麒麟合盛网络技术股份有限公司：网络通信产品、数字软件与工业服务专精特新企业档案

一、企业速览

企业基础信息：公司名称：麒麟合盛网络技术股份有限公司；地区：北京市海淀区；行业方向：工业软件与信息服务；成立时间：2014-09-18；注册资本：35466.84万元；员工规模：205人；专利数量：194件；认定批次：2024年 第六批；上市状态：未上市。

麒麟合盛网络技术股份有限公司（以下简称“麒麟合盛”）成立于2014年，主营移动互联网技术研发与产品运营，旗下核心产品为APUS系列工具与内容应用。其在“电子信息与数字技术”产业链中，定位为“数字软件与工业服务”环节，但实际业务重心更偏向于面向C端用户的移动应用出海与AI大模型在垂直领域的应用。

二、主营产品与产业链定位

麒麟合盛的主营产品线经历了一次明显的战略转型，从最初的“移动互联网工具出海”转向“AI+垂直行业”应用。

1. 核心产品与产业链位置

麒麟合盛最广为人知的是其APUS系列移动应用，包括APUS浏览器、APUS桌面、APUS清理大师等，主要解决海外安卓用户（尤其是新兴市场）的手机系统优化与互联网入口问题。然而，根据其公开披露的“通过国家网信办算法备案的中医大模型——APUS智草大模型”信息，公司已切入工业软件与信息服务中的“AI行业应用”环节。

在“电子信息与数字技术”产业链中，该环节的上游是底层算力与数据服务。具体而言：

• 上游：需要AI算力芯片（如英伟达GPU，行业共识）、云服务基础设施（如阿里云、AWS，行业共识）以及结构化/非结构化数据（麒麟合盛的“智草大模型”依赖2000亿中医典籍数据）。
• 下游：客户并非传统制造业工厂，而是中医药研究机构、在线问诊平台、智能诊断设备制造商以及医药企业。这些客户需要将AI能力封装为“智能问诊”、“药方解析”或“知识图谱”等软件或服务形式。

2. 与产业链其他环节的关系

在“工业软件”范畴内，麒麟合盛的模型更像是一个“行业知识引擎”，而非设计或控制软件。它与产业链的关系是：对上游，它不直接采购光刻机或钢材，而是采购算力和标注好的医学知识；对下游，它提供的是定制的AI推理能力，例如，帮助一家中药企业的ERP系统增加“配伍禁忌自动告警”功能。这与传统的工业软件（如CAD/CAE、MES）有本质区别，后者是生产过程控制，前者是知识决策支持。

三、核心工序与技术依赖

对于以“移动应用+AI大模型”为主要产品的企业，其核心工序更侧重于数据工程、算法训练与软件集成。以下是基于行业共识的典型流程：

1. 数据采集与清洗：从公开文献、专利、医案等渠道获取原始数据，通过OCR、NLP技术转化为结构化文本，并人工标注知识三元组（如“黄芪-补气-气虚证”）。据行业共识，这一阶段通常占据项目70%以上的工作量。

2. 模型预训练：基于LLaMA或GPT等开源架构，在千亿级参数量的通用中文模型基础上，利用中医典籍数据进行领域微调（Domain-Adaptive Pretraining, DAPT），训练周期通常为2-4周，需要大量GPU集群。

3. 指令微调（SFT）与对齐：编写数万条“高质量中医问答对”，如“患者自汗、畏风，用何方？”进行监督微调，使模型能给出专业、安全的回答，并通过RLHF（基于人类反馈的强化学习）防止生成有害结论。

4. 模型压缩与部署：将大模型量化为INT8或INT4格式，裁剪为针对移动端或云端的轻量化版本，确保推理延迟低于设定阈值（例如单次问诊响应<500ms）。

5. 软件集成与测试：将模型API封装成SDK，集成进已有的APUS应用生态或客户的Web/移动端系统中，并进行黑盒测试，验证其在不同药物名称、剂量组合下的逻辑准确性。

上游关键依赖

公司定位：麒麟合盛基于205人的团队规模，在AI大模型赛道中属于“中小型玩家”。其策略是避开通用大模型的百亿资金烧钱战，选择“移动互联网积累的用户触达能力+中医垂直领域的知识壁垒”这一窄切口。194件专利中，推测很大比例属于移动应用交互、数据挖掘算法与模型微调方法。

四、竞争格局

在“数字软件与工业服务”环节，特别是“AI+中医药”垂直赛道，竞争呈现高度专业化特征。

1. 主要竞争对手

2. 竞争维度

该赛道全国共有1578家企业。竞争集中在三个维度：

• 数据壁垒：谁拥有的高质量、标准化、经过专家验证的中医数据多，谁就能训练出更准确的模型。
• 产品闭环：能否从“问答工具”延伸到“诊疗辅助-药方开具-健康管理”的完整医疗服务闭环。
• 合规与资质：特别是互联网医疗执业资质、算法备案（如麒麟合盛已通过的网信办备案）以及是否通过医疗器械软件（SaMD）注册审批。

3. 麒麟合盛的专利位置

麒麟合盛拥有194件专利，是行业中位数（93件）的2.08倍。这在AI+行业应用的中小企业中属于较高水平。但需要留意专利的具体方向：如果大部分是移动UI（用户界面）交互或数据处理的通用型专利，则其在“中医模型”这一细分创新点的护城河有限；如果集中在“中医辨证论治的算法模型”、“基于医案的知识图谱构建”等特定领域，则技术壁垒较高。

五、护城河判断

1. 技术壁垒

• 正面：194件专利是其最明确的资产。在AI领域，算法与数据处理方法的专利能形成一定的防御性。2000亿中医典籍数据训练成的“智草大模型”是稀缺资源。
• 反面：AI大模型的开源趋势强烈，很多技术细节无法通过专利完全封锁。竞品可以基于同样的开源模型+公开中医典籍，快速复制一个类似产品。

2. 客户壁垒

• 高切换成本（行业共识）：在中医药领域，AI模型一旦被某医院或系统集成商采用，用于辅助诊断或处方审核，其权限设置、知识库定制、与HIS（医院信息系统）的接口都是深度绑定的。医生和药剂师习惯特定系统的交互逻辑后，替换系统的培训成本和心理成本很高。客户验证周期（从POC到正式部署）通常为6-18个月。
• 麒麟合盛的弱点：若其产品主要作为独立App或小程序的工具存在，而非深度嵌入医疗机构的业务流，则切换成本极低。

3. 规模壁垒

• 205人团队：这意味着研发团队可能仅100人左右。要同时维护APUS海外应用生态（其传统业务）和研究前沿AI大模型，人效压力很大。相比百度健康动辄数千人的团队，麒麟合盛的规模更像是一个“小而美”的技术攻关队，难以支撑大规模的市场拓展和生态建设。

4. 认定价值

• 第六批专精特新“小巨人”：在当前政策环境下，认定难度依然很高。这表明其研发投入（专利数量）和创新能力得到了官方认可。这意味着可以获得中央财政奖补、税收优惠以及银行和资本市场的融资便利。对于一家尚未上市、员工205人的公司，这一认定是其重要的信用背书和低成本融资渠道。

六、风险与机会

行业风险

1. AI法规收紧：中国对于生成式人工智能（特别是医疗健康领域）的监管正快速收紧。要求算法备案、内容审核和合规性评估。模型稍微生成一点可能误导患者的“中医处方”，就可能面临严厉处罚。政策的不确定性是最大风险。

2. 商业化难点：中医药行业知识壁垒高，但支付能力和意愿参差不齐。大型三甲中医院未必愿意为智能辅助工具付费，基层医院虽有需求但预算有限。

3. 技术同质化：在过去2-3年，基于大语言模型的中医AI工具大量涌现，产品功能、交互形式高度相似，陷入价格战。

公司风险

1. 主营业务动荡：APUS系列移动应用原本是其现金牛，但受全球地缘政治和海外政策（如印度封禁中国App）影响，海外流量变现业务面临巨大不确定性。公司正在转型，但转型期的营收与利润数据“未披露”，存在因传统业务萎缩导致资金链紧张的风险。

2. 聚焦度不足：205人要同时做好“全球移动互联网流量平台”和“专业中医AI模型”两个跨度极大、对人才要求迥异的业务，战略上存在资源和精力分散的风险。

机会窗口

1. “数智中药”政策支持：国务院《关于促进中医药传承创新发展》及数字中国建设的政策，明确要求推动中医药信息化。麒麟合盛作为同时拥有“移动端开发经验”和“AI模型能力”的企业，可以切入中药企业的“智能制造”环节，例如，为其提供配方颗粒的智能调配算法、或中药生产的质检AI视觉系统。

2. 出海2.0：利用其在APUS时代积累的海外用户基础（新兴市场），将“中医AI”作为中国特色的数字服务输出。例如，在东南亚、非洲等中医药接受度高的地区，推出AI健康咨询App，实现从“工具出海”到“服务出海”的升级。这能绕开国内激烈竞争，开辟新蓝海。