从工业软件到物理AI:能科科技的“场景Know-How”与估值重定价

一、核心结论


能科科技与“物理AI”的相关性较高，且不是概念蹭热点，而是沿着“工业场景+数据+模型+执行闭环”逐步落地。公司当前最核心的逻辑在于：把AI从通用大模型叙事，转译成制造业可计费、可复购、可规模化的工业智能体。2025年其AI产品与服务收入已达4.60亿元，占总营收约30%，已成为增长主引擎；在机器人方向，公司已构建“感知—决策—执行—评估”的物理AI全链条能力，并推出可独立运行的“端侧单体大脑”。这意味着它既具备工业软件基因，又开始切入具身智能/物理AI的核心环节。
二、什么是物理AI，为什么和能科科技匹配


物理AI强调AI不仅要理解信息，还要理解物理世界，形成“感知—推理—执行—反馈”的闭环，典型应用包括具身智能、工业制造、数字孪生、自动驾驶等。其关键门槛在于：对物理规律的理解、对真实环境的建模能力，以及将模型落到执行端的工程化能力。

能科科技的匹配点主要有三处：
1. 工业场景积累深
公司长期深耕高端装备制造、汽车、航空航天等行业，熟悉复杂制造环境中的流程、工艺和数据结构，这是物理AI最难复制的“场景Know-How”。
2. 技术路线贴合物理AI
公司自研“灵系列”AI产品围绕“物理AI+数字AI”展开，已在150多个常态工业场景中开发出25个具有显性业务价值的智能体，说明其并非停留在算法层面，而是在做可落地的行业Agent。
3. 向具身智能延伸
在机器人领域，公司卡位具身智能“大脑”，覆盖从感知到执行评估的全链条，并打造“端侧单体大脑”，这已经接近物理AI在实体设备上的核心载体。

三、业务相关性拆解
1. 传统工业场景智能化
公司在传统业务中持续将AI嵌入工业场景，提升复杂制造环境下的决策效率与系统自优化能力。这类业务本质上是“工业软件/AI”的结合，属于物理AI在制造业中的早期但最重要的落地形态。
2. 机器人/具身智能
这是能科科技与物理AI关联最强的部分。公开信息显示，公司已构建物理AI全链条能力，并实现工业及特种场景深度应用，同时推进本体小脑到应用大脑的中间层标准建设。若后续在工业机器人、特种机器人或智能制造装备上持续放量，市场会更容易将其视为物理AI标的，而不只是工业信息化公司。
3. 航空航天与在轨智能化
公司技术能力已覆盖火箭、卫星研制到在轨智能化运维，这类场景对可靠性、物理约束、环境建模要求极高，也属于物理AI的高壁垒应用区。

四、财务与产业验证


从财务看，AI业务已经不是“故事”，而是开始贡献收入和利润。2025年公司AI产品与服务收入4.60亿元，同比增长68.52%，毛利率49.95%，较上年同期提升10.63个百分点；AI收入占比从2023年不足3%升至2025年的30%。
从产业化看，公司已有70余家行业龙头/重点企业落地应用，存量客户超3000家，且部分客户对场景Agent的需求已从1-2个扩展到十多个，说明复购和渗透率提升正在发生。
从政策与生态看，北京市相关调研中也明确提到，公司将加快“灵”系平台建设，推进AI业务产品化、规模化，并深化“算力+模型+应用”一体化方案。

五、投资逻辑
1. 逻辑一：工业AI Agent化
能科科技的优势不在于训练通用大模型，而在于把AI做成工业场景里的“可执行智能体”。这类产品更贴近企业实际支出，商业化路径比纯模型层更清晰。
2. 逻辑二：从工业软件到物理AI的平台型跃迁
如果公司继续强化“灵系列”平台、端侧大脑和行业解决方案，估值有望从传统工业软件公司向物理AI平台公司重定价。
3. 逻辑三：高毛利AI业务占比提升
AI业务毛利率接近50%，显著改善收入结构。若未来AI占比继续提升，盈利质量和成长预期都会增强。

六、风险提示
1. AI业务虽然增长快，但基数仍不大，后续放量存在节奏不确定性。
2. 研发投入增加可能短期压制利润弹性。
3. 物理AI整体仍处于产业化早期，机器人、具身智能等方向竞争可能加剧。
4. 若下游制造业资本开支偏弱，工业AI落地速度可能慢于预期。

七、一句话判断


能科科技不是“泛AI概念股”，而是少数能把物理AI真正往工业现场、机器人和高端装备里落地的公司之一；其核心价值在于工业Know-How、场景数据和端到端交付能力。