[年报]宝兰德(688058):北京宝兰德软件股份有限公司2024年年度报告摘要
1、本年度报告摘要来自年度报告全文，为全面了解本公司的经营成果、财务状况及未来发展规划，投资者应当到www.sse.com.cn网站仔细阅读年度报告全文。 2、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，敬请查阅本报告第三节“管理层讨论与分析”中“风险因素”的相应内容。 3、本公司董事会、监事会及董事、监事、高级管理人员保证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。 4、公司全体董事出席董事会会议。 5、天健会计师事务所（特殊普通合伙）为本公司出具了标准无保留意见的审计报告。 6、公司上市时未盈利且尚未实现盈利 □是√否 7、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年度利润分配预案为：根据中国证监会《上市公司监管指引第3号——上市公司现金分红》《公司法》及《公司章程》等的相关规定，鉴于公司2024年实际经营情况，综合考虑宏观经济环境、行业现状、公司经营情况及发展规划等因素，为更好地维护全体股东的长远利益，保障公司长期稳定发展，公司2024年度拟不进行现金分红，不送红股，不以资本公积金转增股本。 以上利润分配预案已经公司第四届董事会第六次会议及第四届监事会第五次会议审议通过，尚需公司2024年年度股东大会审议通过。 8、是否存在公司治理特殊安排等重要事项 □适用√不适用 第二节公司基本情况 1、公司简介 1.1公司股票简况 □适用□不适用 公司股票简况
□适用√不适用 1.3联系人和联系方式
2.1主要业务、主要产品或服务情况 公司自成立以来，始终坚持独立自主的产品研发，以实现基础软件自主可控为公司使命，坚持以客户为中心，专注客户需求，持续进行研发创新，不断提升产品竞争力。作为一家专业的基础软件产品和解决方案供应商，公司紧跟信息技术创新应用及人工智能发展趋势，构建起覆盖基础设施软件、智能运维、人工智能及大数据三大领域、六大产品线、30+产品的矩阵，打造了覆盖全国的营销和服务网络。 公司的主要产品及服务如下：
1、盈利模式 公司报告期内的盈利主要来自销售自主研发的软件产品以及提供软件产品的技术服务收入。 公司持续拥抱国家信息技术应用创新利好政策及人工智能发展浪潮，根据市场和客户需求，积极调整研发和销售方向，持续研发创新，提升产品技术含量、丰富产品功能、提高服务质量和响应速度，从而有效满足用户需求，是公司实现盈利的重要途径。 2、软件销售模式 报告期内，公司产品和服务主要提供给电信领域、金融领域、党政领域等大型政企客户，公司通过直接销售模式和经销模式进行软件销售。 不同销售模式的主要业务流程内容如下： （1）直接销售 公司具备独立完备的销售团队和技术支持团队。 在该模式下，公司参与客户的公开招标或商务谈判。达成交易意向后，公司直接和客户签订销售合同。如公司签订产品供货合同，公司根据合同内容进行产品发货，并按照双方的合同约定向客户提供安装实施、调试及支持试运行等相关工作。产品到货后公司向客户索取到货证明，试运行阶段结束后公司向客户索取试运行稳定报告。如公司签订服务合同，公司向客户提供合同中指定服务内容。 由于中间件软件产品在客户的业务系统中起到核心关键作用，同时中间件软件本身与上层应用软件紧密相关，所以产品一经使用，替换中间件软件相对成本较高。一般在新建系统中，客户采用公开招标的形式来确定产品及合作方，而在后续的系统扩容业务中，客户一般不会更换中间件产品提供厂商。 智能运维类软件产品在客户日常运维操作中起到非常重要的效率提升作用，同时，智能运维类产品会管理大量现网应用系统的运行数据，与用户现网已存在的管理系统打通完整的支撑流程，所以产品一经使用，替换运维产品的成本较高。一般在运维能力的独立规划建设中，客户采用公开招标的形式来确定产品及合作方，后续扩展能力时，客户一般会采用在原有系统上功能扩充的方式进行，以便进行成本控制。 （2）经销销售 公司经销销售模式是指公司通过经销商进行产品销售，由经销商将产品销往下游客户的一种方式。 经销商模式下，公司将产品以买断方式销售给经销商，并由经销商向最终用户交付产品及服务，公司充分给予经销商业务培训、业务支持等。 3、采购模式 公司作为软件企业，为非生产型企业，业务流程不涉及生产环节，销售自主研发的软件产品具有无差异化和可批量复制的特性。公司日常经营发生的采购主要为外包服务采购和采购开发部4、研发模式 公司新产品的研发，一般需要进行市场需求分析调查、提出可行性分析报告，并制定预算， 在经过公司管理层对项目的可行性和预算论证通过后进行立项。 立项后，项目研发过程分为6个阶段：规划、需求分析和设计、架构设计、开发实现、测试 及发布。待研发项目完成后，通过注册软件著作权，形成软件产品，再向客户出售软件产品实现 盈利。公司研发形成产品并向客户销售的过程即为公司实际的生产过程。公司在软件产品交付后， 通过售后技术服务的方式为客户维护公司软件产品并保障业务系统的稳定。 5、技术服务模式 由于公司中间件和智能运维产品在客户的业务系统中起着核心作用，客户需要公司在销售软 件产品后持续提供技术服务以辅助客户维护系统稳定，持续更新演进。公司专业化技术服务内容 主要包括：保障服务、升级及补丁服务、系统维护服务和开发服务四种类型，其中保障服务和升 级及补丁服务是关键和基础的支撑服务，客户需要购买这些服务来保障业务系统的稳定运行。 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 公司主营业务是以基础设施软件、智能运维类软件及人工智能大数据类软件为主的软件的研 发和销售，并提供配套专业技术服务。 根据《国民经济行业分类与代码》（GB/T4754―2017），公司所处行业归属于软件开发业 （I6510）。根据《产业结构调整指导目录（2019年本）》，“软件开发生产（含民族语言信息化标准 研究与推广应用）”属于“鼓励类”产业。 “十四五”时期是我国开启全面建设社会主义现代化国家新征程的第一个五年，是我国向第二 个百年奋斗目标进军的第一个五年。与此同时，全球新一轮科技革命和产业变革深入发展，软件 和信息技术服务业也迎来了新的发展机遇。根据工业和信息化部《2024年软件业运行良好》的报 告数据，2024年全国软件和信息技术服务业运行态势良好，软件业务收入平稳增长，我国软件业 务收入137,276亿元，同比增长10.0%。2024年软件业利润总额16,953亿元，同比增长8.7%，利 润总额增速有所放缓。 2024年我国软件业务收入及增长情况如下：图1 软件业务收入增长情况 （1） 基础设施中间件行业发展情况 信息技术应用创新产业包含了从IT底层的基础软硬件到上层应用软件全产业链的安全、可控，中间件作为核心基础软件，在我国各行业信息系统中均发挥着至关重要的作用。实现中间件产品关键核心技术自主可控，是保障国家信息安全的关键一环，因此受到了国家政策的重点扶持。 我国中间件软件行业早期由国际知名厂商IBM和Oracle以领先的产品技术迅速占领了市场，随着国产中间件厂商技术的升级，以宝兰德为代表的国产厂商，在电信、金融、政府等领域客户中不断打破原有的IBM和Oracle的垄断，逐步提升了中间件软件产品的国产化自主可控。 在国家信息技术应用创新产业发展的持续推动下，中间件产品的国产化进程将持续加快，国产中间件厂商将迎来难得的发展机遇，并有望成为信息技术应用创新产业发展的标杆行业。随着云计算、物联网和大数据领域相关技术日渐成熟，中间件开始不断扩大边界以融合新兴技术趋势，中间件产品形态愈发多样，既可以是在计算机硬件和操作系统之上，支持应用软件开发和运行的基础中间件软件形态，也可以是在云环境中组成PaaS平台的云化中间件形态，以及在大数据领域中以数据中台的形态出现。但不论应用场景如何变化，为分布式应用提供标准平台的需求始终存在并持续增长，中间件产品的概念不断延伸，且将随着数字化技术的发展而不断壮大。 （2） 智能运维软件行业发展情况 伴随国产化信息技术应用创新工作的不断落实和深入推进，新型国产化软硬件产品在更多行业和领域纷纷落地，由于产品的兼容适配性及稳定性的差异导致的业务系统故障明显增多，传统基于设备的监控运维产品无法满足需要，从而催生了大量面向信息技术应用创新领域的运维工具的产品需求。同时，信息技术应用创新产品的测试认证工作也为行业内的运维产品设定了门槛。 随着人工智能技术的兴起，大模型赋能的智能化运维为企业提供了一种全新解决运维难题的路径。通过大模型从日志、指标等时序监控数据中挖掘有效信息，实现故障的精准定位和快速解决。通过检索增强生成RAG框架，大模型可以依托运维专家支持能力的沉淀积累及对历史案例的泛化学习，提供预测分析技术，可以帮助企业提前识别潜在的故障风险、容量问题，实现从事后处置向事前防控演进。对于企业沉淀的诸多运维解决方案资料库，大模型通过NLP技术，将运维手册、场景问题回答、运维案例库和实时数据整合为运维智能知识系统，降低了对人工的依赖，提升了团队协作效率。同时大模型还可以自动化处理重复性任务，如告警分类、日志分析和状态监控，通过不同的运维专家Agent，驱动大模型实现智能化的故障识别、故障定位、根因分析、报告生成，同时支持多环节智能编排，降低整个运维周期中对人工的依赖。 （3） 人工智能及大数据行业发展情况 1）市场分析 近年来，全球人工智能市场规模呈现出迅猛的增长态势。2023年，全球人工智能产业市场规模达5381亿美元，到2024年，这一数字攀升至6,382亿美元。2023-2024年期间，增速达19.21%。 预计在未来数年，随着技术的不断成熟、应用场景的持续拓展以及各行业数字化转型需求的推动，全球人工智能市场规模将继续保持较高的增长率，有望在2032年超过2.5万亿美元，年均增长率超过20%。 在中国，人工智能核心产业规模也在快速上升。2023年，我国人工智能核心产业规模达5,787亿元，同比增长13.9%，从2019年至2023年，这一规模增长迅速，2023年规模已达到2019年的2.62倍。预计2024年，中国人工智能市场在政策扶持、技术创新以及企业积极投入的多重作用下，产业规模将进一步增长，相关机构预测2024年中国新一代人工智能产业规模将增长至6530亿元。 随着各行业对数据价值的重视，数据要素产业相关市场也在不断扩大。大数据与云计算、人工智能等技术的融合，进一步拓展了其应用场景和市场空间。预计2024年中国大数据产业规模将突破2万亿元，云计算市场的增长也将带动大数据软件市场的发展。 2）技术发展与创新 以深度学习、自然语言处理、计算机视觉等为代表的人工智能核心技术在近年来取得了诸多关键突破。在深度学习领域，大模型技术的发展尤为引人注目。国产大模型厂商的基座模型产品，通过在大规模数据集上进行训练，具备了强大的语言理解与生成能力，能够处理多种复杂的自然语言任务，包括文本创作、问答系统、机器翻译等，极大地推动了自然语言处理技术的实用化进程。在计算机视觉方面，图像识别、目标检测、图像生成等技术不断进步，能够实现更精准的图像分析与理解，在安防监控、自动驾驶、医疗影像分析等领域得到广泛应用。 与此同时，数据采集、处理、存取、分析、可视化和管理等技术不断提升和创新，帮助企业更好地理解和利用数据。大数据与云计算融合为企业提供强大且灵活的计算资源与存储能力。企业无需大量投资建设本地数据中心，可通过云平台按需获取计算和存储资源，降低成本并提高资源利用效率。用户可在云端快速部署大数据分析应用，利用云的弹性扩展能力应对数据量和业务需求的波动。 大数据与人工智能、机器学习、深度学习深度融合，提升数据处理和价值挖掘能力。机器学习算法可自动从大数据中学习模式和规律，用于预测分析、异常检测等。深度学习在图像识别、语音识别、自然语言处理等领域表现卓越，结合大数据训练出更精准智能的模型。 3）竞争格局 人工智能领域在全球范围内呈现出激烈且多元的竞争态势。从地域上看，形成了以美国和中国为引领，其他国家和地区积极追赶的格局。美国凭借在高端芯片制造、基础研究和技术创新方面的优势，处于行业领先地位；中国则依托庞大的互联网用户基数所提供的丰富场景数据资源，以及政府大力推动的产业政策，在应用创新和产业落地方面进展迅速，成为全球人工智能发展的重要力量。欧盟、日本、韩国等也不甘落后，在不同领域积极布局，试图在全球人工智能竞争中占据一席之地。 中国在人工智能领域发展迅猛，已跻身全球第一梯队。政策层面，政府出台一系列扶持政策，从顶层设计推动产业发展，如《新一代人工智能发展规划》明确了我国人工智能发展的战略目标和重点任务。市场规模上，庞大的人口基数和快速发展的数字经济，为人工智能提供丰富应用场景和海量数据。同时，中国企业在技术创新方面也不断取得突破，展现出强大的技术实力。 大数据领域的企业类型则呈现多样化趋势，大数据市场的竞争主体既包括提供大数据技术、产品和服务的科技巨头，也包括众多专注于大数据某一领域的中小企业，还包括利用大数据赋能的传统企业，不同梯队的企业通过自身的数据积累和应用，不断提升在数据产业的竞争力。 4）发展趋势预测 从技术创新角度分析，大语言模型的参数规模将持续扩大，但增长逐渐趋于理性，更关注效率和性能优化。多模态大模型将不断拓展服务边界，能够更好地理解和处理图像、音频、文本等多种模态的数据，带来更丰富的用户体验。面对数据和算力瓶颈，新一代人工智能企业不再单纯依赖预训练模型和海量计算资源，而是在新型训练方法等方向寻求突破，如研究更高效的模型压缩、量化技术，以降低对算力的需求。 大数据技术将与云计算、人工智能、机器学习、深度学习等技术深度融合，不断提升数据处理能力和价值挖掘能力。同时，边缘计算和边缘分析等新兴技术的发展，使大数据处理更加实时、高效。大数据的应用场景不断丰富，从互联网、金融、电信等行业逐渐拓展到政务、零售、医疗、工业制造、交通、农业等各个领域，助力各行业实现数字化转型和升级。 （4）行业主要门槛 1）技术门槛 中间件软件属于基础类平台产品，具有跨平台性，应可以满足高性能、稳定性、可扩展性、跨平台、跨语言的要求，需要开发商具备优秀的软件架构能力和底层技术研发能力。针对云原生环境下的中间件，不仅仅需要在传统中间件类型上进行丰富，提供更多的服务满足应用架构升级、分布式、微服务化转变等需求，同时还需要中间件产品自身的云原生化转变，能够实现对云上基础资源的适配，支持容器化运行、有状态无状态服务分离、组件模块化、支持弹性伸缩等能力。 面向云计算的智能运维管理平台技术复杂度高，需要支持云计算的特性，即大规模、按需使用、灵活快速部署等。大规模要求平台具备高效并行计算能力及数据传输能力，按需使用要求云管理平台须能够实现按照策略完成物理资源、中间件实例、应用实例三个层次的自动化调度等。 同时，面向IT行业的智能运维，需要大量的IT运维工作经验，对系统架构、应用架构、运行模式、运行机制等方面深入了解，技术要求高，行业经验要求深，开发周期长，具有较高的技术门槛。 人工智能作为引领未来的战略性技术，其研发与应用存在较高的技术门槛，需要较高研发投入与长周期迭代。在算法与模型创新方面，需持续突破大模型架构设计、多模态对齐、小样本学习等核心算法，依赖顶尖科研团队与长期技术积累。同时从实验环境到规模化落地的过程中，会考验研发团队较强的工程化能力，需解决算力虚拟化、算力调度优化、分布式训推优化、低延迟推理、模型压缩、数据解析优化、参数自动化调优、大模型自身幻觉问题消除等技术难题，涉及复杂系统工程经验。 2）市场壁垒门槛 公司所在行业的最终客户中多为电信、金融、党政领域等大型政企单位，这些客户不仅对产品质量要求很高，而且对厂商提供的售后服务要求也很高。基础软件产品的供应商只有通过长期的技术服务和市场推广才能形成规模化、稳定成熟的客户群体。客户的计算资源、数据资源、业务及企业规范都依托于底层和支撑的软件基础架构，相关系统的有效运营依赖于供应商对客户信息系统的深入理解，因此，客户在软件基础架构的投资规模很大，同等条件下，其替代及更换成本较高。使用周期越长，其对产品及服务的提供商的粘性就越强，这个特点对市场新进入者形成了较强的市场壁垒。 3）人才门槛 中间件和云环境下的智能管理平台软件是平台基础软件，连接应用和操作系统、数据库。不同于一般行业解决方案开发商的研发人员，中间件和云管理平台要求开发人员熟悉基础底层核心的知识，不仅仅精通中间件自身的技术，还要精通数据库以及操作系统的技能，更需要有对技术演变具有很好的前瞻性，云管理平台还要求对虚拟机技术、容器技术和分布式文件系统等技术有很好的掌握。 智能运维需要有大型软件的系统架构经验，需要精通网络通信、大数据、AI算法和可视化等技术。 对于人工智能方面的人才，则需要对机器学习、深度学习、强化学习、神经网络等各种前沿算法有积累和沉淀，具备数学建模与创新能力，并且在人工智能场景与行业的结合中具备跨学科交叉与行业洞察，所需的人才培养周期长。 (2).公司所处的行业地位分析及其变化情况 公司自成立以来，始终坚持独立自主的产品研发，以实现基础软件自主可控为公司使命，坚持以客户为中心，专注客户需求，持续进行研发创新，不断提升产品竞争力。作为一家专业的基础软件产品和解决方案供应商，公司紧跟信息技术创新应用及人工智能发展趋势，构建起覆盖基础设施软件、智能运维、人工智能及大数据三大领域、六大产品线、30+产品的矩阵，打造了覆盖全国的营销和服务网络。 (1)基础设施软件市场地位 在公司的产品板块布局中，基础设施软件涵盖中间件类、云应用类产品。中间件作为公司的拳头产品，依赖自主研发的多项核心技术，其处理能力、高可用、稳定性等特性均达到媲美国外一流产品的水平，在电信、金融和党政领域的市场应用中均处于领先地位。并且随着信息化建设公司持续处于行业头部地位。 （2）智能运维软件市场地位 在智能运维市场，公司凭借为大型企业级客户提供专业IT应用系统的智能运维产品和技术服务的积累，处于行业前列。 经过多年发展，公司对智能运维软件领域核心技术深入研究开发，通过不断加大技术研究、产品开发投入力度，持续进行改进和创新，公司产品功能、技术水平不断提升。公司不断提升监控产品实现全栈融合监控和云原生可观测能力，增强低代码开发能力和AI能力以快速适应用户需求变化，全面助力自动化、数智化运维新场景。 (3)人工智能和大数据市场地位 公司在人工智能领域的投入从研发初期就注重技术的落地性和实效性，公司智能运维AIOps产品聚焦在如何将人工智能技术运用到企业的运维实践中，提升整体运维效率和生产运行质量，降低IT建设运营成本。 公司AI智能学习平台AILinkLearning作为智能计算软件的基础设施，着力打造智能化的数据处理、模型开发、模型训练部署、模型评估、模型推理、算力管理、国产AI芯片适配、算法应用等能力，降低人工智能应用的开发维护成本，并以此为依托提供各种优质高效的算法服务及衍生产品打造智能化的数据处理和模型服务等服务化能力。 随着生成式人工智能技术的迅猛崛起，公司在如何利用大型模型技术来显著提升用户的数字效能方面重点投入，专注于多个关键领域包括低成本私有化专业大模型的研究、规模化商业大模型服务的集成以及大模型领域应用开发的拓展等。公司注重立足实际场景应用，结合丰富的行业经验，迅速构建出AI智能助手，大幅提升运维服务及其他业务场景的智能化程度，并已在电信、金融、教育领域实现落地。 AI智算平台通过整合企业内不同厂商、型号的算力资源，帮助企业有效利用现有硬件，为未组建算力平台的企业提供集中管理方案。同时还聚焦于解决大模型应用中的高并发压力和推理服务响应问题，并支持对模型进行微调，提升大模型在实际应用中的准确性和效果，降低企业在大模型开发与部署过程中的成本与技术门槛，加速人工智能技术的落地和广泛应用，解决算力瓶颈问题并推动行业数字化转型。 在大数据领域，公司重点加强数据集成、数据交换、数据治理、数据服务资产及数据可视化等大数据体系的产品研发，研发并完善了数据交换平台BESDataLinkDXP、数据集成平台BESDataLinkDI、数据资产服务平台DASP、数据治理平台DGP、大数据平台BESDataLinkDSP、数据可视化平台 DataCool等云计算和数据类中间件及平台类软件，有效地支撑了下游用户数字化转型及数据要素支持等方面的需求。 (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（1）人工智能、大数据等新技术加速产业应用落地 人工智能和大数据等底层技术已经较为成熟并逐步应用到实际场景中，基于人工智能和大数据的智能运维领域是其中重要的应用场景之一，同时，技术开始走向细分方向，并随着各个领域技术的不断成熟和产业生态的不断完善，整体AIOps进入到加速创新的阶段。 结合机器学习等人工智能算法，公司将人工智能技术引入传统运维领域实现注智赋能，提升了客户运维工作生产效率，提高了系统生产运行质量，降低了企业IT系统的建设成本。同时，结合自然语言处理等技术的应用，开发了结合移动互联网技术的ChatOps智能运维机器人。 随着ChatGPT等AIGC技术的爆发，公司在大模型及算力管理等技术方向重点投入，在低成本私有化大模型研发、规模化商业大模型服务集成、大模型领域应用开发、算力统一调度管理等方向一步助力用户提升数字治理效能及运维服务的智能化水平。 公司在大数据与决策领域加强数据集成、数据交换、数据治理、数据服务资产及数据可视化等大数据体系的产品研发，拓展行业用户数字化转型，帮助用户打破“数据孤岛”、挖掘数据要素潜能、实现数据资产化，拓宽业务增长新空间。 （2）云原生技术驱动产业数字化转型 随着科学技术的不断进步，产业数字化转型要求将云计算、大数据、人工智能、5G等技术融入到传统产业之中，不断推出产业级的创新应用。传统产业的数字化转型需要产业各方不断探索新一代信息技术与传统产业应用场景融合的立足点，通过新技术真正解决产业的痛点并带来新的产业价值。 云原生技术和产业数字化转型存在相互促进的关系。在产业发展过程中，以容器、微服务、Serverless、DevOps等为代表的云原生技术和理念可在云计算、大数据、人工智能等各种基础设施层面为产业应用提供底层支撑能力，一方面云原生技术提供的敏捷性提高了产业应用的开发效率及生命周期的管理能力，实现产业资源利用效率的提升、业务弹性扩展能力和灵活性的升级，另一方面云原生技术的先进性提供了更加灵活高效多样的云边端等基础设施资源，带来了业务形态多样性的可能，云原生可观测等新型云原生技术的涌现和演进，为降低复杂环境的运维难度带来了突破口。随着“新基建”的提速，国内云原生技术应用发展迅速。 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
单位：元币种：人民币
□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
□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 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。 公司实现营业收入28,340.95万元，同比减少7.18%；实现归属于上市公司股东的净利润-5,872.24万元；实现归属于上市公司股东的扣除非经常性损益的净利润-5,478.94万元。 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 中财网
 |