作者声明：该图片由AI生成
【摘要】2026年，中国工业AI领域迎来了商业化元年。
2026年3月16日，思谋科技正式向港交所递交招股书，拟冲刺“工业AI智能体第一股”。招股书显示，2025年，公司实现营收10.86亿元，毛利率稳步提升至37.3%，以5.8%的市场份额位居中国工业AI智能体市场首位。
除此之外，中控技术凭借超30年的流程工业自动化领域经验，以“All in AI”战略强势入局工业AI赛道；镁伽科技选择投入自主智能体赛道，以智慧实验室+智能制造两大业务重资押注。
同一片工业AI的海域，思谋、中控、镁伽等企业却在商业模式上选择了不同的航向。那么，这场工业AI走向规模化的航途，谁又能先下一城？
以下为正文：
2026年初，工业和信息化部、中央网信办、国家发展改革委等八部门联合印发《“人工智能+制造”专项行动实施意见》。
意见提出，到2027年，推动3至5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，打造100个工业领域高质量数据集，推广500个典型应用场景。培育2至3家具有全球影响力的生态主导型企业和一批专精特新中小企业，打造一批“懂智能、熟行业”的赋能应用服务商，选树1000家标杆企业。
政策东风指引下，将AI引入生产流程成为制造业智能化转型的核心议题。当前，以思谋、中控、镁伽为代表的国产企业正在工业AI赛道开启差异化竞速。
01
思谋科技：以全链路自研的高配置打通垂直场景
思谋科技的故事始于一位国际顶级的计算机视觉科学家。
公司创始人贾佳亚本科毕业于复旦大学，是香港科技大学讲座教授（Chair Professor）、香港科技大学冯诺依曼研究院院长，国际计算机学会（ACM）会士，电气电子工程师学会（IEEE）会士。
2019年创立思谋时，他带上了自己的学生刘枢和李睿宇，组成了学术界“降维打击”工业界的高配置创始团队。
在这样高配置的创始团队背景下，思谋实现了“算法-软件-硬件”全链路自研闭环，致力于利用AI重构全球制造业的操作系统。
以其自研的IndustryGPT工业多模态大模型为核心，思谋科技攻克了高反光检测、隐形二维码识别等行业长期以来的技术痛点，公司智能检测机器人准确率长期稳定在99.5%以上。
截至2025年底，思谋累计交付约14万个工业AI智能体，服务全球超730家企业客户，其中包括特斯拉、立讯精密、京东方、中国中车等行业龙头。公司的智能检测机器人已累计完成约170亿件产品检测。
这一客户名单本身，就已经说明了思谋的市场定位：不仅服务“毛细血管”，更主攻“主动脉”。
从商业模式上看，思谋正以自身软硬一体的全链路自研优势推动工业AI在工业机器人、边缘AI传感器、智能体软件系统等垂直场景加速落地。
招股书显示，2023年至2025年，思谋科技营收从4.85亿元增至10.86亿元，复合增速约50%。从细分业务来看，公司包含机器人、边缘AI传感器、智能体软件系统的工业AI智能体业务收入占比由62.4%提升至78.5%。
图片来源：思谋科技招股书
这一数据也揭示了一个重要趋势：思谋正在越来越聚焦于核心的工业AI智能体业务，而非AI基础设施等附属服务。换句话说，它正在向更纯粹的“工业AI智能体提供商”进化。
从财务表现来看，2023年至2025年，公司年内亏损从5.46亿元扩大至9.91亿元，三年累计亏损约22.72亿元，经调整净亏损分别为3.94亿元、3.79亿元、2.72亿元，在扣除股权激励等非现金因素后，公司的亏损正在逐渐收窄。除股权激励等非现金因素，高研发投入则是其亏损的重要来源，这在工业AI领域并不罕见。
图片来源：思谋科技招股书
报告期内，公司研发开支分别为2.83亿元、3.88亿元和3.94亿元，近三年研发支出合计超10.65亿元。对思谋科技而言，选择重资产、高研发投入路径的核心逻辑，在于通过全栈自研形成技术壁垒，在大客户侧建立长期不可替代性。
这种投入节奏在早期难以避免会造成亏损，但一旦技术壁垒形成并规模化复制，后期利润释放的空间也更为可观。由此，在投入前期，面对如此高昂的研发成本，思谋科技选择通过更多的大客户订单，扩大收入规模，从而摊薄研发成本。
思谋赌的是，市场增速足以消化它的投资速度，以投入换增长。
根据灼识咨询的测算，中国工业AI智能体市场规模将从2025年的148亿元增长至2030年的906亿元，赛道仍处于高速增长的蓝海阶段。
由此，尽管这条路径可能存在一定风险，但从公司整体毛利表现和市场整体竞争来看，在高速增长的蓝海市场中这种豪赌仍有胜算。
一方面，从2023年至2025年，公司毛利率已经从30.5%增长至37.3%，盈利水平有所好转；另一方面，公司目前以5.8%的市场份额位居中国工业AI智能体市场首位，具有较为明显的竞争优势。
在这一背景下，面对工业AI领域规模化落地到正向盈利的马拉松长跑，思谋科技还需进一步思考如何将研发投入转化为持续增长的商业回报。
02
中控技术：流程工业自动化龙头的AI升维之战
中控技术成立于1993年，深耕流程工业自动化领域超三十年。这家公司的故事，本质上是中国工业控制系统从全面依赖进口到逐步实现自主可控的过程。
2025年，中控技术的核心产品集散控制系统（DCS）以45.1%的国内市场占有率，连续十五年蝉联国内第一。
细分领域来看，在化工、石化、冶金、造纸、建材五大行业，公司DCS市占率均为国内第一，其中，在化工和石化这两个核心板块，公司市占率更分别高达68.5%和59.4%。
仅凭DCS市场的领先，已不足以描绘中控技术的未来图景，真正的叙事转折点发生在2024年。
面向工业4.0时代，在技术迭代、产业需求与生态发展共同作用下，流程工业领域逐步从自动化到数字化再到智能化演进。
在这一背景下，中控技术明确提出“All in AI”战略，向工业AI平台公司转型。2024年6月，公司就发布了时间序列大模型TPT，并在2025年8月更新其2.0版本，通过在海量工业时序数据上预训练，学习并形成工业装置运行的通用规律。
TPT系列的独特性在于，其通过提炼共性得到一个通用的基础模型，这就在一定程度上缓解了工业AI只能做单场景定制开发、难以规模化的问题。
目前，TPT已在化工、石化、能源电力等13个行业、百余个工业场景中成功落地，并在中国石油、中国石化、万华化学、华谊集团等龙头企业实现深度应用。
2026年第一季度，中控技术工业AI业务实现收入1.84亿元，规模化放量趋势明确。公司更进一步在2026年股权激励计划中，设定了工业AI业务收入的三年目标：2026年10亿元、2027年25亿元、2028年50亿元。
尽管在营收端取得了较为亮眼的表现，中控技术工业AI的转型之路仍并非一帆风顺。
2025年，公司下游国内流程工业企业客户资本开支整体承压，导致传统自动化控制系统业务增速放缓，工业自动化及智能制造解决方案业务收入同比下降19.77%，工业软件业务营收同比下降3.78%，整体主营业务毛利率同比降低2.52%。
图片来源：中控技术财报
传统主业的周期性波动与工业AI新业务能力尚不足支撑基本盘的张力之下，中控技术的核心挑战在于：能否在传统DCS业务触达天花板之前，让工业AI新业务以足够的体量和利润完成接力，而这或将决定中控未来几年的增长质量。
总的来看，中控技术三十余年的行业积累、大规模工业数据基础、以及13个行业客户、上百个应用场景的深度渗透，构成了业内竞争对手难以在短期内复制的护城河。
但这种护城河本身不等于商业价值，如何将这些数据资产、用户渠道转化为可规模化的AI收入，才是中控技术真正的命题。
03
镁伽科技：从实验室出发的自主智能体远征
2016年，镁伽科技于北京成立；2025年，作为中国机器人技术应用领域领先的自主智能体提供商，公司向港交所提交上市申请，联席保荐人包括摩根士丹利、华泰国际、德意志银行、建银国际。
灼识知识的数据显示，以2024年中国智慧实验室产生的收入规模计，镁伽科技位居国内自主智能体供应商首位。
从客户构成来看，镁伽的战略版图呈现出显著的多行业渗透特征。
招股书数据显示，截至2024年末，镁伽科技已服务超过880家客户，涉及药明康德、英飞凌、瑞幸咖啡、万华化学等，多元化客户群体印证了企业跨行业的场景覆盖能力。
从商业模式上看，公司以机器人研发为起点，2018年底到2020年6月转型为一个面向终端客户提供整体解决方案的公司，并逐渐锁定两大核心赛道，即智慧实验室与智能制造。
站在行业维度看，镁伽的业务布局选择有其战略必要性。
灼识咨询数据显示，全球自主智能体机器人技术市场规模已从2020年的约318亿元增长至2024年的约1143亿元，年均复合增速达37.7%，预计到2030年将达到3837亿元。
自主智能体在智慧实验室与智能制造等场景的市场渗透率仍有巨大提升空间，目前相关技术应用尚处于萌芽阶段。
镁伽选择在一个仍处于早期阶段的赛道上持续重资投入，赌的是当市场爆发时，谁拥有更完整的技术壁垒和更广泛的场景覆盖，谁就能收割更大规模的利润。
招股书显示，2022至2024年，镁伽科技实现营收4.55亿元、6.63亿元和9.3亿元。其中，智慧实验室业务占比分别为40.9%、24.3%、31.7%；智能制造业务分别占比59.1%、75.7%和68.3%，智能制造业务逐渐成为贡献营收的核心支柱。
图片来源：镁伽科技招股书
然而，高速增长的营收背后，是同样高速的“烧钱”速度。
2022年至2024年，镁伽科技年内亏损分别为7.59亿元、7.42亿元、7.8亿元三年累计净亏损约22.8亿元。研发投入是吞噬利润的核心因素，报告期内，公司研发投入分别为3.40亿元、3.08亿元和3.94亿元，占收入比分别高达74.8%、46.4%和42.4%。
图片来源：镁伽科技招股书
另一个值得关注的风险点在于现金流。
2022年至2024年，公司经营活动现金流持续净流出3.30亿、4.32亿和5.21亿元，呈现逐年扩大趋势；现金储备从2022年的11.25亿元锐减至2024年的4.58亿元，降幅近60%；流动负债净额也从2023年底的21.17亿元扩大至2024年底的28.65亿元。
这意味着镁伽的运转高度依赖投融资输血，上市募资的成败将直接决定其能否安全度过当前的烧钱阶段。
04
工业AI，准备好进入规模化阶段了吗？
若把视野从单个企业抽离，放置在整个行业的维度上，则会出现一个更大的命题：中国工业AI，真的已经准备好进入规模化阶段了吗？
AI技术经历多年的发展已逐渐从指令交互走向自主决策、自主执行的技术跃升，工业软件作为现代工业皇冠上最璀璨的明珠，自然成为AI下半场布局的重点。
当前，思谋、中控等国产工业AI软件厂商正不断推动产品规模化落地，也有部分国产工业软件企业已经向海外市场发起冲击。
以浩辰软件为例，作为中国少有的业务持续增长、规模化盈利的工业软件企业，公司产品涵盖2D CAD、3D CAD、BIM，以及云化CAD等领域。当前，公司的核心核心产品及服务已覆盖全球175个国家和地区，全球累计用户超1亿，在全球范围内拥有超过750家合作伙伴。
面向海外市场，公司全系列产品强调对主流格式、用户习惯和跨区域协作场景的兼容与适配。与此同时，2025年，浩辰软件收购匈牙利BIM软件公司CadLine，通过整合相关企业的本地技术、行业资源和渠道网络，公司可快速适配海外区域规范与产业网络。
此外，为降低用户转换成本、提升服务体验，公司的CAD、BIM等产品可完美兼容主流工业软件格式，同时，基于海外市场的广泛布局，公司还向海外客户提供快速的本地化响应，以服务筑牢海外市场的根基。
工业AI软件的规模化落地，似乎已经成为行业发展的必然，然而，其落地速度或并不如想象中乐观。
相较于其他领域，工业对于操作时延与准确性提出极为严苛的要求，AI在该领域的应用并不需要多么“全”，却要做到足够“精”，满足工业世界的确定性。
正如西门子董事会主席所言，工业 AI 是座金矿，但要挖出金矿里的真金，也并非易事。
当前，工业AI要实现真正的规模化渗透，仍需跨越技术、成本这几大关键障碍。
从技术层面来看，工业领域对AI的多模态能力提了更高要求，即工业AI需要获取高质量、标准化的多模态数据，做到深入工业领域的各个场景，成为垂直领域的专用模型，满足企业对于专业化、精细化、精准化的应用需求。
与此同时，工业大模型的训练在硬件投资维护、算法开发优化等方面需要大量资金投入。对广大的中小制造企业而言，成本仍是主要的决策门槛。若工业AI部署成本高于其降低的成本或增加的收益，其应用就很难形成真正的商业价值、也难以达成商业闭环。
由此， 如何将AI能力以低成本、高适配度的方式嵌入不同的工业场景，而不是一次次从头定制，仍将是整个行业需要长期回答的核心命题。
05
尾声：N条道路，一种答案
回到最初的命题。
思谋、中控、镁伽，三家公司虽然商业路径有所差异，但核心目标是一致的。对这些工业AI企业而言，工业AI的价值，不是用AI替代人，而是用AI把人的经验变成可复制、可规模化的工业智能。
当前，工业AI行业最大的张力在于，规模化渗透的需求与落地成本、技术的现实之间仍存在一个巨大的鸿沟。而跨越这个鸿沟的关键，在于如何通过商业模式的创新与技术的优化，持续降低AI进入工厂的门槛，同时，保持足够的深度和精度。
2026年，是工业AI产品化的元年，也是行业走向分化的起点。谁能在真正意义上找到“让每一家工厂都拥有自己的工业大脑”的答案，或许才真正书写中国工业AI的诗与远方。
