发现报告

核心观点

本报告探讨了组织如何为人工智能（AI）驱动的未来做准备，重点关注战略投资、技能与人才培养以及文化与治理。

关键数据

• 88%的高管认为AI是竞争优势的来源，但只有38%的人为AI技能发展设立了专项预算。
• 99%的高管报告称他们有发展AI相关技能的方法，但大多数依赖非正式或临时的方法。
• 只有8%的组织已实施了全面的AI治理框架。
• 96%的高管认为网络安全至关重要，但只有20%表示他们的团队具备相应能力。
• 70%的高管将AI人才激烈竞争视为一项关键障碍。
• 44%的人表示，在未来三到五年内，克服员工对AI驱动的工作角色变化的恐惧或抵触将是最重要的优先事项之一。

研究结论

• 组织需要将AI视为持久价值创造的基础，而不仅仅是短期效率工具。
• 弥合技能差距需要系统性转变，包括投资于员工技能提升、营造支持性文化以及建立健全的治理框架。
• 人工智能的成功应用取决于非技术因素，如组织结构、流程和文化。
• 领导者需要设定方向、协调激励、配置资源，并对治理与文化负责。
• 构建一个可持续且具备AI适应性的工作场所，需要强有力的治理、包容性的领导力，以及对文化和能力建设采取面向未来的方法。

核心观点

我们看好大模型在编程、办公与专业任务中的商业化机遇。随着模型可连续交付更加复杂的长程任务，编程深化与办公智能体普及将共同提升调用强度与单客付费，底层推理成本下探也有望扩大企业级高频调用。国产厂商依托高性价比定价、灵活部署模式及领先的多模态产品实现差异化，并借力云平台生态合作丰富变现渠道。

关键数据

• 贝恩预计2031年全球现有AI应用年收入将达1.2万亿至1.8万亿美元，其中企业端贡献约1.0万亿至1.4万亿美元。
• Menlo Ventures估算，截至2026年9月，企业AI部署支出的年化规模为1,768亿美元。
• IDC统计，1H26中国公有云MaaS收入达人民币106.3亿元，同比增长889.4%。
• Ramp数据显示，2026年9月样本企业AI采用率为55.9%，重度支出仍集中于头部1%企业。
• 国内20款主流桌面端AI办公智能体月访问量已突破3亿次。
• 智谱1H26开放平台及API收入同比增长2,735.7%，占比达86.5%。
• MiniMax 1H26开放平台及其他基于AI的企业服务收入同比增长703.1%至7,393万美元。
• 智谱1H26单位Token推理成本较年初下降约80%。
• MiniMax 1H26毛利率同比提升5.8个百分点至17.9%。

研究结论

• 智谱：量价齐升验证前沿模型变现力，云托管分成与Co-work拓宽增长边界；首予“买入”评级，目标价750港元。
• MiniMax：企业端增长提速，多模态矩阵打开全球商业化空间；首予“买入”评级，目标价245港元。

商业模式

• 智谱通过开放平台API、云托管分成和Co-work专业任务采购丰富变现渠道。
• MiniMax通过开放平台API及自有AI原生应用服务全球客户，并依托多模态产品拓展全球内容创作市场。

风险提示

• 模型迭代及商业化不及预期。
• 行业竞争与价格压力。
• 毛利率改善不及预期。
• 研发及算力投入较大、融资与股本摊薄。
• 海外监管、数据安全及知识产权风险。

1.1. 中国制造业规模庞大，场景纵深丰富，为物理AI落地提供独特条件。中国制造业增加值连续多年位居全球第一，占全球比重约三成，拥有最完整的工业门类和丰富的落地场景。中国持续推动AI赋能制造业转型升级，2026年9月召开全国先进制造业大会，明确提出“人工智能+制造”行动。AI+制造进入“量化考核”阶段，政策目标明确，推动通用大模型深度应用、工业高质量数据集建设、典型应用场景推广和工业智能体推出。

1.2. AI+制造从“建模型”进入“用模型”阶段。推理数据量首次超过训练数据量，标志着AI应用快速扩张，重心从“训练模型”转向“应用模型”。AI落地的技术条件已具备：时序架构解决工业连续变量建模问题，在线持续迭代解决工业非稳态场景适配问题，多模态融合解决复杂工况感知问题。

1.3. 智能化与国产化同频共振。智能化的前提是数据，数据主权与自主可控的软硬件底座是智能化深入的前提条件。每一次智能化改造，同时就是国产软硬件份额提升的窗口。国产化率越低的环节，往往技术壁垒越高、AI赋能弹性越大。

2. AI+制造的核心增量
   AI+制造可以分为三层：感知连接层、控制执行层和模型决策层。AI的真正价值是让这三层从分离走向闭环。
   2.1. 感知连接层：增量最确定，核心逻辑在于部署密度的提升。传感器角色从读数仪表转变为感知入口，推动传感器从关键工位布点走向全场域高密度部署，功能升级提升采集质量，实时性要求提升。
   2.2. 控制执行层：增量集中在控制方式的升级。从“固定逻辑”到“自适应控制”，从“反应式保护”到“AI安全监视”。
   2.3. 模型决策层：壁垒相对高、增量相对大。包含数据、模型、操作系统、智能体四层，其中工业大模型市场天然碎片化，不存在“一个通用模型统治所有行业”，碎片化构成先入者护城河。

3. 核心壁垒与竞争格局
   3.1. 数据壁垒：数采入口决定数据质量，数据权利决定可复用范围。数据规模形成优势需要同时满足同类场景足够多、数据定义足够统一、授权范围足够清晰。
   3.2. 控制接口壁垒：控制接口决定模型能否影响生产。控制系统厂商拥有熟悉设备与工艺变量、掌握现有工程配置、拥有长期服务关系等优势。
   3.3. 工业协议与实时系统壁垒：工业协议兼容降低存量改造成本、缩短实施时间、形成生态积累。实时系统解决任务执行、资源分配、故障处理等问题。
   3.4. 工艺know-how壁垒：工艺知识的模型化需要回答哪些变量能够调整、当前工况适用哪些工艺关系、优化一个指标会影响哪些其他指标、出现异常时，应由哪套机制接管等问题。
   3.5. 效果核算与交付复制壁垒：客户愿意为工业AI付费，需要能够核算收益。工业AI规模化则依赖交付复制，产品标准化、现场工程工具和合作伙伴交付能力，会共同推动规模化。

3.6. 流程工业与离散制造：不同场景形成不同龙头。流程工业：工艺优化与控制闭环是主要价值来源，更容易由控制系统龙头向工业AI延伸。离散制造：视觉、工艺软件与工作站成为主要入口，会形成更多细分产品龙头。

3.7. 筛选矩阵：AI增量与国产替代之外，加入收入兑现。应优先选择AI增量大×国产化率的品类，最终筛选应落在“AI能够增加多少利润”，而非公司是否拥有AI产品。
3.8. 下游优先级：围绕大收益、高复用与客户预算展开。优先研究化工、石化等连续生产场景，电子、半导体与精密制造，汽车与装备制造，仓储物流与标准化机器人任务。

4. 空间测算：从客户收益推导供应商收入
   4.1. 测算框架：分别核算项目、服务、软件与硬件。
   4.2. 流程工业AI：已有客户覆盖提供可量化的升级空间。以中控技术为例，累计服务超过4万家流程工业客户，测算该客户群形成持续工业AI服务的收入容量，年化服务收入池可达200亿元。
   4.3. 离散制造：以工作站为单元，测算设备智能化价值。工作站市场的放量路径，是从一条线扩展至同厂多条线，再进入客户集团与同类设备。
   4.4. 人形机器人感知：出货放量与单机降价同时发生。高盛上调全球人形机器人出货预测，2035年市场规模约1383亿美元。感知收入的基本公式为：感知收入＝机器人出货量×单机感知价值量。
   4.5. 研发设计软件：AI扩大使用范围，商业价值来自付费转化。工业软件市场规模占全球比重不足10%，高端研发设计类软件超过90%依赖进口。国产厂商正在自主内核攻坚和并购补齐短板，凭借点工具的优势，在AI带来的范式切换中实现局部超车。

5. 并行主线：国产替代
   5.1. 研发设计类工业软件：AI赋能弹性最大。国产厂商正在自主内核攻坚和并购补齐短板，走的不是全流程对标的线性替代，而是点工具突破→细分深耕→AI超车的路径。
   5.2. 控制层自主化（DCS/PLC）与工控系统。控制执行层的国产化存在显著的内部分化，DCS国产化已基本完成，PLC国产替代明显滞后，未来有望逐步突破。控制层自主化的瓶颈，正在从硬件转向软硬协同栈。

6. 投资建议和相关标的
   建议关注在AI+制造升级中有核心增量的方向：1）感知连接层；2）模型决策层，具体标的方面，建议关注商业化落地较快、有数据/设备/行业know-how壁垒的公司。
   大脑关注中控技术（流程工业AI主线）、能科科技（离散工业AI收入结构转型）、索辰科技（物理仿真与合成数据）、东土科技（实时系统与网络底座）；感知端关注奥比中光（3D视觉）、海康威视（工业视觉+移动机器人）、敏芯股份（MEMS）、柯力传感/安培龙/汉威科技（力与触觉）。数据端关注海天瑞声/凡拓数创/世纪恒通/当虹科技（物理AI数采）。

7. 风险提示
   技术发展不及预期、行业竞争加剧、订单兑现不及预期、AI商业化落地不及预期、国产替代进度不及预期、下游资本开支波动风险。

主动权益型基金

• 规模与仓位：规模4.04万亿元，环比减少18.85%；仓位82.7%，环比下降2.10个百分点。
• 行业配置：增持医药、银行、有色金属、汽车、食品饮料；减持电子、通信、电力设备及新能源、建材、基础化工（电新连续两季减持）。
• 板块配置：增配大消费、次新股、创新药、CRO、采矿业、央企、独角兽。
• 风格配置：关注个股市盈率和流动性，对股息率超预期关注增强。
• 港股配置：仓位回升至8.14%（加权），环比增加1.2个百分点。
• 价值型基金：偏好银行、食品饮料、家电等，关注低估值防御机会，看好资源、高股息及超级投资周期。
• 成长型基金：跟踪AI大模型迭代与算力扩张，关注国产算力、半导体、机器人等。

主动债基

• 规模与数量：规模约10.98万亿元，环比增长3.06%；数量4465只，环比增加2.5%。
• 券种配置：增持国债、同业存单，金融债、可转债占比下降。
• 久期配置：中长期纯债基金平均久期为4.65年，整体仍处高位。

FOF产品

• 规模与数量：新发63只，总规模环比下降4.57%。
• 配置：增持被动债券型和主动权益型基金，减持主动债基和被动股票型基金。
• 标的偏好：偏股FOF偏好选股和交易能力强的基金（偏轮动和配置型）；偏债FOF偏好信用管理和期限结构配置能力强的基金。

风险提示

• 量化统计基于历史数据，规律可能不延续；基金观点仅代表所属机构，不构成产品推荐。
• 报告基于公募基金季报数据，可能存在披露不完整、样本偏差等风险。