威士顿 301315

（一）公司主营业务威士顿重点面向工业和金融领域提供软件产品及与AI和大数据技术相关的软件技术服务。

根据应用领域的不同,公司业务主要涵盖智能制造、数字化金融等方面。

公司开发的软件产品主要包括符合信创要求的工业软件、金融风控及大数据应用软件,和以大数据、人工智能技术为代表的通用新兴技术软件产品。

公司通过既有工业软件产品进行产品实施,也可以根据客户实际情况在产品的基础上进行二次开发或者定制应用软件系统。

通用新兴技术软件可作为独立产品为客户提供完整的产品服务,也可通过服务消费的模式融入到公司各项产品中,有效提升公司相关产品的智能化水平,更好地服务客户,提升公司在智能制造、数字化金融领域的竞争能力。

公司是上海市首批高新技术企业、上海市“科技小巨人”企业、上海市企业技术中心和上海市专精特新企业。

公司获ISO9001、ISO27001和ISO20000、CMMI5（能力成熟度集成模型5级）、DCMM三级、CS三级等专业认证,MES产品被评为“上海智造”产品。

报告期内,公司入选上海市“AI+制造”专业服务商名录、“威士顿工业智能体算法”通过了国家网信办的算法备案。

（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和AI智能体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AIAgent”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AIAgent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）在全新提供的产品形态中,传统繁琐的层级菜单与复杂表单被极简的智能对话窗口所替代。

该交互界面支持自然语音、文本关键字等多种模态的便捷输入。

当使用者登录系统后,系统不再依赖用户去主动寻找功能入口,而是由智能对话机器人主动扮演“业务向导”的角色,自动梳理并精准推送当前登录人员亟待处理的各项业务作业。

使用者只需按照系统的智能推送,逐个、顺畅地完成必要的人机交互操作。

在面对工作任务时,使用者仅需以自然语言告诉对话机器人当前的业务目标或诉求。

智能对话机器人便会实时调取并依据企业内部可自由定义、灵活配置的标准化作业流程,智能化地精准识别使用者的底层意图并提供与该业务场景高度匹配的应用功能、数据表单及操作指引,供使用者直接执行。

这种“以意图为驱动、以对话为媒介”的新型交互设计。

大模型是“脑”、智能体是“手”、信息化系统是“工具”,通过全新的交互设计,把三者进行极简集成,极大降低了企业员工的系统学习门槛,让企业软件真正做到“懂业务、知意图、能执行”,可显著提升企业各部门的整体业务协同与运营效率。

顺应人工智能技术的快速演进与企业数智化转型的迫切需求,公司在平台架构中构建了独立的“AI引擎层”。

该引擎层作为横向贯穿于底层“数据融合层”与上层核心业务应用（如MOM、PLM、MRO和DataM等）之间的关键驱动枢纽,起到了承上启下的核心作用。

它整合了公司在人工智能领域的多项技术积累,形成了一个由四大核心模块构成的完整AI技术矩阵,为上层业务的高效运转与敏捷迭代提供底层驱动力：①算力与底座：以公司的技术支撑平台“iWisdom”以及“云平台/算力平台”作为底层技术底座。

该底座向下无缝对接数据融合层所汇聚的海量、高频的实时业务数据与外部结构化/非结构化数据；向上则为复杂的业务流转、跨系统的数据集成与海量模型训练提供稳固的资源调度与技术支撑。

通过高效的算力分配与平台化管理机制,充分保障了企业级应用在面对高并发任务、复杂运算逻辑以及多变业务场景时的系统稳定性与大规模数据处理能力,夯实了智能化应用落地的基础。

②模型与算法：汇聚了深度适配企业应用场景的“威智造（企业垂域大模型）”、“通用大模型”、“多模态大模型”以及丰富的“专业算法模型”。

在实际应用中,各类模型各司其职并相互协同：大模型依托自身具备的庞大领域知识储备,主要承担对文本、图像及各类复杂时序信号等多元数据的深度理解、逻辑推理与价值挖掘；而专业算法模型则紧密聚焦于具体的业务与操作场景,利用人工神经网络等机器学习前沿技术,解决确定性与高频次的业务痛点。

例如,通过专业算法实现设备运行状态的精准预测、业务参数的实时仿真与优化、以及基于机器视觉的自动检测等落地应用,从而为上层业务的平稳运行与决策优化提供精准的数据模型支撑。

③智能体：推出“威士顿工业AI智能体”与对话机器人“威助手”,重塑了传统软件的人机交互范式与业务流转机制。

“工业AI智能体”支持企业通过可视化的可编排工作流方式,将原本分散在各个业务域的节点与服务进行灵活串联,快速构建出贴合企业自身管理诉求的专属智能体。

而“威助手”则作为这些底层智能体与终端用户之间的统一交互窗口,极大地降低了系统的使用门槛。

使用者只需通过自然语言输入指令或需求,智能体便会依据企业自由定义的作业流程,智能化地识别使用者意图进行任务分解,并自动推送相应的业务作业,主动引导使用者逐一完成各项交互操作。

在此基础之上,智能体内部深度融合了专有知识库（RAG）等组件,支持对企业私域数据的智能问答与敏态数据检索查询,从而为业务意图的精准识别与流程的高效执行提供了强有力的知识支撑,确保业务处理的准确性。

④智能研发与创新：引入前沿的软件工程与AI辅助开发理念,打造了以“意图解析”与“VibeCore”为双核驱动的智能研发流水线。

这一模块致力于从底层工程范式上提升软件系统的开发与迭代效率。

通过精准捕捉并解析用户提出的功能诉求或业务意图,引擎能够直接驱动VibeCore实现应用模块的智能生成与柔性组装。

这种创新模式将传统的固定代码编写与系统固化开发,转化为基于意图驱动的自动化构建与动态配置,使得企业软件平台能够打破以往的僵化架构,以更加敏捷、灵活的姿态响应外部市场与企业内部业务需求的快速变化。

综合而言,通过上述四大核心模块的有机结合与协同发力,“AI引擎层”成功构筑了从底层算力调度、算法模型支撑到上层智能体应用与敏捷研发的完整技术闭环。

该引擎层不仅帮助企业实现了从单点智能算法应用向系统级智能体协同的实质性跨越,更从根本上改变了软件系统的开发迭代效率与人机交互体验,为企业应对复杂业务场景、加速数智化升级提供了一个务实、高效、且具备高度可扩展性的核心技术底座。

公司的产品体系以AI引擎层为核心技术底座与驱动枢纽,该引擎层横向贯穿底层数据融合层与上层MOM、PLM、MRO、DataM等核心业务应用,整合算力底座、模型算法、工业AI智能体/威助手、智能研发四大能力模块,为全线产品提供统一赋能支撑,实现从单点智能到系统级智能协同的升级。

1、MOM--智能生产运营实现企业生产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,依托AI引擎层的算力支撑、专业算法模型与工业AI智能体,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,通过威助手提供便捷知识查询对话入口。

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,结合AI引擎层算力与算法能力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,依托AI引擎层专业算法模型,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,结合AI引擎层数据处理能力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AI引擎层AI算法,对接高级排程通过AI算法自动生成水、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,结合AI引擎层视觉识别与数据校验能力,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支撑。

（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；深度应用AI引擎层人工智能、大数据技术与专业算法模型,智能优化生产工艺技术参数,为生产质量的稳定与提升提供全面保障。

质量管理主要产品及核心功能如下：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AI引擎层大数据和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。

并通过威制造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,依托AI引擎层实时计算与智能诊断算法,并通过质量监控与预测模型判断生产过程的稳定性,智能诊断生产过程的异常原因并提前干预,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。

③工艺参数优化实现生产工艺的全面数字化、智能化管理。

工艺参数优化的核心是通过AI引擎层OT采集、算法模型仿真能力,实时采集设备运行与物料理化参数,仿真设备的工艺能力,预测产出质量参数,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,设备管理的智能化是依托AI引擎层物联网、大数据、人工智能技术与设备知识图谱,实现全生命周期智能化管理,涵盖设备入账到报废更新全流程,在预防性维修基础上提供健康状态诊断与预测性维护。

①设备项目管理结合设备计划性采购,基于AI引擎层的AI预测分析技术,制定可持续性的设备采购计划,实现设备采购、安装、调试、试运行与调整、投入使用的全流程管理。

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AI引擎层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AI引擎层知识图谱与大模型技术,构建设备、故障、维修方法关联体系,实现故障模式识别、原因分析、维修方案推荐、预测性维护策略、维修知识图谱的自动更新与智能优化,通过威助手提供便捷查询入口。

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。

而是以AI引擎层的深度学习、BP神经网络算法、多模态大模型为核心支撑,突破传统ERP的研发管理范畴,面向制造业构建的产品全生命周期的创新研发管理体系。

实现配方、原料、辅料以及工艺技术参数智能化设计从经验式研发向数字化、智能化研发,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。

依托AI引擎层算力底座与5G、数字孪生、增强现实/虚拟现实（AR/VR）技术支撑,实现研发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。

采用AI引擎层本地专有知识库+大模型模式,实现研发知识获取、存储、共享、应用、优化与安全保护的全流程智能化管理,推动经验研发向知识研发转变。

（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。

依托AI引擎层智能调度能力,可以实现研发人力资源、财务资源、研发设备与材料的智能化分配与管理,提升研发资源的使用效率。

（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。

通过AI引擎层大数据与机器学习技术,可以实现定型/未定型产品数据的自学习、自优化,沉淀企业数据资产,支撑新品设计与改良。

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。

MRO全面融合AI引擎层视觉识别、AI模型、数字孪生、智能感知技术,为工业企业生产运营提供全方位智慧保障,支撑企业生产高效运行。

（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AI引擎层AI模型与视觉识别技术,实现风险预测、隐患预警、安全设备运维与安全绩效自动化评价。

结合机器人与机器视觉,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AI引擎层智能识别技术与人脸、车辆、RFID等感知手段,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、传递和智能采集、传输、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、安保等智慧服务。

（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。

依托AI引擎层数据处理与自动化识别技术,实现仓储精细化管理、货物智能流转,达成信息流、物流、资金流三流合一,提升作业效率。

（4）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。

以AI引擎层算力与数据融合能力为支撑,构建实体资产与生产过程的数字化精准映射,实现虚拟与实体同步、行为预测与虚拟制造,优化资产管理和运营。

（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。

基于AI引擎层流程自动化与智能调度能力,实现IT服务全流程数字化、流程化管理,提升服务高效性和成本效益。

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,挖掘数据价值,赋能企业经营与创新。

产品主要包括：（1）实时星链Link依托AI引擎层的实时感知与批流计算引擎,完成对多源数据采集、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AI引擎层的AI模型与深度学习能力,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,让数据服务更稳定。

（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）（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。

1、概述报告期内,公司实现营业收入18,533.52万元,利润总额3,240.04万元,归母净利润2,889.62万元,每股收益0.33元。

报告期内公司业务类型未发生根本性变化,但整体业务结构有所调整,传统制造业系统集成收入占比继续下降；金融科创领域收入占比有所提升。

公司作为产业智能化升级的赋能者,持续聚焦大数据、人工智能及机器学习等前沿技术的融合创新,已在工业制造与金融科技领域构建起成熟的数字化转型服务生态。

具体来看,制造业传统领域业务受宏观经济承压、下游需求收缩及竞争加剧影响出现较大幅度的下滑。

金融科创领域方面,受信创刚性需求与AI应用快速兴起影响,新兴AI公司成为强有力竞争对手,受综合环境影响,金融领域项目获单周期延长。

报告期内公司完成对量投科技的投资并购,交易完成后威士顿占比51.03%,实现了在金融领域的横向拓展,本交易提升了公司在金融科技领域的整体竞争力,但由于完成交易在报告期末期,在收入和利润角度对报告期内的数据影响不大。

成本与费用方面,公司主动压缩非核心开支、优化团队结构,有效控制管理费用与销售费用,保持人力资源投入与产出的动态平衡,确保了2025年度公司整体盈利。

研发投入方面,公司持续在AI领域投入研发,聚焦自主信创解决方案及制造业核心系统改造能力,同步优化研发团队结构。

报告期内,公司完成了以智能对话为核心的极简交互产品形态研发,并构建了独立的“AI引擎层”,形成四大核心模块构成的AI技术矩阵,顺应了人工智能技术快速演进与企业数智化转型的迫切需求。

面对行业竞争格局的加速重构,公司根据自身发展的战略布局,积极横向拓展行业并布局海外市场,拓展了港口物流、轨道交通、航空等行业,已有多个项目落地实现收入,报告期内公司大数据咨询服务、检品生产管理系统软件等多个海外合同完成交付落地。

（一）发展战略实施与经营工作回顾1、结构调整,稳定经营2025我国经济顶压前行、向新向优发展,现代化产业体系建设持续推进。

同时,外部环境变化影响持续显现,国内经济转型升级仍处于攻坚阵痛期,部分市场主体生产经营面临一定压力。

下阶段,需推动科技创新和产业创新深度融合,持续优化产业结构,加快培育新质生产力,推动工业经济向好发展。

当前人工智能技术快速发展迭代,深刻影响企业信息化建设认知。

尽管宏观政策持续引导产业数字化升级与智能化转型,但在AI技术对传统企业管理应用的具体冲击与变革方向尚不清晰的背景下,企业普遍放缓信息化领域实际投入节奏。

在此环境之下,2025年公司制定业务结构全面调整、全面拥抱AI的转型规划。

公司在稳固传统业务领域经营的基础上,一方面积极拓展新兴业务行业,另一方面稳步推进业务模式由项目交付为主向产品化模式转型,并开展小范围试点探索与实践。

经营管理层面,公司围绕未来业务的发展规划,合理优化团队配置与成本管控,保障了公司经营的正向现金流,实现稳健经营。

2、持续投入,拥抱AI2025年初,以DeepSeek为代表的大模型应用掀起行业发展浪潮,全社会对人工智能的认知与应用理念实现显著提升。

公司敏锐洞察到人工智能产业快速发展蕴藏的广阔市场机遇,持续推进相关技术布局与业务筹备工作。

一方面,公司研发推出威士顿Agent产品,并实现产品在现有工业企业客户的试点应用；另一方面,在多模态领域加大投入,实现在限定条件下的图文互转产品的研发储备；同时,公司积极布局低空经济领域,研发无人机飞控系统、无人机视频实时精准分析,以及视频分析与飞行控制协同联动的产品储备。

在金融领域内,公司积极将大模型技术引入金融客户的开发服务体系,参与基于大模型的应用开发,并同步推进相关产品研发工作。

2025年,公司成功入选上海市第一批AI+智造供应商名录。

在技术研发层面,公司也在持续关注AI对传统软件开发模式带来的影响与变化,积极探索新模式的应用,保持紧跟AI时代的技术步伐。

3、完善内控,规范管理2025年,公司严格遵循上市公司规范管理要求,将内部控制管理职责明确落实至专业职能部门,并持续开展内部检查工作。

全年按照工作计划完成4个季度的内部审计工作,系统性开展覆盖公司治理、资产管理、采购销售、研发管理等领域的审计工作。

通过审计及时排查问题并整改落地,全公司各部门积极配合审计整改,主动优化业务流程,全年内部控制机制运行平稳有序,为公司高质量发展提供了有力保障。

与此同时,公司积极推进内部管理系统升级工作,将优化完善后的内控流程固化嵌入管理系统,进一步夯实内控管理基础。

4、业务发展与资本运作并重,协同驱动公司的整体发展2025年度内,公司完成了对于量投科技的收购事项,本次并购完成后,公司成为量投科技的控股股东,通过本次并购,公司业务范围得到进一步拓展,成功布局期货交易技术服务领域。

（二）公司未来发展战略作为一家技术应用型的公司,公司在未来发展战略上,将紧跟技术革新的步伐,持续加大技术研发投入,总体上由帮助企业实现数字化转型,发展为帮助企业进行AI落地。

一方面,升级现有产品,应用AI的技术与理念,实现现有产品的升级换代,将传统的信息系统“采集信息”、“流通信息”、“呈现信息”、“分析信息”的功能进一步发展,引入本体论的概念,构建以数字孪生为底座的本体层,形成能够主动依据企业全量信息视图,进行主动运营分析的主动式智能管理新模式,在现有产品中,增加数据语义层与标准API,使得Agent能够主动捕获企业实时运行状态,并进行主动的预测、干预与调整方案,主动给出业务调整的建议方案,辅助管理人员保障企业业务健康稳健运行,推动系统由信息采集、呈现模式向主动预测、干预的智能化模式转变,为服务的企业客户创造更大的价值。

1、研发方面,全面拥抱AI,加大技术研发投入,持续创造有竞争力的智能化产品。

一方面持续加大AI相关的应用性技术研发投入,按照总体发展战略,持续推动核心产品的智能化升级；另一方面从软件实施方法论上增加投入,探索AI时代软件开发新模式,避免技术创新导致的业务颠覆性落伍。

2、经营方面,利用技术发展与并购带来的新契机,积极拓展新的行业和业务领域。

一方面,公司在原有的制造业客户范围内,持续拓展市场,发展生态合作伙伴,借助生态的力量,将自身外溢的能力输出,以扩大业务范围；另一方面,通过与量投科技的业务整合,进一步通过互相赋能的模式,进一步开展在期货交易领域的业务合作,进一步扩大整体的业务边界和范围。

与此同时,基于国家宏观政策,公司将响应政府的企业出海倡议,积极拓展海外市场,以2025年海外新拓业务为支撑点,逐步做大海外业务市场,为公司提供新的增长契机。

3、发展上,持续开展外延式增长。

响应国家积极推动的企业并购重组政策,按照在自身的行业之内,寻求同类型业务的企业,开展企业间的业务合作、资本合作,在有效控制风险的同时,开展企业的并购重组,充分利用资本市场的资源,实现企业的快速成长。

（三）2026年度经营计划公司对于信息技术行业发展趋势的判断如下：当前AI技术加速迭代演进,其对企业级应用的具体影响与变革路径尚不清晰；但在宏观经济发展背景下,企业正积极布局AI领域并推动相关应用落地。

基于上述行业背景,公司2026年将实施以下整体经营策略：1、2026年为公司整体业务结构调整、全面拥抱AI的关键之年,聚焦三大方向实现突破：（1）新行业拓展：深耕轨道交通、航空领域,推动相关业务做优做强、规模提升；（2）产品模式创新：采取小步快跑、快速迭代的研发思路,分别推出面向制造业与金融行业的小型化产品,推行逐年付费的模式,以拓展客户群体为目标,持续扩大订阅制软件服务业务规模；（3）AI解决方案落地：依托在制造业领域沉淀的深厚行业经验,落地制造业智能化运营解决方案,赋能企业智能化升级。

2、2026年将重点落实三大核心工作：（1）产品研发：针对金融、制造行业分别打造轻量化标准化产品,丰富订阅制软件产品线,完善产品化研发体系。

（2）市场营销：提升新进入轨交、航空市场的绝对签单量；初步建立标准化产品营销体系与组织架构；持续拓展金融行业新客户；积极探索半导体、新能源、AI相关产业链客户,挖掘业务合作机会。

（3）组织建设：结合公司发展战略与市场需求,优化适配业务发展的组织架构,制定并形成组织调整决策方案。

3、开放合作,寻求长期增长的机会公司积极构建合作生态,以开放的合作态势,与具有技术优势或者市场优势的伙伴,谋求长期多赢的发展,共建良好的合作生态。

技术与业务合作方面,公司秉持开放合作的态度,与其他企业、研究机构、高校等建立合作关系,共享资源,共同开发新技术和产品。

在合作模式拓展方面,除开展业务互补、技术协同的常规合作外,公司积极探索财务与资本层面的深度合作,通过合资、并购等模式进入新的行业,进一步拓宽公司的业务范围,增厚经营业绩,为广大股东创造更大的回报。