云从科技集团股份有限公司 2026年第一季度报告（上接D143版）

　　（上接D143版）

　　公司基于自主研发的从容大模型，以校园、医院、机关单位、社区、街面、商圈、酒店、园区、景区等多个场景的治理需求为牵引，通过构建两大闭环，实现业务的全面智能化。首先，通过提供丰富的AIoT设备，全面感知场景中人、车、物、电等动态信息，并提供针对业务具体场景的人机交互设备，打造服务于人的场景应用小闭环。其次，通过汇聚场景全量数据，利用云从人机协同操作系统进行视图解析、数据分析，并结合业务专家的经验知识，生成面向治理决策的智慧治理行业大模型。最终，通过充分融合治理条线中各角色的需求，以综合应用体系为抓手打造包括分析、决策、执行、反馈、优化的行业化、场景化、个性化的解决方案闭环，全面助力社会治理智能化建设。

　　云从科技智慧治理综合解决方案概览

　　报告期内，智慧治理领域综合解决方案概况如下：

　　智慧城市是公司在智慧治理领域中重点开拓的方向，公司智慧城市解决方案以城市大脑为核心，将人、环境、资源与产业等多个要素综合融汇，以理念先进、资源集约、平台开放为纲领，基于统一的泛感知、汇数据、智平台的能力，深度融合云从从容行业大模型能力，构建智慧城市5.0的城市大脑数字底座，打造智慧城市数字化、智能化基础能力，为城市治理创新提供核心引擎，为智慧城市的各类场景业务应用提供强力支撑。

　　2.2.2智慧出行综合解决方案

　　公司结合自主研发的人机协同操作系统和智慧出行应用场景需求，连接AIoT智能交互终端，打通融合机场、航空公司、轨道交通等交通领域业务数据，通过交通行业大模型和智能化分析决策能力，打造“从门到门”的全流程、跨场景的智慧出行体系，致力于优化旅客出行智能化体验，提高交通场站运行效率和安全保障水平，并努力促进交通体系互通共享。

　　云从科技智慧出行综合解决方案概览

　　报告期内，智慧出行领域综合解决方案概况如下：

　　2.2.3智慧金融综合解决方案

　　公司把握数字经济蓬勃发展和智能科技创新应用的趋势，着眼于金融机构智慧化升级中用户体验、提高效能、场景融合三大变革突破点，针对不同发展阶段的金融机构提供端到端全套智慧金融解决方案，助力金融行业打造以客户为中心的无边界智慧金融生态，致力于成为金融机构转型进程中的战略合作伙伴。

　　公司结合自主研发的人机协同操作系统和智慧金融应用场景需求，为客户提供从提升单点业务效能、解决全业务闭环需求到建立开放生态实现全行业赋能等多种解决方案，覆盖了AI技术、行业产品、流程优化、业务咨询在内的多种客户诉求，从数字化客户互动、运营管理、风险管理、金融服务网络等多个维度对金融业务赋能，满足了不同发展阶段金融客户的智慧转型需要。

　　云从科技智慧金融综合解决方案概览

　　报告期内，云从科技智慧金融领域综合解决方案主要如下：

　　公司依托集成生物识别系统提供的多方位算法能力，同时拓展业务单据智能化审核、资产智能化配置、跨境人民币结算、智能风控等方向应用。

　　2.2.4智慧商业综合解决方案

　　公司结合自主研发的人机协同操作系统和智慧商业应用场景需求，以行业应用为导向，把握商业场景人－货－场关键基点，打造面向购物中心、商业连锁、汽车、餐饮、商超便利等综合智能解决方案，赋能商业客户建设感知、认知到决策的智能商业闭环，创造更高效的商业社会与更美好的消费体验。

　　云从科技智慧商业综合解决方案概览

　　报告期内，云从科技智慧商业领域综合解决方案主要如下：

　　2.2.5泛AI领域综合解决方案

　　在泛AI领域，公司基于人机协同操作系统（CWOS）及从容多模态大模型强大的底座能力，全面赋能千行百业的智慧化转型。自上市以来，公司在泛AI领域持续深耕，深度结合各垂直行业特性研发综合解决方案，为公司业务的长期高质量发展进行前瞻性布局。

　　2025年，公司在产品形态创新与产业生态落地方面取得了全面突破：在硬件与基础设施端，公司顺应软硬一体化趋势，推出了集高性能算力与先进AI技术于一体的大模型训推及智用一体机产品。该产品成功适配了当前多款主流的国产开源大模型与国产AI基础软硬件底座，大幅降低了各行业应用大模型的部署门槛与算力成本。在行业应用与智能体（AI Agent）落地端，公司将技术深度嵌入客户核心业务流程，携手多个领域的头部企业打造了产业智能化标杆。例如，在工程设计领域，公司联合头部工程技术企业构建了行业领先的数字化智能辅助与知识审核体系；在智能制造领域，公司为大型制造企业量身定制了覆盖生产、质控、运维等全业务环节的多智能体协同系统，打造了企业专属的“数字专家团”，推动工业大模型应用从单点辅助向系统化协同迈进。

　　未来，公司将持续发挥自身在多模态融合、人机协同等关键技术领域的深厚优势，依托沉淀多年的AI核心技术闭环与安全可控的算力体系，加速孵化并落地更多具备高商业价值的行业AI智能体，赋能更广泛的实体企业实现数智化转型与高质量发展。

　　2.2 主要经营模式

　　1.研发模式

　　公司技术研发主要由技术中台（感知研究院、数据研究院、AI平台中心和硬件产品中心）负责执行，前台业务线下属产品和解决方案部在产品设计开发方面提供行业经验和技术支持。技术中台重点推进算法引擎、大数据分析技术、人机协同操作系统和AIoT设备及模组研发。产品和解决方案部主要基于云从人机协同操作系统针对金融服务、城市治理、交通出行、商业零售等应用场景进行具体产品的定制化设计开发，打造契合客户具体场景需求的解决方案。

　　公司技术研发流程以集成产品开发管理模式（IPD）为主，整体贯彻人工智能与产业融合“五步走”阶段理念，包含立项、概念、计划、开发、验证、发布等阶段，各阶段间均设置决策评审点，开发验证过程中有若干技术评审点。

　　同时，公司的业务进展会反向推动研发效率的提高，各类解决方案经验会以模块的形式逐步沉淀至人机协同操作系统。其中，各行业的通用经验沉淀于通用版人机协同操作系统，行业专有经验作用于行业版人机协同操作系统升级。

　　2.生产模式

　　公司根据项目需求为客户提供人机协同操作系统和人工智能解决方案。

　　2.1人机协同操作系统服务模式

　　公司根据合同约定向客户交付基础操作系统、应用产品和核心组件或向客户提供相关技术服务。部分项目根据客户要求需进行定制化开发，公司按需定制开发人机协同操作系统及应用产品，同时根据客户需求的不同，会将部分非人机协同操作系统相关技术的配套系统功能委托给独立软件开发商等行业生态伙伴进行定制开发或向独立软件开发商采购配套软件产品。客户根据合同约定的付款进度与公司进行结算。公司从操作系统开放性的角度出发，自主研发了异构计算运行时库，支持自研算法在各种终端、边缘和云端的硬件服务器和设备上运行，未规划定制化硬件。因此，公司的算法和系统兼容CPU/GPU/NPU等多种类型的通用硬件架构，主要有ARM、Intel、AMD、华为鲲鹏、飞腾、海光、龙芯等商用CPU硬件平台，英伟达、ARM、高通、AMD等商用GPU硬件平台，以及华为昇腾NPU、寒武纪思元NPU、海光DCU等商用AI加速硬件平台。

　　2.2人工智能解决方案服务模式

　　公司的人工智能解决方案业务主要为客户提供针对具体应用场景定制的行业解决方案，解决方案包括自主研发的人机协同操作系统和智能AIoT设备以及第三方软硬件产品，并提供相关技术服务。

　　公司的人工智能解决方案业务包含方案设计和规模销售两个阶段：

　　方案设计阶段，公司通过行业研究梳理行业价值链、主要业务难题、信息化成熟度、数字化进展以及智能化困境，并结合AI技术难度与应用成熟度聚焦行业客户智能化转型的重点需求，将自主研发的人机协同操作系统及应用软件、智能AIoT设备和服务器等第三方软硬件进行系统性的适配与产品/系统测试，包括GPU算法加速、CPU指令集优化、稳定性测试、集群优化测试和解决方案配比等多方面测试，形成行业解决方案的初步框架，并经与行业客户沟通和实验性交付部署，验证并优化解决方案，进而通过多个典型项目打磨，逐步形成行业标准化解决方案。

　　规模销售阶段，公司基于已积累的行业经验，以行业标准化解决方案为核心，针对不同行业客户需求进行软硬件功能的定制化开发，并提供与客户现有系统对接开发等技术服务，形成适配客户的解决方案。公司配置项目交付团队，根据解决方案实施路径进行设计及组织部署，以人机协同操作系统为核心，结合智能AIoT设备和第三方软硬件产品，完成与客户业务系统或相关IT系统对接，提高与核心的人机协同系统的配置性及交付效率，综合实现设备、应用、业务系统和场景进行有机结合。

　　3.销售模式

　　公司产品和服务的销售采用直接销售与经销相结合的模式：

　　3.1直销模式

　　对政府、公安、银行、机场以及其他大型企业等政企客户以及直接面对中大型终端客户的厂商或集成商，公司一般采用直销的方式，通过招标或竞争性谈判等方式取得相关项目，与客户直接签订合同，安排专门的销售及技术团队为其服务。主要原因是政企类客户一般要求提供人工智能解决方案规划和后续平台系统运维在内的整体定制化开发，集成商客户一般需要公司配合具体项目集成需求和终端用户的要求提供相关产品并完成交付，采用直销模式能更好满足客户需求，确保与客户持续、稳定的合作。

　　3.2经销模式

　　报告期内，公司存在极少量客户采用经销模式。经销模式下，公司的直接客户为经销商，由经销商向终端客户或集成商进行销售。公司与经销商客户之间均为买断式销售，经销商客户在采购公司产品后，除因产品自身质量问题，并经公司确认后可以要求退换货外，其他情况原则上不可退换货。

　　4.盈利模式

　　公司基于自主研发的人工智能技术，为政府、公安、银行、机场以及其他大型企业等政企客户和直接面对中大型终端客户的厂商或集成商提供人机协同操作系统和应用软件以及人工智能解决方案，从而获得销售收入。

　　人机协同操作系统业务中，公司主要向客户销售软件产品，涵盖了基础操作系统、核心组件和应用软件，按照客户购买数量或接入路数收费。同时，公司也存在少量依托人机协同操作系统提供技术服务的收入，其中公有云服务按调用量收费，风控服务按系统为客户带来的相关收益进行利润分成，智能化运维服务按照提供运维的标的数量（如服务器台数）和服务周期收费。

　　人工智能解决方案业务中，公司将操作系统、应用软件、智能AIoT设备和第三方软硬件产品等进行结合，根据客户需求提供技术开发服务，实现解决方案整体部署交付并提供维保服务。解决方案按照所配置的操作系统、应用软件、智能AIoT设备和第三方软硬件产品数量以及技术服务内容和周期收费。

　　5.采购模式

　　公司采购内容主要分为非生产性物资和生产性物资。

　　5.1非生产性物资

　　非生产性物资主要为公司日常经营和研发过程中所需的服务器、办公电脑等相关硬件设备和部分外包服务以及办公用品，主要用于公司日常经营和技术研发，由行政中心根据公司各部门汇总需求进行采购。

　　5.2生产性物资

　　生产性物资主要为各类软硬件设备，主要用于解决方案项目交付。主要包括两类：一类为向合作供应商采购智能摄像头、刷脸PAD、AI智能鼠标等公司自主研发的AIoT产品；另一类为解决方案业务项目交付中所需的服务器等第三方软硬件产品，以及与第三方合作开发的软硬件产品。

　　对于第一类物料的采购，为保证公司自身产品运行和产品销售的正常履约，通常由前台业务线与供应链中心汇总项目及产品需求、合同订单和产品出货情况，综合考虑公司库存等因素，制定采购计划并实施采购。供应商与公司合作进行产品开发设计、样机测试，供应商生产完成后由质量管理中心校验产品质量，最终由供应商将产成品交付至公司指定仓库或项目现场。

　　对于第二类物料的采购，公司主要由供应链中心通过招标和商务洽谈等市场化方式进行采购，根据解决方案业务客户需求和项目规划情况进行采购。

　　公司建立了《云从科技采购管理制度》《云从科技集成业务型项目采购管理制度》等相关制度规范采购行为。

　　2.3 所处行业情况

　　(1).  行业的发展阶段、基本特点、主要技术门槛

　　根据中国证监会上市公司行业分类结果，公司属于“信息传输、软件和信息技术服务业”中的“软件和信息技术服务业”。同时根据国家统计局《战略性新兴产业分类（2018）》，公司所属行业为“新一代信息技术产业－人工智能-人工智能软件开发（1.5.1）/人工智能系统服务（1.5.3）”。

　　1.1公司所处行业的发展阶段

　　1.1.1行业政策情况

　　当前，人工智能行业正处于国家战略高度重视与政策密集催化的历史性机遇期。从宏观顶层设计来看，国家正全方位推动人工智能技术与实体经济的深度融合，政策导向已从早期的单纯鼓励技术研发，全面转向构建产业生态与推动规模化商业应用。根据《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》中的明确部署，我国将全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、民生保障等相结合，抢占人工智能产业应用制高点。在具体的落地目标上，根据国务院印发的《关于深入实施“人工智能+”行动的意见》，我国设定了明确且可量化的时间表：到2027年，新一代智能终端、智能体等应用普及率超70%；到2030年，该普及率将超过90%，智能经济将成为我国经济发展的重要增长极；最终到2035年，我国将全面步入智能经济和智能社会发展新阶段。这一系列顶层规划为人工智能行业的长期演进提供了清晰的指引。

　　在产业标准化和具体应用落地方面，国家部委及各级地方政府的配套政策正在加速出台并形成政策合力。国家网信办、国家发改委、工信部等多部门此前联合印发了《国家人工智能产业综合标准化体系建设指南（2024版）》，致力于加快形成引领人工智能产业高质量发展的标准体系，促进产业全球化发展。同时，全国工业和信息化工作会议明确提出推进“人工智能+制造”专项行动，培育一批重点行业智能体和智能原生企业。在地方层面，各级政府积极抢抓发展机遇。北京、上海、广东等地聚焦打造人工智能产业生态集聚区，引导各类资源向产业创新集聚，出台技术人才优惠政策，优化产业发展环境；河北、山西、贵州等地重点推进算力基础设施建设，聚焦算力节点布局、智算中心搭建及用算成本降低，夯实产业发展根基；天津、辽宁、山东等地着力攻关工业AI核心技术，重点突破芯片/操作系统国产化、大模型研发、机器人控制等关键领域；河南、浙江等地则侧重AIGC技术场景赋能，推动AI全面覆盖、制造业智能化改造及中小企业数字化赋能。此外，监管层面坚持“发展与安全并重”的包容审慎基调，国家网信办等部门出台的《生成式人工智能服务管理暂行办法》等文件，规范了数据合规、算法备案等全流程，在保障数据与网络安全的前提下，为人工智能技术的普惠化和商业化应用奠定了坚实的法治基础。政策、技术与商业之间正形成良性的联动反馈闭环，驱动行业实现螺旋式跃升。

　　1.1.2行业发展情况

　　人工智能行业目前已跨越技术验证和单点试用的萌芽期，正大步迈入规模化应用与商业价值兑现的新阶段。行业整体规模呈现出爆发式增长态势，根据官方机构及相关政府部门公布的数据，2025年我国人工智能核心产业规模已超过1.2万亿元，企业数量突破6,200家，中国开源大模型下载量位居全球第一，规上制造业企业人工智能技术应用普及率更是超过了30%。从全球视野来看，市场需求同样呈现指数级扩张，依据全球知名研究机构Counterpoint Research的最新报告预测，全球生成式AI的消费支出将从2023年的2,250亿美元大幅增长至2030年的6,990亿美元，复合年增长率（CAGR）高达21%。同时，根据国家发展改革委的预期目标，到“十五五”期末，人工智能相关产业规模预计将增长到十万亿元以上，彰显了极其广阔的市场空间。

　　在技术演进层面，大模型行业已从单纯的“参数规模竞赛”全面转向“干活能力”的竞争，多模态融合与智能体（Agent）技术成为核心驱动力。底层技术正从依赖规则驱动、数据驱动，向具备强大逻辑推理与自主工具调用能力的通用智能体进化。特别是AI Agent正取代传统的对话式Chatbot，成为新一代人机交互界面与主流应用形态。Agent能够实现从“理解用户意图”到“感知-规划-行动”闭环执行的跨越，深入到企业的工作流中。全球科技巨头正在加码布局，国内各大互联网与科技厂商也纷纷推出企业级Agent平台与产品。根据IDC（国际数据公司）的预测数据，全球活跃Agent的数量将从2025年的约2,860万，快速攀升至2030年的22.16亿，五年复合增长率达139%，标志着“智能体时代”的全面到来。

　　在商业化落地方面，AI应用正从概念验证全面迈向真实价值创造，B端与C端市场共振。在企业级市场，得益于明确的投资回报率考量，AI技术率先在金融、医疗、工业制造、软件编程等具备高度结构化数据和明确业务痛点的领域实现规模化渗透。例如，具备深厚行业Know-How的企业将AI融入ERP、CRM等核心系统，打造行业专属的垂直模型与智能体，大幅提升了生产协同效率。在消费级市场，各大厂商正通过将大模型接入搜索引擎、办公软件、电商、医疗健康等生态，打造超级入口，成功验证了用户在严肃场景下强烈的AI交互需求。随着应用渗透率和任务复杂度的提升，Token消耗量迎来了指数级跃升，进一步催生了庞大且刚性的算力基础设施需求，推动了“算力-模型-应用”全产业链的高景气繁荣。

　　1.2公司所处行业的基本特点

　　人工智能及大模型应用行业具备典型的高技术壁垒、深产业融合、算力密集以及注重商业化闭环等基本特征。

　　第一，行业具有极高的技术与数据双重壁垒。随着通用大模型基础能力的逐渐普惠化，行业竞争的核心壁垒已显著下沉至“行业Know-How”与“专有数据资产”。通用模型难以低成本且高精准地覆盖特定行业（如医疗、金融、工业制造等）的长尾知识与隐性经验要求。因此，能够将垂直领域的复杂业务逻辑转化为专用AI模型或Agent的企业，将具备极强的不可替代性。企业级客户往往要求AI系统与内部现有的复杂工作流（如权限管理、财务流、审批流）深度集成，这种强耦合特性不仅考验AI企业的工程化落地能力，也为先发企业构筑了极高的客户转换成本与生态护城河。

　　第二，行业表现为算力高度密集与技术快速迭代。人工智能是典型的资金与技术双密集型产业。大模型的预训练、微调以及日常的推理服务均需要海量的智能算力支撑。尽管随着算法优化（如混合专家架构MoE、稀疏激活等）使得单位推理成本有所降低，但由于AI Agent需要自主执行多步骤、长上下文的复杂任务，单次任务及全局的Token消耗量呈现出爆发式增长，导致整体算力成本消耗依然巨大。为了维持核心技术优势，行业内企业必须在底层算法创新、多模态技术研发以及算力基础设施上保持持续且高额的资本开支。技术的非线性进化要求企业具备极强的前瞻性技术判断力与人才储备，任何在技术路线上的滞后都可能导致市场份额的快速流失。

　　第三，商业化效率与价值创造成为行业现阶段的核心考核指标。有别于发展初期市场对技术概念的狂热，当前的人工智能行业已进入商业化深耕期，客户与资本市场的关注点已回归现实。在企业级市场，客户不再单纯为前沿概念买单，而是高度关注AI应用能否带来可量化的业务价值，如明确的成本节约、收入增长或流程效率提升。这种从“技术叙事”向“盈利拐点、收入质量及毛利率改善”的转变，要求AI企业必须从提供通用API接口，转向提供能够切实解决具体场景痛点的端到端解决方案。能够有效跨越数据孤岛、突破业务边界并跑通商业闭环的企业，才能在激烈的市场竞争中获取稀缺性溢价。

　　第四，行业发展受到严格的数据安全与合规治理约束。在AI全面赋能千行百业的进程中，网络安全、数据隐私保护及伦理合规成为悬在行业上方的关键约束条件。尤其在政务、医疗、金融等高敏感度行业，数据出境和调用第三方云服务面临严格的监管限制。这使得企业客户对私有化部署、行业专有云以及本地化算力的需求日益增长。同时，人工智能系统在实际应用中可能存在的算法幻觉与偏见，也要求企业必须建立完善的AI治理与风险防范框架。平衡技术创新与合规监管、降低本地化部署的高昂成本，是当前人工智能企业在拓展中大型政企客户时必须攻克的核心挑战。

　　1.3公司所处行业的技术门槛

　　人工智能行业在人工智能平台、人工智能行业解决方案均具有较高的技术门槛。

　　1.3.1人工智能平台

　　人工智能平台是指为研发或应用人工智能技术而构建的一套软硬件环境，通常涉及算力、算法、数据、知识等一个或多个要素。人工智能平台是人工智能产业规模化及全面实施“人工智能+”行动的关键领域之一。随着新一代大语言模型及多模态大模型的快速演进，产业的核心主题已从追求单一的规模扩张转向构建混合专家（MoE）架构、全模态化演进以及复杂推理能力的跃升。因此，支持超大规模异构算力集群（如CPU/GPU/NPU融合）的高效训练与推理调度平台（AI Infra），已成为构建AI平台竞争门槛的关键因素。算力算法平台通常以开源软件为基础进行研发，包含算力资源调度引擎、算法仓库和配套的数据平台，可以实现AI算法从处理数据原料到部署算法服务的全生命周期管理。知识中台致力于将AI技术从感知、认知深度拓展到复杂决策环节，形成客户业务价值的闭环。

　　1.3.2行业解决方案

　　在智慧治理、智慧出行、智慧金融、智慧商业、泛AI等领域，行业客户对智能化升级的解决方案提供商提出了更高的要求，期望解决方案提供商不仅具备强大的AI技术能力，而且对行业应用场景有深刻的理解，能够提供具有前瞻性和高性价比的综合解决方案。总体而言，人工智能解决方案在海量数据智能解析及数据治理、知识计算及智能服务、嵌入业务运营的数字化身份认证等方面展现出了技术门槛。

　　数据智能解析及数据治理的主要技术涵盖了人脸识别、全量视频结构化、自然语言理解、OCR等，技术的核心在于实现全链路（数据汇集/清洗/转换/标签计算）的高效处理、混合存储、检索查询。相关技术的识别效率以及在具体场景中的实战效果，已成为主流AI厂商技术实力竞争的关键。目前，行业客户的需求已经从最初的“数据可被解析”逐步演变为“数据准确解析+数据可治理”，这对解决方案供应商提出了更高的要求。

　　知识计算及智能服务的核心在于将海量的结构化数据通过实体抽象以及概念提取转化为知识。需要运用AI技术将感知、视图、业务数据进行深度融合，并基于海量数据训练和机器学习方法，为客户提供面向行业的知识推理和知识建模能力，有效挖掘数据价值，提供决策支持和智能服务。知识计算容量和推理建模的智能化程度是技术竞争的核心。

　　数字化身份认证需要满足客户在业务运营流程中嵌入人脸比对、活体检测、OCR识别、语音识别等多元数字化身份认证手段的需求。由于涉及不同行业客户的关键业务流程，对于算法识别的精准度、软件开发性能及处理效率、对多渠道多设备的兼容性及安全性、对于客户内部系统架构的熟悉程度等方面都有较高的要求。

　　(2).  公司所处的行业地位分析及其变化情况

　　自成立以来，公司一直专注于人工智能技术的深入研究及其广泛应用。随着技术的持续发展和市场的不断扩张，公司在行业内的地位与影响力实现了稳步提升。

　　2.1技术创新

　　在人工智能核心技术研发领域，公司持续筑牢底层技术根基。自主研发的人机协同操作系统（CWOS）作为面向通用人工智能（AGI）的增长操作系统，全面支撑各产业的智能化升级。该系统融合了业务数据、硬件设备及软件应用，为客户提供全方位的信息化、数字化及智能化服务。

　　报告期内，公司围绕多模态融合与人机协同深化技术迭代，其新一代“从容多模态大模型”在多模态对齐、高阶推理及长上下文建模等领域实现核心技术突破，首创融合DPO（直接偏好优化）与GRPO（生成式奖励优化）的双重对齐技术，无需依赖奖励模型即可实现类人化推理决策。凭借卓越的创新实力，公司在2025年荣获了财联社“年度最具影响力企业新势力人工智能企业”以及非凡产研“2025 CHINA AI 100”等多项重磅荣誉，技术创新实力再获业界高度认可。

　　2.2技术突破

　　公司在传统视觉领域始终占据领先地位，并在大型模型研究方面取得了显著成就。研发团队持续致力于新技术的探索与开发，不仅在国际权威数据集上刷新了纪录，而且在实际应用中也彰显了卓越的竞争实力。这些成就为公司在人工智能领域的领先地位提供了坚实的基础。报告期内，公司自主研发的从容大模型（CongRong-v2.0）在第三方权威开放评测平台OpenCompass发布的全球多模态综合评估榜单中，以80.7分的优异综合成绩跃居全球第一位。

　　2.3技术应用

　　在拓展行业解决方案方面，公司进一步巩固了其在人工智能领域的地位。基于CWOS，公司为智慧治理、智慧出行、智慧金融、智慧商业以及泛AI等多个领域提供了定制化的AI解决方案。这些解决方案的成功实施，不仅显著提升了客户的业务效率，也为公司积累了宝贵的行业经验和良好的市场声誉。

　　报告期内，公司深化与华为等龙头企业的战略合作，推出集高性能算力与模型能力于一体的“从容大模型智用一体机”；同时在武汉国家网安基地成功打造了全国首个基于可信数据空间的“可控训练场”，为千行百业筑牢算力与安全根基。应用层面，公司通用AI智能体平台等多项技术深入赋能智慧金融、智慧治理、智慧物流等垂直领域，成功助力天津港部署全球首个港口大模型PortGPT，大幅提升货物调度效率。凭借在规模化落地及商业价值创造上的杰出表现，公司连续两年蝉联“胡润中国人工智能企业50强”，并斩获“全国人工智能高价值应用场景示范企业TOP50”及“AIoT视觉技术创新突破奖”等多项产业大奖。

　　(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

　　报告期内，全球新一轮科技革命和产业变革深入演进，人工智能作为新质生产力的核心引擎，正加速重构千行百业。2025年，我国正式迈入“人工智能+”规模化应用新阶段。

　　在新技术与新产业发展方面，大模型技术路径在2025年进一步收敛并走向深化，产业核心从单纯的参数规模扩张转向了多模态融合、深度推理算法以及智能体能力的全面提升。以混合专家（MoE）为代表的高效架构成为行业主流，国内开源大模型性能实现跨越式突破，部分头部模型在调用量上甚至首次超越了海外主流模型，国产大模型在全球开源生态中的影响力显著增强。伴随模型能力的跃升与长文本、复杂任务需求的增加，底层Token消耗呈现出指数级增长，进而引发了全球范围内智算基础设施建设的高潮。国内主要互联网与科技巨头在2025年的资本开支大幅增加，据IDC预测，到2028年，中国智能算力规模将达到2,781.9 EFLOPS，2023-2028年期间的年复合增长率预计高达46.2%。庞大的算力需求叠加地缘政治背景，为国产算力芯片的突围提供了历史性机遇，国产算力在单卡性能、超节点架构、生态兼容与产能上全面加速替代，构筑了坚实的底层技术支撑平台。

　　在新业态与新模式方面，2025年被业界视为智能体（Agent）全面爆发与商业化落地的元年。人工智能应用正在从被动响应的对话工具，向具备感知、规划与行动闭环能力的“数字员工”演进。在B端市场，企业级AI应用加速落地，基于多智能体协作的垂直行业解决方案层出不穷，商业模式也从传统的软件订阅拓展至按调用量付费甚至按业务结果付费等多种创新形态。在C端市场，AI大模型正深度内化于手机、PC、智能眼镜等新一代智能终端，成为连接数字世界与物理世界的全新流量入口。

　　展望未来发展趋势，人工智能产业将沿着算力基础设施化、模型平台化、应用泛在化与智能体化的方向持续演进。未来三到五年，在“十五五”规划及自主可控战略的指引下，“人工智能+”将从单点技术验证走向全域系统性赋能，全面融入制造、金融、政务、交通等实体经济的各个环节。一方面，以端云协同为特征的智能大生态将逐步成型，推动传统图形用户界面（GUI）向自然语言与意图驱动的交互范式升级；另一方面，国产算力体系、高质量数据集建设以及AI安全治理标准将进一步完善，为行业的数字化与智能化转型提供安全、可靠、高效的底座保障。

　　3、 公司主要会计数据和财务指标

　　3.1 近3年的主要会计数据和财务指标

　　单位：元  币种：人民币

　　3.2 报告期分季度的主要会计数据

　　单位：元  币种：人民币

　　季度数据与已披露定期报告数据差异说明

　　□适用      √不适用

　　4、 股东情况

　　4.1 普通股股东总数、表决权恢复的优先股股东总数和持有特别表决权股份的股东总数及前 10 名股东情况

　　单位: 股

　　存托凭证持有人情况

　　□适用    √不适用

　　截至报告期末表决权数量前十名股东情况表

　　√适用    □不适用

　　单位:股

　　4.2 公司与控股股东之间的产权及控制关系的方框图

　　√适用      □不适用

　　4.3 公司与实际控制人之间的产权及控制关系的方框图

　　√适用      □不适用

　　4.4 报告期末公司优先股股东总数及前10 名股东情况

　　□适用    √不适用

　　5、 公司债券情况

　　□适用    √不适用

　　第三节 重要事项

　　1、 公司应当根据重要性原则，披露报告期内公司经营情况的重大变化，以及报告期内发生的对公司经营情况有重大影响和预计未来会有重大影响的事项。

　　报告期内，公司实现营业收入50,059.85万元，同比增长25.88%；归属于上市公司股东的净利润为-55,560.98万元，亏损同比收窄20.14%；扣除非经常性损益后归属于母公司股东的净利润亏损为-65,438.20万元，同比收窄9.41%；经营活动产生的现金流量净额为负，现金净流出减少73.73%。

　　2、 公司年度报告披露后存在退市风险警示或终止上市情形的，应当披露导致退市风险警示或终止上市情形的原因。

　　□适用      √不适用