2025年创新奇智研究报告：守正出奇，“一模一体两翼”决胜“AI+制造”赛道

一、创新奇智：快速发展的企业级“AI+制造”解决方案供 应商

1.1 坚定聚焦“AI+制造”赛道

创新奇智是一家专注于制造业领域的企业级 AI 解决方案供应商。

公司成立于 2018 年，由李开复旗下的创新工场投资孵化，致力于用前沿人工智能技术 提供企业级 AI 产品及解决方案。

从 2019 年起，公司从战略层面即开始专注于“AI+制造”，重点赋能钢铁冶金、面板半 导体、3C 高科技、汽车装备、能源电力、工程建筑、食品饮料&新材料、智造实训等细 分领域的行业客户。

公司成立初期主要围绕计算机视觉进行 AI 平台及产品的技术沉淀。而进入 2023 年 ， 在大模型浪潮下，公司快速跟进，推出奇智孔明 AInnoGC 工业大模型。由此，公司从 分析和生成两端强化了自身 AI 能力，业务发展走上新的台阶。

以“MMOC 人工智能技术平台”和“AInnoGC 工业大模型技术平台”为 AI 技术双塔， 输出 AI 产品及行业解决方案。其中：

MMOC 人工智能技术平台包括了作为基础设施底座的 Cloud 云平台，Orion 分布式机器 学习平台，用于缺陷检测的机器视觉智能平台 ManuVision 以及用于视频理解的边缘视 频智能平台 MatrixVision。智能平台通过融合特定场景及行业知识，形成基于资产的解 决方案 ABS 及快速部署产品 RDP，比如面板质量检测等，最 再根据 不同行业领域及 客户需求进行整合定制，与兼容的硬件配对，完成私有化部署和项目交付。

奇智孔明 AInnoGC 大模型是公司在开源模型的基础上进行知识蒸馏，并结合自身积累 的工业大数据进行预训练、微调及强化学习得到的。其中 1.0 版本拥有 150 亿参数，而 2.0 版本升级至 750 亿+参数。围绕工业大模型，创新奇智构建 ChatX 系列原生应用， 以在工业生产的 个环节实现基于 AIGC 的自动化，包括 ChatBI、ChatDoc、ChatRobot、 ChatVision 及 ChatCAD，分别用于数据分析、知识问答、工业机器人调度、工业视觉 及辅助工业设计。

1.2 财务复盘： 24年着眼于经营质量的改善，25年“转守为攻”

公司营收 25 年上半年重新回到正增长轨道，利润端仍处于亏损状态，但整体亏损幅度在 收窄。

19至 22 年间，公司营业收入规模从2.29亿元增加至15.58亿元，年复合增速达到 89.4%， 处于业务的快速扩张期。23 年营收增速有所减缓，同比增长约 12.5%。而 24 年公司开 始高质量业务聚焦和结构的调整，营收规模出现了一定程度的下滑。25 年上半年，公 司转守为攻，营收重新回到正增长轨道，相较去年同期增加 22.3%。

净利润端，2024 年公司仍处于亏损状态，全年表观归母净利润为-5.94 亿元，亏损同比 23 年略有扩大。但，公司 24 年经调整净亏损额（剔除股权激励费用、上市成本、收购 产生的无形资产摊销等因素的影响，数据未经审计）为 1.17 亿元，同比有较明显的减 亏。25 年上半年这一趋势得到延续，尤其经调整净亏损额，约-668 万元，整体接近盈 亏平衡。这也表明公司 24 年开启的高质量发展战略取得了显著的效果，公司盈利能力 水平在提升。

业务战略持续聚焦，夯实 AI+制造第一大主營行业。分行业端，伴随公司战略上的持续聚 焦，来自制造业的营业收入占总营收的比例逐年扩大，24 年全年及 25H1 已接近或达到 80%。以全年维度，从细分垂直领域看，汽车装备行业占据 24 年总营收的 21.6%，是细 分领域最大的收入来源，而其他收入占比较高的制造行业还包括食品饮料及新材料、3C 高科技及钢铁冶金等。

客户数量继续增加，且结构分布更加均匀。24 年公司客户总数量达到 521 个，同比增加 31%，累计服务客户数量已超过千家。24 年优质客户数量 68 个，相较 23 年有所减少， 优质客户平均客单价超过 1,200 万元，贡献公司接近 70%的总营收。而分客户类型看，公 司直接来自终端客户的营收比例增加至 68%，而来自系统集成商的收入（即公司以系统集 成商的分包形式参与终端客户的项目实施）占比呈下降趋势，客户结构分布更加合理。

毛利率持续改善提升。24 年公司整体毛利率为 34.6%，同比增加 1pct。25 年上半年改善 趋势维持，整体毛利率提升至 35%，相较去年同期提升 1.2pct。整体毛利率的提升一方面 是由于营收结构端，更高毛利率的 AI+制造业务的占比增加，另一方面也如前文所述，反 映了公司逐步在高质量业务领域的聚焦。

费用率水平 25 年上半年显著改善，非直接经营费用项的影响逐步减弱。公司 25 年上半 年期间费用率（销售、管理及研发费用率的加总）为 47%，相较去年同期减少 9.7pct。一 方面是得益于营收端重新回到正增长，另外一方面根据公司年度报告中披露的信息，股份 支付、收购产生的无形资产摊销、上市开支等非直接性经营因素，过往对于费用端产生较 大影响，而影响程度正在逐步减弱。

二、迈入“人工智能+制造”时代

2.1 顶层设计出台，“人工智能+”时代到来

顶层设计出台，“人工智能+”时代到来。8 月 21 日，国务院正式印发了《关于深入实施 “人工智能+”行动的意见》。意见的出台标志着我国 AI 产业进入规模化商业化应用的新 阶段。通过系统性设计，AI 技术红利将向实体经济全面渗透，在社会发展 领域加速普及 和深度融合。算力、算法、数据等底层核心要素产业将迎来快速发展。而行业应用层面， 政府部门和国有企业的示范作用则有望直接推动政务、金融、医疗、教育、制造等多领域 AI 渗透率的跃升。 按场景看，金融服务和公共事业端 AI 应用相对成熟，而制造业则拥有高应用潜力。从需求维度，金融行业在数字化程度（即行业 IT 支出水平），AI 能够带来的潜在行业运营效率 的提升程度及未来产品商业化能力等多维度均位于前列，是人工智能应用的优质场景。但 从供给端看，其整体市场竞争亦比较激烈。而公共事业领域在应用场景覆盖的全面性与现 有 AI 技术应用的成熟度处于领先的位置，但同时行业内 AI 解決方案提供商之间的竞争強 度也最大。而制造业现有数字化程度及 AI 解决方案成熟度均相对偏低，但效率提升及未 来商业化潜力高，意味着“AI+制造”市场仍有很大的提升空间。

2.2 政策+技术双驱动，制造业迈入AI时代

工信部指引产业方向，地方层面积极布局，政策驱动“AI+制造业”产业发展。

产业层面，工信部 2025 年 6 月在审议《工业和信息化部信息化和工业化融合 2025 年 工作要点》时，明确提出要实施“人工智能+制造”行动，支持企业在重点场景应用通 用大模型、行业大模型和智能体，推动大模型在制造业重点行业落地部署，加快制造业 全流程智能化升级。

地方层面，2025 年 7 月 30 日，《上海市加快推动“AI+制造”发展的实施方案》已经市 政府同意并印发实施，指出必须把握人工智能赋能制造业的战略机遇，以 AI 驱动制造 业高端化、智能化、绿色化、融合化升级，助力“上海制造”向“上海智造”跃升。 大模型成为通用 AI 新范式。大模型是在海量数据和计算资源的基础上通过预先训练出 来的，具有大参数规模的深度学习模型。它正在重新定义和引领整个人工智能领域的发 展方向。大模型通过其强大的计算能力和广泛的应用范围，展现出超越传统 AI 模型的 巨大潜力。它们可以处理 种复杂任务，从自然语言处理到图像识别，再到更复杂的多 模态交互，几乎涵盖了所有主要的 AI 应用场景。

制造业领域，大小模型协同将是主流模式。小模型专注实施决策，在训练过程中，能够 针对具体场景进行精细化的调整和优化，从而确保模型的准确性和稳定性。工业场景， 尤其生产制造环节，对于可靠性的高要求，意味着通过小模型决策式 AI 依旧是更为合 适的选择。而大模型通过海量数据训练形成跨领域知识迁移能力，擅长需求理解和知识 泛化，更适合综合型和创造类的工业场景。而大模型和小模型的结合可兼顾数据本地化计算、产品换型柔性化和经验知识传递。

智能体带来工作范式的全面变革。以大模型能力构建 AI Agent 实现业务流程的自动化与 智能化，从而更为彻底的释放数据价值。智能体不再是被动执行指令的工具，而是具备 目标理解-自主规划-动态调整能力的协作伙伴。

2.3 “AI+制造”应用场景多样，空间广阔

人工智能技术深度赋能制造业全流程，从研发设计、生产制造、运营管理到产品服务， 全面提升生产效率与产品质量。

AI 技术在研发设计阶段通过智能仿真及模型优化等方式，能够显著加速产品迭代和创新。 生成式 AI 可用于产品原型设计和工艺优化，大幅压缩设计周期。AI 融合机理模型与大 数据分析，挖掘超越传统原理的工业知识，提升研发精度。

生产制造侧，AI 能够实现实时监控、柔性生产和自优化控制。重要的场景包括智能生产 调度、视觉质检、装备训练、预测性维护等。一方面 AI 与工业软件的融合，通过人工 智能技术与制造执行系统 MES 等核心工业软件，实现对生产数据和历史记录的深度学 习和分析，实现生产流程的自动化、智能化管理决策。此外，制造业与 AI 的融合还体 现在智能化的硬件设备，比如将工业机器人与新兴的人工智能大模型技术融合，形成智 能工业机器人。

运营管理环节，AI 优化资源配置与决策效率，例如大模型可以将生产、销售、库存等 个环节的数据整合分析，驱动供应链、库存管理等智能化，提高响应速度和精准度。

“AI+制造”远期可想象的空间广阔，预计未来每年将是千亿级别规模的市场。

我们参考 24 年中国制造业企业营业收入规模（接近 120 亿元）并进行静态预测， 假定 未来中国制造业企业每年 IT 支出投入比率，如按 2020 年统计的数据测算为 0.35%， 若假定未来进一步增加至 0.5%。另，参考谷歌云 2021 年对海外市场制造商 IT 支出的 调查结果，其中三分之一被用于 AI，假定未来中国市场 AI 相关软硬件投入占制造业企 业 IT 支出的比例亦达到 30%，则每年 AI+制造将是千亿级别规模的市场。

以 AI 解决方案替代制造业部分人工成本，成为数字劳动力的方法测算，AI+制造的理论 市场空间可达万亿。根据国家统计局公布的数据，2024 年中国制造业从业人员数量约 1.05 亿，平均每人每年的劳动力成本在 70,000 元以上。另参考弗若斯特沙利文的预测 数据，中国制造业企业三分之二的工人从事生产制造等相关工作，未来若有关任务中的 一半可由 AI 解決方案完成，则基于人工智能的解决方案在制造业的理论可触达的市场 总额约为 2.45 万亿元。

三、从AI 1.0迈向AI 2.0时代

3.1 出奇制胜，专注“AI+制造”

与商汤、云从科技等人工智能企业不同，创新奇智是少数专注制造业，并形成规模化的第 三方人工智能企业。其中可能主要原因在于：1）制造业的 AI 应用往往需要工业知识及行 业 know-how 作为支撑，而这是大量处于初创期的 AI 技术驱动型的解决方案供应商所不 具备的；2）制造业下属行业品类众多，不同细分领域可能涵盖多样的、非标的 AI 应用场 景，短时间内不容易形成规模化复制。 经过多年在制造业领域的积累，创新奇智在人工智能商业化领域已经彰显了强劲实力。根 据 IDC 发布的《中国人工智能软件 2024 年市场份额》报告，创新奇智在计算机视觉应 用市场连续三年稳居前三，机器学习平台市场份额首次跻身前三。另，根据 IDC 发布的《中 国大模型应用市场份额，2024：格局巨变》报告，创新奇智位列中国大模型应用市场份额 第七的位置，且是进入报告排名的唯一一家聚焦工业领域的厂商。

公司在特定的工业场景领域已经做到行业领先位置。

根据 IDC 发布的《中国 AI 赋能的工业质检解决方案市场份额，2023》，创新奇智占据 10.6%的市场份额，位居第一。工业质检是创新奇智在制造业最早切入的领域。2018 年公司即打造了 ManuVision 机器视觉智能平台，采用深度学习技术赋能的边缘机器视 觉检测软件系统，旨在定位、测量、检测及识别常见缺陷或关键指标。在工业质检领域， 训练样本不足一直是制约人工智能应用的瓶颈之一。针对这个问题，创新奇智深入小样 本学习算法的研究，打造涵盖数据标注、算法应用到跨领域迁移的全系列小样本学习算 法，建立 AI 工业视觉领域的技术领先优势。进入 AI 2.0 时代，创新奇智在小样本学习 的基础上，进一步聚合过往在内容生成领域的研发成果，将图像生成与工业场景的独特 需求相结合，采用工业大模型进行缺陷样本生成，为视觉算法模型训练提供了丰富的样 本，大幅提升了模型检测精度。

此外，据《IDC 中国制造业 MES 市场分析及厂商份额，2023：行业聚焦，AI 赋能》， 公司在食品饮料领域的MES市场份额第二，在中国锂电池MES解决方案市场位列第四。

3.2 从AI 1.0到AI 2.0，“一模一体两翼”战略正加速落地

公司正处于从 AI 1.0 项目制向 AI 2.0 平台化、产品化转型的关键时期。“一模一体两翼” 战略正加速落地，即以 AInnoGC 工业大模型为底座，以 AI 智能体为引擎，驱动新型工 业软件和工业机器人具身智能两翼发展，加速制造业数智化转型升级。

奇智孔明工业大模型是整个的战略底座。

初始版本 AInnoGC 1.0 为 AInno-15B 模型，拥有 150 亿以上参数，基于深度学习 Transformer Decoder 架构，从 Llama 2、Falcon、Bloom 等开源大模型中蒸馏一部分 知识，再结合自身设计的参数结构和积累的工业知识数据进行预训练，并经过 SFT（一 问一答的指令对齐）和 RLHF（基于人类反馈的强化学习），提供了工业知识归纳生成、 工业数据分析、自动化任务编排等能力。

2024 年升级至 AInnoGC 2.0，推出 AInno-75B 工业大模型，参数达 750 亿以上，增强 了复杂逻辑推理、长流程任务编排、Agent 智能体及更大工业模态的生成能力。

在中国信通院可信 AI 工业大模型评测中，AInno-75B 于业内首家通过评测，且达到当 前最高评级（4+级）。在 SuperCLUE 工业大模型基准评测中，奇智孔明工业大模型位 列国内第 1 和卓越领导者象限。

发布 AI Agent 企业级智能体应用开发平台，从输出服务到输出产品。公司以智能体应用 编排引擎为核心架构，通过模块化封装知识库管理、工具插件框架、大-小模型协同推理 等核心组件，形成“流程编排-知识注入-工具调用-模型调度”的开发范式，让开发者能够 通过可视化拖拽方式快速构建工业场景应用，提升智能化解决方案的构建与部署效率。平 台作为奇智孔明工业大模型的落地载体，不仅支持单一场景（如质检、运维）的智能体开 发，还通过资产沉淀与共享机制，助力企业构建跨环节的智能化体系，未来有望推动工业 智能化从单点应用到全链路赋能。我们认为，AI Agent 开发平台的推出，巩固了公司在制 造业智能化领域的技术壁垒，同时也将驱动公司未来商业模式从服务向产品过渡。

构建工业具身智能“大脑”，加速工业具身智能场景落地。ChatRobot Pro 是创新奇智基 于 AInnoGC 工业大模型技术平台，构建起的工业机器人调度应用。

其中的核心是端到端的 VLA（视觉-语言-行为）策略模型，它通过视觉感知环境、语言理解指令和行为生成动作指令，简化任务拆解流程。与传统的示教工业机器人依赖单一 规则或 PLC 固定编程不同，VLA 通过视觉、语言、动作的多模态协同，具备语义理解、 自然交互和跨场景泛化能力，能像协作伙伴一样能够看懂、听懂并灵活应对未知场景与 模糊指令，适用于需要实时处理复杂情境的工业任务场景，如场内外物流、零部件组装、 工业质检、上下料等制造业关键环节。而实现自主学习与行为模仿，标志着机器人在柔 性制造和泛化能力上的突破，也意味着未来广泛的市场应用前景。

此外，为了支持机器人在复杂环境下的自主决策和高效执行，创新奇智设计了“云-边端“一体的工业具身智能机器人控制系统。机器人旁的端侧算力负责本地部分数据处理， 端侧 VLA 算法进行最终决策。

另，模型的训练需要数据的支撑。创新奇智设计了一套完整的具身智能机器人数据管理 体系，通过多种方式收集整合数据，涵盖互联网数据、仿真数据和遥操数据，构建完备 的机器人数据体系，并逐步形成创新奇智独有的垂直行业数据资产。

将大模型与 CAD、MES 等传统工业软件进行深度融合，重塑工业软件。其中的典型代表 即 ChatCAD 生成式辅助工业设计应用，基于奇智孔明工业大模型研发的交互式设计软件。 通过语言交互，ChatCAD 能够迅速捕捉并理解设计师的创意意图，随 自动生成满足要 求的工业设计图纸，或根据需求更改特定设计参数，迭代生成新的 3D 模型。尽管技术成 熟度仍需迭代，Text to CAD 已经展现了重塑设计工作范式的潜能，尤其在效率革新和生态扩展层面，未来的设计可能将起于清晰的表达。另，据创新奇智 25 年中报披露的信息， ChatCAD 数据集已达到百万级别，覆盖了多种主流图纸尺寸、组件样式、字体字号及复 杂构图场景等。 与 Bentley 联合发布 iPID（Intelligent Process Piping and Instrument Diagram，智 能工艺管道和仪表流程图），从 Text-to-CAD 拓展至 Image-to-CAD。iPID 融合了创新奇 智多模态工业大模型与 Bentley 基础设施设计软件能力，通过 AI 技术，将传统图片格式的 PID 图转化为可交互、可分析、可扩展的智能 PID，实现从静态图纸到智能 PID 的跨越。 iPID 能够真正理解图纸中的逻辑，精准识别并生成设备、管线、管件、阀门、仪表等多类 组件，自动识别设备管口、管线、连页符等关键连接关系。据初步测算，在设计场景中， iPID可将工作效率提升10倍以上；在旧改项目场景下，用户只需将老旧PDF图纸导入iPID， 即可快速识别老旧图纸内容并可选择新的出图标准，生成新的智能 PID 图纸，从而提高改 造项目的实施效率。

编辑：火腿肠