工业革命与智能化趋势 - 当前正处于以智能化为主要特征的第四次工业革命阶段，其核心目标是实现智能化无人或人机协同，而第三次工业革命主要解决了机械化换人和自动化减人的问题 [1] 中国制造业的规模与转型基础 - 2025年中国工业增加值达到41.7万亿元，其中制造业增加值达到34.7万亿元，占GDP比重稳定在25%左右，总体规模连续16年保持全球第一 [2] - 中国拥有全球最完整、门类最齐全的工业体系，这为人工智能技术提供了宝贵的“全场景”应用土壤和广阔的数智转型空间 [2] - 实现智能化的前提是海量的工业数据，而工业互联网作为泛在互联、畅通安全的载体，是处理这些数据流的基础 [2] - 工业互联网通过深度融合底层的操作技术（OT）和上层的信息技术（IT），打通了从设备、产线到企业经营、产业协同的全链路数据流，为人工智能的工业应用奠定基础 [2] 制造业数智化转型的“T型战略” - “T型战略”的核心是深耕工业互联网，即“一米宽，百米深” [3] - “一横”重在IT技术，指将研发、生产、供应链、销售等不同制造阶段和商业计划的IT系统集成，实现企业间、环节间的横向集成 [3] - “一纵”重在OT技术，指将设备、产线、车间、工厂等不同层面的自动化与IT系统集成，实现企业内部制造系统的纵向集成 [3] - 通过“横向到边、纵向到底”的集成，实现数据的全面贯通，为智能决策提供支撑 [3] - 推进“T型战略”需与行业工艺、技术、知识和经验紧密结合，要一个个行业做深做透，形成多方联合推进机制，打造数字化转型的中国品牌 [3] 推进“AI+制造”的五大任务体系 - **任务一：建设数智基础设施**：破解联不稳、算不快的数字基建瓶颈，构建云边协同、控网算一体的新型基础设施，为海量工业数据的实时处理和智能应用的规模化部署提供支撑 [4] - **任务二：推进工业互联互通**：解决采不上、看不懂的数据源头难题，实现工业全要素的泛在互联，重点解决“人机物料法环测”等要素的有效采集问题 [4] - **任务三：建设工业高质量数据集**：破解数据多但质量低、有数据但不会用的数据要素瓶颈 [5] - **任务四：发展工业智能体**：解决用在哪、怎么用的价值落地难题，将数据和算力转化为能自主感知、分析、决策并执行的智能应用 [5] - 发展工业智能体需应对不同层级、不同场景对于算力大小、数据类型、模型功能的不同需求，按照“分层部署、一体协同”的原则推进 [5] - **任务五：构筑安全防护屏障**：化解看不清风险、防不住攻击的发展安全顾虑 [5] - 在“AI+制造”深度融合过程中，安全风险呈现多元交织、相互叠加的新特征，算法“黑箱”与对抗攻击不断强化，工业大模型决策逻辑难以追溯验证，一旦应用于生产控制环节，可能因输出偏差引发工艺参数异常，直接威胁生产安全 [5] 安全防护体系的具体构建 - 需构建覆盖数据、模型、网络和终端的全方位、多层次、系统性安全防护体系 [5] - **健全安全管理机制**：制定企业AI应用分级分类和安全评估制度，建立风险信息共享机制 [5] - **增强风险预警能力**：建设风险监测预警体系，实现风险的早发现、早预警、早处置 [5] - **夯实安全防护基础**：使用经过安全认证的终端设备，实施工控网与AI应用网的分区隔离，部署安全大模型辅助威胁检测 [5] - **提升系统防护水平**：通过知识库优化等方式降低模型“幻觉”，添加内容标识确保可溯源，对训练数据进行全生命周期保护 [6]

工业软件行业发展背景与驱动因素 - 工业软件是工业知识的代码化载体，是新型工业化的核心生产资料、关键生产力、工业大脑和数字基石，其自主可控意义深远[1][4] - 中国工业和经济已进入人均GDP超1万美元的分水岭阶段，发展需创新驱动，工业软件发展具有紧迫性和必要性[1][4] - 工业软件能将计算能力转化为生产能力，显著提升全要素生产率[7] - 政策定位从“工具”到“基石”再到“工业大脑”与“创新引擎”，地位逐步提升，发展目标从强调应用到强调供应链韧性与核心技术攻关[9][10] - 大模型技术提升了工程、数学、计算机能力的转化效率，加速工业软件研发和应用落地，一线城市2025年基于“AI+工业软件”推出补贴政策刺激创新[12] 市场现状、规模与特征 - 2024年中国工业软件整体市场规模接近3000亿元，是一个千亿级市场[1][17][19] - 市场存在核心技术空心化、产业结构失衡（管理软件强、工程软件弱）等突出问题[1][17][19] - 研发设计类软件（如CAD、CAE、EDA）是卡脖子重灾区，国产化率极低，约5%-10%，关键差距在于几何内核、求解器等根技术缺失[17][19] - 生产控制类软件国产化率约50%，经营管理类软件国产化率约70%[19] - 2024年纯软件市场规模约为1100-1400亿元（嵌入式软件占比约50%-60%）[19] 产业链、价值流转与盈利模式 - 产业链上游（根技术厂商）赚取“技术垄断费”，壁垒高、利润高；中游（软件厂商）赚取“行业know-how溢价”；下游用户赚取“效率提升带来的毛利”[20] - 产业价值流转呈微笑曲线，原以技术单向溢价为主，未来数据价值溢价将逐步显现，形成卖工具功能与卖数据智慧协同发展的态势[30] - 当前主要盈利模式：欧美企业以软件授权、维护与服务费为主；中国企业以定制化开发、实施、维护与服务费为主；平台与生态分成模式在积极探索中[33] - 订阅制是市场积极追求的模式，欧美巨头如Autodesk、PTC已基本实现全面订阅[33] 核心困境与发展难点 - 研发设计类软件卡脖子的真实原因是缺乏海量真实工业场景试错，导致工程优化欠缺，实体表现为核心组件/引擎层受限[23] - 国产工业软件发展面临技术-场景-生态-商业的系统性问题，是技术债传导的结果，难以单点突破[26] - 欧美工业巨头是“顺势而为的工业溢出”，伴随工业化自然生长；中国企业是“逆流而上的场景反哺”，需把握场景反哺技术的契机[36] - 欧美发展路径具有不可复制性：时间上走了40年而中国是压缩式追赶；市场起步时为蓝海而中国多为存量博弈；资本上海外并购受限而国内整合困难[36] 新技术（云原生、AI）的影响 - 云原生通过架构解耦增强协作能力，并通过万核算力实现按需调用，主要影响研发流程中的参数化与特征引擎、功能模块与交互等阶段，有助于占领下沉市场并可能实现设计-制造-订单一体化[40][41] - 传统AI（CV/GNN）主要赋能三维几何数据处理，如几何拓扑修复、异构数据读取，是打破国外巨头“数据锁死”护城河的关键步骤[43][45] - 大模型（LLM/GenAI）主要赋能代码生成、自然语言交互（降低学习成本）、以及生成测试用例，能提高产品稳定性与体验，覆盖更多用户[43][45] 未来产业发展方向 - 产业核心演变路径为：工具 → 系统 → 平台 → 基因，当前及未来重点在平台化与基因化探索[2][48] - 平台化表现为应用层功能解耦实现积木式组装，盈利模式转向订阅或按需付费[48] - 基因化本质是将工业知识内化为参数/代码（如机理模型），工业软件将转化为能自主规划执行的“数字工程师”或“工业智能体”[48][52] - 未来产品将从卖软件走向卖“智慧”，工业智能体特征包括懂自然语言交互、知识内嵌与自主编排结合、可组装交付[3][52] 市场策略与客户锚定 - 头部客户在国产替代和信创需求驱动下，为技术突围提供窗口期[2][50] - 腰部客户场景丰富、付费能力强，可绑定共同成长并促进行业套件形成[2][50] - 长尾及海外客户有助于扩大营收空间，长尾市场可实施“农村包围城市”战略并收集海量数据训练AI模型[2][50] - 企业侧是招标主体（占比78.1%），采购类别最广且有国产替代需求；政府侧侧重工业互联网平台集成与活动；科研院所侧重实训实验室与课题研发[14][16] - 企业侧项目平均单价约240万元，政府侧约130万元，科研院所约110万元，服务周期多集中在1-2个月[16]

文章核心观点 - 深圳市工业和信息化局印发《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》，旨在抢抓智能化与工业化交汇融合的历史机遇，加快人工智能技术与制造业全过程、全要素深度融合 [1] - 计划提出到2027年，在“人工智能+”先进制造业领域，建成国家人工智能应用中试基地（消费领域移动终端方向），建设工业智能体创新中心，组建工业知识联盟，开放百个应用场景，打造百个垂直行业模型及工业智能体，推广百个示范应用，形成“一基地、一中心、一联盟、百场景、多应用”的发展格局 [3] 打造重点支撑平台 - **打造工业智能体创新中心**：加快省级工业智能体创新中心建设，争取国家级制造业创新中心布局，支持研发具备环境感知、自主决策、动态适应能力的工业智能体，聚焦研发设计、生产制造、供应链管理等工业场景，搭建供需对接平台，构建自主可控技术基座，研发专用工具链，打造开放共享生态 [5] - **发展工业软件及工业知识联盟**：支持企业将工业知识、行业经验转化为标准化模型，重点攻关工业操作系统、CAD、CAE、EDA等关键工业软件的大模型适配开发，支持重点场景工业大模型产业化，形成自主工业软件产品 [5] - **研发轻量化工业小模型**：把握工业大模型小型化发展趋势，支持利用剪枝、量化和蒸馏等模型压缩技术，研发轻量化场景化工业小模型，实现边缘低延迟决策与普惠化部署 [5] - **构建工业知识数据库与开放社区**：搭建工业知识共建平台，汇聚企业、高校、科研机构力量，构建覆盖研发设计、生产制造、供应链管理等环节的行业级知识，形成上规模的工业知识数据库，建设开放社区平台，牵引龙头企业开放应用场景，降低中小企业智能化门槛，提供普惠服务 [6] 赋能重点产业集群 - **人工智能赋能半导体与集成电路**：推动人工智能技术应用于半导体产业链关键环节，利用AI优化芯片设计、软件代码等领域效率，以AI芯片为突破口做强半导体产业，面向AI手机、AI眼镜、智能机器人等各类AI终端需求，研发高性能、高能效专用SoC主控芯片，支持存算一体、存内计算等新型架构处理器 [1][8] - **支持车规级芯片国产替代**：面向新能源汽车万亿级市场，支持14nm及以下车规级高阶智驾AI芯片、智能座舱SoC芯片、域控制器MCU、中央域控SoC/MPU芯片的国产替代 [8] - **人工智能赋能机器人**：支持世界模型、视觉-触觉-语言-动作（VTLA）等多模态交互技术研发，构建具备交互、预测与决策功能的具身智能基座大模型及其训练、推理技术体系，培育长序列推理与自主学习能力，支持建设具身智能技术试验场，开放工业制造领域焊接、装配、喷涂、搬运等细分场景并实现落地应用，推动机器人进工厂、进车间、进仓库、进港口、进园区 [8] - **人工智能赋能低空经济**：建立无人机自主能力演进体系，搭建智能仿真平台，打造低空数字孪生系统，深度集成人工智能技术，支撑无人机感知、决策等能力的模拟与测试，逐步培育空中具身智能，构建“空中智慧道路系统”，支撑空域智能设计、航道智慧规划，实现全空域智慧感知、无人机智能管理及多无人机自动化协调应用，赋能巡检、载人飞行、物流运输、低空观光、航拍测绘、农林植保等应用场景 [9] - **人工智能赋能电子信息制造**：强化龙头企业引领作用，联合产业链上下游企业发掘潜在应用场景，支持人工智能在产品设计、产品检测、运营管理、质量检测、安全生产、数据分析等核心环节深度应用，打造一批标杆示范项目，聚焦终端产品创新升级，支持AI手机、AI眼镜、AI+潮玩、AI+智慧屏等重点产品研发创新，培育新的产业增长点 [9] - **人工智能赋能医药和医疗器械**：加快药物研发、细胞与基因治疗、精准医疗服务的研发创新与成果转化，推进人工智能技术在药物新靶标/靶点发现验证、药物设计、超高通量药物筛选、DNA编码化合物库筛选、计算机辅助药物设计和虚拟筛选、药物治疗相关基因位点筛选等核心环节的技术创新，支持建设一批人工智能药物研发重大平台载体，加速人工智能+生物技术（AI+BT）深度融合，强化大模型企业与高端医疗器械企业协同引领作用，联合产业链上下游开展医疗装备及关键零部件联合创新，开放医学影像辅助诊断等规模化真实应用场景，打造“AI+医疗器械”标杆应用 [10]

深圳市“人工智能+”先进制造业行动计划核心内容 - 深圳市工业和信息化局印发《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》，旨在抢抓智能化与工业化交汇融合的历史机遇，加快人工智能技术与制造业全过程、全要素深度融合 [1] - 计划提出到2027年，在“人工智能+”先进制造业领域，建成国家人工智能应用中试基地（消费领域移动终端方向），建设工业智能体创新中心，组建工业知识联盟，开放百个应用场景，打造百个垂直行业模型及工业智能体，推广百个示范应用，形成“一基地、一中心、一联盟、百场景、多应用”的发展格局 [3] 打造重点支撑平台 - **打造工业智能体创新中心**：加快省级工业智能体创新中心建设，争取国家级制造业创新中心布局，支持研发具备环境感知、自主决策、动态适应能力的工业智能体，聚焦研发设计、生产制造、供应链管理等工业场景，搭建供需对接平台，构建自主可控技术基座 [5] - **发展工业软件及工业知识联盟**：支持企业将工业知识、行业经验转化为标准化模型，重点攻关工业操作系统、CAD、CAE、EDA等关键工业软件的大模型适配开发，支持重点场景工业大模型产业化，并支持研发轻量化场景化工业小模型 [6] - **构建工业知识生态**：搭建工业知识共建平台，汇聚企业、高校、科研机构力量，构建覆盖研发设计、生产制造、供应链管理等环节的行业级知识库，建设开放社区平台，牵引龙头企业开放应用场景，降低中小企业智能化门槛 [6] 赋能重点产业集群 - **人工智能赋能半导体与集成电路**：推动人工智能技术应用于半导体产业链关键环节，利用AI优化芯片设计、软件代码等领域效率，以AI芯片为突破口做强半导体产业，面向AI手机、AI眼镜、智能机器人等终端需求，研发高性能、高能效专用SoC主控芯片，支持存算一体、存内计算等新型架构处理器 [1][8] - **面向新能源汽车市场**：支持14nm及以下车规级高阶智驾AI芯片、智能座舱SoC芯片、域控制器MCU、中央域控SoC/MPU芯片的国产替代 [8] - **人工智能赋能机器人**：支持世界模型、视觉-触觉-语言-动作（VTLA）等多模态交互技术研发，构建具身智能基座大模型及其训练、推理技术体系，支持建设具身智能技术试验场，开放工业制造领域焊接、装配、喷涂、搬运等细分场景并实现落地应用 [8] - **人工智能赋能低空经济**：建立无人机自主能力演进体系，搭建智能仿真平台，打造低空数字孪生系统，构建“空中智慧道路系统”，支撑空域智能设计、航道智慧规划，赋能巡检、载人飞行、物流运输、低空观光、电力巡线、航拍测绘、农林植保等应用场景 [9][10] - **人工智能赋能电子信息制造**：强化龙头企业引领作用，支持人工智能在产品设计、产品检测、运营管理、质量检测、安全生产、数据分析等核心环节深度应用，聚焦终端产品创新升级，支持AI手机、AI眼镜、AI+潮玩、AI+智慧屏等重点产品研发创新 [10] - **人工智能赋能医药和医疗器械**：加快人工智能技术在药物新靶标/靶点发现验证、药物设计、超高通量药物筛选、计算机辅助药物设计和虚拟筛选等核心环节的技术创新，支持建设一批人工智能药物研发重大平台载体，强化大模型企业与高端医疗器械企业协同引领作用，推动医疗器械高端化发展、智能化升级 [11]

工业软件行业发展背景与驱动因素 - 工业软件是工业知识的代码化载体，是新型工业化的核心生产资料、关键生产力、工业大脑和数字基石，其自主可控意义深远[1] - 中国工业和经济已进入人均GDP超1万美元的分水岭阶段，发展需创新驱动，工业软件发展具有紧迫性和必要性[1][4] - 工业软件能将计算能力转化为生产能力，显著提升全要素生产率[7] - 政策定位从“工具”到“基石”再到“工业大脑”逐步提升，发展目标从强调应用到强调供应链韧性与核心技术攻关[9] - 大模型技术提升了工程、数学、计算机能力的转化效率，加速工业软件研发和应用落地[12] - 2025年一线城市在AI+工业软件主题下推出补贴政策，刺激工业软件应用创新[12] 市场现状、规模与特征 - 2024年中国工业软件整体市场规模接近3000亿元，是一个千亿级市场[1][17] - 2024年纯软件市场规模约为1100-1400亿元（嵌入式软件占比约50%-60%）[19] - 市场存在核心技术空心化、产业结构失衡（管理软件强、工程软件弱）等核心问题[1][17] - 研发设计类软件是卡脖子重灾区，国产化率极低，约5%-10%[19] - 生产控制类软件国产化率约50%，经营管理类软件国产化率约70%[19] - 市场呈现产品平台化、重视数据增值服务等特征[17][19] 产业链结构与核心困境 - 产业链上游（根技术厂商）赚取技术垄断费，壁垒高、利润高；中游（软件厂商）赚取行业知识溢价；下游用户赚取效率提升带来的毛利[20] - 研发设计类软件卡脖子的实体是核心组件/引擎层（如几何内核、求解器），根本原因是缺乏海量真实工业场景试错以进行工程优化[1][23] - 国产工业软件发展面临技术-场景-生态-商业的系统性问题，是技术债传导的结果，难以单点突破[26] - 行业发展需要耐心和长期主义，时间累积下的技术实践验证是硬道理[29] 需求侧分析与招标情况 - 企业侧是招标主体，占比78.1%，采购类别最广，涵盖研发设计、生产控制、企业管理、运维等，并有国产替代需求，项目平均单价约240万元[14][16] - 政府侧招标占比约7.8%，侧重工业互联网平台集成、运维及举办行业活动，平均单价约130万元[14][16] - 科研院所招标占比约6.3%，聚焦CAD、CAE等软件产品及产教融合服务，平均单价约110万元[14][16] - 企业侧招标以技术分为主（占比约70%），价格分占比约10%；科研院所和政府侧价格分占比约30%[16] - 项目服务周期多集中在1-2个月[14][16] 产业演变路径与未来方向 - 工业软件产业核心演变路径为：工具 → 系统 → 平台 → 基因，前两阶段提升产品/业务效率，后两阶段挖掘数据价值[2][48] - 当前产业正深入平台化阶段，表现为应用功能解耦、积木式组装，盈利模式转向订阅或按需付费[48] - 未来将摸索基因化，将工业知识内化为参数/代码（如机理模型），工业软件可能进化为能自主规划执行的“数字工程师”或“工业智能体”[48][52] 企业盈利模式与成长逻辑 - 欧美企业盈利以软件授权、维护与服务费为主；中国企业以定制化开发、实施与维护费为主；平台与生态分成模式在探索中[33] - 订阅制是市场积极追求的方向，欧美巨头如Autodesk、PTC已基本实现全面订阅[33] - 欧美巨头成长本质是“伴随工业化进程的自然生长+工业诀窍代码化+资本并购”，具有底层技术扎实、点线面发展、硬件基因等优势，其先工业后软件之路不可复制[36] - 中国企业的成长逻辑是“逆流而上的场景反哺”，需把握庞大工业场景和国产替代窗口期，绑定客户共同成长以实现技术突围[36] 新技术（云原生、AI）的影响 - 云原生通过架构解耦增强多人实时协作能力，并通过万核算力资源实现算力按需调用，缩短测试时间，虽不改变核心内核研发难度，但有助于产品差异化竞争和开拓下沉市场[40][41] - 传统AI（CV/GNN）主要赋能几何拓扑修复、异构数据读取，能将国外格式的“死模型”转化为可编辑的“活数据”，降低客户迁移成本[43][45] - 大模型（LLM）主要赋能代码生成、自然语言交互（降低使用门槛）以及生成海量测试用例，加速产品打磨进程[43][45] - 新技术推动工业软件产品从“工具箱”向具备感知、思考、自主任务能力的“工业智能体”演进，未来可能从卖软件走向卖“智慧”[3][52] 市场战略与产品方向 - 头部客户市场存在国产替代和信创需求，为技术突破提供窗口期[2][50] - 腰部客户市场场景丰富、付费能力强，有助于企业绑定成长、沉淀行业知识、促进现金流[2][50] - 长尾及海外市场有助于扩大营收空间，并收集海量数据训练AI模型[50] - 当前主流产品走向平台+生态化，强调覆盖更多流程/场景（如设计仿真一体化）以及架构解耦、核心能力下沉为API/SDK[52] - 未来工业智能体特征：懂自然语言交互、知识内嵌与自主编排结合、可组装交付[52] 产业价值流转 - 传统价值分配是技术单向溢价，越靠近上游根技术厂商，利润越高[30] - 随着工业数据服务产业链成熟，数据价值溢价逐步显现，未来将呈现售卖工具功能与售卖数据智慧协同发展的态势[30] - 产业内谁能打通数据回流，将下游数据变为上游智慧，谁就能吃到产业升级红利[30]

行业背景与市场格局 - 中国工业数智化解决方案市场规模在2024年已达人民币2.0万亿元，预计2029年将达人民币3.4万亿元，2020年至2024年复合年增长率为12.2% [2] - 行业呈现高度分散格局，在“基于平台的工业数据智能解决方案”细分赛道，2024年前三名玩家合计市场份额仅3.3% [2] - 工业数智化与物联网解决方案双向赋能，形成数据采集、价值挖掘、反向赋能智能化升级的闭环生态 [3] 公司核心定位与市场地位 - 公司是中国基于平台的工业数据智能解决方案市场占有率第一的行业龙头，在该细分市场以1.2%份额位居榜首 [1][3] - 公司连续七年位居国家级“双跨”平台榜首，其COSMOPlat工业互联网平台是首批工信部认证的“双跨”平台 [1][3] - 公司定位正从“平台提供商”向“工业智能体孵化器”演进，致力于成为智能时代工业的基础设施提供商和规则定义者 [8][9] 平台能力与业务模式 - COSMOPlat平台提供整合性破局思路，将制造业全价值链解构并重构为可模块化配置的数字基座，实现从为单个工厂提供自动化到为整个产业生态提供智能化操作系统的跃迁 [3] - 平台已积累110+智能体开发工具，申请200+发明专利，服务9500余家付费企业，覆盖家电、机械装备、电子、汽车及能源化工等多个垂直行业 [3] - 公司打造了17座灯塔工厂，成为全球智能制造的示范标杆 [3] 财务表现与收入结构 - 公司营收从2023年的49.94亿元增长至2025年前九个月的44.21亿元，同比增幅21.6% [4] - 高附加值的“数据智能解决方案”收入占比从2023年的18.3%攀升至2025年前九个月的29.0%，收入绝对值同比大幅增长59.6% [4] - 公司于2024年扭亏为盈，并在2025年前九个月实现1.76亿元的净利润 [4] 核心竞争优势与护城河 - 公司最深厚的护城河植根于海尔集团四十余年全球领先制造体系所孕育的独特“场景基因”，其解决方案具备工业级的可靠性与全链条视角 [5] - 公司构建了“平台+软件+硬件”的全栈产品体系，形成了深度融合的技术架构 [5] - 公司累计主导或参与制定17项国际标准和102项国家、行业标准，并围绕工业AI、数字孪生、边缘智能等前沿领域进行广泛专利布局 [6] 研发投入与创新能力 - 2023年、2024年及2025年前9月，公司研发开支分别达4.22亿元、3.73亿元、2.95亿元，占各期营收比例分别为8.5%、7.4%、6.7% [5] - 公司被科技部评选为“国家工业大脑人工智能开放创新平台”，其项目荣获山东省科学技术最高奖，平台获得业内首个且唯一的最高等级“五星级智能水平”认证 [6] - 公司自主研发的“天智”工业大模型，正推动实现决策模式、交互方式和知识沉淀三大价值跃迁 [8] 发展战略与未来展望 - 公司AI战略是系统性的深度重构，其COSMOPlat平台以最佳业务实践即服务引擎为内核，构建了统一的数位基础架构与工具集 [8] - 本次赴港上市募集资金将主要用于提升核心平台及产品实力、提升商业拓展能力、寻找潜在投资及收购机会以及用作运营资金 [9] - 随着平台AI能力的开放，有望形成一个由开发者、合作伙伴、客户共同参与的产业创新生态 [9] 集团协同与生态关系 - 与海尔生态的共生关系构成了公司发展的“战略缓冲器”与“创新试验田” [6] - 若成功上市，标志着其内部孵化的数字化能力完成了从“成本中心”到“价值输出平台”的关键一跃，成为海尔集团在数字经济时代的新一代核心资产 [7] - 将与海尔集团现有上市公司矩阵形成强有力的战略协同与生态互补 [7]

行业标准与评估体系启动 - 中国信通院正式启动首批可信AI工业智能体评估工作 [1] - 评估依据《智能体技术要求与评估方法行业应用工业》技术规范，该规范由中国人工智能产业发展联盟智能体创新与应用工作组联合上海移动、南方电网、广西电网、中国石化、中国石油等多家企业共同编制完成 [1] 评估框架与核心能力域 - 评估立足工业行业对复杂性、可靠性的要求，结合智能体能力特性，从技术到应用展开全面评估 [1] - 评估覆盖基础能力、业务场景、服务应用3大能力域，共计20余个能力项 [1] 基础能力评估项 - 基础能力部分主要评估工业智能体在感知、认知、决策、执行等方面的基本技术能力 [1] - 具体能力项包含工业数据采集、工业数据加工、机理融合、生产规划、协同控制等 [1] 业务场景评估项 - 业务场景主要评估工业智能体场景应用的丰富程度 [1] - 评估覆盖产品研发场景（如研发设计、工艺仿真）、生产管理场景（如生产优化、运行维护、质量控制）以及运营管理场景（如供应链管理、经营管理） [1] 服务应用评估项 - 服务应用主要评估工业智能体服务应用的成熟度 [1] - 具体能力项包含业务效果、智能交互、混合部署、系统兼容、安全保障、运维监控等 [1]

公司融资与资金用途 - 公司“圆木智能”完成数千万元天使轮融资 本轮融资由星连资本领投 厦金创新跟投 [1] - 融资资金将重点用于核心产品“今天排”智能体的功能迭代与市场拓展 并逐步投入研发 供应链等工业场景的智能体产品研发 [1] 行业背景与公司定位 - 新一代人工智能技术正以前所未有的深度与广度赋能千行百业 成为驱动新质生产力发展的重要引擎 [2] - 政策层面 工信部等八部门联合发布《“人工智能+制造”专项行动实施意见》 要求“加快推进人工智能技术在制造业融合应用” [2] - 产业一线面临使用难度大 综合成本高 场景贴合性弱 投入产出比不足等问题 制约中小制造企业将前沿AI技术转化为切实生产力 [2] - 公司将大模型为代表的新一代AI技术与工业Know-how结合 致力于打造标准化工业智能体产品 以实现AI智能体在工业核心场景的规模化落地 [2] - 公司创始人判断 工业智能体不仅有机会替换重复性脑力工作 其通用性使得单一智能体产品有机会低成本适配不同类型工厂甚至是不同场景 [2] 核心产品与市场验证 - 公司从“排产”场景切入 推出“今天排”智能体产品 应对多品种小批量 订单变化频繁 工序复杂设备多等复杂挑战 [4] - “今天排”通过大模型理解生产约束 融合优化算法实现动态排程 将排产时间从小时级缩短至分钟级 并可快速应对插单等异常情况 [4] - 产品能适配多源数据输入 降低使用门槛 实现规模化落地 [4] - 产品已在苏州 无锡等地机加工工厂投产使用 帮助客户实现全工序自动排程 排产时间缩短90% 订单交付率提升15%以上 有效提升设备稼动率与交期确定性 [4] 团队与合作伙伴 - 公司核心成员均毕业于清华大学 北京大学等顶尖学府 兼具人工智能前沿研发 成功SaaS产品商业化 以及超过二十年的工业数字化实战与销售经验 [6] - 团队具备“算法+工业+产品”的复合背景 能够洞察工业核心痛点并将AI技术转化为稳定 易用产品 [6] - 公司已与百度 智谱等大模型厂商达成深度合作 并与清华 浙大 复旦等高校实验室建立产学研合作关系 以巩固技术优势 [6] 公司愿景与发展规划 - 公司愿景是“成为全球领先的工业智能体工厂” 其工作是将AI加工成为工厂需要的智能体 产品研发过程即生产环节 并致力于打造AI原生的组织 [7] - 下一阶段 公司将从智能排产场景出发 逐步打造覆盖研发 生产管理与供应链全流程的工业智能体产品矩阵 [7] - 公司计划在垂直行业尝试通用智能体的落地 逐步实现工业智能体从“特定行业+特定场景”向“跨行业+跨场景”的通用性升级 [7]

文章核心观点 - 工业软件的发展兼具紧迫性与必要性，是中国实现创新驱动、保障供应链安全、推进新型工业化的核心生产资料与数字基石 [1] - 中国工业软件市场是一个规模近3000亿元的稳健增长市场，但存在核心技术空心化、产业结构失衡等系统性挑战，研发设计类软件是“卡脖子”重灾区 [1][17] - 行业处于“工具-系统-平台-基因”的演变路径中，当前正受益于政策红利、新技术（AI/云原生）及市场需求（国产替代）等多重驱动，面临重构与机遇 [2][9][39] - 国产工业软件的发展是技术-场景-生态-商业的系统性工程，欧美“先工业后软件”的路径不可复制，中国企业需把握“场景反哺技术”的契机实现突围 [26][36] - 未来工业软件产品将从售卖功能走向售卖“智慧”，最终形态是具备感知、思考和自主任务执行能力的“工业智能体” [3][48][52] 工业软件发展背景与驱动因素 - **发展紧迫性与必要性**：中国人均GDP达1万美元后，经济发展进入需创新驱动的分水岭，工业软件作为工业知识的代码化载体，是控制权从硬件向软件转移、提升全要素生产率的关键 [1][4][7] - **政策驱动与地位提升**：在政策层面，工业软件的定位从“工具”、“使能技术”逐步提升为“数字基石”和“工业大脑”，发展目标从普及应用转向核心技术攻关及与AI深度融合 [9][10] - **新技术与补贴驱动**：大模型技术提升了工程、数学、计算机能力的转化效率，加速研发落地；一线城市针对“AI+工业软件”推出补贴政策，刺激应用创新 [12] - **市场需求驱动**：企业、政府、科研院所构成主要需求方。企业侧采购类别最广，包含强烈的国产替代需求，项目平均金额约240万元；政府侧侧重平台集成与活动举办；科研院所聚焦实训与课题研发 [14][16] 市场现状、规模与核心困境 - **市场规模**：2024年中国工业软件整体市场规模接近3000亿元，其中纯软件市场规模约为1100-1400亿元，占全球市场比重约6.8% [17][19] - **产业结构失衡**：呈现“管理软件强、工程软件弱”的特点。经营管理类国产化率高（约70%），而研发设计类国产化率极低（约5%-10%），是“卡脖子”重灾区 [17][19] - **核心困境**：研发设计类软件卡脖子的根本原因在于缺乏几何内核、求解器等“根技术”，这源于海量真实工业场景试错的缺失，导致工程优化不足 [1][17][23] - **系统性挑战**：国产工业软件发展面临技术-场景-生态-商业传导的系统性问题，是“技术债”的结果，难以依靠单点突破解决 [26] 产业链、盈利模式与价值流转 - **产业链价值分配**：产业链呈微笑曲线，上游根技术厂商（如内核提供商）壁垒极高、利润最高；中游软件厂商赚取行业Know-how溢价；下游用户获得效率提升带来的毛利 [20] - **主要盈利模式**：欧美企业以软件授权、维护服务费为主，并积极转向订阅制；中国企业当前以定制化开发、实施与维护服务费为主；平台与生态分成模式在探索中 [33] - **价值流转新趋势**：产业价值分配从“技术单向溢价”向“技术溢价与数据价值溢价”协同并进转变。未来，打通数据回流线、将下游数据变为上游智慧的企业将获得产业升级红利 [30] 主要玩家成长逻辑与国产化路径 - **欧美巨头成长逻辑**：本质是“伴随工业化进程的自然生长+工业诀窍代码化+资本并购完善覆盖”，具有底层技术扎实、点线面发展、硬件基因融合OT等特点，其路径具有时间、市场、资本上的不可复制性 [36] - **中国企业突围方向**：需认清“场景反哺技术”可能是关键。依托庞大的工业场景，借助国产替代窗口期，绑定共同成长的工业企业打磨产品，是逐步突围的机会 [36] - **市场锚定策略**： - **头部客户**：在国产替代和信创需求驱动下，为技术突破提供关键窗口期 [2][50] - **腰部客户**：场景丰富、付费能力较强，可绑定客户共同成长并促进行业套件形成 [2][50] - **长尾及海外客户**：有助于实施“农村包围城市”战略、收集海量数据训练AI模型并扩大营收空间 [2][50] 技术变革与产业重构 - **云原生的影响**：主要通过架构代差带来解耦和万核算力资源，赋能研发流程。虽无法替代核心内核研发，但能增强协作、降低算力门槛，有助于占领下沉市场，并可能实现设计-制造-订单一体化 [40][41] - **AI/大模型的影响**： - **传统AI（CV/GNN）**：主要在三维几何数据处理上赋能，如几何拓扑修复、异构数据读取与语义化重建，有助于打破国外巨头的“数据锁死”护城河 [43][45] - **大模型（LLM/GenAI）**：主要赋能代码生成、自然语言交互（降低使用门槛）、以及生成测试用例，能提高产品稳定性与体验，加速产品打磨进程 [43][45] - **企业价值左移的影响**：工业企业数字化转型推动数据资产累积，价值左移趋势使研发类数据价值挖掘备受关注，利好具备全流程打通能力的平台型厂商和研发设计服务商 [46] 未来发展趋势与产品演进 - **产业演进路径**：工业软件产业正从提升个人效率的“工具化”、提升业务效率的“系统化”，向提升数据流动效率的“平台化”和提升数据价值效率的“基因化”发展 [48] - **产品形态演进**：在云原生、AI等技术驱动下，产品正走向“平台+生态化”，核心能力下沉为API/SDK。最终将从功能工具跃迁为“工业智能体”，具备懂人话、知识内嵌、自主编排、可组装交付等特征 [52] - **商业模式展望**：未来可能从软件授权、订阅制，进一步走向按生成方案数量、优化效果或IP授权等“按效果/价值付费”的模式 [34][49]

文章核心观点 - 工业软件是新型工业化的核心生产资料和关键生产力，其自主可控发展具有紧迫性和必要性，当前处于政策红利带来的有利时间窗口期 [1] - 中国工业软件市场是一个千亿级大盘，2024年市场规模接近3000亿元，但存在核心技术空心化、产业结构失衡等系统性问题，研发设计类软件是“卡脖子”重灾区 [1][17] - 工业软件是一个慢行业，其发展需要耐心和长期主义，同时在技术、市场、产品形态的变化与重构中，也为企业带来了机遇与挑战 [1][39] - 未来工业软件产业将沿着“工具→系统→平台→基因”的路径演变，产品将从售卖功能走向售卖“智慧”，最终形态将是具备自主能力的“工业智能体” [2][48][52] 工业软件发展背景与驱动因素 - **发展紧迫性与必要性**：中国人均GDP在2018年达到1万美元，标志着工业和经济进入分水岭，需创新驱动，工业软件作为工业知识的代码化载体，是创新转型的核心 [1][3] - **政策驱动与定位演变**：在政策层面，工业软件的定位已从“工具”提升为“数字基石”，并正向“工业大脑”和“创新引擎”演进，发展目标强调与AI深度融合及核心技术攻关 [9][10] - **新技术与补贴驱动**：大模型技术提升了工程、数学、计算机能力的转化效率，加速工业软件研发落地；2025年一线城市针对“AI+工业软件”推出了补贴政策，刺激应用创新 [12] - **市场需求驱动**：企业、政府、科研院所构成主要需求方，企业侧采购类别最广且包含国产替代需求，项目金额波动大，多集中在百万元级别 [14][16] 市场现状与核心困境 - **市场规模**：2024年中国工业软件整体市场规模近3000亿元，其中纯软件市场规模约为1100-1400亿元，占全球市场比重约6.8% [17][19] - **产业结构失衡**：呈现“管理软件强、工程软件弱”的特点，经营管理类国产化率高（约70%），而研发设计类国产化率极低（约5%-10%） [17][19] - **核心技术“卡脖子”**：研发设计类软件（如CAD、CAE、EDA）是重灾区，根本原因在于几何内核、求解器等“根技术”缺失，这源于海量真实工业场景试错和工程优化的欠缺 [1][17][23] - **发展难点系统性**：国产工业软件面临技术、场景、生态、商业联动的系统性难题，是“技术债”传导的结果，难以单点突破 [26] 产业链、价值流转与盈利模式 - **产业链特征**：上游（根技术厂商）赚取技术垄断费，壁垒最高；中游（软件产品厂商）赚取行业Know-how溢价；下游用户通过效率提升获利 [20] - **价值流转逻辑**：产业价值分配遵循“技术单向溢价”，越靠近根技术利润越高；同时，围绕工业数据的增值服务价值开始显现，形成“技术溢价”与“数据价值溢价”协同态势 [30] - **当前盈利模式**：欧美企业以软件授权、维护与服务费为主；中国企业以定制化开发、实施与维护费为主；订阅制是市场积极追求的方向，平台与生态分成模式在探索中 [33] - **未来收费可能**：若“制造即服务”、“生成式设计”成为可能，未来可能出现“按产品抽成”的收费方式 [34] 主要玩家成长逻辑与突围方向 - **欧美巨头成长本质**：是“伴随工业化进程的自然生长 + 工业诀窍的代码化 + 资本并购完善覆盖”，其先工业后软件的发展路径具有时间、市场、资本上的不可复制性 [36] - **中国企业成长路径**：是“逆流而上的场景反哺”，需把握国产替代窗口期，依托中国庞大的工业场景，通过绑定共同成长的工业企业来打磨产品、实现技术突围 [36] - **市场锚定策略**：头部客户（如航天、船舶）驱动技术突破；腰部客户赋能现金流和行业知识沉淀；长尾及海外客户有助于扩大营收空间和收集训练数据 [2][50] 技术变革带来的变量与重构 - **云原生的影响**：通过架构解耦增强多人协作能力，并通过万核算力实现按需调用，虽不能替代核心内核研发，但有助于产品差异化竞争、覆盖下沉市场，并可能实现设计-制造-订单一体化 [40][41] - **AI/大模型的影响**：传统AI（如CV/GNN）主要赋能几何拓扑修复、异构数据读取，可打破国外巨头的“数据锁死”；大模型则通过辅助代码生成和自然语言交互，降低软件使用门槛 [43][45] - **企业价值左移的影响**：工业企业研发类数据价值挖掘受关注，利好具备全流程打通能力的平台型厂商和能构建“需求-功能-逻辑-物理”全链路追踪的研发设计服务厂商 [46] 未来产业发展方向 - **产业演变路径**：从提升个人效率的“工具化”、提升业务效率的“系统化”，向提升数据流动效率的“平台化”和提升数据价值效率的“基因化”发展 [48] - **产品形态演进**：在云原生、AI等技术驱动下，产品走向“平台+生态化”，核心能力下沉为API/SDK；最终将跃迁为具备感知、思考、自主任务能力的“工业智能体”或“数字工程师” [52] - **工业智能体特征**：懂自然语言交互、内核知识内嵌且能自主编排、可组装式交付 [52]