計算機行業深度報告：ChatGPT引領AI突破工業AI前景可期-230404（28頁）.pdf

1、 ChatGPT 引領 AI 突破，工業 AI 前景可期 Table_CoverStock 行業深度報告 Table_ReportTime2023 年 1 月 30 日 龐倩倩 計算機行業首席分析師 鄭祥 計算機行業研究助理 執業編號：S1500522110006 郵箱： 郵箱： 請閱讀最后一頁免責聲明及信息披露 2 證券研究報告 行業研究 行業深度報告 計算機計算機 行業行業 投資評級投資評級 看好看好 上次評級上次評級 看好看好 龐倩倩 計算機行業首席分析師 執業編號：S1500522110006 郵箱： 鄭祥 計算機行業研究助理 郵箱： 信達證券股份有限公司 CINDA SECURITI

2、ES CO.,LTD 北 京 市 西 城 區 鬧 市 口 大 街9號 院1號 樓 郵編：100031 ChatGPTChatGPT 引領引領 AIAI 突破，工業突破，工業 AIAI 前景可期前景可期 Table_ReportDate 2023 年 4 月 4 日 本期內容提要本期內容提要:ChatGPT 引領引領 AI 突破突破，伴隨通用伴隨通用 AI 技術同工業領域融合應用的滯后周技術同工業領域融合應用的滯后周期不斷期不斷縮短，縮短，工業工業 AI 應用應用落地進展有望加速。落地進展有望加速。ChatGPT 通過突破性的“Transformer 架構大模型+RLHF（人類反饋強化學習）算法

3、”帶來自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升，掀起 AI 產業一輪新高潮。工業領域因對 AI 可解釋性等嚴苛要求導致技術創新與應用落地錯位時間相對較長，但隨著人工智能技術可用性增強及工業信息化水平的大幅提升，近年通用 AI 技術的工業落地間隔由 20 年逐步縮短至小于 5 年，伴隨 ChatGPT 帶來的通用 AI 大模型突破，工業 AI 亦有望迎來快速發展。研發設計環節：研發設計環節：AI 可賦能創成式設計、仿真優化、電子設計優化等可賦能創成式設計、仿真優化、電子設計優化等。CAD領域領域：通過 AI 賦能，工程師可通過交互方式向設計軟件指定他們的要求和目標，創成式引擎

4、將自動生成設計方案，目前 AI 驅動的創成式設計功能已在Siemens Solid Edge、PTC Creo 及 Autodesk FUSION 360 等主流 CAD 產品中使用。CAE 領域：領域：AI 可賦能仿真優化，提升仿真效率，而工業數字孿生通過仿真運行生成數據，又可反哺工業 AI 模型訓練，目前微軟 Project Bonsai 正使用 Ansys Twin Builder 仿真軟件創建設備或流程的數字孿生，以助力其模型訓練。EDA 領域：領域：AI 可有效賦能 EDA 工具，大幅提升設計生產效率及設計產品的 PPA（功耗、性能、面積），Cadence 于 2021 年推出的AI

5、 驅動的 EDA 設計工具 Cerebrus 較傳統 EDA 產品可實現 10 倍的生產效率提升和設計產品 20%的 PPA（功耗、性能、面積）提升。我們認為，我們認為，AI 賦賦能帶來的能帶來的 CAD/CAE/EDA 等研發設計軟件能力提升，有望同步提升其軟件等研發設計軟件能力提升，有望同步提升其軟件價值量，進一步打開研發設計類軟件更高市場天花板。價值量，進一步打開研發設計類軟件更高市場天花板。生產運維環節生產運維環節：AI 可賦能早期缺陷檢測、可賦能早期缺陷檢測、預測性維護、產品質量分析預測性維護、產品質量分析、生、生產預測產預測等等。早期缺陷檢測方面：早期缺陷檢測方面：AI 可使用實際

6、運營數據，根據各種參數有效預測資產狀況，使工程師在資產發生故障前就能關注并維護資產；預測性維預測性維護方面：護方面：AI 模型可使用來自設備端的運行數據，并根據這些數據對預測性維護進行科學規劃，同時工程師可通過 AI 持續監控設備運行狀態，大幅減少人工監控時間，有效降低資產設備維護成本；產品質量分析方面：產品質量分析方面：通過機器視覺能夠找出會被肉眼漏過的缺陷，提高質量分析效率，同時 AI 還可用于檢測運行環境中的異常，從而改進質量流程；生產預測方面：生產預測方面：企業可通過準確收集生產時序數據和關聯的生產參數創建 AI 預測模型，并通過生產流程仿真生成數據優化模型，通過這些模型找出生產過程中

7、發生異常的原因及潛在問題，并持續修改資源規劃策略，達到精益生產目的。以上只是 AI 在生產運維環節已經應用的部分功能，伴隨 AI 模型算法能力進一步加強，AI 在生產運維環節的應用廣度和深度亦有望進一步提升。經營管理環節經營管理環節：AI 可賦能可賦能 CRM、SCM、ERP 等經營管理類軟件等經營管理類軟件。CRM 領領域：域：AI 可通過幫忙編寫回復客戶郵件、提升虛擬客服交流能力、通過語言交互方式幫助銷售人員準確分析和定位特定客戶群體等方式大幅提升客戶關系管理和營銷管理效率；SCM 領域：領域：AI 可通過主動對影響供應鏈流程的事件發出告警，并預測篩選出受影響的訂單和自動郵件反饋供應商等方

8、式大幅提升供應鏈敏捷性，此外 AI 還可助力企業招投標信息、商品價格信息、競品信息等市場信息采集分析，提升企業供應鏈決策有效性。ERP 領域：領域：AI 可在財務領域、信息采集等多場景提升 ERP 產品能力。工業互聯網平臺匯聚算力、算法、數據和應用，是工業工業互聯網平臺匯聚算力、算法、數據和應用，是工業 AI 的絕佳入口的絕佳入口。工業互聯網平臺的本質是通過工業互聯網網絡采集海量工業數據，并提供數UZgUgVUZgUiXsRsRoMaQaO8OnPpPpNpMiNpPmQiNnNrP7NmMzQvPnMtOxNtPrR 請閱讀最后一頁免責聲明及信息披露 3 據存儲、管理、呈現、分析、建模及應用

9、開發環境，匯聚制造業企業及第三方開發者，開發出覆蓋產品全生命周期的工業 APP 應用，以提升工業生產經營效率。工業互聯網平臺匯聚了算力、數據、工業互聯網平臺匯聚了算力、數據、算法及應用場景的算法及應用場景的 AI 全要素，全要素，有望成為工業有望成為工業 AI 融合應用的絕佳入口。融合應用的絕佳入口。此外，工業互聯網平臺的重要能力之一是通過封裝在其 PaaS 平臺層的大量通用的行業 Know-how 知識經驗或知識組件以及算法和原理模型組件，以低代碼方式構建上層工業 APP 應用，而 ChatGPT 代碼生成能力的跨越式進步有望重塑工業代碼生成能力的跨越式進步有望重塑工業 PaaS 低代碼開發

10、平臺低代碼開發平臺，有望使得非程序員的工程師能夠使用自然語言指令進行零錯誤的工業有望使得非程序員的工程師能夠使用自然語言指令進行零錯誤的工業 APP開發，大幅提升工業互聯網平臺的應用創建能力、降低應用開發成本。開發，大幅提升工業互聯網平臺的應用創建能力、降低應用開發成本。建議重點關注：研發設計環節：建議重點關注：研發設計環節：中望軟件（CAD/CAM/CAE/BIM）、廣聯達（BIM）、盈建科（BIM/CAD/CAE）、霍萊沃（CAE）、華大九天（EDA）、概倫電子（EDA）、廣立微（EDA）；生產制造環節：生產制造環節：中控技術、賽意信息漢得信息、鼎捷軟件、寶信軟件；運維服務環節：運維服務環

11、節：容知日新；經營管理環節：經營管理環節：金山辦公、泛微網絡、致遠互聯、遠光軟件、金蝶國際、用友網絡；工業互工業互聯網平臺：聯網平臺：能科科技、東方國信、軟通動力。風險提示：風險提示：1.工業工業 AI 應用落地進展不及預期：應用落地進展不及預期：工業 AI 高價值應用通常集中在與機理強融合的場景，且具有碎片化特點，同時工業具有對 AI 可解釋性等嚴苛要求，存在應用落地進展不及預期風險。2.行業市場競爭加劇風險：行業市場競爭加劇風險：若行業市場競爭加劇，可能導致產品價格下跌等。3.工業工業 AI 大模型發展進程大模型發展進程不及預期：不及預期：工業 AI 大模型的訓練需要海量工業數據，存在模型

12、訓練和發展進程不及預期的風險。請閱讀最后一頁免責聲明及信息披露 4 目 錄 一、ChatGPT 引領 AI 突破，工業 AI 應用前景可期.5 1.1 通用 AI 技術工業領域落地周期逐步縮短，帶動工業 AI 應用發展提速.5 1.2 工業 AI 應用場景貫穿工業研發設計、生產制造、經營管理等全環節.6 二、應用場景透視：“AI+”助力傳統工業軟件效率提升.7 2.1 研發設計環節：“AI+”可賦能創成式設計、仿真優化、電子設計優化等.7 2.1.1CAD：AI 賦能創成式設計，CAD 軟件價值量有望同步提升.7 2.1.2CAE：AI 賦能仿真優化及工業數字孿生，工業數字孿生反哺 AI 模型

13、訓練 8 2.1.3EDA：AI 賦能 EDA 工具，可大幅提升設計效率及設計產品性能.10 2.2 生產運維環節：“AI+”可賦能早期缺陷檢測、預測性維護、產品質量分析等 11 2.3 經營管理環節：“AI+”可賦能 CRM、SCM、ERP 等經營管理類軟件.14 2.3.1CRM：AI 可助力銷售人員快速響應，并升級市場營銷體驗.14 2.3.2SCM：AI 可提升供應鏈敏捷性，并通過數據采集分析提升決策有效性16 2.3.3ERP：AI 可在多場景提升 EPR 產品能力.18 三、工業互聯網平臺匯聚 AI 要素，有望成為工業 AI 絕佳入口.20 3.1 工業互聯網平臺匯聚算力、算法、數

14、據和應用，是工業 AI 的絕佳入口.20 3.2ChatGPT 代碼生成能力有望重塑工業 PaaS 低代碼平臺.21 四、重點關注標的及投資建議.23 風險因素.25 表 目 錄 表 1：重點關注標的.23 圖 目 錄 圖 1：通用領域 AI 及工業 AI 技術發展歷程.5 圖 2：工業 AI 應用場景分布.6 圖 3：創成式設計工作流程.7 圖 4：PTC Creo 產品采用 AI 驅動的創成式設計擴展功能.8 圖 5：生產制造場景下的仿真類型.9 圖 6：微軟 Project Bonsai 使用數字孿生方式生成數據助力其 AI 模型訓練.10 圖 7：Cadence 基于 AI 的 EDA

15、 產品 Cerebrus 可大幅提升設計效率及設計產品性能11 圖 8：AI 在工業企業生產運維環節部分應用場景分析.12 圖 9：Uptake 的工業 AI 和物聯網服務架構.13 圖 10：AI 能幫忙編寫給客戶的電子郵件回復.14 圖 11：AI 可提升虛擬客服交流能力.15 圖 12：AI 可助力營銷人員準確定位特定客戶群體.16 圖 13：AI 可提升供應鏈敏捷性并降低供應鏈風險.17 圖 14：泛微“千里聆”信息采集智能機器人產品架構.18 圖 15：漢得集團管控業務版圖.19 圖 16：工業互聯網平臺是工業 AI 的絕佳入口.20 圖 17：西門子 MindSphere 工業互聯

16、網平臺部分 AI 應用.21 圖 18：微軟將 AI 能力融入低代碼開發.22 請閱讀最后一頁免責聲明及信息披露 5 一、一、ChatGPTChatGPT 引領引領 AIAI 突破，工業突破，工業 AIAI 應用應用前景可期前景可期 1.1 通用通用 AI 技術工業領域落地周期逐步縮短，帶動工業技術工業領域落地周期逐步縮短，帶動工業 AI 應用發展提速應用發展提速 ChatGPT 引領通用引領通用 AI 大模型突破，伴隨通用大模型突破，伴隨通用 AI 技術同工業領域融合應用的滯后周期不斷技術同工業領域融合應用的滯后周期不斷縮短，工業縮短，工業 AI 應用亦有望迎來快速發展。應用亦有望迎來快速發

17、展。ChatGPT 是由人工智能研究實驗室 OpenAI 于2022 年底推出的一款 AI 驅動的自然語言處理（NLP）工具，其通過突破性的“Transformer架構大模型+RLHF（人類反饋強化學習）算法”帶來自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升，杰出的用戶體驗首先帶來 ChatGPT 在 AI 生成文本領域的潛在廣泛應用。隨著 2023 年 3 月 OpenAI 正式推出大型多模態模型 GPT-4，以及微軟陸續將其旗下 Bing 搜索引擎、Dynamics 365 商業應用解決方案、Power Platform 低代碼開發平臺、Azure云服務、Microsoft

18、 365辦公套件及 Microsoft Security安全等產品融入ChatGPT的 AI 能力，AIGC（AI 生成內容）在生成文本、圖片、視頻、代碼等一系列應用領域的前景更加廣闊明朗。同 ChatGPT 等通用 AI 不同，工業 AI 高價值應用通常集中在與機理強融合的場景，如設備預測性維護、生產過程控制優化、基于知識的綜合決策等，具有碎片化特點，同時工業對 AI可解釋性等嚴苛要求導致技術創新與應用落地錯位相對嚴重。上世紀 60 年代專家系統誕生與 80 年代的工業領域應用間隔近 20 年，統計機器學習的工業領域應用滯后周期基本在 10年左右，而深度學習、生成對抗網絡等新技術于 2012

19、 年后在通用領域開展應用，不足 4 年便產生了工業領域探索實例?？傮w來看，總體來看，由于人工智能技術可用性增強以及工業信息化水平由于人工智能技術可用性增強以及工業信息化水平提升，通用技術的工業落地間隔由提升，通用技術的工業落地間隔由 20 年逐步縮短至年逐步縮短至小于小于 5 年年，我們認為，我們認為，伴隨伴隨 ChatGPT帶來的通用帶來的通用 AI 大模型突破大模型突破，工業，工業 AI 應用領域亦有望迎來快速發展。應用領域亦有望迎來快速發展。圖圖 1 1：通用領域通用領域 AI 及工業及工業 AI 技術發展歷程技術發展歷程 資料來源：工業互聯網產業聯盟及中國信通院工業智能白皮書（2022

20、），數字孿生體聯盟官微，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 6 1.2 工業工業 AI 應用場景貫穿工業研發應用場景貫穿工業研發設計設計、生產制造、經營管理等全環節、生產制造、經營管理等全環節 技術層面，工業技術層面，工業 AI 的核心賦能技術主要包括算法技術和應用技術。的核心賦能技術主要包括算法技術和應用技術。其中，算法技術主要包括以機器學習、深度學習和其他學習方式為主的數據科學，以專家系統、知識圖譜為代表的知識工程等兩大類；應用技術則主要包括機器視覺、自然語言處理及語音識別等。根據核心賦能技術不同，工業根據核心賦能技術不同，工業 AI 形成識別、數據建模尋優及經驗知識推理決

21、策三大類核心形成識別、數據建模尋優及經驗知識推理決策三大類核心應用模式，貫穿工業研發設計、生產制造、經營管理等全環節。應用模式，貫穿工業研發設計、生產制造、經營管理等全環節。其中，識別類應用識別類應用對應以機器視覺、自然語言處理及語音識別等為代表的應用技術，包括工業視覺檢測、表單識別和工業語音信號識別等；數據建模尋優類應用數據建模尋優類應用對應以機器學習、深度學習和其他學習方式為主的數據科學算法技術，主要包括智能排產、設備運維、工藝參數優化等；知識推理決策類應用知識推理決策類應用則對應以專家系統、知識圖譜為代表的知識工程算法技術，主要包括設備故障診斷專家系統、供應鏈知識圖譜等應用。從工業從工業

22、 AI 落地場景形成的產品及服務載體角度看，主要包括落地場景形成的產品及服務載體角度看，主要包括基礎軟硬件、基礎軟硬件、智能工業裝備智能工業裝備、自動化與邊緣系統、平臺自動化與邊緣系統、平臺與與工業工業軟件方案軟件方案四大類。四大類。其中，基礎軟硬件基礎軟硬件為各類芯片/計算模塊、AI 框架、工業相機等通用軟硬件產品；智能工業裝備智能工業裝備為融合智能算法能力的機器人、AGV（自動導向搬運車）、機床等通用或專用工業生產制造裝備；自動化與邊緣系統自動化與邊緣系統主要為融合了智能算法的工控系統；平臺平臺與與工業軟件方案工業軟件方案則主要為工具軟件同 AI 的融合升級以及具有AI 能力的工業互聯網平

23、臺兩類產品。本文將主要聚焦本文將主要聚焦于于工業工業 AI 在平臺與在平臺與工業軟件方案工業軟件方案產品產品中的融合應用場景展開研究中的融合應用場景展開研究與展望與展望。圖圖 2 2：工業工業 AI 應用場景分布應用場景分布 資料來源：工業互聯網產業聯盟及中國信通院工業智能白皮書（2022），信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 7 二、二、應用場景透視：應用場景透視：“AIAI+”助力傳統工業軟件效率提升”助力傳統工業軟件效率提升 2.1 研發設計環節：研發設計環節：“AI+”可可賦能創成式設計、仿真優化賦能創成式設計、仿真優化、電子設計優化、電子設計優化等等 2.1.1CAD

24、：AI 賦能創成式設計，賦能創成式設計，CAD 軟件價值量軟件價值量有望有望同步提升同步提升 創成式設計（創成式設計（Generative Design），是一項利用），是一項利用 AI 技術根據一系列系統設計要求來自主創技術根據一系列系統設計要求來自主創建優化設計的建優化設計的 3D CAD 功能。功能。工程師可通過交互方式指定他們的要求和目標，包括首選材料和制造工藝，創成式引擎將自動生成可用于制造的設計作為初步設計或最終解決方案。這樣，工程師就可以與技術進行互動，更快地打造出優秀的設計和創新產品。創成式設計的優創成式設計的優點在于：（點在于：（1）提升效率）提升效率，用戶可在短時間內探索更

25、多設計方案，以幫助他們更快地創建更高效和創新的設計；（2）增強性能）增強性能，通過考慮材料、制造工藝、性能要求等廣泛因素，創成式設計可幫助用戶創建針對特定目標進行優化的設計，比使用傳統方法設計的方案更堅固、更輕或更高效；（3）減少）減少設計設計時間時間，通過自動化設計過程和快速探索更多設計替代方案，創成式設計可大大減少設計產品或組件所需時間。目前，創成式設計功能已在 Siemens Solid Edge、PTC Creo 及 Autodesk FUSION 360 等主流 CAD 產品中使用。我們認為，未來隨著以我們認為，未來隨著以 GPT 為代表的多模態通用大模型進一步成為代表的多模態通用大

26、模型進一步成熟，加之垂直領域大量工業設計數據的進一步調優，熟，加之垂直領域大量工業設計數據的進一步調優，CAD 軟件的軟件的創成式設計能力有望進一創成式設計能力有望進一步增強，步增強，從而從而大幅提升工程師設計生產效率大幅提升工程師設計生產效率、降低設計成本降低設計成本，CAD 軟件的單體價值量亦有軟件的單體價值量亦有望得到同步提升。望得到同步提升。圖圖 3 3：創成式設計工作流程創成式設計工作流程 資料來源：西門子官網，信達證券研發中心 PTC 將將 AI 驅動的創成式設計融入驅動的創成式設計融入 Creo 產品。產品。Creo 是 PTC 推出的一款用于產品設計和開發的 3D 計算機輔助設

27、計（CAD）/計算機輔助制造（CAM）/計算機輔助工程（CAE）軟件和解決方案。Creo 在 AI 驅動的創成式設計領域推出了突破性的功能，新版創成式拓撲優化擴展包（GTO）和基于云的創成式設計擴展包（GDX）可幫助設計師開發出質量更高、成本 請閱讀最后一頁免責聲明及信息披露 8 更低且在現實環境中表現更好的設計。GTO 可根據設計師的要求和約束，優化特定材料和制造工藝設計；GDX 還支持同時開發材料和制造工藝設計。借助 Creo 創成式設計，設計師可在更短的時間內交付更好的設計。圖圖 4 4：PTC Creo 產品采用產品采用 AI 驅動的創成式設計擴展功能驅動的創成式設計擴展功能 資料來源

28、：PTC官網，信達證券研發中心 2.1.2CAE：AI 賦能賦能仿真優化仿真優化及及工業數字孿生工業數字孿生，工業數字孿生反哺，工業數字孿生反哺 AI 模型訓練模型訓練 AI 可賦能可賦能 CAE 仿真優化仿真優化及及工業工業數字孿生數字孿生。CAE（Computer Aided Engineering），是用計算機輔助求解復雜工程和產品結構剛度、強度、動力響應、熱傳導等性能的一種近似數值分析方法。隨著技術進步，有限元分析（FEA）、有限體積法（FVM）、時域有限差分法（FDTD）提高了求解器效率，動態可視化技術則進一步提升了用戶友好性，但仿真領域仍存在需要權衡結果準確性、出結果速度、工作流的

29、易用性和穩健性等挑戰。目前，以目前，以 Ansys 為代表的為代表的CAE 龍頭廠商已開始探索使用龍頭廠商已開始探索使用 AI 解決上述問題，如使用解決上述問題，如使用 AI 自動尋找仿真參數，自動尋找仿真參數，可可同時提同時提高速度和準確性高速度和準確性；使用增強仿真，通過數據驅動或物理知識方法訓練神經網絡，可將仿真速；使用增強仿真，通過數據驅動或物理知識方法訓練神經網絡，可將仿真速度提高度提高 100 倍倍等。除此之外，等。除此之外，AI 還可賦能還可賦能 CAE 軟件實現設計空間優化，結合基于數據分軟件實現設計空間優化，結合基于數據分析和基于仿真的數字孿生，準確快速地創建數字孿生混合體。

30、析和基于仿真的數字孿生，準確快速地創建數字孿生混合體。請閱讀最后一頁免責聲明及信息披露 9 圖圖 5 5：生產制造場景下的仿真類型生產制造場景下的仿真類型 資料來源：安世亞太官網，信達證券研發中心 工業數字孿生工業數字孿生可可通過仿真運行生成數據，助力通過仿真運行生成數據，助力 AI 模型訓練。模型訓練。工業場景具有工業場景具有數據樣本量相對數據樣本量相對較小的特點，是深度學習落地工業較小的特點，是深度學習落地工業領域領域的最大制約。工業數字孿生可通過仿真運行方式生成的最大制約。工業數字孿生可通過仿真運行方式生成數據，助力數據，助力 AI 模型訓練。模型訓練。目前，微軟 Project Bon

31、sai 正使用 Ansys Twin Builder 軟件創建設備或流程的數字孿生，以助力其模型訓練。Project Bonsai 是微軟推出的一款低代碼 AI 平臺，其以圖形化的方式連接那些通過編程可執行 AI 功能的軟件模塊，使得工程師們在不使用數據科學的情況下就可實現 AI 驅動的自動化。Project Bonsai 采用機器教學訓練模型，但模型一經良好訓練，就需要大量數據進行優化，這就需要通過反復運行物理過程來生成大量數據，然后將這些數據輸入模型，微調在整機上的操作或實現自動化的過程。但從物理過程中生成如此多的數據，既耗時成本又高，且某種極端情況（如果這種情況每萬億次只發生一次）在訓練

32、過程中沒有發生的話，則模型也不會預見到這種情況，如果以后實際發生了，模型就不知道該如何應對。通過與 Ansys Twin Builder 合作，微軟 Project Bonsai 就可同時運行數百個機器或應用的虛擬模型，并將這些數字孿生生成的數據直接輸入模型對其進行優化，從而不斷克服各種局限性。我們認為，我們認為，長期來看伴隨著以長期來看伴隨著以 GPT 為代表的通用大模型進為代表的通用大模型進一步成熟，工業大模型的搭建也有望成為趨勢，一步成熟，工業大模型的搭建也有望成為趨勢，與使用物理機器生成數據相比，數字孿生可與使用物理機器生成數據相比，數字孿生可更快速、以更低成本生成訓練更快速、以更低成

33、本生成訓練 AI 模型模型所需的大量數據所需的大量數據，伴隨工業，伴隨工業 AI 模型持續發展，對模型持續發展，對以以CAE 為代表的為代表的數字孿生數字孿生相關相關軟件需求也有望進一步放量軟件需求也有望進一步放量。請閱讀最后一頁免責聲明及信息披露 10 圖圖 6 6：微軟微軟 Project Bonsai 使用使用數字孿生方式生成數據助力其數字孿生方式生成數據助力其 AI 模型訓練模型訓練 資料來源：Ansys官網，信達證券研發中心 2.1.3EDA：AI 賦能賦能 EDA 工具工具，可大幅提升設計效率及設計產品性能，可大幅提升設計效率及設計產品性能 AI 技術可有效賦能技術可有效賦能 ED

34、A 工具工具，大幅提升設計生產效率及設計產品的，大幅提升設計生產效率及設計產品的 PPA（功耗、性能、功耗、性能、面積面積）。）。2021 年 7 月，Cadence 正式推出首款 AI 驅動的 EDA 設計工具 Cerebrus，其具有獨特的強化學習引擎，可自動優化工具和芯片設計選項，以顯著減少工程工作量和總體流片時間來提供更好的 PPA。根據公司官微披露數據，Cerebrus 采用獨特的增強版機器學習技術，可實現 10 倍的生產效率提升和 20%的 PPA（功耗、性能、面積）提升。此外，Cadence還于 2022 年 6 月推出 AI 驅動的系統設計優化工具 Optimality，其利用

35、類似于 Cerebrus 中使用的 AI 技術實現了突破性結果，對設計進行了優化，平均速度比傳統手動操作快 10 倍，在一些設計上甚至實現了高達 100 倍的速度提升。我們認為，未來我們認為，未來 AI+EDA 的結合將是大的結合將是大勢所趨，而勢所趨，而 AI 帶來的帶來的 EAD 工具設計效率及設計產品效果的顯著提升亦有望進一步提升工具設計效率及設計產品效果的顯著提升亦有望進一步提升EDA 產品價值量，產品價值量，打開打開 EDA 產品更高市場天花板。產品更高市場天花板。請閱讀最后一頁免責聲明及信息披露 11 圖圖 7 7：Cadence 基于基于 AI 的的 EDA 產品產品 Cereb

36、rus 可可大幅提升設計效率及設計產品性能大幅提升設計效率及設計產品性能 資料來源：Cadence官微，信達證券研發中心 2.2 生產生產運維運維環節：環節：“AI+”可可賦能賦能早期缺陷檢測早期缺陷檢測、預測性維護預測性維護、產品質量分析產品質量分析等等 AI 在工業生產及運維環節可應用場景較多，我們選取早期缺陷檢測、設備預測性維護、產品質量分析及生產預測等 4 類較為典型的落地場景進行分析。早期缺陷檢測：早期缺陷檢測：資產需要處于良好工作狀態才能實現可靠生產，而在復雜的制造系統中工廠、車間可能發生故障的預測并不簡單，準確的預測需要測量盡可能多的可能導致缺陷的參數，而整合來自這些參數的海量數

37、據幾乎不可能手動完成，AI模型的構建可使用實際運營數據，根據各種參數有效預測資產狀況，工程師在資產發生故障前就能關注并維護資產。預測性維護：預測性維護：對資產設備的預測性維護能夠有效防止故障發生、延長資產壽命、保證設備可用性，但傳統上企業為不同資產定期制定維護計劃在日期選擇上并沒有太多科學依據，等故障出現再采取糾正措施往往成本高昂。AI 模型可使用來自設備端的運行數據，并根據這些數據對預測性維護進行科學規劃，同時工程師可通過 AI 持續監控設備運行狀態，大幅減少人工監控時間，有效降低資產設備維護成本。產品質量分析：產品質量分析：產品質量直接影響企業品牌和客戶滿意度，是企業最為重視的一環，劣質產

38、品會造成產品返工或召回并提高保修成本，使企業付出巨大代價。然而，手動測量和檢測等傳統質量分析技術非常容易出現人為錯誤，導致缺陷產品上市。通過機器視覺則能夠找出會被肉眼漏過的缺陷，并提高質量分析效率。同時，AI 還可用于檢測運行環境中的異常，從而改進質量流程。生產預測：生產預測：有效的生產預測能夠助力企業制定高效的供應鏈策略、降低庫存成本，同時更高效的進行企業資源計劃，分配人力和原材料。傳統生產預測缺乏準確的預測模型，預測效果不佳。應用 AI 后，企業可通過準確收集生產時序數據和關聯的生產參數創建 AI 預測模型，并通過生產流程仿真生成數據優化模型，通過這些模型找出生產過程中發生異常的原因及潛

39、請閱讀最后一頁免責聲明及信息披露 12 在問題，并持續修改資源規劃策略，達到精益生產目的。圖圖 8 8：AI 在工業企業生產運維環節部分應用場景分析在工業企業生產運維環節部分應用場景分析 資料來源：Siemens官網，信達證券研發中心 美國工業互聯網領域美國工業互聯網領域明星創業公司明星創業公司 Uptake，將，將 AI 能力引入設備預測性維護，并取得良好能力引入設備預測性維護，并取得良好運營效果。運營效果。Uptake 在獲取客戶訂單后會首先同客戶探討明確其痛點，并接入和收集相應設備數據，通過設備故障診斷數據建立故障模型，利用故障模型分析實際問題，并讓技工判斷模型分析結果是否正確，對模型調

40、優。最后根據采集的大量設備運轉數據，結合 AI 算法等進行擬合建模，得出故障預測模型，將該模型應用在實際問題分析上，結合技工反饋，持續優化迭代。AI 能力的引入，大幅提升了設備預測性維護的準確率和運維效率。與此同時，國內工業互聯網廠商亦在進行與此同時，國內工業互聯網廠商亦在進行 AI 同同工業設備狀態監測與故障診斷工業設備狀態監測與故障診斷的結合研究。的結合研究。根據容知日新 2022 年半年報披露信息，其在研項目中即包括工業 AI 項目，工業 AI 項目（PHM 引擎）在功能建設目標上是為幫助企業實現設備預測性健康管理方向上的數字化洞見能力；在業務定位上主要作為數據深度加工的工具，致力于提供

41、 PHM 方法論的最佳工程實踐；在架構上兼容各類工業數據的應用場景，未來可覆蓋到工藝優化等生產環節場景。整個引擎主要由數據管理、算法管理（含算力）2 個部分組成。我們認為，我們認為，AI 同工業企業生產同工業企業生產制造和運維服務環節的融合將是大勢所趨，國內外企業已陸續在該領域投入相關研究或已制造和運維服務環節的融合將是大勢所趨，國內外企業已陸續在該領域投入相關研究或已有成熟解決方案落地。有成熟解決方案落地。ChatGPT 的誕生讓人們看到了的誕生讓人們看到了 AI 大模型的跨越性突破大模型的跨越性突破，伴隨，伴隨 AI 大大模型進一步成熟，工業生產制造及運維環節的模型進一步成熟，工業生產制造

42、及運維環節的 AI 技術融入亦有望得到快速發展。技術融入亦有望得到快速發展。請閱讀最后一頁免責聲明及信息披露 13 圖圖 9 9：Uptake 的工業的工業 AI 和物聯網服務架構和物聯網服務架構 資料來源：36氪，Uptake，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 14 2.3 經營管理環節：經營管理環節：“AI+”可可賦賦能能 CRM、SCM、ERP 等經營管理類軟件等經營管理類軟件 相較于研發設計、生產制造及運維服務環節相較于研發設計、生產制造及運維服務環節具有具有專業性較強的特點，經營管理環節更具通用專業性較強的特點，經營管理環節更具通用性，也是以性，也是以 GPT 為代

43、表的通用大模型更易落地實現的應用場景入口。為代表的通用大模型更易落地實現的應用場景入口。2023 年 3 月，微軟陸續推出全面引入 GPT 互動式 AI 能力的商業應用產品 Dynamics 365 Copilot 及 Microsoft 365 Copilot，AI 能力的引入帶來上述經營管理類軟件用戶體驗及工作效率的跨越式升級，并有望帶來經營管理軟件價值量的同步提升。后文將主要參考微軟 Dynamics 365 Copilot、及部分國內管理軟件廠商 AI 應用產品，探索 AI 在 CRM、SCM、ERP 等領域可能的融合應用場景。2.3.1CRM：AI 可助力銷售人員快速可助力銷售人員快

44、速響應響應，并升級市場營銷體驗，并升級市場營銷體驗 AI 能幫忙編寫給客戶的電子郵件回復能幫忙編寫給客戶的電子郵件回復，賦能銷售人員隨時快速響應賦能銷售人員隨時快速響應。在 Dynamics 365 Sales和 Viva Sales 中，AI 能幫忙編寫給客戶的電子郵件回復，也能在 Outlook 中自動生成一個 Teams 會議的總結郵件，并從 CRM 系統中自動提取產品、報價等細節，以及由 Teams 通話中總結出核心要點一并匯總到郵件里，大幅提升銷售人員響應速度。圖圖 1010：AI 能幫忙編寫給客戶的電子郵件回復能幫忙編寫給客戶的電子郵件回復 資料來源：微軟科技官微，信達證券研發中心

45、 請閱讀最后一頁免責聲明及信息披露 15 AI 可提升虛擬客服交流能力可提升虛擬客服交流能力，幫助服務專員幫助服務專員提升提升客戶體驗客戶體驗。Dynamics 365 Copilot 能夠針對聊天對話和電子郵件中的問題，撰寫出符合上下文語境的答案，其互動式的對話體驗基礎來自于知識庫和過往案例，因此其總能找到問題答案，進一步提升企業虛擬客服同客戶的交流能力，向客戶提供更好的服務體驗。圖圖 1111：AI 可提升虛擬客服交流能力可提升虛擬客服交流能力 資料來源：微軟科技官微，信達證券研發中心 AI 可助力營銷人員可助力營銷人員升級市場營銷體驗，升級市場營銷體驗，并并輕松找到目標受眾輕松找到目標受

46、眾。借助 Dynamics 365 Customer Insights 中的 Copilot，市場人員只要用自然語言與客戶數據平臺進行一些簡單對話，就能得到高度定制化和目標明確的客戶分類，這一功能可應對復雜計算并準確定位特定客戶群體。利用 Dynamics 365 Marketing 中的 Copilot，市場人員可以用自己的語言來描述客戶群體，從而創造出一個支持檢索輔助功能的全新目標客戶類別。請閱讀最后一頁免責聲明及信息披露 16 圖圖 1212：AI 可助力營銷人員準確定位特定客戶群體可助力營銷人員準確定位特定客戶群體 資料來源：微軟科技官微，信達證券研發中心 2.3.2SCM：AI 可提

47、升供應鏈敏捷性，并通過數據采集分析提升決策有效性可提升供應鏈敏捷性，并通過數據采集分析提升決策有效性 AI 可可提升供應鏈敏捷性，將風險降到最低提升供應鏈敏捷性，將風險降到最低。參考 Microsoft Supply Chain Center 中的 Copilot 功能，其能主動為影響供應鏈流程的事件發出告警，如天氣、財務或地理環境等；隨后預測篩選出受影響的訂單，并將物料、庫存、承運商、配送網絡等信息一一呈現；供應鏈規劃功能隨后會自動撰寫一封由 Dynamics 365 Copilot 生成的電子郵件向受到影響的合作伙伴發出預警，提醒防范可能出現的破壞性影響等。請閱讀最后一頁免責聲明及信息披露

48、 17 圖圖 1313：AI 可可提升供應鏈敏捷性提升供應鏈敏捷性并降低供應鏈風險并降低供應鏈風險 資料來源：微軟科技官微，信達證券研發中心 AI 可助力招投標信息、商品價格信息、可助力招投標信息、商品價格信息、競品信息競品信息等市場信息的采集分析，提升企業供應鏈等市場信息的采集分析，提升企業供應鏈決策的有效性。決策的有效性。隨著政企數字化轉型加速，各行業大量線下場景轉移到線上，促進了各類數據的爆發式生產，進一步加快了海量數字資產的形成，如和企業供應鏈緊密相關的招投標信息、商品價格信息、競品信息等，而手動采集和分析數據效率、效果低下。泛微網絡通過融合 RPA+AI 兩大系統引擎能力，構建了采集

49、提煉一體化的信息采集智能機器人平臺“千里聆”，其能夠 724 小時模擬人自動完成訪問目標網站、抓取網頁數據、收取郵件內容、填寫上報數據等工作，實時獲取需要的有效信息，進一步提升企業供應鏈決策的有效性。請閱讀最后一頁免責聲明及信息披露 18 圖圖 1414：泛微“千里聆”泛微“千里聆”信息采集智能機器人信息采集智能機器人產品架構產品架構 資料來源：泛微數字化辦公專家官微，信達證券研發中心 2.3.3ERP：AI 可可在多場景提升在多場景提升 EPR 產品能力產品能力 AI 可在財務可在財務領領域、信息采集等多場景提升域、信息采集等多場景提升 ERP 產品能力。產品能力。根據漢得信息 3 月 17

50、 日在投資者互動平臺披露信息，漢得已基于 AI 技術打造了多種場景的應用解決方案，數字員工是其中一個成熟能力，目前已在各個領域尤其是財務領域應用。數字員工已積累數百家大型企業的數字化、智能化財務系統的建設經驗，同時依靠自身的創新能力，幫助眾多企業培養了應用于記賬、審核、收單、算稅、支付、歸檔、對賬、稽核、客服及培訓等場景的數字員工，集數據采集、識別、校驗、NLP 自然語言等多項技能于一體，能夠在無人工值守下 24 小時持續工作。我們認為，我們認為，ERP 作為企業傳統的重要管理軟件，應用模塊向外集成了財務、人作為企業傳統的重要管理軟件，應用模塊向外集成了財務、人力、供應商、合同管理等各類應用場

51、景，而力、供應商、合同管理等各類應用場景，而 AI 在上述不同模塊的賦能，能夠全面提升在上述不同模塊的賦能，能夠全面提升 ERP的功能能力及客戶使用體驗，進一步提升的功能能力及客戶使用體驗，進一步提升 ERP 產品的價產品的價值量值量，打開行業更大成長空間，打開行業更大成長空間。請閱讀最后一頁免責聲明及信息披露 19 圖圖 1515：漢得集團管控業務版圖漢得集團管控業務版圖 資料來源：漢得信息官網，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 20 三、工業互聯網平臺匯聚三、工業互聯網平臺匯聚 AIAI 要素要素，有望成為工業，有望成為工業 AIAI 絕佳入口絕佳入口 3.1 工業互聯網

52、平臺工業互聯網平臺匯聚算力、算法、數據和應用，是工業匯聚算力、算法、數據和應用，是工業 AI 的絕佳入口的絕佳入口 工業互聯網平臺的本質是通過工業互聯網網絡采集海量工業數據，并提供數據存儲、管理、呈現、分析、建模及應用開發環境，匯聚制造業企業及第三方開發者，開發出覆蓋產品全生命周期的工業 APP 應用，以提升工業生產經營效率。工業互聯網平臺匯聚了算力、數據、工業互聯網平臺匯聚了算力、數據、算法及應用場景的算法及應用場景的 AI 全要素，有望成為工業全要素，有望成為工業 AI 融合應用的絕佳入口。融合應用的絕佳入口。算力算力方面方面：工業互聯網平臺采用云化部署方式，底層 IaaS 基礎設施能夠提

53、供彈性可伸縮的基礎算力資源。數據數據方面方面：數據是 AI 模型的“燃料”，工業互聯網平臺能夠打通和匯聚企業內部從研發設計、工藝管理、生產制造、運維服務到經營管理的全環節數據，為 AI 模型的構建提供海量數據資源。此外，隨著區域級及行業級工業互聯網平臺的逐步發展，跨區域及行業的海量數據逐步匯聚亦有望為工業 AI 大模型的訓練奠定更加堅實的基礎。算法算法方面方面：工業互聯網平臺 PaaS 層封裝了工業互聯網平臺企業大量的垂直行業 Know-how知識經驗，并基于此構建大量可復用的低代碼開發模塊和原理模型組件，能夠為工業 AI 模型的訓練奠定良好的算法層基礎。應用方面：應用方面：工業互聯網平臺應用

54、層可提供覆蓋不同行業、不同領域的工業 APP 及工業創新應用，是工業 AI 模型落地應用的有效載體。圖圖 1616：工業互聯網平臺是工業工業互聯網平臺是工業 AI 的絕佳入口的絕佳入口 資料來源：艾瑞咨詢，信達證券研發中心 西門子通過其工業互聯網平臺西門子通過其工業互聯網平臺 MindSphere 實現實現 AI 同工業物聯網的集成。同工業物聯網的集成。2016 年，在陸續并購了多家大數據分析廠商后，西門子正式推出其工業互聯網平臺 MindSphere，加之多種微服務應用，逐步形成基于云的開放式工業物聯網生態系統。2018 年西門子進一步收購 請閱讀最后一頁免責聲明及信息披露 21 低代碼應用

55、開發領域領導者 Mendix 公司，2021 年收購 Mendix 合作伙伴 TimeSeries，開發基于 Mendix 低代碼平臺的垂直應用，如智能倉儲、預測性維護、能源管理、遠程監測等?！癕indSphere+Mendix”構成了西門子工業互聯網平臺生態?；?MindSphere 獲取的海量工業數據，西門子將 AI 能力逐步集成入平臺，開發了包括異常檢測、事件分析、關鍵績效指標（KPI）計算、信號計算、信號頻譜分析等分析服務應用，以及資產管理等應用，奠定了工業互聯網平臺集成 AI 能力的良好實踐基礎。圖圖 1717：西門子西門子 MindSphere 工業互聯網平臺部分工業互聯網平臺部

56、分 AI 應用應用 資料來源：Siemens官網，信達證券研發中心 3.2ChatGPT 代碼生成能力有望重塑工業代碼生成能力有望重塑工業 PaaS 低代碼平臺低代碼平臺 工業互聯網平臺的重要能力之一是通過封裝在其工業互聯網平臺的重要能力之一是通過封裝在其 PaaS 平臺層的大量通用的行業平臺層的大量通用的行業 Know-how 知識經驗或知識組件以及算法和原理模型組件，以低代碼方式構建上層工業知識經驗或知識組件以及算法和原理模型組件，以低代碼方式構建上層工業 APP 應應用，而用，而 ChatGPT 代碼生成能力的跨越式進步有望重塑工業代碼生成能力的跨越式進步有望重塑工業 PaaS 低代碼開

57、發平臺。低代碼開發平臺。目前，微軟已將 GPT 的代碼生成能力融入其低代碼開發平臺 Power Platform，并于 2023 年 3 月正式推出 Power Platform Copilot 產品。Copilot 是 Microsoft Power Platform 的一個新功能，可以在 Power Apps,Power Virtual Agents 和 Power Automate 中基于 GPT 能力提供 AI-powered 的幫助，讓制作者可以用自然語言描述他們想要的應用、流程或機器人，然后 Copilot 可在幾秒鐘內完成創建，并提供改進建議。我們認為，我們認為，未來隨著未來隨著

58、 AIGC 在代碼生成在代碼生成能力方面的逐步成熟，有望使得非程序員的工程師能夠使用自然語言指令能力方面的逐步成熟，有望使得非程序員的工程師能夠使用自然語言指令進行零錯誤的工進行零錯誤的工業業 APP 開發，大幅提升工業互聯網平臺的應用創建能力、降低應用開發成本。開發，大幅提升工業互聯網平臺的應用創建能力、降低應用開發成本。請閱讀最后一頁免責聲明及信息披露 22 圖圖 1818：微軟將微軟將 AI 能力融入低代碼開發能力融入低代碼開發 資料來源：微軟科技官微，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 23 四、重點關注標的及投資建議四、重點關注標的及投資建議 建議重點關注：建議重點關

59、注：研發設計環節：研發設計環節：中望軟件（CAD/CAM/CAE/BIM）、廣聯達（BIM）、盈建科（BIM/CAD/CAE）、霍萊沃（CAE）、華大九天（EDA）、概倫電子（EDA）、廣立微（EDA）；生產制造環節：生產制造環節：中控技術、賽意信息、漢得信息、鼎捷軟件、寶信軟件；運維服務環節：運維服務環節：容知日新；經營管理環節：經營管理環節：金山辦公、泛微網絡、致遠互聯、遠光軟件、金蝶國際、用友網絡；工業互聯網平臺：工業互聯網平臺：能科科技、東方國信、軟通動力。工業環節工業環節 關注標的關注標的 證券代碼證券代碼 基本情況基本情況 研發設計研發設計環節環節 中望軟件 688083.SH 業

60、務：業務：公司是國內領先的研發設計類工業軟件供應商，產品主要包括 CAD/CAM/CAE 等研發設計類工業軟件；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 7.74 億元（增速 28.8%），歸母凈利潤 0.93 億元（增速 1278%），對應 PE 為 208.95 倍 廣聯達 002410.SZ 業務：業務：公司是國內領先的數字建筑平臺服務商，產品主要包括工程造價及算量軟件，BIM+智慧工地系列產品以及面向設計院客戶提供建筑設計、市政設計和設計成果數字化交付審查等產品；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2

61、023 年營收預計為 83.95 億元（增速 27.37%），歸母凈利潤 12.96 億元（增速 34.08%),對應 PE 為 68.29 倍 盈建科 300935.SZ 業務：業務：公司致力于建筑結構設計和 BIM 相關軟件產品的開發，產品包括 BIM/CAD/CAE 等研發設計類工業軟件；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 3.10 億元（增速 54.89%），歸母凈利潤 0.28 億元（增速 202.97%），對應 PE 為 96.1 倍 霍萊沃 688682.SH 業務：業務：公司長期聚焦于電磁仿真及測量技術的自主研發及應用，

62、屬 CAE 范疇，產品覆蓋電磁仿真驗證、電磁測量系統、相控陣產品三大業務板塊；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 5.84 億元（增速 73.83%），歸母凈利潤 0.99 億元（增速 97.81%），對應 PE 為 50.54 倍 華大九天 301269.SZ 業務：業務：公司主要從事用于集成電路設計與制造的 EDA 工具軟件開發、銷售及相關服務業務；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 10.90 億元（增速 36.44%），歸母凈利潤 2.41 億元（增速 31.06%），對

63、應 PE 為 278.40 倍 概倫電子 688206.SH 業務：業務：公司主營業務為向客戶提供 EDA 產品及解決方案，主要產品包括制造類 EDA 工具、設計類EDA 工具、半導體器件特性測試儀器和半導體工程服務等；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 4.05 億元（增速 45.40%），歸母凈利潤 0.67 億元（增速 50.40%），對應 PE 為 219.62 倍 廣立微 301095.SZ 業務：業務：公司是領先的集成電路 EDA 軟件與晶圓級電性測試設備供應商，可提供 EDA 軟件、電路 IP、WAT 測試設備以及與芯片成

64、品率提升技術相結合的全流程解決方案；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 6.34 億元（增速 78.36%），歸母凈利潤 2.02 億元（增速 65.32%），對應 PE 為 107.86 倍 生產制造生產制造環節環節 中控技術 688777.SH 業務：業務：公司致力于滿足流程工業的產業數字化需求，產品主要包括自動化控制系統（含智能運行管理與控制系統、集散控制系統、安全儀表系統等）、工業軟件（含實時數據庫類、數字孿生類、生產管理類、供應鏈管理類工業軟件等）及儀器儀表等；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公

65、司 2023 年營收預計為 90.83 億元（增速 37.19%），歸母凈利潤為 10.74 億元（增速 34.99%），對應 PE 為 48.31 倍 賽意信息 300687.SZ 業務：業務：公司是國內在工業互聯網及智能制造、核心 ERP 及業務運營中臺等領域頂尖的產品及解決方案提供商，產品主要包括工業管理軟件、核心 ERP 軟件及數字化中臺；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 30.53 億元（增速 30.56%），歸母凈利潤 3.44 億元（增速 40.40%），對應 PE 為 45.58 倍 漢得信息 300170.SZ 業務

66、：業務：公司主營業務覆蓋產業數字化（含蓋智能制造、數字營銷和智協供應鏈）、財務數字化（含智慧財務、清分結算、管理會計）以及泛 ERP 業務；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 39.15 億元（增速 24.28%），歸母凈利潤 2.93 億元（增速-35.29%），對應 PE 為 41.85 倍 鼎捷軟件 300378.SZ 業務：業務：公司主營業務是為制造業、流通業企業提供數字化、網絡化、智能化的綜合解決方案，產品主要包括研發設計類、數字化管理類、生產控制類工業軟件及工業互聯網平臺與工業 APP 產品；盈利預測及估值：盈利預測及估值：

67、根據 Wind90 天一致預測，公司 2023 年營收預計為 23.5 億元（增速 17.74%），歸母凈利潤 1.60 億元（增速 21.31%），對應 PE 為 38.12 倍 寶信軟件 600845.SH 業務：業務：公司主營業務包括面向制造業提供工業軟件產品和智慧制造解決方案、自動化業務及 IDC 等業務；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 167 億元（增速 21.81%），表表 1 1：重點關注標的重點關注標的 請閱讀最后一頁免責聲明及信息披露 24 歸母凈利潤為 25.45 億元（增速 22.71%），對應 PE 為 45

68、.79 倍 運維服務運維服務環節環節 容知日新 688768.SH 業務：業務：公司致力于成為一家專業的工業設備智能運維整體解決方案提供商，主要產品為工業設備狀態監測與故障診斷系統；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 8.08 億元（增速 47.67%），歸母凈利潤 1.67 億元（增速 44.16%），對應 PE 為 45 倍 經營管理經營管理環節環節 金山辦公 688111.SH 業務：業務：公司產品主要包括 WPS Office 辦公軟件、金山文檔等辦公能力產品矩陣以及金山數字辦公平臺解決方案；盈利預測及估值：盈利預測及估值：根據

69、 Wind90 天一致預測，公司 2023 年營收預計為 51.90 億元（增速 33.60%），歸母凈利潤為 15.88 億元（增速 42.13%），對應 PE 為 137.36 倍 泛微網絡 603039.SH 業務：業務：公司為國內協同管理軟件龍頭廠商，產品主要為協同管理軟件；盈利預測及估值：盈利預測及估值：根據我們報告預測，公司 2023 年營收預計為 31.51 億元（增速 35.2%），歸母凈利潤 3.82 億元（增速 71.3%），對應 PE 為 49.61 倍 致遠互聯 688369.SH 業務：業務：公司為國內協同管理軟件龍頭廠商，產品主要為協同管理軟件；盈利預測及估值：盈利

70、預測及估值：根據我們報告預測，公司 2023 年營收預計為 16.16 億元（增速 56%），歸母凈利潤為 1.8 億元（增速 81%），對應 PE 為 41.48 倍 遠光軟件 002063.SZ 業務：業務：公司是國內主流的企業管理、能源互聯和社會服務的信息技術、產品和服務提供商，業務主要包括數字企業、智慧能源、人工智能等前沿技術、數據資源整合及服務業務等；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 26.60 億元（增速 25.20%），歸母凈利潤為 4.47 億元（增速 38.62%），對應 PE 為 33.19 倍 金蝶國際 0268

71、.HK 業務：業務：公司是亞太地區領先的企業管理軟件及電子商務應用解決方案供應商，產品主要為 ERP 等相關產品及解決方案；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 59.42 億元（增速 22.11%），歸母凈利潤為-2.53 億元（增速 34.93%），對應 PE 為-152.80 倍 用友網絡 600588.SH 業務：業務：公司是全球領先的企業云服務與軟件提供商，產品主要為 ERP 等相關產品及解決方案；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 115.49 億元（增速 24.70%

72、），歸母凈利潤為 6.15 億元（增速 180.82%），對應 PE 為 140.30 倍 工業互聯工業互聯網平臺網平臺 能科科技 603859.SH 業務：業務：公司產品主要包括云產品與服務（工業互聯網平臺+工業 APP）、軟件系統與服務（代理西門子工業軟件系統集成及二次開發）、數字孿生產線與服務等；盈利預測及估值：盈利預測及估值：根據我們報告預測，公司 2023 年營收預計為 15.95 億元（增速 22.7%），歸母凈利潤 2.57 億元（增速 30.3%），對應 PE 為 30.98 倍 東方國信 300166.SZ 業務：業務：公司主營業務是為客戶提供企業級大數據、云計算、工業互聯網

73、等平臺、產品、服務及行業整體解決方案；盈利預測及盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 31.25 億元（增速 24.50%），歸母凈利潤為 3.1 億元（增速 192.81%），對應 PE 為 56.02 倍 軟通動力 301236.SZ 業務：業務：公司主營業務是為通訊設備、互聯網服務、金融科技、高科技與制造等多個行業客戶提供數字化創新業務服務、通用技術服務和數字化運營服務，產品包括數字化創新業務、云智能、智能終端、工業互聯網、信創及開源鴻蒙/歐拉等；盈利預測及估值：盈利預測及估值：根據 Wind90 天一致預測，公司 2023 年營收預計為 252.

74、51 億元（增速 23.36%），歸母凈利潤 13.73 億元（增速 23.49%），對應 PE 為 23.13 倍 資料來源：Wind，信達證券研發中心 備注：盈利預測及估值為截至2023年3月31日數據 請閱讀最后一頁免責聲明及信息披露 25 風險因素風險因素 1.工業工業 AI 應用落地應用落地進展進展不及預期不及預期：工業 AI 高價值應用通常集中在與機理強融合的場景，且具有碎片化特點，同時工業具有對 AI 可解釋性等嚴苛要求，存在應用落地進展不及預期風險。2.行業市場競爭加劇風險行業市場競爭加劇風險：若行業市場競爭加劇，可能導致產品價格下跌等風險。3.工業工業 AI 大模型發展進程不

75、及預期大模型發展進程不及預期：工業 AI 大模型的訓練需要海量工業數據，存在模型訓練和發展進程不及預期的風險。請閱讀最后一頁免責聲明及信息披露 26 研究團隊簡介研究團隊簡介 龐倩倩，龐倩倩，計算機行業首席分析師，華南理工大學管理學碩士。曾就職于華創證券、廣發證券，2022 年加入信達證券研究開發中心。在廣發證券期間，所在團隊 21 年取得：新財富第四名、金牛獎最佳行業分析師第二名、水晶球第二名、新浪金麒麟最佳分析師第一名、上證報最佳分析師第一名、21 世紀金牌分析師第一名。鄭祥，鄭祥，計算機行業研究助理，北京大學工商管理碩士，武漢大學管理學學士，2021 年 7 月加入信達證券研究所，從事計

76、算機行業研究工作。機構銷售聯系人機構銷售聯系人 區域區域 姓名姓名 手機手機 郵箱郵箱 全國銷售總監 韓秋月 13911026534 華北區銷售總監 陳明真 15601850398 華北區銷售副總監 闕嘉程 18506960410 華北區銷售 祁麗媛 13051504933 華北區銷售 陸禹舟 17687659919 華北區銷售 魏沖 18340820155 華北區銷售 樊榮 15501091225 華北區銷售 秘僑 18513322185 華北區銷售 李佳 13552992413 華北區銷售 趙嵐琦 15690170171 華北區銷售 張斕夕 18810718214 華北區銷售 王哲毓 18

77、735667112 華東區銷售總監 楊興 13718803208 華東區銷售副總監 吳國 15800476582 華東區銷售 國鵬程 15618358383 華東區銷售 朱堯 18702173656 華東區銷售 戴劍簫 13524484975 華東區銷售 方威 18721118359 華東區銷售 俞曉 18717938223 華東區銷售 李賢哲 15026867872 華東區銷售 孫僮 18610826885 華東區銷售 賈力 15957705777 華東區銷售 石明杰 15261855608 華東區銷售 曹亦興 13337798928 華東區銷售 王赫然 15942898375 華南區銷售總

78、監 王留陽 13530830620 華南區銷售副總監 陳晨 15986679987 華南區銷售副總監 王雨霏 17727821880 華南區銷售 劉韻 13620005606 華南區銷售 胡潔穎 13794480158 華南區銷售 鄭慶慶 13570594204 華南區銷售 劉瑩 15152283256 請閱讀最后一頁免責聲明及信息披露 27 華南區銷售 蔡靜 18300030194 華南區銷售 聶振坤 15521067883 華南區銷售 宋王飛逸 15308134748 請閱讀最后一頁免責聲明及信息披露 28 分析師聲明分析師聲明 負責本報告全部或部分內容的每一位分析師在此申明，本人具有證券

79、投資咨詢執業資格，并在中國證券業協會注冊登記為證券分析師,以勤勉的職業態度,獨立、客觀地出具本報告；本報告所表述的所有觀點準確反映了分析師本人的研究觀點；本人薪酬的任何組成部分不曾與，不與，也將不會與本報告中的具體分析意見或觀點直接或間接相關。免責聲明免責聲明 信達證券股份有限公司(以下簡稱“信達證券”)具有中國證監會批復的證券投資咨詢業務資格。本報告由信達證券制作并發布。本報告是針對與信達證券簽署服務協議的簽約客戶的專屬研究產品，為該類客戶進行投資決策時提供輔助和參考，雙方對權利與義務均有嚴格約定。本報告僅提供給上述特定客戶，并不面向公眾發布。信達證券不會因接收人收到本報告而視其為本公司的當

80、然客戶?？蛻魬斦J識到有關本報告的電話、短信、郵件提示僅為研究觀點的簡要溝通，對本報告的參考使用須以本報告的完整版本為準。本報告是基于信達證券認為可靠的已公開信息編制，但信達證券不保證所載信息的準確性和完整性。本報告所載的意見、評估及預測僅為本報告最初出具日的觀點和判斷，本報告所指的證券或投資標的的價格、價值及投資收入可能會出現不同程度的波動，涉及證券或投資標的的歷史表現不應作為日后表現的保證。在不同時期，或因使用不同假設和標準，采用不同觀點和分析方法，致使信達證券發出與本報告所載意見、評估及預測不一致的研究報告，對此信達證券可不發出特別通知。在任何情況下，本報告中的信息或所表述的意見并不構成

81、對任何人的投資建議，也沒有考慮到客戶特殊的投資目標、財務狀況或需求?？蛻魬紤]本報告中的任何意見或建議是否符合其特定狀況，若有必要應尋求專家意見。本報告所載的資料、工具、意見及推測僅供參考，并非作為或被視為出售或購買證券或其他投資標的的邀請或向人做出邀請。在法律允許的情況下，信達證券或其關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能會為這些公司正在提供或爭取提供投資銀行業務服務。本報告版權僅為信達證券所有。未經信達證券書面同意，任何機構和個人不得以任何形式翻版、復制、發布、轉發或引用本報告的任何部分。若信達證券以外的機構向其客戶發放本報告，則由該機構獨自為此發送行為負責，信達

82、證券對此等行為不承擔任何責任。本報告同時不構成信達證券向發送本報告的機構之客戶提供的投資建議。如未經信達證券授權，私自轉載或者轉發本報告，所引起的一切后果及法律責任由私自轉載或轉發者承擔。信達證券將保留隨時追究其法律責任的權利。評級說明評級說明 風險提示風險提示 證券市場是一個風險無時不在的市場。投資者在進行證券交易時存在贏利的可能，也存在虧損的風險。建議投資者應當充分深入地了解證券市場蘊含的各項風險并謹慎行事。本報告中所述證券不一定能在所有的國家和地區向所有類型的投資者銷售，投資者應當對本報告中的信息和意見進行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專業顧問的意見。在任何情況下，信達證券不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任，投資者需自行承擔風險。投資建議的比較標準投資建議的比較標準 股票投資評級股票投資評級 行業投資評級行業投資評級 本報告采用的基準指數：滬深 300指數（以下簡稱基準）；時間段：報告發布之日起 6 個月內。買入：買入：股價相對強于基準 20以上；看好：看好：行業指數超越基準；增持：增持：股價相對強于基準 520；中性：中性：行業指數與基準基本持平；持有：持有：股價相對基準波動在5%之間；看淡：看淡：行業指數弱于基準。賣出：賣出：股價相對弱于基準 5以下。