一、报告期内公司从事的主要业务　　（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... 查看全部▼

　　一、报告期内公司从事的主要业务
　　（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 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产品，实现了产品的智能化升级。
　　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。
　　（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。
　　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。
　　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，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。
　　
　　三、核心竞争力分析
　　（一）深耕垂直领域，多年积累形成一定的护城河
　　在工业领域，公司长期专注于智能制造相关产品的研发和实施，深耕细分市场，形成了以信息化管理与设备自动控制深度融合、多源数据采集、整理、分析应用为特色的智能制造整体解决方案，并在新一轮的数字化和智能化转型的信息化浪潮中，不断升级和发展自身的产品和解决方案，提供涵盖制造运营全流程的信息化产品及服务。公司应用类核心技术主要围绕细分领域客户的具体业务展开，主要包括基于威士顿大模型的知识管理、威士顿工业AI Agent的引入，以及高级排程模型、质量预测模型、设备健康预测模型、物流调度模型等。该类核心技术应用到相关产品及信息化建设项目中，可以实现生产工艺智能参数优化、产品质量预测以及设备预测性维修等功能。通过业务事件智能感知，结合人工智能关联分析，协同管控生产各条线的智能化保障，包括生产资源保障、动力能源保障、物流保障、设备健康以及工艺保障等，可助力客户防范业务风险，帮助客户提高产品质量与生产效率。公司加大AI及大数据技术的投入，让更多业务基于大数据分析与人工智能技术，深入挖掘数据价值，通过数据深度模型化、自主学习、自主创新，助力企业真正实现数字化转型与全面智能化生产。
　　在金融领域，公司提供专业的数据管理信息化服务，从业人员掌握行业领先的数据平台和数据处理与应用技术，将公司形成的数据汇聚、数据血缘关系管理、数据源变更时数据源自动化联结等核心数据产品理念，应用在用户服务现场，提升用户服务效率与用户体验，这是公司核心竞争能力的体现。在数据平台监控管理、数据汇聚、数据加工和数据管理业务中，公司将服务内容知识化，逐步形成了独具竞争力的成熟产品体系，确保能够严格遵循产品设计理念，为金融客户提供专业的现场数据服务。
　　公司通过与大数据平台厂商合作来发展自身数据类产品和服务。作为 Cloudera CDH/CDP产品的金牌技术合作伙伴（该平台基于Hadoop生态系统且为行业应用最广泛的大数据平台之一），公司是国内最早获得此项认证的少数企业之一。依托这一合作优势，公司的技术与产品能够应用于各类基于Hadoop生态的大数据平台。
　　（二）与产业深度融合，具有良好口碑
　　基于多年行业深耕，威士顿已建立起对客户所在领域的深刻洞察。公司专注于为客户提供与其核心生产经营密切相关的信息化解决方案，通过持续的技术与业务创新，有效提升企业生产运营各环节的信息化水平。在这一过程中，公司积极探索信息化与传统产业深度融合的实践路径，形成了独具价值的行业经验。
　　公司主要客户为工业和金融业的大型央企和国企，该类客户具有质量高、可信度高、稳定性强等特征。威士顿在开拓新客户时，通过提供可复制、可借鉴的优质产品和服务，建立起长期合作关系。公司持续深化客户服务主要体现在：一是逐步导入公司全系列产品解决方案；二是凭借丰富的项目经验和技术积累，推动产品与产业场景的深度融合。这种合作模式有效提升了客户在生产运营中的数字化、网络化和智能化水平，帮助客户实现显著的经济效益和社会价值。
　　（三）长期培养形成复合型技术人才，具备专家品牌
　　在软件与信息技术服务领域，人才优势是企业的核心竞争壁垒。公司建立了系统化的人才培养体系，通过科学的队伍建设规划，打造了一支兼具专业技术实力与丰富行业经验的高素质团队。这支稳定的管理队伍不仅具备深厚的专业知识储备，更拥有出色的项目管理能力，为公司持续发展提供了坚实的人才保障。公司的核心技术人员，毕业于包括复旦大学、上海交通大学、同济大学、日本明治大学等国内外知名高校，具有丰富的学术理论基础，对行业前沿技术有深刻理解和掌握，具有丰富的开发和实施经验。公司提倡匠心精神，通过长期的研发和生产积累，凭借有竞争力的产品和成功实施案例，不断扩大业务覆盖区域。通过长期培养“行业专家+技术专家”而积累形成的复合能力及由此构筑的竞争壁垒形成了企业竞争的护城河。
　　公司拥有结构完善的技术与研发人才梯队，构建了系统化的人才引进、培养、激励和保留机制，秉承内部培养与外部引进并重的原则，通过实际业务锻炼持续培养了大量专业能力扎实且行业经验丰富的复合型人才。公司建立完善的晋升体系，为员工规划职业发展路径，打造促进个人价值成长的事业平台，营造富有成就感的职业环境，形成了强劲的研发活力和浓厚的创新文化。在客户服务过程中，公司一贯要求专业技术人员深入业务一线把握实际应用需求，形成了快速实现技术应用匹配的专家培养机制。在与客户交流时，公司派出的专家团队通常兼具前沿技术知识、行业发展趋势洞察和实际场景理解能力，这种复合型人才优势经常能够推动与客户建立更深层次的合作关系。
　　（四）核心软件产品，自主研发、安全可控
　　工业软件是制造业企业管理流程与管理模式的重要载体，是实现精细化过程管控、推动全面业务数字化管理的核心基础。我国虽是制造业大国，但国内工业软件市场仍由国外厂商主导大部分份额。近年来，国家从工业安全战略出发，持续引导工业软件向国产化方向发展，大型制造企业核心工业软件的国产化替代已成为必然趋势。威士顿凭借在工业领域长期积累的专业知识，融合实际工业生产经验，并借鉴早年应用国外工业软件的实践，对工业企业的业务流程、运行机理、数据模型和组织架构进行了系统性的总结与开发，最终形成了自主知识产权的工业软件产品。在核心生产管理、产品生命周期管理等关键业务领域，威士顿已成功协助客户实现国产化替代，不仅有效解决了国外软件扩展性不足、服务响应慢等痛点，还显著降低了客户的软件采购与实施成本。经过多年实际运行验证，国产化替代系统的各项性能指标均完全满足客户需求，展现出优异的稳定性、安全性和可扩展性。
　　在人工智能、大数据、云计算、物联网等新兴技术领域，威士顿充分发挥自身技术优势，依托对制造业和金融业应用场景的深刻理解，成功研发了多项以创新技术为核心的自主产品，包括威助手、威士顿工业AI Agent、无序分拣机器人、基于设备运行状态的运行维护平台、数据门户管家、星河系列数据产品、智能文档管理等，这些产品满足自主可控的信息安全标准。与此同时，公司持续强化工业软件产品的市场竞争力，相继实现了多项智能化功能升级，包括基于神经网络的能耗预测系统、基于机器视觉的制丝杂物智能识别方案、基于机器视觉的无人机高空无人巡检系统、基于工业大数据的工艺质量优化平台等，这些技术创新显著提升了公司工业软件产品的市场竞争力，为保持行业领先地位提供了坚实支撑。
　　（五）长期自主研发，持续积累技术储备
　　多年发展历程中，公司始终坚持自主创新，在稳健经营的过程中，持续对前沿信息技术跟踪和投入。经多年持续投入研发和项目实施，公司紧跟行业技术的发展趋势，具备较为成熟的技术基础与研发实力。公司参与起草及制定了两项国家标准。截至报告期末，公司拥有32项境内外商标，获授13个发明专利，2个实用新型专利，10个外观设计专利，登记软件著作权223个。
　　公司长期耕耘工业领域，在细分领域形成了一系列工业机理模型并嵌入在工业软件产品中，例如，高级排程算法模型、生产过程质量预测模型、设备健康性预测模型、物流调度模型等。另外，随着软件整体设计理念的进步，软件产品的设计理念也在持续地发展和进步，公司已经将原有的基于SOA的产品框架，进行了相应的重构升级，形成了基于微服务和前后端分离设计理念的整体开发技术架构。
　　（六）稳定的行业客户资源及示范效应优势
　　公司以“为客户提供有价值的产品与服务”为发展根本，在所从事业务领域内，能够快速地将最新的技术，应用于客户亟需解决的实际问题或者用于客户的管理与运营改进之中，使技术发展真正助力客户业务的发展，在其提升效率、降低运营成本过程中起到作用，将技术能力在产业中变现。
　　在二十余年的发展历程中，公司凭借扎实的专业技术实力与深厚的行业洞察力，持续为细分领域客户提供定制化的信息化系统解决方案及配套产品服务，显著降低了客户在供应链协同中的沟通管理成本，实现了互利共赢的合作成效。通过积累大量成功案例和打造拳头产品，公司在业内建立了卓越的品牌声誉和客户信赖度，与众多行业领军企业建立了稳固的长期合作关系，形成了显著的客户资源优势与用户忠诚度。公司服务的优质客户均为细分行业龙头企业，这为拓展新客户提供了极具说服力的标杆示范效应。
　　（七）融入生态，与生态内的厂商保持良好合作
　　公司高度重视渠道资源和产业生态培育和建设，积极加强同IT业界头部企业的广泛合作，积极融入华为、阿里等国内新兴IT领军企业的生态，已经获取相应的能力认证与合作资质，核心产品能够部署运行在华为、阿里的云平台之上；公司产品也进行了其他国产化的适配与测试，能够在国产化的主流服务器、数据库和中间件之上稳定运行，满足目前国产化的整体要求；同时也在持续与 Intel、Cloudera、微软等国外厂商保持良好合作关系。公司产品在这些国内外公司的软硬件平台上通过了测试与运行验证，为客户选择公司的产品提供了基础的信任保障。
　　（八）经验优势和管控优势，保障项目交付，有效控制实施成本
　　威士顿作为专业的软件产品和服务提供商，经过多年的发展，在细分领域积累了一系列成功案例，培养了专业化的开发实施团队，在细分行业具备一定的品牌影响力。公司以其丰富的行业经验助力工业领域客户的数字化转型和智能化升级，在制造运营管理、智能园区管理、产品生命周期管理、数据管理等产品领域具备大量成功实施案例。
　　公司通过在行业中长期积累的项目实施经验，获得了一批开展相关业务的资质，如CMMI5级评估认证、ISO20000 IT服务管理体系认证等资质。其中，CMMI即软件与集成能力成熟度模型，是全球最先进和科学的软件工程管理模型与方法，是衡量软件企业能力成熟度和项目管理水平的权威标准。CMMI5级是最高等级的认证，也是目前世界范围内针对软件能力成熟度最权威、级别最高的评估之一。CMMI5成熟度规范模型的应用，是公司对项目管控、实现产品和服务高质量交付的重要保障。
　　
　　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。
　　
　　五、公司未来发展的展望
　　（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AI
　　2025 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。
　　（四）公司面临的风险和应对措施
　　1、客户集中度较高的风险
　　报告期内，公司客户集中度较高的情况虽然有所改善，但较同行业相比仍然较高，未来主要客户的信息化需求及公司与主要客户的合作关系如果发生重大变化，将会对公司业绩带来重大影响。由于公司工业软件产品及数据类产品及服务，主要是针对大型工业企业及具有海量数据应用需求的大型商业客户的需求进行设计开发的，公司产品与客户的业务和技术需求匹配度高，因此公司产品受众以大型客户为主，这符合公司的产品特点。同时规模较大的公司信息化投入也相对较高，这进一步造成公司客户集中度较高的业务特点。公司为规避客户集中度高带来的风险，近年来加大了对新客户的业务拓展。随着拓展活动的开展，公司的客户数量有了一定的增长，但是新增客户的业务量目前还无法与存量客户相比，因此对大客户的业务占比改善有限。有鉴于此，公司一方面积极地进行客户拓展，另一方面也开始布局中小企业的SaaS应用，推动公司大企业个性化产品与中小企业标准化产品并行模式的建立。随着公司持续践行该模式，客户集中度高的风险将逐步降低和消除。公司于2025年已成功新拓展轨道交通、航空、物流堆场等行业领域，2026年将围绕相关方向持续发力，以有效缓解客户集中度较高的风险。一方面，持续加大对已切入新行业的客户开拓及订单获取力度，逐步降低原有行业客户在公司业务结构中的占比。
　　2、公司规模较小的风险
　　虽然公司在某些细分应用领域具有一定的品牌知名度和竞争优势，但考虑到公司目前整体业务规模和人员规模仍相对较小，抗风险能力相比大型集团存在一定的劣势，面对愈发激烈的市场竞争环境，规模较小仍然是公司持续经营过程中面临的一项重大风险。
　　在公司规模做大方面，公司将以开放务实的态度，一方面加大与产学研以及同业企业的业务合作，推进公司业务的拓展，争取做大业务规模，带来公司规模方面的扩大；另一方面，公司也将积极探索资本运作，通过企业间资本合作或并购重组的方式，实现公司规模的增长。
　　3、行业政策变化风险
　　公司业务发展受国家对软件行业支持性政策、行业发展趋势，以及客户所处行业信息化发展政策和规划的影响较大，例如烟草和金融行业的信息建设规划和监管政策变化对公司业务发展均有一定影响。受益于智能制造、数字化转型、国产化替代，以及行业信息化和智能化发展等因素的影响，公司业务发展较为顺利。如果未来相关行业对软件行业的支持政策或支持力度发生变化，或者由于客户自身经营与监管状态发生变化，带来对信息化投入的缩减，将会对公司未来的经营业绩造成一定程度的影响。
　　公司将对政策保持关注，及时了解政策变化的动态，分析政策变化对企业的影响，快速制定相应的应对措施。积极拓展新客户、新行业。
　　4、业务拓展存在不确定的风险
　　公司积极推进新行业及海外市场业务拓展，并已取得初步成效。然而，新领域开拓需要投入大量资源，导致各项费用及成本上升。由于新业务拓展速度及市场增长潜力尚存不确定性，可能对公司未来经营业绩带来风险。
　　为此，公司采取双轨策略：一方面持续加大研发投入，将 AI技术深度融合至现有产品与解决方案，巩固竞争优势；另一方面，把握 AI技术重构行业信息化格局的机遇，凭借技术领先优势开拓新客户与新市场，以此提升业务拓展成功率，有效降低不确定性风险。
　　5、核心团队流失的风险
　　软件行业属于技术知识与人力资本密集型行业，技术人员尤其是核心技术人员对公司的产品创新与持续发展至关重要。然而，信息化行业普遍面临人才短缺、人员流动频繁的问题，公司能否维持核心技术团队的稳定性，将成为经营过程中的潜在人才风险。
　　公司已建立较为完善的人才管理体系，并采取多项措施吸引和留住技术人才，包括实施核心人员股权激励、保持薪酬竞争力、优化福利待遇、提供培训机会、营造良好的工作氛围和企业文化等。在稳定现有核心技术团队的同时，公司也积极从外部市场招募和补充优秀人才，构建人才梯队培养机制，为未来发展储备和培养所需的技术及管理人才。 收起▲

　　一、报告期内公司从事的主要业务　　（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、集装箱物流堆场等方面。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、智能化集装箱堆场管理软件，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... 查看全部▼

　　一、报告期内公司从事的主要业务
　　（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、集装箱物流堆场等方面。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、智能化集装箱堆场管理软件，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，助力公司在智能制造、数字化金融领域的竞争能力。
　　公司是国家级重点软件企业，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，公司获评国家级重点软件企业，入选上海市“AI+制造”专业服务商名录。
　　（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AIAgent产品，实现了产品的智能化升级。
　　通过集成融合基于大模型的“威助手”和威士顿工业智能体AIAgent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。
　　（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。
　　（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。
　　（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。

　　二、核心竞争力分析
　　（一）深耕垂直领域，多年积累形成一定的护城河
　　在工业领域，公司长期专注于智能制造相关产品的研发和实施，深耕细分市场，形成了以信息化管理与设备自动控制深度融合、多源数据采集、整理、分析应用为特色的智能制造整体解决方案，并在新一轮的数字化和智能化转型的信息化浪潮中，不断升级和发展自身的产品和解决方案，提供涵盖制造运营全流程的信息化产品及服务。公司应用类核心技术主要围绕细分领域客户的具体业务展开，主要包括基于大模型的知识管理、工业AIAgent的引入，以及高级排程模型、质量预测模型、设备健康预测模型、物流调度模型等。该类核心技术应用到相关产品及信息化建设项目中，可以实现生产工艺智能参数优化、产品质量预测以及设备预测性维修等功能。通过业务事件智能感知，结合人工智能关联分析，协同管控生产各条线的智能化保障，包括生产资源保障、动力能源保障、物流保障、设备健康以及工艺保障等，可助力客户防范业务风险，帮助客户提高产品质量与生产效率。公司加大AI及大数据技术的投入，让更多业务基于大数据分析与人工智能技术，深入挖掘数据价值，通过数据深度模型化、自主学习、自主创新，助力企业真正实现数字化转型与全面智能化生产。
　　在金融领域，公司提供专业的数据管理信息化服务，从业人员掌握行业领先的数据平台和数据处理与应用技术，将公司形成的数据汇聚、数据血缘关系管理、数据源变更时数据源自动化联结等核心数据产品理念，应用在用户服务现场，提升用户服务效率与用户体验，这是公司核心竞争能力的体现。在数据平台监控管理、数据汇聚、数据加工和数据管理业务中，公司将服务内容知识化，逐步形成了独具竞争力的成熟产品体系，确保能够严格遵循产品设计理念，为金融客户提供专业的现场数据服务。
　　公司通过与大数据平台厂商合作来发展自身数据类产品和服务。作为ClouderaCDH/CDP产品的金牌技术合作伙伴（该平台基于Hadoop生态系统且为行业应用最广泛的大数据平台之一），公司是国内最早获得此项认证的少数企业之一。依托这一合作优势，公司的技术与产品能够应用于各类基于Hadoop生态的大数据平台。
　　（二）与产业深度融合，具有良好口碑
　　基于多年行业深耕，威士顿已建立起对客户所在领域的深刻洞察。公司专注于为客户提供与其核心生产经营密切相关的信息化解决方案，通过持续的技术与业务创新，有效提升企业生产运营各环节的信息化水平。在这一过程中，公司积极探索信息化与传统产业深度融合的实践路径，形成了独具价值的行业经验。
　　公司主要客户为工业和金融业的大型央企和国企，该类客户具有质量高、可信度高、稳定性强等特征。威士顿在开拓新客户时，通过提供可复制、可借鉴的优质产品和服务，建立起长期合作关系。公司持续深化客户服务主要体现在：一是逐步导入公司全系列产品解决方案；二是凭借丰富的项目经验和技术积累，推动产品与产业场景的深度融合。这种合作模式有效提升了客户在生产运营中的数字化、网络化和智能化水平，帮助客户实现显著的经济效益和社会价值。
　　（三）长期培养形成复合型技术人才，具备专家品牌
　　在软件与信息技术服务领域，人才优势是企业的核心竞争壁垒。公司建立了系统化的人才培养体系，通过科学的队伍建设规划，打造了一支兼具专业技术实力与丰富行业经验的高素质团队。这支稳定的管理队伍不仅具备深厚的专业知识储备，更拥有出色的项目管理能力，为公司持续发展提供了坚实的人才保障。公司的核心技术人员，毕业于包括复旦大学、上海交通大学、同济大学、日本明治大学等国内外知名高校，具有丰富的学术理论基础，对行业前沿技术有深刻理解和掌握，具有丰富的开发和实施经验。公司提倡匠心精神，通过长期的研发和生产积累，凭借有竞争力的产品和成功实施案例，不断扩大业务覆盖区域。通过长期培养“行业专家+技术专家”而积累形成的复合能力及由此构筑的竞争壁垒形成了企业竞争的护城河。
　　公司拥有结构完善的技术与研发人才梯队，构建了系统化的人才引进、培养、激励和保留机制，秉承内部培养与外部引进并重的原则，通过实际业务锻炼持续培养了大量专业能力扎实且行业经验丰富的复合型人才。公司建立完善的晋升体系，为员工规划职业发展路径，打造促进个人价值成长的事业平台，营造富有成就感的职业环境，形成了强劲的研发活力和浓厚的创新文化。在客户服务过程中，公司一贯要求专业技术人员深入业务一线把握实际应用需求，形成了快速实现技术应用匹配的专家培养机制。在与客户交流时，公司派出的专家团队通常兼具前沿技术知识、行业发展趋势洞察和实际场景理解能力，这种复合型人才优势经常能够推动与客户建立更深层次的合作关系。
　　（四）核心软件产品，自主研发、安全可控
　　工业软件是制造业企业管理流程与管理模式的重要载体，是实现精细化过程管控、推动全面业务数字化管理的核心基础。我国虽是制造业大国，但国内工业软件市场仍由国外厂商主导大部分份额。近年来，国家从工业安全战略出发，持续引导工业软件向国产化方向发展，大型制造企业核心工业软件的国产化替代已成为必然趋势。威士顿凭借在工业领域长期积累的专业知识，融合实际工业生产经验，并借鉴早年应用国外工业软件的实践，对工业企业的业务流程、运行机理、数据模型和组织架构进行了系统性的总结与开发，最终形成了自主知识产权的工业软件产品。在核心生产管理、产品生命周期管理等关键业务领域，威士顿已成功协助客户实现国产化替代，不仅有效解决了国外软件扩展性不足、服务响应慢等痛点，还显著降低了客户的软件采购与实施成本。经过多年实际运行验证，国产化替代系统的各项性能指标均完全满足客户需求，展现出优异的稳定性、安全性和可扩展性。
　　在人工智能、大数据、云计算、物联网等新兴技术领域，威士顿充分发挥自身技术优势，依托对制造业和金融业应用场景的深刻理解，成功研发了多项以创新技术为核心的自主产品，包括威助手、工业AIAgent、无序分拣机器人、基于设备运行状态的运行维护平台、数据门户管家、星河系列数据产品、智能文档管理等，这些产品满足自主可控的信息安全标准。与此同时，公司持续强化工业软件产品的市场竞争力，相继实现了多项智能化功能升级，包括基于神经网络的能耗预测系统、基于机器视觉的制丝杂物智能识别方案、基于机器视觉的无人机高空无人巡检系统、基于工业大数据的工艺质量优化平台等，这些技术创新显著提升了公司工业软件产品的市场竞争力，为保持行业领先地位提供了坚实支撑。
　　（五）长期自主研发，持续积累技术储备
　　多年发展历程中，公司始终坚持自主创新，在稳健经营的过程中，持续对前沿信息技术跟踪和投入。经多年持续投入研发和项目实施，公司紧跟行业技术的发展趋势，具备较为成熟的技术基础与研发实力。公司参与起草及制定了两项国家标准。截至报告期末，公司获授10个发明专利，2个实用新型专利，登记软件著作权141个。
　　公司长期耕耘工业领域，在细分领域形成了一系列工业机理模型并嵌入在工业软件产品中，例如，高级排程算法模型、生产过程质量预测模型、设备健康性预测模型、物流调度模型等。另外，随着软件整体设计理念的进步，软件产品的设计理念也在持续地发展和进步，公司已经将原有的基于SOA的产品框架，进行了相应的重构升级，形成了基于微服务和前后端分离设计理念的整体开发技术架构。
　　（六）稳定的行业客户资源及示范效应优势
　　公司以“为客户提供有价值的产品与服务”为发展根本，在所从事业务领域内，能够快速地将最新的技术，应用于客户亟需解决的实际问题或者用于客户的管理与运营改进之中，使技术发展真正助力客户业务的发展，在其提升效率、降低运营成本过程中起到作用，将技术能力在产业中变现。
　　在二十余年的发展历程中，公司凭借扎实的专业技术实力与深厚的行业洞察力，持续为细分领域客户提供定制化的信息化系统解决方案及配套产品服务，显著降低了客户在供应链协同中的沟通管理成本，实现了互利共赢的合作成效。通过积累大量成功案例和打造拳头产品，公司在业内建立了卓越的品牌声誉和客户信赖度，与众多行业领军企业建立了稳固的长期合作关系，形成了显著的客户资源优势与用户忠诚度。公司服务的优质客户均为细分行业龙头企业，这为拓展新客户提供了极具说服力的标杆示范效应。
　　（七）融入生态，与生态内的厂商保持良好合作
　　公司高度重视渠道资源和产业生态培育和建设，积极加强同IT业界头部企业的广泛合作，积极融入华为、阿里等国内新兴IT领军企业的生态，已经获取相应的能力认证与合作资质，核心产品能够部署运行在华为、阿里的云平台之上；公司产品也进行了其他国产化的适配与测试，能够在国产化的主流服务器、数据库和中间件之上稳定运行，满足目前国产化的整体要求；同时也在持续与Intel、Cloudera、微软等国外厂商保持良好合作关系。公司产品在这些国内外公司的软硬件平台上通过了测试与运行验证，为客户选择公司的产品提供了基础的信任保障。
　　（八）经验优势和管控优势，保障项目交付，有效控制实施成本
　　威士顿作为专业的软件产品和服务提供商，经过多年的发展，在细分领域积累了一系列成功案例，培养了专业化的开发实施团队，在细分行业具备一定的品牌影响力。公司以其丰富的行业经验助力工业领域客户的数字化转型和智能化升级，在制造运营管理、智能园区管理、产品生命周期管理、数据管理等产品领域具备大量成功实施案例。
　　公司通过在行业中长期积累的项目实施经验，获得了一批开展相关业务的资质，如CMMI5级评估认证、ISO20000IT服务管理体系认证等资质。其中，CMMI即软件与集成能力成熟度模型，是全球最先进和科学的软件工程管理模型与方法，是衡量软件企业能力成熟度和项目管理水平的权威标准。CMMI5级是最高等级的认证，也是目前世界范围内针对软件能力成熟度最权威、级别最高的评估之一。CMMI5成熟度规范模型的应用，是公司对项目管控、实现产品和服务高质量交付的重要保障。

　　三、公司面临的风险和应对措施
　　1.客户集中度较高的风险
　　报告期内，公司客户集中度较高的情况虽然有所改善，但较同行业相比仍然较高，未来主要客户的信息化需求及公司与主要客户的合作关系如果发生重大变化，将会对公司业绩带来重大影响。
　　由于公司工业软件产品及数据类产品及服务，主要是针对大型工业企业及具有海量数据应用需求的大型商业客户的需求进行设计开发的，公司产品与客户的业务和技术需求匹配度高，因此公司产品受众以大型客户为主，这符合公司的产品特点。同时规模较大的公司信息化投入也相对较高，这进一步造成公司客户集中度较高的业务特点。公司为规避客户集中度高带来的风险，近年来加大了对新客户的业务拓展。随着拓展活动的开展，公司的客户数量有了一定的增长，但是新增客户的业务量目前还无法与存量客户相比，因此对大客户的业务占比改善有限。有鉴于此，公司一方面积极地进行客户拓展，另一方面也开始布局中小企业的SaaS应用，推动公司大企业个性化产品与中小企业标准化产品并行模式的建立。随着公司持续践行该模式，客户集中度高的风险将逐步降低和消除。
　　2.公司规模较小的风险
　　虽然公司在某些细分应用领域具有一定的品牌知名度和竞争优势，但考虑到公司目前整体业务规模和人员规模仍相对较小，抗风险能力相比大型集团存在一定的劣势，面对愈发激烈的市场竞争环境，规模较小仍然是公司持续经营过程中面临的一项重大风险。
　　在做大规模方面，公司将以开放务实的态度，一方面加大与产学研以及同业企业的业务合作，积极拓展业务；另一方面，公司也将积极探索资本运作，通过企业间资本合作或并购重组的方式，实现公司规模的增长。
　　3.行业政策变化风险
　　公司业务发展受国家对软件行业支持性政策、行业发展趋势，以及客户所处行业信息化发展政策和规划的影响较大，例如烟草和金融行业的信息建设规划和监管政策变化对公司业务发展均有一定影响。受益于智能制造、数字化转型、国产化替代，以及行业信息化和智能化发展等因素的影响，公司业务发展较为顺利。如果未来相关行业对软件行业的支持政策或支持力度发生变化，或者由于客户自身经营与监管状态发生变化，带来对信息化投入的缩减，将会对公司未来的经营业绩造成一定程度的影响。
　　公司将对政策保持关注，及时了解政策变化的动态，分析政策变化对企业的影响，快速制定相应的应对措施，积极拓展新客户、新行业。
　　4.业务拓展存在不确定的风险
　　公司积极推进新行业及海外市场业务拓展，并已取得初步成效。然而，新领域开拓需要投入大量资源，导致各项费用及成本上升。由于新业务拓展速度及市场增长潜力尚存不确定性，可能对公司未来经营业绩带来风险。
　　为此，公司采取双轨策略：一方面持续加大研发投入，将AI技术深度融合至现有产品与解决方案，巩固竞争优势；另一方面，把握AI技术重构行业信息化格局的机遇，凭借技术领先优势开拓新客户与新市场，以此提升业务拓展成功率，有效降低不确定性风险。
　　5.核心团队流失的风险
　　软件行业属于技术密集型和知识密集型行业，技术人员尤其是核心技术人员对公司的产品创新与持续发展至关重要。然而，信息化行业普遍面临人才短缺、人员流动频繁的问题，公司能否维持核心技术团队的稳定性，将成为经营过程中的潜在人才风险。
　　公司已建立较为完善的人才管理体系，并采取多项措施吸引和留住技术人才，包括实施核心人员股权激励、保持薪酬竞争力、优化福利待遇、提供培训机会、营造良好的工作氛围和企业文化等。在稳定现有核心技术团队的同时，公司也积极从外部市场招募和补充优秀人才，构建人才梯队培养机制，为未来发展储备和培养所需的技术及管理人才。 收起▲

　　一、报告期内公司所处行业情况　　”的披露要　　1.宏观经济　　根据国家统计局公布的数据，2024年全年国内生产总值比上年增长5.0%，信息传输、软件和信息技术服务业增加值增长10.9%。我国经济发展正处于新旧动能转换破局成势的关键阶段，各方面锚定高质量发展首要任务不动摇，科学把握稳与进、立与破的辩证关系，统筹好培育新动能和更新旧动能的关系，因地制宜发展新质生产力，推动新旧动能平稳接续转换，高质量发展动能更加充沛、基础不断夯实。　　2.政策环境　　在公司所处的工业软件和新兴技术软件领域，国家和地方政府发布了一系列政策文件，引领社会的数字化进程。暨《中国制造2025》发布之后，政府又发布了《智... 查看全部▼

　　一、报告期内公司所处行业情况
　　”的披露要
　　1.宏观经济
　　根据国家统计局公布的数据，2024年全年国内生产总值比上年增长5.0%，信息传输、软件和信息技术服务业增加值增长10.9%。我国经济发展正处于新旧动能转换破局成势的关键阶段，各方面锚定高质量发展首要任务不动摇，科学把握稳与进、立与破的辩证关系，统筹好培育新动能和更新旧动能的关系，因地制宜发展新质生产力，推动新旧动能平稳接续转换，高质量发展动能更加充沛、基础不断夯实。
　　2.政策环境
　　在公司所处的工业软件和新兴技术软件领域，国家和地方政府发布了一系列政策文件，引领社会的数字化进程。暨《中国制造2025》发布之后，政府又发布了《智能制造发展规划》《数字中国建设整体布局规划》《数字化转型战略纲要》《“十四五”智能制造发展规划》《“十四五”数字化产业发展规划》等一系列政策文件，引导整个社会与制造行业进行数字化、智能化的转型。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。从国务院发布的《“十四五”数字经济发展规划》到人民银行发布的《金融科技发展规划（2022—2025年）》都提出了要应用大数据、人工智能、云计算、区块链等技术加快推动金融业整体数字化转型，并以行业的安全、自主、可控为前提，推动整个金融科技的创新和建设投入。
　　2024年1月，工业和信息化部等七部门发布了《关于推动未来产业创新发展的实施意见》，意见指出要前瞻部署未来制造和未来信息等新赛道，加快技术创新和产业化。在未来制造方面，要发展智能制造、生物制造、纳米制造、激光制造、循环制造，突破智能控制、智能传感、模拟仿真等关键核心技术，推广柔性制造、共享制造等模式，推动工业互联网、工业元宇宙等发展。要丰富应用场景，深化新一代信息技术与制造业融合，加快推动产业链结构、流程与模式重构，开拓未来制造新应用。在经济转型升级关键期，围绕制造业主战场加快 “未来产业”的发展将成为新的增长点。
　　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。
　　从国际竞争格局来看，国内烟草企业与国际巨头相比，在规模体量、供应链整体效率、产品研发与生产制造方面，还存在着较大的差距。随着中国贸易开放程度不断提高，国内烟草企业来自于国际烟草巨头的竞争压力也越来越大，国内烟草企业对于提高核心竞争力的需求也非常迫切。国内烟草企业竞争力的提升、与国际巨头差距的缩小，都离不开数字化、智能化转型的持续开展，国内烟草行业信息化投入具有持续性。从各烟草企业在国内相互竞争来看，整个国内市场也已经进入了消费市场存量竞争的阶段，各企业都在通过提升整体供应链效率、内部的研发生产和营销的效率来与同行业企业进行竞争。为此，各企业在行业的总体指导之下，都开展了数字化转型的工作，各个企业都在通过信息化的投入推动企业的数字化转型，来打造和提升自身的研发力、产品力、制造力和营销力，从而使得企业能够在国内市场的竞争中保持领先和胜出。因此，国内的同业竞争也推动各行业企业持续保持信息化的投入。
　　（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经营数据持续产生、存储，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。进入大数据时代，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采集、整理和分析，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。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。所有金融客户持续的都在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。
　　
　　二、报告期内公司从事的主要业务
　　（一）公司主营业务
　　威士顿是一家重点面向工业和金融领域，致力于提升企业经营管理的数字化、网络化、智能化水平的软件开发和信息化服务企业。基于对客户业务及其所处产业链的深刻理解以及多年来企业信息化实施服务的业务积累，公司形成了多样化的自主产品及解决方案。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工业软件，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，更好的服务客户，助力公司在智能制造、数字化金融领域的竞争能力。
　　公司是国家级重点软件企业，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，拥有信息安全服务二级资质，MES产品被评为“上海智造”产品。报告期内，公司获评国家级重点软件企业。
　　（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。随着公司整体技术架构的升级以及系统软件或产品向“重应用、轻系统”的平台化、套件化的发展趋势，公司将软件产品MOM、PLM、MRO和DataM及相关算法模型软件等产品进行了相关改造，形成了以产品为基础、可组合、可拆分、可灵活搭建的统一软件服务应用平台，实现按客户所需自由进行产品功能组合和定制化开发，实现了跨产品、跨系统的业务服务组合，使公司的产品向平台化、套件化发展，更具有灵活性和扩展性。
　　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，通过嵌入基于模型化的智能化感知、智能分析、智能决策、深度学习等人工智能新兴技术，以及以机器人为代表的边缘智能装备，正是对上述理念的持续实践。而数据资产的积累、监控和管理，以及信息系统的长期稳定运行是业务系统实现智能化的基础。
　　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。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。质量管理主要包括产品和核心功能如下：
　　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。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。
　　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，并通过人工智能算法进行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，并对异常波动进行智能诊断、分析，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。工艺参数核心是通过OT采集的设备实时采集、
　　SPCDA的统计过程诊断，通过算法模型实时或离线计算获得最佳工艺技术参数，通过OT将优化后的工艺参数，下达到控制设备中，从而替代传统的通过人工经验调整、控制工艺参数，并加强工艺管理的精细度与准确性，有效提高工艺执行的管理水平与智能化水平。
　　（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，设备管理的智能化设备管理通过物联网、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。
　　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发面已经突破了传统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数字化设计，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：配方设计、产品外观设计、材料设计、生产工艺设计等多个复杂环节。数字化产品设计，通过广泛的原辅材料的物理化学特性、历史生产等数据采集、清洗、整合和标准化处理，消除错误和异常值，确保数据的准确性和一致性。通过先进的人工智能和机器学习技术，为配方设计、生产优化、质量控制等环节提供智能决策建议，提高产品质量和性能，降低生产成本和资源浪费，为企业的可持续发展提供有力支持。
　　（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。
　　（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。有效的IT服务管理，可提升服务的高效性和成本效益。
　　4.DateM--数据创新
　　主要通过数据标签、深度学习算法等技术，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、人工智能技术等技术的结合，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）大数据、人工智能、机器学习等新兴技术
　　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智能烘桶水分控制、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。通过将大数据、人工智能和机器学习等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。
　　（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。
　　
　　三、核心竞争力分析
　　（一）深耕垂直领域，多年积累形成一定的护城河
　　在工业领域，公司长期专注于智能制造相关产品的研发和实施，深耕细分市场，形成了以信息化管理与设备自动控制深度融合、多源数据采集、整理、分析应用为特色的智能制造整体解决方案，并在新一轮的数字化和智能化转型的信息化浪潮中，不断升级和发展自身的产品和解决方案，提供涵盖制造运营全流程的信息化产品及服务。公司应用类核心技术主要围绕细分领域客户的具体业务展开，主要包括高级排程模型、质量预测模型、设备健康预测模型、物流调度模型等。该类核心技术应用到相关产品及信息化建设项目中，可以实现生产工艺智能参数优化、产品质量预测以及设备预测性维修等功能。通过业务事件智能感知，结合人工智能关联分析，协同管控生产各条线的智能化保障，包括生产资源保障、动力能源保障、物流保障、设备健康以及工艺保障等，可助力客户防范业务风险，帮助客户提高产品质量与生产效率。公司加大AI及大数据技术的投入，让更多业务基于大数据分析与人工智能技术，深入挖掘数据价值，通过数据深度模型化、自主学习、自主创新，助力企业真正实现数字化转型与全面智能化生产。
　　在金融领域，公司提供专业的数据管理信息化服务，从业人员掌握行业领先的数据平台和数据处理与应用技术，将公司形成的数据汇聚、数据血缘关系管理、数据源变更时数据源自动化联结等核心数据产品理念，应用在用户服务现场，提升用户服务效率与用户体验，这是公司核心竞争能力的体现。在数据平台监控管理、数据汇聚、数据加工和数据管理业务中，公司将服务内容知识化，逐步形成了独具竞争力的成熟产品体系，确保能够严格遵循产品设计理念，为金融客户提供专业的现场数据服务。
　　公司通过与大数据平台厂商合作来发展自身数据类产品和服务。作为Cloudera CDH/CDP产品的金牌技术合作伙伴（该平台基于Hadoop生态系统且为行业应用最广泛的大数据平台之一），公司是国内最早获得此项认证的少数企业之一。依托这一合作优势，公司的技术与产品能够应用于各类基于Hadoop生态的大数据平台。
　　（二）与产业深度融合，具有良好口碑
　　基于多年行业深耕，威士顿已建立起对客户所在领域的深刻洞察。公司专注于为客户提供与其核心生产经营密切相关的信息化解决方案，通过持续的技术与业务创新，有效提升企业生产运营各环节的信息化水平。在这一过程中，公司积极探索信息化与传统产业深度融合的实践路径，形成了独具价值的行业经验。
　　公司主要客户为工业和金融业的大型央企和国企，该类客户具有质量高、可信度高、稳定性强等特征。威士顿在开拓新客户时，通过提供可复制、可借鉴的优质产品和服务，建立起长期合作关系。公司持续深化客户服务主要体现在：一是逐步导入公司全系列产品解决方案；二是凭借丰富的项目经验和技术积累，推动产品与产业场景的深度融合。这种合作模式有效提升了客户在生产运营中的数字化、网络化和智能化水平，帮助客户实现显著的经济效益和社会价值。
　　（三）长期培养形成复合型技术人才，具备专家品牌
　　在软件与信息技术服务领域，人才优势是企业的核心竞争壁垒。公司建立了系统化的人才培养体系，通过科学的队伍建设规划，打造了一支兼具专业技术实力与丰富行业经验的高素质团队。这支稳定的管理队伍不仅具备深厚的专业知识储备，更拥有出色的项目管理能力，为公司持续发展提供了坚实的人才保障。公司的核心技术人员，毕业于包括复旦大学、上海交通大学、同济大学、日本明治大学等国内外知名高校，具有丰富的学术理论基础，对行业前沿技术有深刻理解和掌握，具有丰富的开发和实施经验。公司提倡匠心精神，通过长期的研发和生产积累，凭借有竞争力的产品和成功实施案例，不断扩大业务覆盖区域。通过长期培养“行业专家+技术专家”而积累形成的复合能力及由此构筑的竞争壁垒形成了企业竞争的护城河。
　　公司拥有结构完善的技术与研发人才梯队，构建了系统化的人才引进、培养、激励和保留机制，秉承内部培养与外部引进并重的原则，通过实际业务锻炼持续培养了大量专业能力扎实且行业经验丰富的复合型人才的复合型人才。公司建立完善的晋升体系，为员工规划职业发展路径，打造促进个人价值成长的事业平台，营造富有成就感的职业环境，形成了强劲的研发活力和浓厚的创新文化。在客户服务过程中，公司一贯要求专业技术人员深入业务一线把握实际应用需求，形成了快速实现技术应用匹配的专家培养机制。在与客户交流时，公司派出的专家团队通常兼具前沿技术知识、行业发展趋势洞察和实际场景理解能力，这种复合型人才优势经常能够推动与客户建立更深层次的合作关系。
　　（四）核心软件产品，自主研发、安全可控
　　工业软件是制造业企业管理流程与管理模式的重要载体，是实现精细化过程管控、推动全面业务数字化管理的核心基础。我国虽是制造业大国，但国内工业软件市场仍由国外厂商主导大部分份额。近年来，国家从工业安全战略出发，持续引导工业软件向国产化方向发展，大型制造企业核心工业软件的国产化替代已成为必然趋势。威士顿凭借在工业领域长期积累的专业知识，融合实际工业生产经验，并借鉴早年应用国外工业软件的实践，对工业企业的业务流程、运行机理、数据模型和组织架构进行了系统性的总结与开发，最终形成了自主知识产权的工业软件产品。在核心生产管理、产品生命周期管理等关键业务领域，威士顿已成功协助客户实现国产化替代，不仅有效解决了国外软件扩展性不足、服务响应慢等痛点，还显著降低了客户的软件采购与实施成本。经过多年实际运行验证，国产化替代系统的各项性能指标均完全满足客户需求，展现出优异的稳定性、安全性和可扩展性。
　　在人工智能、大数据、云计算、物联网等新兴技术领域，威士顿充分发挥自身技术优势，依托对制造业和金融业应用场景的深刻理解，成功研发了多项以创新技术为核心的自主产品，包括无序分拣机器人、基于设备运行状态的运行维护平台、数据门户管家、星河系列数据产品等，这些产品满足自主可控的信息安全标准。与此同时，公司持续强化工业软件产品的市场竞争力，相继实现了多项智能化功能升级，包括基于神经网络的能耗预测系统、基于机器视觉的制丝杂物智能识别方案、基于机器视觉的无人机高空无人巡检系统、基于工业大数据的工艺质量优化平台等，这些技术创新显著提升了公司工业软件产品的市场竞争力，为保持行业领先地位提供了坚实支撑。
　　（五）长期自主研发，持续积累技术储备
　　多年发展历程中，公司始终坚持自主创新，在稳健经营的过程中，持续对前沿信息技术跟踪和投入。经多年持续投入研发和项目实施，公司紧跟行业技术的发展趋势，具备较为成熟的技术基础与研发实力。公司参与起草及制定了两项国家标准。截至报告期末，公司获授10个发明专利，2个实用新型专利，登记软件著作权136个。
　　公司长期耕耘工业领域，在细分领域形成了一系列工业机理模型并嵌入在工业软件产品中，例如，高级排程算法模型、生产过程质量预测模型、设备健康性预测模型、物流调度模型等。另外，随着软件整体设计理念的进步，软件产品的设计理念也在持续的发展和进步，公司已经将原有的基于SOA的产品框架，进行了相应的重构升级，形成了基于微服务和前后端分离设计理念的整体开发技术架构。
　　（六）稳定的行业客户资源及示范效应优势
　　公司以“为客户提供有价值的产品与服务”为发展根本，在所从事业务领域内，能够快速地将最新的技术，应用于客户亟需解决的实际问题或者用于客户的管理与运营改进之中，使技术发展真正助力客户业务的发展，在其提升效率、降低运营成本过程中起到作用，将技术能力在产业中变现。
　　在二十余年的发展历程中，公司凭借扎实的专业技术实力与深厚的行业洞察力，持续为细分领域客户提供定制化的信息化系统解决方案及配套产品服务，显著降低了客户在供应链协同中的沟通管理成本，实现了互利共赢的合作成效。通过积累大量成功案例和打造拳头产品，公司在业内建立了卓越的品牌声誉和客户信赖度，与众多行业领军企业建立了稳固的长期合作关系，形成了显著的客户资源优势与用户忠诚度。公司服务的优质客户均为细分行业龙头企业，这为拓展新客户提供了极具说服力的标杆示范效应。
　　（七）融入生态，与生态内的厂商保持良好合作
　　公司高度重视渠道资源和产业生态培育和建设，积极加强同 IT业界头部企业的广泛合作，积极融入华为、阿里等国内新兴IT领军企业的生态，已经获取相应的能力认证与合作资质，核心产品能够部署运行在华为、阿里的云平台之上；公司产品也进行了其他国产化的适配与测试，能够在国产化的主流服务器、数据库和中间件之上稳定运行，满足目前国产化的整体要求；同时也在持续与Intel、Cloudera、微软、等国外厂商保持良好合作关系。公司产品在这些国内外公司的软硬件平台上通过了测试与运行验证，为客户选择公司的产品提供了基础的信任保障。
　　（八）经验优势和管控优势，保障项目交付，有效控制实施成本
　　威士顿作为专业的软件产品和服务提供商，经过多年的发展，在细分领域积累了一系列成功案例，培养了专业化的开发实施团队，在细分行业具备一定的品牌影响力。公司以其丰富的行业经验助力工业领域客户的数字化转型和智能化升级，在制造运营管理、智能园区管理、产品生命周期管理、数据管理等产品领域具备大量成功实施案例。
　　公司通过在行业中长期积累的项目实施经验，获得了一批与开展相关业务的相关资质，如 CMMI5级评估认证、ISO20000 IT服务管理体系认证等资质。其中，CMMI即软件与集成能力成熟度模型，是全球最先进和科学的软件工程管理模型与方法，是衡量软件企业能力成熟度和项目管理水平的权威标准。CMMI5级是最高等级的认证，也是目前世界范围内针对软件能力成熟度最权威、级别最高的评估之一。
　　
　　四、主营业务分析
　　1、概述
　　报告期内，公司营业收入29,366.11万元，与上年同期相比小幅波动，整体经营平稳。公司核心收入集中于软件开发及运维服务业务。全年实现利润总额5,495.65万元，归母净利润5,171.06万元，实现每股收益0.59元。
　　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。伴随核心客户群体信息化程度不断提升，传统IT基础设施需求逐步向精细化运营迭代，网络安全防护体系升级、云原生架构重构及数据资产价值挖掘等新兴技术融合需求正形成新的市场机遇。
　　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和客户所处行业的发展趋势，积极进行行业的横向拓展与布局海外市场。公司积极拓展港口物流行业，参建了全球首个自动化集装箱堆场物流库的建设工作，为港口行业的重装AGV提供基于阿波罗平台的多技术融合定位导航系统已交付客户使用；在海外，公司已为标杆用户打造了基于大数据平台基盘，为标杆客户提供了大数据平台的建设与数据入库的服务，为后续开展数据应用开发合作奠定了一定的基础。报告期内，公司获得了大数据咨询服务、检品生产管理系统软件开发等多个海外合同，境外收入实现突破。
　　报告期内公司持续在AI领域投入研发，公司研发的AIGC产品，可灵活地切换不同的大模型底座，结合向量数据库，为客户构建本地的知识管理、内容生成、文档自动化审核、查重、合规性检验等功能，产品已经推向市场进行应用；公司的AI智能体产品也在积极的研发过程之中，该产品以改变传统信息化应用人机交互模式为目标，推动AI在企业端快速落地应用；与此同时，原有的面向工业企业的无序分拣机器人产品也在持续的推动产品的升级与更新。在国产化替代方面，将AI模型训练从英伟达(NVIDIA)芯片迁移到华为昇腾(Ascend)芯片，从通用GPU转向专用NPU，重构了技术栈，并进行了算法调整。这一技术路线的切换，完成了从芯片到开发软件平台、基础算法模型等全方位的调整。
　　
　　五、公司未来发展的展望
　　（一）发展战略实施与经营工作回顾
　　1.守成拓新，初见成效
　　2024年在大的经济形势之下，芯片、半导体、汽车零部件、化工、新材料等领域增长明显，但是传统制造与消费领域略显乏力。在消费乏力的大背景之下，虽然宏观政策层面在持续推动产业的数字化升级和智能化转型，但是在微观层面，企业对于数字化转型的总体投入呈现出不升反降的特征。在此环境之下，威士顿一方面在自身原有优势制造业领域之内持续为客户的数字化转型、智能化升级提供富有价值的服务，为客户提升效率、控制成本、产品品质提升进一步赋能；另一方面也积极进行行业的横向拓展与布局海外市场。在国内市场积极拓展港口物流行业，参建了全球首个自动化集装箱堆场物流库的建设工作，为港口行业的重装AGV提供基于阿波罗平台的多技术融合定位导航系统也已交付客户使用；在海外，公司已为标杆用户打造了基于大数据平台基盘，并聚焦于业务进行数据分析，助力其提升业务决策能力与数据驱动水平，海内外的市场拓展初见成效，为公司业务的持续经营提供了坚实基础。
　　2.拥抱AI，持续创新
　　2024年随着大模型、多模态等AI技术的爆发，人工智能
　　+千行百业快速被接受和普及，公司研发的AIGC产品，可灵活地切换不同的大模型底座，结合向量数据库，为客户构建本地的知识管理、内容生成、文档自动化审核、查重、合规性检验等功能，产品在研发成功的同时，已经推向市场进行应用，并取得了良好的市场反馈；公司的AIGA产品也在积极研发过程之中，该产品以改变传统信息化应用人机交互模式为目标，推动AI在企业快速落地应用；与此同时，原有的面向工业企业的无序分拣机器人产品也在持续的推动产品的升级与更新，并在应用行业中取得斐然的使用反响。在公司内部，已经为所有人员配备了AI助手，极大提升了软件的开发效率，整个核心开发的AI代码推荐采用率保持在50%以上。
　　3.完善内控，规范管理
　　依据上市公司规范化管理要求，2024年公司对研发、营销、采购、工程交付、财务管理、人事和行政、法规等业务条线的管理制度进行全面梳理与优化升级，进一步健全了现有管理标准体系，持续推进公司管理流程的规范化与标准化建设。通过将常规事务工作流程化，并以流程标准化和业务知识积累为驱动，公司持续强化组织级能力建设。
　　（二）公司未来发展战略
　　公司未来总体上将采取“持续加大研发投入、积极开拓新市场”以及“内生式增长与外延式增长并重”的战略模式，促进企业持续发展。
　　1.研发上，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。
　　威士顿的定位是：既紧跟先进技术发展，又掌握行业know-how的技术应用性公司。
　　AI技术蓬勃发展的当下，公司将持续加大对技术研发的投入，一方面紧跟AI发展的前沿，另一方面加紧实现先进技术与企业业务需求的融合创新，发掘各项技术能够快速落地应用的场景，实现快速地技术转换和产品开发。
　　2.经营上，借助AI技术蓬勃发展带来的契机，积极拓展新的行业新的业务领域。
　　一方面，公司将在自身原有行业客户的基础之上，发挥自身行业积累与优势，进一步在行业内进行纵向扩展，开发新的行业客户以及推动现有客户的深度技术应用，赢得新的业务增长点；另一方面，公司也利用AI技术带来的重塑千行百业的机会，聚焦单个AI应用点，寻求新的行业突破，在进入新行业之后，进一步谋求业务横向扩展。在推广现有产品与解决方案的同时，同步布局面向中小企业的SaaS市场，力争产品与客户有所突破。
　　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2024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，内生式增长与外延式发展并重。
　　响应国家积极推动的企业并购重组政策，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）2025年度经营计划
　　我们对于信息技术行业的趋势判断是：2025年将是AI技术在企业逐步落地应用的一年，同时也是落实国家数字化转型战略、开展智能制造落地和“十四五”规划的最后一年，企业信息化应用将会以“重在谋划十五五，AI应用先行先试并重”为经营策略。由此，将导致整体来看所有行业的整体信息化投入将会采用“限量”的策略，但是同时会积极开展AI相关的应用快速落地。有鉴于此，我们将在2025年总体上采取以下的经营策略：
　　1.加大AI科技研发投入，打造行业领先的技术壁垒。
　　加大对于AI领域的技术研发投入，升级现有AIGC、CV、数字孪生、XR等产品，持续提升企业级应用的输出稳定性，拉开与同行企业的技术梯度。同时，加紧AIGA、大模型、多模态应用的产品研发，输出对于制造业、金融业不同场景适配的产品。
　　2.主动跟进客户与行业的“十五五”发展规划，确保在未来五年能够预知市场需求，提前谋划布局。
　　投入资源研究国家、行业以及客户的“十四五”成果与“十五五”规划，需求现状与规划之间的GAP，谋划依据现状实现规划的可能路径，提前进行技术与商务布局，争取在未来的五年期间能够做到提前预测和竞争准备。2025年，积极寻求AI在各行客户的落地应用，抢占准入先机。
　　在消费整体乏力，影响制造行业客户整体信息化投入的大背景之下，在制造业领域中，通过横向拓宽用户，以扩展客户数量来补足单一客户投入量减少的策略，积极在熟悉的行业内进行新客户的拓展，同时寻求新的行业机会，以AI应用为突破点，进入新的行业。金融领域内，保持公司在大数据应用领域优势的基础之上，积极拓展AI相关新业务领域，形成增量的输入；并利用国内技术领先的优势，积极拓展海外金融市场客户，通过技术输出赢得新的市场。
　　3.开放合作，寻求长期增长的机会
　　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。公司与其他企业的合作，除了开展业务与技术互补的常规合作之外，积极的开展财务与资本方面的合作，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，后增公司业绩，为广大股东创造更大的回报。
　　（四）公司面临的风险和应对措施
　　1.客户集中度较高的风险
　　报告期内，公司客户集中度较高的情况虽然有所改善，但较同行业相比仍然较高，未来主要客户的信息化需求及公司与主要客户的合作关系如果发生重大变化，将会对公司业绩带来重大影响。
　　由于公司工业软件产品及数据类产品及服务，主要是针对大型工业企业及具有海量数据应用需求的大型商业客户的需求进行设计开发的，公司产品与客户的业务和技术需求匹配度高，因此公司产品受众以大型客户为主，这符合公司的产品特点。同时规模较大的公司信息化投入也相对较高，这进一步造成公司客户集中度较高的业务特点。公司为规避客户集中度高带来的风险，近年来加大了对新客户的业务拓展。随着拓展活动的开展，公司的客户数量有了一定的增长，但是新增客户的业务量目前还无法与存量客户相比，因此对大客户的业务占比改善有限。有鉴于此，公司一方面积极地进行客户拓展，另一方面也开始布局中小企业的SaaS应用，推动公司大企业个性化产品与中小企业标准化产品并行模式的建立。随着公司持续践行该模式，客户集中度高的风险将逐步降低和消除。
　　2.公司规模较小的风险
　　虽然公司在某些细分应用领域具有一定的品牌知名度和竞争优势，但考虑到公司目前整体业务规模和人员规模仍相对较小，抗风险能力相比大型集团存在一定的劣势，面对愈发激烈的市场竞争环境，规模较小仍然是公司持续经营过程中面临的一项重大风险。
　　在做大规模方面，公司将以开放务实的态度，一方面加大与产学研以及同业企业的业务合作，积极拓展业务；另一方面，公司也将积极探索资本运作，通过企业间资本合作或并购重组的方式，实现公司规模的增长。
　　3.行业政策变化风险
　　公司业务发展受国家对软件行业支持性政策、行业发展趋势，以及客户所处行业信息化发展政策和规划的影响较大，例如烟草和金融行业的信息建设规划和监管政策变化对公司业务发展均有一定影响。受益于智能制造、数字化转型、国产化替代，以及行业信息化和智能化发展等因素的影响，公司业务发展较为顺利。如果未来相关行业对软件行业的支持政策或支持力度发生变化，或者由于客户自身经营与监管状态发生变化，带来对信息化投入的缩减，将会对公司未来的经营业绩造成一定程度的影响
　　公司将对政策保持关注，及时了解政策变化的动态，分析政策变化对企业的影响，快速制定相应的应对措施，积极拓展新客户、新行业。
　　4.业务拓展存在不确定的风险
　　公司积极推进新行业及海外市场业务拓展，并已取得初步成效。然而，新领域开拓需要投入大量资源，导致各项费用及成本上升。由于新业务拓展速度及市场增长潜力尚存不确定性，可能对公司未来经营业绩带来风险。
　　为此，公司采取双轨策略：一方面持续加大研发投入，将AI技术深度融合至现有产品与解决方案，巩固竞争优势；另一方面，把握AI技术重构行业信息化格局的机遇，凭借技术领先优势开拓新客户与新市场，以此提升业务拓展成功率，有效降低不确定性风险。
　　5.核心团队流失的风险
　　软件行业属于技术密集型和知识密集型行业，技术人员尤其是核心技术人员对公司的产品创新与持续发展至关重要。然而，信息化行业普遍面临人才短缺、人员流动频繁的问题，公司能否维持核心技术团队的稳定性，将成为经营过程中的潜在人才风险。
　　公司已建立较为完善的人才管理体系，并采取多项措施吸引和留住技术人才，包括实施核心人员股权激励、保持薪酬竞争力、优化福利待遇、提供培训机会、营造良好的工作氛围和企业文化等。在稳定现有核心技术团队的同时，公司也积极从外部市场招募和补充优秀人才，构建人才梯队培养机制，为未来发展储备和培养所需的技术及管理人才。 收起▲