"作为沈阳市属国资企业，沈汽集团承担着沈阳市汽车产业发展投资平台的角色。"沈汽集团副总经理冯圣良表示，"当前全球汽车产业正在发生深刻变 革。我们既要抓成熟项目、强壮产业根基，更要深耕科技创新，以孵化前沿技术、培育新兴产业为突破口，加快推动区域汽车产业转型升级。"在这样的背 景和考量下，作为沈汽集团"产业+资本"双轮驱动战略的重要落地场景，加速空间应运而生。 沈汽集团将协同璞跃中国、宝马集团共同设立服务团队，宝马的专家将常驻加速空间，为入孵企业带来智能化、电动化、低碳化领域的前沿经验，直接 与初创项目进行技术探讨和场景对接。同时，设立创新孵化配套基金，重点关注新能源电池、智舱智驾、线控底盘、轻量化材料、工业AI等方向，投早、 投小、投硬科技，做汽车产业的长期资本、耐心资本。 戴上智能AR眼镜，通过WiFi或蓝牙连接，车速、导航等信息可实时全彩显示，轻轻转头，车辆后视镜内的画面也能即时呈现，而且透明的镜片并不会 遮挡正常视线。启动当日，苏州清研精准汽车科技有限公司、赢瑞科技有限公司、辽河实验室具身智能项目等首批入孵企业和项目进行了现场展示，涵盖智 能制造、智能驾舱、轻量化材料等领域。沈汽集团与清华大学苏州汽车研究 ...

行业背景与核心挑战 - 中国能源产业正经历前所未有的智能化变革，其紧迫性和重要性已上升至国家战略层面 [1][11] - 在高温高压、工况复杂的能源生产一线，AI应用面临“水土不服”的世界性难题，包括开发周期长、场景复制难、成本居高不下 [1][11] - 大量AI项目停留在“盆景式”的单点验证，难以形成“森林式”的规模化价值 [1][11] 华为云盘古大模型的战略与方案 - 华为云提出“平台+大模型”的双轮驱动战略，旨在为工业AI打造一条真正的“生产线” [5][15] - 平台层由华为云ModelArts Studio担当，将数据准备、模型训练到部署管理的全流程整合为标准化工序，将AI开发升级为可集中管理的“工业流水线” [5][15] - 模型层是盘古CV大模型，其采用创新的“L0-L1-L2”分层架构，实现了AI能力的“家族传承”，模型可先学习行业通用知识（L1），再针对具体场景（L2）进行少量数据精调即可快速适配 [5][15] - 该方案旨在解决工业AI“手工作坊”模式的三大核心痛点：高昂的“重复造轮子”成本、难以逾越的“场景鸿沟”以及沉睡的“数据资产” [4][14] 在能源行业的具体应用与成效 - 在钢铁行业，宝武集团利用盘古大模型深度分析生产数据，AI辅助工程师精准判断炉况、优化操作，实现生产稳定与焦比下降，提供了可量化的降本增效新范式 [6][16] - 在矿山行业，华为云L0-L1-L2分层模型应用于皮带异物检测，使开发新场景模型时可直接继承行业大模型的通用经验，开发周期缩短80%以上 [6][16] - 在能源化工领域，华为协助中国石油构建了首个油气行业视觉大模型，打造了一套能“自我进化”的智能系统，通过全链路闭环使AI成为持续学习的“数字巡检员” [7][16] 事件与行业意义 - 相关实践与路径在2025年12月4日至5日于北京举行的中国石油石化人工智能创新应用交流大会上由华为云专家系统分享 [2][12] - 这标志着中国在工业AI领域正探索一条与众不同的发展路径，致力于构建可规模化复制的系统性能力，而不再满足于单点模型优化 [1][11] - AI已从概念转变为实实在在的生产力，正在为能源产业的绿色、高效、安全发展注入新活力 [10][18]

文章核心观点 - 传统工业数字化因系统割裂、仅能“呈现问题”而触到天花板，工业AI需跳出“概念空转”，成为生产提效的核心引擎[4] - 广域铭岛（Geega）的工业智能体实践，通过“感知-决策-执行”架构和“问题驱动、反向改造、持续演化”的方法论，实现了从“流程管控”到“解决问题”的质变，并带来了显著的量化效益[4][6][11] - 工业AI的成功落地关键在于嵌入具体业务流程，从最具痛点的跨系统、跨部门场景入手，并通过AI反向推动数据与系统改造，实现能力的持续沉淀与复用[30][31][32][33][34] 平台核心能力与转型路径 - **核心能力边界**：平台核心能力概括为连接工业世界的复杂性、沉淀工业知识的可复用性、通过智能体实现业务的可自治性[11] - **转型第一阶段：工业软件产品化与标准化**：起点是将吉利集团内部数字化经验外化，将MES、WMS、设备管理、能源管理、质量管理等系统模块化封装，从定制化系统变为标准化产品[12][13] - **转型第二阶段：构建GOS工业操作系统**：推出GOS工业操作系统，统一计算环境和应用门户，实现数据、算力、接口在同一环境下互通，为AI提供可运行的统一生态，强调“系统协同”[14] - **转型第三阶段：AI平台与智能体落地**：2023年底全面向AI转型，在GOS之上衍生出工业AI应用平台，推出业务智能体（AIAgent），对既有工业软件进行赋能，让系统从“被动响应”变成“主动决策”[15] - **转型第四阶段：工厂大脑与流程自动化**：在智能体成熟后推出“工厂大脑”，以问题驱动的PDCA机制实现企业持续改善，AI参与问题分析并负责经验沉淀与知识库建设[15] 主机厂真实项目实践与量化效益 - **领克成都工厂实践**：构建一体化数字基座，部署设计研发协同、工艺质量提升、高级计划排程等工业软件，实现全生命周期数字化管理，应用效益包括质量损失成本降低13%、物流配送效率提升10%、年度能耗成本降低10%、订单交付周期缩短15%[16] - **领克余姚工厂实践**：搭建统一数字化平台，重点部署供应链协同管理和柔性高级计划排程方案，应用效益包括订单交付周期缩短15%、库存成本降低10%、物料齐套率提升20%、作业效率提升10%[16] - **极氪宁波工厂实践**：建立全连接工厂基座，部署多个智慧场景，使得设备故障率减少10%、设备开动率提升11%[17] - **代表性场景案例：停线问题闭环管控**：利用工厂大脑机制，打通跨域数据，AI自动结合知识库进行故障定位并推送决策建议，在单个基地，该场景每年节省的工时及停线损失挽回价值达到748万元左右[28] - **排产智能体ROI表现**：应用后生产效率提高30%、人工工时减少40%、设备利用率提升15%、库存周转率提高20%[24] 工业智能体的架构与开发 - **体系架构设计**：主要由感知层、决策层和执行层三个层级构成，感知层负责实时数据采集与监控，决策层利用机器学习等技术进行智能决策，执行层通过与现有工业系统协作执行业务指令[18] - **标准化组件与低代码开发**：平台提供设备管理、生产调度、仓储管理等标准化工业组件和模块，通过低代码平台实现“像搭积木一样”的拖拽组合，降低个性化开发难度[21] - **智能体开发流程**：包括数据准备、模板选择、参数配置、验证上线、持续学习等关键环节[22] - **开发成本与周期**：开发周期通常为1到3个月，客户侧投入中培训成本占比约为15%-20%[23] - **排产智能体工作流程**：包括接收生产需求、需求分析与约束设定、计划推荐、验证与调整、下发执行[26][27] - **排产智能体优化能力**：具备多目标优化能力，能综合考虑设备利用率、生产周期、能源消耗、人工工时、订单优先级等多个因素[28] 行业落地方法论与挑战 - **方法论要点一：从问题出发，明确业务目标**：AI必须嵌入具体业务流程，从最具痛点的跨系统、跨部门、缺乏闭环的场景入手，如停线问题、能源浪费、维修履历分散等[31][32] - **方法论要点二：反向定义，用AI倒推数据与系统改造**：确定场景后，反向梳理问题涉及的系统、缺失的数据结构、需封装的知识，实现从“数据记录”向“数据理解”的跃迁[33] - **方法论要点三：持续演化，场景拉动与能力沉淀**：每个智能体的诞生都成为平台能力的积累，问题处理的经验沉淀入知识库，形成可被后续AI调用的“企业经验模型”[34] - **AI替代人工的核心瓶颈**：目前智能体主要是“辅助”而非“替代”，完全替代面临业务标准化缺失和物理世界“非理性”干扰两大挑战[29]

项目概况与建设进展 - 金海千亿级氟硅新材料一期项目正在漯河市舞阳县火热建设中，现场有150米高的双曲线凉水塔已建成，施工人员正进行管道焊接和设备安装 [1] - 项目自去年10月底打下第一根桩，每天有3000多人奋战在工地，进行多工种、多专业交叉施工，一期项目计划于今年年底建成，明年年初进入试生产阶段 [1] - 该项目总投资300亿元，是全省近年来单体投资最大、亩均强度最高的项目之一，也是今年省政府重点推进的项目 [1] 资源禀赋与公司背景 - 舞阳县拥有全国储量第二、品位第一的特大型盐矿资源 [1] - 河南金山化工集团依托当地盐矿资源，已发展成为全国最大的合成碱生产企业和全球最大的联碱生产企业 [1] - 公司依托自有的萤石矿资源，组建了河南金海新材料股份有限责任公司，向价值链中高端进军 [1] 技术支撑与产品定位 - 项目在漯河市委、市政府推动下，于去年11月邀请6位中国工程院院士和5位知名专家在北京召开项目论证会，今年3月由中国科学院院士卿凤翎详细把关，确保项目的高端性和前瞻性 [2] - 项目主要打造有机氟新材料、有机氯材料、有机硅新材料和新能源材料4个完整的产业链，终端产品包括第四代制冷剂、高端氟树脂、电子级硅胶、航空航天绝缘材料等 [2] - 项目全部建成后，将新增年产值1000亿元 [2] 设备与智能化建设 - 一期项目所用设备已基本到位，引进了德国西门子、日本旭化成等国际一流的工艺设备 [2] - 公司与全球顶尖的智能化技术机构合作，量身打造工业AI平台，搭建“工业超级大脑”，旨在推动工艺装置长周期自主优化运行和生产系统无人作业 [2] 人才与研发合作 - 河南金海新材料与中国科学院上海有机化学研究所在漯河市共建氟硅新材料研究院，由卿凤翎院士受聘担任院长 [4] - 公司已先后引进40名高层次技术人才，并正在与华东理工大学等联合开展技术攻关，为项目高质量实施提供技术保障 [4] 区域产业环境与发展态势 - 漯河市已初步形成重大项目梯次衔接、持续壮大的发展格局，近年来布局和建设了河南省食品科创园、微康微生态产业园等一批创新引领性项目 [4] - 今年前三季度，漯河市战略性新兴产业增加值增速达47.4%，高于全省平均水平35.8个百分点，显示出强劲的创新活力和增长潜力 [4] - 漯河市将以发展新质生产力为引领，通过新技术、新业态、新模式赋能项目建设，带动高技术产业、战略性新兴产业实现快速增长 [4]

公司TPT业务进展与前景 - 公司工业AI业务已落地110个项目，并实现1.17亿收入，工业AI护城河初步形成 [1] - 公司受益于制造业智能化与出海趋势，但2025年盈利可能承压，当前估值处于低位 [1] - 预计公司2026年增速有望达到27%，机构认为其基本面拐点临近，建议重点关注 [1] AI算力与硅光模块行业机会 - AI算力需求爆发，行业存在抢占硅光模块高毛利“黄金窗口”的机会 [1] - 产业链中五类核心环节的公司已进入机构关注名单 [1]

项目概况与建设进展 - 金海千亿级氟硅新材料一期项目正在漯河市舞阳县建设中，现场施工繁忙，项目自去年10月底打下第一根桩以来进展迅速 [1] - 项目每天有3000多人奋战在工地上，进行多工种、多专业交叉施工，一期项目计划于今年年底建成，明年年初进入试生产阶段 [1] - 该项目总投资300亿元，是全省近年来单体投资最大、亩均强度最高的项目之一，也是今年省政府重点推进的项目 [1] 资源背景与产业转型 - 舞阳县拥有全国储量第二、品位第一的特大型盐矿，河南金山化工集团依托该县丰富的盐矿资源，已发展成为全国最大的合成碱生产企业和全球最大的联碱生产企业 [1] - 公司依托自有的萤石矿资源，组建了河南金海新材料股份有限责任公司，从传统化工产业向新材料产业转型，向价值链中高端进军 [1] 技术保障与高端定位 - 为确保项目的高端性和前瞻性，漯河市委、市政府在去年11月邀请了6位中国工程院院士和5位知名专家在北京组织召开项目论证会，今年3月又经中国科学院院士卿凤翎详细把关 [2] - 项目主要打造有机氟新材料、有机氯材料、有机硅新材料和新能源材料4个完整的产业链，生产第四代制冷剂、高端氟树脂、电子级硅胶、航空航天绝缘材料等终端新产品 [2] - 项目全部建成后，将新增年产值1000亿元 [2] 设备引进与智能化建设 - 一期项目所用设备已基本到位，引进了德国西门子、日本旭化成等国际一流的工艺设备 [2] - 公司与全球顶尖的智能化技术机构合作，量身打造工业AI平台，搭建“工业超级大脑”，旨在推动实现工艺装置长周期自主优化运行和生产系统无人作业 [2] 人才与研发支持 - 河南金海新材料与中国科学院上海有机化学研究所在漯河市成立了氟硅新材料研究院，由卿凤翎院士受聘担任院长 [2] - 公司已先后引进了40名高层次技术人才，并正在与华东理工大学等机构联合开展攻关，为项目高质量实施提供技术保障 [4] 区域产业生态与发展态势 - 漯河市已初步形成重大项目梯次衔接、持续壮大的发展格局，近年来布局和建设了河南省食品科创园、微康微生态产业园等一批创新引领性项目 [4] - 今年前三季度，漯河市战略性新兴产业增加值增速达47.4%，高于全省平均水平35.8个百分点，显示出强劲的创新活力和增长潜力 [4] - 漯河市将以发展新质生产力为引领，通过新技术、新业态、新模式赋能项目建设，带动高技术产业、战略性新兴产业实现快速增长 [4]

投资评级 - 投资评级为“买入”，属首次覆盖 [11] 核心观点 - 报告认为公司正站在新阶段起点，向工业AI新世界迈进，其“技术为底、战略为翼”的驱动内核不变 [4][7] - 尽管短期面临需求乏力与内部转型带来的业绩波折，但长期看好国内制造业智能化升级趋势、产品力驱动的全球影响力提升以及工业AI产品体系的完善 [10] - 预计公司2025-2027年实现归母净利润9.1亿元、11.6亿元、14.6亿元，同比增速分别为-18.4%、+27.0%、+26.2% [4][10] TPT（流程工业时序大模型）分析 - TPT是业界首款为连续流程工业设计的预训练人工智能系统，基于Transformer架构和海量工业时序数据训练，具备预测、监测、诊断、寻优等六大核心功能 [8][21] - TPT2.0相比1.0实现从“可用”到“好用”的跨越，采用混合专家模型架构，支持自然语言交互和闭环控制，部署灵活性和自主性大幅提升 [26][28] - TPT通过结合AI与第一性原理（依托APEX平台）对抗工业幻觉问题，并从数据、机制、架构多维度保障输出可靠性 [8][36][41] - 截至2025年前三季度，TPT类软件收入达1.17亿元，已成功落地超110个项目，应用于石化、煤化工、氯碱、热电等行业 [8][55] - TPT的核心价值在于将产品供给格局从“N模型+N应用”转变为“1模型（TPT）+N应用”，显著降低客户部署成本与人员依赖，并助力公司商业模式向平台型、SaaS化升级 [8][60][61] UCS（通用控制系统）分析 - UCS实现了软件定义控制，颠覆了传统“硬件定义”的DCS架构，在计算架构上实现软硬解耦，在通信架构上采用全光网络和APL技术 [9][78][84] - 对客户而言，UCS可带来机柜空间减少90%、电缆成本降低80%、建设周期缩短50%的效益，并具备从资本支出向运营支出转型的潜力 [9][90] - UCS已有初步成功案例，如湖北兴发集团项目用单机柜管控全流程，控制点数突破1.5万点 [9][90][93] - 预计UCS的推广将是循序渐进、先增量后存量的过程，短期面临可靠性验证和生态培育的挑战，但长期趋势明确 [9] 国内业务与周期展望 - 2024年以来公司营收增速下滑，主要受下游景气承压（如石化、化工行业资本开支负增长）及自身战略转型（收缩S2B等业务）影响 [93] - 宏观层面，制造业PMI和PPI等指标显示需求拐点尚不明显，但自下而上看，部分行业（如钢铁、建材）盈利端边际修复有望驱动资本开支结构性回暖 [96][98] - 公司战略转型成效渐显，2025年前三季度工业AI产品（TPT、机器人）收入合计约2.76亿元，软件年费ARR收入达7691万元，订阅制转型取得进展 [99] 海外业务拓展 - 全球DCS市场空间广阔，预计市场规模将从2023年的199亿美元增长至2028年的267亿美元，复合年增长率为6.1% [102] - 公司海外拓展聚焦东南亚、中东等“一带一路”区域，已与沙特阿美、巴斯夫、印尼国家石油公司等国际高端客户建立合作 [104][106] - 关键进展包括2024年入围沙特阿美控制系统短名单并完成功能性测试，以及在沙特贾夫拉大型海水淡化项目实现DCS应用突破，标杆效应初步建立 [107][108]

行业定位与驱动因素 - 工业软件是智能制造的核心基石，在政策支持与技术迭代的多重驱动下，市场规模稳健增长，并与AI等新技术加速融合，推动制造业智能化转型升级 [1] - 政策层面，智能制造已从“十三五”的试点示范发展到“十四五”的系统规划，并上升为国家战略 [1] 市场规模与竞争格局 - 2024年中国工业软件市场规模达到3541.4亿元，同比增长11.2% [1] - 高端工业软件领域仍以外资厂商主导，国产厂商潜在的市场替换空间广阔 [1] 技术融合与发展趋势 - AI与工业软件深度融合，具体体现在CAD/CAE（计算机辅助设计/计算机辅助工程）实现智能生成与优化 [1] - 工业大模型及智能体已在质量检测、能耗管理等具体场景落地应用 [1] - 物理AI技术正进一步推动多个行业的仿真与决策升级 [1] 未来演进方向 - 行业未来将聚焦于关键技术自主可控、垂直领域大模型与智能体的落地应用，以及工业数据要素化等方向演进 [1] - 上述演进将支撑中国制造2035战略目标的实现 [1]

华为AI技术赋能油气矿山行业的战略与实践 - 公司提出“以用促建”的核心策略，让技术从具体业务痛点中生长，使人工智能从辅助系统进入核心生产流程 [1] AI在具体业务场景的落地应用 - 针对行业在安全管控、效率提升、绿色转型方面的挑战，AI应用需围绕真实业务难题，从具体场景出发实现落地 [2] - 与云天化合作打造全球首个煤气化实时在线优化技术大模型项目，精确模拟预测气化炉炉温等关键参数，预计每年实现节煤9000多吨、减少二氧化碳排放2万多吨、带来超千万元直接经济效益 [2] - 与万华化学合作，利用盘古AI大模型实现设备预测性维护，提前识别设备老化趋势，解决传统人工巡检效率低下问题 [2] 从单点智能到体系化智能的跨越 - 为解决场景应用深入后导致的模型复杂、数据庞大及项目碎片化问题，公司提出“双轮驱动”解法，即通过“根技术+生态协同”实现全产业链协同智能 [3] - 强调需确保单点AI应用在统一架构中成长，利用大平台实现统一赋能，最终汇聚成覆盖整个企业的智能体，使AI管理的无人系统从“盆景”变成“风景” [3] - 工业大模型具备横向复制和泛化能力，需通过“组合拳”将各类系统集成到统一的大模型底座中进行行业赋能，例如与中国石油合作的昆仑大模型推动了119个业务领域分散场景的整合 [4] - 公司通过“领先架构引领+平台支撑+生态协同”方案，推动行业数字化标准落地与知识沉淀，以实现单点创新的批量复制推广，构建可进化、可集成的智能体体系 [4] 行业智能化发展的核心驱动力与实施路径 - 行业智能化发展的核心驱动力正从流程数字化转变为数据驱动与AI的深度融合 [5] - 公司提出云边协同架构和分层模型建设路径，帮助企业基于通用大模型快速开发场景应用，降低AI使用门槛，实现从试点示范到规模化应用的转变 [5] - 强调基础设施能力需随AI场景价值兑现同步生长，场景应用产生的海量数据及优化需求将反哺企业基建投入，深入生产系统共同发展 [6] - 公司与各行业头部企业合作，基于创新产品构建开放生态，帮助企业打造有竞争力的行业解决方案 [6] - 未来高危岗位从业者将逐步转型为数字化操作员和智能化工程师，这是AI进入产业链核心操作系统的必然趋势，目标是实现强强融合，共同推动行业进步 [6]

行业战略地位与政策支持 - 工业软件是智能制造的核心基石 在政策支持与技术迭代多重驱动下 市场规模稳健增长 并与AI等新技术加速融合 推动制造业智能化转型升级 [1] - 智能制造已从“十三五”的试点示范上升为“十四五”的系统规划国家战略 政策支持力度持续加强 [1][2] - 《“十四五”智能制造发展规划》设定了到2025年规模以上制造业企业数字化渗透率超过70%等具体目标 [2] - 大规模设备更新、产业链供应链安全及“人工智能+”行动等政策 共同表明工业软件与操作系统作为关键核心科技 在“十五五”及更长远的2035年目标下将继续获得强有力政策支持 [2] 市场规模与竞争格局 - 2024年中国工业软件市场规模已达3541.4亿元 预计至2029年核心市场规模将达765亿元 年复合增长率达19.1% [3] - 市场结构呈现分化特征 研发设计类高端领域仍由海外巨头主导 但国产厂商正通过持续技术积累在重点领域寻求突破 [3] - 生产控制类和经营管理类市场 国内厂商凭借更贴近本土需求的定制化服务与成本优势 市场份额持续提升 尤其在高端ERP市场替代空间广阔 [3] - 云计算、AI等新技术的融合正不断催生新业态 为市场增长注入新动力 [3] 技术融合与智能化演进 - AI新范式正与工业软件深度融合 驱动各环节智能化跃迁 [4] - 在研发设计环节 AI赋能CAD实现生成式设计与智能优化 增强CAE的仿真预测能力 [4] - 在生产控制环节 DCS与PLC结合AI后实现从全局优化到边缘实时控制的闭环 [4] - 工业大模型和智能体开始应用于质量检测、能耗管理等具体场景 降低专业门槛 [4] - 物理AI通过融合物理规律与AI 在高端装备、低空经济等领域实现高保真仿真与预测 [4] - 未来工业软件将聚焦关键技术自主可控、垂直领域大模型与智能体落地及工业数据要素化方向演进 [1][4] - 工业软件“铸魂”、工业智能“强脑”及数据要素化将是实现“中国制造2035”战略目标的关键技术路径 [4]