[中报]品高股份(688227):2024年半年度报告
|
时间：2024年08月23日 17:35:46 中财网 |
|
原标题:品高股份:2024年半年度报告
公司代码：688227 公司简称：品高股份
广州市品高软件股份有限公司
2024年半年度报告
重要提示
一、 本公司董事会、监事会及董事、监事、高级管理人员保证半年度报告内容的真实性、准确性、完整性，不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。
二、 重大风险提示
公司已在本报告中详细阐述公司在经营过程中可能面临的各种风险及应对措施，敬请查阅本报告第三节“管理层讨论与分析”。
三、 公司全体董事出席董事会会议。
四、 本半年度报告未经审计。
五、 公司负责人黄海、主管会计工作负责人汤茜及会计机构负责人（会计主管人员）刘辉声明：保证半年度报告中财务报告的真实、准确、完整。
六、 董事会决议通过的本报告期利润分配预案或公积金转增股本预案 公司2024年半年度不进行利润分配或公积金转增股本。
七、 是否存在公司治理特殊安排等重要事项
□适用 √不适用
八、 前瞻性陈述的风险声明
√适用 □不适用
本报告中所涉及的未来计划、发展战略等前瞻性描述不构成公司对投资者的实质性承诺，敬请投资者注意投资风险。
九、 是否存在被控股股东及其他关联方非经营性占用资金情况
否
十、 是否存在违反规定决策程序对外提供担保的情况
否
十一、 是否存在半数以上董事无法保证公司所披露半年度报告的真实性、准确性和完整性 否
十二、 其他
□适用 √不适用
目录
第一节 释义......................................................................................................................................... 4
第二节 公司简介和主要财务指标 ..................................................................................................... 7
第三节 管理层讨论与分析 ............................................................................................................... 10
第四节 公司治理 ............................................................................................................................... 43
第五节 环境与社会责任 ................................................................................................................... 44
第六节 重要事项 ............................................................................................................................... 45
第七节 股份变动及股东情况 ........................................................................................................... 64
第八节 优先股相关情况 ................................................................................................................... 68
第九节 债券相关情况 ....................................................................................................................... 69
第十节 财务报告 ............................................................................................................................... 70
| 备查文件目录 | 载有法定代表人、主管会计工作负责人、会计机构负责人签名并盖章
的财务报表 |
| | 报告期内在中国证监会指定网站上公开披露过的所有公司文件的正文
及公告的原稿 |
第一节 释义
在本报告书中，除非文义另有所指，下列词语具有如下含义：
| 常用词语释义 | | |
| 公司、发行人、
品高股份 | 指 | 广州市品高软件股份有限公司 |
| 品高有限 | 指 | 广州市品高软件开发有限公司 |
| 北京尚高 | 指 | 原名为广州市尚高软件开发有限公司、广州市尚高投资顾问服务有限公
司、广州市尚高企业管理有限公司，现更名为北京市尚高企业管理有限
公司，系公司的控股股东 |
| 广州旌德 | 指 | 广州市旌德企业管理咨询企业（有限合伙），系公司股东 |
| 广州煦昇 | 指 | 广州市煦昇企业管理咨询企业（有限合伙），系公司员工持股平台 |
| 广州堃云 | 指 | 广州市堃云企业管理咨询企业（有限合伙），系广州煦昇有限合伙人，
公司员工持股平台 |
| 宁波晨晖 | 指 | 宁波晨晖盛景股权投资合伙企业（有限合伙），系公司股东 |
| 广州合赢 | 指 | 广州合赢投资合伙企业（有限合伙），系公司股东 |
| 红土天科 | 指 | 广州红土天科创业投资有限公司，系公司股东 |
| 白云电器 | 指 | 广州白云电器设备股份有限公司（603861.SH），系公司股东 |
| 轨交产投 | 指 | 广州轨道交通产业投资发展基金（有限合伙），系公司股东 |
| 越秀智创 | 指 | 广州越秀智创升级产业投资基金合伙企业（有限合伙），系公司股东 |
| 友邻一号 | 指 | 广州友邻一号创业投资合伙企业（有限合伙），系公司股东 |
| 深创投 | 指 | 深圳市创新投资集团有限公司，系公司股东 |
| 科金联道 | 指 | 深圳市科金联道智盈投资合伙企业（有限合伙），系公司股东 |
| 宝鸡红土 | 指 | 宝鸡红土创业投资有限公司，系公司股东 |
| 顺德源航 | 指 | 佛山顺德源航股权投资合伙企业（有限合伙），系公司股东 |
| 广州擎云 | 指 | 广州擎云计算机科技有限公司，系公司的控股子公司 |
| 广州知韫 | 指 | 广州知韫科技有限公司，系公司的全资子公司 |
| 广州微高 | 指 | 广州市微高软件科技有限公司，系公司的全资子公司 |
| 北京品高 | 指 | 北京品高辉煌科技有限责任公司，系公司的控股子公司 |
| 广州晟忻 | 指 | 广州晟忻科技有限公司，系公司的全资子公司 |
| 安徽品高 | 指 | 安徽品高数字科技有限公司，系公司的控股子公司 |
| 师大维智 | 指 | 广东师大维智信息科技有限公司，系公司的控股子公司 |
| 广东精一 | | 广东精一信息技术有限公司，系公司的控股子公司 |
| 品高汇智 | 指 | 广州番禺品高汇智创业投资合伙企业(有限合伙)，系公司的参股有限合
伙企业 |
| 晨晖滨海 | 指 | 晨晖滨海(天津)信息创业投资基金合伙企业(有限合伙) ，系公司的参股
有限合伙企业 |
| 《公司法》 | 指 | 《中华人民共和国公司法》 |
| 《证券法》 | 指 | 《中华人民共和国证券法》 |
| 元、万元、亿元 | 指 | 人民币元、万元、亿元 |
| 报告期 | 指 | 2024年1月1日至2024年6月30日 |
| 云计算 | 指 | 一种将可伸缩、弹性、共享的物理和虚拟资源池以按需自服务的方式供
应和管理，并提供网络访问的模式 |
| 私有云 | 指 | 云基础设施特定为某个组织运行服务，可以是该组织或某个第三方负责
管理，可以是场内服务（on-premises），也可以是场外服务
（off-premises），其核心属性是专有资源和数据安全 |
| 公有云 | 指 | 云基础设施对公众或某个很大的业界群组提供云服务，公有云一般可通
过Internet使用，其核心属性是共享资源服务 |
| 混合云 | 指 | 云基础设施由两个或多个云（私有云、公有云等）组成，独立存在，但
是通过标准的或私有的技术绑定在一起，这些技术可促成数据和应用的
可移植性，满足低成本和数据安全的双重要求 |
| IaaS | 指 | 基础设施即服务（InfrastructureasaService），是一种云计算服务商
业模式，将计算、存储、网络以及其他基础计算资源作为服务向客户提
供 |
| PaaS | 指 | 平台即服务（PlatformasaService），是一种云计算服务商业模式，它
提供了一个平台，允许客户开发、运行和管理应用程序，而无需构建和
维护应用相关的基础设施 |
| DaaS | 指 | 数据即服务（DataasaService），指通过资源的集中化管理，提升IT效
率以及系统性能，云服务商建立全部的IT环境，对数据进行采集、治理、
分析等，最后对分析结构或者算法提供编程接口，让数据成为服务 |
| SaaS | 指 | 软件即服务（SoftwareasaService），即客户使用服务商提供的运行在
云基础设施上的应用程序。这些应用程序可以通过各种各样的客户端设
备所访问，客户不管理或者控制底层的云基础架构 |
| 大数据 | 指 | 对海量、高增长率和多样化的信息数据进行处理的能力和服务 |
| 数据库 | 指 | 以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、
与应用程序彼此独立的数据集合 |
| 关系型数据库 | 指 | 采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以
便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成
了数据库 |
| SQL | 指 | 结构化查询语言（StructuredQueryLanguage），是一种特殊目的的编程
语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更
新和管理关系数据库系统 |
| 中间件 | 指 | 中间件（Middleware），位于操作系统、网络和数据库之上，应用软件
之下，是提供系统软件与应用软件连接的软件，主要作用是为应用软件
在不同的技术之间共享资源，管理计算资源和网络通信 |
| 云OS/云操作系
统 | 指 | 云OS，又称云操作系统，是以云计算、云存储技术作为支撑的操作系统，
是云计算后台数据中心的整体管理运营系统，它是指构架于服务器、存
储、网络等基础硬件资源和单机操作系统、中间件、数据库等基础软件
之上的、管理海量的基础硬件、软件资源的云平台综合管理系统 |
| CPU | 指 | 中央处理器（CentralProcessingUnit），是一块超大规模的集成电路，
是一台计算机的运算核心和控制核心，它的功能主要是解释计算机指令
以及处理计算机软件中的数据 |
| GPU | 指 | 图形处理器（GraphicsProcessingUnit），又称显示核心、视觉处理器、
显示芯片，是一种专门做图像和图形相关运算工作的微处理器 |
| Docker | 指 | 一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到
一个可移植的镜像中，然后发布到任何流行的Linux或Windows机器上，
也可以实现虚拟化 |
| 云原生 | 指 | 一种构建和运行应用程序的方法，是一套技术体系和方法论。云原生包
含了一组应用的模式，用于帮助企业快速、持续、可靠、规模化地交付
业务软件，云原生由微服务架构、DevOps和以容器为代表的敏捷基础架
构组成 |
| 微服务 | 指 | 一项在云中部署应用和服务的技术。将应用程序按功能逻辑划分为更小 |
| | | 的服务单位，其间通过轻量级数据通路做灵活连接组合，提供基于负载
的架构弹性伸缩及更高的系统级容错能力 |
| 弹性计算 | 指 | 云计算中云服务提供商在需要时随时随地提供灵活计算能力的能力，其
中计算资源可以由云服务提供商轻松扩展和缩小，这些资源的弹性可以
是处理能力、存储、带宽等 |
| 负载均衡 | 指 | 一种计算机技术，用来在多个计算机（计算机集群）、网络连接、CPU、
磁盘驱动器或其他资源中分配负载，以达到最优化资源使用、最大化吞
吐率、最小化响应时间、同时避免过载的目的 |
| 块存储 | 指 | 是一种易于使用的高性能数据块存储服务，旨在与云主机一起使用，适
用于任何规模的吞吐量和事务密集型工作负载。块存储上部署着广泛的
工作负载，例如关系数据库和非关系数据库、企业应用程序、容器化应
用程序、大数据分析引擎、文件系统和媒体工作流 |
| 云存储 | 指 | 泛指以云方式提供的对象、块、文件等服务能力的存储技术，具备云的
弹性、可计量等特征 |
| 对象存储 | 指 | 对象存储是综合了NAS和SAN的优点，同时具有SAN的高速直接访问和
NAS的数据共享等优势，提供了高可靠性、跨平台性以及安全的数据共享
的存储体系结构 |
| SDN | 指 | 软件定义网络（SoftwareDefinedNetwork），是网络虚拟化的一种实现
方式，利用OpenFlow协议的可编程性将网络设备的控制面与数据面分离，
从而提升网络流量控制的灵活性和智能性 |
| DevOps | 指 | Development和Operations的组合词，是一组过程、方法与系统的统称，
用于促进开发（应用程序/软件工程）、技术运营和质量保障（QA）部门
之间的沟通、协作与整合 |
| API | 指 | 应用程序接口（ApplicationProgrammingInterface）为：“‘电脑操作
系统（Operatingsystem）’或‘程序库’提供给应用程序调用使用的代
码”。其主要目的是让应用程序开发人员得以调用一组例程功能，而无
须考虑其底层的源代码为何、或理解其内部工作机制的细节。API本身是
抽象的，它仅定义了一个接口，而不涉及应用程序在实际实现过程中的
具体操作 |
| 实例 | 指 | 实例（Instance）是根据类创建出来的一个个具体的“对象”，在面向
对象程序设计中，类是抽象的模板，把用类创建对象的过程称为实例化，
可以理解为云计算资源中虚拟出来的一块独立计算单元 |
| LXC | 指 | 容器（LinuxContainer），一种内核虚拟化技术，可以提供轻量级的虚
拟化，以便隔离进程和资源 |
| KVM | 指 | 基于内核的虚拟机 Kernel-basedVirtualMachine（KVM）是一种内建于
Linux中的开源虚拟化技术，具体而言，KVM可帮助您将Linux转变为虚
拟机监控程序，使主机计算机能够运行多个隔离的虚拟环境，即虚拟客
户机或虚拟机（VM） |
| OpenFlow | 指 | 一种网络通信协议，属于数据链路层，能够控制网上交换器或路由器的
转发平面（ForwardingPlane），借此改变网络数据包所走的网络路径 |
| Hadoop | 指 | 一种开源的分布式大数据处理方式，它可以使用户在不了解分布式底层
细节的情況下开发分布式程序，充分利用集群的威力进行高速运算和存
储 |
| Spark | 指 | 一种专为大规模数据处理而设计的快速通用的计算引擎，可用来构建大
型的、低延迟的数据分析应用程序 |
| AI | 指 | 人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开 |
| | | 发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一
门新的技术科学 |
| 区块链 | 指 | 一个共享数据库，存储于其中的数据或信息，具有“不可伪造”、“全
程留痕”、“可以追溯”、“公开透明”、“集体维护”等特征 |
| AWS | 指 | 亚马逊云服务（AmazonWebService） |
| 异构计算 | 指 | 异构计算的英文名称是Heterogeneouscomputing，主要是指使用不同类
型指令集和体系架构的计算单元组成系统的计算方式。常见的计算单元
类别包括CPU、GPU等协处理器、DSP、ASIC、FPGA等 |
| 云节点 | 指 | 支撑云平台运行的必要物理基础设施，通常指物理服务器，一台物理服
务器可作为一个云节点 |
第二节 公司简介和主要财务指标
一、 公司基本情况
| 公司的中文名称 | 广州市品高软件股份有限公司 |
| 公司的中文简称 | 品高股份 |
| 公司的外文名称 | BingoSoftwareCo.,Ltd. |
| 公司的外文名称缩写 | BingoSoftware |
| 公司的法定代表人 | 黄海 |
| 公司注册地址 | 广州市天河区软件路17号第G1栋 |
| 公司注册地址的历史变更情况 | 不适用 |
| 公司办公地址 | 广州市天河区软件路17号第G1栋 |
| 公司办公地址的邮政编码 | 510663 |
| 公司网址 | https://www.bingosoft.net |
| 电子信箱 | [email protected] |
| 报告期内变更情况查询索引 | 无 |
二、 联系人和联系方式
三、 信息披露及备置地点变更情况简介
| 公司选定的信息披露报纸名称 | 中国证券报、上海证券报、证券时报、证券日报 |
| 登载半年度报告的网站地址 | http://www.sse.com.cn |
| 公司半年度报告备置地点 | 广州市天河区软件路17号G1栋证券部 |
四、 公司股票/存托凭证简况
(一) 公司股票简况
√适用 □不适用
| 公司股票简况 | | | | |
| 股票种类 | 股票上市交易所及板块 | 股票简称 | 股票代码 | 变更前股票简称 |
| A股 | 上海证券交易所科创板 | 品高股份 | 688227 | 无 |
(二) 公司存托凭证简况
□适用 √不适用
五、 其他有关资料
□适用 √不适用
六、 公司主要会计数据和财务指标
(一) 主要会计数据
单位：元 币种：人民币
| 主要会计数据 | 本报告期
（1－6月） | 上年同期 | 本报告期比上年
同期增减(%) |
| 营业收入 | 153,998,936.08 | 127,652,170.70 | 20.64 |
| 归属于上市公司股东的净利润 | -25,057,421.19 | -26,249,601.80 | |
| 归属于上市公司股东的扣除非经常
性损益的净利润 | -28,024,881.41 | -30,323,434.85 | |
| 经营活动产生的现金流量净额 | -112,092,862.07 | -95,348,276.14 | |
| | 本报告期末 | 上年度末 | 本报告期末比上
年度末增减(%) |
| 归属于上市公司股东的净资产 | 1,368,047,058.91 | 1,415,204,259.47 | -3.33 |
| 总资产 | 1,875,306,989.66 | 1,874,264,845.52 | 0.06 |
(二) 主要财务指标
| 主要财务指标 | 本报告期
（1－6月） | 上年同期 | 本报告期比上年同
期增减(%) |
| 基本每股收益（元／股） | -0.22 | -0.23 | |
| 稀释每股收益（元／股） | -0.22 | -0.23 | |
| 扣除非经常性损益后的基本每股收
益（元／股） | -0.25 | -0.27 | |
| 加权平均净资产收益率（%） | -1.81 | -1.84 | 增加0.03个百分点 |
| 扣除非经常性损益后的加权平均净
资产收益率（%） | -2.03 | -2.13 | 增加0.10个百分点 |
| 研发投入占营业收入的比例（%） | 22.86 | 25.62 | 减少2.76个百分点 |
公司主要会计数据和财务指标的说明
√适用 □不适用
截止至2024年6月30日，公司实现营业收入为15,399.89万元，同比增加2,634.68 万元，增幅 20.64%，主要原因是公司在报告期内完成多个政府项目验收带来云计算业务收入增长。
归属于上市公司股东的净利润为-2,505.74万元，同比亏损收窄119.22万元；归属上市公司股东的扣除非经常性损益的净利润为-2,802.49万元，同比亏损收窄229.86万元。主要原因是：第一、报告期内公司实现云计算业务收入较明显增长，毛利贡献同比增加；第二、公司期间费用微涨，主要是扩充云计算业务销售团队以及银行存款利率下调导致利息收益减少；第三、政府国企客户的应收账款因财政资金紧张导致回款逾期，造成计提应收账款信用减值损失同比增加，综上原因使得归属于上市公司股东的净利润同比亏损收窄。
经营活动产生的现金流量净额为-11,209.29万元，同比少流入1,674.46万元，主要原因是财政资金紧张导致政府国企及公安客户合同收款同比减少。
归属于上市公司股东的净资产为136,804.71万元，同比减少4,715.72万元，降幅3.33%；主要原因是报告期内公司回购股份和净利润为负所致。
总资产为187,530.70万元，同比增加104.21万元，增幅0.06%，略微上涨。
基本每股收益为-0.22元/股，同比增加0.01元/股；稀释每股收益为-0.22元/股，同比增加0.01元/股；扣除非经常性损益后的基本每股收益-0.25元/股，同比增加0.02元/股；加权平均净资产收益率-1.81%，同比增加0.03个百分点；扣除非经常性损益后的加权平均净资产收益率-2.03%，同比增加0.1个百分点，主要原因是报告期内归属于上市公司股东的净利润同比有所回升、亏损收窄所致。
研发投入占营业收入的比例为22.86%，同比减少2.76个百分点，主要原因是报告期内研发费用的涨幅比营业收入的涨幅略低所致。
七、 境内外会计准则下会计数据差异
□适用 √不适用
八、 非经常性损益项目和金额
√适用 □不适用
单位:元 币种:人民币
| 非经常性损益项目 | 金额 | 附注（如适用） |
| 非流动性资产处置损益，包括已计提资产减值准备的冲销部分 | 238,459.72 | |
| 计入当期损益的政府补助，但与公司正常经营业务密切相关、
符合国家政策规定、按照确定的标准享有、对公司损益产生持
续影响的政府补助除外 | 1,903,241.24 | |
| 除同公司正常经营业务相关的有效套期保值业务外，非金融企
业持有金融资产和金融负债产生的公允价值变动损益以及处置
金融资产和金融负债产生的损益 | 1,181,359.78 | |
| 计入当期损益的对非金融企业收取的资金占用费 | | |
| 委托他人投资或管理资产的损益 | | |
| 对外委托贷款取得的损益 | | |
| 因不可抗力因素，如遭受自然灾害而产生的各项资产损失 | | |
| 单独进行减值测试的应收款项减值准备转回 | | |
| 企业取得子公司、联营企业及合营企业的投资成本小于取得投
资时应享有被投资单位可辨认净资产公允价值产生的收益 | | |
| 同一控制下企业合并产生的子公司期初至合并日的当期净损益 | | |
| 非货币性资产交换损益 | | |
| 债务重组损益 | | |
| 企业因相关经营活动不再持续而发生的一次性费用，如安置职 | | |
| 工的支出等 | | |
| 因税收、会计等法律、法规的调整对当期损益产生的一次性影
响 | | |
| 因取消、修改股权激励计划一次性确认的股份支付费用 | | |
| 对于现金结算的股份支付，在可行权日之后，应付职工薪酬的
公允价值变动产生的损益 | | |
| 采用公允价值模式进行后续计量的投资性房地产公允价值变动
产生的损益 | | |
| 交易价格显失公允的交易产生的收益 | | |
| 与公司正常经营业务无关的或有事项产生的损益 | | |
| 受托经营取得的托管费收入 | | |
| 除上述各项之外的其他营业外收入和支出 | 323,773.29 | |
| 其他符合非经常性损益定义的损益项目 | | |
| 减：所得税影响额 | 417,769.07 | |
| 少数股东权益影响额（税后） | 261,604.74 | |
| 合计 | 2,967,460.22 | |
对公司将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》未列举的项目认定为的非经常性损益项目且金额重大的，以及将《公开发行证券的公司信息披露解释性公告第1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益的项目，应说明原因 □适用 √不适用
九、 非企业会计准则业绩指标说明
□适用 √不适用
第三节 管理层讨论与分析
一、 报告期内公司所属行业及主营业务情况说明
（一）公司所属行业
公司是一家国内专业的云计算及行业信息化服务提供商，主营业务包括云计算和行业信息化，其中核心产品、主要技术和收入盈利来源主要来自云计算。根据中国上市公司协会《2023年下半年上市公司行业分类结果》，公司主营业务属于“信息传输、软件和信息技术服务业（I）”中的“软件和信息技术服务业（I65）”；根据《国民经济行业分类》（GB/T4754-2017），公司主营业务属于“软件和信息技术服务业”（I65）；根据国家统计局《战略性新兴产业分类》（2018 年）,公司属于“1.4.3 云计算与大数据服务”产业；根据《上海证券交易所科创板企业发行上市申报及推荐暂行规定》，公司主要业务属于“新一代信息技术”下的“云计算”领域。
（二）公司主要业务和主要产品
1、主要业务
公司是国内专业的云计算及行业信息化服务提供商，面向政府、公安、军工、轨交、金融、教育等行业客户提供从IaaS基础设施层、PaaS平台层、DaaS数据层到SaaS软件层的全栈企业级云平台和信息化服务。经过多年的研发，公司目前拥有以云计算为核心的基础产品BingoCloudOS、BingoFuse、BingoInsight和BingoLink等。
公司的业务包括两大类，云计算业务和行业信息化业务。云计算业务主要是以公司自主研发的云产品为基础，为行业客户构建私有云或专属云基础环境，为客户IT系统入云、应用入云、数据入云提供支撑，解决客户基础架构及平台层面的需求。云计算业务有三种模式：云产品销售模式、云解决方案开发模式和云租赁模式；而行业信息化业务主要是以公司已有开发沉淀的行业信息化系统及应用模块为基础，通常基于客户现有IT架构，为客户提供信息系统和应用开发及改造，解决客户业务应用层面的需求。
公司以自主研发的基础产品为支撑，立足于“行业+云”的发展战略，为行业客户提供围绕业务交付的全生命周期服务，包括基础设施、应用交付、数据治理及IT运营管理的规划设计、定制开发、实施及运维等，推动客户实现具备快速需求响应和业务创新能力的数字化、网络化及智能化转型。
2、主要产品
公司的主要产品和服务分为两大类，一类是云计算业务，以核心产品BingoCloudOS、BingoInsight、BingoFuse和BingoLink为基础，在云计算生态中主要提供软件产品和服务，并根据业务实质的不同形成了云产品销售、云解决方案（包括定制开发、系统集成、咨询或运维服务）和云租赁业务；另一类是行业信息化业务，以自行开发的行业信息化系统及应用模块为基础，为客户提供信息系统和应用开发等服务，解决客户业务应用层面的需求，具体业务包括咨询、定制开发、系统集成或运维服务。
（三）主要经营模式
1、研发模式
公司始终关注前沿技术的发展趋势，通过对行业和市场的深入研究，注重技术创新和研发能力的积累，持续构建和完善与时俱进的云计算产品。公司已建立起一套涵盖技术研判、研究分析、原型开发、产品开发及产品发布的研发模式。
技术研判：开展前沿新型技术分析，形成技术的研判线索，分析技术的国内外发展情况、主流技术手段对比、与公司产品的关联切入等，并提出技术研判并制定规划。
研究分析：针对技术研判提案进行讨论与筛选，并开展技术的可行性分析，对技术的竞品分析、市场前景分析、关键指标分析以及演示Demo，形成技术可行性报告。
原型开发：针对技术快速完成原型系统构建，主要分为四个循环，包括：原型设计与评审、迭代开发与测试、集成开发与测试、原型发布与验收。最终形成技术原型系统。
产品开发：在原型系统的基础上完成集成方案设计、集成开发、集成测试。
产品发布：集成测试完成后，会在内部发布一个预览版版本，并进行验证测试，验证通过后正式发布产品。
2、销售模式
公司主要客户为政府事业单位和大型企业客户，采用直销为主的销售模式，主要通过招投标的方式获取订单，少量产品销售业务通过分销商实现销售。公司构建了服务于“行业+云”发展战略的营销服务体系：在总部设立市场部，负责产品的推广宣传和品牌建设，主要推广方式包括行业展会、研讨会、市场推广活动、广告宣传等方式；各业务中心和区域分子公司负责各自客户的市场销售、售前咨询和支持、订单的招投标、客户维护和售后支持等工作。
3、采购模式
公司的采购内容主要为软硬件第三方产品和技术服务。软硬件第三方产品采购主要是为了满足系统集成和云服务业务需求，技术服务采购主要是为了满足解决方案开发和集成对接等业务中对部分模块开发、运维、测试等技术服务的需求。公司采购由业务部门根据业务需求发起采购申请，经各级业务部门和采购部经理/总监、总经理审批后，采购部执行综合比选、询价、单一来源等定价方式执行采购。对于软硬件第三方产品，业务部门和/或最终用户在到货后进行验收；对于技术服务，业务部门在工作成果交付后进行验收，或者根据合同约定按工作量定期结算。采购完成后，财务部根据合同条款、付款申请单、发票和验收报告等资料付款。
（四）市场地位
1、公司自成立以来，先后承担了1项国家863计划重大专项、1项国家创新基金项目、7项省级和多项市级的重点科技项目，连续4年被评为国家规划布局内重点软件企业，取得广东省科学技术二等奖等荣誉，设立了广东省面向软件定义架构的云计算大数据工程技术研究中心、广州市基础架构云技术研究重点实验室、广州市公共服务云工程技术研究开发中心等省市级实验室和研究中心，并参与了多项国家级行业标准和规范的制定。公司已获得私有云IaaS服务一级证书。
2、在进口替代领域，品高云向下支持市场上全部典型国产异构芯片服务器厂商、国产操作系统厂商，向上支持国产数据库、国产中间件以及信创行业应用，从而主动构建了全面的进口替代软、硬件生态的合作基础，形成自主可控体系的成果，公司还具备规模化的进口替代工程移植经验，在部分行业和地域形成先发优势和落地基础，成为国内信息技术创新领域的领导企业之一。
3、公司坚定笃行“行业+云”的发展战略，以服务头部企业先行，然后将标杆企业案例于行业内推广实践，并与头部企业联合运营一起服务于整个行业的上云。按此战略公司首先在政务、轨道交通、公安和运营商等行业落成了有影响力的标杆示范项目，并拓展至军工、大型集团企业、金融、教育等行业企业，积累了大量行业客户，成为市场中优秀的云计算服务提供商。
二、 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
（1）核心技术
①云计算各层级资源服务所需的技术
| 服务层次 | 云堆栈 | 资源服务/组件 | 技术 |
| IaaS | 基础服务 | 云服务器、云存储、云网络、云灾备、云编
排、云监控、弹性伸缩、对象存储等 | 软件定义数据
中心技术 |
| | 高级服务 | 负载均衡、云函数、区块链、弹性文件、加
速服务、虚拟带库、容器集群服务等 | |
| PaaS | 应用堆栈 | 自动化部署、微服务DevOps、应用开发、服
务网关、文件服务等 | 容器和微服务
DevOps技术 |
| DaaS | 数据服务 | 数据湖、知识图谱、人工智能、数据治理、
数据安全、数据共享、数据分析等 | 数据湖技术 |
| SaaS | 应用软件 | 统一认证、统一授权、单点登录、应用管理、
企业网盘、企业协同等 | 特色行业应用 |
云计算各资源层的技术并非孤立存在，底层服务被上层服务依赖，也会根据上层需要进行完善和发展。云计算最初是实现IT基础设施的虚拟化和自动化调度，主要是解决云服务器等基础设施的交付问题，提供IaaS层基础能力；随着软件定义网络、软件定义存储等技术的发展，形成了软件定义数据中心的理论体系，提供了更广泛更高级的服务资源交付；容器技术、微服务、DevOps等云原生技术的发展，为构建通用的PaaS平台提供了基础，解决了应用堆栈的问题；而基于大数据与人工智能技术实现的DaaS服务则为应用提供了数据服务；对于SaaS层的应用来说，PaaS与IaaS为应用提供了资源智能，而DaaS为应用赋予了数据智能，它们为实现特色智能应用提供了必要基础。
②云计算业务的核心技术
公司在云计算领域经过多年的自主研发，形成了涵盖IaaS、PaaS、DaaS和SaaS资源层的产品技术体系，各资源层的产品、核心技术、对应专
利及主要软件著作权情况具体如下：
| 序
号 | 技术名称 | 技术
类别 | 所属资源层及
公司产品 | 技术介绍 | 技术独特性和突破点 | 技术
来源 |
| 1 | 自主可控异
构云资源管
控技术 | 大规模
云计算
国产化 | IaaS层
BingoCloudOS | 基于自研的异构云资源管控技术，实现对海光、龙芯、
飞腾、鲲鹏、申威、兆芯等六类国产芯片和X86芯片
统一纳管及调度，以此屏蔽底层多类异构资源的带来
的差异性，减少用户环境存在多个资源池割裂问题，
降低用户对异构资源的管理与运维难度。 | 1.支持多类异构处理器构建单一高可用计算
资源池；
2.支持3台不同架构服务器搭建云平台，可降
低用户前期建设成本及选型的试错成本。 | 整合
创新 |
| 2 | 分布式软件
定义网络空
间管控技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 传统网络架构在大规模云数据中心环境下的能力有
限，基于软件定义网络的分布式集群架构，可灵活扩
展云平台网络规模，并且不存在网络节点单点问题，
保障云网络的可扩展性和高可用性。 | 1.单云集群的分布式网络控制器可达千台物
理主机规模；
2.在网络线路中断的情况下，网络控制器仍可
独立正常运作,支撑本云节点的网络处理。 | 原始
创新 |
| 3 | 基于软件定
义的高性能
云网络管控
技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 软件定义的云网络技术，基于专用网络通信协议构建
云网络，实现大规模多租户的网络隔离，提升云网络
的灵活性和安全性。 | 1.处理效率高于VxLAN云网络模式，对比物理
主机网络性能损耗低于1.2%；
2.实现多租户隔离，采用32位组网标签，超
越VxLAN的组网数量上限；
3.软硬件松耦合架构，不依赖定制化网络硬件
设备。 | 原始
创新 |
| 4 | 高性能负载
均衡技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过软件定义技术可交付高性能负载均衡，提供大规
模负载均衡处理能力，可替代客户传统负载均衡硬
件，提高用户资产投资性价比。 | 1.中高规格负载均衡服务的处理能力，在七层
负载场景下，最大连接数可达280万，每秒处
理请求数可达65万；
2.支持负载云内虚拟机、数据中心物理服务
器；
3.兼容X86/ARM服务器架构，不依赖于定制化
硬件。 | 原始
创新 |
| 5 | 虚拟化四层
负载均衡技
术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过独创的算法实现对负载均衡的流量路径优化，简
化了转发模式的相关配置，提高了四层负载均衡的性
能。 | 1.对传统模式的四层负载均衡进行了优化，解
决了配置复杂、容易引起网络地址冲突等问题
2.在四层负载均衡场景下，最大连接数可达
160万。 | 原始
创新 |
| 6 | 云平台热升
级技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过对组件进行抽象和解耦，支持计算、存储、网络
三大子系统热修复热升级功能，使用户业务在不被中
断的情况下完成对子系统的热修复热升级的工作。 | 1.热升级/热修复过程对业务影响<500ms。 | 原始
创新 |
| 7 | 云内生的云
灾备技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过独特的算法实现虚拟机磁盘实时备份技术，使得
用户无需购买额外的灾备设备或软件，即可针对云主
机进行异地增量灾备，降低成本的同时提高业务的高
可用性。 | 1.云内生技术，不依赖硬件灾备存储设备，支
持实时的虚拟磁盘同云备份；
2.支持云主机跨云异地备份。 | 整合
创新 |
| 8 | 低损耗高性
能的弹性容
器集群服务
技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过自研的调度算法，充分发挥底层硬件性能降低性
能损耗，并保证容器任务调度到最佳性能的容器上，
保障容器应用的高效运行。 | 1.容器性能对比物理机网络性能、计算性能损
耗小于2%。 | 原始
创新 |
| 9 | 容器集群资
源自动伸缩
技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过伸缩评估算法，实现容器集群在不同情境下的自
动节点伸缩，提高了集群在使用过程中的节点资源利
用率，使得用户可以更加专注于应用的开发，而减少
对集群基础资源的感知和运维。 | 1.原生支持Kubernetes应用，支持部署高可
用集群；
2.扩容时间5分钟内、缩容时间冷却10分钟
内。 | 整合
创新 |
| 10 | 微服务持久
化技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 容器集群可无缝使用基础云平台提供的多类云存储，
解决容器数据持久化问题，保障集群伸缩时数据的一
致性 | 1.支持块存储、对象存储及文件存储 | 整合
创新 |
| 11 | 云函数多租
户并发执行
控制技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 实现在轻量级、隔离的云环境中加载、编译、执行函
数计算，用户无需考虑服务器等基础设施 | 1. 可支持多租户并发运行，并精准控制同一
时刻下租户间分配的函数计算服务资源均衡
与安全隔离。 | 原始
创新 |
| 12 | 高性能集群
计算技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 使用设备透传技术，结合自定义实例规模，实现虚拟
机可基于异构加速设备进行加速计算，满足高性能计
算需要。 | 1.支持Intel至强Phi、NVidia GPGPU、FPGA、
寒武纪NPU等加速设备；
2.获得Intel全球ICR高性能计算集群能力认
证。 | 整合
创新 |
| 13 | 无定制硬件
依赖的裸金
属服务技术 | 国产化 | IaaS层
BingoCloudOS | 通过自研的裸金属服务技术，提供云中物理整机的资
源交付，其具有安全物理隔离、高性能等特点，满足
用户的特定业务需求。 | 1.无需依赖定制硬件，实现虚拟机与裸金属的
统一交付和管理，提供统一的标准接口；
2.实现裸金属与虚拟机间的云存储空间与云
网络空间的互联互通。 | 原始
创新 |
| 14 | 分布式云平
台一体化管
控技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过异构资源的统一管理技术，搭建私有云统一管理
平台，其具备资源的标准化封装接口和分布式调度能
力，实现基础资源的统一管理、弹性调配、灵活交付
和自动化运维，推动传统数据中心云化，保障企业级
云端应用的高效稳定运行。 | 1.计算、存储、网络一体化分布式架构，实现
了便捷、线性的资源横向扩展；
2.异构计算资源统一管理，提供异构资源管理
的统一API接口 | 整合
创新 |
| 15 | 节点动态更
替技术 | 大规模
云计算 | IaaS层
BingoCloudOS | 通过自研算法，可支持任意计算节点故障时，直接更
换备件后，云平台自动完成计算节点的接管、更替、
恢复等操作，更替过程无需技术人员调试，即插即用。 | 1.无需专业技术人员即可完成平台的故障处
理，实现免人工运维 | 原始
创新 |
| 16 | 基于视觉同
步定位与硬
件信息采集
技术 | 边缘
计算 | IaaS层
BingoCloudOS | 基于增强现实技术，以虚实交互的方式将关键信息叠
加在现实环境中并实现对硬件设备的协同管理，屏蔽
底层协议的差异性，降低边缘设备现场部署环境的的
人工干预与运维成本。 | 1、可实现对硬件设备的数据采集，屏蔽协议
差异，进行直观的管控与运维。 | 整合
创新 |
| 17 | 区块链即服
务技术 | 区块链
与可信
计算 | IaaS层
BingoCloudOS | 结合云平台技术提供云中区块链服务，结合云中的多
类云服务，提高区块链服务的处理性能和大量查询访
问性能。 | 1.支持通用区块链服务技术；
2.支持常用数据库语句查询区块链的交易信
息，减少应用对接区块链的改造成本；
3.通过云网络感知区块链查询请求，使用关系
数据库卸载区块链查询请求，加速访问性能。 | 原始
创新 |
| 18 | 云虚拟磁带
库技术 | 虚拟存
储 | IaaS层
BingoCloudOS | 通过虚拟磁带库技术为用户应用提供标准磁带接口
的存储备份服务，使得用户无需改变原有的备份方
式，在分布式存储中提供虚拟磁带库服务还可支持将
不常用的备份数据存储到低成本大容量的介质中，进
一步削减存储成本 | 1.使用分布式块存储模拟磁带，实现虚拟磁带
库；
2.支持标准协议，单磁带库支持1,500个磁带、
3.5PiB容量。 | 整合
创新 |
| 19 | 容量自动弹
性文件服务
技术 | 虚拟存
储 | IaaS层
BingoCloudOS | 基于工作负载感知提供简单、高可用的、可扩展的弹
性文件系统，可在不中断应用的情况下自动调整文件
存储的容量，从而让应用程序在需要时获得所需存储
空间。 | 1.实现了高可用、容量动态弹性伸缩、多租户
隔离、完全托管，无需用户维护的文件系统；
2.支持NFS标准协议。 | 整合
创新 |
| 20 | 低损耗容器
化大数据集
群技术 | 大规模
数据存
储计算 | DaaS层
BingoInsight | 基于容器技术，解决大数据计算虚拟化的性能损耗大
问题，实现大数据技术与云技术的深度融合，构建云
原生大数据平台，提升数据中心资源利用率。 | 1.解决传统云计算集群与大数据集群物理割
裂、独立管理，缺乏集约建设和运行运维的普
遍问题；
2.解决大数据技术堆栈使用传统虚拟化技术
的性能损耗问题，损耗控制在3%以内；
3.解决大数据物理集群部署复杂、部署周期长
问题，分钟级交付大数据集群，快速实现业务
分析。 | 原始
创新 |
| 21 | 基于知识图
谱的大数据
运维技术 | 数据治
理 | DaaS层
BingoInsight | 基于知识图谱构建数据要素的关联技术，形成数据运
维经验知识沉淀，解决传统数据运维纯靠人工排查、
定位问题难、数据口径不清晰以及数据时序等问题，
提升数据运维效率。 | 1.融合云服务平台多租户ETL服务能力和云数
据服务，支持构建大数据数据模型与数据血
缘；
2.通过知识推理技术自动发现数据运维对象
的关联关系，形成数据运维知识图谱，结合云
监控感知能力提升数据运维的自动化程度。 | 整合
创新 |
| 22 | 基于计算存
储分离架构
的云数据湖
技术 | 数据共
享 | DaaS层
BingoInsight | 数据存储层采用标准协议，无缝适配主流大数据计算
技术，并能够通过外部表直连对象存储数据，无需频
繁拷贝数据，解决大型组织多种异构计算引擎并存问
题，并能够适应未来新型计算技术的替换和演进。 | 1.解决传统大数据存储计算无独立扩展、跨部
门数据技术发展不均衡、计算技术锁定等问
题，支持7种以上多种主流大数据计算技术引
擎；
2.支持网络访问对象存储转为本地存储优化
访问，访问性能提高30%，提升大规模数据吞
吐；
3.支持免复制、零拷贝的数据共享，提升数据
共享效率。 | 整合
创新 |
| 23 | 面向多场景
的多模态数
据共享技术 | 数据共
享 | DaaS层
BingoInsight | 对比传统数据服务总线的单一共享技术，融合API
网关、分布式消息队列、对象存储等技术，为数据共
享提供面向少量数据实时查询、面向海量数据关联碰
撞的批量数据共享、面向实时流数据的发布订阅共
享、面向跨组织的联邦数据共享等多模态数据共享技
术，满足不同场景的数据共享需求。 | 1.支持API服务、S3文件服务、Kafka实时流
服务、外表直连服务等4种数据共享技术，解
决传统数据服务总线难以实现大规模数据关
联碰撞问题，满足多模态数据共享场景；
2.实时流数据共享支持亿级数据的秒级共享
和接入。 | 整合
创新 |
| 24 | 面向数据共
享开放的数
据评价模型
技术 | 数据共
享 | DaaS层
BingoInsight | 采用主客观融合数据质量评价模型技术，建立一种数
据共享质量评价指标体系，计算数据共享开放度，促
进数据共享开放的持续发展。 | 1.一种融合主客观多维度开放评估模型，支持
评价模型的自动计算，解决数据共享开放的量
化评价问题，推动数据共享开放的可持续发
展；
2.评价模型使用AHP层次分析评估方法进行可
扩展可自定义。 | 原始
创新 |
| 25 | 基于区块链
的数据共享
技术 | 数据共
享 | DaaS层
BingoInsight | 融合区块链即服务与数据湖存储管理技术，构建可信
的链上链下数据协同技术，实现各种形态数据集链上
链下的存储及访问，满足平等、安全的多中心多形态
数据可信共享应用场景。 | 1.融合区块链即服务、数据湖对象存储、云函
数Lambda服务等技术，解决区块链链上链下
多形态数据协同的问题；
2.提供非结构化数据的隐私存证与而数据湖
对象数据一致性校验，解决链上数据容量限
制，以Lambda智能合约方式保证链上链下数
据的强关联性和统一访问方式；
3.支持原始数据上链、哈希上链、存证上链等
3种上链方式。 | 整合
创新 |
| 26 | 基于数据分
级分类的多
层级数据权
限控制技术 | 数据安
全 | DaaS层
BingoInsight | 基于数据分级分类的标签技术，实现数据多层级的安
全访问控制方法。数据安全控制采用软件定义网络技
术、权限控制和加解密技术，实现网络层、数据资源
层、数据级行列层的多层级安全访问控制，全方位多
层级保障数据安全。 | 1.基于云计算的融合应用场景，结合软件定义
网络安全与云存储、数据组织、数据颗粒、数
据访问等多维度的安全控制手段，支持6种数
据安全控制策略，解决大数据安全访问的场景
问题；
2.支持多层级数据权限控制，提升数据安全保
障能力。 | 原始
创新 |
| 27 | 对象存储多
数据中心同
步及就近访
问技术 | 数据访
问 | DaaS层
BingoInsight | 采用对象存储跨数据中心机房数据同步技术，实现多
数据中心数据同步及大数据计算引擎的就近数据访
问，为多数据中心多层级数据互联互通提供底层支
持。 | 1.支持根据数据位置智能路由，实现跨数据中
心跨机房的就近访问；
2.支持跨数据中心跨机房数据同步。 | 整合
创新 |
| 28 | 基于元模型
的多模型框
架建模技术 | 数据建
模 | DaaS层
BingoInsight | 基于元模型抽象技术，接入常用领域建模标准，提供
面向领域知识的团队协同建模配置工具，解决大数据
工程建设中业务与数据割裂难题。 | 1.针对数据运营服务场景，通过领域知识建模
实现业务模型与数据的关联问题，支持DoDAF、
UML、OPM、ToGAF4种建模标准和框架；
2.支持数据工程师、业务专家的协同建模配
置；
3.支持52种以上业务模型模版。 | 整合
创新 |
| 29 | 异构计算引
擎统一管控
技术 | 数据管
控 | DaaS层
BingoInsight | 基于数据引擎统一中间件技术，构建异构数据库和计
算引擎的统一管控，解决异构计算引擎的多租户隔离
及调度、运维复杂性问题。 | 1.支持包括 Greenplum、Hadoop、Spark、
Kafka、Hbase、MongoDB等大数据引擎的统一
监控和管理，数据引擎支持可插拔，解决异构
计算引擎运维复杂性与引擎计算能力伸缩的
问题。 | 整合
创新 |
| 30 | 基于元数据
驱动与前后
端容器交付
的低代码应
用开发技术 | 应用开
发 | PaaS层
BingoFuse | 基于低代码应用开发技术，提供应用快速建模能力，
并且实现应用服务容器化部署，容器应用可实现跨终
端、跨移动应用平台的快速开发及交付。 | 1.支持PC、安卓、iOS、平板等4种终端类型；
2.支持钉钉、微信、聆客等3种移动应用平台；
3.结合前后端容器技术可在线快速创建新的
应用，支持分钟级创建和部署应用，支持分钟
级修改和发布应用。 | 原始
创新 |
| 31 | 跨安全域间
透明合规的
服务网关技
术 | 服务开
放 | PaaS层
BingoFuse | 在政府、公安等多安全域隔离控制的场景下，导致服
务无法跨域直接调用。本技术通过对接安全隔离网关
技术实现应用跨安全域的透明合规调用，不仅解决了
应用跨安全域的完整性、连续性问题，同时也保障了
用户的业务安全。 | 1.通过服务网关作为统一的调用入口，对应用
无入侵；
2.满足跨域网络安全审核授权的合规性要求；
3.通过文本交换的方式实现跨域双向代理的
服务网关，实现HTTP、WebSocket协议的跨域
安全互访。 | 原始
创新 |
③行业信息化业务的核心技术
公司行业信息化业务的核心技术介绍具体如下：
| 序
号 | 技术名称 | 技术
类别 | 技术介绍 | 技术独特性和突破点 | 技术
来源 |
| 1 | BIM模型轻
量化处理技
术 | 轨道交
通建筑
信息模
型管理 | 自主研发的多层逐级轻量化处理技术，通过构建细
节层次处理、视觉裁剪和空间信息快速检索的自动
化处理能力，分别从数模分离、模型面片压缩等方
面对BIM模型进行优化，支持大规模建筑3D场景
浏览和查看，解决了BIM模型应用时加载慢、展示 | ①支持AutoDesk、Bentley等BIM设计工具的设计模型；②
基于IFC标准格式进行轻量化处理，兼容主流BIM模型设计
软件的模型格式；③模型压缩率高，减少模型在前端展示所
需要的传输量；④轻量化处理自动化程度高，无需人工干预，
满足BIM模型快速迭代的需求；⑤模型构件可自定义装配， | 原始
创新 |
| | | | 流畅度低等问题，克服以往需要人工干预以及效率
低的轻量化优化问题 | 按需组合，实现精细颗粒度的权限管理和版本管理；⑥BIM
模型数据整体压缩能力不低于30%，特定场景下最高超过90%。 | |
| 2 | BIM跨平台
跨端图形引
擎技术 | 轨道交
通建筑
信息模
型管理 | BIM图形引擎技术，基于WebGL接口研发了面向BIM
应用的图形引擎技术，实现了跨平台跨终端的模型
展示和交互能力，提供简单易用的二次开发接口，
不依赖国外商业软件工具，解决了查看BIM模型需
要购买国外厂商专用BIM浏览工具的问题，提升了
进口替代率并降低了应用BIM的技术门槛；结合轻
量化技术，实现了跨平台跨端BIM模型的流畅渲染
与交互，方便被第三方应用集成调用 | ①不依赖国外商业软件工具，自主研发底层view3d引擎库，
可集成scenejs、cesiumjs、xeokit、threejs等WebGL库，
多场景可装配不同引擎库；②支持大场景模型加载快速浏览
流畅，支持跨平台跨端的在线应用；③提供简单易用的API
和二次开发接口，API体系对标Autodesk Forge平台，BIM
应用开发商可以平滑地完成基础平台的国产化改造工作；④
支持千万级别面片在集成显卡和普通独立显卡上浏览的帧率
不低于40帧。 | 整合
创新 |
| 3 | 轨道交通施
工调度冲突
检测技术 | 轨道交
通运营
施工调
度 | 针对轨道交通运营管理施工领域各种线路的施工
计划与执行层面的冲突检测技术，形成轨交行业有
实践竞争力的冲突检测算法和行业通用的冲突规
则库，支持对施工作业在时间、空间和其它多种物
理条件等多维度要求的冲突检测，支持多线冲突和
共线冲突检测 | ①自主研发，无第三方国外商业软件依赖；②检测算法集成
到SQL Server/Oracle/MySQL等数据库的运行引擎，保证运
算性能的同时，与调用的应用系统无入侵无依赖；③内置冲
突规则库可扩展；④独立的抽象化的数据模型，与业务系统
具体的业务数据模型解耦，采用ETL预抽取方式进行业务数
据隔离，实现检测条件抽象化规整化；⑤百万级数据量检测
计算时间不超过3秒；⑥系统架构和核心算法支持线网规模
扩展，不少于100条线路；⑦内置冲突规则库已支撑全国轨
道交通行业超过30条线路。 | 整合
创新 |
| 4 | 轨道交通乘
务交路排班
技术 | 轨道交
通乘务
管理 | 可兼容国内所有品牌行车控制系统输出的行车计
划格式作为数据源，生成乘务和其他配套管理资源
的排班计划；人力和其他配套资源占有优化算法，
自动化以最优规则对乘务运作的全过程、全资源统
一的调配和排班管理；国内首创的全交路模式兼容
能力，总结和归纳了国内所有城轨企业的交路管理
模式和要求，形成自主的核心算法，包含50多个
可变计算因子。交路编制计算支持直线型、Y型、
环形等线路结构，支持全交路、多重大小交路和各
种特殊折返管理的乘务运作方式；班表编制计算算
法包含20多个可变计算因子，支持按个人、车队
等不同城轨企业采用的人员组织模式，支持多种类 | ①自主研发链式规则处理引擎，无第三方依赖；②核心算法
采用可变计算因子模式，系统算法调整实现了参数化、规则
化，无需硬编码调整；③用户可根据实际业务需求变化，自
行组装链式规则及设置计算因子，提供了自由度和灵活性；
④全局调整计算因子的参数后可多次计算生成，支持用户逐
步迭代优化；⑤支持新线路入网运行快速编排对于简单线路，
计算时间在毫秒级；⑥对于复杂情况，最长不超过20秒（手
工编制有时需要1周时间）；⑦已支撑全国轨道交通行业超
30条线路；⑧可兼容卡斯柯、泰雷兹、西门子、北交控、南
京恩瑞特、浙大网新等信号系统厂商的行车计划数据格式；
⑨系统架构和核心算法支持线网规模扩展，不少于100条线
路。 | 原始
创新 |
| | | | 型人员的多种班制模式 | | |
| 5 | 城轨交通工
程施工用表
结构化自动
识别技术 | 城轨交
通工程
建设管
理 | 针对轨道交通施工工程从计划、执行到验收等全过
程大量的施工用表数据，本技术根据用表特征自动
识别、数据校验、精确匹配、数据提取与规则检查、
分类汇总，提升工程施工信息采集的效率和准确
性，克服行业上下游协同过程中格式复杂、共享困
难等问题，形成施工用表的关键基础数据。 | ①支持Project格式施工计划与实施进度的自动识别，支持
Excel格式施工用表的自动识别；②基于负载均衡技术进行施
用用表的任务并行、调度处理；③施工用表的一维、二维元
数据标识以及施工用表模板管理，可调整可扩展适应各地市
施工用表标准。 | 整合
创新 |
| 6 | 城轨交通施
工工法数字
化标准模型
技术 | 城轨交
通工程
建设管
理 | 针对轨道交通行业的工程建设专业特性，自主研发
了覆盖土建、机电等专业的施工工法模型库，通过
模型库的模板实例化配置、组合组装、模型对应工
具及数据规则引擎，指导线路施工建设套用标准工
法，是有序组织开展工程建设管理的基础，支撑了
工程建设管理的标准化，实现可量化可验收；通过
抽象的施工工法模型库、模型工具及规则引擎，可
适配不同工点特点，简化施工工法标准化应用和维
护工作。 | 基于MVC原理实现了模板实例化的数据模型、模型工具的各
界面套件、规则引擎与工作协同流程控制的8种轨交施工工
法模型库、土建施工工法模型，9种机电设备安装施工工法模
型，14种轨道交通行业车辆段、停车场施工工法模型 | 整合
创新 |
| 7 | 城轨交通维
修作业标准
模型技术 | 城轨交
通设备
维修管
理 | 针对轨道交通行业运营期间，各个设备专业的维修
作业标准化和现场管理的特点，自主研发了覆盖车
辆、信号、通信、AFC、供电、环控和屏蔽门等专
业的施工工法模型库，通过模型库中的作业模板、
作业模板自助配置、以及规则引擎和作业表单配置
工具，形成各个专业的标准化作业指引和作业信息
采集，引导作业人员按规作业、以及完整采集作业
过程的工时、过程、物料消耗和作业成果信息，为
后台的质量检查、量化分析作业成本和效率，以及
优化作业工艺提供完整的数据基础。 | 基于MVC、自定义表单和后台数据结构的原理，实现了作业过
程指引和数据采集表单单元的模型化、多模型动态组装、自
定义数据采集、校验和分析规则引擎的功能。
①维修工序模型：包含车辆、信号、通信、AFC、供电、环控、
屏蔽门、轨道、接触网等各个主要设备专业的维护维修作业
工具模型；②信息采集模型：包含作业人员信息、行进和作
业过程路径和工时信息、物料消耗信息、作业过程中的影像
图文信息、设备的仪表读数和工具测量信息以及其他配套管
理和调度信息；③数据校验和自动化处理模型：包括各个专
业设备的合理阈值规则、故障识别规则、积极告警和应急预
案启动规则、故障处理流程规则等 | 整合
创新 |
| 8 | 汽车试制零
件管理技术 | 试制试
验管理 | 基于集成SQL数据库运行引擎的试制零件清单BOM
拆分算法和拆车规则库，提供基于数据驱动的新车
型基础零件清单的协同试制；数据库服务器、应用
服务器和文件服务器均可采用集群容灾方式部署， | ①对汽车试制基础数据进行业务封装，提供高效、便捷的数
据选择服务，如工作日例组件、零部件智能筛选组件、供应
商智能匹配组件、零件到货提醒等；②支持高并发，硬件可
水平延展，采用集群式的部署方式，可根据需求增长进行弹 | 整合
创新 |
| | | | 集群节点数可根据应用规模弹性调整和动态扩充，
可云化部署；对接数控机床、PDA码枪、移动客户
端等自动化设备，实现数据的显示与采集，支持二
次开发与功能扩展。 | 性调整；③数据处理延迟低，可按树型结构展示万级数据的
零件清单（BOM），并可实现依据试制样车数量实现动态列加
载；④业务模块易扩展、易维护，技术架构设计低耦合、组
件化，对接试验数据管理TDM、产品数据管理PDM、工艺管理
CAPP等系统数据，可对接如油液加注、力矩等多类试制设备。
⑤在5个整车厂应用，帮助客户提升试制研发的工作效率。 | |
| 9 | 汽车试验数
据管理技术 | 试制试
验管理 | 支持可云化部署的结构化、半结构化、非结构化汽
车试验数据及海量数据存储；面向外地外协等试验
场景的试验数据的压缩、分片上传、断点续传、后
台组合等试验数据采集处理；应用了集群可云化部
署的软件负载均衡以及Redis缓存高性能并发架
构；基于数据图表模板研发动态单据生成技术，自
动生成汽车试验复杂专业报告。 | ①对于在外地试验场中产生的G级大文件数据，系统提供了
专用客户端进行文件采集上传；②支持多种导入试验文件类
型，Excel、文本、JSON、Access、CSV、XML、固定宽度文本
等文件格式；③支持多种导出数据库类型，Oracle、
SqlServer、MySql、Hadoop等；④研制动态单据生成Word
兼容文件格式，并支持表格、单元格合并，公式计划、图片
嵌入等；⑤支持复杂专业的试验数据报告以及报表自定义功
能，如整车耐久试验报告/报表和声学试验报告/报表，支持
多数据源的二维表、三维表；⑥在整车厂应用，积累了P级
试验数据，形成新车型试验的对比基础来源数据。 | 整合
创新 |
（2）核心技术先进性
公司部分核心技术达到了业内先进水平，其先进性和具体表征如下：
