北京万界数据科技有限责任公司：电子信息设备、通信设备的研发与制造、数字软件与工业服务专精特新企业档案

北京万界数据科技有限责任公司：产业链深度研报

一、企业速览

企业基础信息：公司名称：北京万界数据科技有限责任公司；地区：北京市石景山区；行业方向：工业软件与信息服务；成立时间：2014-05-23；注册资本：1000万元；员工规模：39人；专利总数：22件；专精特新认定：2024年 第六批；上市状态：未上市。

北京万界数据科技有限责任公司（以下简称“万界数据”）是一家专注于数据处理和存储支持服务、数字技术服务的软件企业。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，核心是为下游产业提供数据模型管理与协同优化的技术平台。

二、主营产品与产业链定位

万界数据的主营业务并非传统的硬件制造，而是侧重于数据价值的挖掘与应用。根据其公开业务范围，其核心产品与服务包括：万界模型服务平台、AI旅游宝软件，以及针对机器学习的数据模型管理系统和训练模型多端协同优化系统。

在“电子信息与数字技术”产业链中，“数字软件与工业服务”环节起到的是“大脑”和“神经中枢”的作用。该链条的典型逻辑是：上游的算力基础设施（如GPU服务器、数据中心）提供算力基础；中游的数字软件与工业服务（如万界数据）提供算法、模型和数据管理平台；下游的应用场景（如智能制造、智慧旅游、金融科技等）使用这些软件和服务提升效率。

具体而言：

• 上游：需要采购或租用云计算服务（如阿里云、华为云）、高性能计算芯片（如NVIDIA A100）、以及数据存储设备。万界数据需要的不是具体的原材料，而是算力和存储资源。
• 下游：客户主要是需要进行数据资产化和业务智能化升级的企业。例如，在智能制造领域，下游客户可以是SMT（表面贴装技术）工厂；在智慧旅游领域，客户可以是景区或旅游平台。万界数据已联合多家企业发起“SMT·AI+产业智能共同体”，明确指向了SMT制造业的智能化改造场景（信息来源：企业简介）。

与产业链其他环节的关系：万界数据不生产数据，也不直接是最终用户。它提供的是将原始数据转化为可用的模型和智能决策的工具链。它从上游获取算力，对下游客户的业务数据进行清洗、标注、建模、训练和部署，最终交付一个能够提升下游客户生产效率或服务质量的AI模型或数据管理系统。

三、核心工序与技术依赖

作为一家工业软件与信息服务企业，万界数据的“生产”过程是智力与算力的密集投入。其核心工序（行业共识）包括：

1. 业务理解与数据采集：与下游客户（如SMT工厂）深度沟通，理解其生产流程（如锡膏印刷、贴片机、回流焊）中的痛点。然后，从MES（制造执行系统）、AOI（自动光学检测）等设备上采集海量生产数据，如温度曲线、压力值、良品率等。

2. 数据清洗与预处理：原始数据通常包含噪声和异常值。该步骤需要剔除无效数据，补全缺失值，并对数据进行标注（如将PCB板上的焊点标注为“合格”或“缺陷”）。该环节工作量大，需要耗费大量人力与计算资源，理想状态下占用项目周期的60%以上。

3. 模型设计与训练：根据业务目标（如“预测贴片机抛料率”），选择或设计合适的机器学习/深度学习模型。使用经过预处理的训练数据集，在前述的算力平台上进行模型训练。典型参数：训练轮次可能需要数千甚至上万次，学习率通常设置在0.001到0.0001之间。

4. 模型评估与优化：使用测试数据集对训练好的模型进行评估，核心指标包括准确率、召回率、F1值（综合评估分类模型性能的指标）等。根据评估结果，调整模型结构或超参数，进行多轮迭代优化。

5. 模型部署与集成：将最终优化好的模型“封装”，并通过API（应用程序编程接口）或微服务的方式，部署到客户的MES或CPS（信息物理系统）中。同时，需要开发一套“训练模型多端协同优化系统”，确保模型能在边缘端（如工厂的工业电脑）和云端（如私有云）之间协同工作。

上游关键材料与设备依赖：

万界数据的定位： 从专利名称“训练模型多端协同优化系统”和“面向机器学习的数据模型管理系统”来看，万界数据的技术重心并非底层框架或芯片，而是模型的管理、部署和协同优化，属于“工业软件与信息服务”中的“模型工程化”环节。其22件专利（低于行业中位数93件），表明其在算法创新上的积累有限，可能更侧重于软件工程化能力。

四、竞争格局

在“数字软件与工业服务”这一赛道，全国共有1578家同类企业。竞争主要集中在以下几个维度：

1. 算法与技术深度：能否解决特定工业场景（如SMT良率预测）的核心难题。

2. 行业Know-How：对制造业具体工艺的理解深度，以及将AI与业务流结合的能力。

3. 平台化能力：能否提供从数据标注到模型部署的综合平台，降低客户的使用门槛。

4. 客户粘性与资源：手中掌握的客户案例和行业资源。

主要竞争对手：

在专利维度，万界数据的22件专利远低于全国同产业链位置企业的中位数93件。这表明：

• 技术壁垒相对薄弱：其技术的“护城河”不在于底层算法专利矩阵，而更可能在于项目经验积累和特定的数据处理软件工具链。竞争对手可以更容易地通过研发达到类似效果。
• 研发投入强度存疑：39人的团队和22件专利，暗示其研发投入（人员和资金）可能有限，在面对头部竞争对手（如滴普科技）的全栈能力时，可能显得力不从心。

五、护城河判断

1. 技术壁垒：较低。22件专利，且集中在“面向机器学习的数据模型管理系统”等软件工程层面，缺乏核心算法专利。这意味着竞争对手可以通过开源框架和自行开发类似工具来规避其技术壁垒。其技术优势更多体现在对特定场景（如“SMT·AI+”）的定制化开发和项目交付能力上，而非颠覆性技术突破。

2. 客户壁垒：中等。行业共识是，数字软件与工业服务领域，客户一旦完成系统部署和数据打通，切换成本会显著提高。因为模型和系统与客户的生产流程、数据标准深度绑定。这意味着如果万界数据能成功切入一家SMT工厂，并在其产线上验证了模型的可靠性，这家工厂更换供应商的意愿和成本会很高。壁垒的强度取决于系统绑定深度和客户满意度。

3. 规模壁垒：弱。39人的团队规模，在一个需要大量算法工程师、软件工程师和项目经理的领域，其研发和交付能力存在天花板。一个典型的AI+工业项目，从调研到上线可能需要3-6个月，投入5-10人。39人团队同时承接的项目数量有限，限制了其营收规模和市场拓展能力。未见其有外包模式或其他扩大交付能力的明确举措。

4. 认定价值：具有信号意义，但非绝对优势。2024年成为第六批国家级专精特新“小巨人”企业，在当前政策环境下，意味着：（1）在地方上更容易获得财税优惠、融资便利和政府采购倾斜；（2）获得了一张有益的“信用名片”，有助于在商业谈判中建立初步信任。但专精特新的评审标准并非只看硬核技术，也看重“补链强链”的市场定位。万界数据专注的“SMT·AI+”领域，确实是制造业智能化升级的细分方向，具有政策导向价值。

六、风险与机会

行业风险：

1. 大模型带来的范式变革：通用大模型（如GPT系列）的巨大成功，正在改变AI行业的格局。工业软件领域也面临被大模型重构的风险。如果出现一个通用的、能理解工业图纸和SOP的AI Agent，可能直接绕过万界数据这类提供定制化模型管理平台的中介，直接服务于下游工厂。

2. 头部大型厂商的挤压：阿里、华为、腾讯等云厂商均在大力发展自己的AI PaaS平台，提供从算力到算法、模型库的完整服务。这些巨型玩家拥有巨大的资金、人才和生态优势，对万界数据这类中小型软件企业形成“降维打击”式的竞争压力。

公司风险：

1. 收入与盈利数据严重缺失：未披露任何营收和利润信息。在39人团队和22件专利的背景下，向资本市场证明其可持续的商业价值是最大的挑战。没有清晰的财务数据，其作为“小巨人”的价值难以准确评估。

2. 资本结构与抗风险能力：注册资本和实缴资本均为1000万元，属于有限责任公司。未披露任何融资历史（如种子轮、A轮等），可能意味着其发展主要依赖项目收入或创始人自有资金。面对行业大客户的长账期和项目风险，1000万的实缴资本抗风险能力非常有限。

机会窗口：

1. SMT行业智能化升级的细分蓝海：万界数据联合发起“SMT·AI+产业智能共同体”，踩准了3C电子制造、汽车电子等行业对高质量、高良品率、柔性生产的极致需求。SMT产线的AI质检、工艺参数优化、设备预测性维护等场景，是典型的高价值、低互联网渗透率的“深水区”，中小型软件公司凭借对细分工艺的深入理解，仍有机会建立根据地。

2. 国家对“数据要素×”和“人工智能+”的政策支持：2024年政府工作报告明确提出开展“人工智能+”行动，而数据作为新型生产要素其价值被持续强调。万界数据的“数据处理和存储支持服务”、“数据模型管理系统”等业务，正是“数据要素×工业制造”的具体实践。若能在政策扶持下，参与地方智算中心建设或数据交易所的生态合作，有机会获得额外的项目资源和资金支持。