容知日新（688768）2025年度管理层讨论与分析

证券之星消息，近期容知日新（688768）发布2025年年度财务报告，报告中的管理层讨论与分析如下：

发展回顾：

一、报告期内公司所从事的主要业务、经营模式、行业情况说明

    (一)主要业务、主要产品或服务情况

    1、公司主要业务

    公司是一家人工智能驱动的工业AI服务企业，致力于为客户提供全球领先的设备智能运维解决方案和AI设备运维订阅制服务。主要产品和服务已广泛应用于电力、石化、煤炭、钢铁等多个行业，持续向半导体、轨道交通、港口、化工等众多行业及新应用场景拓展。公司始终坚持以科技创新引领产业创新，将AI先进技术与真实的行业应用相结合。经过多年发展，公司已完成核心感知元器件、边缘智能、工业大数据、智能算法、PHMGPT系列工业大模型及工业互联网平台的全链条完整技术布局，形成“1+N+X”场景化智能运维解决方案产品服务体系。在"1+N+X"的产品服务体系之上，打造全链路赋能体系，提供培训赋能、战略咨询等立体式服务，致力成为客户智能运维的长期服务伙伴。

    2、公司主要产品

    报告期内，公司全面深化AI+设备智能运维应用，持续加大在智能运维领域产品的研发投入。依托多年累积的工业行业经验与数据积累，公司已构建以“1+N+X”为核心的全栈式智能运维产品体系，通过标准化平台、模块化技术与场景化方案的深度融合以及全面立体的服务体系，赋能制造业智能化、高端化、绿色化、协同化升级。

    （1）设备智能运维平台

    “1”即1个工业设备智能运维平台，作为公司面向工业智能运维领域的数字基座，提供AI算法框架、大数据处理、可视化引擎、边缘计算管理等通用智能化引擎和标准化技术融合总线，依托近二十年工业设备运维数据积累，构建覆盖多行业、多类别的运维知识与数据资产库，能覆盖电力、石化、煤炭、钢铁等行业各种工业设备智能运维场景应用。通过开放式技术架构与生态化能力设计，平台具备智能感知、智能预警、智能诊断、智能体等功能应用，实现多源数据的统一接入、协同调度与深度分析，为工业智能运维场景应用奠定坚实基础。

    ①数据资产

    深耕工业近二十年沉淀的设备故障数据。平台深度整合电力、石化、煤炭、钢铁等复杂工业场景的全量设备运行数据、故障案例库与专家经验图谱，形成跨行业、跨设备类型的标准化数据治理体系。通过多源异构数据的统一标注、关联分析与知识沉淀，将分散的运维记录转化为可复用、可演进的结构化数据资产，为智能决策提供高质量的数据基础，真正实现"数据驱动运维"的价值闭环。

    ②工业AI能力

    AI大模型驱动的智能引擎。依托PHMGPT工业AI大模型，构建起"感知-预警-诊断"的全链条智能能力，具备工况感知、特征提取等多样化的边缘感知能力，自研多模态模型矩阵嵌套趋势分析、波形分析、轴承分析等细分模型，能够精准识别潜在故障特征，实现设备故障精准预警与故障诊断分析。同时凭借海量故障案例库与多模态知识推理，搭配诊断推理引擎、专家知识图谱等，生成推理过程、诊断结果和建议等关键信息，完成复杂故障的快速定位与处置方案推荐。

    ③平台开放

    生态化架构与场景敏捷适配。有效支持第三方算法、行业应用及硬件设备的快速接入与灵活编排，实现多源数据的统一接入、协同调度与深度分析。平台能够适配电力、石化、煤炭、钢铁等各行业多样化工业设备场景，为工业智能运维的规模化应用奠定坚实技术底座。

    （2）智能感知产品体系

    “N”即N种基于“视听触嗅味”五感能力的智能感知产品体系，通过标准接口无缝接入智能运维平台，配置振动、油液、声纹、气体、视觉等监测传感器，形成开放且强大的技术底座，为智能运维提供全域感知支撑。

    ①视觉

    视觉感知层涵盖智能巡检机器人与AI智眼摄像头，融合可见光成像与红外热成像技术，实现设备故障精准识别；

    ②听觉

    听觉感知层集成超声传感器与高灵敏度麦克风阵列，实时捕捉异常声波信号；

    ③触觉

    触觉感知层部署多类型振动传感器，覆盖振动加速度、冲击振动、工况参数及转速监测等维度；

    ④嗅觉

    嗅觉感知层配置高精度气体传感器，对环境中一氧化碳、甲烷等关键气体浓度进行动态监测；

    ⑤味觉

    味觉感知层依托油液智能检测终端，精准分析油品金属磨粒含量、水分指标及粘度特性等核心参数。

    （3）解决方案体系

    “X”即X种面向客户的全栈场景解决方案，作为公司深耕垂直行业的价值交付载体，推出覆盖电力、石化、煤炭、钢铁、有色、港口等行业解决方案，深度融合设备数据积累和行业知识沉淀，依托PHMGPT工业AI大模型，聚合图像、声音、视频等多模态数据，并与传统振温监测优势协同，构建机械、电气、仪表、静态设备等多类型工业设备"数据采集→智能诊断→维护决策"智能运维全流程。

    ①皮带机AI智能监测系统

    通过巡检机器人、线性串联、AI摄像头、纵撕监测、无线振温的产品组合，实现对皮带机传动部件、皮带本体、运行状态、沿线状态、安全合规五大维度的全方位、立体化智能监测；

    ②智能机泵监测系统

    面向离心泵、风机、磁力泵，空压机，电机等设备，具备边缘故障特征计算、边缘加密采集、AI启停机识别、AI时序异常检测等智能监测能力，实现对机泵类设备的智能感知、智能预警与智能诊断分析；

    ③润滑油品质智能监测系统

    采用油品和金属磨粒独立监测油路设计，内置油泵以及电磁阀实现对采集油路的启停、流量控制、油路切换、静置消泡等采集策略，支持同时监测金属磨粒、密度、40℃运动黏度、介电常数、温度、水活性、含水量、含水率等指标，可实时呈现油品状态。

    ④其他基于行业痛点和场景价值的各类型智能运维解决方案，如：轧机智能监测系统，低速重载类设备智能监测系统、配电室AI智能监测无人巡检系统等。

    （4）智能运维赋能体系

    在"1+N+X"的产品体系之上，打造全链路赋能体系，提供“培训赋能、战略咨询、诊断服务”的立体服务，致力成为客户智能运维的长期服务伙伴。以AI+设备智能运维建设为核心，结合行业级战略咨询输出全流程解决方案和智能化转型路径，依托AI深度诊断服务挖掘设备运维数据价值，以标准化培训体系赋能实现客户运维能力升级，助力客户构建自主可控、内生进化的智能运维核心能力，为客户创造可持续的数字化运营价值。

    ①战略咨询

    行业Know-How与智能运维生态融合，为客户提供行业级战略咨询，输出全流程解决方案和智能化转型路径，依托覆盖全产业链的运维生态伙伴网络，整合设备制造商、传感器厂商、算法服务商及行业专家资源，构建开放协同的运维知识体系。通过将垂直行业经验沉淀为可复用的方法论，帮助客户打通从设备层到决策层的数据链路，制定清晰、有效的AI+设备智能运维实施路径。

    ②培训赋能

    标准化体系驱动能力升级。以培训赋能体系为支点，致力为客户提供AI+设备智能运维长期服务。通过企业高层、中层、基层分层分级的课程设计，系统性提升客户团队的数字化运维素养。培训内容深度融合客户行业经验与真实诊断案例库，配备Mobius认证体系与最佳实践共享机制，确保客户不仅"用上"智能运维，更能"用好"并持续迭代。

    ③诊断服务

    365×24小时全时域守护。依托不间断的深度诊断服务，构建设备运维数据实时价值挖掘体系。通过AI驱动的智能预警和智能诊断体系与专家远程诊断中心协同运作，实现设备异常响应、故障趋势监测。

    (二)主要经营模式

    1、采购模式

    公司采购的原材料主要包括电子元器件、计算机及网络设备、结构件以及辅材等。目前，该等原材料市场供应较为充足，市场竞争较为充分，公司选择质量稳定、交付及时、成本有竞争力且与公司合作关系良好的供应商进行采购。公司采购部门主要根据市场预测和订单情况进行采购，对部分原材料进行战略备货。在确保原材料的质量和供货期的前提下，采购人员通过比较不同供应商的产品质量、技术水平、交付能力、价格和售后服务等因素，择优选择最终的供应商。公司建立了完善的采购管理制度，制定了严格、透明、规范的采购流程，对采购物料的各个环节进行全面管理，确保原材料采购环节符合公司质量控制标准。公司根据供应商的规模、产品质量、技术和售后服务等指标，实施合格供应商管理和评价制度，建立了合格供应商目录。

    2、生产模式

    公司实行以销定产和需求预测相结合的生产模式。生产部门根据公司销售订单和日常备货需要，结合公司库存情况，制定生产计划和组织实施生产。公司产品生产包括自行生产和外协加工两个部分，其中：传感单元制造、电路板测试、软件烧录、半成品部件生产、整机组装、高低温循环老化测试、整机性能测试等技术要求高的核心环节，由公司自行生产完成；贴片及接插件焊接、部分结构件表面处理和线束注塑等工艺简单、附加值较低的加工环节，由外协厂商加工完成。在外协加工过程中，公司提供设计图纸，外协加工厂商按照公司要求进行生产加工。为了更好地控制和保证外协厂商的生产过程质量，公司设置了专职的供应商质量管理工程师岗位，对外协厂商生产加工进行巡检和评审。公司建立了外协厂商的引入、绩效考核、分类评级及淘汰等严格的过程质量管控流程体系，以监控和保证外协生产过程中的产品质量。

    3、销售模式

    2025年是公司全面转向"伙伴+全球化"战略的关键年，大力推进从“直销为主、经销为辅”向“全面战略伙伴协同”与“产品全球化布局”转变，助力公司实现从产品供应商向生态型工业智能服务化转型。

    公司全面落实合作伙伴战略，建立"共同开发场景、联合创造价值"的战略伙伴合作机制，积极拓展煤炭、钢铁、石化、电力、半导体、港口等行业伙伴，围绕各行业智能运维场景，建立客户、战略伙伴技术合作与生态共赢。

    公司积极推进全球化战略，依托本地化运营策略，优先深耕北美、东南亚等产业密集且数字化需求旺盛的海外市场，推动公司产品服务标准与国际接轨，逐步提升国际市场品牌影响力。

    4、研发模式

    公司以市场需求为导向开展自主研发，研发中心通过跟踪行业前沿技术发展趋势和目标市场需求信息，基于公司发展规划提出研发计划，并经过内部立项评审通过后确定研发项目。在预研方面，公司持续加大投入力度，成立了专门的预研小组，聚焦前瞻性技术探索与创新。预研小组重点关注大模型、智能体等前沿领域，招聘高级别技术专家，深入开展技术可行性验证与原型开发，为公司中长期技术路线提供战略支撑。产品开发方面，研发项目经理确定研发项目进度计划表，组织研发人员实施研发，主要内容包括方案设计、软硬件开发、系统测试、小批量验证、Beta版本试运行等。在技术研发管理方面，公司制定了体系化的内部规章制度，构建了完善的项目开发管理体系，明确了研发过程中各阶段人员分工和职责权限。

    (三)所处行业情况

    1、行业的发展阶段、基本特点、主要技术门槛

    （1）行业的发展阶段

    我国工业设备智能运维产业起步相对较晚，伴随工业自动化水平提升与数字技术迭代，目前已在技术研发与场景落地层面实现快速突破，成为保障工业系统可靠性、安全性，支撑先进装备制造与传统工业自动化升级的关键基础产业。我国工业设备运维历经人工经验运维阶段、仪器化监测运维阶段、计算机辅助诊断阶段、网络化智能运维阶段四个发展阶段，持续向数字化、智能化、协同化演进：

    第一阶段：人工经验运维阶段（基于经验与简易诊断）：主要依靠诊断专家和专业技术人员，通过观察现象、积累知识，凭借人工经验判断故障类型与隐患。

    第二阶段：仪器化监测运维阶段（基于信号测量与预防维修）：利用先进的传感技术获取响应信号表征机械装备的运行状态，从动力学、声学、摩擦学、热力学等多物理场获取响应信号，通过信号处理方法提取故障微弱特征，开展切片式分析。

    第三阶段：计算机辅助诊断阶段（基于信号处理与模型分析）：以观察现象、积累知识、设计算法、提取特征、分析决策为主线，依托专家系统识别装备故障，利用计算机完成数据综合分析与状态评价。

    第四阶段：网络化智能运维阶段（大数据与人工智能驱动）：转向以机理为基础、数据为中心、计算为手段、智能数据解析与决策为需求的新学术思维，由针对关键零部件的单层次监测诊断转向针对复杂系统的多层次监测诊断，实现多物理源数据融合、自动特征提取、智能预警与剩余寿命预测，是智能制造的关键组成。

    （2）行业的基本特点

    ①政策推动指引产业升级

    当前，国家已密集出台一系列以“工业互联网”、“AI+”为核心的政策文件，如《机械工业数字化转型实施方案》《关于推进“人工智能+”能源高质量发展的实施意见》《场景化、图谱化推进重点行业数字化转型的参考指引（2025版）》等文件大力推动工业产业结构向数智化、绿色化、协同化、高端化方向转型升级，核心聚焦在工业大模型研发落地、高价值应用场景拓展和智能算力供给提升等关键环节，以加快人工智能技术与工业设备运维场景深度融合；同时，工业设备自动化升级、制造业数字化转型等相关政策陆续落地，明确要求强化工业AI技术研发与场景应用，推动设备运维向数字化、智能化转型，提升设备运行稳定性，助力工业企业实现“提质、增效、绿色、节能”的发展目标。政策端持续发力为行业发展指明了方向，也为行业规模化拓展、体系化升级提供了良好环境。

    ②技术创新驱动行业变革

    以工业AI、工业大模型、工业Agents为代表的前沿科技的快速迭代，正重新定义工业设备运维的技术范式与服务模式，推动行业从“经验驱动”转向“数据智能双轮驱动”加速跃迁。一方面，AI与大小模型融合成为核心引擎，通用大模型提供全域认知能力，场景专用小模型实现精准适配与高效推理，二者协同融合，赋能故障诊断、寿命预测与健康管理全链路智能化升级；另一方面，海量多源工业数据的融合应用打破数据孤岛，通过设备运行、工艺参数等数据的汇聚与挖掘，持续沉淀并转化为行业场景解决方案，形成技术迭代与场景落地的正向循环，为智能运维方案的精准化、高效化与规模化落地提供核心技术支撑。

    ③需求增强加速市场发展

    现阶段，工业设备智能运维模式的市场认可度与接受度持续提升，而行业服务整体呈现应用成熟度不均、市场渗透率偏低的核心特征，行业仍处于快速发展的初期阶段。在制造业数字化转型的大背景下，工业企业数智化改造加速推进，智能运维已成为该转型趋势的核心环节之一。随着智能运维相关技术成熟度提升、服务模式不断迭代、应用场景持续拓宽，叠加数智化转型的长期趋势支撑，市场需求持续增强，行业未来发展前景广阔、动能充沛。

    （3）主要技术门槛

    工业设备智能运维基于工业AI、物联网与大数据等先进技术应用，属于多学科交叉融合的技术密集型领域。工业设备智能运维领域企业不仅要集技术沉淀、规模化研发、软硬件产品、故障数据资产、专业场景解决方案及专家服务网络于一体，更要以运维平台、海量数据融合、大小模型协同、工业智能体为核心底座，深挖行业Know-How，转化为场景化解决方案，依托全链条服务能力，推动工业企业高质量发展。

    ①工业AI技术自研

    工业设备智能运维的技术壁垒，首先体现在AI算法、工业数据集、大模型与智能体等核心技术的研发能力上。工业场景涉及多个行业且多元复杂，各行业均有独特的工艺特点与技术挑战。因此，企业不仅需突破AI核心技术瓶颈，更要实现技术与工业数据集、智能场景应用的深度融合，方能为工业运维模式转型升级提供坚实支撑。工业AI技术自主研发既是智能运维落地的重要基础，也是智能运维发展的关键基座。

    ②海量数据积累迭代

    海量工业数据是工业设备智能运维的关键支撑。作为核心生产要素与竞争力载体，工业数据多元获取、融合处理、积累迭代与实践应用是工业设备智能运维领域的重要壁垒。一方面，涉及跨生产环节、制造基地、工业行业，需要构建可靠安全高效的工业互联网体系来支撑数据的获取与融合。另一方面，工业数据通常因设备运行、工况、环境等多样性与复杂性因素，不仅要具备从海量冗余数据中提炼出关键运维信息的能力，更要在场景中实践应用与长期积累，这对企业的高效运营与建设规划都提出了极高的要求。

    ③深耕业务细分场景

    工业设备智能运维应用场景多元复杂，各行业对智能运维解决方案的需求差异显著。因此，深度扎根细分行业，精准把握核心设备制造原理、运行特性及全生命周期影响要素，具备深厚的行业知识、专业的专家团队与丰富的落地经验，是开发适配现场需求、契合行业痛点的解决方案的必要前提。企业需在掌握先进技术与海量数据的基础上，深度理解一线流程与业务需求，持续沉淀细分场景Know-How，打造面向细分场景的专用小模型，并强化大小模型的协同，以此构建既契合革新趋势、又满足实际需求的行业级场景解决方案。

    ④全链条服务支撑

    工业设备智能运维应用涉及平台、数据、AI、服务、赋能等，投入巨大且各环节紧密关联。

    企业需具备全流程落地实施与持续赋能客户转型发展的综合服务能力，既要保障方案稳定可靠、可落地、可执行，也要在遵循行业标准、符合实际需求的基础上，提供从项目落地到长期运维赋能的一体化服务支撑。

    2、公司所处的行业地位分析及其变化情况

    公司是国内较早布局、并长期专注工业设备智能运维领域的领军企业，伴随行业从信息化、数字化迈向人工智能深度融合的积极转型阶段，始终保持技术研发与场景应用的领先地位，深耕电力、石化、煤炭、钢铁等多个行业，并持续向芯片、轨道交通、港口、化工等行业拓展，在此过程中积淀了丰富的行业服务经验，并持续引领行业技术与应用发展。

    截至本报告披露日，公司实时接入数据中心远程监测的重要设备超20万台，智能推送设备体检报告超375万份，累计闭环各行业工业设备故障案例超4万例，拥有300余项核心专利及软件著作权，参编国家标准4项，获批2家国家级实训基地；同时积极推进全球化布局，业务已覆盖全球35个国家和地区，市场竞争力持续增强。

    工业设备智能运维行业准入门槛高、对技术沉淀与经验积累要求严苛。公司凭借研发、产品、市场与品牌等多维优势，已在行业内确立了领先地位，先后荣获国家级专精特新“小巨人”企业、工信部智能制造试点示范、服务型制造示范、工业互联网试点示范、制造业与互联网融合发展试点示范、大数据产业发展试点示范、安徽省专精特新冠军企业和企业技术中心等多项权威认定。

    3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势

    （1）产品性能与功能持续升级，复杂场景适配能力不断增强

    随着传感技术、采集技术、传输技术与诊断技术的不断发展，客户对监测结果准确性的要求持续提升，对采集设备的精度、可靠性和环境适应性提出了更高要求。同时，应用场景不断丰富，状态监测正从室内、厂房等单一环境逐步拓展至水下、高粉尘、矿井、强电磁等复杂工业现场，对产品的功能多样化、模块化和场景适配能力提出了更高要求。具备模块化架构与多参数集成能力的状态监测产品，能够快速适配不同行业、不同设备与不同工况，已成为行业产品竞争的重要方向。

    （2）边缘智能与工况驱动采集成为技术演进关键方向

    随着监测设备性能的持续提升，数据采集密度不断加大，接入设备数量持续增长，工业现场数据量呈指数级上升，对云端传输、计算与存储带来较大压力。在此背景下，边缘智能成为必然选择：前端设备通过嵌入高性能计算单元与工业机理算法，在采集端即完成数据清洗、异常判断与工况识别，仅将异常数据与必要信息上传，有效降低云端压力。同时，边缘侧可实现工况精准感知，自动识别误信号、启停机状态与转速平稳工况，支撑"常态低频指标+异常高频波形"的自适应采集策略，从"盲目扫射"向"精准点射"转变，提升有效数据获取能力与故障特征保留时效。

    （3）智能运维平台体系化程度持续深化

    随着企业设备运维智能化要求的不断提高，设备智能运维的数字化程度持续深化。以设备云诊断平台为数据基础，将多类型设备的数据计算与处理引擎，以及设备维保、检修、备件等运维应用工具部署于云平台上，结合统一的数据标准与使用规范，构建完整的设备智能运维平台体系，已成为行业平台演进的主流方向。该体系化路径有助于支撑多行业、多类型、大规模工业设备的智能运维需求，提升运维效率并降低综合成本。

    （4）"工业五感"多模态融合成为行业升级的重要路径

    突破传统单点监测局限性，深度整合振动、图像、声纹、温度、工艺量等多源异构数据，依托深厚的工业数据积累与AI多模态融合分析技术，已成为行业从"单一维度"向"全感知"跨越的重要路径。通过构建振动、工艺、视听等多模态数据的同步采集通道，并依托"机理+AI"融合分析框架，实现设备健康的全面感知与复杂故障的精准识别，已成为行业智能化升级的核心方向之一。以智慧皮带场景为例，通过整合振动、图像、声音等多种感知手段，可实现皮带纵撕、跑偏、托辊故障及物料系统异常等多类故障的智能识别，可实现皮带机运输80%以上综合巡检覆盖率。

    （5）故障诊断智能体化趋势加速

    随着大模型与智能体技术的快速发展，工业设备故障诊断正从传统的规则匹配、单一模型预测，向具备自主规划、自主工具调用、多模态融合与透明化推理能力的故障诊断智能体方向加速演进。以"特征解码（感知）—逻辑推理（认知）—决策输出（决策）"为核心架构的故障诊断智能体，能够模拟专家诊断思维，深度融合振动、图像、声音、温度等多模态数据，成为工业设备智能运维的重要发展方向。

    与此同时，AIGC（生成式人工智能）技术在工业视觉场景中实现应用突破。针对工业故障视觉场景中样本稀缺、难以获取的"冷启动"困境，通过生成式AI合成高保真度故障样本数据，有效加速模型精准迭代与快速上线，破解了工业AI落地中"数据瓶颈"的行业共性难题。公司率先推出通用设备PHMGPT故障诊断智能体系列产品，构建了从"大模型问答"到"智能体自主诊断"的技术跃迁，引领行业发展趋势。

    二、经营情况讨论与分析

    报告期内，公司实现营业总收入64,559.80万元，较上年同期上升10.60%，报告期内归属于上市公司股东的净利润为8,425.07万元，同比下降21.64%。报告期内，公司在核心技术研发、平台架构优化、高端人才引进及市场体系建设方面投入显著增加，在短期内对利润形成阶段性影响，但将进一步夯实公司在工业智能化领域的技术壁垒与生态协同能力，提升公司在“AI+工业服务”领域的长期战略价值与成长空间，为可持续高质量增长提供坚实支撑。

    报告期内，公司围绕工业设备智能运维核心赛道，持续推进产品升级、技术迭代和平台能力建设，研发工作整体保持较强连续性和系统性。围绕“1+N+X”为核心的全栈式智能运维产品体系，公司持续推进研发实施、测试验证和成果沉淀，产品技术体系进一步向高精度化、智能化、平台化和场景化方向演进。从研发与产品能力布局看，公司围绕“点检数字化、场景智能化、运维精准化”三条主线持续推进技术体系建设。其中，点检数字化聚焦提升设备数据采集的效率、准确性与覆盖度，为预测性维护和智能分析奠定高质量数据基础；场景智能化聚焦运用先进传感技术与智能算法，实现设备运行状态的深度感知、趋势预测与智能预警；运维精准化聚焦基于智能分析与诊断结果，通过运维大模型优化维修策略与资源配置，实现按需、精准的维护作业，并通过智能应用提升运维管理效率。围绕上述三条主线，公司持续夯实感知、分析、诊断和平台协同等关键能力。其中，工业五感和多模态融合是公司推进场景智能化的重要能力基础，PHMGPT故障诊断智能体是公司在工业AI和智能化诊断方向的重要代表性成果，风电场景等重点行业方向则体现了公司相关能力在细分场景中的纵深落地。随着大模型与智能体技术加快发展，公司正推动相关能力由“感知识别”向“认知推理”延展，进一步增强智能运维体系中的自主诊断、辅助决策和持续优化能力。

    1、AI能力加速融入产品与平台体系

    公司持续推动人工智能技术在设备智能运维场景中的应用深化，将工业AI、大模型、智能体技术与长期积累的设备故障诊断经验、行业知识及多源数据基础深度融合，推动AI能力由辅助工具向产品和平台关键能力加快演进。

    在智能感知与数据采集环节，公司持续推进“端-边-云”协同架构、工况精准识别、边缘智能判断和自适应采集等能力建设，推动采集策略由固定周期采集向工况驱动采集转变，并通过“常态低频指标+异常高频波形”等策略增强异常特征捕捉能力。

    在智能报警与诊断环节，公司持续推进“机理+AI”融合模式，将行业机理知识、特征指标和AI时序模型结合应用，增强对复杂故障的预警、识别和定位能力。其中，PHMGPT故障诊断智能体是公司在工业AI方向的重要代表性成果。公司围绕PHMGPT持续推进相关能力建设，推动智能诊断由单点辅助分析向具备自主规划、工具调用、多模态融合和透明化推理能力的智能体方向演进。PHMGPT围绕“特征解码（感知）—逻辑推理（认知）—决策输出（决策）”三阶段诊断架构，结合多智能体协作框架，持续增强多源数据获取、信号分析、频谱分析、趋势分析、知识检索与推理决策等能力，推动故障诊断由“感知识别”向“认知推理”升级。

    报告期内，公司相关研发投入和技术积累持续加强，研发费用为13,689.12万元，较上年同期上升27.73%，占营业收入比例为21.20%；依托长期行业积累，实时接入远程监测的重要设备超20万台，积累设备故障案例超4万个，为PHMGPT故障诊断智能体等工业AI能力持续演进提供了数据和知识基础。

    2、AI设备运维订阅制服务模式创新推广，助力客户降本增效

    报告期内，公司创新推行AI设备运维订阅制服务模式，依托“软件平台+全无线智能监测产品”的组合方案，更好匹配客户在降本增效、轻量化部署和长期运维等方面的需求。市场拓展方面，公司在海外市场完成客户试点验证与标杆案例打造，为后续全球化推广奠定基础；国内市场亦实现多点落地，成功中标水务、化工等项目，AI设备运维订阅制模式规模化推广初见成效。上述经营与市场拓展成果，为公司持续推进研发投入、产品升级和能力建设提供了支撑。

    3、多维感知驱动终端升级与智能采集，构筑工业设备健康管理新基石

    公司围绕工业设备运行状态监测能力持续升级，通过“感知层拓展-终端能力强化-智能采集深化”的协同演进，构建面向复杂工业场景的设备健康管理体系。

    在感知层，公司以“工业五感”体系为核心，推动设备监测能力向多源、多参数协同感知跨越，为设备健康感知、故障识别及智能运维筑牢底层支撑。在此基础上，通过提升高精度数据采集、多参数融合分析、复杂工况环境适配、通讯传输稳定性及部署灵活性等能力，针对数据链路完整性、采集精度可靠性、功能覆盖全面性等方面进一步优化，推动设备点检活动向数智化、标准化、高覆盖方向演进，进一步夯实终端产品基础，为设备全生命周期健康管理提供精准、高效的底层数据支撑。

    同时，公司深化边缘智能与工况驱动采集能力，在“1+N+X”场景化智能运维解决方案产品体系中推进工况识别、触发采集、多站同步、边缘端智能指标计算及异常预警等技术落地，推动采集策略从固定周期向工况驱动转变，有效提升数据获取质量与故障特征保留能力，增强设备异常感知时效性，为场景智能化、诊断分析及预测性维护提供高质量数据支撑。

    上述升级路径共同支撑“点检数字化、场景智能化、运维精准化”发展主线，助力公司从传统状态监测向全面设备健康管理与智能运维延展。

    4、多模态融合与场景化建模双轮驱动，平台化一体化能力支撑智能运维进阶

    公司围绕设备智能运维领域持续深耕，不断加强多模态数据融合分析、场景化建模、平台化和一体化能力建设，构建“技术+平台”双轮驱动的工业智能运维领域的数字基座。在技术层面，公司以振动、温度、工艺量、图像、热像、声音、油液等多模态数据为核心，深化融合分析技术，形成覆盖成熟场景模型、验证校准模型、共研共创模型的差异化建模路径。该技术路线通过深度结合现场工况、设备机理与专家经验，显著提升复杂场景下的状态识别精度、异常预警时效性及模型持续优化能力，为设备场景智能化提供核心技术支撑。

    在平台层面，公司聚焦设备智能运维平台、工业AI、智能运维引擎等方向，系统推进数据治理、算法工厂、知识库、运维工作中心、检修与备件协同、工作流及低代码等平台化能力建设。此举推动产品从单点监测工具向一体化智能运维平台升级，有效增强产品的系统性、跨场景复用性与持续交付能力，为运维精准化所需的业务闭环、资源协同及智能应用落地提供坚实支撑。多模态融合与场景化建模的技术突破，与平台化一体化的能力完善形成协同效应，共同助力公司在智能运维领域实现从“技术赋能”到“平台支撑”的全面进阶。

    5、深化细分场景布局，构建全维度智能监测体系

    2025年9月16日，工信部发布的《场景化、图谱化推进重点行业数字化转型的参考指引（2025版）》明确指出，场景是具备行业共识的基本业务单元，是制造业数字化转型的关键切入点。制造业数字化转型具有“一米宽、百米深”的特点，“一米宽”即行业是由若干业务边界清晰的场景组成，“百米深”即每个场景背后都蕴含了大量的工业知识和机理，每个场景的数字化都涉及不同的工具、软件、技能、方法，具有很强的专业性和复杂度。界定场景的目的在于将复杂的行业或企业数字化转型问题，转化为更具操作性的场景转型问题，实现行业数字化转型问题化繁为简。报告期内，公司基于对设备智能运维行业的深度理解及技术储备，持续打造细分明星场景解决方案。

    智慧皮带场景：以“感知-诊断-决策-执行”全闭环为目标，面向电力、石化、煤炭、钢铁、港口等行业的各类输送皮带机场景，提供全方位、立体化的智能运维解决方案。已规划出1.X、2.X和3.X三个发展阶段，其中1.X阶段可实现全面智能监测，通过巡检机器人、分布式线性串联、AI定点摄像头、皮带纵撕监测、无线振温的产品组合，结合多模态融合分析技术，实现对皮带机传动部件、皮带本体、沿线状态等五大维度全方位、立体化智能监测；2.X阶段将融合自动化改造与联动控制，为系统增加"肌肉和四肢"，通过自动纠偏装置从识别跑偏升级到自动纠偏，通过无人清扫装置替代人工现场清扫，通过自动注油装置替代人工现场加脂等，实现从"看到问题"到"解决问题"的价值跃迁，目前已在积极推广中；3.X阶段将融合设备机理模型、专家经验规则与AI算法，打造具备自主感知、智能诊断、自主优化决策的皮带机运维智能体，实现输送皮带从以人为核心的被动运维模式，转变为以数据+AI人工智能为核心的智能运维模式，支撑企业数字化、绿色化、智能化发展目标的落地。

    风电场景：报告期内，公司持续深耕风电智能化监测与运维领域，扎实推进产品布局升级。轮毂侧推出多合一监测产品，实现多维度参数的集成化感知；机舱侧持续完善综合监测体系，夯实运行状态感知能力；塔筒侧将监测范围延伸至结构健康与锚索安全监测关键环节，初步构建起覆盖风机全生命周期的安全预警能力。同步打造风电专业软件平台，打通数据采集、状态感知与分析应用的全链路闭环。未来，公司将聚焦叶片、机舱、塔筒三大核心部件，持续迭代升级产品矩阵推动轮毂综合监测系统迭代升维，拓展叶片健康监测系统的全面布局，打造塔筒综合智能监测系统以实现结构安全协同预警。同时深化工业五感技术与风电场景的融合应用，推动振温、油液、视觉、声纹等多模态监测能力落地，打通机舱、轮毂、塔筒综合智能应用的关键节点，加速实现从“数据采集”向“智能诊断、辅助决策”进阶。

    6、智能运维赋能体系全面升级、国家级人才培养基地正式落地

    报告期内，公司持续推进智能运维赋能服务体系建设，面向服务客户开展“培训+咨询+诊断”的赋能服务；2026年初公司推动成立中国设备管理协会AI+设备智能运维专业委员会，成功入选工业和信息化部公布首批“有色金属行业数字化转型人才培养机构”的名单，正式跻身国家级人才培养机构。构建“初阶—中阶—高阶”全链条课程体系，补齐客户人才技能短板，通过深厚的产业实践、深度的市场洞察和专业的专家经验，为客户智能运维体系建设奠定管理基础与人才支撑。

    三、报告期内核心竞争力分析

    (一)核心竞争力分析

    1、完整的技术链体系

    凭借十余年在工业设备智能运维领域的深耕细作，公司已构建起集技术沉淀、规模化研发、软硬件产品、故障数据资产、专业场景解决方案及专家服务网络于一体的综合竞争壁垒，稳居行业领军地位，是国内同行业为数不多的打通了从底层传感器、边缘智能、工业大数据、智能算法和模型、工业互联网平台和云诊断服务等环节的头部公司之一。公司持续推动数据资产与AI能力的深度融合，依托实时接入超20万台重要设备、积累超4万个故障案例及海量专家诊断标签的数据资源禀赋，已构建“数据积累+垂域模型+AI应用”的智能运维模式，在数据采集端、信号监测、智能算法与故障诊断服务方面均具备领先优势。

    2、协同共生的智能运维生态

    公司已成立行业内首个智能运维研究院，充分发挥前沿技术策源地与产业研究引领者的核心职能，旨在构建集“专业人才培养、顶层战略咨询、深度专家诊断”于一体的服务赋能生态体系，推动行业从“经验驱动”向“数据驱动”的根本性变革。构建完善的客户培训和咨询服务体系，通过理论授课、实操演练及认证考核，向客户传授设备状态监测与故障诊断的专业技能，与国际知名认证机构Mobius合作，该认证在全球范围内受到认可和接受；截至本报告期末，公司拥有获得Mobius认证的国际诊断工程师77名，其中四级认证资质的有6名，三级认证资质的有27名，二级认证资质的有44名。同步提供从顶层规划、场景诊断到实施路径设计的定制化咨询服务，为客户制定科学合理的智能运维建设蓝图。公司率先建成行业领先的远程诊断中心，依托实时接入的设备运行数据、庞大的故障案例知识库、强大的诊断专家资源，为客户提供365×24小时不间断、跨区域、全设备类型的专业诊断看护服务，具备集产品、技术和云诊断服务为一体的解决方案服务能力。

    3、自主可控的工业AI产品体系

    目前公司拥有一支高素质研发团队，研发人员占比公司总人数比例超35%，构建了涵盖核心软硬件架构、智能算法模型、大数据分析及边缘计算的全栈式研发矩阵。公司坚持核心技术完全自主研发，拥有从底层硬件到上层分析软件的全链条知识产权，独创全采样技术、长波形采集技术及计算阶次分析技术等核心专利，确保产品能够高度适配各类复杂工业场景，并能持续敏捷优化。公司围绕“工业五感+智能感知”为核心持续布局，形成了“1+N+X”为核心的全栈式智能运维产品体系。该体系化布局使公司能够围绕不同行业、不同设备和不同场景提供更具整体性的解决方案，增强了公司在复杂工业场景中的交付能力和客户适配能力。

    4、持续增强的工业AI能力

    公司持续推进边缘智能、智能预警、多模态诊断、工业AI、知识库、大模型、智能体和算法工厂等方向建设，推动AI从辅助工具逐步演进为产品和平台的重要能力模块。AI与设备机理、行业知识和运维流程的深度融合，不仅提升了产品智能化水平和技术辨识度，更为平台型能力演进奠定基础。其中，围绕PHMGPT故障诊断智能体，公司持续强化技术积累，推动诊断能力从“感知识别”向“认知推理”延展，重点建设自主规划、工具调用、多模态融合、透明化推理和持续学习等核心能力，加速大模型与智能体技术在工业故障诊断场景的产品化落地。

    在此基础上，公司将工业AI能力深度融入场景化研发与运维实践：长期围绕钢铁、石化、煤炭、风电、有色等工业场景，聚焦设备机理、故障模式和现场工况，以场景痛点识别、现场适配和方案完整性为导向，形成了区别于单一功能开发的差异化竞争力。结合振动、温度、声音、图像、热像、油液及工艺数据的多源感知与多模态融合能力，构建起复杂场景下设备健康识别和状态研判的综合感知体系。同时，通过设备智能运维平台、智能运维引擎等项目推进数据治理、算法部署、运维协同、检修备件管理和低代码能力建设，推动公司从单点监测能力向一体化智能运维能力延伸。平台化能力的形成，进一步增强了客户黏性、提升了产品复用效率，支撑公司从产品交付向系统化能力输出升级，全面彰显工业AI能力的持续增强与价值落地

    5、行业知名的专业品牌

    作为状态监测与故障诊断领域的早期开拓者与深耕者，公司凭借多年的技术沉淀、市场耕耘与经验积累，已在行业内牢固树立起卓越的品牌形象，并在市场竞争中确立了显著的领先优势。公司在电力、石化、煤炭、钢铁等关键行业领域成功实施并积累了众多具有示范效应的标杆项目案例。这些案例不仅彰显了公司的技术实力与服务能力，更为公司赢得了良好的市场口碑和客户信赖，从而在新客户开发与市场拓展方面形成了强大的示范效应和竞争壁垒。尤为重要的是，在公司所处的细分领域，能够构建并提供从核心技术、系列化产品到全流程技术服务的完整技术链体系的企业为数不多。公司的“1+N+X”为核心的全栈式智能运维产品体系，进一步巩固了市场地位，形成了难以复制的核心竞争力。

    (三)核心技术与研发进展

    1、核心技术及其先进性以及报告期内的变化情况

    公司是国家级高新技术企业，经过长期积累，已拥有覆盖数据采集与筛选、数据分析、智能算法模型及智能诊断服务等多个环节的核心技术，满足公司主营产品相关软硬件研发、迭代升级和新品开发的需求。公司基于核心技术开发出的状态监测与故障诊断系统应用于电力、石化、煤炭、钢铁、等多个行业，为保障工业设备安全运行、提高生产综合效率、提升运维智能化水平等发挥重要作用。

    报告期内，公司核心技术实现了从"大模型"到"智能体"的重大升级迭代。

    2、报告期内获得的研发成果

    报告期内，公司持续加大研发投入，引进与培养优秀的研发人员，充分利用内外技术资源，提升公司的自主创新能力和研发水平，巩固和保持公司产品和技术的领先地位。

未来展望：

(一)行业格局和趋势

    近年来，我国坚持以科技创新引领现代化产业体系建设，大力推进新型工业化，充分利用新一代数字技术对传统产业进行全方位、全链条的改造，发挥数字技术对工业发展的放大、叠加、倍增作用，工业互联网已覆盖全部工业大类。同时新一轮科技革命和产业变革正在以人工智能为主导，与智能制造领域呈现交叉融合、多点突破的发展态势，人工智能深层次赋能新型工业化，加速重塑传统制造业运维模式。当前我国智能运维行业已进入长周期高景气度发展阶段，以AI创新驱动的内涵式增长，正推动行业格局从散点竞争向体系竞争重塑。

    （1）制造业数智化势在必行

    随着“双碳”战略、“科技自主可控”、“算力基础设施建设”等政策纵深推进，高耗能产业低碳化改造、“卡脖子”科技体系建立、智算超算中心建设成为新型工业化的核心命题，拓展实体经济和数字经济融合，迫切要求充分发挥数字经济高创新性、强渗透性、广覆盖性特点，以此提升产业体系现代化水平。在发展绿色化、芯片自主化、能源清洁化、制造高端化的国家战略叠加下，有色金属、电力、芯片等行业对智能运维的需求大幅提升，预测性维护、数字孪生、AI智能诊断等服务正深度嵌入以上产业的核心生产环节，在此背景下，制造业数智化转型已成为统筹绿色发展、安全可控、算力赋能与战略产业升级的系统性工程。

    （2）AI加速重塑运维模式

    人工智能已成为引领颠覆性创新的核心领域。大数据、大模型、大算力深度融合，正在突破传统的生产可能性边界，推动制造业从传统的“被动响应”与“经验依赖”向“主动预测”与“数据驱动”实现历史性跨越。基于深度学习与多模态感知的智能算法，赋予生产装备智能感知与异常故障识别能力，能够精准捕捉振动、声纹及热像等微弱故障特征。同时工业大模型凭借其对海量异构工业数据的深度理解与泛化推理能力，突破传统规则引擎的局限，构建起具备“智能决策”的运维中枢，彻底改变设备管理作业形态，为制造业高质量发展注入新质生产力。

    （3）“AI+智能运维”成为必选

    近年来，我国明确提出将“加快人工智能等数智技术创新”作为核心战略方向，强调要突破基础理论与关键核心技术，强化算力、算法、数据的高效供给，并全面实施“人工智能+”行动，以人工智能引领科研范式与生产模式的根本性变革。在这过程中，工业智能运维市场正迎来规模与结构的同步跃升，面对工业企业日益严峻的降本增效压力、能源消耗的刚性约束以及安全生产的底线要求，推动新型数字化技术深度赋能工业生产，特别是加速人工智能在智能运维领域的规模化应用，已成为工业企业高质量发展的必由之路。

    （4）“AI+经验”主导市场

    目前我国工业设备智能运维行业发展时间较短，尚处于快速发展阶段，覆盖多领域的巨头企业尚未出现，同时由于设备智能运维领域覆盖行业较广，不同行业的诊断技术应用差距较大，不同细分市场的竞争主体也不尽相同，能够完全覆盖所有细分市场、满足自主研发创新和整体解决方案服务的企业数量较少。公司是为数不多的具备软硬件技术研发和生产能力，能够提供设备智能运维解决方案的服务商之一，能够提供持续的后续支持和技术服务，产品广泛应用于电力、石化、煤炭、钢铁等领域。受制于行业专业知识和数据资产沉淀，以公司为代表的在特定领域深耕、提供“算法+经验”融合解决方案的专业厂商，凭借多年来的技术积累及市场开拓，正逐步成为市场的主要参与者。

    （5）智能体引领终端、平台与AI升级，构建综合竞争力

    未来，工业设备智能运维行业的产品和技术演进将主要围绕以下几条主线展开：一是监测终端持续向高精度、多参数、低功耗和复杂工况适配方向升级；二是边缘侧智能感知、工况驱动采集和本地预警能力持续增强；三是平台持续向监测、诊断、检修、备件和设备生命周期管理一体化方向演进；四是AI、大模型、智能体、多模态融合和知识驱动能力将在智能运维体系中发挥更重要作用；五是国产化替代和“设备+软件+服务”一体化交付能力将持续增强。

    从竞争格局看，未来行业竞争将不再局限于单项产品能力，而将更多体现为终端能力、平台能力、AI能力、行业理解和场景化交付能力的综合竞争。具备较完整技术链、持续研发投入能力、较成熟研发管理机制和复杂工业场景落地能力的企业，将更有可能在行业升级过程中形成持续竞争优势。与此同时，随着大模型与智能体技术持续成熟，工业故障诊断正由规则驱动、单一模型预测逐步向智能体自主诊断演进。具备自主规划、自主工具调用、多模态融合、透明化推理和持续学习能力的故障诊断智能体，有望成为行业智能化升级的重要方向之一。公司现有研发项目布局与上述趋势保持一致。后续公司将继续围绕终端能力、边缘智能、平台能力、工业AI和场景化方案深化投入，推动产品技术体系持续演进，增强公司在工业设备智能运维领域的综合竞争力。

    (二)公司发展战略

    未来，公司将坚守“让工业更美好”的使命，践行“创新引领，价值创造，协作成长”的核心价值观，致力于为客户提供全球领先的设备智能运维解决方案和AI设备运维订阅制服务，实现“成为全球领先的设备智能服务企业”的美好愿景。围绕创新引领战略、生态共创战略、全球化布局战略，以“AI+行业经验+数据资产”为核心驱动，系统推进技术底座构建、人才体系建设、数据价值释放与产业生态共建，引领设备智能运维向数智化、平台化、生态化深度演进。

    （1）创新引领战略

    公司以技术创新引领产业数智化转型，持续加大科技创新研发投入，完善PHMGPT工业大模型等AI引擎，打造行业级工业设备运维数据资源池，实现跨设备类型、跨行业场景的数据融合与价值挖掘，推动工业数据从"沉没成本"向"价值中心"转化。大力推动“AllInAI”战略，以“AI+行业应用场景”为方向，构建覆盖各设备类型的智能运维平台，为客户提供更精准的故障预测、更优化的维护策略与更深度的运营洞察。以AI技术驱动组织变革，激发全员创造力，打造"AI领导力+AI算法+行业诊断+数据科学"的复合型人才梯队，实现跨职能、跨领域的组织协同和价值共创。

    （2）生态共创战略

    立足“工业设备智能平台”的角色定位，以开放共赢的运维生态为路径，公司将全面推动伙伴战略落实，与工业用户、合作伙伴深度协同，构建"技术平台开放+数据能力共享+行业Know-how赋能"的三层生态架构，推动行业协会、高校院所、行业服务商、系统集成商、设备制造商等多元主体合作，加快推进行业场景开发、数据价值挖掘、行业标准制定，打造覆盖传统产业、新兴产业和未来产业的开放型工业智能运维生态体系。

    （3）全球化布局战略

    公司以全球化视野布局打造工业服务品牌。将国际市场标准和本地化运营能力建设相结合，稳步拓展海外市场。以"中国方案，全球场景，本地服务"的全球化AI智能运维服务模式，推动智能运维解决方案及服务在北美、东南亚、中东等关键市场的落地应用，为全球工业智能化转型升级贡献中国智慧和力量。

    (三)经营计划

    1、强化赋能体系，引领行业发展

    工业设备智能运维赋能体系方面，重点关注人才建设、蓝图设计、专家诊断等核心需求，全面推进服务客户培训、咨询和诊断服务规模拓展，加大客户培训赋能力度，进一步扩大参训人员覆盖范围，深耕国产化认证体系打造，推动国际权威认证与本土人才培养体系深度融合，筑牢设备智能运维专业人才梯队根基；将资深工程师的隐性经验转化为标准化培训课件、可复用的诊断逻辑与知识资产，形成规模化知识输出服务能力，持续提升客户覆盖率和客户满意度。推动"咨询+项目"深度融合的服务模式升级，为客户提供智能运维成熟度评估、数字化转型路径规划、AI应用场景设计等高端咨询服务，打造覆盖重点行业的标杆案例库，提升公司服务的战略价值感知与客单价水平，实现从"供应商"向"战略伙伴"的角色跃迁。积极参与国家、行业智能运维标准制定，通过标准引领、白皮书发布、行业峰会发声等方式，巩固工业设备智能运维领域的技术话语权与品牌领导力。

    2、深化合作伙伴战略，提质扩容驱动增长

    过去一年，公司各行业系统部全面推进伙伴战略落地，累计引入优质合作伙伴近200家。各业务线均通过伙伴协同模式实现了业务增益，全体系已形成高度共识：生态共建是业务突破的必由之路，甄选优质伙伴是增长目标落地的核心支撑。

    2026年公司将进一步加大伙伴战略推进力度，推动生态建设走深走实、落地见效。在规模扩张的同时，公司将始终严格把控伙伴准入标准，聚焦引入符合核心要求的优质合作伙伴：具备国内外知名品牌代理经验，拥有立体化商务资源网络，核心运营团队成熟、专业服务能力过硬、资金储备充沛。优质伙伴的加入将为公司营销体系提供强力杠杆支撑，有效拓展市场触达半径，全面加速业务规模化扩张进程。

    3、AI设备运维订阅制服务模式深入推进，打开业绩增长第二曲线

    2026年，公司将持续深化AI设备运维订阅制服务模式。依托已构建成熟的AI软件与智能硬件技术能力，公司过往核心服务对象为大型工业企业，当前服务客户规模尚处“千”级水平。根据国家统计局数据，截至2024年底全国规模以上工业企业数量超50万家，面向广大中小工业企业市场，通过AI设备运维订阅制服务的有效落地，公司有望开拓全新市场空间。此举不仅是业务模式的创新突破，更是市场边界的重构拓展，将成为公司下一阶段增长的核心驱动力。

    为加速AI设备运维订阅制服务的成熟与落地，公司计划组建国内外四大专项团队，其中国内、国外各设两个团队。通过引入“赛马机制”促进团队间良性竞争，以高效推进AI设备运维订阅制服务模式的规模化应用。

    4、AllInAI，驱动产品与组织的系统性重构

    “AllInAI”是一场关乎产品形态与组织能力的系统性变革。在这场变革中，产品升级是核心引擎，组织赋能是关键支撑，二者协同推动公司向智能化转型全速迈进。

    在产品维度，AI升级是核心抓手。公司的工业AI体系始终以设备为核心、以场景为导向：一方面，聚焦设备延伸的质量、安全、效率等核心问题，构建场景化智能体矩阵——继2025年推出智能机泵后，未来公司将进一步落地皮带输送系统智能体、风电智能体等产品，实现关键场景的智能覆盖；另一方面，公司将全力打造专属OS智能运维平台，这是面向下一代工业智能运维需求打造的核心技术底座。未来，多元场景运维智能体、全栈产品矩阵与各行业定制化解决方案都将基于该底座实现快速落地、稳定运行与高质量迭代，为客户创造更具确定性的数智化转型价值。搭建“三层协同”产品体系：底层依托智能硬件实现数据高效采集，中层通过OS平台推动数据价值转化，上层以场景化AI精准破解客户痛点。作为深耕工业领域的物理AI与场景AI服务商，公司将持续投入核心技术研发，紧跟AI技术迭代节奏，主动把握工业数智化转型下产业升级的核心机遇，为客户创造更具确定性的数智化价值。

    在组织维度，AI技术赋能是公司推进数智化转型、构建核心竞争壁垒的关键支撑。2026年，公司将专项设立“AI赋能工作组”，整体纳入核心研发体系统筹管理，选拔优秀青年技术骨干牵头推进各项工作，充分激活青年群体的技术敏锐度与原生创造力，打造AI技术落地的核心攻坚梯队。同时面向全员发布AI融合应用行动倡议，引导全体员工主动探索AI技术与岗位业务的结合场景，将AI深度融入日常工作全流程，切实实现业务流程优化、运营效率提升、工作模式重构，形成全员参与的数智化创新格局。

    5、人才升维，持续研发、市场投入

    2026年，公司将以招聘体系升级作为人才升维工作的核心切入点：一方面拉高人才准入标准，强化关键岗位对高端人才的吸引力；另一方面搭建系统化高潜人才识别机制，推动能力过硬、潜力充足的优秀人才适配核心关键岗，实现人岗精准匹配。

    公司将围绕核心技术攻坚、高端人才引育、市场体系深化三大方向协同发力，持续夯实核心竞争力，长期筑牢工业智能化领域技术壁垒，进一步强化产业生态协同能力。2026年计划新增编制约100个，重点向市场端倾斜；同时通过持续优化人才结构、强化复合型人才培育，为业务高速发展注入核心动能，推动技术、市场、人才三者深度联动协同，全力保障公司长期战略目标落地见效。

    6、稳健经营，行稳致远

    2026年，公司需坚守稳健经营的核心底盘，重点从以下四方面系统发力：一是深化全流程降本，锻造成本竞争优势。将降本增效作为系统性工程，从研发源头植入成本优化理念，覆盖采购、生产、交付全链条，树立“全员、全流程、全要素”成本管控意识，以精细化管理与技术创新双轮驱动，夯实经营基础。二是推动质量升维，筑牢品牌发展根基。以“大质量”管理体系为核心，打破传统“小质量”思维局限，推动质量管控从单点达标向全流程闭环升级，同步提升产品品质与品牌价值，适配规模化发展需求。三是严守安全底线，夯实可持续发展基石。全面强化人员、数据、IT系统、资产等关键领域防护，建立“全员参与、全程监控、全域覆盖”的安全管理机制，筑牢安全发展防线。四是强化廉洁合规，对腐败保持零容忍，将合规要求嵌入经营管理各环节，通过廉政建设与巡察整改，实现“制度立稳、流程透明、监督到位”，保障企业规范运营。稳健经营是公司实现持续发展的坚实根基。唯有前端聚焦增长突破，后端强化保障支撑，形成“双轮驱动”格局，方能行稳致远，为公司的高质量发展筑牢根基。

    7、完善公司治理，保护投资者权益

    2026年公司将继续围绕证监会、上交所发布的有关上市公司治理规则，及时修订及制定相关内控治理制度，进一步提升规范运作水平，不断完善公司内部管理结构，持续加强内部管理，提升公司治理水平，保障中小投资者权益。同时将严格遵守相关法律法规以及监管机构的各项规定，严格执行公司信息披露管理制度，确保信息披露的真实、准确、完整、及时、公平。

以上内容为证券之星据公开信息整理，由AI算法生成（网信算备310104345710301240019号），不构成投资建议。