中科三清科技有限公司：以体系环境预测与大数据治理服务为主…、数字软件与工业服务专精特新企业档案

中科三清科技有限公司：产业链深度研报

一、企业速览

企业基础信息：公司名称：中科三清科技有限公司；地区：北京市海淀区；行业方向：环境监测仪器（节能环保与资源循环）；成立时间：2016-01-11；注册资本：20000万元；员工规模：71人；专利数量：未知件；专精特新认定：2021年 第三批；上市状态：未上市。

中科三清科技有限公司是依托中科院技术背景成立的公司，主营业务为生态环境预测与大数据治理服务。在产业链中，其位于“数字软件与工业服务”环节，核心是为环境监测与管理决策提供软件系统与数据服务。

二、主营产品与产业链定位

中科三清的核心产品是环境空气质量预报预警系统、大气环境超级站综合分析系统、环境智能决策评估系统等。这些系统解决的是大气污染防治链条中从“监测感知”到“管理决策”之间的“数据价值转化”问题。具体而言，其产品将来自气象、环境监测站点等途径的原始数据，通过气象模型、空气质量模型和机器学习算法进行计算与预测，最终输出污染来源解析、未来空气质量变化趋势、重污染应急管控建议等结论。

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：核心依赖两大类输入。一是原始数据，包括气象数据（如风速、气压、湿度）和大气污染物浓度数据（PM2.5、O3、NOx等）。这些数据的来源通常是国家/地方气象局、环境监测站的硬件设备。二是底层计算资源，即高性能计算集群或云计算服务，用于运行复杂的空气质量模型。根据公开信息，中科三清与中科曙光达成了规模较大的关联交易合作，涉及产品销售及采购总额达70.53亿元，表明其在计算资源方面与上游硬件供应商存在深度绑定。
• 下游：客户主要为地方政府生态环境部门、大气污染防治指挥中心、工业园区管委会，以及部分大型工业企业（如钢铁、石化企业）。客户采购这类软件系统，核心目的不是为了排放监测，而是为了进行污染成因分析、空气质量目标管理和重污染天气应急响应。这与硬件设备采购有本质区别，客户更看重软件的预测精度、模型本地化适配能力和决策支持有效性。

与本产业链其他环节的关系：硬件监测设备厂商（如先河环保、聚光科技）解决的是“数据从哪里来”的问题，而中科三清等软件服务商解决的是“数据用来做什么”的问题。二者形成互补，但软件服务环节的价值在于提升了监测数据的应用层次，使其从单纯的合规记录转变为科学治污的决策工具。

三、核心工序与技术依赖

基于“数字软件与工业服务”赛道的行业特点，中科三清这类企业的核心研发与生产流程大致如下（行业共识）：

1. 数据清洗与集成工序：将来源多样（气象站、国控点、卫星遥感、组分站）、格式不一、可能存在缺失或异常的异构数据进行标准化处理。典型参数：数据清洗效率需达到99%以上，分钟级实时数据接入。

2. 模型构建与参数化工序：这是核心技术环节。需要基于大气化学传输机理（如CMAQ、CAMx、WRF-Chem模型），结合本地排放清单（如工业源、移动源、扬尘源等），进行模型参数本地化标定与调优。典型参数：模型水平分辨率需达到1km×1km（城市尺度），预报时效为3-7天。

3. 算法集成与优化工序：在机理模型基础上，集成数据同化技术（如集合卡尔曼滤波）、机器学习算法（如随机森林、深度学习），用于提升预报准确率或进行快速溯源。典型参数：预报准确率（AQI级别）需达到80%-85%以上，溯源解析需识别到具体行业或区域贡献率。

4. 系统集成与可视化工序：将上述模型、算法和后端计算结果，封装成用户友好的交互式软件界面（GIS地图展示、报告自动生成、智能预警推送）。典型要求：系统并发处理能力需支持多用户同时访问，响应时间小于3秒。

5. 业务化运维工序：系统部署到客户机房的服务器上（通常为高性能计算集群）后，需提供长期的数据质控、模型优化和运维保障服务。

上游关键原材料和设备典型来源（行业共识）：

中科三清在此中的定位：基于其企业类型和主营产品描述，中科三清并非硬件制造商，而是一家“模型+算法+系统集成”型服务商。其核心能力在于将上游的国产高性能计算资源（中科曙光）和权威气象数据源，与自研或集成的环境模型相结合，向下游部门提供成品化的软件系统。其71人的团队规模决定了它更依赖精英化的研发团队和成熟的模型框架，而非大规模底层的代码开发。

四、竞争格局

在“数字软件与工业服务”这一产业链位置，全国共有1578家同类企业。竞争主要围绕以下几个维度展开：

• 模型精准度与本地化能力：能否针对不同地区的地形、气候和排放特征，将通用模型“驯化”成精准的本地化预报方案。
• 项目经验与业绩：成功服务过多少个地市级或省级环保部门，是否有重污染应急期间的实战检验案例。
• 全链条服务能力：是否能提供从数据集成、模型构建到系统运维、决策咨询的综合服务。
• 与硬件的绑定程度：是否与主流硬件厂商（如中科曙光、华为）有合作关系，能提供软硬件一体化解决方案。

主要竞争对手（行业共识）：

专利维度对比：中科三清专利数量为“未知件”，而同行业专利数中位数为89件。无论是否因数据缺失，这个信号至少表明，该公司在专利公开和知识产权布局方面可能并未作为优先战略。在依赖模型算法和系统集成的赛道，虽然专利并非唯一壁垒，但低于行业中位数的专利数量可能会在参与某些政府招投标（常设有知识产权评分项）或进行竞争对手防御时处于弱势。

五、护城河判断

1. 技术壁垒：未知件专利数量使得评估其技术壁垒存在困难。但从其主营产品（多模式集合预报系统、溯源技术）判断，其技术方向聚焦于大气污染精准预报与溯源。真正的技术壁垒可能不在于算法本身，而在于长期积累的模型本地化参数库和业务化运行调优经验。例如，针对京津冀、汾渭平原、长三角等不同区域，模型参数的标定需要多年数据积累才能达到高精度。然而，缺乏公开的专利或论文等可见证据，使得外界难以量化评估其技术领先度。

2. 客户壁垒：此领域的客户壁垒较高（行业共识）。原因有三：①验证周期长：一套环境预测预警系统从部署到稳定运行，平均需要1-2个完整年度的冬季污染过程检验，用户才会真正信任其预报准确率。②切换成本高：环保部门的决策支持系统一旦上线，与其日常业务流程（如应急会商、简报生成）深度绑定，且领导层对数据有认知习惯，更换系统的隐性成本和行政压力巨大。③数据依赖性：长期的运行数据（如历年污染案例、预报回溯分析）储存在系统内，形成独家数据资产，新进入者难以复制。

3. 规模壁垒：71人的团队规模在所有专精特新企业中属于偏小规模。这意味着其人均产出和项目承接能力存在硬性天花板。一个中等规模的地市级项目通常需要部署3-5人的现场运维团队，加上后台的模型、算法和前段开发人员，71人的团队最多能同时支撑10-15个左右的深度服务型项目。一旦业务扩张，需要快速扩充团队，对人才招聘和管理构成挑战。这个规模在研发投入上也受限制，可能更倾向于应用集成而非底层技术研发。

4. 认定价值：中科三清于2021年获得第三批国家级专精特新“小巨人”企业认定。这反映了其在细分领域（大气环境数字软件服务）的技术实力和市场地位获得官方认可。认定带来的价值包括：①品牌背书，有助于在政府项目中获得加分；②可能获得中央财政的奖补资金支持；③在信贷融资等方面获得政策倾斜。考虑到认定需进行复核，如何持续满足专精特新“小巨人”关于创新能力、质量效益等维度的动态考核，也是公司需要面对的课题。

六、风险与机会

行业风险：

1. 财政预算波动风险：大气环境治理软件服务的核心客户是地方政府及其环保部门。环保财政支出受地方财政状况影响较大。在经济下行周期，地方政府压缩非刚性支出的可能性增加，可能导致新项目延期或预算削减。据行业观察，部分三四线城市在2024年已出现环保信息化项目延期招标的情况。

2. 技术同质化竞争风险：随着AI大模型、云计算的广泛应用，进入环境决策软件领域的门槛正在降低。大量AI初创企业和云厂商（如阿里云、百度智能云）在利用通用AI能力切入环保数据服务市场，可能导致行业平均利润率下降。

3. 政策导向变化风险：近年来国家大气治理已从“全面治霾”转向“减污降碳协同增效”。未来政策重点如果从“精细化管控”转向“碳排放核算”，公司现有的以PM2.5、O3为核心的大气预测模型优势可能面临挑战，需要及时拓展碳排放监测与核算相关的软件能力。

公司风险：

1. 团队规模与业务承载风险：前面已分析，71人的团队规模是未来增长的瓶颈。一旦出现核心技术人员流失，或在项目高峰期人手不足，可能影响项目交付质量和客户满意度。

2. 关联交易高度集中风险：公开信息显示其与中科曙光关联交易规模巨大。虽然交易基于市场价，但高度依赖单一硬件合作方，可能削弱其采购议价能力，并使其业务与中科曙光的战略绑定过深，缺乏独立性。

3. 研发成果可见度低：专利数量未知，未披露研发投入具体数据。在资本市场和项目招投标日益重视知识产权能力（如ISO标准、软著数量、专利布局）的背景下，这构成一个潜在的风险信号。

机会窗口：

1. “双碳”目标下的碳监测与核算需求：国家正在大力推进碳排放监测、核算、报告和核查体系的建设。中科三清在大气成分分析、数据溯源和同化方面的技术积累，可以天然延伸到温室气体（如CO2、CH4）的监测、溯源和趋势预测。若能率先推出“碳-气协同治理决策支持系统”，将打开全新的增长空间。

2. 基层环保能力建设的下沉市场：近年来，国家要求将大气污染防治责任压实到县区级。大量区县级政府环保部门缺乏独立的、专业的软件工具来支撑治污决策。这部分下沉市场是典型的“专精特新”企业机会。中科三清如果能将现有复杂系统进行“轻量化、SaaS化”改造，降低价格和使用门槛，有望在1000多个县级行政区的环保市场中获得先发优势。