全球今日报丨非比寻常！大牛股1个月内两收关注函！

傍身ChatGPT概念的汉王科技，一边被资金连续拉涨，一边被监管高频关注。3月2日，公司迎来了一个月以来第二封交易所关注函。

拆解关注点，有两点值得注意。

(资料图片仅供参考)

其一，汉王科技近期备受市场关注，在机构调研和投资者互动方面接连发声，因此监管要求汉王科技详细说明近期接待调研，以及在互动易回复投资者提问的情况。

其二，上一轮汉王科技股价大涨时，曾出现董事配偶减持、以及前十大股东变现的情况，在最新的关注函中，监管要求核查控股股东、实际控制人，董事、监事、高级管理人员及其直系亲属是否存在买卖公司股票的行为，是否存在涉嫌内幕交易的情形。

2月以来4次股价异动

第二封关注函到来的导火索，依然是股价异动。

3月2日晚，汉王科技发布股票交易异常波动公告，股票连续3个交易日收盘价格涨幅累计偏离达到20.53%，属于股票交易异常波动。公司在异动公告中进行了经营业绩风险提示，预计2022年度归属于上市公司股东的净利润为-14,000万元至-9,800万元，预计净利润亏损。

自2023年1月30日至今，汉王科技股价累计涨幅达133.62%。今晚的股价异动公告，已经是公司从2月以来披露的第四份同类公告。

在今晚披露的关注函中，深交所上市公司管理二部请汉王科技就若干问题进行核查并作出书面回复，包括确认是否存在应披露而未披露的重大信息、公司基本面是否发生重大变化、进行充分的风险提示、向公司控股股东实际控制人书面函询、董监高是否涉嫌内幕交易等方面。

值得注意的一点是，汉王科技需要详细说明近期接待机构、个人投资者调研，以及在互动易回复投资者提问的情况，是否存在违反信息公平披露的情形。

今年2月1日，汉王科技曾披露了两份调研活动信息，多家买方、卖方机构对汉王科技进行了线上或线下形式的调研。其中在一份投资者关系活动记录表中，汉王科技提到了ChatGPT 。

当时，汉王科技董秘周英瑜表示，ChatGPT是一个人机交互的语言模型，是目前NLP领域最前沿的研究成果之一，由于其高质量的对话内容响应能力，事实上相当于解锁了多样化的文本内容生成能力，目前成为AIGC里程碑式的模型或产品。ChatGPT是一个通用的大模型，而生成式模型做为一个黑匣子，仍然具有结果不可控的特点。相对而言，公司基于自身在NLP技术领域的全面性以及长期在行业端的深耕，对不同行业客户的数据特点、业务需求的理解更为深刻，在项目磨炼中，已经形成自身独有的算法模型，更能为行业客户提供满足需求、输出结果更为专业精准的专业化模型，在项目中已经落地并得到实践验证。

相对于机构调研，汉王科技通过互动平台对于ChatGPT的回复更多，也更加短平快。2月以来，多数提问聚焦公司ChatGPT业务、GPT-4影响和人工智能等方面。对此，汉王科技回应较为统一：相关问题公司均已于指定信息披露媒体中披露。

汉王NLP到底是什么

今晚收到的关注函，是汉王科技1个月来收到的第二封。此前的2月7日，在汉王科技连涨之际，公司就曾收到关注函，多数要求与今晚披露的关注函有相同之处，不过也有一点被监管方面重点强调。

当时，汉王科技在互动易平台回复投资者称，公司在自然语言理解技术(NLP)领域处于业内领先地位。去年半年报中，公司文本大数据业务营业收入7,797.95万元，同比下滑7.14%，相关业务毛利率较上年同期下滑5.92%。监管方面要求汉王科技说明公司NLP业务的具体产品、应用情况、研发投入及相关财务数据；结合上述情况及国内外NLP领域竞争格局，说明公司上述回复表述的具体依据；结合NLP业务及其他主营业务的经营情况、竞争情况等，以及2022年业绩预计情况，对公司经营风险、业绩亏损等进行充分、明确的风险提示。

在当时的回复中，汉王科技终于对NLP业务风险进行了专门揭示。公司表示，2021年及2022年上半年公司文本大数据业务占总体营收比例分别为15.24%、13.15%，其中NLP技术及业务尚处于成长期，业务占比不高，未来经营成果受团队努力程度、政府相关投入、市场开拓不及预期、项目实施进度不及预期等多方面不确定因素影响。

从国内外NLP领域竞争格局来看，国际上进行NLP大型通用模型投入的公司有谷歌、脸书、微软等，国内有百度、腾讯等，汉王科技并未进行大型通用模型的研发与训练的投入；汉王科技文本大数据的数据智能服务主要基于OCR、NLP等核心技术在垂直细分行业根据客户的数据特点、业务需求、部署环境及成本负担能力等研发相关产品。与大型通用型NLP产品在产品设计出发点、应用对象及范围、以及规模性等方面存在较大差异。国内主要竞争对手为科大讯飞等掌握NLP技术的公司。

在当时的回复中，汉王科技明确，公司基于自身在NLP 技术领域的全面性以及长期在行业端的深耕，以及对不同行业客户的数据特点、业务需求的理解更为深刻，公司专注于为行业客户提供满足需求、输出结果更为专业精准的模型；未进行大型通用模型的研发与训练投入。