全文
回到企业研报阅读路径
企业与对标
从单篇研报进入企业档案、同地区样本、同产业样本和同批次归档。
英文入口
面向海外检索流量,连接英文摘要、英文企业档案和英文索引页。
专题延伸
按申报条件、材料一致性、产业链位置和知识产权继续阅读。
申报材料
把研报中的企业事实转为申请书、复核、审计和附件核验路径。
权威核验
外部链接用于核验政策通知、主体登记、知识产权和公开信用信息。
横向比较
北京市节能环保样本共有 83 家,博锐尚格科技股份有限公司适合放在省内同行、同批次和同链条三个口径中比较。
博锐尚格科技股份有限公司处在节能环保与资源循环的数字软件与工业服务环节,全国同一位置样本为 33 家。
专利数为 232 件,行业样本中位数为 74 件,行业分位约 92。
产业链上下游
数字软件与工业服务
相关企业
同省同行业
同城企业
同产业链位置
一、企业速览
企业基础信息:公司名:博锐尚格科技股份有限公司;地区:北京市西城区;行业:环保数字化服务(数字软件与工业服务);成立时间:2009-03-02;注册资本:7280万元;员工数:168人;专利数:232件;认定批次:2022年 第四批;上市状态:未上市。
博锐尚格聚焦建筑运营领域,利用人工智能、数字孪生等技术为客户提供数智化转型服务,在节能环保与资源循环产业链中处于“数字软件与工业服务”环节。
二、主营产品与产业链定位
博锐尚格的核心产品是其独创的“禹数数字孪生智能服务平台”。该平台整合了物联网、BIM(建筑信息模型)和AI技术,旨在解决大型建筑在运营阶段能耗高、设备管理复杂、运维响应慢等核心痛点。其业务模式是通过数字软件服务,帮助商业地产、大型公共建筑等持有方提升建筑资产的运营效率,实现节能降耗与设备可靠性管理。
在“节能环保与资源循环”产业链中,“数字软件与工业服务”环节承上启下。上游依赖各类传感器、控制器、数据采集器、云计算资源以及BIM建模软件等硬件与IT基础设施。典型供应商包括提供物联网模组的移远通信(行业共识)、提供云服务的阿里云(行业共识)以及提供BIM底层平台的Autodesk(行业共识)。下游则直接服务于大型建筑业主和物业管理方,如万达、万科等商业地产集团。博锐尚格位于产业链的中间层,将上游的技术与硬件集成,转化为下游客户可直接使用的、具备AI分析能力的运维管理决策系统,实现从“硬件采集数据”到“数据驱动决策”的价值闭环。
三、核心工序与技术依赖
作为一家环保数字化服务商,博锐尚格的核心研发与交付工序高度依赖软件工程与数据科学。根据行业典型模式,其关键工序包括:
1. 数字孪生模型构建:基于客户提供的建筑CAD图纸或现场三维扫描点云数据,使用BIM软件(如Revit)建立高精度建筑与设备三维模型。典型要求是模型精度达到LOD300-400级别(行业共识),以准确反映设备尺寸、位置和管线走向。
2. 物联网数据采集与接入:对接现场数以万计的传感器(如温度、湿度、压力、电流传感器)和控制器(如DDC控制器、PLC控制器),配置数据采集与传输协议(如BACnet, Modbus, OPC UA),建立稳定的数据通道。
3. AI算法模型训练:利用历史运行数据和设备标签,训练能耗预测、设备故障诊断、系统优化控制等AI算法模型。例如,针对冷水机组,需要建立基于回水温度、室外湿球温度、负荷率等参数的能效优化模型(行业共识)。
4. 智能控制策略开发:将AI模型与楼宇自控系统对接,开发自动化的节能运行策略,如空调系统的变水温调节、新风系统的动态控制等。
5. 平台集成与部署:将数字孪生模型、实时数据、AI分析结果和控制策略集成到“禹数”平台,完成系统调试、用户权限配置和界面定制。
上游关键原材料和设备的典型来源(行业共识):
| 材料/设备 | 典型供应商(国产) | 典型供应商(进口) | 国产化程度 |
|---|---|---|---|
| 楼宇自控DDC控制器 | 台达、海林自控 | 霍尼韦尔(Honeywell)、江森自控(Johnson Controls)、西门子(Siemens) | 较高,但高端市场仍以进口为主导 |
| 传感器(温湿度、压力) | 聚光科技、汉威科技 | 西门子(Siemens)、E+E Elektronik | 高,国产传感器在通用场景已全面替代 |
| 数据采集与边缘计算网关 | 华为、中兴通讯、研华科技 | 研华科技、倍福(Beckhoff) | 高,国产品牌性能满足多数场景需求 |
| BIM核心建模软件 | 广联达(BIM5D)、品茗科技 | Autodesk(Revit)、Bentley | 较低,底层设计软件主要依赖进口 |
| 云计算服务 | 阿里云、华为云、腾讯云 | AWS、Microsoft Azure | 高,国内云厂商占据主导 |
博锐尚格在其中定位为系统级软件解决方案提供商。从其232件专利、专注于数字孪生和AI技术的企业简介来看,其核心壁垒在于将底层硬件数据进行抽象,并与建筑运维知识相结合的算法和平台架构上,而非硬件制造。这使得其相对轻资产(168人规模),但技术门槛集中在软件开发与模型训练领域。
四、竞争格局
博锐尚格所处的“数字软件与工业服务”赛道,全国共有1578家企业,竞争集中在以下维度:
- 平台能力:能否实现大规模、多业态商业建筑的统一接入和高效管理。
- AI算法深度:节能优化效果的实际能效比(EER值提升百分比)、设备故障预判的准确率。
- 客户粘性:与万达、万科等大客户的长期合作关系和成功案例复用能力。
- 行业理解:对商业地产、超高层建筑、园区等不同场景的差异化运维需求的理解深度。
主要竞争对手包括:
- 广联达(002410.SZ):国内建筑信息化龙头,以造价软件起家,向施工和运维环节拓展。规模远大于博锐尚格(员工超万人),拥有BIM和数字孪生产品线,重点服务建筑施工和智慧城市,在建筑软件生态上更具广度。
- 达实智能(002421.SZ):深圳上市公司,作为建筑智能化解决方案提供商,同时拥有硬件产品(如智能终端、控制器)和软件平台。其“达实大厦”是典型的智慧建筑案例,在客户资源上与博锐尚格有重叠,但更偏向于提供整体解决方案(含硬件)。
- 东方低碳:专注于建筑与工业领域的节能服务公司,提供能源管理平台与节能改造服务。其业务模式更偏向通过合同能源管理(EMC)模式获取收益,与博锐尚格“销售软件与服务”的商业模式有所不同。
在专利维度,博锐尚格232件专利显著高于全国同行业企业中位数89件,显示出其在研发投入和知识产权保护上的领先地位。考虑到北京市环保数字化服务方向仅3家企业被认定为专精特新,博锐尚格在该细分领域中具有先发优势。
五、护城河判断
- 技术壁垒:存在,但需验证方向。232件专利反映了较高的技术密度。结合其主营业务判断,专利方向应集中在数字孪生模型的构建方法、基于AI的节能控制算法、设备故障诊断模型等方面。这构成了一定的技术壁垒,但软件专利的可规避性较强,核心壁垒更在于其模型与特定建筑数据的深度绑定和持续优化效果,这在行业内通常需要2-3年以上的数据积累才能形成(行业共识)。
- 客户壁垒:较高。数字软件与工业服务环节,特别是针对万达、万科这类大型集团客户,客户验证周期长(通常6-12个月试用与POC验证),且一旦系统部署并运行稳定,切换成本极高——不仅涉及平台数据迁移、控制策略重写,更涉及内部运维团队的操作习惯改变。博锐尚格积累的2000余项目服务经验是其最重要的客户基础。
- 规模壁垒:较低。168人的团队规模,对于承担全国范围2000余项目的实施、运维和技术支持而言,是相当精干的。这表明其产品或服务标准化程度较高,或对现场实施依赖较低。但这也意味着其面对大规模定制化需求或快速扩张时,交付能力可能受限。在当前营收未披露的情况下,人均产出效率是评估其盈利能力的关键。
- 认定价值:有效。作为2022年(第四批)认定的专精特新“小巨人”,该资质在当前环境下意味着企业已通过工业和信息化部审核,在专业化、精细化、特色化、新颖化方面得到官方背书。这有助于企业获取地方政府配套资金支持、税收优惠以及银行信贷的便利,并提升在大型国企、央企采购中的竞标优势。
六、风险与机会
- 行业风险:
1. 客户预算波动:环保数字化服务属于“锦上添花”型投资,其预算高度依赖商业地产客户的经营状况和资本开支计划。2023年以来,国内商业地产市场面临空置率上升、租金下行压力,可能导致部分客户推迟或削减对数字运维平台的采购。
2. AI大模型冲击:通用AI大模型的快速发展,可能会大幅降低建筑能耗预测、控制策略生成等算法开发的技术门槛。如果竞争对手能利用大模型快速搭建出性能接近的垂直应用,博锐尚格多年积累的算法护城河可能会被加速侵蚀。
3. 数据安全政策:建筑运营数据涉及能耗、设备运行状态甚至人员活动模式,数据安全与隐私保护法规日趋严格,可能增加合规成本和项目落地难度。
- 公司风险:
1. 规模与效率的匹配度:168人团队支撑2000余项目,需警惕运维服务响应不及时导致的客户满意度下降风险。
2. 客户集中度风险:企业简介中提到积累“万达、万科等大型集团”客户,未披露前五大客户收入占比,若过于依赖单一地产集团,其经营状况波动将直接影响公司收入稳定性。
3. 资本结构:注册资本7280万元,实缴资本7111万元,比例较高,表明股东资本到位情况良好。但作为未上市企业,面向大型地产客户的项目账期通常较长(6个月至1年不等,行业共识),对现金流管理提出挑战。
- 机会窗口:
1. 碳达峰与绿色建筑政策支持:国家持续推进“双碳”目标和绿色建筑标准,如《建筑节能与可再生能源利用通用规范》等强制性标准实施,将要求新建和既有建筑进行能耗监测与能效提升。博锐尚格的数字孪生平台可作为合规和节能改造的核心工具,迎来增量市场。
2. AI结合楼宇控制的落地场景:随着大模型和多模态AI技术的成熟,建筑自控系统从“规则驱动”向“AI预测性控制”升级的趋势明确。博锐尚格在商业楼宇领域积累的2000余项目运行数据,是训练此类AI模型的宝贵资产。如果其能将“禹数”平台与垂域大模型有效结合,有望在商业化落地上形成先发优势。
本研报基于企业数据库字段及公开资料整理,仅供产业研究参考,不构成投资建议、商业背书或专精特新申报结果判断。涉及未披露的客户、收入、利润、产能、良率、市场份额等,本文不作推断。