北京天泽智云科技有限公司：工业软件与信息服务资料分析

一、企业速览

企业基础信息：公司名称：北京天泽智云科技有限公司；地区：北京市海淀区；行业：工业软件与信息服务；成立时间：2016-11-11；注册资本：1531.387506万元；员工规模：15人；专利数量：83件；专精特新认定：2022年 第四批；上市状态：未上市。

北京天泽智云科技有限公司是一家专注于工业人工智能（AI）技术应用的企业，核心产品为“模力工场MOLI Factory™”工业AI平台。在“电子信息与数字技术”产业链中，它位于“数字软件与工业服务”环节，核心功能是为制造业企业提供基于数据驱动的设备智能运维和工艺优化解决方案。

二、主营产品与产业链定位

天泽智云的核心产品是“模力工场MOLI Factory™”平台。从公开信息判断，该平台本质上是一个工业AI应用开发与运行环境。它解决的核心在于将设备机理、运行数据与人工智能算法深度融合，实现从设备数据采集、边缘侧实时计算、云端分析建模到工业应用部署的全闭环。通俗讲，就是让工厂里的机器“开口说话”，能预测何时会坏、能自我诊断故障根因、能自动优化运行参数。

在“电子信息与数字技术”产业链的“数字软件与工业服务”环节，天泽智云扮演的是应用层软件平台及服务提供商的角色。其上游主要包括：

• 硬件层：工业传感器、边缘计算网关、数据采集卡等。这是获取原始数据的基础。
• 基础架构层：工业云平台（如阿里云、华为云）、通用数据库与计算中间件。
• 核心算法层：深度学习框架（如TensorFlow、PyTorch）、信号处理算法库等。

其下游客户直接对应各类制造业企业，典型如离散制造业（如风电、半导体、汽车、3C电子）和流程工业（如石化、钢铁）中拥有大量高价值、高可靠性要求设备的工厂。天泽智云的价值在于，它帮助下游客户降低非计划停机时间、延长设备寿命、优化维保策略，从而直接转化为客户的成本节约和产能提升。这与上游提供硬件或基础算力的供应商形成明确的分工：传感器公司卖的是“神经末梢”，云厂商卖的是“骨架和肌肉”，而天泽智云则是开发“大脑”，让整个系统学会思考与决策。

三、核心工序与技术依赖

对于天泽智云这类工业AI软件企业，其核心“工序”是软件产品的研发与项目实施，而非传统制造业的物理加工。根据行业共性，其关键研发与交付工序通常包括以下3-5个步骤（行业共识）：

1. 数据工程与特征提取：从客户现场获取设备振动、温度、电流等时序数据，进行清洗、去噪、重采样。典型参数包括：振动信号采样频率通常需达到10kHz以上以捕捉高频故障特征。

2. 机理建模与模型训练：结合设备物理模型（如轴承故障特征频率计算）与机器学习（如LSTM、CNN）算法，训练出高精度的故障诊断或寿命预测模型。工业场景下，模型准确率通常要求达到95%以上，虚警率控制在5%以内。

3. 模型轻量化与边缘部署：将训练好的深度学习模型通过模型剪枝、量化等技术压缩，使其能在低算力的工业边缘计算设备上实时运行。典型模型推理延迟要求小于50毫秒。

4. 工业APP开发与集成：将算法封装为可视化、可交互的工业应用（APP），并与客户现有的MES、ERP等系统实现数据互通。

5. 持续迭代与运维：模型上线后，根据新产生的数据对模型进行持续监控、自适应更新和再训练。

上游关键原材料和设备的典型来源如下表所示（行业共识）：

基于其83件专利、15人团队和“模力工场”平台定位，天泽智云在该链条中的具体定位是：不从事基础硬件和云的制造，而是专注于工业AI算法模型的开发与集成，其技术壁垒在于将通用的AI算法与特定的工业场景（如风电机组、半导体设备）进行深度耦合的能力。

四、竞争格局

在“数字软件与工业服务”这一全国1578家企业的大赛道中，天泽智云面临激烈且分散的竞争。主要竞争对手包括：

1. 树根互联股份有限公司：规模远大于天泽智云（员工数千人），背靠三一集团，拥有深厚的重工行业背景和客户资源。其“根云”平台定位更偏向于泛工业互联网平台，覆盖连接、计算、应用等多环节，与天泽智云的纯AI算法驱动路线有重叠。

2. 无锡雪浪云科技有限公司：也是一家专注于工业AI的专精特新企业（员工约几百人），其特点是与高校（如浙江大学）合作紧密，强调“工业数据+工业机理”双轮驱动，客户覆盖航空航天、工程机械等行业。在技术路线和商业模式上与天泽智云高度相似。

3. 阿丘科技（Aqrose Technology Inc.）：同样聚焦工业AI，但侧重点不同。阿丘科技的核心产品是工业AI视觉检测软件，主要客户是3C电子和半导体行业的组装线，对应的是“看”的问题。天泽智云则更偏重设备状态的“听”和“预测”。

这一赛道的竞争主要集中在三个维度：

• 算法与模型：能否在有限样本下训练出高精度的故障预测模型。
• 行业Know-how：对设备工作原理、失效模式的深入理解，这一点是纯粹的IT公司难以逾越的门槛。
• 交付与落地能力：能否将算法软件化、产品化，快速部署到不同客户的工厂中，并提供持续服务。

天泽智云的专利总量为83件，低于北京市同行业中位数水平（89件），处于行业中下游。考虑到其15人的团队规模，人均专利产出（约5.5件/人）尚属正常，但专利总数反映其在技术积累的广度和深度上，目前尚不具备显著的领先优势，尤其在与其他上百人规模的竞争者（如树根互联、雪浪云）比较时，专利体量差距明显。

五、护城河判断

• 技术壁垒：中等偏弱。83件专利构成的技术密度有限，且从公开信息无法判断其专利是围绕核心算法（如新型训练方法）还是应用场景的改进型专利。虽然“工业基因+工程基因”的团队背景是加分项，但在工业AI领域，算法工程化和场景落地能力的护城河深度，往往需要通过长期服务多个行业头部客户来构建。天泽智云目前尚未展现出这种压倒性的技术差异化。
• 客户壁垒：较高，但天泽智云目前不易构成。工业软件的客户验证周期极长，从POC（概念验证）到正式签单通常需要6-12个月，甚至更久。一旦模型部署并验证有效，客户的切换成本很高，因为需要承担停产改造、数据迁移和模型重新训练的巨大风险。这意味着谁先与客户深度绑定，谁就掌握了主动权。天泽智云目前15人的团队规模限制了其接触和服务大客户的数量，客户基础尚不稳固，客户粘性壁垒还未形成。
• 规模壁垒：极低。15人的团队规模在工业软件领域是非常典型的“小团队”状态。这通常意味着公司大部分核心人员专注于算法研发、少数人负责项目管理，而系统部署、客户现场支持、甚至销售等环节可能高度依赖外包或合作伙伴。这种结构关系到它无法同时处理多个大型项目，也难以支撑高速增长。一旦市场进入爆发期，其交付能力将成为瓶颈。
• 认定价值：政策背书明确，但红利有限。作为2022年（第四批）认定的国家级专精特新“小巨人”，天泽智云获得了政策层面的认可。在当前国家大力推动产业基础高级化和产业链现代化的背景下，“小巨人”身份有助于其获得地方政府项目推荐、税收优惠以及银行贷款便利。但相比于更早批次的企业，第四批认定的政策支持边际递减，其实际资源获取能力仍需看公司自身的项目谈判力。

总的来说，天泽智云目前的护城河较浅，其主要壁垒在于团队对工业AI领域的理解和初步的产品化能力（模力工场平台），但其薄弱的技术积累、极小的团队规模和未披露的营收状况，都表明其仍处于早期发展阶段，尚未建立起稳固的竞争壁垒。

六、风险与机会

• 行业风险：

1. 落地难、长周期：工业AI项目普遍面临“数据孤岛”、客户需求定制化过强、项目周期长但回款慢的问题。许多同行（包括一些上市公司）都陷入“项目制”的泥潭，难以形成标准化的高毛利产品。

2. 巨头与大型工业互联网平台的挤压：工业领域巨头（如海尔卡奥斯、美的美擎、富士康Fii）以及IT巨头（如华为、阿里、腾讯）正凭借其强大的资金、算力和品牌优势，将AI能力作为其工业互联网平台的一部分出售，对独立工业AI软件公司形成直接竞争。

3. 人才竞争激烈：工业AI领域需要既懂AI又懂工业的复合型人才，这类人才极度稀缺且薪酬高昂，15人团队在人才争夺战中处于劣势。

• 公司风险：

1. 团队规模与能力边界：15人的员工规模，意味着公司抗风险能力极弱。一旦核心技术人员流失，公司的研发和交付能力将受到重大影响。同时，未披露的营收数据及过低的实缴资本（529.186149万元）暗示公司财务状况可能比较紧张，融资压力大。

2. 证据密度不足：除了专利数量和官网信息，公开渠道（如新闻、招投标记录、合作伙伴声明）几乎找不到其具体的成功案例、核心客户名单或获得的重要奖项（“精选层”除外）。这非常反常，对于一个号称有IBM背景、且已获得小巨人认定的公司，这种“信息真空”本身就是最大的风险信号，可能意味着其产品推广和商业化进展远不及预期。

• 机会窗口：

1. 制造业降本增效的刚需：在人口红利消退、制造业升级的大背景下，企业对设备预测性维护、智能运维的需求日益迫切。政策端（如《“十四五”智能制造发展规划》）也在强力推动。这一赛道的中长期需求是确定的。

2. 特定细分领域的深耕机会：天泽智云如果能在某个或几个特定细分行业（如风电、半导体封测）中，凭借其“模力工场”平台形成一套高度标准化且效果显著的解决方案，就有可能通过该领域的标杆案例实现单点突破，从而避免与巨头在泛工业领域全面竞争。机会在于做“窄”而“深”，而非“广”而“浅”。