|
| 威士顿(301315)经营总结 | | 截止日期 | 2025-12-31 | | 信息来源 | 2025年年度报告 | | 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 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 AI Agent 产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“Vibe Core”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 Vibe Core 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。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。
二、报告期内公司所处行业情况
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
1、宏观经济
根据国家统计局公布的数据，2025年全年国内生产总值比上年增长5%，信息传输、软件和信息技术服务业增加值增
长 11.1%。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，改革开放迈出新步伐，重点领域风险化解取得积极进展，民生保障更加有力，社会大局保持稳定。随着“人工智能+”行动的深入实施，人工智能、大数据、工业软件等新兴产业成为新动能成长的关键引擎，为高质量发展不断夯实基础。
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进入规模化落地新阶段。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》，旨在推动人工智能技术成为驱动产业升级的核心赋能工具，重点覆盖制造业、金融等关键领域。同月上海发布了《进一步扩大人工智能应用的若干措施》体现了从顶层设计到地方实践的快速传导。此前，2025年 5 月国家数据局发布了《数字中国建设2025年行动方案》，则从数据要素层面部署 "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。
（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，其核心驱动力日益依赖于工业数据与人工智能技术的深度融合。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
金融行业是天然的数字化企业，其数字化转型已进入 “数据资产化”和“业务智能化” 的深度攻坚期。一方面，
在穿透式监管和数据资产“入表”探索的背景下，金融机构对全业务链条的数据治理、数据质量与数据安全投入持续加大，数据处理向流批一体化的实时智能分析演进。另一方面，人工智能技术应用从风控、营销等环节向核心业务决策渗透。生成式AI和行业大模型开始在智能投研报告生成、合规审查、个性化投顾等场景中落地试点，推动服务从“流程自动化”向 “决策智能化” 跃升。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，从底层基础设施到上层应用软件的国产化替代，构成了金融科技投入的另一条主线。。
四、主营业务分析
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。
2、收入与成本
（1） 营业收入构成
公司所处行业具有一定的季节性，下游客户的信息化采购和项目验收及回款具有一定的季节性波动。传统国有的制造业
客户通常在上半年对当年实施的信息化项目进行立项、采购实施。项目验收和结款相对集中在第四季度，受此影响，公司的营业收入也表现出相应的季节性波动特征。公司收入存在季节性波动风险，上述情况符合公司业务特点以及行业特征。
（2） 占公司营业收入或营业利润10%以上的行业、产品、地区、销售模式的情况 适用 □不适用
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
要求公司主营业务数据统计口径在报告期发生调整的情况下，公司最近1年按报告期末口径调整后的主营业务数据 □适用 不适用
（3） 公司实物销售收入是否大于劳务收入
□是 否
（4） 公司已签订的重大销售合同、重大采购合同截至本报告期的履行情况 □适用 不适用
（5） 营业成本构成
产品分类
产品分类
（6） 报告期内合并范围是否发生变动
是 □否
1.本期发生的非同一控制下企业合并的情况
被购买方名称 股权取得时点 股权取得成本 股权取得比例（%） 股权取得方式 购买日 购买日的确定依据 购买日至期末被购买方的收入 购买日至期末被购买方的净利润 购买日至期末被购买方的现金流量量投科技（上海）股份有限公司 2025.11.30 148,635,058.00 51.0345% 受让股权及增资 2025.11.30 控制权转移 6,234,366.78 3,085,688.46 4,532,898.92
（7） 公司报告期内业务、产品或服务发生重大变化或调整有关情况 □适用 不适用
（8） 主要销售客户和主要供应商情况
3、费用
4、研发投入
主要研发项目名称 项目目的 项目进展 拟达到的目标 预计对公司未来发展的影响威士顿工业AI智能体-多模态大模型研究 为提升企业运营效率、降低成本，本项目聚焦多模态大模型应用，探索其在图像生成与报告处理中的创新应用，以实现业务优化与技术升级。 完成验收结项 打造一个创新性的多模态大模型应用体系，通过深入研究多模态大模型在图像生成和报告处理领域的应用，实现技术赋能与业务优化，提升相关领域的效率和质量，降低人力与时间成本。 该项目打造工业多模态AI能力，打通图文识别与报告自动化场景，是从传统工业软件服务商向AI驱动的工业智能解决方案提供商升级的重要抓手，显著提升企业市场服务能力。威士顿工业AI智能体-时间序列的智能预测研究 依托人工智能技术，智能调度算法能够高效处理海量数据，实现精准决策，同时自动化管理调度过程，显著提升效率与准确性。调整能力并确保调度方案能够灵活应对各种突发情况，保持管理体系的稳定与高效。 完成验收结项 专注于智能调度算法的开发与应用，特别是在入库、转库、出库以及车辆装卸货月台等方面的智能调度。实现以下三大目标：1，提高库区整体工作效率，均衡库区内各楼栋工作量；2，减少库区内各楼栋及楼栋内部的移动转储量；3，提高月台作业效率。 该项目构建仓储智能调度算法，攻克复杂约束优化难题，是从流程信息化向AI决策优化服务升级的有效尝试。威士顿工业AI智能体-语料制作研究 通过系统化研究工业领域语料的获取机制、质量控制与清洗方法、面向模型训练的数据集构建策略以及数据版本化、评估与退役等生命周期管理技术，形成一套可复用、可治理、可持续的数据技术路线，为工业领域垂直大语言模型的高质量训练与迭代提供坚实的数据基础，具有显著的工程应 完成验收结项 围绕语料全流程技术体系构建，提升工业领域垂直大语言模型在后训练微调阶段的数据质量与数据治理能力。 该项目搭建工业领域全生命周期语料治理体系，夯实垂直大模型数据底座，是威士顿实现工业大模型自主可控、持续迭代的重要基础。用价值和技术研究意义。CDP及MRS大数据平台应用研究 针对目前的行业现状，本项目关注CDP与MRS大数据平台核心组件原理研究、运维诊断、性能调优以及ClouderaManager与MRS manager的平台新特性研究 完成验收结项 掌握CDP、华为MRS各组件的用法原理，能够运用湖仓一体架构、多租户管理、弹性扩展、高可用性、智能运维等技术帮助在金融业、制造业实现赋能，提供专业化部署与调优服务能力。 夯实底层基础设施的交付与调优能力：通过沉淀湖仓一体与高可用架构的标准化实施路径，形成专业服务输出能力。这将显著提升公司在金融等数据密集型行业的工程交付质量与履约效率，增强对大客户的技术锁定效应，为拓宽企业级数据底座运维市场提供核心技术支撑。基于SAAS的设备运维管理 针对企业管理，通过设备管理的透明化、标准化、智能化，降低设备停机时间，延长设备寿命，优化运维成本，实现数据驱动的科学决策。针对设备运维团队，提供高效、便捷、协同的工作平台，简化工作流程，明确工作职责，沉淀维修知识，提升企业的工作效率。 完成验收结项 抓住企业设备运维数字化转型的历史机遇，利用SaaS模式的优势，解决传统运维管理中的核心痛点。通过提供一款易用、高效、智能的设备运维管理平台，帮助广大中小企业以更低的成本实现设备管理的现代化升级。通过实现设备档案、工单流程、移动报修与审批、报表功能、预防性维护计划等功能，实现客户短期上线、便捷使用，最终达成客户成功与公司发展的双赢局面。 形成基于SAAS的设备运维管理产品，有利于公司向更多的企业客户群体进行扩展。威士顿工业AI智能体-智能体原型 鉴于当前大模型、AI 智能体等技术的不断发展，基于此类技术构建智能软件产品将显著提升生产效率、优化资源管理、并推动工业自动化的进程。 完成验收结项 基于大模型、AI 智能体、CoT等技术，研究新一代工业软件应用模式，并构建系统原型，以卷接生产为场景，构建工业智能体应用范式，并易于推广到其他公司业务覆盖的工业作业场景。 该项目打造工业AI智能体原型与低代码编排平台，形成可快速落地的智能交互与流程编排能力，是威士顿构建工业级AI原生应用生态、抢占智能制造智能化入口的核心载体。大数据平台管理门户产品研发项目V2 大数据平台管理门户产品是一款专为大数据集群管理和维护设计的自动化运维管理工具，重点为基于ClouderaCDH/CDP的Hadoop生态系统提供高效支持。它通过集成API，为用户提供全面的集群监控、应用管理、运维管理及告警功能，提升集群的稳定性和性能。随着国产信创的全面推进，大数据平台管理门户产品将进一步升级，以支持国产华为MRS大数据平台的集成管理，满足国产化要求，为用户提供更多国产平台的 完成产品基础核心功能开发 大数据平台管理门户产品V2将扩展集成华为MRS平台功能，升级为更强大的大数据集群管理平台，具备对Cloudera CDH和华为MRS大数据生态系统的全方位监控、预警和管理能力，支持统一的应用作业监控和管组件。2）智能化资源监控及预警管理。3）可视化的数据应用作业监控与处理。通过这些目标，大数据平台管理门户产品V2将帮助用户实现对多平台大数据生态系统的统一、智能化运维与管 构筑兼容信创生态的统一化管控底座：通过抹平底层异构集群（CDP与华为MRS）的架构差异，实现核心管控能力的跨平台复用，有效降低复杂多集群环境下的工程维护成本。该产品的演进直接切中当前国产化替代的硬性工程边界，赋予公司产品在信创市场竞标中的核心优势，推动公司从单一平台工具提供商向企业级全域数据资产管控解决方案商升维。运维和管理能力。 理，提升整体系统的可用性和运维效率。威士顿工业AI智能体-生产控制结合研究 本项目旨在研究工业智能体与生产控制系统的结合应用，在传统制造运营管理（MOM）系统的基础上，融合国产大模型、AI智能体及思维链（CoT）等先进技术，解决传统生产控制系统在人机交互、业务协同、异常处理等方面的痛点，实现制造运营全流程的智能化升级。 完成验收结项 项目总体建设目标为：通过融合工业AI智能体的统一制造运营管理平台，支撑质量过程精细化、透明化管控，辅助管理持续提升。具体包括：原材料质量前移管控、生产过程规范化精细化管理、全供应链业务整合与系统、精确的质量跟踪与追溯、质量大数据集成与分析。 该项目实现工业AI智能体与MOM系统深度融合，面向高端制造市场，覆盖生产流程智能管控，是威士顿从传统生产管控向AI驱动智能生产升级的落地工程。生产安全智能体研发 当前制造业及高危行业企业使用的传统安全生产管理系统存在三大核心痛点：1，风险预警滞后：依赖人工辨识，难实时捕捉动态风险，易漏判误判。2，隐患排查低效：人工排查强度大、准确率低，整改跟踪难。3，应急处置被动：响应慢、方案缺乏针对性，易致事故扩大。国产大模型技术已具备强大的多模态数据处理与场景理解能力；AI智能体技术可实现复杂任务的自动分解与协同执行。两者的融合应用，为解决传统安全生产管理系统的核心痛点提供了技术可能，推动安全生产管理产品从“辅助记录”向“智能决策”跨越。 完成需求策划及需求分析工作 通过融合工业AI智能体的统一安全生产管理平台，支撑安全风险精细化、透明化管控，提升应急处置效率，辅助企业实现安全生产形势持续稳定。具体包括以下几点目标：安全风险前置管控、隐患排查闭环化管理、全场景作业安全管控、应急处置高效化响应、安全数据集成与分析。 该项目打造全流程安全生产智能管控平台，覆盖风险预判、应急处置与隐患闭环，是威士顿开拓工业安全智能化产品的尝试之一。因收购量投科技，合并的研发人数中包含量投科技的研发人员。研发投入总额占营业收入的比重较上年发生显著变化的原因□适用 不适用研发投入资本化率大幅变动的原因及其合理性说明□适用 不适用公司需遵守《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”的披露要求公司无研发投入资本化情形。
5、现金流
五、非主营业务情况
适用 □不适用
其他收益 3,197,293.62 9.87% 政府补助，增值税即征即退等 否资产处置收益 69,405.45 0.21% 否
六、资产及负债状况分析
1、资产构成重大变动情况
2、以公允价值计量的资产和负债
适用 □不适用
3、截至报告期末的资产权利受限情况
截至2025年12月31日，公司以其他货币资金2,489,062.95元质押向招商银行股份有限公司上海江苏路支行申请开具
无条件、不可撤销的担保函。
七、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、金融资产投资
（1） 证券投资情况
□适用 不适用
公司报告期不存在证券投资。
（2） 衍生品投资情况
□适用 不适用
公司报告期不存在衍生品投资。
八、重大资产和股权出售
1、出售重大资产情况
□适用 不适用
公司报告期未出售重大资产。
2、出售重大股权情况
□适用 不适用
九、主要控股参股公司分析
□适用 不适用
公司报告期内无应当披露的重要控股参股公司信息。
十、公司控制的结构化主体情况
□适用 不适用
十二、报告期内接待调研、沟通、采访等活动登记表
适用 □不适用
接待时间 接待地点 接待方式 接待对象类型 接待对象 谈论的主要内容及提供的资料 调研的基本情况索引
2025年03月12日 公司会议室 实地调研 机构 东北证券-唐凯；
中信建投-吴俊；
重鼎资产-张罗
印；大岩资本-张宁；澜胜基金-刘凤山；深圳衡道投资-李祖兵；昆山玉侨合投资-郑国利；国信期货-何必俊；朗日资本-叶孝君；稠州银行-刘俊 公司主营业务和产品研发投入与进展；国产大语言模型DeepSeek 的相关部署；同行业竞争优势 详见公司于2025年3月12日在巨潮资讯网（http://wwwcn）披露的《投资者关系活动记录表》编号：2025-001
2025年05月15日 公司会议室 网络平台线上交流 其他 在线参与公司2024年度业绩说明会的网上投资者 公司是否计划通过产品升级或供应链优化改善盈利能力；公司采取了哪些措施保障现金流稳定；公司将如何加强与中小股东的沟通；
公司后续发展
计划和发展方
向 详见公司于2025年5月
15日在巨潮资
讯网
（http://www
cn）披露的
《投资者关系
活动记录表》
编号：2025-
002
2025年09月
19日 公司会议室 网络平台线
上交流 其他 在线参与公司
2025半年度业绩
说明会的网上投
资者 公司基本情
况、客户定制化需求增加对今年项目利润率的影响、企业数字化转型案例与近年相比有哪些创新点等 详见公司于2025年9月25日在巨潮资讯网（http://wwwcn）披露的《投资者关系活动记录表》编号：2025-
十三、市值管理制度和估值提升计划的制定落实情况
公司是否制定了市值管理制度。
□是 否
公司是否披露了估值提升计划。
□是 否
十四、“质量回报双提升”行动方案贯彻落实情况
公司是否披露了“质量回报双提升”行动方案公告。是 □否
2026年4月22日，公司第四届董事会第十七次会议审议通过《关于公司2025年度利润分配预案的议案》，为积极回报公司股东，与全体股东分享公司发展的经营成果，依据《中华人民共和国公司法》《公司章程》和中国证监会关于上市公司现金分红的规定，基于公司的盈利能力、财务状况，及未来发展预期，在保证公司健康持续发展的情况下，充分考虑中小投资者的利益和合理诉求，公司2025年度的利润分配预案为：以公司总股本8,800万股为基数，向全体股东每10股派发现金红利3.00元（含税），共计派发现金红利2,640.00万元，剩余未分配利润结转以后年度分配；不送红股，不进行资本公积金转增股本。如在本利润分配预案披露之日起至实施权益分派股权登记日期间，公司总股本发生变动的，公司拟维持分配总额不变，相应调整每股分配比例。
|
|