业务整合与协同 - 收购上海嘉乐后整合顺利，协同效应凸显 [2] - 上海嘉乐2025年上半年实现营业收入6.85亿元，净利润3,475万元，净利率5.08%，同比提高1.79个百分点 [2] - 通过收购实现箱包与服装制造业务协同，拓展服务边界，打造面料加服装第二增长曲线 [2] 发展战略与规划 - 公司愿景是成为受尊敬的世界级创新型消费品公司 [3] - 代工制造端聚焦优质客户，拓展新客户并有序扩张产能，深化全球化产能布局 [3] - 品牌经营端关注市场趋势，依托产品创新与设计提升竞争力，深化渠道布局并探索品牌出海 [3]

作为2016年现象级动画《疯狂动物城》的续作，《疯狂动物城2》凭借IP积累的深厚用户基础，上映后 持续释放商业价值。初代影片曾以15亿元的中国累计票房，成为内地首部票房破10亿元的进口动画电 影，并斩获第89届奥斯卡最佳动画长片、第74届金球奖电影类最佳动画长片等奖项，其小红书相关话题 浏览量超24亿，形成了跨年龄层的用户情感联结。续作在预售阶段已展现市场号召力，截至2025年11月 24日，《疯狂动物城2》成为首部预售过2亿元的进口动画电影。据猫眼专业版实时数据，截至12月10日 影片上映15天，中国内地总票房已达31.22亿元，印证了IP对消费群体的持续吸引力。 票房增长的背后，是疯狂动物城IP通过品牌联名构建的跨领域消费联动效应。据不完全统计，《疯狂动 物城2》上映期间有超70个品牌参与联名，覆盖食品饮料、服饰配饰、黄金珠宝、潮玩等18个品类，形 成矩阵式商业布局。这一市场热度源于迪士尼系统化的预热策略：2025年5月首支预告片24小时全球观 看量近2亿次；7月宣布初代影片限时重映并加映续作预告，相关话题微博阅读量达2.6亿次，讨论量10.4 万次；9月定档预告及五月天演唱的中文主题曲《派对动物》先后登 ...

来源：央视新闻客户端 目前，AI的快速发展让很多传统产业实现了跨越式的转型升级。在江苏无锡江阴，服装企业借助AI技 术，已经跟我们印象中的服装厂大不一样。 件件服装皆定制 AI技术实现"众口不难调" 记者走进一家服装工厂，产线干净整洁，随处可见自动前行的小车、吊篮等等，工人每天要和平板电 脑、智能机器打交道。 排好版后就是照着版图剪裁。这里不需要尺子和粉笔，所有的版图并不是画上去的，而是靠头顶的投影 灯投上去的，机器根据图样完成剪裁工作，精度控制在0.1毫米以内，裁剪速度达2米/秒左右。 一件西装大大小小有上百个小部件。前期把测量好的客户数据输入智能系统，系统可以自动生成每个小 部件的具体尺寸。 这条产线正在赶制订单，订单内容是职业套装，半成品标签上没有以往常见的160、175、180或者M 码、L码等字样，取而代之的是客户的名字、单位、部门。这批服装是量体裁衣的，尺码有零有整。 进入生产加工环节，第一步就是排版。自动排版最大的好处就是节省布料，最高效地利用每一寸布料。 工作人员介绍，工厂的AI系统能自动拆解工序、分配设备资源，将原本需要人工数小时的工作压缩至 分钟级，一件西装的生产时间缩短至一个小时，小规模 ...

文章核心观点 - 农业银行苏州分行通过提供精准完善的金融服务 支持苏州纺织服装全产业链进行智能化与融合化升级 将传统制造业优势重塑为构建现代化产业体系的胜势 [1] 行业转型升级路径 - 纺织服装产业正从传统制造向智能化、数字化转型 例如波司登集团利用大数据、人工智能等技术赋能 其智能缝纫系统和自动化吊挂系统提升了生产效率 [1] - 行业升级需要金融服务的协同支持 新系统的研发、调试到上线运行离不开银行提供的“底层代码” [2] - 面对市场变化 企业需掌握“新需求引领新供给 新供给创造新需求”的规律 通过提升产品设计、品质与品牌来锻造核心竞争力 例如吴江横扇镇的羊毛衫产业通过引进设计师、使用高端纱线全面提升产品审美与品质 [3] 金融支持大型企业案例 (波司登) - 农业银行苏州分行为波司登集团提供近80亿元集团授信 为其智能化蜕变提供底气 [2] - 针对供应链上游企业融资痛点 该行通过“农银智链”平台提供“银票e融”产品 支持线上办理贴现、质押融资 系统自动审批 资金一秒到账 有效解决上游“融资难、融资贵”问题 [2] - 针对下游经销商 该行提供升级版“商户e贷” 改造原线下“产业链场景”贷款 按互联网经营场景模式提供线上融资“一站式”服务 量身定制的“波司登产业链e贷”余额已达5.63亿元 [2] - 波司登在当年“双十一”期间销售量领跑天猫等各大平台服饰销售榜 成交额超亿元 [1] 金融支持产业集群案例 (吴江横扇羊毛衫产业) - 农业银行苏州分行对横扇镇毛衫产业链上的美工设计、缝纫生产、会展销售、直播电商等企业实施白名单管理 进行批量审批与授信 [4] - 截至目前 该行已服务链上各类经营主体超460户 贷款余额达1.67亿元 [4] - 该行灵活运用“纳税e贷”、“小微贷”等普惠金融产品 为旺季备货、增资扩产的小微企业提供精准高效的授信支持 [4] - 在金融深度赋能下 吴江横扇羊毛衫产业已构建起“需求洞察—产品创新—消费升级”的良性生态 [4] 产业与市场动态 - 波司登“双十一”期间线下门店客流激增 [1] - 吴江横扇镇羊毛衫市场线上直播间销售热闹非凡 电商订单纷至沓来 打破了人们对毛衫“妈妈款”的固有印象 [3] - 当前市场对冬装的主流消费需求已不仅是舒适保暖 高性价比和时尚设计成为关键 [3]

" 六年前在GAIR提出协作机器人构想，六年后带着AI智能缝纫系 统重返舞台。 " 作者丨 岑峰 2019年GAIR大会，2010-2011 IEEE RAS主席Kazuhiro Kosuge作为机器人专场的首位演讲嘉宾，发表 了题为 《Co-worker Robot PaDY》 的开场演讲，整场演讲紧扣工业协作机器人和AI技术融合的主题， 分析了当前机器人领域面临的挑战，以及各行业对机器人的需求所带来的发展机遇。 自那以后，Kosuge教授一直沿着这一方向扩展，将协作机器人技术从刚性工业装配延伸至更具挑战性的 柔性制造领域。在即将召开的GAIR 2025大会上，Kosuge教授将会带来他的最新研究成果：基于AI的智 能缝纫系统。这一研究延续了其团队对物理人机交互（pHRI）的深刻理解，旨在解决全球服装制造业面临 的劳动力短缺与自动化瓶颈问题。 Kosuge教授开发的缝纫机器人展现了多项突破性技术特点：首先，该系统采用无需夹具的3D缝纫技术， 利用AI算法自动化缝制三维立体成衣部件，并能保持布料平顺不起皱；其次，通过创新的滚轮机构与激光 光学传感器，机器人可实时检测织物边缘，精确控制缝制方向；第三，系统具备高 ...

公司被申请预重整 - 公司于12月5日收到债权人苏州环秀湖逐光企业管理合伙企业送达的《告知函》，债权人以公司不能清偿到期债务且资产不足以清偿全部债务为由，已向浙江省金华市中级人民法院提交对公司进行预重整的申请材料 [2] - 截至公告披露日，公司尚未收到法院受理预重整申请的文件，后续是否进入预重整或重整程序存在重大不确定性 [2] 债务违约与财务困境 - 根据9月24日公告的仲裁裁决，公司需向债权人环秀湖逐光支付投资本金3亿元及相应利息、违约金等，但截至《告知函》出具日，公司未能清偿该笔债务 [3] - 公司已陷入资不抵债状态，截至2025年9月30日，公司资产总额缩水至21.60亿元，负债总额升至30.00亿元，归属于母公司所有者权益降至-6.07亿元 [3][5] - 2025年前三季度，公司实现营业收入4.14亿元，净利润为亏损10.58亿元 [3][5] 业务经营状况 - 公司主营业务结构发生显著变化，2025年前三季度，无缝服装业务营收3.99亿元，占总营收比重升至96.19% [3] - 光伏业务因经营未达预期，营收占比大幅萎缩 [3] 重整程序的可能影响 - 若法院正式受理预重整申请且后续重整顺利实施完毕，将有利于优化公司资产负债结构，提升持续经营及盈利能力 [6] - 若重整失败，公司将存在被宣告破产的风险，公司股票将面临被终止上市的风险 [6] - 若公司被申请破产重整，相关风险可能会波及无缝服装板块，对经营业绩及股权归属造成重大负面影响 [6] - 如果光伏板块子公司债务压力及经营状况未改善，2025年度经审计的期末净资产可能为负，公司股票可能在年度报告披露后被实施退市风险警示 [6] 子公司预重整及法律风险 - 公司控股二级子公司扬州棒杰已率先启动预重整程序，扬州经济技术开发区人民法院于9月12日裁定受理其预重整申请，并于11月26日正式启动债权申报 [7] - 截至11月25日，公司及子公司被冻结银行账户达66个，被冻结资金合计1457.24万元 [7] - 子公司层面有9项股权被冻结，部分股权存在重复冻结的情况 [7] - 扬州棒杰等子公司有多批次机器设备被查封，部分设备账面净值合计超10亿元 [7] 诉讼仲裁与债务逾期 - 公司及子公司存在多起未终审案件，包括金融借款合同纠纷、融资租赁纠纷、买卖合同纠纷等 [8] - 公司及光伏板块子公司在金融机构累计逾期或提前到期的借款金额合计约9.86亿元，由此引发多起诉讼及仲裁，部分查封资产存在被拍卖的风险 [8]

股价表现与市场反应 - 申洲国际股价再跌超4%，截至发稿跌4.12%，报64.05港元，成交额达4.99亿港元 [1] - 花旗认为股价下跌可能反映管理层对销量展望较为保守，反而提供了买入机会 [1] 机构观点与盈利预测调整 - 花旗将申洲国际2025至2027年盈利预测下调2%，目标价由95港元微降至94港元，但维持“买入”评级 [1] - 花旗将公司2024年下半年销量增长预测，由高单位数降至中单位数，主因第三季销量增长近乎持平，且两大主要品牌仍需时间与集团商讨分摊关税 [1] - 国盛证券认为，尽管过去行业需求及客户订单存在波动，公司始终坚持长期资产建设与稳步扩张产能 [1] - 国盛证券判断，2026年伴随核心客户订单修复，公司有望步入产能驱动增长、工厂利用率饱和、订单结构优化带来盈利质量优化的阶段 [1] 运营数据与未来展望 - 花旗观察到公司10月及11月的交付量已加速增长，以追赶第三季落后的进度 [1] - 公司2024年末员工达到10.3万人，同比增长12%；2025年上半年末员工达到11万人，同比增长9% [1] - 国盛证券判断，过去数年内成衣工厂招聘员工带来的产能提升与产量释放，将在2026年继续体现 [1] - 花旗预计公司未来3年每股盈利年均复合增长率达12%，2026财年预期股息率达4.8% [1]

公司股价与市场反应 - 申洲国际股价下跌超4%，报64.05港元，成交额4.99亿港元 [1] - 花旗认为股价下跌可能反映管理层对销量展望保守，反而提供买入机会 [1] 机构观点与财务预测 - 花旗将公司2025至2027年盈利预测下调2%，目标价由95港元微降至94港元，维持“买入”评级 [1] - 花旗预测公司未来3年每股盈利年均复合增长率达12%，2026财年预期股息率达4.8% [1] - 国盛证券判断2026年公司有望步入产能驱动增长、工厂利用率饱和、订单结构优化带来盈利质量优化的阶段 [1] 运营与销售情况 - 花旗将公司2024年下半年销量增长预测由高单位数降至中单位数，主要因第三季销量增长近乎持平 [1] - 销量增长放缓部分归因于两大主要品牌仍需时间与公司商讨分摊关税 [1] - 花旗观察到10月及11月的交付量已加速增长，以追赶第三季落后的进度 [1] 产能与员工情况 - 国盛证券指出公司始终坚持长期资产建设、稳步扩张产能 [1] - 2024年末公司员工达到10.3万人，同比增长12%；2025年上半年末达到11万人，同比增长9% [1] - 过去数年成衣工厂招聘员工带来的产能提升与产量释放，预计将在2026年继续体现 [1]

文章核心观点 - 数据资产是制造业数字化转型的核心驱动力与战略资源，高质量、可治理、结构化的数据资产是企业优化生产、提升管理效率、实现智能决策和商业模式创新的基础[1] - 报告构建了数据资产从“业务数据化”到“数据资源化”再到“数据资产化”的三阶段演进路径，并系统阐述了其内涵、分类、关键技术与典型应用[1][8] - 以苏州制造业为例，数据资产的应用已带来显著效益，例如某服装企业实现“一人一版”定制后，订单响应周期和产能均提升50%[1] - 当前制造业在数据资产管理中面临数据孤岛、标准缺失、人才匮乏、安全顾虑及价值实现路径不清等挑战，报告提出了构建工业互联网生态、夯实数据质量、推动“经验驱动”向“数据驱动”转变等系统性对策[2][9] 数据资产概念、分类与特征 - 数据资产广义指企业生产经营中产生的各类数据，狭义指企业合法持有或控制、能带来经济效益的信息资源[16][17] - 按数据处理阶段可分为原始类、过程类和应用类数据资产[17] - 按来源和权属可分为公共数据、企业数据和个人信息数据[18][19] - 数据资产具有非实体性、可复制性、样式多样性、可加工性、价值易变性、多主体性、可共享性和隐私风险性等八大关键特征[21][22][23][24] - 数据资产价值评估主要采用收益法、成本法和市场法[24][25][26] 数据资产关键技术支撑 - 区块链技术是数据资产可信流通的基石，通过不可篡改、时间戳等技术确保数据安全与确权，跨链技术促进数据互联互通[27][28] - 人工智能技术（如AIGC）能生成文本、图像等数字内容，结合区块链可转化为高价值数字资产，其数据分析能力也应用于风险评估和决策支持[29][30] - 虚拟现实技术可用于构建高价值的数字化知识资产（如三维模型、设备运维手册），并提升其感知价值与市场价值[30] - 数字身份验证、物联网、加密计算等其他技术相互协作，共同构筑可信、安全的数据资产管理技术框架[30][31] 数据资产化阶段与实施路径 - 数据资产化过程分为三阶段：业务数据化（侧重数据采集）、数据资源化（侧重数据治理与价值挖掘）、数据资产化（推动数据确权、定价与流通）[32][33][36] - 业务数据化阶段的数据来源包括第一方数据（企业自身）、第二方数据（产业服务商处理）和第三方数据（从公开渠道获取）[34][35] - 报告总结了14步实施路径，涵盖数据生产采集、资源盘点、合规审查、分类分级、产品加工、质量评估、价值评估、合规登记、产品流通、存证流通、安全管理、资源入表、资本化应用及资产运营[39][40][41] 数据资产在制造业的典型应用场景 - **生产过程优化**：通过物联网与数据分析实现预测性维护，预计到2024年可为全球制造业节省约6300亿美元，目前采用率已达50%[42][43] - **生产过程优化**：构建数字孪生可优化产线与资源配置，预测到2025年超过60%的大型制造业将使用数字孪生，全球市场规模将达305亿美元，其中制造业占比超40%[43] - **生产质量提升**：通过全面收集分析质量数据，并借助人工智能视觉识别技术提升检测效率[43] - **生产质量提升**：借助社交媒体等多渠道用户反馈数据，分析产品性能与用户体验[44] - **柔性定制生产**：例如某服装企业依托工业互联网平台实现“一人一版”定制，使订单响应周期缩短50%，产能提升50%[1] - **供应链协同管理**：数据资产有助于实现供应链协同[12] 苏州制造业数据资产管理面临的挑战 - 普遍面临设备协议不统一导致的“数据孤岛”问题[13] - 存在标准缺失引发的“一物多码”现象，数据质量参差不齐[2][13] - 缺乏专业的数据管理人才，制约数据资产管理体系建设[2][13] - 存在数据安全与隐私保护顾虑，阻碍数据共享[2][13] - 多数企业尚未厘清数据资产的价值实现路径[2][13] 对苏州制造业数据资产管理的对策与建议 - 构建工业互联网生态，系统性破解转型瓶颈[2][15] - 夯实数据质量基础，推进DCMM（数据管理能力成熟度模型）贯标[2][15] - 推进智能制造与自动化，打造行业垂直领域语料库[15] - 推动企业从“经验驱动”向“数据驱动”转变[2][15] - 提升数据管理能力，打通数据资产价值实现路径[15] - 以标准为引领推动智能工厂标准化，并强化数据安全与隐私保护[2][15] - 通过数据资产入表等创新举措，促进数据资源赋能制造业[2][15]

文章核心观点 - AI搜索时代，服装制造企业必须采用GEO（生成式引擎优化）替代传统SEO，使企业信息成为AI回答的核心来源[3] AI搜索时代的用户行为变化 - 用户习惯使用大模型直接提问获取答案，而非点击搜索链接，大模型正成为用户获取信息的第一入口[4] - 用户行为从翻看多页搜索结果转变为让AI直接总结推荐，例如“总结3家靠谱工厂”[11] 传统SEO的局限性 - 传统SEO逻辑是“讨好搜索引擎算法”，通过堆关键词、买外链、优化页面等方式争排名，但效果正逐渐减弱[5] - 传统SEO存在周期长（3-6个月见效）、成本高（每月投入过万）、可控性差（算法一变排名就掉）的“三难”问题[11] - 部分工厂投入半年SEO后，获客量甚至不如在B2B平台发帖子[5] GEO的核心优势与逻辑 - GEO的核心目标是“争引用”，使企业信息直接出现在AI回答中，实现直接触达，而非引导点击跳转[6] - GEO的底层逻辑是语义优先，AI检索时注重语义理解而非单纯的关键词匹配[7] - 结构化信息是AI引用的“通行证”，AI偏好清晰分类的信息，如品牌名、产品类型、场景、优势等[8] - 权威平台是“信任背书”，AI优先引用高权重平台的信息，如阿里巴巴企业主页、行业网站认证信息等[9] - 场景化覆盖是“流量放大器”，通过覆盖不同城市、需求、痛点等场景，增加被AI引用的机会[10] GEO的实操方法 - 第一步是构建企业信息结构化矩阵，将工厂信息拆分为基础信息、产品体系、服务优势、客户案例、场景解决方案等模块[14][15] - 第二步是制作GEO内容矩阵，针对不同场景撰写内容，如痛点类、城市类、行业类文章及问答[19] - 第三步是发布到AI常引用的高权重平台，包括企业官网（需加Schema标记）、权威B2B平台、行业垂直平台、本地平台、知识平台等[19] - 第四步是提升信息权威性，如加入行业协会、在权威媒体发布新闻、积累B2B平台好评[19] - 第五步是监控AI引用效果，通过直接搜索问题、查看AI回答来源、统计推荐客户量等方式进行检查[19] GEO的应用效果案例 - 广州某运动服OEM工厂通过GEO优化，在阿里巴巴发布10篇场景化内容，1个月后首次被AI回答提及，3个月后AI引用次数达12次/月[16][19] - 获客量从传统SEO的每月3-5个提升至15-20个/月，成本从8000元/月降至5000元/月[16][19] - 客户来源转变为通过AI推荐直接联系，例如“我在ChatGPT里看到你们能做小批量运动服”[17] 适用GEO的服装企业类型 - 适用企业类型包括服装代工厂/OEM企业、小批量定制服装企业、外贸服装企业、区域服装品牌、服装供应链企业、直播带货服装供应商等[18][19][22]