投资评级与核心观点 - 报告对创新奇智给予“增持”评级 [1][6] - 报告核心观点：公司业绩重回成长，财务指标达历史最优水平；“一模-一体两翼”战略加速；三大平台产品化加速，场景落地多点开花 [2][6] 财务表现与预测 - **历史业绩**：2025年公司实现总收入15.13亿元人民币，同比增长23.8% [4][6] - **盈利能力**：2025年毛利率提升至35.0%，经调整净亏损由2024年的1.17亿元收窄至6573万元 [6] - **分业务收入**：2025年AI+制造业务收入12.24亿元，同比增长24.8%；金融服务业务收入1.65亿元，同比增长30.0% [6] - **客户增长**：公司客户总数从2024年的521家增长至2025年的633家 [6] - **收入预测**：预计2026-2028年营业收入分别为18.21亿元、21.93亿元、26.18亿元人民币，对应增长率分别为20.4%、20.4%、19.4% [4][6] - **利润预测**：预计2026-2028年净利润分别为-1.49亿元、-0.98亿元、-0.44亿元，亏损持续收窄 [4][7] - **每股指标**：预计2026-2028年每股收益分别为-0.26元、-0.17元、-0.08元 [7] 公司战略与业务进展 - **核心战略**：公司确立“一模一体两翼”战略，以AInnoGC工业大模型为基础，工业智能体为引擎，工业软件和工业机器人为应用两翼 [6] - **大模型进展**：AInnoGC工业大模型矩阵能力增强，在工业具身智能（ChatRobot）和工业设计生成（ChatCAD）等领域取得突破 [6] - **平台产品化**： - 发布AInnoGC DeepAgent V1.0.0深度推理工业智能体 [6] - 工业具身智能平台（ChatRobot）以ChatRobot VLA端到端模型为核心，打通底层与高层语言控制链路 [6] - 联合Bentley Systems推出业内首款基于多模态工业大模型的生成式AI工业设计产品iPID 1.0，设计周期缩短85%以上 [6] - **生态合作**：携手库卡机器人、擎朗智能等伙伴，推动“一脑多体”生态布局 [6] 估值与市场数据 - **目标价**：给予公司2026年动态4倍PS，目标价下调至14.36港元（基于人民币港币汇率0.90） [6] - **当前股价与市值**：当前股价为5.37港元，当前市值为30.26亿港元，当前股本为5.64亿股 [1][6] - **可比公司估值**：报告列示的可比公司（C3.AI、Cognex、商汤科技）2026E平均PS为8倍，而创新奇智2026E PS为2倍，显示估值相对较低 [8]

报告投资评级 - **增持** 评级 [1][6] - 目标价 **14.36 港元** (基于人民币港币汇率0.90换算)，对应2026年动态市销率(PS)为 **4倍** [6] 报告核心观点 - **业绩重回成长，财务指标达历史最优水平**：2025年公司总收入同比增长23.8%至15.13亿元人民币，毛利率提升至35.0%，经调整净亏损大幅收窄[6] - **“一模一体两翼”战略加速**：公司以AInnoGC工业大模型为基础，工业智能体为引擎，工业软件和工业机器人为应用两翼，全面推进AI在工业场景的深度应用[6] - **三大平台产品化加速，场景落地多点开花**：公司在企业级智能体、工业具身智能、工业设计生成三大平台取得重要进展，赋能各行业解决方案[6] 财务表现与预测总结 - **收入增长**：2025年实现总收入 **15.13亿元**，同比增长 **23.8%**；预计2026-2028年收入分别为 **18.21亿元**、**21.93亿元**、**26.18亿元**，同比增长 **20.4%**、**20.4%**、**19.4%** [4][6] - **盈利能力**：2025年毛利率为 **35.0%**，预计2026-2028年毛利率将稳步提升至 **35.35%**、**35.52%**、**35.70%** [4][7] - **亏损收窄**：2025年净利润为 **-2.50亿元**，同比改善 **58%**；预计亏损将持续收窄，2026-2028年净利润分别为 **-1.49亿元**、**-9756万元**、**-4397万元** [4][7] - **客户拓展**：客户总数从2024年的 **521家** 增长至2025年的 **633家** [6] 业务战略与进展总结 - **“一模一体两翼”战略核心**：战略以 **AInnoGC工业大模型** 为基础，**工业智能体** 为引擎，**工业软件** 和 **工业机器人** 为应用两翼[6] - **工业大模型进展**：AInnoGC工业大模型矩阵能力增强，在工业具身智能(**ChatRobot**)和工业设计生成(**ChatCAD**)等领域取得突破[6] - **平台与产品进展**： - 发布 **AInnoGC DeepAgent V1.0.0** 深度推理工业智能体[6] - 工业具身智能平台(**ChatRobot**)以 **ChatRobot VLA端到端模型** 为核心，打通底层与高层语言控制链路[6] - 联合Bentley Systems推出业内首款基于多模态工业大模型的生成式AI工业设计产品 **iPID 1.0**，设计周期缩短 **85%以上**[6] - **生态合作**：携手 **库卡机器人**、**擎朗智能** 等头部伙伴，推动“一脑多体”生态布局[6] 分业务收入表现 - **AI+制造业务**：2025年收入 **12.24亿元**，同比增长 **24.8%**[6] - **金融服务业务**：2025年收入 **1.65亿元**，同比增长 **30.0%**[6] 估值与可比公司 - **当前估值**：以2026年4月3日收盘价 **5.37港元** 计，公司市值为 **30.26亿港元**[6][8] - **可比公司估值**：报告选取C3.AI、Cognex、商汤科技作为可比公司，其2026E平均PS为 **8倍**，而创新奇智2026E PS为 **2倍**，显示其估值低于同业平均水平[8]

文章核心观点 - 多地政府（深圳龙岗、无锡高新区、常熟市、合肥高新区）密集发布专项政策，以财政补贴、资源支持和人才激励等多种形式，大力扶持开源AI智能体工具OpenClaw及其催生的“一人公司”（OPC）创业生态的发展，旨在抢占AI应用新业态的产业高地 [2][3][14][16] --- 政策支持措施总结 一、 财政与资金补贴 - **深圳龙岗**：对向国际主流社区贡献关键代码、开发产业技能包或具身智能应用的项目，给予最高200万元补贴 [3]；对采购或自建OpenClaw智能体解决方案的企业，按项目总投入的40%给予补贴，单家企业年度最高200万元 [5]；对AIGC企业使用国内头部大模型的调用费用给予30%补贴，每年每家企业最高100万元 [7]；对示范场景项目按实际投入的50%给予支持，最高400万元 [8]；通过“种子基金”等为OPC项目提供最高1000万元股权投资支持 [11] - **无锡高新区/常熟市**：对提供免费部署与开发工具包的平台给予全额补贴，最高100万元 [15]；对使用区内智能算力的企业，按实际费用补贴，每年每家最高30万元 [15]；对数据标注服务费用最高补贴50万元，购买数据最高补贴10万元 [15]；对开发并通过国家级备案的工业垂直大模型，给予50万元奖励 [15]；对利用OpenClaw实现具身智能机器人等关键技术，最高支持500万元 [15]；对入选示范项目的企业，按采购金额的20%给予补助，最高200万元 [15]；对服务成效显著的平台机构，给予最高300万元专项补贴 [15] - **常熟市**：对服务于制造业企业的OpenClaw开发推广项目，按项目总投入的30%给予补贴，单家企业年度最高100万元 [19]；对入选各级人才计划的OPC项目，最高给予600万元综合支持 [19] - **合肥高新区**：计划对OpenClaw等开源AI项目予以最高1000万元资金扶持 [16] 二、 算力与数据资源支持 - **深圳龙岗**：为经认定的新入驻OPC企业提供为期三个月的免费算力资源 [8]；开放低空、交通、医疗等高质量脱敏公共数据，减免使用费 [4]；对购买用于OpenClaw开发的数据治理等服务，给予50%费用优惠 [4]；对购买AI NAS（龙虾盒子）的，按市场价30%给予补贴 [4] - **无锡高新区/常熟市**：鼓励本地云平台设立“OpenClaw服务区” [15]；常熟市为OpenClaw开发应用类企业提供算力资源补贴 [19]；常熟市免费开放经脱敏的政府公共服务数据资源，并全额减免使用费 [15] 三、 人才与创业空间支持 - **深圳龙岗**：对新引进落户的博士、硕士、本科人才，分档给予最高10万元入户补贴 [9]；为新注册或新迁入的OPC企业提供最长2个月免费住宿 [9]；为OPC企业提供最长18个月办公空间优惠期 [9]；对获得“龙岗区OPC年度人物”评定的个人，给予医疗保障、子女入学等相应待遇 [9] - **无锡高新区/常熟市**：对OpenClaw开源社区优秀贡献者首次来区创业，给予最高12万元生活补贴 [15]；初创项目可获得最长3年办公场地“零房租”支持，高成长企业可获得最长5年租金补贴，每年最高3000平方米 [15]；常熟市为创业者提供30天免费办公、住宿、餐饮及高铁通勤补贴 [19] - **常熟市**：为OPC人才提供从每月最高1500元租房补贴到最高6万元一次性落户补贴，以及最高200万元购房补贴的分层分类安居保障 [19] 四、 应用示范与生态建设 - **深圳龙岗**：每年遴选一批OpenClaw深度应用示范项目，按实际投入30%给予一次性奖励，最高100万元 [6]；每年遴选具有行业引领的示范场景项目给予支持 [8]；对经认定的OPC社区，按年度给予运营机构最高400万元支持 [9]；设立OPC“出海服务站”，提供一站式出海服务，并对投保出口信用保险的给予保费支持 [12]；对在区内赛事中获奖的OPC团队或个人，给予最高50万元或10万元奖励 [13] - **无锡高新区/常熟市**：鼓励制造业龙头牵头设立“AI+制造”联合开源实验室并制定标准，奖励最高100万元 [15]；常熟市聚焦具身智能、纺织服装等特色领域建设OPC社区，每年对建设运营方给予最高200万元补贴 [19]；探索设立“AI合规服务中心”，提供数据跨境、知识产权等专项服务 [15] 五、 技术安全与适配认证 - **无锡高新区/常熟市**：部署OpenClaw时必须通过国产化适配认证 [15]；提供OpenClaw服务的云平台需实施最小权限原则，禁止访问敏感数据，并定期开展安全攻防演练 [15]；常熟市推出智能体安全与适配认证服务，并给予服务提供商支持 [15]

文章核心观点 - 通用大模型在真实的工业工程场景中存在能力边界，其“聪明”不足以应对工业对合规、严谨、可靠的核心要求 [4][5][6] - 思谋科技自研的工业垂类大模型IndustryGPT通过三场针对性“考试”和实际落地案例，证明了其在工业专业知识深度、工程决策能力和产线嵌入执行方面的显著优势，代表了从“通用智能”转向“可执业智能”的技术方向 [3][7][26][44] - 工业场景对大模型的“验收标准”正在发生根本性重构，从关注参数规模和通用智能转向强调边界控制、规范遵从和任务执行三项核心能力，这要求模型从底层训练范式进行重构，而非简单的通用模型微调 [38][45][47][49] - 中国制造业需要的AI是能够嵌入产线、按规范干活并对结果负责的“赋能”型AI，其价值在于落地而非炫技，这与国家政策推动的“高水平工业智能体”方向一致 [50][53] 通用大模型在工业场景的局限性 - 即便如GPT-5.2 Thinking (high)、Gemini-3.1-Pro等顶级通用大模型，在面对真实的工业工程语境时也并不得心应手 [2] - 通用大模型在工业场景中存在“工业盲区”，在常识层面表现良好，但在规范遵从、边界控制、复杂决策等工业刚需上稍逊一筹 [7][26] - 目前主流通用模型和真实产业需求之间，存在系统性的错位 [52] IndustryGPT的评测表现与优势 - **第一场考试：工业知识广度** - 在权威开源中文数据集SuperGPQA的工业相关题目子集测试中，IndustryGPT取得同类模型中的SOTA，在工业专业知识的广度和问答准确率上超越了GPT-5.2 Thinking (high)、Gemini-3.1-Pro等顶尖通用模型 [9] - 这表明其构建了工业专业知识上的核心竞争壁垒，解决了通用大模型“工业知识浅、专业问答错漏多”的基础问题 [11] - **第二场考试：工业知识深度** - 在思谋自建的、题目总数超万条的系统化工业知识基准评测数据集（覆盖12个子领域及多个核心工程学科与典型行业）中，IndustryGPT表现出色 [13][14] - 特别是在模拟真实复杂决策场景的“困难问题”子集上，IndustryGPT实现了超过20%的相对性能提升，而GPT-5.2 Thinking (high)和Gemini-3.1-Pro则表现不佳 [15] - **第三场考试：工程执业资格能力** - 在思谋构建的全球首个以执业资格难度为标尺、以工程强制规范为刚性约束的评测基准中，IndustryGPT在电气、机械、化工、土木等核心工程学科测试中均取得SOTA结果 [20][22][24] - 其在法规条文精确引用、规范一致性、跨规范冲突处理、工程假设合理性控制等关键指标上领先，综合推理评估与辅助决策能力逼近真实执业工程师水平 [24][25] IndustryGPT的实际落地应用与效果 - 通过与智能体（Agent）技术深度融合，实现了感知-决策-执行的完整闭环，能够嵌入生产系统成为业务流程的一部分 [27][28] - **工业质检**：依托SMore ViMo（行业模型+Agent），将客户从项目启动到可运行模型的落地周期从行业平均14天压缩至3天以内，在质检环节中效率飙升200% [28][29] - **轨道交通复杂工艺制造**：基于历史制造方案和个性化需求，自动生成包含详细操作步骤、关键控制点及工序设计的完整制造方案，通过人机协同实现全流程智能化设计，效率提升15%以上，并显著降低变更风险 [30][31][32][33][34] - **复杂产线智能管理**：在涉及超2.9万种产品型号的复杂产线中，构建闭环智能流程，从异常扫码识别到自动建单、匹配SOP、调用历史案例并生成诊断建议，全程只需5秒 [35][36] - 这些案例表明，行业模型“能做”且能负责，而通用模型“能说”但不敢用 [37] 工业大模型的核心能力与验收标准重构 - **边界控制能力**：工业环境要求模型在规范约束和安全边界内运行。IndustryGPT引入“规范一致性奖励模型”与“计算过程奖励模型”，对中间推理步骤是否符合工程标准进行细粒度评估，从而形成对安全边界和数值精度的稳定偏好 [39] - **规范遵从能力**：工业生产有严格的强制性规范。IndustryGPT对工业知识体系进行结构化重构，在训练阶段便形成“规范优先”的知识表达方式，使其在回答问题时天然遵循工程语境 [40][41] - **任务执行能力**：工业场景需要能执行的AI。IndustryGPT的Agent架构使其能够调用工具、拆解任务、执行流程，将抽象理解转化为可执行的工程流程，实现“认知+执行”一体化 [42][43] - 这三项能力正成为工业客户评估AI供应商的新标准，且难以通过通用模型的后期微调实现，必须从底层训练范式开始重构 [45][49] 工业AI的技术路线与行业趋势 - 当前主流技术路线分为“通用大模型+行业微调”和“原生工业垂类大模型”两派，分歧点在于对“验收标准”的不同理解 [46][47] - 若标准是“能嵌入产线、能按规范干活、能对结果负责”，则需具备边界控制、规范遵从、任务执行能力，这要求从底层训练范式进行重构，原生适配工业规则 [49] - 政策层面，工信部等八部门印发的《“人工智能+制造”专项行动实施意见》明确提出到2027年“推出1000个高水平工业智能体”，定调了要能执行的AI [50] - 行业竞争正从“参数竞赛”转向“落地验收”，贴合产业需求的原生垂类大模型是实现技术落地的核心抓手 [51][52]

AI在制造业中的应用现状与核心挑战 - 制造业对AI的拥抱普遍存在焦虑与迷茫，系统性推进困难且效果常不及预期，麻省理工学院2025年调研显示，仅约5%尝试系统性利用AI的企业取得成功 [2] - 当前制造业AI应用多处于“点状智能”阶段，主要辅助特定环节，尚未达到端到端的智慧工厂水平 [4] - AI在研发环节能提升效率但核心创新贡献有限，例如谷歌DeepMind的GNoME工具通过图神经网络发现了超过528种潜在锂离子导体，相当于此前总量的25倍，但这仍属辅助范畴 [4] - 在设计环节，生成式AI在平面设计上提升速度，但在复杂工业设计（如汽车整体造型）中多局限于概念启发，难以深度考虑物理约束与成本，特斯拉等领先企业最终设计仍需工程师干预 [6] - AI在芯片或电路板等高精度产品的布局优化上初显价值，如英伟达的AI辅助芯片设计工具，但整体渗透率较低 [6] - 在生产制造环节，AI在品质检测和预测性维护上成效显著，例如博世某产线采用AI品质检测，准确率达99.8%（高于人类的95%），单件检测时间从20秒缩短至约5秒，检测成本下降约50% [6] - 预测性维护系统（如GEAviation）据称每年可节省数亿美元 [6] - 在智能排产、流程优化、工艺参数动态调整和个性化制造等领域，AI影响有限，2025年麦肯锡报告显示，88%的企业使用AI，但仅6%的企业报告AI对利润（EBIT）产生了企业级影响 [6] - 在销售服务环节，由于容错率相对较高且任务与大模型能力匹配，应用进展不错 [7] - 在供应链管理环节，AI未来潜力大，但目前受数据孤岛、规则复杂及不确定性等问题限制，落地效果有限 [7] - 总体而言，AI在制造业的应用多依赖传统机器学习，而非前沿大模型，且停留在孤立优化阶段，尚未实现系统集成 [8] 制造业AI落地滞后的根源 - 制造业AI落地滞后的根源在于行业固有复杂性、物理交互挑战和高标准要求，与当前AI技术范式不完全匹配 [10] - 制造业复杂性体现在：生产系统链条长且高度耦合；数据和知识复杂，跨越多领域且碎片化；行业差异巨大，知识复用困难 [11] - 与物理世界的深度交互增加了难度，当前大模型在具身感知、物理规则理解和空间推理等方面存在显著局限 [11] - 物理世界数据来源复杂（如各种传感器、PLC、CNC机床），数据格式、协议、频率不同，且常伴有噪声、干扰和不准确问题 [12] - 仿真与真实情况差距大的问题难以解决，导致仿真中训练的策略在现实中易失败 [12] - 制造业对实时性要求极高，决策延迟可能导致产品报废、设备损坏或人身安全威胁 [13] - 制造业容错率低，高端制造业对错误几乎是零容忍，例如理想汽车MEGA车型因冷却液缺陷召回导致损失超过11亿元 [13] - 大模型速度不够快且存在“幻觉”问题，其可靠性成为深度赋能制造业的重大挑战 [13] 缩小差距：智慧工厂AI需发展的核心能力与企业战略 - 要缩短理想和现实之间的差距，技术需进步，企业也需有适配的AI战略 [15] - 核心能力一：开发真正适配制造业的工业大模型，模型需掌握专业领域知识（可通过微调、RAG等方式实现，难点在于高质量领域数据），并具备更好的可靠性、更快的速度 [16][17] - 核心能力二：AI需具备全面感知和获取全链条关键数据的能力，智慧工厂需构建深度数字孪生系统（如西门子的工业元宇宙概念），进行实时推演和优化 [18] - 需解决制造业数据来源复杂、分散在不同系统与设备中的问题，进行数据归集、清洗、对齐 [18] - 工业大模型训练需要大量高质量标注数据（如资深工程师对复杂故障的判断），成本高于语言模型的自监督学习 [18] - 核心能力三：AI必须在复杂条件下（物理、安全、合规、商业约束）进行深度理解和高质量决策，实现多目标优化并应对不确定性，需具备持续在线学习、从错误中自我改进的能力 [19] - 核心能力四：AI需要具备具身智能，以理解并操控物理世界，并统筹多供应商设备和机器人间的协同，确保顶层集成 [1][20] - 上述所有能力需在极高可靠性、安全性和确定性下运行，以确保生产连续性和零风险 [21] - 企业需制定长期和短期AI战略：短期可以点带面，在匹配场景（如大模型辅助知识问答、缺陷检测、预测维修）落地AI以积累经验；长期应专注构建高质量数据资产，通过数据合作在工业AI生态中占据上游位置，并逐步扩大AI利用广度和深度，最终打造端到端的智能工厂 [22]

文章核心观点 - 山东能源齐翔腾达热电厂通过部署融合先进过程控制系统与工业大模型的智能优化控制平台，成功实现了锅炉控制的智能化升级，在提升环保效益的同时也获得了显著的经济效益 [1][2] 技术方案与实施 - 公司采用的并非简单的自动化升级，而是以“效益+环保”为核心，构建了数据驱动、多变量协同的智能控制解决方案 [2] - 技术方案从燃烧优化与环保优化两大维度精准发力，通过建立软测量与自动在线寻优机制，创新形成基于能量平衡的燃煤协调控制策略 [2] - 系统对给煤、风量调节等关键环节实施精准调控，从源头降低煤炭消耗，并突破传统人工经验局限，通过环保优化控制系统实时采集数据并提前动态调整风煤配比与药剂投加量 [2] 运行效果与效益 - 系统投运后，锅炉控制从依赖老师傅经验的“老中医模式”转变为由“会思考的AI大脑”自动优化，解决了传统控制方式滞后和偏差的问题 [1][2] - 系统运行半年来，降低了锅炉的二氧化碳排放，并累计减少了氮氧化物、二氧化硫及烟尘等污染物排放556.4千克 [2] - 该智能优化控制平台预计每年可为企业节约成本84.3万元，实现了环保与经济效益的双赢 [2] - 系统能够自动完成参数调整，并能发现意想不到的优化空间，操作效率显著提升 [2]

市场表现总结 - 2026年2月5日，A股市场弱势调整，三大指数集体收跌，其中创业板指领跌1.55% [1][4] - 上证指数收盘4075.92点，下跌0.64%；深证成指收盘13952.71点，下跌1.44%；沪深300指数收盘4670.42点，下跌0.60% [2] - 北证50指数跌幅最大，达2.03%；科创50指数下跌1.44% [2] - 沪深两市成交额2.18万亿元，较上一交易日缩量3048亿元 [6] - 全市场超3700只个股下跌，呈现普跌格局 [6] 行业与板块表现 - 行业板块表现分化，美容护理、银行、食品饮料涨幅居前，分别上涨3.21%、1.57%、1.31% [3] - 有色金属、电力设备、通信板块跌幅居前，分别下跌4.57%、3.41%、2.39% [3] - 概念板块中，赛马概念、免税店、网红经济表现活跃，涨幅分别为1.89%、1.33%、1.30% [3] - 光伏电池相关概念板块（如BC电池、TOPCON电池、HJT电池、钙钛矿电池）以及金属铅概念跌幅居前，其中BC电池概念跌幅最大，达5.18% [3] - 盘面上，大消费板块（食品饮料、零售、影视院线、旅游酒店）轮番活跃，大金融板块午后走强，商业航天概念局部活跃，算力租赁概念回暖 [4] - 下跌方面，有色金属、电网设备、油气等板块跌幅居前，其中贵金属概念集体大跌 [4] 宏观与政策消息 - 工信部表示将突破算力芯片、工业大模型等关键技术，并做优应用生态 [5] - 中国人民银行2026年信贷市场工作会议要求，建设多层次金融服务体系，着力支持扩大内需、科技创新、中小微企业等重点领域 [5] - 商业航天领域取得进展，首个卫星测发技术厂房诞生，未来可将单箭发射效率提升100%，组网成本降低30%以上，保障每年60次以上的高频发射能力 [5] - 《黄金行业“十五五”发展规划（讨论稿）》专家研讨会提出加大黄金高端新材料研发投入 [5] - 广东省提出拓展无人驾驶公共交通运营区域，扩大智能网联汽车道路测试与示范应用范围 [5] - 海外方面，美联储新主席提名进程受阻，中短期内美联储货币政策不具备趋势性收紧的基础 [6] 经济基本面与市场展望 - 国内方面，随着去年年底至今年年初一揽子稳增长政策集中落地见效，内外需回暖推动工业产销改善、PPI降幅收窄，上下游盈利空间修复 [6] - 但2025年规上工业企业全年盈利增速仅为0.6%，低于GDP增速，盈利水平有待进一步提升 [6] - 短期市场展望：政策面、资金面、汇率等因素对股市的支撑仍在，春季行情下半场的启动阶段或暂时以震荡上行方式为主，同时需要注意阶段性调整和获利了结风险 [6] - 中长期市场展望：随着监管层释放出“降温”信号，基本面和业绩面可能重回主导，市场风格也可能从周期、科技领涨走向风格再平衡 [6] 配置建议 - 红利板块仍具有底仓配置价值 [6] - 可以适度关注顺周期和传统消费的估值修复机会 [6]

文章核心观点 - 中国工业互联网产业在政策推动下正从规模连接阶段进入以数据驱动和智能决策为核心的“深水区”发展新阶段 [1] - 卡奥斯物联科技股份有限公司作为行业领航者之一 其赴港上市是行业新阶段的精准回应 成为观察政策蓝图如何转化为企业价值的样本 [1] - 公司正处于从规模扩张向高质量增长转型的关键阶段 其盈利能力的显著改善与财务结构的持续优化是主要亮点 [2] 业务解构：从“连接”到“智能”的价值跃迁 - 公司财务表现实现关键扭转 从2023年亏损到2024年实现净利润6514万元 2025年前九个月净利润进一步跃升至1.76亿元 [2] - 公司收入由数据智能解决方案及物联网解决方案驱动 其中数据智能解决方案收入占比从2023年的18.3%稳步提升至2025年前九个月的29.0% [3] - 绿色制造解决方案等细分赛道爆发式增长 其2025年前9个月收入是2023年全年该项业务收入的15倍以上 [3] - 数据智能解决方案毛利率常年保持在35%以上 高毛利板块对业绩的拉动效应日益凸显 [4] - 公司来自独立第三方客户的收入占比显著提升 从2023年的27.2%增至2025年前九个月的41.1% [5] - 公司已累计服务收费客户超9500家 覆盖家电、机械装备、电子、汽车及能源化工等多个垂直行业 并在全球赋能打造了17座灯塔工厂 [5] - 以2024年收入计 公司在中国基于平台的工业数据智能解决方案市场中位列第一 [5] 未来基石：构筑长期盈利的“护城河” - 公司正致力于构筑三条差异化的“护城河”以确保长期盈利增长动力 [6] - 第一条护城河是平台化能力带来的规模效应与效率红利 通过COSMOPlat平台将工业流程与知识解构封装 实现基础能力标准化、模块化 从而提升交付效率并降低边际成本 [7] - 第二条护城河是“工业大模型”与“场景化智能”深度融合带来的价值深度 通过将AI技术与具体工业场景结合提升解决方案溢价能力和客户价值 [8] - 第三条护城河是聚焦重点行业的纵深战略与生态化拓展带来的市场宽度 公司在家电、电子、汽车、化工等已有积淀的行业进行纵深开拓以形成专业壁垒 [9] - 公司募资用途中提及将用于潜在的投资与收购 通过“内生外延”双轮驱动策略快速响应市场变化并拓宽增长边界 [9] - 公司的长期盈利图景是一个以标准化平台降低交付成本、以场景化智能提升解决方案价值、以行业纵深和生态拓展扩大市场覆盖的三位一体模型 [10]

公司上市计划与背景 - 卡奥斯于2025年1月30日正式递交港交所上市申请，有望成为海尔集团旗下第九家上市公司 [1] - 公司最初于2024年9月在A股启动上市辅导，后因A股监管不确定性及全球扩张策略考虑，自愿终止A股筹备，转而寻求港股上市 [2] - 此次IPO募资计划投向工业大模型研发、市场拓展、平台能力升级及潜在投资并购等领域 [1][5] 公司业务与市场地位 - 公司是海尔集团旗下的工业互联网平台，自主研发COSMOPlat平台，主营业务分为数据智能解决方案和物联网解决方案两大板块 [2] - 以2024年收入计，公司在中国基于平台的工业数据智能解决方案市场排名第一 [2] - 2025年前9个月，物联网解决方案业务营收31.4亿元，占总营收71%；数据智能解决方案业务营收12.8亿元，占总营收29% [3] - 2025年前9个月，数据智能解决方案业务营收同比增长59.64%，物联网解决方案业务营收同比增长10.86% [3] 财务表现 - 2023年和2024年，公司营业收入分别为49.94亿元和50.70亿元，净利润分别为-8272.1万元和6513.6万元，于2024年实现扭亏为盈 [3] - 2025年前9个月，公司收入达44.2亿元，净利润为1.76亿元，经营水平持续提升 [3] - 2025年前9个月，数据智能解决方案毛利率为31.0%，物联网解决方案毛利率为12.7% [3] - 2023年、2024年及2025年前9个月，公司收到的政府补助分别为9760万元、7970万元及5050万元，累计超过2.2亿元 [1][4] 关联交易与客户集中度 - 海尔集团是公司第一大客户兼最大供应商，关联交易占比较高 [3] - 2023年、2024年及2025年前9个月，来自海尔集团的营收分别为36.07亿元、34.21亿元、25.49亿元，占总营收比重分别为72.2%、67.5%、57.7% [3] - 同期，向海尔集团的采购总额占比约为22% [3] - 公司关联交易情况与海尔旗下日日顺此前IPO受阻的问题类似，受到市场关注 [1][3] 股权结构与集团生态 - IPO前，海尔集团公司通过直接、间接及一致行动安排，合计控制卡奥斯约78.04%的投票权 [5] - 卡奥斯上市将补足海尔集团六大产业生态（智慧家庭、大健康、数字经济、机器人、新能源、汽车）中数字经济产业生态的关键拼图 [1][5][7] - 海尔集团近年来通过收购（如开利商用制冷业务、上海莱士股权、成为汽车之家控股股东等）和内部孵化（海尔生物、雷神科技上市），持续扩张其上市公司版图 [5][6]

公司上市申请与背景 - 卡奥斯物联科技股份有限公司于1月30日向港交所主板递交上市申请，联席保荐人为中金公司和汇丰银行 [1] - 公司成立于2017年4月，是海尔集团旗下的工业互联网平台，自主研发了COSMOPlat平台 [1] - 根据弗若斯特沙利文资料，以2024年收入计，公司在中国基于平台的工业数据智能解决方案市场排名第一 [1] 股权结构与控股股东 - 海尔集团公司为控股股东，合计控制约78.04%的投票权 [3] - 具体持股方式为：直接持有10.83%，通过卡奥斯数字科技持股49.11%，通过其他附属公司持股18.10% [3] 财务表现与盈利能力 - 营收稳中有升：2023年营收49.94亿元，2024年微增至50.69亿元，2025年前九个月营收达44.21亿元 [3] - 净利润扭亏为盈并大幅增长：2023年净亏损8272万元，2024年转为盈利6514万元，2025年前三季度净利润达1.76亿元，同比暴增393% [3] - 净利润率持续提升：从2023年的-1.7%提升至2024年的1.3%，再到2025年9月末的4.0% [3] - 毛利率保持稳定：2023年至2025年前九个月，毛利率在17.8%至18.4%之间波动 [4] - 期间费用率优化：销售及分销开支占收入比例从2023年的6.3%降至2025年前九个月的5.0%，行政开支占比从7.9%降至4.9%，研发开支占比从8.5%降至6.7% [4] 业务运营与客户基础 - 公司产品和解决方案已实现规模化商业应用，深耕家电、机械装备、电子、汽车及能源化工等垂直行业 [3] - 累计收费客户超过9500家 [3] 市场区域分布 - 收入主要来源于中国内地，占比在85.7%至87.5%之间 [6] - 海外市场收入：2023年约为6.24亿元，2024年约为7.09亿元，2025年前三季度约为5.55亿元 [6] - 海外收入占比：2023年为12.5%，2024年为14.0%，2025年前三季度为12.6% [6] - 截至2025年9月末，公司解决方案已在全球超过20个国家推广，服务海外企业超过50家 [6] 上市历程与募资用途 - 此次递表港交所前，公司曾筹划冲刺科创板上市，并于2024年9月在青岛证监局进行辅导备案 [4] - 转向港股上市的原因包括：A股上市制度相关的监管发展可能带来时间表不确定因素，以及考虑到公司的全球扩张策略 [5] - 本次IPO募资主要用于：加强核心平台与产品能力建设（如升级碳能源管理平台、推进工业大模型研发）；加大市场拓展和商业化投入；挖掘潜在投资并购机会；补充运营资金 [5] 全球化战略与业务布局 - 公司将依托海尔集团的国际网络和全球供应链，加速全球化布局，重点拓展美洲、东南亚、中东等新兴市场 [5] - 计划在现有泰国智能控制器工厂基础上，通过轻资产合作模式在墨西哥、印度、土耳其等地区建立交付能力，以服务当地市场及出海的中国客户，提升海外收入占比 [5] 集团上市公司体系 - 海尔集团旗下目前拥有海尔智家、雷神科技等8家上市公司，以及挂牌新三板的有屋智能 [7] - 2025年最后一天，海尔新能源科技股份有限公司也在青岛证监局进行了辅导备案 [7]