市场扩张和并购 - 公司注册成立星伦数智科技（深圳）有限公司作为非全资附属公司[4] - 集团及广州星伦分别拥有星伦数智科技51%及49%股权[4] 其他新策略 - 王先生获委任为星伦数智科技行政总裁，2026年2月13日起生效[6] - 公告日期为2026年2月13日，董事会含执行及独立非执行董事[11]

行业宏观背景与挑战 - 截至2026年初，工业互联网应用已渗透49个国民经济大类、实现41个工业大类全覆盖，数字化底座持续夯实 [1] - 行业仍面临标准不统一、区域推进失衡、数据孤岛林立等共性难题，制约转型质效提升 [1] - 制造业AI应用潜力与挑战并存，2025年数据显示73%的制造企业数据利用率低于40%，60%的企业存在AI技术与场景需求脱节，仅有25%的AI试点项目能规模化推广 [3] - 消费市场个性化、定制化需求占比持续提升，推动制造业向柔性化转型，中小批量、多品类订单成为主流 [5] - 制造业普遍面临供需错配挑战，大量创意类、小众类需求因难以快速匹配生产资源，导致转化流程繁琐、周期过长 [6] - 数字化转型呈现显著的区域不均衡特征，中西部地区中小微工厂因认知、资金、人才短缺而面临转型困境 [7] 公司业务与产品布局 - 公司是工厂数字化转型核心服务商，打造以大数据、人工智能、云计算等技术为底座的生产管理软件 [1] - 公司累计获得近10亿元人民币融资 [1] - 公司创新研发多场景工业AI Agent，深度嵌入生产全流程 [1] - 公司针对性推出“黑湖智造”、“黑湖小工单”、“黑湖供应链”等产品，构筑覆盖生产全流程的工业协同平台 [4] - 公司通过“黑湖小工单”产品，围绕“小单快反”关键环节研发出多个AI Agent，帮助中小工厂提升柔性履约能力 [6] - 公司积极拓展海外业务，重点布局越南、马来西亚等东南亚制造业集中区域，并组建本地化服务团队 [6] 技术应用与解决方案 - 公司于2023年投入工业AI Agent研发，探索AI在工业场景的落地应用 [3] - AI Agent能够辅助工厂快速决策、预测产能、优化排产流程，可将原本需要经验丰富的老师傅两三个小时完成的图纸、拆单等工序缩短至几分钟 [3] - 公司工业协同平台实现生产现场信息的实时聚合、协作、分析与决策，助力企业打通内部数据流通链路 [4] - 面对异构系统适配问题，公司组建专项技术团队优化平台接口适配能力，已实现与金蝶等主流ERP厂商系统的深度对接 [4] - 针对老旧系统客户，公司推出轻量化数据转换工具及低代码对接方案，以降低数据交互难度与落地成本 [4] - 公司通过与云厂商签订长期合作协议、优化算法降低算力消耗等方式，持续控制运维成本 [7] 市场成效与客户案例 - 目前已有近1,000家新品牌和文旅项目通过“黑湖小工单”完成从试产到量产的全过程 [6] - “黑湖小工单”帮助客户将新品上市周期从3个月缩短到3周，最小起订量从10,000件降低到100件，实现“小单快返”的柔性履约模式 [6] - 公司借鉴宝山日资企业“先培训、后落地”的成功经验，与专业讲师团队合作，针对不同企业定制培训课程，内容涵盖数字化转型逻辑、工具应用方法、精益生产理念等 [7] 行业协同与生态建设 - 中国电子技术标准化研究院调研数据显示，85%的制造企业反映与上下游企业系统对接存在数据孤岛，汽车与电子行业协同项目中因标准不统一导致的数据传输错误率高达12% [4] - 公司积极参与国家级、省级数字化转型专项课题，推动产学研协同完善行业标准化体系 [7] - 公司的实践表明，制造业数字化转型需通过认知培育、标准共建与技术优化的多元协同来破解痛点、提升可持续性 [7]

政策核心与目标 - 政策核心是瞄准“卡脖子”技术，以“真金白银”鼓励自主研发，旨在降低企业研发风险，加速关键技术的自主创新与产业化应用 [1] - 补助标准为项目已获得国家或市级支持资金总额的30%，单个项目最高补助金额达900万元 [1][2] 支持的技术领域与方向 - 政策重点聚焦三大技术板块：工业互联网平台关键技术、工业软件关键技术、新型网络与安全技术 [2] - 工业互联网平台关键技术涵盖工业智能算法、工业知识图谱、工业机理模型、微服务组件四大方向 [2] - 工业软件关键技术涵盖计算机辅助设计（CAD/CAE/CAM）、电子设计自动化（EDA）、产品生命周期管理（PLM） [2] - 新型网络与安全技术涵盖网络技术（如SDN、TSN）及平台安全、工控系统安全、数据安全三大核心防护体系 [2] 政策补助细则与适用条件 - 补助标准按项目已获得的国家或市级支持资金总额的30%进行配套 [2] - 单个项目最高可获得900万元补助 [2] - 适用对象为在京注册、具有独立法人资格的企业，且项目需已纳入国家或北京市重点项目清单 [2] - 政策为“后补助”模式，前提是项目已获得上级部门立项支持 [5] 政策深层导向与信号 - 政策强调“技术迭代”而非一次性研发，要求企业具备通过用户反馈和应用数据反哺产品升级的持续研发能力 [4] - 重视“创新应用”落地，要求成果具备明确的工业场景验证方案，纯理论成果或实验室原型难以获得支持 [4] - 将网络安全技术独立成章，反映出在智能制造加速背景下，安全合规已成为硬门槛 [4] 企业申报策略建议 - 项目包装需突出“三个明确”：明确技术攻关痛点、明确产业化路径、明确资金用途 [6] - 建议企业同步申报工信部工业互联网创新发展工程、北京市高精尖产业发展资金等项目，以形成政策叠加效应 [5] - 在工业机理模型、知识图谱等领域，建议装备制造企业、软件企业、科研院所组建联合体申报，以补足场景验证短板 [7] - 企业需关注知识产权归属，在申报书中明确核心技术专利与软件著作权的布局规划 [8]

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]

核心业绩与市场反应 - 第四季度营收为16.8亿欧元，同比下降4.1%，低于市场预期的17.4亿欧元 [1][5] - 第四季度调整后每股收益及17.5亿欧元营收均未达分析师预期 [8] - 全年总营收持平于62.4亿欧元，低于市场预期的63亿欧元 [7] - 股价周三欧股早盘一度暴跌21%，接近创下上市以来最大盘中跌幅，触发短暂交易暂停 [1][3] 增长指引与未来展望 - 公司预计2026年non-IFRS营收增幅为3%至5%，未达分析师预期 [5] - 对2026年给出谨慎展望，预计全年营收介于62.9亿至64.1亿欧元，每股收益在1.30至1.34欧元，均低于市场预期 [8] - 摩根大通分析师指出，增长预测“甚至低于最悲观投资者的预期” [5] 业务表现与行业挑战 - 第四季度软件收入同比下降5% [7] - 全年软件收入录得56.4亿欧元，整体增长持续乏力 [7] - 面临汽车与制药两大关键行业客户需求下滑的压力 [1][8] - 传统软件业务正被生成式AI等新兴AI工具加速替代 [1][5][10] 转型战略与市场疑虑 - 公司正加速推进工业AI产品3D UNIV+RSES的商业化落地，称将“引领工业AI转型” [7] - 公司高层将AI技术浪潮视为工业软件业务的战略扩张机遇 [10] - 尽管与英伟达有合作关系，但市场对技术协同的乐观情绪被疲弱的业绩指引迅速抵消 [6][7] - 投资者对其转型节奏与执行成效仍持明显怀疑态度 [10] 运营指标与商业模式 - 公司首次披露年度运行率（ARR）指标，但该指标自2023年第四季度以来仅增长6% [8] - 杰富瑞分析师指出，在软件行业加速向订阅模式迁移的当下，这一ARR增速“可能被视为令人失望” [8] 行业背景与市场情绪 - 股价重挫是近期软件即服务（SaaS）行业遭广泛抛售的缩影 [9] - 上周因Anthropic发布新AI工具引发市场对软件及数据提供商竞争前景的担忧，股价当周已累计下跌逾4% [9] - 市场正对去年领涨的赢家群体产生普遍担忧，即所谓的“SaaS末日交易” [10] - 欧洲软件企业整体面临新兴AI工具加速替代传统产品线的背景 [10]

公司股价与业绩表现 - 欧洲工业软件巨头达索系统股价大幅走低，日内最大跌幅超21%，一度触发熔断机制 [1] - 股价闪崩的直接原因是公司披露的2025年第四季度业绩及2026年业绩指引均不及市场预期 [1] 公司业务与关联 - 达索系统是英伟达的供应商 [1]

公司业务模式 - 公司“智加”工业软件产品目前采用软硬一体化交付模式 [1] - 该产品中的硬件部分，即所需传感器，通过外部采购方式解决，而非自产 [1] 市场观点与业务前景 - 包括中泰证券、国投证券、浙商证券、华泰证券在内的多家券商近期发布研究报告，看好公司AI工业软件业务 [3] - 市场观点认为该业务市场空间大且竞争格局良好，有望成为公司的第二大主业 [3] - 中泰证券在1月的研报中预计，工业软件业务的放量将因其高毛利属性而大幅增厚公司利润 [3] - 该业务被视作公司开启增长的第二曲线，并有望加速实现“再造一个主业”的战略愿景 [3]

公司产品定位与市场空间 - 公司的“智+AI”工业软件与机床的数控系统是互补关系，而非冲突 [1] - “智+”工业软件为一台机床配置一套系统，其市场空间被认为非常巨大 [1] - 中国制造业规模全球第一，是全球最大的机床消费国与保有国，存量机床数量预计达大几百万到上千万台 [1] 产品定价与目标市场 - 公司未在互动中披露“智+”AI软件的具体价格 [1] - “智+”工业软件可适配于存量机床和新机床市场 [1]

活动概述 - 成都市新侨创新创业基地（青羊区工业软件创新中心）举办新春活动，主题为“航程有你·汇智聚力”，共有46家高科技企业和涉侨企业代表参与 [1] - 活动旨在展现新侨群体精神风貌，并通过趣味游园与团队协作项目，为区域高质量发展凝聚智慧力量 [1] 活动内容与效果 - 活动设置了拔河比赛、抢椅子、蒙眼摸福、投壶纳福等传统与创新交融的互动环节，以及书写“福”字、手工糖葫芦等文化体验 [4] - 企业代表在活动中释放压力、拉近距离，感受到浓厚的年味与统战大家庭的温暖 [4] - 活动尾声，企业代表们表示将以更饱满的热情投入新一年工作，为成都工业软件产业生态建设贡献新侨力量 [4] 基地定位与未来规划 - 此次活动是新侨创新创业基地深化“凝聚人心、汇聚力量”实践的生动缩影 [6] - 下一步，基地将持续发挥“统战+产业”融合优势，以创新为引擎，以团结为纽带，搭建更多元化的交流平台，助力企业资源整合与技术革新 [6]

行业趋势与资本动态 - 资本正就AI时代预测物理世界的能力重新定价达成共识，这体现在2025年7月新思科技以350亿美元收购仿真巨头ANSYS，以及同期PhysicsX、Neural Concept等AI工业软件公司完成1亿美元级融资 [2][3][74][75] - 在半导体、航空航天等关键领域，传统物理仿真范式效率低下，一轮复杂计算往往耗时数日，工程师大量时间被困在网格划分与参数调试中 [4][76] 公司概况与融资情况 - 物理世界模型公司极映科技连续完成了数千万元的种子轮及天使轮融资，种子轮由奇绩创坛投资，天使轮由元禾璞华领投，未来光锥跟投 [5][77] - 公司由三位技术老兵创立，团队积累了超过30年的物理仿真与软件研发经验，配置精准覆盖了对仿真要求最苛刻的半导体与航空航天领域 [6][78] 技术路径与核心创新 - 公司选择了一条更窄、更硬的路径：跳出传统流体、结构、热学等物理场割裂的体系，回归质量与能量守恒的底层定律，让AI直接学习偏微分方程的共性，以补上世界模型中缺失的物理内核 [8][80] - 相比传统仿真数值方法，公司的物理世界模型将反馈周期从“天”压缩至“秒”，响应速度百倍于传统仿真 [9][82] - 公司技术路线的本质是范式替换，即用神经网络直接完成物理求解过程，而非像传统仿真巨头那样仅将AI作为提升易用性的“副驾驶”或“使用助手” [52][125] 产品性能与验证 - 在FDA血流泵案例中，AI仿真与传统数值仿真的结果R²大于0.99，在统计意义上高度一致，具备一定程度的可替代基础 [30][31][103][104] - 公司最推荐的落地场景是设计方案的快速比选与筛选，可先用AI模型从上百种候选方案中快速筛选出三到五种更优方案，再用传统软件进行最终精细验证 [26][99] - 模型的速度优势主要来自神经网络前向推理的范式本身，而准确性则依赖于自研的模型架构和极高的数据质量 [33][106] 发展阶段与未来目标 - 公司模型正从1.0版本的小样本微调阶段，走向2.0版本的零样本通用阶段，2.0版本目标是覆盖90%以上的常见物理仿真场景，实现开箱即用 [38][39][111][112] - 创始人认为物理仿真领域目前大约处于GPT-3.0水平，公司计划在年底发布的2.0版本目标是将之推进到接近GPT-3.5的水平，迎来工程领域的“GPT-3.5时刻” [40][113] 商业化战略与进展 - 公司不将自己定义为“卖软件的公司”，而是提供仿真能力的基础设施，商业模式类似大模型，包括按次付费或API调用 [58][131] - 公司判断在仿真赛道盈利的时间窗口会明显早于通用大模型，原因是工业客户付费能力强、客单价高，且模型算力消耗远低于通用大语言模型 [59][60][132][133] - 商业化落地首选半导体行业，目前已经产生了一些收入，主要是按项目收取的验证费用，单价在几十万元量级 [62][135] 团队与竞争壁垒 - 公司的核心壁垒在于在“AI+物理仿真”方向上接近十年的认知和判断积累，这是难以被快速复制的核心资产 [54][127] - 跨学科的团队组合（AI与仿真背景结合）具备快速定位和判断问题的能力，支撑了公司在早期推倒重来、完全自研算法架构的关键决策 [50][123]