四川数聚智造科技有限公司：以人工智能为核心技术、工艺装备与检测仪器专精特新企业档案

一、企业速览

企业基础信息：公司名称：四川数聚智造科技有限公司；地区：四川省成都市双流区；行业：仪器仪表与检测设备；成立时间：2017-05-05；注册资本：1468.0022万元（实缴资本1216.4237万元）；员工规模：144人；专利数量：45件；认定批次：2025年第七批；上市状态：未上市。

四川数聚智造科技有限公司以人工智能为核心，专注为能源和白酒行业提供软硬件一体化的AI检测与数据分析服务，产业链位置处于高端装备与工业自动化中的工艺装备与检测仪器环节。

二、主营产品与产业链定位

产品与核心功能

四川数聚智造科技有限公司的产品核心是利用AI视觉识别与分析技术，替代人工进行工业场景下的外观检测、状态监测、数据采集与分析。结合其承担国家工信部2021年人工智能产业创新揭榜挂帅项目及入选2023中国AI应用场景TOP100榜单的背景，其具体产品指向高压电力线路上异物、鸟巢、绝缘子破损等目标的小样本识别分析，以及白酒酿造生产全流程（如瓶盖、瓶身、酒液杂质）的多指标外观检测。公司通过集成摄像头、传感器与边缘计算设备，在物料或设备运行过程中实现自动化检测与预警（行业共识）。

产业链定位

在整个高端装备与工业自动化产业链中，工艺装备与检测仪器环节连接上游的传感器、光学镜头、芯片等核心零部件，与下游的各行业终端产线或运维场景。

• 上游：核心零部件包括工业相机、镜头、光源、图像采集卡、边缘计算工控机及AI算法芯片。负责提供数据采集与计算的物理基础。
• 中游（该公司位置）：系统集成与软件开发商。将上游硬件进行功能整合并加载自研的AI算法模型，形成面向特定场景的标准化或定制化检测设备与系统解决方案。
• 下游：终端用户，主要集中在电力行业（国家电网、南方电网、各类发电厂）和白酒行业（五粮液、泸州老窖、郎酒等川酒企业）。这些客户对产线效率和运维安全的数字化改造有刚需。

产业链关系

四川数聚智造科技有限公司的商业模式是将下游客户的非结构化图像数据，通过自研模型转化为可量化、可追溯的结构化数据，实现自动化判定。这高度依赖于上游工业相机与芯片的性能（如分辨率、帧率、算力），决定了其检测精度与速度的上限。同时，其对下游电力与白酒行业的工艺理解深度，决定了AI模型的场景适应性和误判率，从而影响客户验收与复购。公司在产业链中扮演着“技术翻译者”的角色，将通用的AI技术适配到高度垂直的工业场景中。

三、核心工序与技术依赖

关键研发/生产工序（行业共识）

对于AI视觉检测类企业，其核心环节集中在算法开发与工程化，而非大规模硬件制造。主要工序包括：

1. 数据采集与清洗：在客户真实的产线或现场环境，通过打光、多角度成像等方式采集数万张至数十万张正负样本图像。典型要求：光源色温范围（5000K-7000K）、相机帧率（一般需达到30fps以上以匹配产线速度）、分辨率（一般不低于200万像素，高精度需求可达1200万像素）。

2. 图像标注与预处理：对每张图像中的缺陷（如凹坑、瓶盖歪斜、线路异物）进行像素级标注。典型工序：标注类别需覆盖“无缺陷”、“体积缺陷”、“颜色瑕疵”、“形状异常”等；预处理包括图像去噪（如均值滤波、中值滤波）、亮度归一化、尺寸裁剪（统一至256x256或512x512像素）。

3. 模型训练与优化：利用深度学习框架，基于卷积神经网络等算法构建小样本或高精度检测模型。典型参数：训练轮数（100-500轮）、学习率（0.001-0.0001）、模型参数量（需在10M以内以适配边缘端部署）；需针对产线节拍（如毫秒级响应）进行模型剪枝与量化（如从FP32压缩至INT8）。

4. 软硬件系统集成与调试：将训练好的算法模型烧录至边缘计算工控机，与现场工业相机、控制器、剔除机构进行通信协议（如Modbus、TCP/IP）联调。典型要求：系统整体检测节拍需匹配单台检测设备每秒处理1-10个目标（行业共识）。

5. 现场部署与持续运维：在客户现场完成设备安装、网络配置、与环境光遮蔽。典型工序：模型需根据实际现场光照、振动等干扰项进行微调；通过远程监控平台持续收集现场误报、漏报数据，触发模型迭代。

上游关键原材料/设备典型来源（行业共识）

该企业定位

四川数聚智造科技有限公司属于典型的轻资产、重研发模式。其45件专利大概率集中于AI模型冷启动、小样本学习、特定场景的识别算法优化及软硬件架构设计。其不直接生产上游核心芯片与相机，而是基于主流硬件进行系统集成与行业化软件开发。依靠在电力与白酒两个细分场景积累的典型参数和样本库，形成其技术差异点。144人的团队规模，说明其组织架构中研发、工程服务、销售的比例相对平衡。

四、竞争格局

四川省内仪器仪表与检测设备方向样本仅4家，而全国同一产业链位置（工艺装备与检测仪器）有4417家企业，竞争非常分散，集中在以下维度：行业场景理解深度、算法误报率与漏报率、系统交付速度与稳定性、定制化开发能力。

主要竞争对手（均为同赛道典型企业）

专利维度分析

四川数聚智造科技有限公司的45件专利，低于行业中位数89件，在同类企业中处于中下水平。这说明公司在技术研发上的专利布局密集度不高，可能存在两种解读：一是公司更专注于核心算法和工程化知识（如know-how、未公开的小样本库），而非广泛的专利布局；二是公司在研发投入上相比头部企业仍有差距。在4417家企业中，专利数量是其技术储备的一项指标，但并非唯一指标，行业解决方案的落地能力和客户口碑同样关键。

五、护城河判断

技术壁垒

• 专利视角：45件专利反映了其具备一定算法和系统架构的技术积累，但低于行业中位数。如果这些专利集中在“小样本学习的检测方法”、“白酒瓶盖缺陷的多维度识别”等具体、实用的细分领域，则能形成特定壁垒。若仅为通用的图像处理或数据分析方法，则壁垒价值有限。
• 核心壁垒：真正壁垒在于其在“电力线路小样本目标识别”和“白酒产线多指标外观检测”这两个垂直场景下积累的高质量标注数据集和优化的模型参数。这些数据不公开、难以获取，且需要经过客户产线的长期验证和打磨，构成了事实上的“场景数据壁垒”。

客户壁垒（行业共识）

• 验证周期：工业AI检测项目从POC（概念验证）到最终验收，周期普遍在3-12个月。电力行业因其安全性要求，测试周期更长。客户一旦部署，后续模型迭代和系统维护高度依赖原厂，替换成本很高。
• 切换成本：客户的生产节拍和产线布局是固定的，切换新的检测系统需要重新采集数据、调整光照和机械结构、重新训练模型，期间可能导致产线停机。因此，客户倾向选择经过充分验证、与自身工艺深度绑定的供应商。

规模壁垒

144人的团队，年营收规模预估在数千万量级，属于小型科技企业。这个规模决定了其：

• 研发能力：可同时支撑1-2个核心产品线的深度迭代和2-3个大型项目的交付保障。难以同时应对多个行业或多个大规模项目的并行开发。
• 交付能力：规模化交付能力有限，主要依靠项目制交付，难以实现标准化产品的快速复制。

认定价值

2025年第七批的专精特新“小巨人”认定，在当前“补链强链”政策导向下，意味着企业获得了官方对其技术实力和细分市场地位的背书。能获得资本市场和地方政府的政策倾斜（如税收优惠、融资便利、项目申报优先等），但不再像早期批次那样具有稀缺性。对于产业链投资者而言，此标签可作为风险过滤的初步参考，但非决定性的投资依据。

六、风险与机会

行业风险

1. AI落地不及预期：工业场景复杂，光照、振动、产品批次差异等干扰因素常导致AI模型在达到95%左右准确率后再难提升，无法完全替代人工复判，导致项目陷入“技术演示成功，批量交付困难”的困境。

2. 行业标准缺失：当前工业AI检测领域缺乏统一的行业标准和评价体系，各家企业在“检出率”、“误检率”等指标定义上存在差异，导致行业竞争秩序混乱，部分企业通过夸大宣传获取订单，损害行业信誉。

3. 高成本与长周期：一套完整的AI检测线，包括定制化的软硬件、长达数月的数据采集与模型调优，整体方案成本较高，中小企业预算有限，制约了市场的快速渗透。

公司风险

1. 专利数量与研发投入：45件专利低于行业中位数，可能反映其研发深度或广度有限。在激烈的技术竞赛中，若不能持续投入，保持算法领先优势，技术差异可能被竞争对手快速抹平。

2. 团队规模与抗风险能力：144人的团队规模，在面对大型项目或经济下行周期时，现金流压力和人员稳定性风险较高。一旦核心技术人员流失，项目交付或模型迭代可能中断。

3. 客户集中度风险：主营业务聚焦于电力与白酒行业，高度依赖这两个行业的景气度和数字化转型投资意愿。若两大行业投资放缓或转向其他技术路线，对公司营收将构成直接冲击。公司营收数据未披露，无法判断客户集中度具体数值。

机会窗口

1. 电力行业智能化改造确定性强：国家电网与南方电网持续推进数字化转型，电力线路巡检智能化是刚性需求。四川作为水电大省，本地市场空间较大。公司在省内优先获得电力系统项目的机会。

2. 白酒行业数字化改造窗口期：传统白酒生产（尤其是川酒）正经历从“人工经验”向“机械+智能”的转型，对瓶盖、瓶身、酒液杂质检测的自动化需求迫切。公司依托成渝产业带，服务五粮液、泸州老窖等本地头部酒企，占据地理与行业关系优势。若能绑定1-2家头部酒企形成标杆案例，可快速打开全国市场。