行业共识与战略方向 - 2025年末，业界普遍认为人工智能技术已迈过关键“临界点”，生成式AI和大语言模型加速落地，尤其是在生命科学领域引发了产业范式变革 [2] - 华大智造在2025年初完成了GLI（自发光测序仪研发和实验室智能自动化）业务的战略重构，旨在突破“数据-算法”的互哺瓶颈，加快“AI+生命科学”的落地 [2] AI赋能的具体效率提升 - 在测序循环效率方面，通过AI技术优化后，单次循环时间从2-2.5分钟缩短至75秒，循环时间缩短约40%-50% [3] - 在靶向引物设计上，借助AI可以将单次研发循环从2-3周缩短至41-5天，成本下降60%-70%，效率提升2-3倍 [3] - 在研发周期方面，传统模式需耗时半年，而AI辅助流程可将“每轮迭代”压缩到周级，显著缩短整体周期 [3] 技术路径与核心差异 - 基因组序列与自然语言在数据结构上具有“序列”这一核心共性，但生命系统具有高度复杂性与动态性，自然语言上下文的压缩方法不能直接等价迁移到生命序列 [1][4] - DNA序列源于进化过程中的选择性突变，并非线性生成结果，仅依靠Transformer模型或注意力机制难以完全解码生命系统的复杂规律 [4] - 未来探究生命序列的核心路径包括：在模型构建中融入物理化学等第一性原理；构建多智能体协作系统；坚持“干湿闭环”原则，借助自动化技术提升实验可重复性与效率 [4][5] 产品创新与市场定位 - 公司开发了全球领先的自发光半导体闪速测序仪，采用手机摄像头图像传感器替代传统激光器系统，实现了成像与反应模块的小型化，显著提升便携性与成本优势 [5][7] - 该产品定位为入门级工具，初始成本较低，能够广泛适配小型实验室、基层医院、疾控中心、海关及教育等场景，而传统测序仪单价高达数百万至数千万元 [7][8] - 该产品通过人工智能技术实现了全链条赋能，涵盖生化原理优化、信号处理、调度仿真及实验设计等关键环节 [8] 临床与科研场景的差异化应用 - 未来基因测序在临床与科研场景的应用将形成明确分野：科研场景的智能体追求“覆盖面与探索效率”；临床场景的核心要求是“稳定、合规、可追溯与一次成功” [8] - 临床场景要求“一次成功”，核心应用方向为全流程质量控制与智能报告输出，需要智能驱动的全流程质控、可追溯体系以及针对多样本工况的适配性优化 [9] 未来技术演变趋势 - 未来五年，测序仪将朝着“样本进，洞察出”的方向发展：临床场景实现“样本进，诊断出”，科研场景实现“样本进，成果出” [6][9] - 实现该目标需依托自动化工作流与任务编排技术，AI将全面赋能全流程质量控制与溯源，并在实验前进行虚拟仿真验证，形成“测序前先仿真”的技术范式 [6][9] - 公司的智能实验室自动化业务线（GLI）未来将实现模块化、柔性化定制，通过标准化实验模块的快速拼接来适配多样化的复杂生物工作流 [10] AI技术融合与核心竞争力 - AI技术已全面渗透于产品研发、核心模块设计、用户服务及未来规划等全流程，例如利用AI算法实现单循环四通道信号同步解码，结合边缘计算提升处理效率 [11] - 公司的核心原则是“AI技术落地导向”，避免为“技术而技术”，只有将AI深度融入产品与业务流程，才能体现其商业价值 [12] - 未来AI领域的核心竞争力将是企业的AI原生能力，当全行业都能以AI思维开展工作，将形成最核心的共性竞争优势 [6] 面临的挑战与解决思路 - AI应用的核心挑战之一是“人机协作范式转型”，需要将AI从工具转变为“可托付任务的伙伴”，但这将面临组织架构、协作模式甚至旧有生产关系的调整阻力 [6][13] - 技术层面的挑战包括生成式模型输出的概率性带来的“幻觉”风险，在临床与严肃科研中必须通过可追溯流程、证据链等将风险压到可控范围 [13] - 此外，AI应用还需防范生物安全等伦理风险，例如在DNA序列合成场景需防止造成不可逆的生物安全影响 [14] 跨学科融合与人才需求 - 行业已正式进入工程生物学时代，是推动计算技术、自动化技术与生命科学深度融合的关键时期 [16] - 融合过程面临显著挑战，生命科学研究者缺乏计算思维驱动研究的培养，而计算机领域研究者则难以充分理解生命系统的复杂性和实验验证的核心价值 [16] - 大模型的知识覆盖为打破学科壁垒提供了条件，未来需推动生命科学研究者主动运用计算工具，同时助力计算机研究者借助大模型快速掌握生命科学专业知识 [17]

AI技术发展进入新阶段 - 2025年末，英伟达CEO黄仁勋表示人工智能技术已迈过关键“临界点”，这反映了业界对AI发展进入新阶段的普遍共识 [2] - 2025年，生成式AI和大语言模型加速落地，人工智能技术在生命科学等领域实现突破性进展 [2] 公司战略与业务布局 - 华大智造在2025年初完成了GLI（自发光测序仪研发和实验室智能自动化）业务的战略重构，旨在帮助传统实验室自动化用户突破“数据-算法”的互哺瓶颈，加快发挥“AI+生命科学”的潜能 [2] - 公司推动AI驱动的实验室自动化系统等创新产品落地，并开发出AI全栈接入的自发光半导体闪速测序仪 [2] - 公司智能实验室自动化业务线（GLI）是AI for Science领域的核心基础设施，目标是替代传统手工实验流程，未来将实现模块化、柔性化定制，通过标准化实验模块的快速拼接来适配多样化的复杂生物工作流 [11] AI赋能生命科学装备的效能提升 - 在测序循环效率方面，AI赋能前单次循环需2-2.5分钟，通过AI技术优化后，单次循环时间可缩短至75秒，循环时间缩短约40%–50% [3] - 在靶向引物设计上，借助AI可以将单次研发循环从2-3周缩短至4-5天，成本下降60%-70%，效率提升2-3倍 [3] - 在研发周期方面，传统模式下需耗时半年完成原材料设计和验证，而在AI辅助蛋白设计+自动化表征的流程下，可把“每轮迭代”压缩到周级，并显著缩短整体周期 [3] 核心技术产品：自发光半导体闪速测序仪 - 该测序仪采用手机摄像头图像传感器替代传统激光器系统，实现了成像与反应模块的小型化，显著提升了便携性并降低了初始成本 [6][8] - 产品定位为入门级工具，具备小型化、高灵活性、低成本的特点，能够广泛适配小型实验室、基层医院、疾控中心、海关、区县级医院、诊所及高校教育等场景 [6][8] - 尽管产品体量较小，但通过人工智能技术实现了全链条赋能，涵盖生化原理优化、信号处理、调度仿真及实验设计等关键环节 [9] - 在信号处理环节，公司开发的AI算法可实现单循环四通道信号同步解码，结合边缘计算技术提升处理效率 [13] 行业技术趋势与未来展望 - 行业普遍认为基因组序列与自然语言在数据结构上具有相似性，均以“序列”为基础形态，这催生了将Transformer模型用于DNA序列编码的早期探索 [3][4] - 然而，生命序列具有高度复杂性与动态性，受物理化学约束与进化选择塑形，与自然语言存在核心差异，不能简单迁移自然语言大模型的方法 [5] - 未来测序仪将朝着“样本进，洞察出”的方向发展：临床场景实现“样本进，诊断出”，科研场景实现“样本进，成果出” [6][10] - 实现该目标需依托自动化工作流、任务编排技术及AI全流程赋能，并构建围绕测序过程的数字孪生系统，实现“测序前先仿真”的技术范式 [10] - 测序技术的终极目标是实现“血常规级”的便捷性，但由于信息复杂度极高，必须依托AI技术才能达成 [10] 临床与科研场景的AI应用差异 - 临床场景对智能体的核心要求是“稳定、合规、可追溯与一次成功”，需适配多样化的复杂工况，核心应用方向为全流程质量控制与智能报告输出 [9][10] - 科研场景下的智能体需追求“覆盖面与探索效率”，通常允许更高比例的人工介入与多轮迭代，容错空间更大 [9][10] - 临床场景要求流程一次通过、质控自动化、证据链闭环，因为若样本检测出现问题，无法随意召回患者重新采样 [10] AI应用的核心挑战与解决路径 - 首要挑战是“人机协作范式转型”，不能仅将AI视为工具，而需将其变为完成任务的伙伴，这涉及组织架构、分工流程及生产关系的调整 [6][14] - 技术层面的挑战包括生成式模型输出的概率性及“幻觉”风险，在临床与严肃科研中必须通过可追溯流程、证据链和评估监控将风险压至可控范围 [14] - 解决方案包括在模型构建中融入第一性原理（物理化学等底层规律）、构建智能体（Agent）或多智能体协作系统，以及坚持“干湿闭环”原则借助自动化技术确保实验可重复性 [5] - 此外，AI的安全伦理问题也是重大挑战，例如在DNA序列合成等场景需防范生物安全风险 [6][15] 跨学科融合与人才竞争力 - 行业已正式进入工程生物学时代，是推动计算技术、自动化技术与生命科学深度融合的关键时期 [18] - 融合面临显著挑战：人工智能/计算机领域与生命科学领域的研究者在问题拆解方式、数据与实验闭环方法、工具链与工程习惯上差异明显 [18] - 生命科学研究者的传统训练缺乏计算思维驱动，而计算机领域研究者则难以充分理解生命系统的复杂性和实验验证的核心价值 [18][19] - 当前大模型的知识覆盖能力有助于打破学科壁垒，为计算机领域研究者理解生命科学提供了支撑 [19] - 未来的发展方向是推动生命科学研究者主动运用计算工具与计算思维，同时助力计算机领域研究者借助大模型快速掌握生命科学专业知识，实现深度协作 [19] AI原生能力与产业竞争 - AI技术已全面渗透于产品研发、核心模块设计、用户服务及未来规划等全流程 [13] - 公司坚持“AI技术落地导向”，避免为“技术而技术”，只有将AI深度融入产品与业务流程，才能体现其商业价值 [6][13] - 未来AI领域的核心竞争力将是企业的AI原生能力，当全行业都能以AI思维开展工作，将形成最核心的共性竞争优势 [6]

文章核心观点 - 市场传闻华为可能为其明星业务数字能源寻找买家 该业务在2024年贡献了686.78亿元收入 同比增长24.4% 是集团第三大营收来源 若交易成行 可能成为新能源行业史上最昂贵的交易标的之一 [1] - 此次潜在出售的背景是光伏逆变器市场进入调整下行周期 而储能行业处于从“规模扩张”向“价值提升”转型的关键节点 华为可能是在行业估值高点和自身战略转型期之间做出的一次精密计算 [1] - 对于华为而言 潜在分拆是一次长期主义决策和资源的主动重新配置 目标是在估值高位变现 获得巨额战略资金 以投向AI芯片、数字孪生、5G和鸿蒙生态等更核心的战场 [6][8] 华为数字能源业务概况 - 华为数字能源业务在2024年实现营收686.78亿元 同比增长24.4% 规模已超越许多独立能源上市公司 [1][2] - 业务涵盖智能光伏、储能、数据中心能源、智能充电网络等多个板块 其中光伏逆变器自2015年登顶全球第一后长期保持领先地位 [2] 市场环境与出售时机 - 全球光伏逆变器市场正经历周期性调整 2024年全球出货量达到589GW的高点后进入调整期 预计2025年将下降至577GWac 2026年进一步下滑至523GWac [2] - 储能行业也在经历转型 2025年全球储能装机首次突破100GW 但市场驱动因素正从单纯的政策激励转向更复杂的市场机制和收益模式 [2] - 市场高点与未来不确定性的交汇 为华为创造了可能的出售窗口 [3] 业务估值与潜在交易结构 - 华为数字能源整体估值可能高达4000亿元 [4] - 交易方案可能采取“分而售之”的策略 据传宁德时代有意收购其逆变器业务 而其他业务可能由各地国资接手 [5] - 各业务板块具体情况如下： - **智能光伏（含逆变器）**：2024年全球出货量约176吉瓦 与阳光电源合计占全球市场55%份额 估值逻辑为成熟变现能力强且技术壁垒高 可能吸引光伏组件巨头或传统电气集团 [5] - **储能系统**：2025年前三季度进入全球出货量前五 构网型技术领先 估值逻辑为通往未来电网的钥匙 可能吸引动力电池企业或传统发电集团 [5] - **智能充电网络**：国内充电设施已达200.2万个 2027年底目标2800万个 估值逻辑为连接用户、车辆与电网的枢纽 可能吸引车企或向综合能源转型的石油巨头 [5] - **数据中心能源**与**站点能源**：未单独披露 前者与云计算战略耦合度高 华为可能选择保留核心技术 后者与通信基础设施强相关 华为可能选择保留或出售 [5] 华为的战略意图与交易影响 - 从2020年出售荣耀到如今考虑分拆数字能源 华为的战略逻辑一脉相承 即聚焦核心主业 剥离非核心但优质的资产 为未来技术竞争储备弹药 [6] - 数字能源与华为的云服务、智能汽车解决方案等业务联系紧密 公司需要在交易中巧妙地保留与自身战略紧密耦合的核心技术 在变现资产的同时守护更核心的技术疆域 [6][7] - 交易若落地 将是中国新能源行业史上最大规模收购案之一 华为将把变现的数千亿元资金投入到AI和芯片等更为关键的竞争中 [8] 潜在买家面临的挑战 - 当产品上的“华为”标识被替换后 市场是否还愿意支付同等的品牌溢价是一个直接问题 华为数字能源的竞争优势不仅来自产品本身 更源于华为整体的技术生态和品牌效应 [7] - 收购后如何维持这种生态优势 是每位潜在买家必须面对的挑战 [7]

龙华区发布场景与能力清单以驱动产业创新 - 龙华区集中发布2026年首批90项场景需求清单和60项能力清单，旨在通过“场景搭台、产业唱戏”的模式精准招商，推动新技术与多元应用场景精准对接 [2] - 场景需求覆盖低空经济、智慧政务、智慧安防、智慧康养、智能建造、公共基础设施等重点领域，是基于区域产业特质和城市发展需求梳理的“机会清单” [2] - 能力清单汇集了60项区内外企业的突破性技术、自主创新及“三首”产品，与发布的场景需求匹配度达60% [3] - 此举旨在构建“政府引导、企业主体、市场验证”的开放式创新生态，为新技术、新产品、新模式的迭代与应用提供“试验田” [3][4] 智慧教育数字化平台建设 - 龙华区计划开展“教育数字化平台及AI赋能应用项目”，旨在通过大模型技术赋能，整体建成龙华智慧教育“1+3+N”模式 [3] - 该模式包括教育数字化平台、教育专属大模型、教育创新场景应用（涵盖教育管理、学科教学、师生评价、心理健康、教学创新）以及应用创新配套设施、算力保障等 [3] 政府多维度推动场景落地 - 龙华区从招商服务、空间保障、资本支撑三大维度发力，以推动场景清单合作机遇快速转化为落地成果 [4] - 创新搭建“1+1+6+N”招商引资服务体系，形成覆盖企业全生命周期的服务网络，6个街道分站下沉服务，N个园区站点延伸服务触角 [4] - 区政府担当企业产品“首席体验官”，明确新增政府投资项目应预留一定比例预算用于创新场景建设，支持创新产品参与重大工程和政府采购 [5] 鸿蒙生态与数字孪生技术应用突破 - 全国首个搭载鸿蒙系统的章阁综合水质净化厂投入运营，其“云-边-端”一体化架构使操作响应速度较传统系统提升60% [5] - 龙华区打造全国首个“鸿蒙+昇腾”双生态城市级数字孪生平台，实现全链路国产化适配，2-3秒即可流畅加载城市级大规模三维场景，建模效率提升20倍 [5] 城市治理与低空经济的具体应用成效 - 数字孪生+AI技术应用于违规建筑识别、电动自行车乱停治理，平均处理时间缩短至1小时左右 [2][6] - 博铭维技术管道机器人在排水管网整治中实现“人员零下井”作业，1小时可完成约200米管道检测 [2][6] - 作为低空经济示范区，龙华区已建成139处起降设施，美团无人机在深圳已开通50余条航线，累计完成超140万架次配送 [6] - 无人机医疗标本转运服务累计完成超28万份标本配送，转运时间压缩80%，服务覆盖16万人次 [6] - 美团无人机计划在2026年拓展夜间配送、跨区配送等场景，服务范围延伸至粤港澳大湾区主要城市 [2][6] 人工智能与新能源产业生态构建 - AI龙头科大讯飞湾区总部及产业加速中心落户龙华，围绕教育、医疗、司法等场景落地创新项目 [7] - 第四范式华南运营中心布局龙华，依托数字经济场景构建AI产业协同生态 [7] - 围绕“龙华能源科技城”建设，布局储能站建设、能源控制系统研发等全产业链场景，吸引海辰储能、南网电动、中石油深圳研究院、羲和光能、上海哈啰等优质项目落地 [7] 政策与要素支撑体系 - 龙华区印发实施《龙华区打造和开放创新应用场景工作方案》，明确两年内重点工作任务，包括挖掘公共场景资源、开放重点产业场景、打造综合集成场景等 [8] - 从加大财政资金支持、强化政府投资项目应用、完善金融服务、加强人才保障等方面提供数据、资金、人才、项目等关键要素支撑 [8]

黑龙江省制造业数智化转型政策与建议 - 党的二十大报告明确提出推动制造业高端化、智能化、绿色化发展，黑龙江省将数智化作为构建“4567”现代化产业体系的关键引擎 [2] - 黑龙江省2024年出台相关政策推动制造业数字化转型，目前已累计培育省级数字化车间和智能工厂335个，覆盖装备制造、石化、医药等重点领域 [2] 核心技术攻坚与产业赋能 - 建议实施核心技术攻坚与数智赋能行动，聚焦高端工业软件、传感器等关键领域，设立专项资金 [2] - 建议支持校企共建数字创新联合中心以提升科技成果转化率，并扶持本土工业软件和智能制造解决方案供应商 [2] - 建议通过税收优惠、政府采购等方式降低企业应用成本，推动AI、数字孪生等技术在研发、工艺等核心环节深度应用 [2] 数据要素价值化与治理 - 建议开展数据要素价值化试点探索，推动产业数据管理能力成熟度标准贯标，鼓励企业设立首席数据官并统一数据标准 [2] - 建议支持链主企业牵头建设重点产业链可信数据空间，由政府制定数据确权与利益分配规则 [2] - 建议依托工业互联网平台促进数据共享与业务协同 [2] 中小企业数智化扶持 - 建议推行中小企业数智化精准扶持计划，设立省级专项扶持资金，采用服务券、解决方案补贴等工具降低转型成本 [3] - 建议建设数智化应用推广中心，提供技术验证与咨询服务，推动“小快轻准”解决方案普及 [3] - 建议鼓励链主企业向供应链开放数据接口 [3] 数智化人才培养与引进 - 建议构建产教融合的数智人才育引新机制，系统培训在岗工程师与管理人员以提升数智技能 [3] - 建议设立数智人才特殊津贴，对引进的高层次人才给予落户、住房等支持 [3] - 建议建立数字工程师共享平台和校企共育联盟，推动企业参与课程设计，实现人才培养与产业需求对接 [3]

工业互联网标识解析体系发展现状 - 我国工业互联网标识解析体系已从“建设期”全面迈入“应用期”与“贯通期”，成为跨主体互联互通的关键基础设施[1] - 工业和信息化部等十二部门联合印发《工业互联网标识解析体系“贯通”行动计划（2024-2026年）》，开启了以“贯通”为核心的规模化应用新阶段[1] 体系建设与生态发展 - 以中国信通院为代表的产学研用各方持续发力，累计在研标准127项，并持续迭代标识中间件、数字护照、智能芯片等产品[2] - 各方致力于打造行业定制解决方案，推动开放、活跃、自主可控的标识产业生态日趋成熟[2] 应用案例与行业覆盖 - 《2025工业互联网标识解析体系行业“贯通”应用案例集》收录了24个标杆案例，覆盖19个重点行业与5个重点领域[2] - 应用实践正从“点上突破”走向“面上普及”，应用深度与广度不断拓展[1] 应用发展趋势 - 趋势一：从内部管理向全流程协同“贯通”，例如长飞光纤在光纤光缆行业建立了跨企业互认的“统一语言”，实现了从原材料到运维的全流程可追溯与协同[2] - 趋势二：从单一功能向融合创新“贯通”，例如苏州协同等公司在光伏行业打造“标识+区块链”平台，为设备赋予不可篡改的“数字身份证”[3] - 趋势三：从重点行业向更多领域“贯通”[2] 应用产生的具体价值 - 华信瑞德助力北冰洋扩大定制产品接单能力，定制产品占比从5%提升至30%，换型成本降低70%，订单交付周期缩短40%[3] - 太重榆液接入工业互联网标识解析体系后，产品交付准时率提高至98.5%，生产效率总体提升约10%，存货周转由226天缩短至171天[3] - 标识解析的规模化“贯通”应用在强化供应链韧性、创新商业模式、赋能可持续发展等方面为行业和企业提升核心竞争力带来显著作用[3]

业绩预告核心数据 - 公司预计2025年度实现营业收入约94,000.00万元（约9.40亿元），较上年同期增加约37,554.10万元，同比增长66.53%左右 [1] - 公司预计2025年度实现归属于母公司所有者的净利润约12,300.00万元（约1.23亿元），较上年同期增加约18,590.69万元，实现扭亏为盈 [1] - 公司预计2025年度实现归属于母公司所有者的扣除非经常性损益后的净利润约7,500.00万元，较上年同期增加约18,723.17万元，同样实现扭亏为盈 [1] 业绩增长驱动因素 - 公司深耕细分行业需求，聚焦潜力领域推进产品开发，持续提升产品竞争力与市场覆盖率 [2] - 公司成功接入英伟达Jetson Thor、英特尔等国际主流生态平台 [2] - 各类AI端侧应用领域（包括三维扫描、机器人等）的快速发展带动了公司业务增长 [2] 公司技术与市场战略 - 公司依托全栈技术布局、规模化量产能力及全球生态整合能力，构建了标准化、高性价比的产品矩阵体系 [2] - 公司积极探索3D视觉感知技术在具身智能、数字孪生、各类AI端侧硬件等新兴领域的创新及普及应用 [2] - 公司通过不断拓展多元市场以驱动长期高质量可持续发展 [2] 未来发展规划 - 公司将紧跟全球产业链升级趋势，持续聚焦3D视觉感知技术的前沿突破与产业落地 [3] - 公司将深化重点行业的技术适配，针对应用场景与行业痛点提供创新解决方案，形成“需求洞察-技术攻坚-场景验证”的高效创新循环 [3] - 公司将持续巩固主营业务竞争优势，打造核心产品与技术壁垒，通过创新迭代与生态协同构建全球市场竞争力，以支撑全球化战略实施 [3]

公司2025年度业绩核心表现 - 预计2025年度实现营业收入约94,000.00万元，较上年同期增加约37,554.10万元，同比增长66.53%左右 [1] - 预计2025年度实现归属于母公司所有者的净利润约12,300.00万元，较上年同期增加约18,590.69万元，实现扭亏为盈 [1] - 预计2025年度实现归属于母公司所有者的扣除非经常性损益后的净利润约7,500.00万元，较上年同期增加约18,723.17万元，实现扭亏为盈 [1] 上年同期（2024年度）业绩对比 - 2024年度营业收入为56,445.90万元 [2] - 2024年度归属于母公司所有者的净利润为-6,290.69万元 [2] - 2024年度归属于母公司所有者的扣除非经常性损益后的净利润为-11,223.17万元 [2] 本期业绩增长驱动因素 - 公司深耕细分行业需求，聚焦潜力领域推进产品开发，提升产品竞争力与市场覆盖率 [3] - 成功接入英伟达Jetson Thor、英特尔等国际主流生态平台 [3] - 依托各类AI端侧应用领域（包括三维扫描、机器人等）的快速发展，驱动收入与利润增长 [3] 公司技术与市场战略 - 依托全栈技术布局、规模化量产能力及全球生态整合能力，构建了标准化、高性价比的产品矩阵体系 [3] - 积极探索3D视觉感知技术在具身智能、数字孪生、各类AI端侧硬件等新兴领域的创新及普及应用 [3] - 不断拓展多元市场以驱动公司长期高质量可持续发展 [3] 未来发展规划与战略 - 紧跟全球产业链升级趋势，持续聚焦3D视觉感知技术的前沿突破与产业落地 [4] - 深化重点行业的技术适配，针对应用场景与行业痛点提供创新解决方案 [4] - 形成"需求洞察-技术攻坚-场景验证"的高效创新循环，推动技术与产品融入产业核心 [4] - 持续巩固主营业务竞争优势，打造核心产品与技术壁垒，通过创新迭代与生态协同构建全球市场竞争力 [4] - 实现研发与业务的双向赋能和协同发展，支撑公司的全球化战略实施 [4]

公司战略与定位 - 公司已实现从单一制造向综合解决方案提供商的转型 [2] - 公司构建了“硬件+软件+服务”一体化解决方案体系 [2] - 公司致力于抢占清洁供暖与工业节能两大领域市场份额 [2] 技术路径与研发投入 - 公司以工业互联网技术路径为出发点 [2] - 公司加强物联网、云计算、大数据、AI算法、数字孪生、低代码、动态仿真、边缘计算等“互联网+”技术的研发投入 [2] - 公司深度融合物理空间的实体系统和虚拟空间的数字信息系统 [2] 产品体系与核心竞争力 - 公司打造了“云、边、端”的完整产品体系 [2] - 公司依托在国内市场积淀的技术储备与智能制造优势 [2] - 公司将凭借节能降耗的技术优势、持续的研发投入、优化的产能布局与完善的服务体系强化核心竞争力 [2]

公司2025年度业绩与经营状况 - 2025年度预计营业收入约9.40亿元，同比增加约3.76亿元 [1] - 2025年度预计归母净利润约1.23亿元，同比增加约1.86亿元，实现年度扭亏为盈 [1] - 公司深耕细分行业需求，聚焦潜力领域推进产品开发，持续提升产品竞争力与市场覆盖率 [1] 公司技术与产品发展 - 成功接入英伟达JetsonThor、英特尔等国际主流生态平台 [1] - 依托各类AI端侧应用领域（包括三维扫描、机器人等）的快速发展 [1] - 依托全栈技术布局、规模化量产能力及全球生态整合能力，构建了标准化、高性价比的产品矩阵体系 [1] - 积极探索3D视觉感知技术在具身智能、数字孪生、各类AI端侧硬件等新兴领域的创新及普及应用 [1] - 持续聚焦3D视觉感知技术的前沿突破与产业落地，深化重点行业的技术适配 [2] 公司战略与未来展望 - 不断拓展多元市场以驱动公司长期高质量可持续发展 [1] - 针对应用场景与行业痛点提供创新解决方案，形成“需求洞察-技术攻坚-场景验证”的高效创新循环 [2] - 推动技术与产品融入产业核心，助力行业升级 [2] - 持续巩固主营业务竞争优势，打造核心产品与技术壁垒 [2] - 通过创新迭代与生态协同构建全球市场竞争力，实现研发与业务的双向赋能和协同发展 [2] - 支撑公司的全球化战略实施 [2] - 紧跟全球产业链升级趋势 [2]