2024年工业软件行业分析报告：24H1工业软件厂商保持增长态势，工业AI加速渗透各应用场景

1 24H1 工业软件厂商经营保持增长态势，工业AI 布局加速

1.1 上半年我国工业企业经营承压下，工业软件仍保持增长态势

我国工业软件产业规模整体保持持续增长态势。Wind 统计数据显示，2023年我国工业软件产品销售额达到 2824 亿元，同比增长 17.3%，自 2022 年小幅下滑后重回增长态势，2018-2023 年五年复合增长率约为 13.84%。2024 年上半年，我国工业软件产品收入达1324亿元，同比增长 9%。未来随着我国新质生产力要求以及新型工业化进程的持续推进，工业软件应用范围和深度的扩大有望推动行业规模持续增长。根据前瞻产业研究院预测，至2029年我国工业软件产品收入规模有望超过 5000 亿元。

近年来我国规模以上工业增加值增速快于 GDP 增速，工业增加值对宏观经济贡献度有望持续提升。2024 年上半年我国规模以上工业增加值同比增长6.0%，同期我国GDP同比增速为 5.0%。2020 年以来除 2023 年外，我国规模以上工业增加值增长快于GDP，未来随着我国工业产业发展的持续成长，有望拉动核心工业软件需求，带动国产工业软件市场规模的不断成长。

2024 年上半年我国工业企业营收及利润情况较上年同期呈现小幅增长。根据国家统计局数据， 2023 年我国工业企业合计营业收入及合计利润总额分别为133.44 万亿元和7.69万亿元，同比分别下滑了 3.2%和 8.54%，2024 年上半年这两项指标分别为64.86万亿元和3.51 万亿元，同比分别增长 3.58%和 3.62%，呈现小幅增长态势。

上半年工业企业利润率承压，软件投入占比持续走高。2024 年上半年，我国工业企业合计利润率为 5.41%，同比 2023 年上半年持平，2021 年以来工业企业利润率情况持续走低，经营压力有所增加。从工业软件投入占比来看，2024 年上半年我国工业软件产品销售收入占工业企业营收和利润的比例分别为 0.20%和 3.91%，工业软件销售占企业利润比例从2021年以来持续提升，反映政策推动下工业企业对于工业软件的支出意愿持续增长。

自“十三五”开始，我国工业软件相关政策出台节奏加快，重点关注核心工业软件领域的国产化突破。根据《“十四五”规划和 2035 年远景目标纲要》，我国旨在“十四五”期间积极发展工业互联网、加快补齐基础软件等瓶颈短板。2024 年8 月，国资委等部门发布《关于规范中央企业采购管理工作的指导意见》，旨在卫星导航、芯片、工业机器人等科技创新重点领域，“带头使用创新产品”，有望推动国产核心工业软件的加速渗透。在地方政府层面，2024 年以来北京市、广东省相继出台政策引导软件产业发展，并且北京市提出对基础软件、工业软件、网络安全等关键软件进行“全面重构”，而广东省提出创新发展关键软件，推动工业软件企业和工业企业持续融合创新。

1.2 上半年 A 股工业软件厂商费用率显著下降，现金流大幅好转

A 股工业软件赛道厂商保持稳健成长态势。我们选取了宝信软件、中控技术、柏楚电子等 19 家工业软件相关的厂商进行分析(具体公司列表请参见表附录)，2024 年上半年A股工业软件厂商合计营业总收入 210.21 亿元，同比增长 13.8%，2018-2023 年工业软件厂商合计营业总收入 CAGR 约为 21.69%，规模保持稳健增长态势。单季度看，Q2 同比增速较 Q1 有所下降。2024 年 Q2 单季度，A股工业软件厂商合计营业总收入为 113.19 亿元，同比增长 7.50%，环比增长 16.68%。2024Q1 厂商合计营业总收入为 97.01 亿元，同比增长 22.06%。从收入确认节奏看，工业软件厂商收入的季节性分布显著，下半年营收普遍高于上半年。

2024 年上半年工业软件厂商整体归母净利润保持增长态势，单Q2 同比增速显著放缓。2024年上半年，A股工业软件厂商合计归母净利润为30.53亿元，同比增长11.02%，2018-2023年合计归母净利润 CAGR 约为 26.22%，保持持续增长态势。单季度看，2024 年第二季度合计归母净利润为 16.20 亿元，同比增长 0.77%，单季度同比增长较2024Q1（20.71%）显著下滑。

2024 年上半年工业软件厂商毛利率、净利率承压，同比有所下滑。2024 年上半年A股工业软件厂商合计毛利率、净利率分别为 41.69%、14.90%，同比分别下滑0.64pct、0.52pct，低于 2023 年全年但高于 2022 年全年的毛利率、净利率水平。单季度看，2024Q2 毛利率、净利率环比显著提升。2024 年Q2 单季度，A股工业软件厂商毛利率、净利率分别为 43.86%、17.48%，同比 2023Q2 分别提升1.09pct、下降0.62pct，毛利率水平有所好转。环比情况看，2024Q2 单季度毛利率、净利率环比Q1 分别提升4.69pct和 5.59pct，盈利能力环比修复显著。

2024 年上半年工业软件厂商费用率优化显著，现金流情况同比大幅好转。2024年上半年，A 股工业软件厂商销售/管理/研发费用率分别为 8.14%/5.65%/13.68%，同比2023年上半年分别降低了 0.68pct/1.03pct/0.56pct，整体经营效率同比优化显著。2024 年上半年，工业软件厂商合计经营性现金流净额为 7.23 亿元，同比增长99.2%，工业软件厂商现金流情况大幅好转。

我国工业软件厂商持续加大研发投入，产业升级推动工业软件赛道整体经营质量不断提升。2024 年上半年 A 股工业软件厂商合计研发费用投入达到28.7 亿元，同比增长9.27%，2018-2023 年合计研发费用 CAGR 约为 27.27%，我国工业软件厂商持续投入产品研发，不断缩小与海外龙头厂商的技术差距，在满足新型工业化和国产替代需求的同时，有望持续提升自身经营质量。

2024 年上半年，国内工业软件厂商加速布局 AI+工业垂类应用。随着AI 大模型的持续迭代，国内工业软件厂商抢抓发展机遇，积极布局生成式AI 结合工业场景的垂类模型及产品应用。未来国产工业软件有望受益于 AI 大模型技术的持续融合，加速商业化落地，推动公司业绩的持续高质量成长。

2 AI+工业模型渗透各细分场景，有望全面提升智能制造水平

2.1 AI 大模型开启工业智能化新阶段，快速打开超百亿市场

工业大模型应用已逐步渗透至工业制造的各细分环节。从工业产品生命周期的角度，可以将工业场景概括为研发设计、生产制造、经营管理、产品服务等四个主要环节，根据腾讯研究院整理的 99 个工业大模型的应用案例，目前工业领域的AI 大模型的场景应用已渗透至外观设计、工业代码生成、知识管理与问答助手等各个细分场景，国内外厂商基于工业AI 模型的内部赋能以及外部商业化落地正在不断推进。

前期工业人工智能的应用主要是以专用的小模型为主，而大模型开启了工业智能化的新阶段。结合两者不同的技术特点和应用能力，目前在工业领域形成了不同的分布态势。根据腾讯研究院统计数据，针对 507 个 AI 小模型应用案例的统计分析显示，应用主要集中在生产制造领域，占比高达 57%，而在研发设计和经营管理领域的应用则相对较少，呈现明显的倒 U 型分布；而根据对 99 个工业大模型应用案例的统计分析，大模型在研发设计和经营管理领域的应用相对更多，整体上呈现出 U 型分布。这表明大模型当前的能力更适配于研发设计和经营管理，在生产制造环节的能力和性能还需进一步提升。

2029 年全球工业 AI 市场规模有望达到 583 亿美元。BlueWeave Consulting数据显示，2022 年全球工业 AI 市场规模约为 31 亿美元，预计到 2029 年这一市场规模将达到583亿美元，2022-2029 年复合增长率约为 52.07%。 我国 AI+工业应用有望加速渗透，2025 市场规模超140 亿元。根据德勤数据预测，至2025 年我国人工智能在制造业应用的市场规模有望达到141 亿元，2018-2025 年复合增长率达到 50.67%。

2.2 AI 大模型+垂类工业应用快速渗透各类细分场景

我国工业大模型应用正在从研发、生产、管理、服务等单一环节向垂直行业多场景覆盖拓展，有望呈现五大产业态势。根据赛迪研究院，工业大模型生态基于构建通用工业大模型、行业大模型、场景大模型等大模型形态，并通过“数据+算力+模型+应用”等四要素的深度融合，形成知识智能、业务智能、具身智能、体系智能等产品形态，重塑研发、生产、管理、服务、设备等生产制造全要素、全产业链、全价值链，推动制造业迈向数字化、网络化、智能化新阶段。

工业大模型应用主要有三种构建模式。大模型构建可以分为预训练和微调两个阶段。针对工业大模型，一是可以基于大量工业数据和通用数据打造预训练工业大模型，支持各类应用的开发。二是可以在基础大模型上通过工业数据进行微调，适配特定工业任务。三是可以在不改变模型参数的情况下，通过检索增强生成（RAG）为大模型提供额外的数据，支持工业知识的获取和生成，这三种模式并不独立应用，往往会共同发力。

目前 AI 大模型在工业领域处于初步探索阶段，未来四类核心模型有望赋能工业领域多个细分场景。根据中国信通院基于全球 79 个大模型工业应用案例的研究，大模型在工业领域可分为大语言模型、视觉大模型、多模态大模型和专用大模型四类，目前大语言模型的应用占 75%。从细分应用场景看，未来 AI 大模型的应用有望在研发和管理环节率先应用，并逐步渗透到设备管理、生产控制环节。

未来工业大模型应用有望伴随技术迭代持续加速渗透和深化。我们认为工业大模型的应用模式将以“大模型+工业 APP”的形式为主，工业大模型将在大量的通用数据和工业数据上进行训练，学习工业领域的通用知识和模式，并且基于不同工业场景和任务需求，结合行业领域特征形成多个垂类工业大模型。 工业 APP 有望在工业模型基础上快速构建的各类应用，并且针对特定的工业场景和任务进行优化和定制。由于工业场景复杂并呈现碎片化的模式，在工业大模型基础上，企业可以快速构建符合自身业务和场景的应用，满足个性化的诉求，同时企业可以更加便捷地将各类大模型应用集成到自身原有的业务流程中，实现快速和便捷的智能化应用部署。

2.3 政策推动叠加我国工业智能化需求，AI+工业应用趋势确定

国家多次发布政策强调提升制造业的发展质量，加快人工智能等智能技术赋能。政策推动人工智能技术在柔性制造、机器人协助制造、工业检测、设备互联管理等深层次应用场景的探索，完善智能制造产业生态。科技部等六部门发布《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，鼓励在制造等重点行业深入挖掘人工智能技术应用场景，促进智能经济高端高效发展；同时，《"十四五" 智能制造发展规划》等政策强调，加强关键核心技术攻关，研发人工智能、5G、大数据、边缘计算等在工业领域的适用性技术，增强融合发展新动能。

我国智能制造成熟度水平持续提升，工业智能化发展趋势不可逆转。根据我国电子技术标准化研究院发布的《智能制造成熟度指数报告（2022）》，2022 年我国63%的企业智能制造能力成熟度水平在一级及以下（核心业务重要环节尚未实现标准化和数字化），占比较2019 年下降了 22 个百分点，同时 21%的制造业企业达到成熟度二级（实现核心业务环节的数字化网络化），而达到三级（实现网络化集成及单点智能）和四级（深度智能化）的企业占比仅有 12%和 4%。 工信部数据显示，我国工业企业关键工序数控化率从2016 年的33.3%持续增长至2023年的 63.1%，并且有望保持增长态势。在国家政策推动下，我国有望持续坚持信息化与新型工业化深度融合为主线，提升工业现代化水平，建设现代化产业体系。

3 海外大厂+垂类厂商布局，形成多层次AI+工业应用生态

3.1 海外多家厂商推出 AI+工业应用，基本实现全流程覆盖

海外基于大模型技术，工业领域 AI 应用已渗透至产品设计、生产制造、数据管理等多个环节。在 AI+工业领域，除大厂外，SymphonyAI、Retrocausal 等公司推出了工业领域的垂类模型，另外 Cognite、Back2CAD 等公司也推出了针对 CAD、CAM 以及生产流程数据管理场景的生成式AI 应用，持续拓展生产制造智能化应用的边界。

大厂依托完善大模型生态切入工业制造领域，微软依托生成式AI 技术布局智能制造行业。2024 年 4 月，微软宣布在 Microsoft Fabric 中推出制造数据解决方案的私人预览版，以及在 Azure AI 上推出用于工厂运营的 Copilot 服务。这些解决方案可帮助制造商统一其运营技术和 IT 数据资产，并加速和扩展 Fabric（基于 SaaS 的端到端分析平台）中AI 的数据转换，可帮助制造商利用统一数据为前线工人创建自己的 Copilot，前线员工可以使用自然语言查询数据以进行知识发现、培训、问题解决、资产维护等。

微软 Fabric 中的制造数据解决方案将 OT 数据（如工厂传感器遥测）和IT数据（如库存数据）整合到 Fabric 的统一数据库中。该解决方案通过上下文丰富数据，从而扩展数据的价值。例如，特定时间的生产设备的温度读数（OT 数据）与通过该机器的材料批次的所有信息（来自 ERP 系统的生产订单或来自质量系统的测试结果）叠加在一起。数据存储在Fabric 中，以便统一、丰富、建模和聚合。这种统一的数据基础提供了一种可扩展且可重复的模式来处理所有工厂域数据项目。 基于 Fabric 对丰富数据的处理，制造商可以利用工厂运营Copilot 插件整合AzureOpenAI 服务，增强 MES 等复杂制造系统的功能。Copilot 通过后期处理根据制造数据解决方案验证结果，以避免出现幻觉，并提供可信 AI 服务，以确保在制造环境中仅提供相关且安全的响应。用户可以使用自定义界面（例如聊天机器人或仪表板）以自然语言与数据进行通信，以获取见解并做出改进决策。

3.2 西门子携手微软、亚马逊推出生成式AI 应用

3.2.1 西门子工业 Copilot，赋能制造业企业效率提升

西门子携手微软推出工业 Copilot 应用。两家公司自2023 年4 月起达成合作研发西门子工业 Copilot 系统，旨在改善制造业中的人机协作。此外，西门子用于产品PLM的Teamcenter 软件和微软 Teams 之间的整合的推出将进一步为工业元宇宙创造空间，Teamcenter for Microsoft Teams 于 2023 年 12 月正式发布，新应用程序将通过AIGC技术将产品设计和制造生命周期的功能连接，使工厂和现场服务人员更容易访问数据。西门子工业 Copilot 将实现用户快速生成、优化和调试复杂的自动化代码，并显著缩短模拟时间。Copilot 可以从西门子的开放式数字业务平台Xcelerator 中摄取自动化和过程模拟信息，并使用微软的 Azure OpenAI 服务对其进行增强。西门子工业Copilot 有望提高整个工业生命周期的生产力和效率。使用自然语言，维护人员可以获得详细的维修说明，工程师可以快速访问仿真工具。

工业 Copilot 有望在制造业，如汽车、消费品和机械制造等领域创造价值。汽车供应商舍弗勒股份公司是汽车行业首批在工程阶段采用 AIGC 的公司之一，公司计划在自身运营过程中采用西门子工业 Copilot 系统，旨在大幅减少停机时间，并在后期为其客户提供服务。

2024 年 4 月，西门子展示了其全球第一款工业工程设计生成式AI 产品Industrial Copilot，这款工具已经在德国舍弗勒的产线上启用；在刚刚结束的阿赫玛展会上，西门子首次推出多款面向绿氢行业的全新软件工具，通过应用生成式AI 提升氢气产量。西门子正在开发和训练首个时序数据的基础模型 GTT 1.0。GTT 1.0 目前由330多亿高质量时序数据点训练而成，这些时序数据涵盖离散制造、流程工业、能源、交通、楼宇等多领域。在多个公开域测评任务中，无需微调，该模型即可展现出优秀的预测能力，解决工业场景中的趋势预测、异常检测等时序分析问题。

3.2.2 西门子携手亚马逊推出 AIGC 对话助手

西门子中国与亚马逊云科技联合打造生成式对话机器人小禹。解决方案采用“RAG架构+向量数据库”设计，核心主体知识库以向量方式构建，能够存储超大规模的向量数据。通过对数据进行向量嵌入处理，跨部门、跨业务、跨场景的数据之间也能够进行关系考量。而 Amazon 提供的核心向量数据库功能，可以实现查询时在几毫秒内就可获得数十亿向量的上下文相关响应。 相对于传统机器人，“小禹” 智能会话机器人的回答内容不仅生成速度更快，其对搜索关键词的命中率也更高，整体使用体验超过传统机器人。西门子中国专属智能知识库上线后，首周就有超过 4000 位内部用户参与使用，超过 12000 个问题被提出并解答，不但有效解决各业务部门之间需求相似、重复开发的问题，同时以云上弹性资源和托管的AmazonOpenSearch Service 、Amazon SageMaker 等服务节约了系统在运维和扩展方面的投入成本。

3.3 Autodesk 发布 AIGC 3D 工具 Bernini

Autodesk作为全球工业软件龙头厂商，持续布局 AI 技术赋能用户效率提升。公司在AI 领域布局超过十年，目前 Autodesk AI 套件可用于增强创造性问题解决和探索，自动化繁琐和重复的工作，并为个人和团队提供强大的分析工具以辅助决策，形成了实时分析、标记辅助、Construction IQ 等功能模块。

Autodesk 公布 Project Bernini 项目，聚焦为设计和制作行业提供AIGC工具。根据公司发布的演示 demo，用户可以快速通过各种输入生成功能性的3D 形状，这些输入方式包括 2D 图片、文字、体素（voxels）和点云（point clouds）。Autodesk 表示 Bernini 项目旨在创造用于建筑、产品设计、娱乐和更多领域的生成型模型，并且聚焦于生成功能型 3D 结构，模型适合专业的几何体工作流，可以根据给定的输入生成 3D 形状的多种功能变体。未来 Project Bernini 有望在更大、更高质量的专业数据集上进行训练并变得越来越有用。 Autodesk 在视频中展示了一个水罐的生成过程，并且指出其他3D生成型模型制作水罐主要是提升其在特定光照环境下的外观表现力，但 Bernini 模型单独生成水罐的形状和纹理，因此可以生成可以真正盛水的中空水罐，就像现实世界中的水罐一样。除了真实之外，Autodesk 还采用了可以带来多种变体的真正生成方式，给设计师更多的选择，并更好地适应他们的创意工作流程。

3.4 新思软件：Synopsys.ai 套件赋能EDA 全设计流程

Synopsys.ai 是首个电子设计自动化套件，并在整个 EDA 堆栈中充分利用生成式人工智能，进一步提高先进芯片设计达成结果的效率。Synopsys.ai 将通过对话智能来提供协作、生成和自主功能。在大语言模型支持下，Synopsys.ai 的生成式AI 功能可以部署在任何本地环境或云环境中。在 Synopsys.ai 套件中集成 GenAI 将为芯片开发者提供协作功能，以及专业化的工具指导；用于 RTL 设计、验证及其他辅助资料创建的生成功能；用自然语言方式创建工作流程的自主功能。

在芯片的优化设计与验证环节，Synopsys.ai™是首个EDA 解决方案套件，可在从系统架构到制造的整个流程中充分利用 AI 功能。Synopsys.ai 套件可快速处理设计复杂性并接管重复性任务，例如设计空间探索、验证覆盖率和回归分析以及测试程序生成，同时有助于优化功耗、性能和面积。AI 功能可以协助团队快速将芯片设计从一家代工厂转移到另一家代工厂，或者从一个制程节点迁移到另一个制程节点。 在数据分析环节，Synopsys.ai 还率先提供连续数据集解决方案，以加速芯片设计、验证和大批量制造进程。该 AI 驱动型数据分析解决方案使团队能够解锁、连接和分析在设计、验证、制造、测试以及应用场景中收集的大量数据。Synopsys.ai 独特的芯片监控技术可以优化功耗、性能、质量、良率和吞吐量。而且，Synopsys.ai 提供综合的可视化功能，让开发者能够在 IC 生命周期内的任何阶段更快地完成根本原因分析。

3.5 Ansys 针对 CAE 行业推出 SimAI、AnsysGPT 应用

2024 年 1 月，Ansys 推出基于 AI 的产品 Ansys SimAI。SimAI 将Ansys 仿真的预测准确度与生成式 AI 技术相结合，不仅支持开放生态系统，而且能在几分钟内预测性能，从而通过直观的界面和流程推动仿真普及。Ansys SimAI 能够以极高的速度运行，通过提供广泛的设计探索机会，实现加速研发、缩短产品开发周期并提升创造力。Ansys SimAI 解决方案方便直观、易于操作，旨在方便不具备编码经验或深度专业知识的用户使用。Ansys SimAI 并不依赖于几何参数来定义设计，而是以设计本身的形状作为输入，即使形状的结构在训练数据中的记录不一致，也能有助于更广泛的设计探索。对于需要进行海量计算的项目，该应用可将所有设计阶段的模型性能预测功能提高10-100倍。客户可以使用以前生成的 Ansys 或非 Ansys 的数据来训练 AI，训练和预测均被托管于先进的云基础架构，以确保用户数据的安全性和保密性。

2024 年 4 月，Ansys 推出基于 AI 的虚拟助手 AnsysGPT。AnsysGPT使用ChatGPT技术构建，将 Ansys 工程师的专业知识与 AI 的强大功能融合，提供了一种能够提供快速、全天候客户支持的通用工具。AnsysGPT 使用 Ansys 数据进行训练，可为客户解答有关Ansys产品、相关物理和其他复杂工程主题的问题。通过安全、易于使用的界面，设计师和工程师可以收到多种常用语言的实时响应，帮助简化模拟设置、浏览相关学习机会等。相比于之前发布的测试版本，更新后的版本经过了对响应准确性、性能和数据合规性的严格测试。AnsysGPT 从新的公共来源获取知识，包括产品文档、产品和工程相关培训文档、常见问题解答、技术营销材料和公开的 Ansys 学习论坛讨论。此外，升级后的基础设施提供了增强的安全性和可扩展性，以容纳数千名用户。

3.6 Cadence 生成式 AI 产品覆盖芯片设计全流程

Cadence 推出了 Cadence.AI LLM，是业界首个针对芯片设计的大语言模型（LLM）技术。该工具的核心功能在于加载和处理架构规范、设计规范、集成连接规范以及芯片设计本身，为用户提供了一个强大的交互平台。用户能够通过自然语言与工具进行互动，提出各种指令，如要求列出芯片设计中的不规则网络名称、识别所有潜在的不规则引脚、自动化测试平台的连接设置、以及辅助完成工具脚本和 RTL 代码的编写。

Cadence JedAI 解决方案，旨在利用人工智能改变芯片设计行业。Cadence.AI 生成式AI 应用包含 Cadence Cerebrus（数字设计）、Virtuoso Studio（模拟/定制设计）、Verisium（调试和验证）等五大模块，覆盖芯片设计的全流程，生成式AI 的技术应用可以基于大量数据提供智能化的决策辅助，从而提高设计性能并提高工程效率。

4 国内厂商积极布局，AI 大模型赋能工业各场景

4.1 华为“盘古”大模型全面赋能工业流程

2024 年 6 月 21 日，在华为开发者大会 2024（HDC 2024）上，华为正式发布盘古大模型 5.0 版本。盘古大模型 5.0 系列在全系列、多模态、强思维三个方面进行了全面升级，标志着华为云在人工智能领域再次迈出了坚实的步伐。在模型全系列方面，盘古大模型5.0包括十亿级、百亿级、千亿级、万亿级等不同参数规模，提供盘古自然语言大模型、多模态大模型、视觉大模型、预测大模型、科学计算大模型等。

华为盘古大模型在工业设计及制造场景均有落地应用，持续赋能千行百业。在工业设计领域，以新车造型设计为例，周期一般需要 1-2 年，盘古大模型可以让汽车的造型设计时间大幅缩短。造型设计师可以将自己的灵感，通过对话、画图与大模型交互，生成3D汽车数字模型，并可进行风格化调整、零部件编辑、颜色更换等。盘古大模型生成的数字模型还可直接输出成 3D 文件，支持 10 几种主流格式，设计师可以直接3D 打印成样品，减少制作油泥模型的轮次，极大地节省成本和时间。 在工业质检领域，华为工业 AI 质检解决方案，基于华为领先的AI、云计算、大数据等ICT 能力，结合自身在制造领域质量管控优秀实践经验，为汽车、烟草、电子等制造行业客户打造工业 AI 视觉质检平台，实现生产质量管控的自动化、智能化，助力持续提质降本增效。在识别精准度能力上，华为基于自身 200+条产线 AI 质检实践经验，提炼800+工业级图像处理算子，全面覆盖工业领域行为规范性检测、缺陷检测、定位、测量等场景，识别准确度达到 98.5%以上。

华为工业大模型在矿山领域已有落地应用。针对单场景小模型方案的问题，华为已推出矿山大模型解决方案，采用“1+4+N”总体架构，结合数据安全和隐私保护技术，从行业数据中提取知识，可满足煤炭行业不同业务场景的智能化需求。在平台层，华为云推出一站式 AI 平台并提供全流程的大模型训练与推理服务，可帮助用户管理全周期AI 工作流，助力应用开发者快速完成模型开发与上线，使能煤炭行业创新AI 业务。在大模型能力层和应用层，华为基于视觉、预测、自然语言处理和多模态四大基础通用能力，以 L0 层大模型为基础，与煤炭行业合作将行业的海量知识，结合矿山通用场景，预训练出 L1 层矿山大模型，包括物体检测、语义分割等开发套件。L1 层是煤炭行业的通用模型，能够与矿山具体业务场景结合，并在此基础上训练出防冲卸压、焦化配煤、重质密控等L2 层场景化模型。

4.2 中控技术发布工业首款 AI 时序大模型TPT

2024 年 6 月 5 日，中控技术正式发布流程工业首款AI 时序大模型TPT（Time-SeriesPre-trained Transformer）。TPT 有望解决工业应用分散、数据应用碎片化等问题，实现工厂从原来的 N 个模型对应 N 个应用到现在由一个 TPT 模型为基座打造一个软件支撑多种应用场景的新模式。中控技术自主研发的工业时序大模型 TPT，具有“多能力”“跨装置”和“高可靠”三大典型特征。

目前，中控技术基于 TPT 打造的工业应用已经在氯碱、热电、石化等装置上取得了突破性应用。TPT 可以让生产装置配上“智慧大脑”，像专家一样自主思考与交流，并监督和优化装置运行，实现提效率、稳运行、增收益的目标，解决尚未解决的难题。在某大型化工企业中，TPT 能够有效赋能无人工厂建设，在自动感知、智能评估、智慧决策、指令生成及自动执行等关键环节表现突出。比如，通过内置海量的工业语料，能帮助企业迅速建立企业私域知识库，实现私域知识的问答检索等，全面提升获取信息的效率；通过连接实时数据库，基于大模型语义理解能力，可以对生产信息进行任意维度的查询、生产报表查询分析等；构建面向工业场景的多层级 CUI、GUI 协同交互，图文、语言融合、沉浸式体验，实现多维信息的快速检索；基于 TPT 可以对生产装置进行多工况瓶颈分析、操作参数优化，为装置优化操作、挖潜增效提供在线指导等。在某锅炉燃烧优化项目中，相较于传统控制，TPT 实现系统自控率达到95%以上，氮氧化合物含量下降 5%，吨蒸汽煤耗能耗下降 3.1%以上，达到”提人效、稳运行、增收益”的良好效果。TPT 作为新一代工业智能引擎，目前，中控技术已接到全球十多家能源化工领域龙头企业的合作邀约。

4.3 创新奇智“奇智孔明 AInnoGC”构建企业知识库

2023 年 9 月 1 日，国内“AI+制造”解决方案供应商创新奇智发布“奇智孔明AInnoGC”工业大模型产品矩阵。公司围绕自研的工业大模型 AInno-15B 发布了大模型服务引擎，以及三款生成式 AI 应用产品：工业机器人任务编排应用“奇智明达ChatRobot”、企业私域数据分析应用“奇智明数 ChatBI”、企业私域知识问答应用“奇智明睿ChatDoc”。工业大模型 AInno-15B，基于深度学习 Transformer Decoder 架构，结合蒸馏开源免费大模型和其自有的工业知识库训练得到，拥有 150 亿以上参数，拥有行业化、轻量化、多模态等特点，具备工业知识归纳生成、工业数据分析、自动化任务编排等能力。

企业私域知识问答应用“奇智明睿 ChatDoc”：ChatDoc 类似于工业领域专属的ChatGPT，能够回答工业领域垂类问题，或是在搭载私域数据库后回答企业私域的问题。ChatDoc 基于私域数据库部署，支持用户外挂新的数据库，通过信息的存储和检索，归纳并生成回复，具备智能总结、答案溯源和简单易用三大特点。企业私域数据分析应用“奇智明数 ChatBI”：ChatBI 专注于企业私域数据分析。对于大量的结构化数据，传统的静态报表难以满足企业高度动态的需求，ChatBI 具备三个特点，包括自然语言对话式交互、SQL 语句准确生成以及自动数据分析和展现。技术方面，通过词表优化、位置编码、提示工程、强化学习、意图识别等方面的提升，在公开数据集Spider、Chase-C 等上的测试表明，其 SQL 语句生成能力优于 GPT-3.5。工业机器人任务编排应用“奇智明达 ChatRobot”：ChatRobot 则聚焦在工业制造业上，可以理解人的意图，针对工业机器人进行任务编排。ChatRobot 具备三大特点：自然语言对话式交互、复杂意图理解以及大模型任务编排，可以自动将包含多个环节的复杂指令拆解为机器人可执行的具体步骤，将模糊的指令具象化，再驱动整个机械装置执行指令，实现机器人执行效率的提升。

4.4 科大讯飞基于羚羊工业大模型构建工业互联网生态

2023 年 6 月 9 日，科大讯飞发布星火大模型结合工业领域的垂直应用。星火大模型在工业的场景中，“研产供销服管”各个环节，通过 AI 的应用都可以极大提升效率、降低成本。科大讯飞正式发布羚羊工业互联网平台，通过人工智能技术和大数据精准理解分析，推荐融合应用，实现企业需求和供应端的更好连接。企业客户可以更加自由地通过自然语言的形式，发布生产、研发、客服等各类问题。星火大模型基于需求，通过扫描各种网上或企业自身产品文档、服务文档，从而更好地完成对接。 AI 大模型结合企业自有知识库及数据库，形成企业知识大脑。在企业知识大脑的加持下，企业在研发、生产、服务营销等环节中遇到问题，均可通过和企业知识大脑交互，精准定位问题并获取更加有针对性的解决方案，从而大幅提升效率。

2023 年 9 月 20 日，基于星火的羚羊工业大模型正式发布，截至10 月23 日已积累超68 万用户。羚羊工业大模型具备工业文本生成、工业知识问答、工业理解计算、工业代码生成、工业多模态 5 大核心能力，并基于此打造了首批可以用在生产质检和运维场景的数字工匠、iMOM 等系列产品。截至 10 月 23 日平台已积累 68.7 万用户，服务企业次数达到370.6万次。 2024 年 6 月，科大讯飞在中国国际住宅产业暨建筑工业化产品与设备博览会上正式发布行业首个 AI+自动设计产品。AI+自动设计产品，借助大模型算法赋能与大数据融合流程再造，集成 360+项自动设计功能，具备多个可一键生成三维模型和二维图纸的自动设计能力。AI+自动设计覆盖建筑、结构、给排水、暖通、电气、通用5 个专业80+设计场景，推动传统二维 CAD 生产环境转型升级，实现全流程二、三维一体化设计。以常规 50000 平米地下车库为例，传统手工设计需要5-10 天，而在自动设计产品的帮助下，完成相同规模的地下车库设计，只需 6 小时，效率提高了85-93%；在设计质量方面，传统车库的单车指标在每车位 35.0 平方米，AI+自动设计的设计成果能够达到每车位31.7平方米，下降近 10%。

4.5 鼎捷软件：基于雅典娜工业互联网平台推出多款AIGC应用

近期，公司宣布企业级知识机器人 ChatFile 已全面支持基于开源算法自主构建的行业大模型。ChatFile 通过整合开放的算法，可帮助企业快速生成符合自身需要的行业大模型，从而提高工作效率并优化客户体验。ChatFile 能够有效整合企业内外的数据资源，利用开源算法自主构建行业模型，并且企业只需根据自身特点进行调整。从应用场景来看，ChatFile 能够广泛应用于客户服务、销售支持、市场分析等领域。其智能化对话功能有助于实现 24 小时在线客服，提升客户满意度并降低人力成本。同时，通过对市场数据和用户反馈的智能分析，企业能够迅速调整策略，抓住市场机会。并且，企业在接入 ChatFile 时还能享受到灵活的模式。与大多数依赖单一模型的系统不同，ChatFile支持多种国产和国际算法的接入，进一步增强了系统的灵活性与适应性。

公司已形成较为完善的生成式 AI 应用矩阵。目前，公司已构建ChatFile、ChatQA和ChatBI（数智参谋）三款生成式 AI 应用，基于 GPT 大模型有望助力企业用户完成数智化转型。ChatFile 可盘活企业沉积的知识与经验，让项目知识库、经验知识库、财务知识库、售前售后知识库等“库存数据”发挥重要价值，为企业用户决策提供洞见和赋能；ChatQA则能够基于企业半结构化数据，赋能用户通过问答的形式解决企业难题，让信息流动更加高效和目标导向；ChatBI 则可以打破企业 ERP、MES、PMS 等系统之间的数据隔阂，灵活运用结构化数据，为企业决策提供坚实而可靠的支持。

4.6 赛意信息发布首个聚焦企业服务大模型的AIGC中台

2023 年 10 月，公司发布业界首个聚焦企业服务大模型的AIGC中台——善谋GPT。赛意 AIGC 中台（善谋 GPT）深度融合赛意信息在财税、人力、营销、供应链、研发与生产制造等领域的知识和最佳实践，通过上下文记忆、知识/库表索引、Prompt 工程、Agent执行、通用工具集等扩充大模型的存储记忆、适配应用、调度执行和领域专业能力，形成体系化的企业服务大模型。为企业提供多模型对接、向量管理、私有模型预训练与应用等能力，帮助企业快速落地 AI，实现流程智能化管理、交互、引导与流转。赛意 AIGC 中台（善谋 GPT）架构及核心能力善谋GPT 为企业提供了多种应用场景，包括数字员工（智能引导）、智能单据（智能辅助）、企业知识库（智能问答）、AI 自动报价（智能报价）等。通过与企业现有的系统和数据集成，善谋GPT 能够为企业提供更加个性化和智能化的服务，提高企业生产与经营管理效率。

赛意谷神实验室已结合赛意信息在智慧人力、智慧营销、智慧财税、智慧供应链、智能制造、数据智能、智慧平台 7 大核心领域和 1 个办公辅助的实际场景和业务特性，分析了AIGC 在 36 个大类，175 个小类业务场景中的赋能价值和未来应用潜力，旨在为传统企业数智化转型提供有益的参考和借鉴。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）