中科闻歌-1956.HK-国内决策智能龙头,平台化进程提速
- 来源:国泰海通证券
- 发布时间:2026/09/21
- 浏览次数:3
- 举报
中科闻歌-1956.HK-国内决策智能龙头,平台化进程提速.pdf
中国企业级大模型驱动的决策智能市场正处于高速扩张期,2025年市场规模达39亿元,预计2025-2030年复合年增长率高达57.2%。中科闻歌(1956.HK)作为该细分赛道的龙头企业,2025年以10.2%的市场份额位居中国第一。技术架构与产品体系公司依托中科院自动化所背景,于2026年上半年完成DIOS向DOMA(数据-本体-模型-智能体)架构的系统性升级。核心能力底座由从零预训练的雅意大模型及磐石科学基础大模型(ScienceOne)构成,支持跨模态深度语义理解与多模态处理。产品端形成涵盖DIP平台、Decitron决策机、Claworks智能体操作系统的“基—枢—核—脑—端”全栈决策A...
中国企业级人工智能市场正处于快速扩容阶段,大模型驱动的决策智能作为其中的高增长细分赛道,正从技术验证期迈向规模化商业落地期。中科闻歌(1956.HK)作为由中科院科学家团队创立的企业级AI技术与服务供应商,依托自研DOMA架构构建了覆盖数据、本体、模型与智能体的全栈决策AI产品体系。2026年上半年,公司在营收规模、毛利率水平及交付效率等核心运营指标上均呈现显著改善,平台订阅及API服务收入占比大幅提升,标志着其商业模式正加速向高复用、高毛利的方向演进。
企业级大模型驱动的决策智能市场空间与竞争格局
据灼识咨询数据,中国企业级AI市场规模在2025年已达3918亿元,预计到2030年将达到9541亿元,2025-2030年复合年增长率为19.5%。在这一庞大市场中,企业级大模型凭借更强的泛化与跨任务处理能力,已明确为未来技术主线。按企业级大模型解决方案产生的收入计算,中国企业级大模型市场规模由2023年的36亿元增至2025年的181亿元,预计2030年达1382亿元,2025-2030年复合年增长率达50.2%,在企业级AI中的份额将由4.6%提升至14.5%。
相较于传统企业级AI聚焦特定任务,企业级大模型驱动的决策智能通过多源多模态数据融合夯实决策基础、算法架构革新提升决策精度,并以自然语言多模态实时交互降低使用门槛。2025年,中国企业级大模型驱动的决策智能市场规模达39亿元,占整体企业级大模型市场的21.6%。预计至2030年该细分市场将增至375亿元,占比提升至27.1%,2025-2030年复合年增长率高达57.2%,显著高于整体企业级大模型市场增速。
在竞争格局方面,决策智能细分市场呈现相对分散的特征。2025年,中科闻歌在中国企业级大模型驱动的决策智能服务市场中以10.2%的份额排名第一,前五大厂商合计市占率为44.8%。在更广泛的中国企业级大模型市场中,公司以2.2%的份额排名第八,主要与商汤科技、华为、云知声、科大讯飞、百度等国内主流AI厂商展开竞争。公司差异化竞争优势主要体现在自主模型能力、DOMA体系架构、系统化落地能力以及在政务、金融、媒体、工业等高要求行业的复杂场景经验积累。
DOMA架构贯通全链路,构建可复用的企业级AI底座
传统企业级AI服务的交付模式往往未能充分释放企业计算潜力。中科闻歌采取平台化战略,以低代码、高可扩展的方式灵活配置AI解决方案。2026年上半年,公司完成DIOS向DOMA(Data数据—Ontology本体—Models模型—Agents智能体)技术架构的系统性升级,以增强数据、模型与智能体之间的集成度、标准化程度及架构一致性。
在数据层,公司以天湖智算平台与X-Data为基础,兼容18类数据库,支持PB级数据高性能处理,内置152个数据处理算子,将碎片化数据高效转化为AI可用的标准化数据资产。在本体层,通过决策智能平台(DIP)构建业务本体“12面体”,将底层数据语义化为大模型可理解的企业数字孪生,并以可信上下文注入增强模型与智能体的业务理解。在模型层,由雅意大模型与科学基础模型构成通专融合的模型能力底座。在智能体层,以Claworks(龙工)企业级智能体操作系统实现多智能体协同、沙箱调度与企业级Harness能力,并以Decitron(决策机)决策引擎提供仿真推演与决策执行能力。
基于DOMA架构,公司将核心技术组件系统性产品化,形成涵盖企业级词元基础设施海汇TokSea、数据本体中枢体系DIP平台、认知模型内核雅意与磐石、推演计算大脑决策机Decitron与用户落地终端龙工Claworks的全栈产品体系,打造“基—枢—核—脑—端”决策AI树,将泛化的AI能力深度转化为企业的核心决策力。
在核心模型方面,雅意大模型为从头预训练的国产原生大模型,实现数据、算法、模型全自主可控,支持55种以上语言及文本、图像、音频、视频四模态处理。同时,公司深度参与中科院自动化研究所联合迭代的磐石科学基础大模型研发。最新磐石2.0(ScienceOne-Omni)采用“通专一体”技术路线,可实现跨学科数据理解、知识推理与科学预测等多元科研任务,在60余项专业科研评测中多数任务表现优于通用旗舰模型。基于该底座打造的SciencePro一站式AI科研平台,打通了科学大模型、专业知识与智能体的协同能力,覆盖科研全生命周期。2026年8月,公司孵化设立AI4S领域市场化主体赛思极限,以加速商业化落地。
平台化进程提速,财务与运营指标持续改善
随着DOMA架构的落地与产品体系的完善,中科闻歌的平台化进程显著提速,直接反映在收入结构优化与盈利能力的改善上。2026年上半年,公司实现营业收入1.73亿元,同比增长46.0%。其中,人工智能决策平台部署收入同比增长29.5%,占比65.9%;平台订阅及API服务收入同比大幅增长94.0%,占比提升至34.1%。收入结构正加快向高复用、高毛利的订阅化方向迁移。
毛利率方面,得益于标准化可复用模块驱动交付效率改善,2023年至2025年公司毛利率分别为44.0%、50.4%、51.2%。2026年上半年毛利率进一步提升至55.0%,同比增加0.4个百分点。分业务来看,2026年上半年人工智能决策平台部署毛利率为51.2%,平台订阅及API服务毛利率达到62.3%,订阅模式的边际成本优势逐步显现。
在费用控制与盈利能力方面,公司在维持高强度研发投入的同时持续优化费用率。2026年上半年研发费用同比增长59.0%至1.2亿元,研发费用率达69.1%。销售费用率则从2023年的47.3%逐年下降。2026年上半年经调整净亏损同比收窄29.5%至-0.5亿元,主要归因于平台毛利贡献提升、经营杠杆效应显现及成本费用结构优化。
运营效率与客户质量同样呈现积极变化。2026年上半年,公司平均交付周期从2023年的185天大幅缩短至72天,项目实施经验积累与服务方案标准化是核心驱动力。客户层面,2026年上半年服务客户约290家,累计服务客户约750家。标杆客户(年收入超300万元)超过30家,收入贡献占比为58%,客户集中度持续优化。2025年每家客户平均获客成本降至21.6万元,营销投放效率稳步提升。2025年末在手订单达2.9亿元,同比增长116%;2026年上半年新签合同价值3.6亿元,约为同期收入的2.1倍,为后续业绩释放提供了充足动能。
商业化场景深化,工业与商业智能双线拓展
中科闻歌的商业化策略初期着重于与政府和公共部门等标杆客户合作获取大额项目,自2020年以来持续扩大客户群,进军金融、工业和医疗健康等行业。当前,公司在商业智能与工业智能两大领域的拓展正在加速。
在商业智能领域,公司依托决策AI产品体系及AI4S科学基础模型,聚焦企业经营决策、产业研发及科研教育场景。截至2026年8月25日,累计服务超200家机构客户。典型应用包括为大型能源央企投资平台搭建投资研究及决策支持系统,覆盖行业分析、风险评估及研究工作流自动化;以及为大型烟草专营企业部署集成行业研究资源、大语言模型与知识图谱的研究决策支持方案。
在工业智能领域,公司推出以工业决策大脑为核心的解决方案,基于DOMA架构向下理解设备、物料、订单和进度,向上权衡交期、产能、库存、成本和质量,在多重约束下形成可执行决策方案。同时,公司孵化企业中科巨细打造了智能巡检、智能挂纱和智能落布机器人,在工业决策大脑统一调度下将系统决策转化为生产动作并回传现场数据,形成“感知—决策—执行—反馈”完整闭环。目前该方案已在千余家纺织企业落地验证,并正向电力、煤炭、新能源、钢铁、船舶等领域拓展,加速AI原生智能工厂的规模化落地。
盈利预测与估值逻辑
基于企业级AI决策及数据分析需求的高速增长,以及公司DOMA架构下产品体系的持续完善与场景深化,预计中科闻歌2026年至2028年营业收入分别为6.02亿元、10.06亿元、15.11亿元,对应同比增速为48.6%、67.1%、50.2%。其中,人工智能决策平台部署收入预计分别为4.21亿元、6.52亿元、9.03亿元;平台订阅及API服务收入预计分别为1.82亿元、3.54亿元、6.08亿元,订阅业务将成为拉动整体增长的核心引擎。预计2026年至2028年归母净利润分别为-0.91亿元、-0.20亿元、0.12亿元,亏损收窄趋势明确,并有望于2028年实现扭亏为盈。
在估值方面,选取滴普科技、海致科技集团、MiniMax作为可比公司。参考可比公司估值水平,考虑到中科闻歌全栈自研DOMA架构形成的技术闭环以及商业化进程的持续提速,给予2026年23倍PS估值,对应目标价92港元。现金流方面,截至2026年上半年末,公司现金及现金等价物达10.2亿元,较2025年末增长213.5%,资产负债率为23.2%,充裕的资本储备为后续技术研发与市场拓展提供了坚实支撑。需关注的潜在风险包括商业化不及预期、政企客户回款周期拉长带来的现金流压力,以及行业竞争加剧与技术迭代风险。
编辑:流星雨- 相关标签
- 相关专题
- 热门文档
- 热门文章
- 本年热门
- 本季热门
- 本月热门
- 1 关于2025年国民经济和社会发展计划执行情况与2026年国民经济和社会发展计划草案的报告——2026年3月5日在第十四届全国人民.pdf
- 2 中国网络视听协会:中国网络视听发展研究报告(2026) .pdf
- 3 市场监管局:2025直播电商行业发展白皮书.pdf
- 4 中国新就业形态研究中心-2025中国蓝领群体就业研究报告.pdf
- 5 房地产行业第8_9周周报(2026年2月14日_2026年2月27日):26年春节新房成交量低于23_25年,二手房成交量高于23_25年;上海优化限购、公积金和房产税政策.pdf
- 6 中国股票策略:中国最佳商业模式研究(第二版).pdf
- 7 互联网行业:第57次中国互联网络发展状况统计报告.pdf
- 8 腾讯研究院-从超级个体到超级团队:AI时代组织变革的涌现路径.pdf
- 9 电力设备行业跟踪周报:锂电储能业绩亮眼、拓展AI第二增长曲线.pdf
- 10 机械设备行业:拥抱科技,重视AI为主线的设备及硬件等投资机会.pdf
- 1 电力设备行业跟踪周报:锂电储能业绩亮眼、拓展AI第二增长曲线.pdf
- 2 玻璃基封装行业专题:玻璃基板有望成为先进封装新平台.pdf
- 3 投资策略-激光通信行业深度:行业现状、终端结构、市场规模及相关公司深度梳理.pdf
- 4 锐翔智能-920178-北交所首次覆盖报告:FPC整线“小巨人”深度绑定头部客户,向光模块固晶机设备延伸成长边界.pdf
- 5 房地产行业专题报告:城市更新推动高质量发展.pdf
- 6 纺服行业周报:运动品牌Q2流水放缓,安踏、361度表现韧性强.pdf
- 7 腾讯研究院-FDE模式行业观察与实践:前线共创,双向赋能.pdf
- 8 产业深度:生根与重构——2026年全球人工智能技术、政策、产业与投融资趋势全景洞察报告.pdf
- 9 育娲人口智库:中国百年历史人口报告2026.pdf
- 10 中国汽车工业协会-汽车行业:2025中国汽车后市场年度发展报告.pdf
- 1 育娲人口智库:中国百年历史人口报告2026.pdf
- 2 九思行研:2026年中国液流电池行业发展现状与前景分析报告.pdf
- 3 全国OPC发展观察报告2026-新华社中国经济信息社.pdf
- 4 消费再卷县域烟火气里掘金-2026县域经济消费报告-尼尔森IQ.pdf
- 5 2026抗体偶联药物行业图谱-清华五道口.pdf
- 6 清华大学:2026算法推动下新大众文艺发展研究报告.pdf
- 7 九思行研:2026年中国商业航天发展现状与趋势展望报告.pdf
- 8 高聘人才智库抢占AI新生代-2026年名校生求职招聘洞察报告-陌陌.pdf
- 9 绿色算力发展研究报告2026-中国信通院.pdf
- 10 Token技术产业链经济-从本质到出海的深度研究报告2026-模智空间.pdf
- 本年热门
- 本季热门
- 本月热门
- 1 2026年莱特光电公司深度报告:“一核双擎”打造中国电子材料领军企业
- 2 2025年医药行业2026年度策略报告:创新药产业链景气度持续提升
- 3 2026年大族激光公司研究报告:PCB消费电子利好有望助力2025_27年盈利持续增长
- 4 2026年分众传媒公司深度报告:基本盘稳固,格局优化+“碰一碰”开启成长新周期
- 5 2026年全球人工智能技术、政策、产业与投融资趋势全景洞察
- 6 2026年春季港股及海外中资股投资策略:分化与回归
- 7 2026年航空行业夏航季民航时刻计划详解:稳中求进,国内控总量、国际促复苏
- 8 2026年中银香港公司研究报告:高股息护航,财富与出海共促成长
- 9 2026年固收增厚产品系列报告之一:可转债基金的再定位与再解析
- 10 2026年春季A股投资策略:为第二阶段上涨蓄力,时代资产不退场
- 1 2026年全球人工智能技术、政策、产业与投融资趋势全景洞察
- 2 2026年8月A股策略:否极泰来蓄势进攻,科技修复与业绩高增方向并重
- 3 2026年7月A股量化择时:AI识图聚焦半导体与芯片赛道
- 4 氧化锆断供与HBM瓶颈:全球产业趋势跟踪周报(2026年6月29日)
- 5 2026年7月A股回调归因与底部布局策略分析
- 6 恒生科技指数2026年6月复盘及7月走势展望
- 7 2026年A股中报业绩预告点评:全A盈利延续改善,结构性景气主导
- 8 2026年上半年小红书六大热门行业消费趋势洞察
- 9 2026上半年小红书六大热门行业消费数据洞察
- 10 宁德时代发布钠电储能方案,7月中国电池排产环比增长
