容知日新（688768）2026年半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2026年半年度财务报告，报告中的管理层讨论与分析如下：

发展回顾：

一、报告期内公司所属行业及主营业务情况说明

    （一）报告期内公司所属行业的基本情况

    1、公司所属行业基本情况

    工业设备智能运维是智能制造与工业互联网的重要落地方向，依托工业AI、传感器、工业物联网、边缘计算、人工智能等技术，属于多学科交叉融合的技术密集型领域。公司是国内较早布局并持续深耕该领域的头部企业之一。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。传统工业运维多采用事后抢修、定期检修模式，高度依赖人工经验，易出现非计划停机、过度维修、运维成本偏高等问题。设备智能运维推动运维模式由被动处置向预测性维护转变，可实现设备状态在线监测、故障智能诊断、隐患提前预警，覆盖设备全生命周期管理，帮助企业减少停机损失、优化备件管理、降低运维人力投入，提升设备综合运行效率，目前已广泛应用于电力、石化、煤炭、钢铁、有色等多个行业，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。整体行业处于快速发展、渗透率持续提升的阶段。

    2、行业的发展阶段、基本特点

    （1）行业的发展阶段

    为清晰定位公司业务所处行业阶段，下文简要梳理工业设备智能运维的四代演进范式。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化技术迭代，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。纵观国内工业设备运维发展，行业已经完整走过三个阶段：从定检定修、点检定修，发展到当前的状态监测与预测性维护。而AI原生的设备智能运维，将是行业第四代全新范式。

    第一代：定检定修

    作为最早期的设备管理方式，此模式以时间为核心标尺，严格执行周期化检修，不关注设备真实运行状态，到期即修。管理逻辑简单，生产计划容易统筹；但脱离设备实际工况，会同时存在过度检修、无效检修以及隐患漏判，不该维修的设备被拆解维保，真正存在故障风险的设备却得不到及时处置。整体属于被动应对的设备管理范式。

    第二代：点检定修

    点检定修将人的主动管理引入设备运维体系。点检人员定期、定点开展现场检查，依托自身感官与积累的运维经验，搭配传感工具、专业检测仪器评估设备健康度，以此编制维修计划。相比第一代本阶段诞生了“状态”的核心概念，运维逻辑得到升级。但此模式的短板来源于人力本身：运维效果完全依赖点检人员的个体经验，人员能力差异大；同时单人能够巡检的设备及点位都存在物理上限，能力边界受人力约束明显。

    第三代：状态监测与预测性维护

    随着传感器、物联网及数据采集技术不断成熟，此阶段设备管理借助感知设备实时采集振动、温度、噪声、压力等设备运行数据，汇总至数据中心进行分析，可在故障显现前发出预警，实现预测性维护，这也是当下绝大多数先进工业企业所处的阶段。然而此模式并未摆脱人的主导约束：系统仅完成数据采集、展示以及状态评估、预警输出。深度故障分析、根因判定、处置方案设计、工单调度等关键决策与执行动作，全部需要人工完成，人依旧是运维链路的核心，尚未实现端到端的智能化闭环。

    第四代：AI驱动的设备智能运维

    新一代设备管理范式，重构组织、技术、人才三位一体体系。AI从传统的辅助分析工具，升级为设备运维体系的核心驱动引擎。打通从边缘数据采集、多源信号清洗与特征提取、早期异常感知、精准故障识别、根因诊断推演、处置方案智能生成，再到自动化工单派发、现场执行协同、效果校验与闭环复盘的全业务链路，实现全流程AI主导。系统不止于“看见”设备数据，更能够自主思考研判、主动输出行动指令，推动运维模式从被动处置，迈向预判、决策、执行、持续自优化的智能化新阶段，是智能制造的关键组成。公司目前正处于并引领第四代AI驱动智能运维阶段，报告期内AI诊断及服务收入实现增长即为例证。

    （2）行业的基本特点

    ①政策导向助推产业能级跃升

    在政策支持层面，多项顶层文件持续聚焦设备智能运维与预测性维护赛道。国家先后出台《“人工智能+制造”专项行动实施意见》《工业场景数据要素应用参考指引》等多项重要文件，为本领域发展提供顶层政策指引与落地路径支撑。在装备制造领域明确提出“构建基于大模型的智能诊断系统，精准感知、准确判断设备状态，实现远程监控与预测性维护”；针对制造业重点行业，提出要“推广机器视觉、无人智能巡检等工业质检技术，强化产线实时监测和预测性维护，提升设备故障识别准确性，实现安全生产风险预警与事件告警”，并设定到2027年推出1000个高水平工业智能体、100个工业高质量数据集、推广500个典型应用场景的发展目标。同时，政策将“设备智能监测与维护”“智能远程运维服务”纳入23个典型场景，明确通过工业数据“采、集、用”实施路径，推动设备运行状态数据标准化治理与行业知识库搭建，支撑设备健康监测系统建设，落地异常报警、智能诊断、远程运维指导等能力。一系列政策分别从装备智能化升级、工业AI模型体系建设、运维数据要素供给等多个维度形成完整支撑，引导工业设备运维模式由传统事后抢修，向数字化、预测性的智能化运维转型。上述部署从国家战略层面认可设备智能运维与预测性维护的产业价值，为本领域技术研发、场景落地及产业化推广提供明确政策依据与广阔市场空间，也为公司PHMGPT智能体、AI订阅制服务等核心产品的市场拓展提供了明确的政策指引。

    ②技术创新驱动行业变革

    以工业AI、工业大模型、工业智能体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，人工智能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。

    （二）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、有色等多个行业，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智能体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。

    报告期内，公司持续推动业务模式升级，面对大客户，提供“1+N+X”场景化智能运维解决方案，1个智能化平台+N个智能场景应用+X种定制保障服务，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；面对中小客户，提供订阅制服务，以AI为原生驱动力，将工业服务的交付形态从产品买卖升级为价值订阅，主张极致性价比和极致服务体验，降低中小企业先期投入压力，打通设备智能运维落地最短路径，快速构建中小企业的专业化设备健康管理体系，该业务于报告期内已实现收入贡献。

    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。

    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”为核心的场景化智能运维解决方案产品服务体系，通过标准化AI原生系统、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。

    （三）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。针对供应链中的关键物料，公司建立了战略库存管理机制，通过合理的备货策略提升供应链的安全性和韧性，有效确保核心物料供应的连续性与稳定性。在确保原材料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。在库存管理方面，公司综合考量物料的重要性、供应周期、市场供需格局及价格走势等因素，实时关注战略备货安全库存水位，定期复盘供应风险、滚动更新储备规模，提升整条供应链的抗冲击能力。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

    公司已全面转向“系统解决方案+伙伴生态+全球化”战略，大力推进从“设备监测与预测性维护”向“第四代智能运维整体解决方案”转型、从“直销为主、经销为辅”向“全面生态伙伴协同”转型、从产品出口为主向“智能运维服务全球化布局”转型，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。

    公司积极推动第四代智能运维新范式在诸多工业领域的应用，以“1+N+X”架构为工业用户提供设备管理转型升级的系统解决方案和智力与能力支撑，帮助用户推动设备智能运维领域中包含组织、技术、流程、人才等要素在内的体系化的变革。

    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、有色、半导体、港口等行业伙伴，将销售视角从设备智能运维的软硬件系统，转向各行业客户视角的智能运维重点场景，并围绕重点场景开发并销售模块化的解决方案。

    公司引领工业AI订阅制服务新业务体系，以AI智能诊断为核心价值，通过标准化无线产品、AI诊断大模型与AI订阅制轻量化服务模式，联动工业服务商、行业KOL等全生态伙伴，服务广大且多元工业场景的中小工业/制造业企业，为客户提供“零门槛、全托管、高价值”的设备AI智能运维服务。

    公司积极推进全球化战略，着眼于本地化布局的运营策略，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。在研发管理方面，明确了“行业-场景-平台产品-根技术”四层架构，通过加强共享支撑技术和平台化产品开发，有效承接并支撑“1+N+X”解决方案架构的实现。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。在研发机制方面，围绕部分行业和场景的产品研发团队独立核算并与市场业绩关联作为试点，激发了研发人员快速响应市场需求，加快产品迭代速度，提高产品竞争力的内在动力，并为后续进一步扩大研发机制变革提供了富有价值的经验。

    （四）公司所处的行业地位分析及其变化情况

    1、公司所处的行业地位分析

    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。

    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。截至报告期末，公司平台接入超22万台设备，沉淀4.5万余个故障案例。

    2、行业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。对公司而言，模块化能力能够更好助力公司产品在跨行业、跨场景解决方案上的快速复制和规模交付。

    （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。公司在边缘侧构建的算力与算法能力，已成为其以可控成本服务海量中小客户、推动AI订阅制规模化扩张的核心支撑。

    （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。公司的智能运维平台体系将AI原生纳入架构设计中，意味着平台从单一的工作流模式向Agentic模式持续演进，为公司拓宽智能运维边界提供了商业路径。

    （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。多模态融合能力将成为高端智能运维市场分化的关键壁垒，也是公司未来在高附加值场景中获取溢价、拉开与通用监测厂商差距的核心支点。

    （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，通过生成式人工智能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、经营情况的讨论与分析

    报告期内，公司实现营业总收入19398.82万元，较上年同期下降24.32%，报告期内归属于上市公司股东的净利润为-3958.34万元，同比下降378.06%。主要系1）交付进度影响，公司上半年订单同比增长约20%，但主要集中在第二季度，尚未形成收入；2）公司为强化行业解决方案竞争力，巩固并提升公司在细分领域的领先优势，加大人员投入（增加人员编制及提升薪酬竞争力），对上述指标形成阶段性影响。

    报告期内，公司相关研发投入和技术积累持续加强，研发投入为6519.92万元，较上年同期上升8.10%，占营业收入比例为33.61%。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持续增加，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，为未来可持续高质量增长提供坚实支撑。

    报告期内，公司围绕“1+N+X”场景化智能运维解决方案体系，通过研发实施、测试验证与技术沉淀，推动产品技术向高精度、智能化、平台化、场景化升级。公司构建“点检数字化、场景智能化、运维精准化”技术体系：以数字化点检夯实数据采集底座，以传感与智能算法实现状态感知、趋势预判与风险预警，以大模型优化维修策略与资源配置，实现按需精准运维。依托工业五感与多模态融合技术，公司打造出PHMGPT故障诊断智能体，并在重点行业深度落地。伴随大模型与智能体技术演进，公司持续夯实感知、分析、诊断、平台协同能力，推动技术由“感知识别”迈向“认知推理”，强化自主诊断、辅助决策与持续优化。

    1、深化AI技术落地，推动产品与平台智能化跃迁

    公司不断深化人工智能技术在设备智能运维场景的落地应用，将工业AI、智能体技术与多年沉淀的故障诊断经验、工业知识图谱、多维度设备运行数据深度融合，驱动AI定位由传统辅助工具，加速转变为产品与平台的核心内生能力，积极推动AI产品化。报告期内，AI诊断及服务收入约1154.90万元，同比增长约17%，占营业总收入约6%。

    在智能感知与数据采集层面，公司完善“端边云”协同架构，深耕工况精准识别、边缘智能研判与自适应采集，将采集策略由固定周期升级为工况驱动的动态采集，以“常态低频指标+异常高频波形”差异化策略提升异常信号捕捉效率与精度；同时，在智能报警与故障诊断层面，公司坚持“机理+AI”双轮驱动，融合机理知识、故障特征与AI时序模型，强化复杂故障的预警、识别与根因定位。以工业AI标杆PHMGPT故障诊断智能体为核心，推动智能诊断由单点辅助升级为具备自主规划、工具调用、多模态融合与透明推理的新一代工业智能体，并依托“特征解码—逻辑推理—决策输出”三阶段架构与多智能体协作框架，实现由"感知识别"向"认知推理"的跨越升级。

    2、设备运维AI订阅制服务模式创新推广，助力客户降本增效

    报告期内，公司围绕设备智能运维业务，大力推进AI订阅制商业模式创新落地。通过“软件平台+全无线智能监测硬件”的组合方案，帮助客户以轻量化投入开启智能化转型，有效满足其低投入、降本增效、长期运维托管的核心诉求。国际化拓展方面，公司积极开拓海外市场，落地试点项目、打造标杆案例，完成产品与方案的现场验证，积累海外项目经验，为后续全球化复制推广打下坚实根基。国内端，订阅制业务团队搭建完毕，业务闭环能力持续增强，现已斩获实际订单，运营配套体系逐步完善，标志着AI订阅制模式从方案探索迈入商业化推广的新阶段，规模化发展初见成效。

    3、打造故障诊断智能体，构建设备智能运维新能力

    《工业互联网和人工智能融合赋能行动方案》明确指出，要聚焦基础底座升级、数据模型互通、应用模式焕新三大方向，培育重点行业工业大模型，构建“大模型夯基+小模型深耕”的模型体系；大力发展“工业互联网平台+智能体”创新模式，加快工业设备运维模型、设备知识图谱等智能化产品研发，落地无人智能巡检、故障实时自愈调控等服务场景，全面提升工业设备状态预测与自主决策能力。

    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PHMGPT故障诊断智能体，推动细分明星场景解决方案升级。该智能体是集感知、决策、执行于一体的工业智能系统，依托双引擎架构实现设备运维全链路智能化：

    （1）信号深度解码引擎：复刻资深诊断工程师分析能力，通过智能传感器采集振动波形、频谱、趋势等多维运行数据；内置轴承、齿轮、电气等多类专用分析模型，能够在强噪声工况环境下精准提取关键故障特征。

    （2）智能诊断推理引擎：基于提取的信号特征，结合大模型的自然语言理解与复杂逻辑推理能力，联动专家知识图谱开展故障关联推演，输出完整推理过程、故障诊断结论以及检维修处置建议。

    故障诊断智能体有效破解了传统故障诊断的“黑箱”痛点。诊断报告完整呈现“特征观测联立推导故障判定”的全链路逻辑，研判过程全程可追溯，大幅提升诊断结果可信度；同时能够赋能一线运维人员快速习得专业诊断思路，实现工业运维经验的数字化沉淀与流转。可适配石化、钢铁、有色、煤炭、电力等多个行业，可支持泵、电机、减速机、压缩机、风机、齿轮箱等各类旋转机械设备的运行数据分析工作。PHMGPT故障诊断智能体通过替代部分人工诊断、缩短故障定位时间，帮助客户显著提升设备运维效率，降低设备安全运营风险。

    4、全链路管理框架搭建、数字化运营体系落地

    报告期内，公司围绕“线索—合同—交付—收入—回款”全价值链完成LTC管理框架搭建，贯通O2C段（订单至回款）数据链路并建立日调度机制，实现项目进度可视化、延期偏差预警，同步推进L2O段（合同评审与项目分级）机制建设，推动管理决策从事后补救向事前管控转变；上线PMC运营调度平台，搭建项目全周期管理看板，打通营销、生产、采购等多部门数据协同，形成跨部门产销协同常态化运转机制，同时引入人工智能实现确收风险自动识别与行动建议，降低对个人经验的依赖；围绕合同评审、项目分级等关键业务节点推进制度起草发布，建立制度达成过程跟踪机制，推动数据考核从事后评价向过程管理延伸。

    报告期内，公司完成对营销、交付、供应链等核心环节的跨部门系统性深度盘点，识别出七大类待提升专项，针对性启动商务提升、服务提升、交付协同、ITR质量闭环等多项专项改进工作，明确各任务的责任人、交付标准与时间节点，推动运营效率提升从单点优化向体系化改进转变，为后续AI订阅制服务的大规模交付和收入确认提供了体系化保障。

    三、报告期内核心竞争力分析

    (一)核心竞争力分析

    1、全链条技术布局与数据资产优势

    经过十余年在工业设备智能运维领域的持续深耕，公司搭建起覆盖底层技术研发、软硬件产品开发、故障数据沉淀、场景化解决方案、专家服务网络的完整技术链，形成多维度综合竞争壁垒，处于行业领先地位，是业内少数可贯通底层传感器、边缘智能、工业大数据、智能算法模型、工业互联网平台及云端诊断服务全业务环节的头部企业。

    公司深度推进工业数据资产与工业AI技术融合，依托平台实时接入超22万台关键工业设备，沉淀超过4.5万个故障案例以及海量专家诊断标签，构筑宝贵的行业专属数据资源。基于大规模真实工业现场数据，公司形成“数据积累+垂域行业模型+AI场景应用”的成熟智能运维业务模式，在前端数据采集、设备信号监测解析、智能算法迭代、故障分析诊断服务等关键环节均建立显著技术领先性，为产品迭代、算法优化以及解决方案落地提供坚实的数据底座与技术支撑。上述核心数据资产，既是公司算法模型持续迭代优化的底层基础，也是AI订阅制服务实现规模化推广的重要前提。

    2、自主可控的工业AI全栈产品与技术能力

    公司拥有高素质研发团队，研发人员占比接近35%，搭建覆盖核心软硬件架构、智能算法模型、大数据分析、边缘计算的全栈研发矩阵。公司坚持核心技术自主研发，具备从底层硬件到上层分析软件的全链条知识产权，掌握全采样、长波形采集、计算阶次分析等原创核心专利，产品可适配各类复杂工业场景并实现敏捷迭代。围绕“工业五感+智能感知”布局，构建“1+N+X”场景化智能运维解决方案产品服务体系，能够面向多行业、多设备提供整体性解决方案，强化复杂场景下的交付与客户适配能力。全栈自主可控使公司能够在复杂工业场景下实现敏捷迭代，也为AI诊断及服务收入占比提升提供了基础。

    公司持续布局边缘智能、智能预警、多模态诊断、工业知识库、大模型、智能体、算法工厂等方向，推动工业AI从辅助工具升级为产品平台的核心能力，实现AI与设备机理、行业知识、运维流程深度融合。针对PHMGPT故障诊断智能体，持续打磨自主规划、工具调用、多模态融合、透明化推理、持续学习等能力，推动故障诊断由“感知识别”向“认知推理”演进，加速大模型与智能体技术的工业故障诊断场景产品化落地。

    立足钢铁、石化、煤炭、电力、有色等工业场景，聚焦设备机理、故障模式与现场工况，围绕场景痛点打造差异化竞争力；基于振动、温度、声、图像、热像、油液、工艺数据的多源感知融合，建立复杂工况下设备健康识别与状态研判体系。通过设备智能运维平台、智能运维引擎建设，完善数据治理、算法部署、运维协同、备件管理、低代码等平台能力，实现从单点监测向一体化智能运维升级，提升客户黏性与产品复用效率，支撑业务从产品交付向系统化能力输出转变，推动工业AI技术价值落地。

    3、生态服务体系与行业品牌优势

    公司2025年设立行业首家智能运维研究院，发挥前沿技术与产业研究引领作用，搭建人才培养、战略咨询、专家诊断一体化赋能生态，推动行业由“经验驱动”向“数据驱动”转变。报告期内，公司持续深化智能运维赋能服务体系，面向客户输出“培训+咨询+诊断”一体化服务。2026年上半年，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，先后入选工信部首批“有色金属行业数字化转型人才培养机构”、中国煤炭工业协会煤炭行业实训（实习）基地，国家级人才培养平台建设实现重要突破。

    公司搭建完善的培训咨询服务体系，与MobiusInstitute合作开展国际诊断工程师认证，截至报告期末共有79人取得对应认证（四级6人、三级28人、二级45人）；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。2026年6月，公司联合工信部、有色金属协会承办有色行业数字化转型国家级培训项目，培训成效获得主管单位高度认可，树立行业数字化人才培养标杆，为基地建设夯实基础。在煤矿智能化领域，公司深度参编由国家能源局指导、中国煤炭工业协会组织编写的全国首套煤矿智能化培训权威教材《煤矿智能化建设与运维指南》，将一线运维实践经验转化为标准化教学内容，明确煤矿智能化运维人才能力标准与培养目标，为行业复合型运维人才规模化培养提供权威依据。同时公司可提供顶层规划、体系落地、流程变革的端到端数智化转型咨询服务。依托行业领先的远程诊断中心，结合实时设备数据、故障知识库与专家团队，提供全天候诊断、运维外包、人才赋能、技术培训、一体化咨询五大定制化服务，构建“技术产品场景服务”全链路运维服务能力。

    作为状态监测与故障诊断领域的开拓者，公司凭借深厚技术积淀，在电力、石化、煤炭、钢铁等行业落地众多标杆项目，树立优质行业品牌，形成良好市场口碑与客户示范效应。细分领域中可打通核心技术、系列产品、全流程服务完整链条的企业较少，公司“1+N+X”场景化智能运维解决方案进一步巩固市场地位，构筑差异化、难以复制的核心竞争优势。

    (二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施

    (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。

    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。

    五、报告期内主要经营情况

    报告期内，公司实现营业收入19398.82万元，同比下降24.32%；实现归属于母公司所有者的净利润-3958.34万元，同比下降378.06%；实现归属于母公司所有者的扣除非经常性损益的净利润-4312.56万元，同比下降425.79%。

本文数据来源于容知日新2026年中报，仅供参考不构成投资建议。