据证券之星公开数据整理，近期每日互动(300766)发布2024年年报。根据财报显示，每日互动增收不增利。截至本报告期末，公司营业总收入4.7亿元，同比上升9.41%，归母净利润-6475.52万元，同比下降29.69%。按单季度数据看，第四季度营业总收入1.37亿元，同比上升14.22%，第四季度归母净利润-7110.11万元，同比下降40.94%。

该数据低于大多数分析师的预期，此前分析师普遍预期2024年净利润为盈利5588万元左右。

本次财报公布的各项数据指标表现一般。其中，毛利率73.37%，同比增6.99%，净利率-14.54%，同比减17.58%，销售费用、管理费用、财务费用总计2.15亿元，三费占营收比45.74%，同比增12.57%，每股净资产4.0元，同比减1.72%，每股经营性现金流0.05元，同比增58.46%，每股收益-0.17元，同比减30.77%

财务报表中对有大幅变动的财务项目的原因说明如下：财务费用变动幅度为51.61%,原因:本期利息收入减少。经营活动产生的现金流量净额变动幅度为55.84%,原因:本期采购付款与职工薪酬支出较上期减少。投资活动现金流入小计变动幅度为-51.5%,原因:本期到期赎回的大额存单较上期少。投资活动现金流出小计变动幅度为-59.09%,原因:本期购买大额存单较少，以及本期总部大楼逐渐完工后，支出减少。投资活动产生的现金流量净额变动幅度为90.38%,原因:本期大额存单净赎回较多且本期长期资产投资较上期减少。筹资活动现金流入小计变动幅度为-85.89%,原因:公司上期有新增银行借款。筹资活动现金流出小计变动幅度为54.8%,原因:本期归还全部银行借款。筹资活动产生的现金流量净额变动幅度为-141.82%,原因:本期归还全部银行借款。货币资金变动幅度为-44.01%,原因:本期归还银行借款及收购杭州云深少数股权。应收款项变动幅度为28.56%,原因:本期部分业务收款不及预期。合同资产变动幅度为294.23%,原因:公共服务业务中项目类合同的影响。存货变动幅度为139.17%,原因:本期项目制业务合同履约成本增加。固定资产变动幅度为54.18%,原因:本期总部大楼完工由在建工程转入固定资产。在建工程变动幅度为-100.0%,原因:本期总部大楼完工由在建工程转入固定资产。使用权资产变动幅度为-57.51%,原因:本期使用权资产按期计提折旧。长期借款变动幅度为-100.0%,原因:本期归还银行借款。租赁负债变动幅度为-84.69%,原因:本期按期支付了外地办公室租赁款。应收票据变动幅度为267.96%,原因:本期新增银行承兑汇票结算。预付款项变动幅度为-57.15%,原因:本期预充值大幅减少。长期待摊费用变动幅度为-73.11%,原因:本期装修费按期计提摊销。其他非流动资产变动幅度为-61.79%,原因:本期申请了增值税进项税额留抵退税。其他应付款变动幅度为846.86%,原因:本期调解事项的赔偿款待支付。一年内到期的非流动负债变动幅度为-98.4%,原因:本期归还银行借款。库存股变动幅度为-100.0%,原因:本期注销库存股。其他综合收益变动幅度为62.18%,原因:本期部分其他权益工具投资终止确认，对应转出其他综合收益。

证券之星价投圈财报分析工具显示：业务评价：去年的净利率为-14.54%，算上全部成本后，公司产品或服务的附加值不高。融资分红：公司上市6年以来，累计融资总额5.25亿元，累计分红总额8002.00万元，分红融资比为0.15。

财报体检工具显示：建议关注公司现金流状况(近3年经营性现金流均值/流动负债仅为18.31%)建议关注公司应收账款状况(年报归母净利润为负)

最近有知名机构关注了公司以下问题：

问：我们注意到DeepSeek-R1-Zero是以无监督训练的方式进行，所以对于无标注的低质量数据依赖度减少，相反公司手里的高质量数据更加关键。我想再请教一下。公司在“微调”或者“蒸馏”的过程当中，具体做了哪些工作？有没有落地的客户？

答：

CEO我认为数据是模型训练非常重要的原料，目前公司没有向DeepSeek提供语料数据，我们对于DeepSeek能力的应用以自用为主。我们已经把大模型的能力应用在营销、公共服务等领域，比如公司的“IT智选人群”(rtificial Intelligence Targeting udience)功能，我们运用了自研的数据编织算法，用于提升营销效能。技术上可以请我们的CTO讲一下。谢谢！

CTO感谢投资者的提问。大家知道人类的学习是两种，一种是模仿学习，再进一步是探索学习。模仿学习就像是预训练，探索学习可以理解为强化学习，目前高质量数据面临了一定程度的枯竭，所以必须要从模仿学习进入到探索学习。DeepSeek-R1-Zero是利用新的强化学习的方式进行探索，呈现出来的能力非常令人惊讶，并且通过模型之间相互的训练实现了能力的提升。对于“微调”和“蒸馏”，我们会使用自己的数据来做一些产品，比如惠企政策智配大模型，政府发布政策后，运用我们的产品就能知道有多少企业是符合要求的，以后希望企业享受政策的时候不用再去申请，政府直接把政策下发到目标企业。

I的三要素是算力、算法和算料(数据)，所以高质量的数据是企业或者国家重点关注的内容，如何经治理成为高质量数据也是非常重要的问题。我们的战略是自数-治数-置数，第一个自数就是指使用自己的数据，第二个治数，是客户可以运用我们的数据智能操作系统(DiOS)治理成高质量数据，但后续你就会发现自己的数据可能不够用，我们就需要从外面“置换”数据，即置数。因此我们不仅能把自己的数据用好，还可以把数据价值输出到行业里面去，产生更大的经济效益。谢谢！