投资评级 - 增持 首次覆盖 [2] 核心观点 - AI业务对外赋能客户经营实现放量增长 对内通过优化管理提效达成高质量发展 [5][6] - 四大业务全面拥抱AI 提高产品竞争力与附加值 [6][7] - 中国大陆地区注重项目质量 非大陆地区维持增长韧性 [7][8] - 预计2025-2027年营业收入分别为26.24/30.10/34.75亿元 同比增12.57%/14.71%/15.45% [9] - 预计2025-2027年归母净利润分别为2.06/2.54/3.03亿元 同比增长32.47%/23.22%/19.19% [10] 公司基本情况 - 最新收盘价54.00元 总市值147亿元 流通市值145亿元 [4] - 总股本2.71亿股 流通股本2.69亿股 [4] - 52周内最高价66.06元 最低价16.09元 [4] - 资产负债率31.3% 市盈率93.10 [4] - 第一大股东为富士康工业互联网股份有限公司 [4] 财务表现 - 2025H1营收10.45亿元 同比+4.08% [5] - 2025H1归母净利润0.45亿元 同比+6.09% [5] - 2025H1扣非归母净利润0.36亿元 同比-9.89% [5] - 预计2025年营业收入2624百万元 同比+12.57% [9][12] - 预计2026年营业收入3010百万元 同比+14.71% [9][12] - 预计2027年营业收入3475百万元 同比+15.45% [9][12] - 预计2025年归母净利润206.18百万元 同比+32.47% [10][12] - 预计2026年归母净利润254.05百万元 同比+23.22% [10][12] - 预计2027年归母净利润302.81百万元 同比+19.19% [10][12] 业务发展 - 2025H1 AI业务收入同比+125.91% [6] - AI配方智能生成可降低企业原材料成本约15% 提升产品合格率8% [6] - 截至2025H1底员工总数4794人 较去年底降6.26% [6] - 2025H1管理费用率11.08% 同比降0.04个百分点 [6] - 2025H1研发费用率8.20% 同比降1.34个百分点 [6] - 研发设计类已签约近百家客户 成功部署数十家 [6] - 中国大陆地区2025H1营收4.76亿元 同比+4.61% [7] - 非大陆地区2025H1营收5.69亿元 同比+3.65% [8] - 东南亚地区收入同比增60.87% [8] 盈利预测指标 - 预计2025年EPS 0.76元/股 2026年0.94元/股 2027年1.12元/股 [12] - 预计2025年市盈率71.08 2026年57.69 2027年48.40 [12] - 预计2025年市净率5.91 2026年5.39 2027年4.88 [12] - 预计2025年毛利率59.2% 2026年59.5% 2027年59.6% [15] - 预计2025年净利率7.9% 2026年8.4% 2027年8.7% [15]

核心财务表现 - 2025年上半年营业收入10.45亿元同比增长4.08% [1] - 归母净利润4502.67万元同比增长6.09% [1] - 营收与利润保持稳健双增态势 [1] 区域业务发展 - 中国大陆地区营收4.76亿元同比增长4.61% [1] - 非中国大陆地区营收5.69亿元同比增长3.65% [2] - 东南亚地区收入同比增长60.87% [2] 业务板块与技术进展 - 研发设计、数字化管理、生产控制、AIoT四大业务板块协同增长 [1] - AI业务收入同比增长125.91% [2] - 完成数十家客户签约并引入近百家AI生态伙伴 [2] - 开发电子、医药、流通等六大产业AI应用场景模板 [2] 战略举措与市场拓展 - 紧抓消费补贴政策与半导体制造国产替代机遇 [1] - 通过AI技术升级产品性能并优化运营降本增效 [1] - 把握中企出海与东南亚数智化升级机遇 [2] - 在电子、汽车零部件、装备制造行业取得显著增长 [2] - 深化行业协会合作及产业联盟运营扩大商机触达 [2] 研发创新成果 - 围绕"鼎捷雅典娜数智原生底座"推动平台功能性能升级 [2] - 完成多个企业级AI智能体开发 [2] - 发布智能数据套件、企业智能体套件等四大新产品 [2]

财务业绩表现 - 2025年上半年实现营业收入10.45亿元 同比增长4.08% [1] - 归母净利润4502.67万元 同比增长6.09% [1] - 中国大陆地区营收4.76亿元 同比增长4.61% [1] - 非中国大陆地区营收5.69亿元 同比增长3.65% [1] 业务板块发展 - 研发设计/数字化管理/生产控制/AIoT四大业务板块均实现同比增长 [1] - AI业务收入同比大幅增长125.91% [1] - 通过AI技术升级产品性能并优化运营降本增效 [1] 产品研发进展 - 完成多个企业级AI智能体开发 [1] - 推出智能数据套件 包含智能数据引擎/指标管理/数据治理模块 [2] - 发布企业智能体生成套件 支持多智能体协作与推理 [2] - 开发AIoT指挥中心及工业机理AI套件 实现预测性维护与工艺优化 [2] 市场战略布局 - 紧抓消费补贴政策与半导体制造国产替代机遇 [1] - 聚焦高景气细分市场持续开拓增长空间 [1] - 构建"AI+IT+OT"深度协同的数智驱动体系 [2]

工业AI的产业革命 - 工业AI正在以沉稳深刻的方式加速变革制造业，区别于生成式AI在内容产业的快速渗透[1] - 制造业存在"动脉血"(可见生产力)和"静脉血"(隐性经验知识)的双重结构，后者决定产品良率和竞争力[1] - 通用大模型难以捕捉工厂特定场景的工艺参数等隐性知识，形成工业AI落地的主要障碍[1] - 鼎捷数智发布企业级AI套件，旨在打通工业的显性与隐性知识体系[1] 鼎捷的破局方法论 - 采用"解耦式架构"分离知识库与执行器，实现模块化升级和行业适配[4] - 构建"三层火箭"产品矩阵：智能数据套件→企业智能体生成套件→AIoT指挥中心[5] - 智能数据套件已完成20多个主题域覆盖，沉淀6000+数据元和54个模型[7] - 首创MACP协议实现多智能体协同，案例显示经营决策效率从1周缩短至实时[8][10] - 工业机理AI融合物理模型与数据模型，实现工艺参数的数字化传承[12][13] 工业知识数字化技术 - 多模态采集技术单次可获取5种模态的工艺数据[14] - 构建严格的三元组知识图谱(如<工序A, 温度, 730℃±5>)确保精度[14] - 采用RAG技术平衡AI能力与数据安全，避免核心工艺外泄[15] 实际应用案例 - 嘉利股份改造后人均产值提升20%，不良率下降20%，获"未来工厂"称号[19] - 英飞特借助鼎捷平台用10人团队9个月完成原需600人维护的全球系统替换[21][23] 商业模式变革 - 从项目制转向平台订阅(AAR)+AI调用+生态分成的收入结构[25] - 形成数据飞轮效应：客户越多→模型越准→吸引力越强[26] - 估值逻辑可能从PE转向PS或ARR倍数[27] 行业竞争焦点 - 竞争维度从软件功能转向行业Know-how的AI化能力[28] - 决胜关键包括算法信任度、知识更新机制和生态繁荣度[28]

工业AI的核心观点 - 工业AI正在以沉稳深刻的方式加速产业革命，专注于解决制造业中"静脉血"（隐性经验知识）的数字化传承问题，而不仅是"动脉血"（可见生产力）的优化[1] - 通用大模型在工业领域存在局限性，因其难以理解特定工厂的工艺参数、设备补偿等隐性知识，这些知识通常依赖老师傅的感官和肌肉记忆[1] - 鼎捷数智发布的企业级AI套件旨在打通工业的"动脉"和"静脉"，将老师傅30年的经验数字化传承[1] 鼎捷的破局方法 三层火箭式产品矩阵 - **第一层智能数据套件**：通过"数据CT"解决OT与IT层数据孤岛问题，封装40年行业经验，覆盖20+主题域、6000+数据元、54个模型[6][7] - 智能数据体检：基于业务属性检查数据异常（如材料温度与厚度关系）[7] - 行业知识沉淀：构建工艺知识图谱，关联国标/企业标准[7] - 增强决策智能：提供自然语言交互的偏差归因和测算推演能力[8] - **第二层企业智能体生成套件**：首创MACP协议实现多智能体协同，案例显示某储能设备商经营计划制定周期从1周缩短至智能体并行执行[9][10] - 采用"中心化决策+分布式执行"模式，主智能体Commander可协调6类单智能体反思协商[10] - **第三层AIoT指挥中心&工业机理AI**： - AIoT指挥中心接入AGV/数控机床等设备，实现"全域AIoT"[11] - 工业机理AI融合物理模型（如铜铸造的流体力学），通过视觉/生物识别技术数字化工艺动作[12] 工业知识数字化技术 - 多模态抓取：一次老师傅示范可采集5种模态数据（录屏/传感器/日志等）[15] - 工业知识图谱：构建严格的三元组（如<工序A, 温度, 730℃±5>），自动标记过期知识[15] - RAG技术：本地知识图谱保障数据安全，公有大模型仅理解意图[15] 实际应用案例 - **嘉利股份**：AI排产+一灯一码追溯+无人化物流，实现人均产值↑20%、不良率↓20%、物流岗从42人→4人[18] - **英飞特**：10人IT团队9个月内替换欧司朗600人维护的全球SAP系统，验证鼎捷PaaS平台跨国能力[19][20][21] 商业模式变革 - 从项目制转向平台化：收入结构从License变为订阅费（ARR）+AI调用费+生态分成[23] - 数据飞轮效应：客户越多则模型越精准，形成正向循环[23] - 生态网络：雅典娜PaaS平台吸引华为云/智程等生态伙伴，类似"工业AI的App Store"[23] 行业竞争焦点 - 决胜关键在于将非结构化行业Know-how翻译为AI可执行的"工艺母语"，而非单纯软件功能[26] - 需解决三大挑战：算法信任（如0.01mm公差理解）、持续知识采集（防模型过期）、生态繁荣度（第三方开发者参与）[27]