行业回顾

• 计算机板块今年以来累计下跌 8.80%，跑输沪深 300 和科创 50 指数，表现偏弱。
• 科技赛道内部资金呈现跷跷板效应，上游通信、电子受益算力硬件订单验证，年内涨幅分别达 81.22%、69.74%。
• 计算机板块估值处于近三年中位水平，整体安全边际充足，但细分赛道估值差异明显，算力租赁、物理 AI 等热门板块维持高位，传统信创、行业信息化板块估值跌至近年底部。
• 26Q1 公募基金计算机持仓占比仅 1.90%，超配比例- 2.08%，持续处于低配区间；板块月度成交额占比回落至 2025 年以来冰点 5.77%，增量资金缺位，存量博弈特征突出。
• 板块弱势核心源于业绩兑现节奏差异，算力硬件订单持续验证，软件端商业化落地进度不及预期，资金持续向硬件赛道倾斜。

行业展望

• 多维政策持续加码，AI 产业迈入智能体落地周期，预期轮动机会大于系统性趋势机会。
• 政策端，新质生产力政策全面进入工程化落地阶段，构成计算机行业中长期景气底层支撑。
• 技术方面，迎来 AI 范式迭代，行业正式迈入 Agent 智能体落地周期，核心架构由模型+驾驭工程（Harness）构成。
• 全球模型迭代持续加速，国产模型依托成本优势、合规优势，在中小企业、政企市场快速替代海外产品。
• 国产 AI 加速卡出货量持续提升，算力硬件架构迎来超节点革新，成为国产算力缩小代差的核心路径。
• 需求端，算力基础设施资本开支具备长期持续性，全球四大云厂商经营现金流持续支撑算力投入。
• 综合政策、技术、需求三维度，计算机行业基本面向好，但市场流动性维持存量博弈，板块难以出现全面系统性行情，细分赛道轮动将成为下半年核心特征。

投资策略

• 把握算力兑现、模型应用爆发与未来产业机会。
• 下半年投资聚焦算力基础设施、AI 模型与行业应用、量子等未来产业三条主线。
• 算力与基础设施赛道，供需剪刀差支撑量价齐升，细分四大方向重点布局：算力租赁、液冷、CPU、国产替代。
• AI 模型与应用赛道方面，多模态、编程、物理 AI 依次兑现价值，重点关注智谱、MiniMax、科大讯飞、阿里巴巴等公司。
• 对于量子信息等未来产业，把握主题催化与技术拐点，重点跟踪国盾量子、国仪量子（待上市）等产业链核心标的。

风险提示

• 政策落地及技术创新或不及预期、行业竞争加剧、相关行业发展或产品拓展不及预期等风险。

事件描述

• 科远智慧入选工业和信息化部2025年工业互联网“链网协同”典型案例及物联网赋能行业发展典型案例，项目分别为“工业互联网驱动化工循环经济智能管控创新应用”和“基于物联网的智慧发电企业能源调度与碳资产协同管理创新应用”。

事件点评

• 项目认可：入选国家级典型案例，体现公司在跨行业、跨领域技术融合中的系统化能力与示范价值。
• 工业AI加速落地：智能制造场景拓展打开成长空间，公司在能源、电力、冶金等高价值工业场景中持续推进AI应用落地，推动传统自动化系统向智能化、自主化升级。
  • 工业AI相关业务收入2.66亿元，占营业收入比例持续提升，成为重要增长方向。
  • 成功交付我国自主重型燃气轮机首套国产化控制系统（满足SIL3级高安全完整性要求），后续将持续攻坚高端重型装备的核心控制系统。
• 数智化转型驱动：工业AI业务快速增长，2025年公司实现营业收入18.67亿元（同比+10.97%），归母净利润1.39亿元（同比-44.85%），扣非净利润1.06亿元（同比-54.14%）。
  • 营收增长主要受益于工业自动化业务持续拓展及工业人工智能业务规模化落地。
  • 产品结构：工业自动化收入15.23亿元（同比增长7.66%），工业AI收入2.66亿元（同比增长30.53%），工业机器人收入0.57亿元（同比增长15.39%）。
  • 剔除减值因素，核心主业归母净利润3.61亿元（同比增长43.25%），订单交付节奏良好，核心基本面保持健康。
• 财务表现：2026年Q1公司实现营业收入4.45亿元（同比+5.72%），归母净利润0.76亿元（同比+25.19%），扣非净利润0.71亿元（同比+29.45%）。
  • DCS与中大型PLC系统持续拓展应用，经营韧性较强。
• 盈利能力：剔除短期减值影响后，公司盈利能力稳健提升，2025年毛利率43.09%（同比-1.25pct），净利率11.30%（同比-4.16pct）。
  • 经营活动现金流量净额5.33亿元（同比+142.74%），主要来自浦发定期存款收回。
  • 2026年Q1毛利率42.28%（同比+3.1pct，环比-6.74pct），净利率17.07%（同比+2.84pct，环比+18.47pct）。

投资建议

• 核心策略：持续深耕能源、电力、化工等优势行业，通过产品升级和行业拓展巩固市场竞争力；推进工业AI与智能制造解决方案商业化，加快推进燃气轮机等高端重型装备控制领域的国产替代。
• 增长逻辑：随着国产工业软件替代加速、工业智能化需求提升及AI技术在工业领域渗透，公司有望依托自动化基础能力和AI技术储备形成新的增长曲线。
• 业绩预测：预计2026-2028年营收分别为23.16、27.85、33.37亿元；归母净利润分别为4.01、5.05、6.12亿元；EPS分别为1.67、2.11、2.55元，对应2026年6月25日收盘价PE分别为21、17、14倍。
• 评级：首次覆盖，给予“增持-A”评级。

风险提示

• 宏观经济周期波动风险。
• 技术迭代加速与市场竞争加剧的风险。
• 新业务拓展不及预期风险。

财务报表预测和估值数据汇总

• 分析师承诺独立、客观地出具报告，并对内容负责。
• 投资评级说明：以报告发布后6-12个月相对基准指数涨跌幅为基准。
• 评级体系：公司评级（买入、增持、中性、减持、卖出）。
• 免责声明：报告基于可靠信息，但公司不保证准确性，不构成投资建议。

全球电力需求正在加速增长，其中数据中心，尤其是运行 AI 工作负载的数据中心，是主要驱动力。预计未来 3-5 年内，数据中心电力需求将增长约 30%，AI 工作负载预计将占数据中心总工作负载的近 60%。这给电网带来了巨大的压力，电力公司面临着供应与需求之间的差距，以及电网基础设施老化、连接和许可延迟、可靠性裕量不足以及供应链压力等挑战。

为了应对这些挑战，数据中心运营商越来越倾向于采用现场发电或 BTM 能源解决方案，这标志着能源生态系统的结构性转变。然而，这也给电力公司带来了新的挑战，例如负荷可预测性降低、调度复杂性增加以及潜在的收入和利润损失。

电力公司和数据中心领导者都认为，需要一个平衡、多元化的能源组合来满足不断增长的电力需求。虽然可再生能源增长迅速，但其间歇性无法满足数据中心对持续高密度电力供应的需求。因此，天然气被视为短期内满足紧急容量需求的关键，但这也带来了与脱碳承诺的冲突以及 CO2 排放增加的风险。

AI 在能源系统中发挥着越来越重要的作用，可以帮助提高电网的可靠性和效率。然而，大多数电力公司尚未达到先进的 AI 成熟度，需要解决数据、架构、治理和信任等方面的基础准备差距。

为了应对数据中心增长带来的挑战，电力公司需要采取以下行动：

• 预测和塑造需求： 建立更完善的负荷预测和客户筛选流程，引导数据中心增长到电力充足的地区，并简化连接和监管流程。
• 确保可靠的和有弹性的能源供应： 优化能源组合，加速电网和基础设施现代化，部署分布式容量，并采用简化的、创新的电价和收费模式。
• 加强生态系统合作： 建立有弹性的供应链，深化数据中心价值链各环节的合作，并将社区和可持续性考虑因素纳入规划。
• 建立面向未来的运营模式： 在规划和运营中扩展 AI 和数字技术，培养和吸引未来所需的技能，并使 AI 成为决策支持工具。

企业 AI 采用现状及挑战

核心观点： 随着 AI 代理在企业工作流程中的应用日益普及，企业面临着文化、组织和结构性的挑战，导致 AI 转型进展缓慢，未能实现预期价值。

关键数据：

• AI 采用规模： 70% 的员工和 94% 的高管每天使用 AI 工具至少 30 分钟，其中 28% 的员工和 64% 的高管每天使用超过 2 小时。
• AI 代理应用： 52% 的员工和 97% 的高管在过去一年中使用过 AI 代理，97% 的员工和 97% 的高管认为 AI 代理带来了时间节省、结果改进等益处。
• 高管压力： 73% 的 CEO 表示公司 AI 策略导致他们压力或焦虑，61% 的高管担心因无法领导 AI 转型而失去工作。
• 投资回报： 48% 的高管表示公司 AI 采用是巨大失望，29% 的高管和 23% 的高管分别表示未看到生成式 AI 和 AI 代理的显著投资回报。
• 战略差距： 63% 的高管认为公司 AI 方法高度战略性，但员工对此看法更为消极，显示出领导层与员工之间的脱节。
• 内部紧张： 54% 的高管表示 AI 采用撕裂了公司，56% 的高管表示其导致了组织内部的权力斗争和混乱。
• 两极分化职场： 86% 的高管表示公司压力员工使用 AI，90% 的高管表示提供过培训，但 60% 的高管计划裁员那些无法或不愿使用 AI 的员工。
• 员工抵制： 29% 的员工表示至少以某种方式抵制公司 AI 策略，其中 44% 的 Gen Z 员工表示抵制。
• 安全风险： 35% 的员工表示将专有公司信息输入公共 AI 工具，67% 的高管认为公司已因员工使用未批准的 AI 工具而遭受数据泄露或安全漏洞。
• 工具表现： 在所有因素中，不到一半的高管将其 AI 解决方案评为“优秀”，与去年相比满意度大幅下降。
• 有害工具： 28% 的员工表示曾见过 AI 工具产生危险错误、不道德或带有偏见的输出，30% 的员工担心因报告 AI 问题而受到报复。
• AI 代理治理： 36% 的高管表示公司没有针对监督 AI 代理的正式、文件化的计划，35% 的高管表示不确定员工实际使用的 AI 工具是否获授权。
• 管理者支持不足： 只有 35% 的员工表示他们的管理者是 AI 倡导者并鼓励团队拥抱 AI，75% 的员工表示他们更信任 AI 而不是他们的管理者。

研究结论：

• 企业 AI 采用面临的主要挑战包括投资回报率低、战略差距、内部紧张、两极分化的职场、员工抵制、安全风险、表现不佳的工具、有害工具、AI 代理治理不足和管理者支持不足。
• 为了将 AI 投资转化为可持续的企业价值，企业需要采取以下措施：
  • 将 AI 与可衡量的业务成果联系起来。
  • 赋予业务用户创新权力。
  • 将投资重点放在增长而非效率上。
  • 关闭战略执行差距。
  • 为 AI 代理实施企业级治理。
  • 自上而下和自下而上领导变革。
• 选择能够提供速度和控制、基于企业业务 DNA 并在企业转型中成为合作伙伴的 AI 平台至关重要。
• 企业 AI 转型的差距并非技术性的，而是组织性的。通过在平台功能、变革管理和合作方法方面做出明智的选择，企业可以弥合这一差距，将 AI 从摩擦转变为变革的力量。