2025年10月，中国金融IT市场规模预计突破4300亿元，年复合增长率维持在12.3%。在这个黄金赛道上，一家深耕行业26年的老兵——科蓝软件(300663)，却在经历连续三年的业绩阵痛。
2月13日晚间，科蓝软件发布东方金诚国际信用评估有限公司关于公司2025年度业绩预亏的关注公告。公告显示，公司预计2025年度归母净利润亏损2.5亿元至3.3亿元，扣除非经常性损益后的净利润亏损2.53亿元至3.33亿元。这已是科蓝软件连续第三年亏损，三年累计亏损金额将超过9亿元。
数据不会说谎，但数据背后的故事远比数字本身更值得深究。东方金诚在关注公告中揭示了公司业绩变动的四大主因：其一，公司处于AI战略转型阶段，持续增加在AI智能及信创等领域的研发投入;其二，主动压缩IT人员外包类项目规模，大幅减少科技属性弱的人力资源项目;其三，基于谨慎性原则计提被投资企业的商誉减值准备;其四，预计非经常性损益对净利润的影响金额约为339万元。
这四大原因指向一个核心问题：科蓝软件正在经历一场”壮士断腕”式的战略转型。在行业从人力密集型向技术密集型升级的关键窗口期，公司选择了主动收缩低毛利的IT人力外包业务，全力押注高投入、长周期的AI研发赛道。
这种转型并非没有代价。对比2025年三季报数据，公司前三季度实现营业总收入4.19亿元，同比下降42.40%，归母净利润亏损1055万元，同比下降55.01%。而全年预计亏损额较三季度显著扩大，反映出公司在第四季度经营状况出现了急剧恶化。收入”减量”但亏损幅度未等比例扩大，显示公司业务正向高毛利、高技术的解决方案与自研产品切换。
从财务结构看，这种转型正在带来积极变化。2025年三季报显示，公司经营活动现金流净额为5168万元，上年同期为-1.79亿元，同比改善128.8%。短期借款13.16亿元，较年初减少41.1%;一年内到期非流动负债1.59亿元，较年初下降25.5%。有息负债合计减少约9亿元，资产负债率降至64.6%，财务费用同比下降39.7%。杠杆快速回落不仅减轻了利息负担，也增强了公司抵御外部不确定性的能力。
科蓝软件的战略转型路径清晰可见。公司以3A战略(AI数据库、AI应用/AI机器人、AI算力/AI芯片)为核心骨架，深度践行”AI替代重复性人工、技术优化管理架构、产品赋能客户价值”的转型路径。在AI数据库(SUNDB数据库)方面，科蓝联合清华大学共建智能数据库研究院，攻克多项核心技术，使数据库98%以上代码自主可控，其技术储备已延伸至第三代产品，与清华联合研发的量子加密数据库预计2025年第四季度实现商用。
在AI应用层面，以”小蓝”鸿蒙智能高柜机器人为核心的产品，已进驻国内多家银行网点，覆盖多个发达省份。据测算，单网点人工成本可降低30%，平均每年可至少降本超20万元。在AI算力方面，科蓝与华为共建苏州智能算力中心，创新推出”按需付费”的算力共享模式，针对中小银行成本顾虑有望大面积全国推广。
行业趋势正在验证科蓝软件的战略选择。中国信息通信研究院数据显示，2025年金融信创市场规模预计逼近2500亿元，年增速达35%。在”2027年完成全系统信创替代”的政策强驱动下，金融行业正经历一场由底层芯片到上层应用的全栈式技术革命。而IDC《2025年中国金融行业数据库市场报告》预测，到2025年，中国银行业核心系统国产化率将突破50%，其中分布式数据库占据重要份额。
更值得关注的是，AI技术在金融领域的应用已从”试试看”走向”必须做”。数据显示，72%的金融机构在2025年对生成式AI进行了中等至大型投资，这一比例几乎是2024年40%的两倍。从工商银行基于通义大模型打造的”工银智涌”体系，到平安集团1.5万工程师使用AI代码工具实现新项目AI代码占比超70%，金融AI的落地正在加速。
东方金诚在2025年6月24日的定期跟踪评级中，已下调科蓝软件主体信用等级为A，评级展望稳定，下调”科蓝转债”信用等级为A。评级机构将持续关注科蓝软件的经营和财务状况的变化，并及时披露相关事项对公司信用等级可能产生的影响。这反映了市场对科蓝软件转型成效的谨慎态度。
业内人士分析认为，2025年的亏损收窄是科蓝软件3A战略转型的”阶段性成果”，更是2026年迎来业绩拐点的”明确信号”。但硬币的另一面是，从2025年三季报到全年业绩预告，第四季度亏损额的显著扩大，也提醒市场转型之路并非坦途。
在千亿级的国内金融科技市场和万亿级的海外市场中，科蓝软件能否凭借转型积累的技术、产品与客户优势，在AI时代的新周期中实现跨越式发展，仍需时间检验。对于投资者而言，关注的重点不应仅仅是短期亏损的数字，而是公司在AI数据库、智能机器人、算力中心等核心领域的布局何时能转化为实实在在的盈利能力。
文章来源于网络。发布者：火星财经，转载请注明出处：https://www.sengcheng.com/article/124522.html
微信扫一扫 
支付宝扫一扫 
