座、业务流程和技术路线的共同设计，客户黏性、项目纵深和后续运维空间都有望随之提升。金融科技公司的角色也在发生变化，从承接需求、开发系统，逐步走向AI架构设计、场景实施和持续运营。

说得直白一点，大模型厂商负责造发动机，银行需要的是一辆能够上路、通过年检并长期稳定运行的车。宇信科技争取的，正是整车设计、装配和维护这部分价值。

三十多个项目只是起点，真正影响基本面的还是复制效率

截至2026年上半年，宇信科技的AI业务已经呈现出产品、平台与交付同步推进的轮廓。

在信贷环节，公司对智能尽调、流水分析和智能信审等产品进行了AI升级；在数据业务中推出SSP智慧金融伙伴，将数据、知识和业务场景连接起来；AI监管产品已在多家大型银行试点；新一代AI手机银行也已落地标杆项目。公司围绕智能体、知识、模型和助手形成AI中台能力，企业级智能助手规划覆盖超过30个业务场景。

这些动作共同指向一个更重要的增长路径：先用FDE团队深入客户现场，把业务规则、提示词、知识库和系统接口调通，再把项目经验沉淀为标准化平台与产品，向同类银行复制。

金融IT长期面临一个老问题，定制开发占比较高，人员投入与收入增长往往同步上升，规模效应不够明显。AI可能改变其中一部分成本结构。代码生成、需求解析、自动测试和知识复用能够提高研发效率；AI中台和标准化智能体则有机会降低后续项目的重复开发量。项目数量增长只是第一层信号，毛利率、交付周期和人均产出的改善，才是更有含金量的结果。

宇信科技的客户结构为复制提供了一定基础。2026年上半年，国有大行、股份制银行、政策性银行和大型城商行合计贡献公司主营业务收入的62.06%，同比提高4.97个百分点；银行IT产品与解决方案收入为11.26亿元，占营业收入的87.20%。头部银行通常拥有更高的技术预算、更复杂的业务体系，也更愿意参与前沿系统的联合建设。一个全行级项目一旦形成标杆，后续有机会向其他大型银行复制，再通过轻量化产品覆盖中小机构。

这里还有一条容易被低估的业务线。2026年上半年，大型商业银行本外币资产规模同比增长8.5%，高于银行业整体增速1.9个百分点，占全部银行业金融机构总资产的44.5%。银行资源继续向头部集中，金融科技预算也更容易集中到具备大行服务经验、复杂系统交付能力和安全合规积累的供应商。

宇信科技后续能否形成第二增长曲线，主要看全行级项目能否沉淀为可复用产品，AI功能能否提高单客户收入，以及内部研发提效能否真正反映在毛利率和费用率上。30多个项目证明需求已经启动，规模化复制决定业务的最终高度。

AI故事已经有了订单轮廓，财务兑现仍需穿过回款这一关

宇信科技2026年上半年的财务数据，提供了一个比较克制的观察坐标。

报告期内，公司实现营业收入12.91亿元，同比下降8.75%；归母净利润3.09亿元，同比增长40.34%；综合毛利率为33.44%。不过，扣除非经常性损益后的归母净利润为1.95亿元，同比下降9.51%，经营活动现金流净额为负6.60亿元。公司解释，经营现金流净流出增加，主要受到软件开发及服务业务回款减少、系统集成销售及服务采购付款增加影响。同期交易性金融资产公允价值变动收益为1.28亿元，对归母利润增长形成了较大贡献。

这组数据提醒投资者，AI项目已经进入交付环节，但尚未完全转化为强劲的主营收入、扣非利润和经营现金流。银行IT项目验收周期较长，前期研发和驻场投入较重，全行级AI建设还会增加算力适配、安全测试和跨系统改造工作。项目越大，对交付管理和回款节奏的要求越高。

风险也很清楚。大型银行可能加强自研，通用模型厂商和云厂商也在向应用层延伸；金融AI受监管约束较强，从试点到核心生产系统的决策周期可能拉长；如果每家银行都需要大规模定制，项目数量增长未必同步带来利润弹性。公司还需要证明，FDE模式能够沉淀产品，而非持续堆积人力。

但从产业位置看，宇信科技已经拿到了相对稀缺的入场券。金融AI建设越深入，对业务理解、客户信任、数据治理和复杂系统交付的要求越高。银行很难仅凭一个模型完成改造，也不会轻易把核心业务交给缺少金融经验的技术团队。宇信科技在信贷、数据、监管和数字银行等环节积累的产品能力，正在AI项目中重新组合。

接下来的基本面催化，应当落在几个可验证的结果上：全行级AI规划进入实施，试点项目转为正式订单，标杆能力向其他客户复制，AI产品提高单客户收入，经营现金流随项目验收和回款改善。只要这条路径逐步兑现，宇信科技获得的就不只是AI主题带来的关注，而是收入结构、交付效率和客户价值同步提升后的资产重估。

金融AI不会是一场轻巧的软件升级，它更像银行核心系统的一次长期改造。宇信科技已经从门外的概念叙事走进项目现场，下一阶段要回答的问题很务实：三十多个项目，最终能为报表留下多少收入、利润和现金。