|
| 威士顿(301315)经营总结 | | 截止日期 | 2025-06-30 | | 信息来源 | 2025年中期报告 | | 经营情况 | 第三节 管理层讨论与分析
一、报告期内公司从事的主要业务
（二）公司主要产品（服务）及用途
在智能制造和数字化金融应用场景，公司自主研发推出多款产品及解决方案，可全面构建企业信息化体系。围绕数智
化转型，威士顿构建的产品体系主要包括与智能制造相关的工业软件和以数据类产品为代表的新兴技术软件。随着软件架构向“微服务”架构的发展，以及AI技术的快速普及，公司在将核心的软件产品MOM、PLM、MRO和DataM进行技术架构升级和“AI”赋能的基础之上，发布了面向通用行业的大模型应用产品“威助手”和“威士顿工业智能体 AI Agent”产品。进一步推动了产品的技术升级，并丰富了公司的产品线。公司一直致力于帮助客户实现智能制造，以“智能化即是实现对‘人力+人脑’的替代”为核心理念，通过信息化应用的智能感知、实时分析和智能化决策模型，来逐步辅助和替代各级管理人员的脑力及体力劳动。公司重点推出的生产运营类、创新研发类、运营保障类以及数据创新类相关的工业软件，通过嵌入基于大模型的知识管理和威士顿工业智能体AI Agent产品，实现了产品的智能化升级。公司的核心产品整体布局如下： （图1.威士顿软件服务提供布局图）通过集成融合基于大模型的“威助手”和威士顿工业智能体 AI Agent产品，实现了MOM、PLM、MRO和DataM全系产品的智能化升级。各系产品在具有完全知识产权和满足信创要求的基础之上，能够满足工业企业应用场景需要，全面改变了软件产品的人机交互模式。新提供的产品中，人机交互模式仅仅保留一个类ChatGPT的对话窗口，支持语音、关键字的输入，使用者登录系统之后，对话机器人自动将登录人需要完成的业务作业，推送给使用人，按照系统推送逐个完成需要进行的人机交互操作；或者仅需告诉对话机器人想做什么业务，智能对话机器人，会依据可自由定义的工业场景下的作业流程，智能化识别使用者的意图，并提供相应的工业场景下的应用需求，供使用者操作使用。1.MOM--智能生产运营实现企业生产过程运行过程全面的数字化管理和智能化运营，集制造执行与运营于一体，面向生产制造全过程的制造管理一体化平台。聚焦“生产精细化管理、全面化感知、透明化运行、智能化决策和精准化执行”。生产保障组织，通过内部供应链及外部供应链的供需网络的协同，确保生产有序执行。生产执行组织通过物联网技术实现对于生产过程中全要素、全流程管理的实时感知，通过大数据技术与人工智能等新兴技术的融入实现智能决策模型的持续学习和改进，实现对于生产过程中“人、机、料、法、环、测”的赋能，使得生产过程、质量管理与设备管理转向智能化，助力客户实现智能化生产组织与生产执行。具体包括以下几方面：
（1）生产管理
生产管理以高级计划排程为主线，设备智能维护为保障，全面质量管理为手段，通过高效的生产协同与生产执行确保
生产管理有序进行，并应用大模型实现各个业务域的快速知识管理。生产管理主要包括的产品和核心功能如下： ①执行管理通过i+MES产品，对车间执行层的一体化管理、监控和统计分析，通过工业物联网全面采集生产设备的传感器数据、产量数据、消耗数据以及工单执行过程其他数据，全面优化生产全过程的管理。②高级计划与排程威士顿高级计划排程i+APS，是基于事件驱动的智能供应链排程。通过信息化手段实时获取设备异常、原辅材料保障、销售计划变化等事件，通过科学的算法模型，自动调整生产排程与供应链保障排程，替代人脑和手工方式对生产活动的各链路统筹安排，实现了有限产能条件下的交期预测、产能平衡，工序生产计划以及供应链保障计划，确保生产过程中人、机、料、法、环、测5M1E的合理配备和协同，提高生产效率和应变能力，发挥最大生产能力。③生产过程质量追溯生产质量追溯作为全链质量追溯的一个重要环节（生产环节），通过i+QTR全链质量追溯产品的部分服务或功能集成实现了生产质量追溯，充分复用了全链质量追溯产品的功能，实现从生产投料到成品下线生产过程中的“人、机、料、法、环、测”的多要素的质量追溯。④生产动力能源管理通过动力能源管理系统i+EMS产品，基于能源供应计划来源于高级排程通过AI算法自动产生水、电、汽、气压、真空压等能源供应进行计划，通过对计划的执行和监控，有效提升能源供给的计划性、提高能源利用率、防止能源泄露、减少能源浪费、减少企业能源支出，助力企业实现绿色生产。⑤物料管理生产管理中的物料管理通过RFID、条码（包括二维码）以及工业相机为手段，针对线边(生产企业生产线边上的暂存)物料的收货、投料、退料进行严格批次管控，为质量追溯、生产防差错以及线边仓物料的精细化管理提供手段。
（2）质量管理
一体化质量管理全面支持从技术标准、检验标准、质量检验、统计分析控制诊断调整（SPCDA）、实验室管理、评价
分析、质量改进管理等全面管理；通过人工智能、大数据技术的深度应用，智能优化生产工艺技术参数，为生产质量的稳定、提高提供全面保障。质量管理主要包括以下内容：①工艺标准工艺技术标准通过生产过程中统一规范和统一生产工艺、技术要求，通过全数字化、版本化的工艺标准的管理，为生产和质量等管理提供重要依据，是保证产品质量和技术水平的重要手段，实现制造业生产制造工艺技术标准的全面数字化管理。同时，工艺技术标准也可以作为质检、验收和认证的依据。系统通过大数据和基于工艺质量模型的深度学习，为工艺技术标准的优化、创新与进步提供了智能优化的手段，让工艺标准的制定更智能、更精准。并通过大模型技术实现生产工艺业务域的知识管理，通过“威助手”提供便捷的知识查询对话入口，提升企业知识累积和应用能力。②统计过程控制诊断调整与质量预测实时采集、监控、计算、预测生产过程中的各类与质量管控相关的关键设备运行参数，并通过质量监控与预测模型对生产过程的稳定性进行预测与判断，及时准确发现生产过程的异常波动以及可能的发生质量异常，并对异常波动进行智能诊断、分析引发异常的原因，并进行提前干预，以规避质量波动的出现，指导生产及时采取纠正和调整措施，保障生产过程稳态。SPCDA是统计过程控制三步骤，早期i+SPC实现了统计过程控制，确保生产过程的稳态。在SPC统计过程控制的基础上，通过人工智能与大数据技术的结合，实现统计过程的问题智能诊断以及调整。并通过大模型技术实现质量控制和保障业务域的知识管理，通过“威助手”提供便捷的知识查询对话入口，提升企业知识累积和应用能力。③工艺参数优化实现生产工艺的全面数字化、智能化管理。工艺参数核心是通过OT采集的设备实时数据、每个工序投入待加工物料的各项物理、化学参数信息，通过算法模型仿真设备的工艺能力，并预测产出物的质量参数，在发现可能出现质量波动或者缺陷时，提前通过参数干预的方式，给设备控制系统直接下达参数调整指令，实现实时的工艺调整，杜绝缺陷产品的出现。
（3）设备管理
设备管理是确保企业生产设备正常运行、提高生产效率、降低生产成本的重要环节。设备管理涵盖了从设备入账到报
废更新的全生命周期管理。随着新兴技术不断进步和工业的快速发展，设备管理的智能化通过物联网、大数据、人工智能等技术手段，实现设备的远程监控、预测性维护等智能化管理；绿色设备管理则强调环保和节能，推动企业降低能源消耗、减少污染物排放，为企业创造更大的价值。在以设备预防性维修为主的基本功能之上，提供基于设备实时运行状态的健康状态诊断和维修，并通过大模型技术实现设备知识管理，通过“威助手”提供便捷的知识查询对话入口。①设备项目管理项目管理，根据设备计划性采购和通过AI技术在设备可持续性方面的预测、分析而制定的设备采购计划以及设备采购全过程、设备安装、设备调试、设备试运行与调整、投入使用的全面管理。②设备智能运维设备智能运维，通过收集设备产生的大量数据，利用大数据分析技术与机器学习，深入分析设备的运行情况、故障原因和性能指标，为设备的运维决策提供依据，实现预防性设备维修与维护。避免设备突发故障对生产和经营造成的损失，并减少维修成本。通过对设备运行情况的了解，及时调整运维策略，优化业务流程。③设备维修知识管理基于知识图谱的设备维修知识管理，通过设备、故障、维修方法及其相互关系，对故障维修智能优化提供维修方案的整套体系管理，具体包括故障模式识别与推理、故障原因分析、维修方案推荐、预测性维护策略、维修知识图谱的数据自动更新与智能优化。2.PLM--研发创新PLM是企业经营管理系统（ERP）中重要的一环，随着新兴技术的不断涌现与应用，研发已经不再是传统ERP领域中研发相关的人、财、物方面的研发事务性管理。智能研发在业务的广度以及新技术应用的深度等方面已经突破了传统ERP的范畴。面向制造业的产品全生命周期管理，构建从产品的规划、设计到制造协同的创新研发管理体系。基于历史研发数据的深度学习，结合BP神经网络算法等模型，实现配方、原料、辅料以及工艺技术参数智能化设计，让产品研发从经验式研发，转变为数字化、智能化的产品研发，促进企业提高设计和工艺管理能力，缩短产品研发周期，提升企业研发效率。
（1）数字化产品设计
数字化产品设计包括：BOM设计、产品外观设计、生产工艺设计等多个复杂环节。数字化产品设计，在实现企业生产
所有原辅材料、在制品和设备工艺能力的数字化表征基础之上，通过AI专有模型，预先在数字世界中进行产品的仿真模拟生产，智能化的实现新产品开发的BOM设计，以及通过多模态技术，在限定设计元素库中实现产品的外观智能化设计，以及产品生产加工过程中的工艺参数标准的智能化定义。在实现快速研发的基础之上，提升企业的新品研发效率。
（2）协同研发
多个研发主体通过合作、协调、共享资源等方式，共同完成一项研发任务或项目的研发过程。借助5G、数字孪生及
增强现实/虚拟现实（AR/VR）技术实现科研人员跨地域在线协同，有效地整合各种资源，提高研发效率和质量，缩短研发周期，降低研发成本，增强企业的竞争力和创新能力。
（3）研发知识管理
研发知识管理是研发从经验研发走向知识研发的重大转变。经验掌握在个别人的头脑中，当经验变为知识，更容易进
行传递、发展。研发知识管理主要包括知识获取整合、知识存储与分类、知识共享与传递、知识应用创新、知识评估与优化以及知识安全与保护等全面管理。应用落地部署的本地专有知识库与大模型结合的模式，实现研发知识的智能化管理，和智能化应用。
（4）研发资源
研发资源是保障研发顺利执行的关键要素。涉及到根据项目的需求、技术难度、进度要求等因素的人力资源分配，根
据项目技术难度等因素的财务资源预算以及研发的设施设备、研发材料的管理。研发资源的合理安排，是满足研发项目必要的保障，合理的资源使用可提高研发效率，降低研发成本。
（5）产品数据管理
产品数据管理包括定型产品的产品系列标准。包括配方、BOM、工艺技术标准、操作规程等，产品数据在使用过程中
通过大数据及机器学习等技术应用，不断自我学习、自我优化，让产品数据更科学、更准确。同时产品数据也包括未定型或放弃的产品数据，这些数据价值主要体现为新产品设计或产品改良的数据资产。3.MRO--智慧运营保障工业企业聚焦产品研发、生产运营之外，生产运营保障也是必不可少的。良好的运营保障也是生产顺利执行的必不可缺的条件。
（1）安全管理
基于安全领域法律法规与行业标准，围绕风险管控与隐患排查治理，以信息化手段落实安全生产责任制，结合视觉识
别、AI模型，实现风险预测、隐患预警、安全设备维修以及安全管理的绩效自动化评价。结合机器人与机器视觉技术实现无人机对高空、高大建筑的安全隐患排查，安全巡检机器人实现24小时不间断巡检，让生产安全更全面、更有保障。
（2）智慧园区
智慧园区融合新一代信息技术（人脸识别、车辆识别、RFID等）与通信技术，具备迅捷信息采集、高速信息传输、
高度集中计算、智能事务处理和无所不在的服务提供能力，实现园区内及时、互动、整合的信息感知、传递和处理。 智慧园区服务功能的智慧化，为企业员工及访客提供及时、多样、个性化的拜访、会议、车辆、缴费、投诉、维修、安保等服务。
（3）数字化仓储
仓储管理是生产保障的重要手段，数字化仓储管理包括仓库基础管理、库存管理、入库和出库管理、仓储设备管理
等。通过精细化的库区划分，全面实时的仓库状况监控与管理实现仓库物品的定位、装箱、分拣、盘点等工作。采用自动化识别手持设备、装卸设备实现货物的快速准确识别和流转。通过数字化仓储管理，实现信息流、物流、车流、资金流一致，提高物料入库、出库、库存的高效管理，实现作业流程智能化。
（4）三维数字孪生
以实体资产和过程模型为基石，通过实体状态数字化、运行性能智能化精准映射物理世界，确保虚拟模型与实体对象
的状态同步和行为预测的高效协同，满足生产过程管理和运营过程的智能化数据同步、分析、模拟，优化数据全生命周期管理。通过物理车间、虚拟车间、车间服务系统的全要素、全流程、全业务数据的集成和融合，实现生产前、生产中、生产后虚拟制造。基于实时数据和历史性能分析而构建的数据孪生模型，深度融合智能化理念，形成覆盖实体资产全生命周期的数字映射网络。以数据为驱动，助力企业数据管理智能化、精准化，帮助企业实现资产管理和运营优化的持续改进和提升。
（5）ITSM
是以流程为导向、以客户为中心，基于IT服务和资源的方法论和框架，通过IT服务策略、服务设计、服务转换、服
务运营和服务持续改进等关键领域的数字化、流程化，使得IT服务满足业务需求和用户期望。并通过大模型去快速集成运维知识库，使得历史的运维经验更有效的应用于运维业务之中。有效的IT服务管理，可提升服务的高效性和成本效益。4.DataM--数据创新主要通过数据标签、深度学习、大模型等技术，向上聚焦“企业如何高效利用自身数据实现创新发展”，向下服务“企业如何利用自身数据服务日常生产经营”。威士顿通过大数据、人工智能等技术的融合，为企业提供完整的数据管理与应用解决方案。通过企业的市场、研发、生产、采购等业务环节数据的深度分析，挖掘数据背后的规律，让企业数据更具有价值，企业经营管理更具有智慧，赋能企业数据应用变革与创新。产品主要包括： （1）实时星链Link通过实时感知技术采集不同数据元的数据，经过批流计算引擎对采集数据进行清洗、加工、计算、存储，并生成或更新维度的数据，为数据服务提供数据基础。星链的数据采集可针对不同的数据进行数据采集，通过采集协议适配完成新数据源的采集驱动。
（2）星链的计算引擎
可实现批流一体的数据计算，同时借助产品的AI模型与深度学习，对海量数据进行深度挖掘，为智能数据应用提供
坚实基础。
（3）数据资产管理
数据资产的深度应用需要对数据资产进行统一管理，包括数据标准管理、元数据管理、数据质量管理以及数据资产使
用的管理，这方面的管理是由Link数据资产管理完成。数据资产管理是保障数据应用的基础。数据平台汇聚了企业所有需要的数据，具有数据量大、计算频率高、服务消费高、业务结合紧密等特点，保障平台稳定运行是企业重点关注的内容，通过Link监控平台的实时任务管理、实时调度管理以及平台监控，及时发现平台问题、解决问题，让数据服务更持续。
（4）智能报告生成与检测
通过将垂直领域的知识、数据载入专有知识库，以及预先定义报告模板，应用大模型技术，基于垂域知识库限定，自
动化的生成符合模板要求的报告或者进行文档报告的自动化检测与审核。具体可应用于智能分析研究报告、智能诊断报告、文档的合规性审核、文档的查重校验等广泛领域。（图2.威士顿数据创新架构图）
（5）大数据、人工智能等新兴技术
大数据和人工智能是当代信息技术领域的两个重要工具，它们相互关联，共同推动科技发展和产业创新。如公司的视
觉识别无序除杂算法、基于人工神经网络算法模型的实时工艺参数优化、基于深度神经网络算法模型的智能烟叶等级识别，以及AI设备故障预测模型、水分预测模型、杂质辨识模型等，以及各类基于机器学习的工业机理模型，这些模型算法产品以可行性论证、软件形式，或者嵌入在以机器人为代表的边缘智能装备中成为设备的智能大脑进行交付；实现基于大模型的知识管理、智能问答、敏态数据检索查询，以及对无人机的智能路径规划、实时视频分析和文生图等多模态技术的应用，实现快速的AI+制造的落地应用。通过将大数据、人工智能（包括机器学习、大模型）新兴技术有机地融入公司各个产品和解决方案，让我们的产品成为助力客户从单点智能，向产线智能，最终实现生产制造全面智能的基石。（图3. 威士顿对人工智能新兴技术的研究与应用）
（三）经营模式
1.研发模式
公司主要在技术研究、产品研发和已有产品技术升级等方面进行研发。技术研究以跟踪、学习和掌握前沿新技术为目
标，能够形成基于该技术应用的小型试点，并总结出快速培训和推广应用的方法；产品研发以新产品研发为目标，实现公司新产品评审目标的研发产品，并支持新产品的应用项目实施，更快速地获取客户对新产品的需求反馈，发现新产品的缺陷和问题，逐步完善、优化产品，最终交付可实施版本；已有产品技术升级，是指对原来已经开发的产品进行技术架构升级，人工智能技术的融入，用以保障产品的高可用性、技术的先进性，确保产品的生命力。公司产品的研发，是按照相关行业信息化发展规划以及企业发展需要开展的研发，研发产品需求综合考虑市场的需求、技术发展趋势和企业发展战略规划等方面。因此，公司研发的大部分产品都能够按照预期实现收入转化。公司的研发管理机制涵盖了公司研发项目从总预算控制、研发立项评审、研发项目费用控制、过程管理，到结项验收等方面。2.营销和盈利模式公司的盈利来自于向客户提供软件产品和相关服务业务所形成的收入，与项目成本费用之间的差额。公司客户主要分布于烟草工业、金融等细分行业。在多年经营过程中，公司秉承“工匠”精神持续为客户提供高质量的产品和服务，在行业内树立了良好的口碑和知名度。公司服务的客户大都是细分行业中的头部客户，无论管理理念还是信息化应用都比较领先，在行业内具有较好的示范效应。随着公司承接的重大项目陆续顺利交付，这些成功案例成为开拓新客户、承接新业务的优势，推动公司业务拓展形成良性循环。在售前阶段，公司主动参与行业客户的新项目规划与技术论证工作。投标时，依托成熟的产品体系和行业经验，公司深入分析客户业务场景、现状及需求，量身定制解决方案。部分方案为满足整体建设要求，还涵盖软件开发及IT/OT环境搭建。合同签订后，公司高效调配资源，确保按时保质完成软件开发及相关服务交付。3.生产和服务模式软件开发业务是公司在多年信息化服务过程中形成的自主产品及解决方案的基础上，为满足不同客户的个性化需求，为客户提供流程梳理和改进、应用软件的设计、开发、测试、软件安装部署、培训以及数据迁移等一体化服务。其中，工业软件开发是应用既有软件产品进行的产品实施加二次开发或者为工业客户定制的应用软件系统，包括需求分析、设计、开发、测试、部署、试运行、培训移交、验收等项目实施环节。对于开发类项目，客户合同会设置多个与项目进度相关的付款节点，在项目验收后进入质保期，约有5%的尾款在质保期满后支付。新兴技术软件开发主要是应用人工智能、大数据、知识图谱等新兴技术为客户方提供的软件定制开发、数据规划、治理、应用及整体平台建设等产品和服务。在制造业客户中，此类应用按照项目的方式进行结算。系统通过试运行符合条件后进行验收，按照项目进度设置若干个付款节点，验收后收取大部分款项，尾款在质保期满后支付；在金融领域内，由于金融行业客户自主可控的要求，通常按技术服务合同的形式向客户提供服务，公司根据合同要求派出相应级别和专业的开发、技术人员常驻客户现场，提供满足客户要求的服务响应。根据客户需要提供软件开发、数据运营、数据治理或相关平台运维服务，并按照工作时间进行结算，通常每季度或每半年结算一次。运维服务是为确保软件系统正常使用而提供的软件系统运行维护，以及为信息化基础平台的稳定运行提供专业技术保障服务。一般按年签署合同，在合同期内持续提供服务，客户按时间进度付款。系统集成业务是根据客户业务场景进行技术论证、设备选型，方案制定、软硬件设备采购、供货安装和部署、仪器仪表配置、数据迁移、用户培训等工作。从用途看，可以分为IT网络建设及服务、OT网络建设及服务，以及智能设备集成及服务。IT网络主要用于计算机系统相关的应用和服务，OT网络主要用于生产制造的实时控制以及数据采集系统和工业控制系统的接入，智能设备集成服务则通过设备的集成服务实现设备的智能化改造，配合智能生产软件系统达到整体要求。根据合同约定，系统集成业务在产品交付，完成联调后进行整体验收。根据合同约定，通常在货物安装后支付部分款项，整体验收后支付剩余款项。软件产品销售及服务是公司根据客户需求，结合客户的软硬件环境和应用场景，为客户选取、配置成熟的软件产品组件并为客户提供技术服务。典型业务场景是进行大数据平台选型的技术论证及平台搭建，以及提供基于该平台的技术服务。此类业务根据合同条款约定，一般在服务期内持续提供服务，客户按时间进度或服务次数进行结算支付。4.采购模式由于客户的需求具有明显的个性化特征，公司采购为按需采购，根据客户需求进行设计及规格、型号、性能指标、功能的选型，然后向供应商订购所需物资。公司的期末存货主要为正在履行的项目成本。公司对外采购的物资主要包括计算机配套软硬件设施、用于数采及工业执行控制的设备及其安装服务等。上述物资市场供应充足，价格透明，公司按市场价格向原厂商或其指定的经销商购买。公司采购部门负责项目工程中所需物资的采购。公司建立了《采购管理规定》，用于评价和选择合格的供应商，并对采购的产品进行控制，确保采购产品符合要求。5.报告期内的变化情况和未来变动趋势公司目前采用的经营模式是基于我国政府对产业数字化转型的要求和指引，综合考虑公司业务发展、市场资源、技术沉淀和发展战略等多项因素，经过多年实践形成的经营模式，短期内不会发生变化。公司将业务重心聚焦于信息化、智能化信息技术应用领域，主要基于两方面考量：一是依托自身的信息技术积累、实施能力与企业背景优势；二是预判未来客户将持续加大数字化、智能化投入，确保市场需求具有稳定且持续增长的发展前景。在工业领域，作为全球制造业大国，我国工业领域的信息化应用仍处于数字化转型初级阶段。当前主要以业务数字化为主导，逐步嵌入数字化运营和智能化应用场景，与全球先进智能制造水平尚存差距。未来5-10年，在政府政策引导下，企业将持续推进数字化转型，以智能制造为目标，实现制造业整体升级和智能化运营。在金融领域，金融行业正经历深刻变革：一方面，互联网金融企业的崛起倒逼传统金融机构加速转型，推动行业整体向数据驱动型模式转变。各机构普遍运用大数据分析技术，针对细分客群精准设计产品，并依托数字化手段实现精准营销，业务呈现线上化、移动化、数据化等显著特征，促使全行业持续加大数据运营投入。另一方面，在自主可控政策导向下，金融业掀起国产化替代浪潮。各机构不断加大国产硬件、系统平台及工具软件的采购力度，同时催生了将原有非国产系统迁移至国产平台的技术改造需求，这一趋势正重塑行业IT基础设施格局。公司除向行业客户提供软件开发、运维服务外，还向客户提供系统集成、软件产品销售及服务等。系统集成、软件产品销售及服务这类业务一方面是为满足客户在信息化项目建设、升级、优化过程中产生的IT和OT平台建设需求，另一方面也是公司拓展增量客户，进入新行业的一种方式。报告期内，公司经营模式及其影响因素均未发生重大变化。未来在工业板块，公司将持续优化、迭代产品升级，利用新技术进一步提升公司产品的智能化程度，实现对产业群和供应链的支持；在金融行业内，将把握数据应用和国产化替代带来的商业机会，将现有产品和服务推广至新的客户。公司需遵守《深圳证券交易所上市公司自律监管指引第3号——行业信息披露》中的“软件与信息技术服务业”的披露要求
（四）公司所处行业发展情况
1.宏观经济
根据国家统计局公布的数据，2025年上半年国内生产总值同比增长5.3%，信息传输、软件和信息技术服务业增加
值增长11.1%。我国2025上半年国内经济运行总体平稳、稳中向好，生产需求稳定增长，就业形势总体稳定，居民收入继续增加，新动能成长壮大，高质量发展取得新进展，社会大局保持稳定。2.政策环境国家和地方政府发布了一系列政策文件，引领社会的数字化和智能化进程。2025年7月国常会审议通过了《关于深入实施 "人工智能 +" 行动的意见》，推进AI规模化商业化应用，同月上海发布了《进一步扩大人工智能应用的若干措施》。2025年5月国家数据局发布了《数字中国建设2025年行动方案》，部署 "人工智能 +" 重大行动，开展高质量数据集建设。在国家层面完善了顶层设计，形成 "人工智能 +" 行动与数据基础制度双轮驱动格局。由于政策的引领，所有稍具规模的制造业企业都在实践数字化、智能化的转型。这也推动了整个制造业持续的信息化的投入，为服务于该领域的所有供应商带来了持续的市场需求。3.工业和金融行业领域信息化发展趋势
（1）制造业智能化转型要求下持续投入信息化是长期需求
制造业智能化转型保持良好发展态势，主要表现为，一是智能工厂建设规模不断扩大、水平持续提升。二是智能制造
新场景、新方案、新模式不断涌现。装备制造业探索协同设计、虚拟验证、远程运维等模式，促进产品快速迭代和效益提升；消费品行业创新大规模定制、用户直连制造、共享制造等模式，满足个性化需求，挖掘体验价值；原材料行业实施产供销一体化运营、跨工序质量管控等模式，促进产业提质增效、本质安全和节能降耗。三是智能制造国际合作持续深化。智能制造多双边创新合作机制不断完善。
（2）数字化转型和智能化提升是金融领域的发展趋势
金融行业是中国各行业中数据资源最丰富的行业之一。金融机构通常会部署众多的应用系统，这些系统在日常经营中
持续产生、存储经营数据，经过长期的数字化运营积累，各系统内积累了海量高价值的数据。金融数据的拥有，仅是数字金融的起点，真正发挥数据赋能作用的，是金融数据的处理、分析与返哺业务的迭代过程。大数据是具有体量巨大、来源及结构多样、生成速度快、单位价值密度低、多变等特征，且需要使用非结构化数据库等新型数据体系结构才能有效处理的海量数据。金融行业拥有丰富、适宜开展大数据技术应用的基础资源。大数据技术应用的目标是提升企业快速、高效处理海量数据的能力，其中既包括增量数据的洞察能力的提升，亦包括存量数据的挖掘能力的提升。金融领域大数据技术的应用可分为监管应用和机构运维服务应用两大类。金融监管主要是通过数据采集、分析和挖掘技术形成综合性监管分析报告，为监管方快速准确掌握各类金融业务发展变化和潜在风险，丰富和完善监管基础设施或提出风险预警模型提供支撑；金融机构运维服务类的应用包括机构运营、服务、基础设施三类，通过信息化手段对海量数据进行专业的挖掘和分析，从而更好地服务资产价格走势判断、机构个人信用评估、资金流向分配、金融风险把控等业务，为机构运营、服务、营销等提供更精准策略。大数据技术、人工智能技术与行业融合应用中，金融行业是过去及当前主要应用行业之一。进入人工智能时代，金融行业的运营信息、客户信息、交易信息、资产信息、信用信息等数据经过有效数据治理之后，将会成为高价值数据资产，可以有效帮助金融机构对内提升企业经营管理效率，对外增强信用风险管理能力，精准营销能力以及提高防欺诈管理水平，智能化投研、智能化投顾等的逐步落地实现都将有效助力金融企业的风控与展业能力的提升。通过大数据应用为经营决策提供有效支持，帮助企业优化资源配置，使金融机构更深入地了解客户需求，开发符合客户需求且具有创新精神的新产品。随着金融行业数字化转型的推进，金融大数据应用呈现数据源融合、技术融合与数据应用合作的发展趋势，金融大数据安全与监管重要性凸显，大数据技术的应用将成为金融企业的核心竞争力。金融行业是天然的数字化企业，尤其在近几年国家与行业整体数字化的推动之下，整个金融行业在新兴技术的支撑之下，整个核心的业务模式都在持续的发生数字化、智能化的转型。所有金融客户都在持续推出新型的数字化服务的产品，一方面在提升自身内部业务和管理数字化程度及管理效率；另一方面在满足进行穿透式监管要求之下，加强了所有业务运营过程管控，及满足监管要求的数字化和智能化的要求；同时，也在业务数据治理、数据管理自动化、数据处理流批一体化方面持续的在加大投入，这就保障了整个行业对于信息化的持续投入。随着头部金融机构在数据应用方面的创新应用，催生了一大批新的精准营销的金融服务产品和新生的风险防控产品，为其业务带来了稳定的增长以及经营风险的有效控制，这也给整个行业持续加大数据应用的投入注入了新的动力，为在此行业提供信息化服务的供应商带来了稳定可持续的市场需求。同时，在国家自主可控的总体要求下，金融行业内对于信息化相关软硬件国产化替代的投入，也为该行业提供了持续的市场需求。。
三、主营业务分析
概述
参见“一、报告期内公司从事的主要业务”相关内容。
公司报告期利润构成或利润来源没有发生重大变动。
受宏观经济影响，系统集成、运维服务、软件产品销售及服务业务收入出现波动，营业成本也产生相应比例的同向波动。
四、非主营业务分析
适用 □不适用
五、资产及负债状况分析
1、资产构成重大变动情况
2、主要境外资产情况
□适用 不适用
3、以公允价值计量的资产和负债
适用 □不适用
4、截至报告期末的资产权利受限情况
六、投资状况分析
1、总体情况
适用 □不适用
2、报告期内获取的重大的股权投资情况
□适用 不适用
3、报告期内正在进行的重大的非股权投资情况
□适用 不适用
4、以公允价值计量的金融资产
适用 □不适用
5、募集资金使用情况
适用 □不适用
（1） 募集资金总体使用情况
适用 □不适用
（1） 本期
已使
用募
集资
金总
额 已累
计使
用募
集资
金总
额
（2） 报告
期末
募集
资金
使用
比例
（3）
=
（2）
/
（1） 报告
期内
变更
用途
的募
集资
金总
额 累计
变更
用途
的募
集资
金总
额 累计
变更
用途
的募
集资
金总
额比
例 尚未
使用
募集
资金
总额 尚未
使用
募集
资金
用途
及去
向 闲置
两年
以上
募集
资金
金额
2023年 公开
发行2023年06
月21
日 71,03
8 61,54
回。
合计 -- -- 71,03
8 61,54
|
|