上海软件开发公司有哪些?

上海的软件开发公司有：上海鲸创电子科技有限公司、上海友搜网络科技有限公司、上海鸿威信息科技有限公司、因保信息科技（上海）有限公司、上海枫红网络科技有限公司、上海卓图信息科技有限公司、上海中瀚网络科技有限公司等。

软件开发公司经营范围

1、计算机软件、移动通信终端、网络信息技术的研发、技术服务和技术转让，计算机系统集成，会议服务、翻译服务、商标代理、商务咨询、企业形象规划、营销规划。

2、网络技术、计算机技术、信息技术、物联网技术、汽车共享停车系统软件的技术开发、技术咨询、技术转移和技术服务、计算机系统集成、数据处理。

3、计算机系统整合计算机网络系统工程服务通信器材、互联网软件技术、物联网软件技术领域技术开发、技术咨询、技术服务、技术转让、计算机软件销售。

4、计算机软件开发与销售、网络技术、网站技术、多媒体技术、应用计算机技术转让、技术咨询、技术服务。

据媒体报道，9月11日晚，上交所科创板公布了京东数科招股书。京东数科拟通过科创板发行不超过538亿股，占发行后总股本的比例不低于10%，计划募集资金总额为20367亿元。

其实，京东数科最应该对标的企业是阿里云这样的公司，从业务方向上是这样的，但网上很多的文章都是对标蚂蚁 科技 ，因为毕竟京东数科是从京东金融演化而来。当然，京东数科的业务范围与阿里云、蚂蚁 科技 都有部分相关，但并不相同。

京东数科首次披露了其主要业务的三大板块，为金融机构数字化解决方案（To F）、商户与企业数字化解决方案（To B）、政府及其他客户数字化解决方案（To G）三大块。2020年上半年，这三部分业务营业收入的占比分别为4148%、5237%和557%。

蚂蚁集团在回复交易所询问中称，公司主要业务板块包括数字支付与商家服务、数字金融 科技 平台、创新业务及其他。

上市进度上，蚂蚁暂时领先京东数科

从上市进度上看，京东数科起步早，但进展好像落在了蚂蚁 科技 的后面，但因为蚂蚁 科技 是要A+H双上市，最终谁先登陆资本市场，还不好最后下决定。对于京东数科来说，能在蚂蚁 科技 之前上市显然相当相当重要。

7月1日，证监会网站便公布了京东数科在科创板上市辅导的系列文件。而直到7月20日，蚂蚁集团才宣布，启动在科创板和港交所寻求同步发行上市的计划。蚂蚁集团已向港股、科创板递交招股书，且科创板的审核状态8月30日已更新为“已问询”。京东数科却刚刚被上交所受理。蚂蚁集团IPO进程后来居上，辅导券商为中金公司和中信建投两家公司。从8月25日蚂蚁集团科创板申请获受理，到9月9日完成两轮问询并于当晚通知9月18日上会，蚂蚁集团科创板IPO审核全程一共用时25天。

蚂蚁营收大概维持在京东数科七八倍水平，利润差距太明显

看营收，据京东数科招股书披露，2017年至2019年，京东数科营收分别为9070亿元、13616亿元、18203亿元。2020年上半年，营收10327亿元。

同样，2017年度、2018年度、2019年度和2020年1月份-6月份，蚂蚁集团分别实现营业收入65396亿元、85722亿元、120618亿元和72528亿元。也就是说，蚂蚁集团的营收大概是京东数科的七八倍的样子。腾讯发布2020年半年报显示，同期腾讯金融 科技 板块实现营业收入56337亿元。

京东数科于2018年开始扭亏为盈，当年归属于母公司股东的净利润13亿元报告期内（2017年-2020年上半年），京东数科营业收入分别为91亿元、136亿元、182亿元及103亿元，保持高速增长；净利润分别为-382亿元、13亿元、79亿元及-67亿元，波动较大。蚂蚁集团报告期利润分别为8205亿、2156亿、18072亿和219亿元。

谁更有钱？蚂蚁1000亿级、京东数科100亿级

截至2020年6月30日，京东数科账上现金及现金等价物余额为117亿元。

蚂蚁 科技 2020年6月30日有1,04723亿元的货币资金。

用户数差异很大，包括C端和B端

在用户方面，京东数科的用户数未有详细数据，但京东集团的用户数为2020年第二季度破4亿，因为京东购物中相当多用户使用微信支付，而京东收购来的网银在线有地域使用限制，显然京东数科的用户数不会太多。

蚂蚁集团披露，截至2020年6月，支付宝app年活跃用户10亿，月活跃用户711亿，月度活跃商家超过8000万，合作金融机构超过2000家，为全球最大的生活服务/商业类APP。

支付能力和市场份额上没有可比性

除数字支付服务外，支付宝平台同时提供数字金融服务和数字生活服务，支付宝APP已涵盖超过1000种日常生活服务及超过两百万个小程序。

根据蚂蚁招股书，截至2020 年6 月30 日止12 个月期间，通过公司平台完成的总支付交易规模达到118 万亿元人民币。同期中国数字支付交易金额为201万亿元，蚂蚁集团支付宝的交易规模超过55%。

在这个数据上，京东数科数据未知，但第三方监测机构的数据显示，支付宝与微信两家的市场份额超过93，留给其他所有支付机构的不足7%。

核心金融业务的交易上不在一个量级

蚂蚁集团的微贷 科技 平台促成的消费信贷和小微经营者信贷余额合计达到21万亿，理财 科技 平台促成的资产管理规模达到41万亿元，保险 科技 平台促成的保费及分摊金额达到518亿。

据招股书披露，各报告期京东金条的促成的贷款规模分别为 1,03685 亿元、2,55492 亿元、4,58915 亿元和 2,61217 亿元。对更为用户和市场熟悉的白条，招股书则并未披露贷款规模数据。据估算，到2019年末，京东金条和白条的贷款余额约为5000亿元左右。而据蚂蚁集团的招股书披露，其截止2020年6月末消费信贷余额为17320亿元，两者出现了数量级差距。

蚂蚁招股书中披露，其微贷 科技 平台产品花呗、借呗等，2020年上半年收入28586亿元。2014年2月推出的“京东白条”收入达1794 亿元，2020上年半京东金条实现的 科技 服务收入 2636 亿元。

研发投入能力和比例都很大，但差距不小

京东数科招股文件显示，截至2020年6月30日，京东数科共有在岗员工数9989人，其中研发人员及专业人员占到公司员工总数的比例约为70%。京东数科在今年上半年的研发投入占比 1567% ，在科创板年营收超百亿元人民币的公司中(含已申报)仅低于中芯国际，位列第二名，在整个A股市场超出95%的上市公司。这说明，京东数科很“ 科技 ”。

2019年蚂蚁 科技 全年技术研发投入高达10602亿元，相当于130多家科创板新股2019年研发支出的一半。而此次IPO募集资金的40%都将投向支持创新及 科技 ，30%将投向助力数字经济升级。同时，据招股书，截至2020年6月末，蚂蚁集团10646名员工中，技术研发人员占比超过了64%。

2017年度~2019年度以及2020年上半年，京东数科的研发费用分别为1078亿元、1743亿元、2567亿元和1619亿元，占营业收入的比例分别为1188%、1280%、1410%和1567%。因营收规模更大，蚂蚁集团科研投入整体金额也更多，分别达到4789亿、6903亿、以及10605亿，始终维持在京东数科的4倍左右。

截至2020年6月末，京东数科服务金融机构的大数据风控体系已积累各类模型超过1,000个，风险策略超过10万个，日均决策47亿次。在支付服务的技术能力(包括交易处理能力、安全及风险管理能力等)方面，蚂蚁集团峰值支付处理量在2019年“双十一”全球购物狂欢节期间达到每秒9459万次。蚂蚁的风控体系叫“蚁盾”，这套体系有多强，看看支付宝经常做一些其他公司不敢做的网络促销、2020年疫情后的消费券多数地方政府都选择支付宝而不怕被薅羊毛，就可以看得很清晰。

技术专利上，蚂蚁已经拥有26万项专利，26项自研核心技术、18项世界级奖项。在数据库方面，蚂蚁自研究的数据库OceanBase性能测试世界第一，而在与金融强相关的区块链技术积累上，蚂蚁链的区块链专利申请数也拿到了全球第一，并已经开始商业化。知识产权机构IPRdaily联合incoPat创新指数研究中心发布的《2020上半年全球企业区块链发明专利排行榜》榜单显示，阿里巴巴（含蚂蚁集团）以1457件专利数继续位列第一，且总数超过2、3、4名之和。排在第二位的是腾讯，有872件。

因为区块链技术被看作下一代价值互联网的主要协议之一。从数字货币到证券与金融合约、医疗、游戏、人工智能、物联网、身份验证、电子商务、社交通讯、文件储存等，都可以进行广泛应用。比如我了解的趣链科技就做的很不错，他们与多家知名企业联合成立了一些合资公司，布局了区块链+金融、物联网、医疗、智慧政务、智慧城市等关键领域。

数源科技与蚂蚁集团关系是竞争关系。数源科技，实控人杭州市人民政府，数字经济、数字贸易、蚂蚁金服潜在借壳对象控股股东杭州市人民政府为蚂蚁金服二股东，都在杭州市，智慧政务、无人驾驶、充电桩、元宇宙、智慧城。

9月27日，由证券时报主办的“2019中国AI金融探路者峰会暨第三届中国金融科技先锋榜”在深圳举行。蚂蚁金服集团数字金融智能运营部总经理彭业飞分享了主题演讲《数字金融AI智能运营实例》。

对于AI金融的从业人员来说，一个金融科技产品，如何从用户中来到用户中去，做到个性化投放的最大效率，是最关心的问题之一。在这次主题演讲中，在人工智能、神经网络、信息检索等方面有着资深履历的技术大咖彭业飞详细做了解答，同时分享了其对数字金融AI营销的理解，以及边缘计算、可解释性等最新技术应用。

在多个场合，蚂蚁金服都曾强调持续创新、聚焦科技和开放平台是其三大立身之本，通过自主创新的BASIC(区块链、人工智能、安全、物联网和云计算)技术能力，解决社会解决问题之际，实现技术全方位开放输出。在这次演讲分享的最后，彭业飞详细分享了技术创新开放的愿景：“希望这个平台更敏捷、更智能、更开放，能够快速复制，同时开放给我们的合作伙伴。”

以下为演讲原文，券商中国作刊发以飨读者：

营销应回归用户全生命周期

我们先看一下历史上营销行业的趋势，从70年代开始，大家的关注焦点在货品上的营销，慢慢转向了以交易为营销目标，到2000年，再到怎么样全面管理消费者的关系，慢慢到了最近这些年我们更加在乎如何深刻理解个人、如何理解消费者的情感、如何构建一个忠诚度的维系，越来越以人为本。

什么叫营销呢？本质上营销就是怎么理解消费者的行为，进而试图影响消费者行为的学科。最早在1899年西方就有过这种研究，就是用户看到什么东西，他注意力在哪里，他的兴趣在哪里，他想什么东西，最后他做了一个什么样的行为。可以看到这个理论不断深化，其实基本的框架还是一百年前的框架，不管发展几千年，人还是人，消费者的行为还是类似的。

人的行为是受两块影响，一是外因，一是内因。中间就关于这个人本身，他对自己的认知是什么样的，他的生活方式是怎么样，他会有一个需求，最后影响了一个他的决策过程。从技术角度来讲其实就是一个用户画像，这个人是什么样的人，我怎么理解这个人。他的内因就是他的决策过程，这是我们尝试去理解的。外因其实就是我们能够去施加一些影响力的。比如用户在我们的产品里面或者APP里面，我们怎么触达他，其实是能够影响他的一个外因。最终我们希望这些内因和外因加在这个人身上能够让他真正在行为上产生一些改变。

这是反映在用户跟行为关系上，他是怎么用你的产品，他是不是买你的产品。这在数据上都能得到，他最终的结果，他跟你的交互是什么样的，最终我们要把这些东西归因到你的内因和外因上，这样才能完成循环，才能进一步再去改进我们如何跟用户交互，怎么做多点地触达。

话说回来，最根本的还是用户的全生命周期，从这一个维度来切入。任何的一个新东西，我们如何让用户知道这个产品也好、这个服务也好，怎么做拉新，怎么做增长，怎么促进他的活跃，怎么防止他的流失，永远可以有一个维度做参考。

AI营销如何做到个性化投放的最大效率？

我们自动化的智能营销还是有这几个阶段，第一个是自动化，自动化是什么呢？机器，我们希望帮助人自动化这个过程，省掉人工的劳动，哪怕你没有智能化，第一步你要做到自动化，自动化负责更好的决策；然后是智能化，其实是智能和人工的一个结合，这是机器和人的结合；最终是把自动化和智能化结合起来，产生一个更好的工具。这工具里面就自带了人工智能所有的东西，让你用起来的时候感觉不到，实际它已经内置了很多智能应用在里头。

说到自动化，我们有一个运营工作台，能够让大家很容易用。我们会有一个决策引擎，这里面涉及到算法规模化，毕竟我们的产品已经是数亿用户在里头。得到了结果以后，我们需要有一个深度分析，自动地回流，这样才能知道我们为什么这样做、做得好不好，才能不断去改进。

再来讲讲智能化，智能化是说什么呢？怎么样决策跟用户的沟通。因为最终我们给用户看到的不管怎么样的，是APP也好，是一个网站也好，它总是一个产品；用户在产品上看到了什么最终是你产品的一切，一切都体现在他看到什么东西。你怎么去触达用户？我们会有很多的决策在里头：

比如我们想触达什么样的人，用一个什么样的渠道触达。这个渠道还可以有很多方面，比如在APP里面可以显示不同的东西、推荐不同的东西，哪怕用户搜索一个东西，也可以给他看到不同的结果；你还可以主动触达用户，给他发一个短信，也完全可以用人工智能生成这句话，每个人看到的这句话是不一样的，是针对用户最感兴趣的东西、怎么帮助用户理解这个产品、理解这个服务来生成这句话。在每个方面，其实都可以由中间的大脑来进行决策；进行决策以后，再把这些东西加到用户身上，给用户触达；触达了之后，我们需要实时反馈、实时更新，不断调整我们策略、不断改进，让大脑不断演进，基本是这么一个过程。

再说到营销。成功的营销策略至少要做到这些方面：个性化的投放最大化效率，同时它一定是多次触达，跟多个用户、不同地方的交互；任何的营销，很多情况下都涉及到成本问题，你怎么控制你的成本同时你还需要可灵活调整目标，这什么意思呢？毕竟营销策略是由人来做出的，不同的情况下我们有不同的目标，这个机器其实是无法理解的，必须由人来告诉这个机器，对于这部分用户群体，我的目标是什么——是需要最大化他的点击率还是最大化的转化率，这不是机器能够考虑的。

举一个强化学习的例子。强化学习就是类似于一个儿童或者一个小孩是怎么来学习演进的，比如我拿了这块糖，大人是鼓励你吃这块糖还是惩罚你，但你通过这些得到了反馈，就会从反馈中学习。不是任何事都预先告诉你应该这样做、那样做，这是远远不够的，你需要不断探索这个世界，通过反馈学习我这个策略对不对，我如何改进，人都是这样的过程。我们的营销系统也可以这样学习，我们也会采取行动，去触达这些用户。用户会给我们反馈，包括是一个正向的反馈还是一个负向的反馈，再不断调整我们的系统。

我们系统会自我调整，这只是我们一个例子。我们用强化学习形成了一体化的解决方案，就会做到哪些呢？实时预测在线应该怎么投放、怎么触达用户，跟踪用户的生命周期，还要做多目标融合，这需要我们跟用户交互来学习、建模，最后完成这个循环，不断改进我们的算法。

智能营销走向实时化：可解释性和边缘计算

刚才这只是我们其中一个算法，原来的算法都是离线，比如每天更新一次，但现在随着计算能力越来越强，我们技术越来越发展，我们是要走向实时化。深度学习当然是这些年已经最流行的一个算法了，下面我稍微解释一下可解释性和边缘计算。

为什么我们需要可解释性？什么叫可解释性？本来我们构建一个机器学习模型，人是不能理解的，因为一个模型可能有上亿的参数在里头，模型做出了一个决定说这个人喜不喜欢这个东西，它是没法跟你解释的，因为它可能有上亿甚至十亿参数在里头，它不能说为什么做这个决定，比如神经网络深度学习模型，它不能告诉你这个事情的。

这有什么效果呢？打一个不太恰当的比方，机器学习在很多方面是很强的，它可能数学特别厉害，这好比一个天才算算数特别厉害，但是它在其他方面很弱，比如他可能生活不太能自理，他交流能力、沟通能力特别差，他能力非常强，但是你没法跟他交流，你不知道他为什么做了这个决定，很多时候他也没法主动跟你交流说理解这个业务、理解这个产品，他其实也不理解，这时候你是不是很放心，比如把一个很大的事情，生死攸关的一个事情交给这样一个天才来做呢？可能很多时候你不一定很放心，因为你无法知道他如何做这个决策的。

毕竟做任何一个营销活动也好，我们还是希望能够理解说为什么我们做了这件事情，我们需要从中产生一些洞察，哪怕先训练一个黑盒模型，我们也会基于此尝试去产生一个白盒的人群的洞察。有了这个人群洞察以后，我们会尝试分析和理解它，有了这个理解加上洞察能帮助我们更好作出这个营销的决策。这就是人和机器的结合，这也是在近些年机器领域很热门的一个点，就是可解释性。

再说边缘计算，这也是这几年一个热点之一。云计算，大家都很理解，就是说我的数据都要把它发到一个数据中心去做很复杂的处理，训练很复杂的模型，然后再把这个决策从云端发到你的手机上去执行了，叫云计算。边缘计算是什么？很多计算很多是在你手机上完成的，它不需要上到云，为什么呢？

这里有一个说法，到2020年每人每天平均将产生15GB的数据量，这个数据量非常大，不是说所有数据都值得或者都应该把它上载到云端的，因为在云端的存储也需要很多开销，这些数据不一定非要上载云端，但这些数据有没有用呢？其实很有用，因为每一个跟手机上APP的交互都蕴含了里面的信息量，都是可以帮助你对用户的理解。

还有很多很细微的数据，这些数据是不是都会上载到云端？其实不会。它会不会影响决策？其实是会的。我们现在的终端、我们的手机计算能力非常强，它远远大于十年前一台PC机，它已经可以执行一些模型的推理甚至是模型的构建，它完全是有这个能力的，所以就会有边缘计算这个概念。我们很多决策，大的决策是在云端做出的，这个决策到了你的手机端，根据你手机上实时产生的数据再做调整，这个调整是在你的手机上完成的，当然手机只是一个概念、一个意思，其实还有很多其他终端设备都可以做这个边缘计算，这也是这些年的热点之一。

智能敏捷模型快速复制，即为己用更对外开放

再讲到工具化，因为最终我们是希望能够有一套智能应用的框架，使之非常容易地应用到各个不同的场景。比如说蚂蚁金服的服务，我们有花呗、借呗、余额宝、理财等，各种各样的。我们能不能把(一套智能应用框架)快速复制到这些业务里，哪怕我们不断产生新业务，我们需要有一套框架能被快速复制到所有新场景，这就需要我们把这些东西非常好的工具化。

所以我们会有一套智能应用的体系，这里面底层是以数据为基础的，上面就有智能决策的引擎，里面包括各种各样的办法，最终做成一个数据产品。

这个数据产品会支撑内部应用、外部应用，比如外部应用是跟很多第三方合作的一些机构、平台，他们最终会触达用户，(这部分用户)不管是内部还是外部用户。当我把这套东西做好以后，能在满足自己使用之外 ，很容易既把我们自己的能力复给别人、快速复制到不同场景里。

我们希望这个平台更敏捷、更智能、更开放，能够快速复制、非常好的智能化，同时开放给我们的合作伙伴。

我们每个人都是一个高度智慧的生物，每个人脑子里其实有千亿级别的神经元。换一个角度来看，我们做的机器学习很多用的是什么？神经网络，其实它(机器)里面也是神经元，只不过它是机器来做的神经元，它有多少神经元呢？你可以做非常大的网络，可以做上亿的神经元的网络，但我们更希望把人脑里面的神经元和机器做出来的神经元结合在一起，就像刚才讲的，我们所做出的决策当前机器在某些方面还达不到人的状态，哪怕它(机器)做出多少亿神经元在里头，它还是达不到人脑的状态。

如何把人的神经元和机器神经元结合起来，一起做出一个决策，这是需要不断被探讨和深入研究的。有了这个(两者相结合的)神经元以后，我们还要快速执行，因为天下武功唯快不破，能够把它快速执行下去，这样才能把智能营销做出来。

另一个角度，金融行业也有金融行业的一些特性、金融产品的特性，不像在淘宝买件东西，它有前中后各个不同的阶段，比如我在淘宝上买了一个冰箱就结束了，淘宝跟你的交互基本就结束了，我是不知道你在家里用这个冰箱是怎么样的，你是每天用还是每天不用，用得好不好。但如果你买了一个理财产品，这个理财产品一直在你的账户里，理财产品的变化，比如基金的价格涨了还是跌了对你还是很有影响的，它是持续不断的过程，这也需要我们深入理解这个产品形态，把前中后结合起来才能更好做出决策。

（文章来源：券商中国）

郑重声明：发布此信息的目的在于传播更多信息，与本站立场无关。

---