PA视讯（集团）-官方网站

　　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，投资者应当到网站仔细阅读年度报告全文。

　　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”之“四、风险因素”部分。

　　3、本公司董事会及董事、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。

　　5、容诚会计师事务所（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。

　　经容诚会计师事务所（特殊普通合伙）审计，截至2025年12月31日，安徽容知日新科技股份有限公司（以下简称“公司”）母公司报表中期末未分配利润为人民币401,931,709.88元。经董事会决议，公司2025年年度拟以实施权益分派股权登记日登记的总股本为基数分配利润。本次利润分配方案如下：

　　公司拟向全体股东每10股派发现金红利3.00元（含税)。截至2025年12月31日，公司总股本87,988,713股，以此计算合计拟派发现金红利26,396,613.90元（含税），占2025年度归属于上市公司股东净利润的31.33%。公司不送红股，不进行资本公积金转增股本。

　　如在本公告披露之日起至实施权益分派股权登记日期间，公司总股本发生变动的，拟以每股分配比例不变，调整拟分配利润总额。

　　公司是一家人工智能驱动的工业AI服务企业，致力于为客户提供全球领先的设备智能运维解决方案和AI设备运维订阅制服务。主要产品和服务已广泛应用于电力、石化、煤炭、钢铁等多个行业，持续向半导体、轨道交通、港口、化工等众多行业及新应用场景拓展。公司始终坚持以科技创新引领产业创新，将AI先进技术与真实的行业应用相结合。经过多年发展，公司已完成核心感知元器件、边缘智能、工业大数据、智能算法、PHMGPT系列工业大模型及工业互联网平台的全链条完整技术布局，形成“1+N+X”场景化智能运维解决方案产品服务体系。在1+N+X的产品服务体系之上，打造全链路赋能体系，提供培训赋能、战略咨询等立体式服务，致力成为客户智能运维的长期服务伙伴。

　　报告期内，公司全面深化AI+设备智能运维应用，持续加大在智能运维领域产品的研发投入。依托多年累积的工业行业经验与数据积累，公司已构建以“1+N+X”为核心的全栈式智能运维产品体系，通过标准化平台、模块化技术与场景化方案的深度融合以及全面立体的服务体系，赋能制造业智能化、高端化、绿色化、协同化升级。

　　“1”即1个工业设备智能运维平台，作为公司面向工业智能运维领域的数字基座，提供AI算法框架、大数据处理、可视化引擎、边缘计算管理等通用智能化引擎和标准化技术融合总线，依托近二十年工业设备运维数据积累，构建覆盖多行业、多类别的运维知识与数据资产库，能覆盖电力、石化、煤炭、钢铁等行业各种工业设备智能运维场景应用。通过开放式技术架构与生态化能力设计，平台具备智能感知、智能预警、智能诊断、智能体等功能应用，实现多源数据的统一接入、协同调度与深度分析，为工业智能运维场景应用奠定坚实基础。

　　深耕工业近二十年沉淀的设备故障数据。平台深度整合电力、石化、煤炭、钢铁等复杂工业场景的全量设备运行数据、故障案例库与专家经验图谱，形成跨行业、跨设备类型的标准化数据治理体系。通过多源异构数据的统一标注、关联分析与知识沉淀，将分散的运维记录转化为可复用、可演进的结构化数据资产，为智能决策提供高质量的数据基础，真正实现数据驱动运维的价值闭环。

　　AI大模型驱动的智能引擎。依托PHMGPT工业AI大模型，构建起感知-预警-诊断的全链条智能能力，具备工况感知、特征提取等多样化的边缘感知能力，自研多模态模型矩阵嵌套趋势分析、波形分析、轴承分析等细分模型，能够精准识别潜在故障特征，实现设备故障精准预警与故障诊断分析。同时凭借海量故障案例库与多模态知识推理，搭配诊断推理引擎、专家知识图谱等，生成推理过程、诊断结果和建议等关键信息，完成复杂故障的快速定位与处置方案推荐。

　　生态化架构与场景敏捷适配。有效支持第三方算法、行业应用及硬件设备的快速接入与灵活编排，实现多源数据的统一接入、协同调度与深度分析。平台能够适配电力、钢铁、石化等各行业多样化工业设备场景，为工业智能运维的规模化应用奠定坚实技术底座。

　　“N”即N种基于“视听触嗅味”五感能力的智能感知产品体系，通过标准接口无缝接入智能运维平台，配置振动、油液、声纹、气体、视觉等监测传感器，形成开放且强大的技术底座，为智能运维提供全域感知支撑。

　　视觉感知层涵盖智能巡检机器人与AI智眼摄像头，融合可见光成像与红外热成像技术，实现设备故障精准识别；

　　触觉感知层部署多类型振动传感器，覆盖振动加速度、冲击振动、工况参数及转速监测等维度；

　　嗅觉感知层配置高精度气体传感器，对环境中一氧化碳、甲烷等关键气体浓度进行动态监测；

　　味觉感知层依托油液智能检测终端，精准分析油品金属磨粒含量、水分指标及粘度特性等核心参数。

　　“X”即X种面向客户的全栈场景解决方案，作为公司深耕垂直行业的价值交付载体，推出覆盖电力、石化、煤炭、钢铁、有色、港口等行业解决方案，深度融合设备数据积累和行业知识沉淀，依托PHMGPT工业AI大模型，聚合图像、声音、视频等多模态数据，并与传统振温监测优势协同，构建机械、电气、仪表、静态设备等多类型工业设备数据采集→智能诊断→维护决策智能运维全流程。

　　通过巡检机器人、线性串联、AI摄像头、纵撕监测、无线振温的产品组合，实现对皮带机传动部件、皮带本体、运行状态、沿线状态、安全合规五大维度的全方位、立体化智能监测；

　　面向离心泵、风机、磁力泵，空压机，电机等设备，具备边缘故障特征计算、边缘加密采集、AI启停机识别、AI时序异常检测等智能监测能力，实现对机泵类设备的智能感知、智能预警与智能诊断分析；

　　采用油品和金属磨粒独立监测油路设计，内置油泵以及电磁阀实现对采集油路的启停、流量控制、油路切换、静置消泡等采集策略，支持同时监测金属磨粒、密度、40℃运动黏度、介电常数、温度、水活性、含水量、含水率等指标，可实时呈现油品状态。

　　④ 其他基于行业痛点和场景价值的各类型智能运维解决方案，如：轧机智能监测系统，低速重载类设备智能监测系统、配电室AI智能监测无人巡检系统等。

　　在1+N+X的产品体系之上，打造全链路赋能体系，提供“培训赋能、战略咨询、诊断服务”的立体服务，致力成为客户智能运维的长期服务伙伴。以AI+设备智能运维建设为核心，结合行业级战略咨询输出全流程解决方案和智能化转型路径，依托AI深度诊断服务挖掘设备运维数据价值，以标准化培训体系赋能实现客户运维能力升级，助力客户构建自主可控、内生进化的智能运维核心能力，为客户创造可持续的数字化运营价值。

　　行业Know-How与智能运维生态融合，为客户提供行业级战略咨询，输出全流程解决方案和智能化转型路径，依托覆盖全产业链的运维生态伙伴网络，整合设备制造商、传感器厂商、算法服务商及行业专家资源，构建开放协同的运维知识体系。通过将垂直行业经验沉淀为可复用的方法论，帮助客户打通从设备层到决策层的数据链路，制定清晰、有效的AI+设备智能运维实施路径。

　　标准化体系驱动能力升级。以培训赋能体系为支点，致力为客户提供AI+设备智能运维长期服务。通过企业高层、中层、基层分层分级的课程设计，系统性提升客户团队的数字化运维素养。培训内容深度融合客户行业经验与真实诊断案例库，配备Mobius认证体系与最佳实践共享机制，确保客户不仅用上智能运维，更能用好并持续迭代。

　　365×24小时全时域守护。依托不间断的深度诊断服务，构建设备运维数据实时价值挖掘体系。通过AI驱动的智能预警和智能诊断体系与专家远程诊断中心协同运作，实现设备异常响应、故障趋势监测。全天候诊断服务，确保客户关键设备有效运行，将运维数据真正转化为可量化的生产效益与资产保值能力。

　　公司采购的原材料主要包括电子元器件、计算机及网络设备、结构件以及辅材等。目前，该等原材料市场供应较为充足，市场竞争较为充分，公司选择质量稳定、交付及时、成本有竞争力且与公司合作关系良好的供应商进行采购。公司采购部门主要根据市场预测和订单情况进行采购，对部分原材料进行战略备货。在确保原材料的质量和供货期的前提下，采购人员通过比较不同供应商的产品质量、技术水平、交付能力、价格和售后服务等因素，择优选择最终的供应商。公司建立了完善的采购管理制度，制定了严格、透明、规范的采购流程，对采购物料的各个环节进行全面管理，确保原材料采购环节符合公司质量控制标准。公司根据供应商的规模、产品质量、技术和售后服务等指标，实施合格供应商管理和评价制度，建立了合格供应商目录。

　　公司实行以销定产和需求预测相结合的生产模式。生产部门根据公司销售订单和日常备货需要，结合公司库存情况，制定生产计划和组织实施生产。公司产品生产包括自行生产和外协加工两个部分，其中：传感单元制造、电路板测试、软件烧录、半成品部件生产、整机组装、高低温循环老化测试、整机性能测试等技术要求高的核心环节，由公司自行生产完成；贴片及接插件焊接、部分结构件表面处理和线束注塑等工艺简单、附加值较低的加工环节，由外协厂商加工完成。在外协加工过程中，公司提供设计图纸，外协加工厂商按照公司要求进行生产加工。为了更好地控制和保证外协厂商的生产过程质量，公司设置了专职的供应商质量管理工程师岗位，对外协厂商生产加工进行巡检和评审。公司建立了外协厂商的引入、绩效考核、分类评级及淘汰等严格的过程质量管控流程体系，以监控和保证外协生产过程中的产品质量。

　　2025年是公司全面转向伙伴+全球化战略的关键年，大力推进从“直销为主、经销为辅”向“全面战略伙伴协同”与“产品全球化布局”转变，助力公司实现从产品供应商向生态型工业智能服务化转型。

　　公司全面落实合作伙伴战略，建立共同开发场景、联合创造价值的战略伙伴合作机制，积极拓展煤炭、钢铁、石化、电力、半导体、港口等行业伙伴，围绕各行业智能运维场景，建立客户、战略伙伴技术合作与生态共赢。

　　公司积极推进全球化战略，依托本地化运营策略，优先深耕北美、东南亚等产业密集且数字化需求旺盛的海外市场，推动公司产品服务标准与国际接轨，逐步提升国际市场品牌影响力。

　　公司以市场需求为导向开展自主研发，研发中心通过跟踪行业前沿技术发展趋势和目标市场需求信息，基于公司发展规划提出研发计划，并经过内部立项评审通过后确定研发项目。在预研方面，公司持续加大投入力度，成立了专门的预研小组，聚焦前瞻性技术探索与创新。预研小组重点关注大模型、智能体等前沿领域，招聘高级别技术专家，深入开展技术可行性验证与原型开发，为公司中长期技术路线提供战略支撑。产品开发方面，研发项目经理确定研发项目进度计划表，组织研发人员实施研发，主要内容包括方案设计、软硬件开发、系统测试、小批量验证、Beta版本试运行等。在技术研发管理方面，公司制定了体系化的内部规章制度，构建了完善的项目开发管理体系，明确了研发过程中各阶段人员分工和职责权限。

　　我国工业设备智能运维产业起步相对较晚，伴随工业自动化水平提升与数字技术迭代，目前已在技术研发与场景落地层面实现快速突破，成为保障工业系统可靠性、安全性，支撑先进装备制造与传统工业自动化升级的关键基础产业。我国工业设备运维历经人工经验运维阶段、仪器化监测运维阶段、计算机辅助诊断阶段、网络化智能运维阶段四个发展阶段，持续向数字化、智能化、协同化演进：

　　第一阶段：人工经验运维阶段（基于经验与简易诊断）：主要依靠诊断专家和专业技术人员，通过观察现象、积累知识，凭借人工经验判断故障类型与隐患。

　　第二阶段：仪器化监测运维阶段（基于信号测量与预防维修）：利用先进的传感技术获取响应信号表征机械装备的运行状态，从动力学、声学、摩擦学、热力学等多物理场获取响应信号，通过信号处理方法提取故障微弱特征，开展切片式分析。

　　第三阶段：计算机辅助诊断阶段（基于信号处理与模型分析）：以观察现象、积累知识、设计算法、提取特征、分析决策为主线，依托专家系统识别装备故障，利用计算机完成数据综合分析与状态评价。

　　第四阶段：网络化智能运维阶段（大数据与人工智能驱动）：转向以机理为基础、数据为中心、计算为手段、智能数据解析与决策为需求的新学术思维，由针对关键零部件的单层次监测诊断转向针对复杂系统的多层次监测诊断，实现多物理源数据融合、自动特征提取、智能预警与剩余寿命预测，是智能制造的关键组成。

　　当前，国家已密集出台一系列以 “工业互联网”、“AI+”为核心的政策文件，如《机械工业数字化转型实施方案》《关于推进“人工智能+”能源高质量发展的实施意见》《场景化、图谱化推进重点行业数字化转型的参考指引（2025版）》等文件大力推动工业产业结构向数智化、绿色化、协同化、高端化方向转型升级，核心聚焦在工业大模型研发落地、高价值应用场景拓展和智能算力供给提升等关键环节，以加快人工智能技术与工业设备运维场景深度融合；同时，工业设备自动化升级、制造业数字化转型等相关政策陆续落地，明确要求强化工业AI技术研发与场景应用，推动设备运维向数字化、智能化转型，提升设备运行稳定性，助力工业企业实现“提质、增效、绿色、节能”的发展目标。政策端持续发力为行业发展指明了方向，也为行业规模化拓展、体系化升级提供了良好环境。

　　以工业AI、工业大模型、工业Agents为代表的前沿科技的快速迭代，正重新定义工业设备运维的技术范式与服务模式，推动行业从“经验驱动”转向“数据智能双轮驱动”加速跃迁。一方面，AI与大小模型融合成为核心引擎，通用大模型提供全域认知能力，场景专用小模型实现精准适配与高效推理，二者协同融合，赋能故障诊断、寿命预测与健康管理全链路智能化升级；另一方面，海量多源工业数据的融合应用打破数据孤岛，通过设备运行、工艺参数等数据的汇聚与挖掘，持续沉淀并转化为行业场景解决方案，形成技术迭代与场景落地的正向循环，为智能运维方案的精准化、高效化与规模化落地提供核心技术支撑。

　　现阶段，工业设备智能运维模式的市场认可度与接受度持续提升，而行业服务整体呈现应用成熟度不均、市场渗透率偏低的核心特征，行业仍处于快速发展的初期阶段。在制造业数字化转型的大背景下，工业企业数智化改造加速推进，智能运维已成为该转型趋势的核心环节之一。随着智能运维相关技术成熟度提升、服务模式不断迭代、应用场景持续拓宽，叠加数智化转型的长期趋势支撑，市场需求持续增强，行业未来发展前景广阔、动能充沛。

　　工业设备智能运维基于工业AI、物联网与大数据等先进技术应用，属于多学科交叉融合的技术密集型领域。工业设备智能运维领域企业不仅要集技术沉淀、规模化研发、软硬件产品、故障数据资产、专业场景解决方案及专家服务网络于一体，更要以运维平台、海量数据融合、大小模型协同、工业智能体为核心底座，深挖行业Know-How，转化为场景化解决方案，依托全链条服务能力，推动工业企业高质量发展。

　　工业设备智能运维的技术壁垒，首先体现在 AI 算法、工业数据集、大模型与智能体等核心技术的研发能力上。工业场景涉及多个行业且多元复杂，各行业均有独特的工艺特点与技术挑战。因此，企业不仅需突破 AI 核心技术瓶颈，更要实现技术与工业数据集、智能场景应用的深度融合，方能为工业运维模式转型升级提供坚实支撑。工业AI技术自主研发既是智能运维落地的重要基础，也是智能运维发展的关键基座。

　　海量工业数据是工业设备智能运维的关键支撑。作为核心生产要素与竞争力载体，工业数据多元获取、融合处理、积累迭代与实践应用是工业设备智能运维领域的重要壁垒。一方面，涉及跨生产环节、制造基地、工业行业，需要构建可靠安全高效的工业互联网体系来支撑数据的获取与融合。另一方面，工业数据通常因设备运行、工况、环境等多样性与复杂性因素，不仅要具备从海量冗余数据中提炼出关键运维信息的能力，更要在场景中实践应用与长期积累，这对企业的高效运营与建设规划都提出了极高的要求。

　　工业设备智能运维应用场景多元复杂，各行业对智能运维解决方案的需求差异显著。因此，深度扎根细分行业，精准把握核心设备制造原理、运行特性及全生命周期影响要素，具备深厚的行业知识、专业的专家团队与丰富的落地经验，是开发适配现场需求、契合行业痛点的解决方案的必要前提。企业需在掌握先进技术与海量数据的基础上，深度理解一线流程与业务需求，持续沉淀细分场景Know-How，打造面向细分场景的专用小模型，并强化大小模型的协同，以此构建既契合革新趋势、又满足实际需求的行业级场景解决方案。

　　工业设备智能运维应用涉及平台、数据、AI、服务、赋能等，投入巨大且各环节紧密关联。企业需具备全流程落地实施与持续赋能客户转型发展的综合服务能力，既要保障方案稳定可靠、可落地、可执行，也要在遵循行业标准、符合实际需求的基础上，提供从项目落地到长期运维赋能的一体化服务支撑。

　　公司是国内较早布局、并长期专注工业设备智能运维领域的领军企业，伴随行业从信息化、数字化迈向人工智能深度融合的积极转型阶段，始终保持技术研发与场景应用的领先地位，深耕电力、石化、煤炭、钢铁等多个行业，并持续向半导体

　　、轨道交通、港口、化工等行业拓展，在此过程中积淀了丰富的行业服务经验，并持续引领行业技术与应用发展。

　　截至本报告披露日，公司实时接入数据中心远程监测的重要设备超20万台，智能推送设备体检报告超375万份，累计闭环各行业工业设备故障案例超4万例，拥有300余项核心专利及软件著作权，参编国家标准4项，获批2家国家级实训基地；同时积极推进全球化布局，业务已覆盖全球35个国家和地区，市场竞争力持续增强。

　　工业设备智能运维行业准入门槛高、对技术沉淀与经验积累要求严苛。公司凭借研发、产品、市场与品牌等多维优势，已在行业内确立了领先地位，先后荣获国家级专精特新 “小巨人” 企业、工信部智能制造试点示范、服务型制造示范、工业互联网试点示范、制造业与互联网融合发展试点示范、大数据产业发展试点示范、安徽省专精特新冠军企业和企业技术中心等多项权威认定。

　　(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

　　随着传感技术、采集技术、传输技术与诊断技术的不断发展，客户对监测结果准确性的要求持续提升，对采集设备的精度、可靠性和环境适应性提出了更高要求。同时，应用场景不断丰富，状态监测正从室内、厂房等单一环境逐步拓展至水下、高粉尘、矿井、强电磁等复杂工业现场，对产品的功能多样化、模块化和场景适配能力提出了更高要求。具备模块化架构与多参数集成能力的状态监测产品，能够快速适配不同行业、不同设备与不同工况，已成为行业产品竞争的重要方向。

　　随着监测设备性能的持续提升，数据采集密度不断加大，接入设备数量持续增长，工业现场数据量呈指数级上升，对云端传输、计算与存储带来较大压力。在此背景下，边缘智能成为必然选择：前端设备通过嵌入高性能计算单元与工业机理算法，在采集端即完成数据清洗、异常判断与工况识别，仅将异常数据与必要信息上传，有效降低云端压力。同时，边缘侧可实现工况精准感知，自动识别误信号、启停机状态与转速平稳工况，支撑常态低频指标+异常高频波形的自适应采集策略，从盲目扫射向精准点射转变，提升有效数据获取能力与故障特征保留时效。

　　随着企业设备运维智能化要求的不断提高，设备智能运维的数字化程度持续深化。以设备云诊断平台为数据基础，将多类型设备的数据计算与处理引擎，以及设备维保、检修、备件等运维应用工具部署于云平台上，结合统一的数据标准与使用规范，构建完整的设备智能运维平台体系，已成为行业平台演进的主流方向。该体系化路径有助于支撑多行业、多类型、大规模工业设备的智能运维需求，提升运维效率并降低综合成本。

　　突破传统单点监测局限性，深度整合振动、图像、声纹、温度、工艺量等多源异构数据，依托深厚的工业数据积累与AI多模态融合分析技术，已成为行业从单一维度向全感知跨越的重要路径。通过构建振动、工艺、视听等多模态数据的同步采集通道，并依托机理+AI融合分析框架，实现设备健康的全面感知与复杂故障的精准识别，已成为行业智能化升级的核心方向之一。以智慧皮带场景为例，通过整合振动、图像、声音等多种感知手段，可实现皮带纵撕、跑偏、托辊故障及物料系统异常等多类故障的智能识别，可实现皮带机运输80% 以上综合巡检覆盖率。

　　随着大模型与智能体技术的快速发展，工业设备故障诊断正从传统的规则匹配、单一模型预测，向具备自主规划、自主工具调用、多模态融合与透明化推理能力的故障诊断智能体方向加速演进。以特征解码（感知）一逻辑推理（认知）一决策输出（决策）为核心架构的故障诊断智能体，能够模拟专家诊断思维，深度融合振动、图像、声音、温度等多模态数据，成为工业设备智能运维的重要发展方向。

　　与此同时，AIGC（生成式人工智能）技术在工业视觉场景中实现应用突破。针对工业故障视觉场景中样本稀缺、难以获取的冷启动困境，通过生成式AI合成高保真度故障样本数据，有效加速模型精准迭代与快速上线，破解了工业AI落地中数据瓶颈的行业共性难题。公司率先推出通用设备PHMGPT故障诊断智能体系列产品，构建了从大模型问答到智能体自主诊断的技术跃迁，引领行业发展趋势。

　　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

　　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2025年度实现营业收入64,559.80万元，同比增长10.60%；实现归属于母公司所有者的净利润8,425.07万元，同比下降21.64%；实现归属于母公司所有者的扣除非经常性损益的净利润8,191.57万元，同比下降21.69%。

　　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。

　　本公司董事会及全体董事保证本公告内容不存在任何虚假记载、误导性陈述或者重大遗漏，并对其内容的真实性、准确性和完整性承担法律责任。

　　● 会议问题征集：投资者可于2026年5月8日（星期五）15:00前访问网址

　　或使用微信扫描下方小程序码进行会前提问，公司将通过本次业绩说明会，在信息披露允许范围内就投资者普遍关注的问题进行回答。

　　安徽容知日新科技股份有限公司（以下简称“公司”）已于2026年4月28日在上海证券交易所网站（）披露了《容知日新2025年年度报告》《容知日新2025年年度报告摘要》及《容知日新2026年第一季度报告》。为便于广大投资者更加全面深入地了解公司经营业绩、发展战略、现金分红等情况，公司定于2026年5月8日（星期五）15:00-16:00在“价值在线”（）举办安徽容知日新科技股份有限公司2025年度暨2026年第一季度业绩说明会，与投资者进行沟通和交流，广泛听取投资者的意见和建议。

　　或使用微信扫描下方小程序码即可进入参与互动交流。投资者可于2026年5月8日（星期五）15:00前进行会前提问，公司将通过本次业绩说明会，在信息披露允许范围内就投资者普遍关注的问题进行回答。

　　本公司董事会及全体董事保证本公告内容不存在任何虚假记载、误导性陈述或者重大遗漏，并对其内容的真实性、准确性和完整性依法承担法律责任。

　　公司董事会及董事、高级管理人员保证季度报告内容的真实、准确、完整，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。

　　公司负责人、主管会计工作负责人及会计机构负责人（会计主管人员）保证季度报告中财务信息的真实、准确、完整。

　　对公司将《公开发行证券的公司信息披露解释性公告第1号一一非经常性损益》未列举的项目认定为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号一一非经常性损益》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。

　　持股5%以上股东、前10名股东及前10名无限售流通股股东参与转融通业务出借股份情况

　　前10名股东及前10名无限售流通股股东因转融通出借/归还原因导致较上期发生变化

　　本期发生同一控制下企业合并的，被合并方在合并前实现的净利润为：0元，上期被合并方实现的净利润为：0 元。

　　2026年起首次执行新会计准则或准则解释等涉及调整首次执行当年年初的财务报表