文章核心观点 - 工贸企业数字化的关键第一步并非购买软件系统，而是梳理并打通“订单→生产→交付”这一核心业务链路，以解决信息孤岛和流程断点问题，从而真正提升效率 [1][6] 工贸行业数字化现状与普遍困境 - 据《2025工贸行业数字化报告》显示，62%的工贸企业尝试过数字化，但仅28%认为效果显著 [1] - 行业普遍陷入“钱花了、效率没提”的怪圈，常见错误做法包括“撒网式”投钱买系统或“单点式”补短板 [1] 工贸企业的核心痛点分析 - **管理上的“部门墙”**：信息传递靠喊，业务链路各环节（客户→订单→生产→库存→发货→收款）处于“孤岛”状态 [3] - 销售用微信将需求发给生产，生产需打电话问仓库看库存，采购回复需求可能需等3天 [4] - 客户改订单规格若未及时同步，可能导致发错货、客户退单，损失可达几万元 [4] - **数据上的“分散症”**：关键数据散落在Excel、微信、ERP、CRM等多个地方，财务汇总数据困难，报表滞后且不准，无法有效指导决策 [3][5] - **流程上的“随意性”**：流程依赖“人治”而非“法治”，缺乏标准 [6] - 订单审批流程不统一（有时用钉钉，有时走纸质） [8] - 生产排期依赖车间主任经验，未考虑库存和设备状态 [8] - 仓库发货凭记忆找货，易发错型号 [8] 数字化过程中的常见错误做法 - **错误1：上来就买全套ERP**：花费数十万购买多模块ERP，但模块间数据不通，系统沦为摆设，销售仍用Excel，仓库仍手工记账 [8] - **错误2：单点突破不联动**：例如仅做库存管理，未与订单、生产打通，导致库存数据不实时，订单仍无法发货 [8] - **错误3：定制开发贪大求全**：将所有需求塞入定制系统，开发周期长达半年，上线后员工不会用，反而增加工作量 [8] 数字化第一步的正确路径与方法 - 第一步是梳理并打通“订单→生产→交付”这一直接影响收入的“钱袋子”核心业务链路 [6] - **具体实施分三步**： 1. **先找“最痛的点”**：确定公司最容易出问题的环节，如订单交期延误、库存积压或客户流失率高 [6][8] 2. **再拆“链路的断点”**：分析核心链路中的信息断点，例如订单交期延误的断点可能是销售订单信息未实时同步至生产、生产排期未考虑库存等 [6][8] 3. **用工具“打通断点”**：寻找能覆盖核心链路的一体化工具，连接订单、生产、库存、CRM数据，实现信息自动流转，替代人工传递 [8] 一体化管理平台的解决方案示例 - 以智企CEO平台为例，其定位为企业运营与增长一体化管理平台，整合订单管理、进销存、生产计划、CRM、AI决策等功能于一个系统 [10] - **平台功能与价值**： - **梳理核心链路**：顾问团队协助梳理“订单→生产→交付”全流程，定位最痛断点 [11] - **数据打通与实时可视**：实现销售订单自动同步至生产模块，生产模块自动检查进销存并预警，生产进度实时更新供销售与客户查看，系统根据订单自动生成拣货单 [12] - **老板决策看板**：提供订单状态看板、实时库存看板（含积压预警与缺货提醒）、客户看板（含GEO可视化地图、复购率、欠款情况）以及AI决策功能（预测订单交期、分析库存健康度） [12] - **降低成本与学习成本**：一体化平台替代多个系统（如CRM+ERP+进销存），避免每年数万元的维护费，一个账号使用所有功能，数据自动同步，降低员工学习与管理成本 [11] 给企业主的判断与行动建议 - 可通过回答以下三个问题来确定数字化第一步： 1. **公司最容易出问题的环节是哪？** 例如，若订单交期延误，则优先打通“订单→生产→库存”链路；若客户流失多，则优先打通“CRM→订单→售后”链路 [17] 2. **现有数据能不能实时拿到？** 例如，查询某个订单的生产进度若需等待超过5分钟，则表明数据分散，需优先打通数据 [17] 3. **部门之间信息传递靠什么？** 若依赖微信、Excel或电话，则表明链路存在断点，需用一体化工具替代 [17]

文章核心观点 a16z发布的《Big Ideas 2026》报告指出，科技发展正迎来关键转折点，AI将从“数字助理”进化为“自主执行集群”，并从屏幕中“溢出”以全面重构物理世界的运行规则，这将在多个领域催生颠覆性的投资机会[1][2][31] AI基础设施与智能体 - AI正从“对话工具”向“多智能体系统”跨越，2026年将见证这一转变，企业将由多智能体系统驱动，实现运营杠杆的历史性突破[1][2][7] - AI的终极目标是让用户离开屏幕，未来AI将在后台完成90%的重复性工作，投资逻辑将从关注用户粘性转向关注自动化任务的完成质量[8] - 企业中80%的知识锁在非结构化、多模态数据中，能高效清理、验证并管理这些“暗数据”的平台将掌握企业级知识管理的主动权，这是一个千亿级赛道[8] - 当智能体触发的递归任务流呈指数级增长时，现有基础设施将不堪重负，未来的“智能体原生基建”必须支持大规模并发、极低延迟和智能路由，这将决定AI应用落地的天花板[8][9] - AI将接管网络安全中大量重复性工作，解放安全团队进行更深层次的漏洞修复和犯罪追踪[10] - 创意工具将实现跨模态整合，用户可用一段声音生成视频或用草图生成3D建模，使内容创作的边际成本趋向于零[10] - 2026年将诞生第一所完全围绕AI构建的“AI原生大学”，其课程设置和科研协作由AI实时优化[10] SaaS与企业软件范式转移 - 企业软件正经历从“被动记录”到“主动推理”的范式转移，未来的企业软件将是“主动的智能工作流引擎”，能预测需求并协调端到端执行，取代仅提供存储功能的过时软件[1][11][13] - 在医疗、法律、建筑等垂直行业，AI将成为协调买卖双方、顾问与供应商的“超级节点”，打破行业围墙，大幅提升行业整体周转效率[14] - 个性化服务将实现从“为所有人优化”到“为每个人定制”的飞跃，AI将实时根据个人偏好量身定制教育路径、健康方案等独特体验[1][14] 物理世界的复兴与制造业 - 科技正在“溢出屏幕”，“比特”开始全面接管“原子”，软件和AI正在让美国制造业机器重新运转，迎来“电气化复兴”的黄金时代[1][2][15][21] - 未来企业将以“工厂思维”应对能源、采矿、建筑挑战，通过模块化部署和AI自动审批流程，使复杂流程像流水线一样高效，未来能像生产手机一样大规模生产核反应堆，像组装家具一样快速建造住房[21] - 电气化、材料科学与AI的进步正在融合，形成“电子工业堆栈”，使软件能够真正控制物理世界，从矿物精炼、电池储能到电力电子设备控制都由软件协调[22][23] - 掌握“电气化产业链”的国家和企业，将决定未来工业和军事技术的制高点[24] 生物健康与虚拟交互 - 2026年，AI将把“健康的青年用户”推向医疗科技的核心，通过长期、低成本的实时监测和预防性护理，帮助用户延缓进入重症阶段，这是一个极具潜力的长效订阅商业模式[25] - 在虚拟世界中，用户只需一段文字描述，AI就能实时生成完整的3D交互环境，这些“生成式多元宇宙”不仅用于娱乐，更是训练自动驾驶和机器人的重要虚拟靶场[26] 加密货币与金融基础设施 - 加密货币将化身为互联网的基础结算层，稳定币与RWA将重构金融底层[1] - 隐私将是未来区块链竞争的关键要素，具备隐私功能的区块链能够形成强大的网络效应，成为加密货币领域的赢家[27] - 越来越多的传统资产将被代币化上链，未来的代币化产品应充分利用加密技术的原生特性，例如永续期货等创新金融工具[28] - 稳定币正在成为全球支付的基础设施，2026年，新的支付方式将更加普及，稳定币将从一种金融工具转变为互联网的基础结算层[29] - 未来的即时通讯将采用去中心化协议，取代对私有服务器的依赖，从而实现更高的隐私和安全性[30] 投资格局与趋势总结 - AI的护城河正在下移，核心价值向“智能体协调能力”和“物理世界执行力”转移[31] - 制造业、电气化、能源基建等“硬科技”领域正在被AI重新赋能，将诞生新的万亿级巨头[32] - 能够为每个人提供定制化服务的平台，将拥有极高的获客壁垒和提价空间[33] - 投资者应抓住足以改变世界运行轨迹的“大构想”，重仓那些敢于重塑底层架构的颠覆者[33]

核心观点 - AI Agent不会取代传统的CRM、ERP等企业软件系统，而是会推动这些系统转型为Agent网络的“基础设施”和后端，其核心价值将从服务于人的操作界面转向服务于机器的程序化调用[2][12] - 企业Agent的能力上限取决于对“上下文”的正确使用，即能否从正确的系统中获取准确的数据并理解数据间的协作规则，输入数据的准确性决定了Agent任务执行的准确性[2][6] - 企业内部80%的知识和信息存在于非结构化数据中，数据的时效性、结构化和准确性正在下降，因此，帮助企业清理、结构化和管理混乱数据将是一个巨大的创业机会[2][3] - 自动化程度越高，对单一、可靠、权威的“事实来源”（记录系统）的需求就越强烈，未来的竞争将围绕谁能成为数据规则的“制定者”和“事实登记处”展开[6][7][10][14] Agent能力与数据基础 - Agent天生需要跨系统工作并以行动为导向，其能力上限完全取决于对“哪个系统里的哪个数据才是标准”以及“数据间协作规则”的理解[9] - 人类可以处理模糊数据和分歧，但Agent需要明确的规则和数据优先级定义，例如区分用于外部汇报、计算绩效或产品分析的不同ARR数据定义[7][11] - 数据仓库和湖仓在实践中已成为许多公司分析的核心，承载了定义业务指标和实体的语义层，但它们是用于回顾分析的“后视镜”，而非处理实时交易的“前门”[8] 传统企业系统的演变 - CRM、ERP等系统不会消失，而是会逐渐向“带API的状态机”转变，其核心价值将从服务于人的操作界面转向服务于机器的程序化调用[12] - 未来的交互界面可以是聊天框或自然语言入口，但在技术底层必须有一个能定义“标准客户记录”、“法律合同条款”等权威事实的地方[10] - Agent正在倒逼行业将“做事的方式”（用户体验）和“事实的来源”分开，记录系统将变成一个供机器调用、保证数据持久性和一致性的引擎[10][12] 数据治理与价值重构 - 企业系统的核心价值在于把混乱的数据用清晰的契约封装起来，让Agent能安全、高效地运行[13] - “数据仓库 + 指标层 + 治理工具”的组合，形态上超越了传统报告系统，更像是一个公司内部人人都能信赖的“事实登记处”[10] - 记录系统本身（即事实）会越来越多地存在于数据仓库、湖仓和核心业务系统的组合里，之上会有一个新的语义层和控制平台来指导Agent安全读写[14] - 产品的估值倍数将取决于其与“事实”的相关性，而非营销宣传，能定义指标、规范实体和执行策略的Agent平台本身将成为事实来源，从而更具价值[14] 行业趋势与投资逻辑 - 像Databricks这样的公司被资本市场看好，因为它们更有机会成为AI Agent的调度中心，甚至自己开发Agent[9] - 最优秀的“AI原生”应用通常选择紧挨着数据仓库、CRM或ERP进行开发，其竞争优势在于工作流设计、语义建模以及与客户现有事实来源的深度整合[13] - 在AI新周期里，能赢的公司是那些能在稳定、可靠的事实来源之上构建出色Agent体验的公司，而非忽视事实来源重要性的公司[15]

文章核心观点 - 企业数字化转型的成功关键在于企业一把手的深度认知与正确领导，而非单纯的技术部署 [1][3][6] - 传统企业一把手在数字化转型中存在系统性认知偏差，导致转型流于形式或失败，改进的起点始于一把手的自我革命 [2][6][8] - 数字化转型的成功，30%靠技术，70%靠领导力，一把手的认知、决心和参与度直接决定转型的高度、力度和速度 [6] 数字化转型的五大问题与误区 - **认知层面：将数字化简单等同于“技术工具化”** - 将复杂的系统性工程简化为一次性IT采购项目，盲目复制标杆企业系统，忽视自身独特的管理模式、业务流程、人员结构及文化，导致系统水土不服 [2] - 过度迷信最新技术，认为技术能自动解决所有管理问题，忽视必要的管理变革和流程再造 [2] - **价值层面：追求“立竿见影”与短期财务回报** - 期望系统上线后立即看到“降本增效”的量化成果，缺乏对转型长期性、艰巨性和价值滞后性的心理准备 [4] - 将数字化投入视为“烧钱”的成本中心，而非战略投资，并用工业化时代的项目制投资回报率思维来衡量数字化时代的能力建设价值 [4] - **角色层面：“甩手掌柜”与“过度干预”两个极端** - 将转型完全授权给分管领导或CIO，自身不参与关键决策、不协调核心资源、不带头使用系统 [4] - 过度干预具体技术选型和功能细节，以外行指挥内行，导致技术路线混乱和项目反复 [4] - **方法论层面：缺乏系统规划，迷信“弯道超车”** - 缺乏清晰的数字化战略蓝图和实施路径，或规划贪大求全、脱离实际 [5] - 容易被供应商的华丽概念所迷惑，脱离企业实际发展阶段和真实痛点，为技术而技术 [5] - 盲目追求一次性投入实现跨越式发展，忽视数字化能力需长期积累的客观规律，导致资源错配和项目烂尾 [5] - **组织与文化层面：忽视“人”与“利益”的变革** - 未建立跨部门的转型委员会或融合团队，权力和利益格局未被重新梳理，导致部门墙林立，协同困难 [5] - 回避转型带来的利益重构矛盾，导致变革流于表面，员工因缺乏参与感与激励而产生抵触 [5] - 企业缺乏数据驱动、试错容错、开放协同的数字文化，仍是传统的“老板文化”或“经验主义” [5][6] 企业一把手的正确行动指南（“十要”） - 要亲自学习并掌握数字化基础知识 [6] - 要亲自挂帅担任转型领导小组组长 [6] - 要亲自体验并使用自家数字化产品 [6] - 要亲自对关键问题进行决策拍板 [6] - 要亲自协调以打破部门墙并推动协同 [6] - 要亲自宣导并反复传达转型重要性 [6] - 要亲自激励并表彰先进树立榜样 [6] - 要亲自检查并定期检查转型进展 [6] - 要亲自调整并根据实际情况调整策略 [6] - 要亲自坚持并保持战略定力不轻易动摇 [6] 企业一把手的行动禁忌（“十不要”） - 不要当甩手掌柜委托他人全权负责 [7] - 不要只重技术而忽视业务与组织变革 [7] - 不要急于求成期望一夜成功 [7] - 不要回避矛盾遇到阻力就退缩 [7] - 不要朝令夕改使战略频繁变动 [7] - 不要忽视培训认为员工自然就会 [7] - 不要单打独斗仅靠IT部门推动 [7] - 不要忽视文化只改流程不改思维 [7] - 不要闭门造车不学习外部经验 [7] - 不要半途而废遇到困难就放弃 [7] 成功转型的根本前提 - 真正的转型始于一把手的自我颠覆，需将权力重构、利益再分配摆上桌面 [8] - 必须以数据驱动打破经验主义桎梏，用协同机制瓦解部门壁垒，才能使数字化从口号落地为行动 [8]

报告行业投资评级 - 计算机行业评级为“强于大市”，并维持该评级 [4] 报告核心观点 - 工业软件作为智能制造的核心基石，在政策支持与技术迭代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，智能制造从“十三五”试点示范到“十四五”系统规划已上升为国家战略；市场层面，2024年中国工业软件市场规模达3541.4亿元，同比增长11.2%，但高端领域仍以外资主导，国产厂商潜在替换市场广阔；技术层面，AI与工业软件深度融合，CAD/CAE实现智能生成与优化，工业大模型及智能体在质量检测、能耗管理等场景落地 [1] - 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，支撑中国制造2035目标实现 [1] 政策东风：顶层规划推动工业领域智能化升级 - 2018年至2020年智能化转型初期，国家密集出台纲领性文件，明确以智能制造为主攻方向，目标在2020年初步形成较为完善的智能制造体系与基础设施 [12] - “新基建”概念于2018年首次提出并上升至国家战略，核心包括5G、人工智能、工业互联网等技术领域，为智能制造提供技术基石 [13] - “十四五”时期顶层设计更加系统，目标更加具体，《“十四五”智能制造发展规划》设定到2025年规模以上制造业企业数字化渗透率超70%、建成500个以上智能制造示范工厂等目标 [16][17] - 近期大规模设备更新、产业链供应链安全及“人工智能+”行动等政策表明，工业软件作为关键核心科技在“十五五”及2035年目标下将继续获得强力支持 [19][20] 工业软件市场稳健增长，国产化率持续提升 - 2024年中国工业软件整体市场规模达3541.4亿元，同比增长11.2%；核心市场规模（含CAD、CAE、EDA等）预计从2024年的318.6亿元增长至2029年的765亿元，年复合增长率达19.1% [21] - 市场结构方面，2025年预计研发设计类、生产控制类、经营管理类和嵌入式软件市场规模分别约为449亿元、620亿元、471亿元和2146亿元，对应市场份额约12%、17%、13%和59% [25] - 研发设计类高端市场由外资主导：2024年中国CAD市场规模约61.2亿元，国产厂商市场份额提升至27%；3D CAD占据CAD市场约70%份额，但国产化水平较低 [26] - 生产控制类市场国产化率稳步提升：国内龙头厂商中控技术以40.4%的市场份额占据国内DCS市场头名；在能源电力领域，国产DCS系统市占率超五成 [32][36] - 经营管理类市场国产替代空间广阔：2021年国产ERP已占据国内市场近80%份额，但高端ERP市场仍以外资为主 [37][38] AI新范式与工业场景深度融合 - 研发设计环节，AI赋能CAD实现生成式设计与智能优化，提升CAE仿真预测能力；中望软件在ZW CAD2026中加入智能块、智能助手等AI功能 [41][42] - 生产控制环节，DCS与PLC结合AI实现全局优化到边缘实时控制闭环；中控技术发布通用控制系统UCS产品“Nyx”，具备AI融合PID等功能 [44][47] - 工业大模型与智能体降低专业知识使用门槛：中控技术发布时间序列大模型TPT 2，可生成适用于各类工艺装置的智能体；汉得信息为双环传动打造智能化解决方案，在质量检测环节实现50%以上人工替代，缺陷漏检率控制在千分之一以下 [49][50][54] - 物理AI融合人工智能与物理建模，在工业制造、能源气候、航空航天等领域提升仿真、预测与优化能力；索辰科技发布“天工·开物”物理AI平台，实现生成式建模仿真一体化 [66][69][70] 工业AI发展展望：从制造2025到智造2035 - “中国制造2025”取得显著进步：建成数百家智能工厂和超过2000个数字化车间；工业互联网标识解析体系基本建成，累计标识注册量6130亿个；全球灯塔工厂达189家，中国以79家占比42%居全球首位 [74][75][77] - 实现“中国制造2035”需突破三大挑战：工业数据质量与流通、AI模型可靠性与可解释性、行业知识壁垒 [81] - 未来发展聚焦三大方向：工业软件“铸魂”工程攻克研发设计工具链自主可控；工业智能“强脑”计划打造垂直领域专用大模型和智能体生态；工业数据“要素化”探索助力数据赋能制造业智能化升级 [83][84][85] - 根据《关于深入实施“人工智能+”行动的意见》，到2027年新一代智能终端、智能体等应用普及率超70%，到2030年超90%，到2035年全面步入智能经济和智能社会发展新阶段 [84]

中国制造业战略转型 - 全球化格局从互补转向颠覆，中国从“全球最大客户”转变为“超级开发者”，不再明确渴望从世界进口特定产品 [1][3] - 中国市场对欧洲高端机械、汽车、奢侈品的吸引力下降，欧洲制造业面临“失磁”困境 [3][5] - 中国进口需求集中于大豆、铁矿石等大宗商品，但这对欧洲制造业帮助有限，受益方主要为澳大利亚、巴西、美国 [7] 中国进口结构变化 - 奢侈品领域中国消费者仍热爱LV、香奈儿等品牌，但本土高端品牌崛起可能侵蚀欧美品牌未来市场份额 [9] - 高等教育领域中国高校如清华、北大科研实力直逼西方，人才流向可能不再以西方为主 [9] - 高端设备、芯片、飞机是目前中国主要进口领域，但进口被视为过渡阶段，技术自给后需求将减少 [11] 自主可控战略推进 - 外部技术封锁促使中国强化国产化战略，制造业自主化成为经济规划头等大事 [11][13] - “十四五”规划将制造业置于产业最前列，投入史无前例 [13] - 具体攻关领域包括高端芯片、工业软件、大型商用飞机（如C919）、光刻机及数控机床等核心生产设备 [16] 全球贸易格局影响 - 中国制造业出口挤出效应每年将拖累德国经济增长0.3个百分点，德国成为受影响最严重的发达经济体 [24] - 中国出口品类高端化、低成本化蚕食欧洲高技术产业链，法国、意大利、西班牙中小制造业企业面临压力 [24][26][28] - 全球贸易闭环可能断裂，欧洲难以通过出口高端产品换取进口中国商品的能力 [22] 欧洲应对路径与矛盾 - 欧洲面临两条路径：系统性改革（减少福利、放松监管、加大研发）或贸易保护主义，但均存在重大风险 [28][30][32] - 欧洲希望中国同时扮演“世界工厂”与“世界市场”角色，但与中国自主优先战略本质矛盾 [35][37][39] - 中国内循环聚焦提升制造业抗风险能力，消费刺激政策让位于科技与制造业硬核任务 [37] 产业结构重塑 - 传统“中低端制造在中国、高端研发在欧美”分工模式逐步瓦解 [39] - 中国以极致制造为核心攻占高技术、高附加值产业，对欧洲构成系统性挑战 [39][41] - 此变革是全球经济结构的深刻重塑，而非偶发贸易摩擦 [41]

公司业务与市场地位 - 公司为全球企业提供软件和云服务 包括Oracle Cloud Infrastructure的计算、存储、网络和数据库能力 [1] - 产品组合涵盖数据库平台、中间件以及ERP、HCM、CRM等企业应用 并为多个行业提供定制方案 同时提供硬件、咨询、支持和管理服务 [2] - 公司市值达5709.6亿美元 被归类为“巨型市值”股票 [2] 近期股价表现 - 股价在9月10日达到52周高点345.72美元 但随后从该高点下跌43% [3] - 过去三个月股价下跌16.3% 而同期道琼斯工业平均指数上涨4% [3] - 过去52周股价上涨4.8% 表现略逊于道指5.3%的涨幅 但过去六个月股价上涨26.3% 跑赢指数13.2%的涨幅 [4] - 自10月下旬以来 股价一直低于50日移动平均线 近期亦跌破200日移动平均线 [4] 最新财务业绩 - 第一财季（截至8月31日）营收同比增长12%至149.3亿美元 但未达到华尔街预估的150.1亿美元 [5] - 云收入同比增长28% 是营收增长的主要驱动力 [5] - 非GAAP每股收益同比增长6%至1.47美元 符合市场预期 [5] - 基于强劲的云业务增长轨迹 股价在9月10日盘中上涨36% [5] 人工智能领域发展 - 公司正积极拓展人工智能能力 上月与AMD扩大合作伙伴关系 成为基于AMD Instinct MI450系列GPU的AI超级集群的发布合作伙伴 [6] - 合作计划在2026年第三季度初始部署50,000个GPU 并预计在2027年及以后进行扩展 [6]

行业整体展望 - 未来一段时间计算机行业将以内需TOB方向为主，涵盖国产算力、企业应用、智能驾驶与机器人以及国产基础软件生态 [1] - 前期行业表现平淡及三季报中规中矩，结合下游开支的前瞻信号，短期市场环境和风险偏好的影响或许有限 [1] - 社融和制造业等下游新增贷款的好转有利于保障后续相关开支 [1] 下游开支前瞻指标 - 三季度以来PMI和社融变化等前瞻指标出现积极变化 [1] - 社融数据变化预示下游扩张在波动中回暖，未来1-2个季度相比去年同期或有改善 [1] - 尽管PMI环比有所回落，但ERP和智能制造软件的主要下游（高技术制造业、装备制造业、消费品行业）PMI指数均处于扩张区间 [1] - 预期相关软件技术和应用公司在四季度至一季度会有更好的收入表现 [1] AI领域商业化进展 - 国内外模型Token调用量保持高增长，企业级订阅、API调用、流程Agent嵌入整合全面发展并开始产生一定规模的商业化收入 [2] - 代码生成、科学与研究等功能项表现相对明显，ToB商业前景变得更加清晰乐观 [2] - AI大模型应用收入的变现规模和场景比较有限，投资节奏预计将不时受到干扰出现波动 [2] 国产算力与EDA领域 - 国产算力包括芯片、服务器和EDA等替代加速 [1] - 新思科技业绩受到IP业务表现不佳影响，新的出口限制扰乱了中国的设计启动，加剧了中国市场的疲弱 [3] - 武汉新芯重启IPO计划募资48亿元，其中43亿元用于12英寸集成电路制造生产线三期项目，符合下游扩产将带动EDA需求上升的判断 [3] 企业应用软件 - 上半年ERP和智能制造等企业应用在收入增长的同时，面临下游因关税等因素影响订单释放节奏的挑战 [1] - ERP与工业软件包括智能制造等是企业应用的重要方向 [1] AI在特定行业的应用 - 晶泰控股AI研发平台成功开发出两款新的生发固发外用成分，是公司首个消费品项目 [4] - 作为分子IP持有者可获得双位数销售分成，与以往和大型药企合作仅获个位数分成不同，将为未来消费健康类产品研发提供资金支持 [4] - 公司的AI平台从新药研发成功拓展至消费健康领域，体现其技术的广泛适用性 [4]

政策指引 - 工信部印发《高标准数字园区建设指南》 聚焦打造企业数字化转型标杆 引导企业数字化改造[1] - 政策目标包括建设制造业数字化转型促进中心 深化新一代信息技术全链条赋能应用 推动企业全要素生产率提升[1] - 积极开展"人工智能+制造"应用探索 支持智能工厂梯度建设 推进工业机器人等智能制造装备规模化部署[1] 人工智能赋能制造业效益 - 人工智能可覆盖制造业全流程各环节 提高各环节运作效率并挖掘数据信息 赋能整体预测、生产和管理以实现精细化管理[1] - 工信部数据显示 智能化改造使制造业研发周期缩短约20.7% 生产效率提升约34.8% 不良品率降低约27.4% 碳排放减少约21.2%[1] - 人工智能推动制造业从产品为中心向用户为中心转变 从刚性生产向柔性生产转变 满足消费者个性化需求[1] 市场规模与增长 - 根据Bizwit数据 自2019年起人工智能在中国制造业应用的市场规模增长率保持在40%以上[1] - 预计到2025年人工智能在中国制造业应用的市场规模将达到141亿元[1] 相关公司动态 - 鼎捷数智在ERP、PLM、BI等系统中加入AI应用场景 加强AI与产品矩阵融合 推进鼎捷雅典娜底座迭代及AI应用场景延伸[2] - 赛意信息与华为联合推出基于华为IDME模型的iMOM 其iMOM产品系列聚焦泛电子、汽车及零部件、装备制造三大核心制造领域 助力企业打破产业制造协同壁垒[2]

义乌全球数贸中心：数字贸易新标杆 - 义乌全球数贸中心开业，集市场、办公、商业街区和数贸港于一体，市场板块面积达41万平方米，容纳3700余家商户 [1] - 市场深度融合AI导航、跨语种直播、智能结算等数字场景，实现“一部手机买全球、卖全球” [1] - 该中心是义乌小商品市场“六易其址、十三次扩建”后的全新“6.0代市场”，是长三角数字贸易一体化的缩影 [1] 数字基础设施硬联通 - 长三角累计建成的5G基站数量持续领跑全国，合肥国家级互联网骨干直联点、杭州国家新型互联网交换中心等关键节点确保数据“低时延、高效率”流转 [2] - 区域内创新构建“交易平台+标准互认+制度协同”的数据要素流通体系，杭州数据交易所与南京数据交易平台实现数据产品“互认互通” [2] - 长三角地区已集聚全国近四分之一的“数商”，形成活跃的数据要素生态 [2] 政务服务协同与数据共享 - 长三角三省一市共同制定《电子证照共享应用规范》，推动40余类高频电子证照跨省互认 [3] - 累计共享67亿余条政务数据，支撑起173项政务服务“一网通办”，显著降低企业跨省经营成本 [3] 跨境电商效率提升 - 海关部门创新“联动接卸”监管模式，使不同关区港口视同“一港作业”，降低企业流转成本 [4] - 《虹桥国际开放枢纽“丝路电商”电子口岸数字技术应用合作协议》签署，推动跨境电子发票互操作，未来有望实现“一次申报、双边通关” [4] - 上海青浦白鹤镇构建“跨境电商+产业带”模式，设立“飞地”招商服务中心和海运出口前置集货仓，实现“仓—港—配”全链路数字化服务，其先行区已集聚企业247家，出口交易额突破50亿元 [5] 区域协同与民营企业活力 - 杭、湖、嘉、绍、衢、黄、宣七市联手搭建一站式出海平台，打破行政壁垒 [5] - 嘉兴海关与上海浦东机场海关合作的“9610直邮模式”转关通道，使企业通关时间减少三分之一，物流成本降低30% [5] - 2024年前10个月，长三角民营企业进出口额达7.14万亿元，同比增长8.2% [6] 产业数字化与智能制造 - 长三角通过“智改数转”重塑产业底色，上海以特斯拉、施耐德电气“灯塔工厂”为标杆，输出规模化智能制造解决方案 [6] - 浙江构建“算力+算法+数据”平台化赋能体系，江苏推进“智改数转”十大工程，安徽深耕新能源汽车等优势产业链 [6] - 上海港智能调度系统支撑单昼夜17.2万标准箱的吞吐量纪录，施耐德“灯塔工厂”通过数字化改造使订单交付时间缩短67% [7] 区域重点项目与产业布局 - 嘉善至西塘市域铁路与上海示范区线浙沪省界段开工，全长约4.3公里，建成后将实现青浦、吴江、嘉善“一站换乘” [9] - 复旦大学虹桥医学创新园区落户虹桥，聚焦智能医学、脑机接口等前沿领域，预计2030年初步建成 [10] - 鼎捷软件双总部落地虹桥新慧总部湾，将建设产业数字化生态链中心，总占地280亩 [10] - 杭州临空经济示范区长龙·国际航空再制造中心项目年底投运，将填补浙江航空高附加值产业空白 [10] - 中国网络视听协会微短剧创意村与人才培训中心落子杭州钱塘区，该区2024年微短剧产业规模达504亿元 [11] - 京东全球首个智能物流机器人超级工厂落地无锡锡山区，并将于明年4月建成全球首个全无人配送站 [11] - 安徽亳州机场正式通航，开通4条航线，年运送旅客可达100万人次，货邮2650吨，将提升高附加值中药材航空物流效率 [12] - 皇氏集团阜阳智慧化乳制品中央工厂投产，总投资22亿元，全面达产后年产能25万吨、产值20亿元 [13]