触景无限科技（北京）有限公司：增强现实技术与产品开发、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：触景无限科技（北京）有限公司；地区：北京市海淀区；行业：工业互联网与物联网；成立时间：2010-02-11；注册资本：3000万元；员工数：57人；专利数：73件；认定批次：2022年 第四批；上市状态：未上市。

触景无限科技是一家聚焦“AI for Science”理念的工业智能化企业，以科学大模型和工业智能体为核心产品，服务于电力、能源等领域的数字基础设施建设。在“电子信息与数字技术”产业链中，其定位是数字软件与工业服务环节，核心价值在于将前沿AI技术转化为工程化的垂直行业解决方案。

二、主营产品与产业链定位

触景无限科技的核心产品并非传统的单一软件或硬件，而是融合了“物理大模型”与“智能传感器”的工业智能体。根据企业简介和经营范围推断，其产品与服务主要解决以下产业链核心问题：将工业现场的海量异构数据（如设备振动、温度、电流、视觉图像），通过边缘侧的智能传感器进行采集和预处理，再经由部署在云端或边缘端的科学大模型进行推理分析，最终转化为对设备状态、生产流程的预测性维护指令或优化决策。 这直接降低了工业客户对高成本专家的依赖，缩短了故障诊断与处置的响应时间。

在“电子信息与数字技术”产业链中，触景无限所处的“数字软件与工业服务”环节是一个承上启下的关键节点：

• 上游：主要包括AI芯片（如英伟达、华为昇腾）、传感器核心元器件（如MEMS传感器、CMOS图像传感器——行业共识）、基础计算平台（如X86服务器、ARM架构边缘盒子）以及通用AI框架（如PyTorch、TensorFlow）。这些构成了智能体运行的计算底座和感知入口。
• 下游：直接客户为电力、能源、通信、智慧城市等领域的大型企业或系统集成商。这些客户关注的是资产利用率、运维成本和生产安全，其采购决策周期长，对产品的稳定性和行业理解深度要求极高。
• 与其他环节的关系：触景无限的价值在于，它通过物理大模型（区别于通用的语言大模型）将下游行业的专业机理知识（如电力设备的热力学模型、流体力学方程）与上游的通用算力和标准传感器进行绑定，从而在工控系统（如PLC、DCS）之上，构建了一个可实时交互、自我学习的智能决策层。它不替代PLC做实时控制（这是硬件层面的核心），而是在其上层解决“预判什么时候坏、什么时候该修”的问题。

三、核心工序与技术依赖

对于触景无限这类提供工业智能体解决方案的企业，其核心研发与交付工序并非传统意义上的生产制造，而是“模型开发-工程化-现场部署”的闭环。典型工序（行业共识）包括：

1. 物理机理建模：针对具体工业场景（如变压器油温预测），构建基于偏微分方程或物理信息的神经网络（PINN）。典型参数：模型训练需要覆盖该设备至少6-12个月、覆盖全工况（负载、温度、天气）的运行数据，模型推理精度需达到95%以上方可交付。

2. 边缘端模型压缩与部署：将百GB级别的云端大模型，通过剪枝、量化（如从FP32压缩到INT8）等手段，压缩到边缘计算设备（如NVIDIA Jetson系列）上可运行的版本。典型参数：模型推理延迟需控制在100毫秒以内，以适应工业实时性要求。

3. 多模态数据融合与异构计算：在边缘侧同时处理视觉（图像/视频）、振动（时序信号）、温度（点数据）等不同类型数据，并调用CPU、GPU、NPU进行协同计算。

4. 现场验证与迭代优化：在客户现场进行“影子模式”运行（即只做推理，不介入控制），与现有运维模式并行，持续收集新数据，利用在线学习或联邦学习技术微调模型。

5. 工业智能体平台集成：将上述能力打包成一个标准化的软件套件，能够接入客户现有的MES、EAM或第三方物联网平台。

其上游关键原材料和设备的典型来源如下（行业共识）：

基于其73件专利、聚焦“AI for Science”和“物理大模型”的描述，以及覆盖电力、能源等领域的业务范围，触景无限在这一链条中的具体定位是垂直行业模型应用的“集成与工程化专家”。它不依赖自研芯片或传感器，而是通过高效的数据处理、模型压缩和场景适配能力，将上游的通用AI能力转化为下游重资产行业的专用工具。

四、竞争格局

在“数字软件与工业服务”这一细分赛道，全国共有1578家同类企业，竞争激烈。触景无限面临的典型竞争对手包括：

竞争主要集中在以下几个维度：

1. 行业Know-How的深度：是否拥有某个垂直行业（如电网、风电）的长期数据积累和模型验证经验。

2. 模型泛化与迁移能力：能否将在一个场景训练好的模型，快速、低成本地迁移到另一个相似场景（如从火电厂风机到化工厂泵机）。

3. 工程化交付能力：是否能保证模型在现场环境复杂、数据质量不佳的情况下依然稳定运行。

4. 客户生态与渠道能力：是否与大型央企（如国家电网、华能集团）建立了稳定的长期合作关系。

在专利维度，触景无限拥有73件专利，低于全国同赛道企业中位数（89件）。考虑到57人的团队规模，其人均专利数（1.28件/人）并不算低。但低于中位数表明，其技术布局的广度或密度可能处于行业平均偏下水平。这可能意味着其技术护城河并非建立在海量专利壁垒上，而是更依赖于特定应用场景的工艺诀窍（Know-How）和客户关系。

五、护城河判断

• 技术壁垒：中等偏弱。73件专利的绝对数量在行业中不占优势，且低于中位数。从公开描述的“物理大模型”、“多学科模型”来看，专利方向可能集中在模型算法、数据处理方法和边缘计算架构上。这类专利的“杀伤力”通常不如基础结构材料或核心器件专利强，被绕开的可能性较大。真正的壁垒可能在于其对小样本学习或物理信息神经网络（PINN） 在特定场景的工程化调优经验，这些难以通过专利完全体现。

• 客户壁垒：中高。数字软件与工业服务环节的客户壁垒很高（行业共识）。原因有三：一是验证周期长，一个能源客户的PoC（概念验证）项目可能长达6-12个月，从试点到全集团采购又是1-2年；二是信任成本高，AI模型直接介入甚至指导设备运维，要求客户对供应商的技术稳定性极度信任，初次合作获客成本极高；三是切换成本高，一旦模型基于特定客户的设备数据和运维机制训练成熟，更换供应商意味着要重新进行数据清洗、模型训练和验证，代价巨大。触景无限若已锁定几个核心头部客户，将形成很强的先发优势和粘性。

• 规模壁垒：极低。57人的团队规模是典型的初创型或精品型工作室配置。这意味着其在同时服务多个大型项目、进行全国范围市场开拓、以及承担大型央企“总包”型项目时，都会面临严重的交付瓶颈。这种规模决定了其业务模式大概率是“小快灵”的项目制或聚焦于几个特定客户，难以支撑起大规模的平台化业务扩张。

• 认定价值：具有一定含金量但非决定性因素。作为第四批（2022年）专精特新“小巨人”企业，该认定表明其符合国家在专业化、精细化、特色化、新颖化方面的政策导向，特别是在工业软件和AI应用领域的“补链强链”价值。这有利于其获得政策补贴、税收优惠和银行信贷支持，在招投标中也能作为资质加分项。但鉴于全国此类企业已超万家，该标签已非稀缺资源，无法直接转化为市场定价权。

六、风险与机会

• 行业风险：

1. 工业AI落地的“长尾”困境：工业场景极度碎片化，每个工厂的设备、工况、数据质量都不同。即便有强大的物理大模型，后续的场景适配和模型微调成本依然高昂，导致项目难以规模化复制和盈利。这是整个工业互联网行业面临的普遍难题。

2. 算力成本与依赖性：当前最前沿的工业AI模型仍高度依赖英伟达的高端GPU。出口管制可能随时影响其模型训练和边缘端部署的算力供给与成本，尤其是在需要大算力的预训练环节。

3. 数据安全与隐私合规风险：电力、能源行业属于关键基础设施，客户对数据“不出园区”、“不上公有云”的要求极高。这限制了触景无限利用海量数据持续优化模型的能力，其技术优势难以像互联网行业一样形成数据飞轮。

• 公司风险：

1. 团队规模过小：57人的团队支撑“AI for Science”的宏大愿景，研发、工程、销售、售后全部依赖少数核心人员，抗风险能力弱。一旦关键技术人员流失或核心项目延期，公司运营可能遭遇严重危机。

2. 财务数据不透明：营收、利润及核心客户名单均未披露，无法评估其商业模式的健康度和现金流状况。这是投资者最应关注的“灰犀牛”。

3. 市场挤压风险：上游的华为、百度，下游的大型国企IT子公司，以及同赛道的并购整合，都可能持续挤压其生存空间。其“小而美”的定位在巨头碾压下极易被取代。

• 机会窗口：

1. “设备全生命周期资产管理”的合规刚需：随着电力市场化改革和“双碳”目标推进，电力、能源企业对其核心设备（如风电机组、燃气轮机、特高压变压器）的预测性维护需求正从“选做”变为“必做”。政策要求资产利用率、故障率等指标持续优化，为企业提供了明确的预算和业务入口。

2. 国产化替代的加速窗口：在中美科技竞争背景下，电力、能源等央企的“信创”和“国产化替代”需求极为迫切。触景无限若能在其核心产品上做到全栈国产化（如适配华为昇腾平台），将有机会在大型央企的集采中，替代掉此前使用的IBM、GE等国际巨头的相关服务方案，实现弯道超车。