中工互联（北京）科技集团有限公司：工业大模型、工业软件、工业互联网平…、核心元器件与数字硬件专精特新企业档案

中工互联（北京）科技集团深度研报：工业大脑的“轻”装上阵

一、企业速览

企业基础信息：公司名称：中工互联（北京）科技集团有限公司；地区：北京市丰台区；行业：电子组件与系统集成 / 软件和信息技术服务业；成立时间：2018-11-30；注册资本：1360.5442万元；员工规模：34 人；专利数量：未知 件；专精特新认定：2025年 第七批 国家级专精特新“小巨人”企业；上市状态：未上市。

一句话摘要： 中工互联是一家专注于将大模型技术应用于工业场景的软件企业，核心产品是“智工·工业大模型”平台，位于“电子信息与数字技术”产业链的“核心元器件与数字硬件”环节，但更侧重于数字硬件之上的工业软件与智能系统层面。

二、主营产品与产业链定位

中工互联的核心产品并非传统的电子组件或物理硬件，而是工业大模型、工业软件和工业互联网平台。根据企业简介，其主打产品“智工·工业大模型”旨在解决工业生产中的复杂系统控制问题，通过智能信息处理和控制决策，替代或辅助传统的人工操作与自动化逻辑。

产业链定位分析：

在“电子信息与数字技术”产业链中，通常分为“基础元器件（如芯片、传感器）— 核心数字硬件（如工控机、PLC）— 工业软件与系统集成 — 行业应用”四个层次。中工互联的定位，严格意义上属于 “核心数字硬件之上的工业软件与智能系统” 这一层。其产品如工业大模型，是对上层“工业控制系统一体化”的智能化升级，而非生产物理的电子组件。

• 上游依赖： 算力基础设施（如GPU服务器，供应商典型包括浪潮、新华三等）；工业数据采集与传输硬件（如传感器、PLC，供应商典型包括汇川技术、西门子）。
• 下游客户： 电力、化工、食药、装备制造等行业的流程制造和离散制造企业。客户痛点在于传统控制系统（如DCS、SCADA）在处理复杂、多变量、非线性的生产过程时，优化空间有限，难以应对频繁的工况变化。
• 产业链关系： 中工互联的工业大模型可以视为一种“先进控制”算法，它与传统PLC/DCS的关系并非替代，而是互补与支持。它读取底层PLC/DCS的数据，通过模型计算后，再将优化后的控制指令回传给执行机构。这使得传统“核心数字硬件”的表现从“预设执行”进化为“智能决策”。

三、核心工序与技术依赖

基于行业共识，工业大模型与工业软件企业的核心工序并非物理制造，而是研发与模型迭代。其关键步骤与技术依赖如下：

1. 工业数据采集与治理： 从客户现场的PLC、DCS、SCADA、MES等系统中，通过OPC UA、Modbus TCP等标准协议，采集高频时序数据（采样频率通常在毫秒至秒级）、报警事件、生产记录等。数据清洗与标注是最大的工作量，通常占整个项目周期的60%以上。

2. 工业知识图谱构建： 将化工工艺手册、设备操作SOP、维修记录等非结构化文档，转化为结构化知识库。例如，将“反应釜温度超过85℃时，应启动冷却水泵并降低搅拌速率”这一规则，编码为机器可读的图谱。

3. 预训练与微调（P-Tuning）： 在通用大模型基座（如GPT、LLaMA架构）基础上，使用行业数据进行领域适配预训练，再通过提示学习（Prompt Tuning）或低秩适配（LoRA）等技术进行微调，使其获得特定工业场景的“常识”和“推理能力”。此过程对GPU算力消耗巨大，一次70亿参数模型的训练可能需要数十张A100级别GPU运行数天。

4. 模型压缩与边缘部署： 将训练好的大模型进行量化、剪枝等操作，使其能在客户现场的工控机或嵌入式设备上推理。行业共识是，部署模型通常要求在2-4GB显存下运行，单次推理延迟需小于100ms，以满足实时控制要求。

5. 闭环反馈与持续学习： 模型部署后，其输出指令需与现场执行效果形成闭环。通过收集人机交互反馈、设备实际状态变化，持续更新模型参数，避免模型漂移。

上游关键原材料与设备的典型来源：

（来源：行业共识）

中工互联的具体定位： 基于其34人的团队规模和主营记录，中工互联的角色更偏向于应用层算法开发与系统集成。在“核心元器件与数字硬件”这个广义赛道的4023家企业中，它属于上游高端软件部分。其核心竞争力在于对电力、化工等特定行业的工艺理解，并将此转化为大模型的训练策略，而非底层算力硬件或通用基础模型的研发。

四、竞争格局

在工业大模型与工业智能系统这个细分赛道，竞争格局呈现“巨头入局+创业公司差异化”的态势。与中工互联同属一个赛道的典型竞争对手包括：

1. 卡奥斯（COSMOPlat）： 海尔旗下工业互联网平台，规模庞大，已孵化出面向特定领域的工业大模型。依托于家电制造业的深厚积累，其优势在于产业链生态和丰富的应用场景。

2. 树根互联股份有限公司： 三一重工孵化的工业互联网平台，根云平台。在工程机械领域有极强的数据积累和行业Know-How，其工业大模型侧重于设备健康管理和预测性维护。员工规模数千人。

3. 创新奇智科技集团： 专注于“AI+制造”的知名企业，已在港交所上市。其拥有面向制造业的生成式AI平台，提供从视觉检测到智能决策的全栈解决方案。团队规模超过千人，拥有数百项专利。

竞争维度分析：

全国4023家同类企业（核心元器件与数字硬件），竞争主要集中在三个维度：

• 行业Know-How深度： 谁能把化工、电力等行业的隐性知识和专家经验更好地转化为模型训练数据，谁就掌握了核心壁垒。
• 数据与场景获取能力： 与下游大客户（如国电投、中石化）的绑定关系，决定了模型训练数据的质量和独特性。
• 模型效果与成本： 是否能提供可量化的降本增效成果（如能耗降低5%，良品率提升2%），同时控制算力成本，决定商业化落地速度。

专利维度判断： 该公司专利总量未知，而赛道中位数为89件。在缺乏信息的情况下，这是一个风险信号。对于一家2018年成立的公司，至今没有公开可查的专利数据，可能意味着其技术路线尚处于商业化早期，或者核心技术保护依赖于商业秘密而非专利公开。一家以算法和模型为核心的公司，如果没有一定规模的专利申请，其技术护城河的合法性会受到投资者质疑。

五、护城河判断

基于现有数据，中工互联的护城河尚不清晰，且存在明显短板。

• 技术壁垒：低。 未知件的专利数量与行业中位数89件形成鲜明对比。虽然其核心产品是“智工·工业大模型”，但工业大模型领域技术门槛主要在于优质数据和行业理解，而非基础架构创新。缺乏专利意味着其技术上的差异化点难以被量化和保护。主营记录中强调“自训练能力”，这在业内已是通用做法，不构成独特壁垒。
• 客户壁垒：中等，但依赖于合作关系。 核心元器件与数字硬件环节，尤其是工业软件，客户验证周期长（行业共识：从POC到批量采购通常需要6-18个月），切换成本高（涉及MES、ERP等系统深度集成）。一旦进入供应商名单，替换概率较低。但中工互联未披露任何具体客户名单或标杆案例，无法判断其是否已建立起有效的客户粘性。
• 规模壁垒：低。 34人的团队规模对应的是轻量级的研发与交付能力。这个规模的团队通常只能同时执行2-3个中型项目，或者1个大型标杆项目的实施。其营收能力必然受到人力资源的硬性约束。相比之下，竞争对手如创新奇智、卡奥斯拥有千人规模的工程交付团队，能覆盖更大体量的市场。
• 认定价值：中等，政策支持。 第七批专精特新小巨人，在当前政策环境下，意味着企业获得了国家级背书，在融资、税收减免、政府项目投标中享有优先权。2026年成为省级制造业数字化转型服务商，进一步验证了其资源获取能力。但这属于政策支持，并非核心商业竞争力，且随着时间推移，小巨人的标签价值会逐渐稀释。

综合判断： 中工互联是一家典型的“小而美”或“小而灵”的技术初创公司。其护城河目前主要体现在政策认证和创始人可能拥有的特定行业关系上，而非技术或规模优势。在工业大模型这个巨头林立的赛道，其生存空间在于成为大厂不愿触及的长尾市场和中小客户的“工业大脑”外包服务商。

六、风险与机会

• 行业风险：

1. 通用大模型“降维打击”风险： 2025-2026年，以GPT-4o、文心一言为代表的大模型能力持续进化，其通用推理能力在部分简单工业场景（如设备问答、知识检索）上已不输于垂类模型。如果大厂推出低成本的标准化工业应用，将直接挤压中工互联这类垂直厂商的生存空间。（行业共识）

2. 工业数据安全监管趋严： 电力、化工等关键基础设施行业对数据出域（离开本地服务器）的控制极为严格。尽管中工互联提供边缘部署方案，但大模型训练需要海量高质量数据，数据获取将成为持续挑战。近期《工业领域数据安全管理办法（试行）》等文件的实施，进一步提高了门槛。

• 公司风险：

1. 资本结构风险： 注册资本1360.5442万元，实缴资本仅235.8333万元，实缴率约17.3%。这表明公司股东尚未完全履行出资义务，或公司采取的是低实缴资本策略。这在需要大量资金投入算力、数据标注和人才招聘的AI行业，是一个显著的财务风险信号。

2. 证据密度不足： 在第三方公开数据和官网等公开渠道，缺乏足够的产品演示、客户案例、第三方评测报告等证据。投资人很难仅凭“智工·工业大模型”这一名称判断其实际技术水平与市场反馈。

3. 人才流失风险： 34人的团队，任何核心工程师或算法负责人的离职，都可能对公司研发进度造成重大影响。

• 机会窗口：

1. 制造业数字化转型服务商红利： 2026年成为省级制造业数字化转型服务商，意味着公司可以对接地方政府提供的“企业上云”、“智能化改造”专项补贴资金。这部分政策资金可以有效降低客户采购门槛，加速商业模式跑通。

2. “小快灵”的私有化部署需求： 许多中型制造企业预算有限、IT能力弱，既需要AI能力，又无力负担动辄百万级的定制化项目。中工互联34人的团队若能将核心产品封装为标准化的、可快速部署的“工业大脑一体机”，瞄准单价在10-50万元的中小企业市场，有机会开拓一个巨头忽视的蓝海。