毛利率连涨6年！工业AI龙头杀入智能体，不卷模型卷落地

智东西
作者 杨京丽
编辑 李水青

智东西9月1日报道，8月27日，创新奇智发布升级的AInnoGC工业本体智能体平台及相关工业智能体套件，并宣布已有上百个不同类型的智能体进入制造企业生产。

同时，其工业智能体的商业价值也进入初步验证期。发布会前一天，创新奇智公布2026年上半年财报。报告期内，公司实现营收8.29亿元，同比增长18.6%；首次实现半年度调整后盈利，“AI＋制造”收入占比升至81.5%。

工业AI龙头的动向，表明前沿智能体已经在转化为工厂里的生产力，并且成为一门可以支持企业自我造血的生意，这是比我们预想的要快的。

大模型及智能体技术在工业领域的真实落地情况如何？其中有什么难点和痛点？又如何成为一门规模化生意？围绕这些问题，智东西与创新奇智执行董事兼CEO徐辉、CTO李凡进行了采访交流。

一、平台三大能力升级，工业智能体走向生产级落地

创新奇智升级后的AInnoGC工业本体智能体平台形成“Ontology（工业本体）+Harness Engineering（驾驭工程）+AI Coding”三位一体的开发方式，并实现本体、工作流及评测体系的自动化运行三项升级，可支撑各类工业智能体快速构建与稳定运行，提升工厂设备管理、生产运营、全局管控等场景智能化能力。

基于升级后的平台，创新奇智推出AEAM设备管理智能体套件v2.0、AEMS能源管理智能体套件v2.0和AMI制造数据分析智能体套件v3.0，将平台能力进一步应用到设备故障处置、能耗异常分析、智能查数和根因分析等生产流程。

创新奇智CTO李凡告诉智东西，创新奇智自2025年下半年启动工业本体相关客户工作，2026年3月正式发布工业本体智能体平台，目前已有上百个不同类型的智能体在生产环境落地。

李凡称，在一家全球头部玻纤生产企业的成都工厂中，客户希望提升拉丝开机率。创新奇智将智能体与机器学习模型、视觉算法相结合，应用于原料配方调整、窑炉状态监测和拉丝异常分析等环节：系统可根据物料属性变化微调配方，实时监测窑炉生产指标，并在发生断丝后追溯前端原因，帮助客户对生产过程进行端到端智能调优。

创新奇智的工业智能体正在从智能问答、数据查询等外围场景，进一步进入配方调整、工艺监测和异常分析等核心生产环节，其阶段性成效也开始反映在公司的经营数据中。

二、工业智能体成增长引擎，首次实现半年度盈利

在持续推进工业大模型和智能体落地的同时，创新奇智也交出了一份增长稳健的半年报。

发布会前一天，创新奇智公布2026年上半年财报。公司实现营收8.29亿元，同比增长18.6%；其中，“AI＋制造”业务收入占比进一步提升至81.5%，主业聚焦度已连续六年持续增强。

上半年，公司实现毛利额2.94亿元，同比增长20%；毛利率升至35.4%，较去年同期提高0.4个百分点，这是公司连续第六年、连续11个报告期实现毛利率稳步提升。公司首次实现半年期经调整后盈利，经调整利润为320万元，同比增幅147.8%。

此外，公司经营质量同步改善。公司应收账款周转天数降至99天，为近年来最佳水平，且明显优于行业平均的200至300余天。经营活动现金流净流出收窄至约1500万元。

创新奇智执行董事兼CEO徐辉告诉智东西，创新奇智也曾经历过更注重规模扩张、对现金流和应收账款重视不足的阶段。在他看来，“质量比数量更重要，持续健康比速度更重要”。

自2023年下半年起，公司开始强化项目质量、回款和现金流管理，主动减少需要大量垫资、回款周期过长的统包项目。公司曾主动放弃一个已经中标、金额约1.4亿元的新能源汽车项目，原因就是账期过长。

同时，在提高项目筛选标准的同时，创新奇智并未压缩关键技术投入。徐辉称，公司研发投入率仍保持在25%左右，继续投入工业大模型和智能体技术。

营收、毛利率、应收账款和调整后利润的同步改善，共同构成了此次业绩“高质量增长”的主要依据。

三、从现场共创到核心流程，工业AI竞争转向落地能力

技术能力和经营质量的提升，背后离不开企业对客户需求、商业模式和产业趋势的长期判断。采访交流中，创新奇智CEO徐辉和CTO李凡进一步分享了创新奇智对工业智能体落地及规模化发展的思考。

随着基础模型逐步成为基础设施，工业AI的竞争重点将从模型本身，转向能否找到真实需求、进入企业核心流程，并把现场经验转化为可复制的产品能力。

李凡告诉智东西，他认为，工业智能体落地的第一步不是开发，而是帮助客户清楚地定义问题。工业智能体落地过程中，很多生产经验和业务逻辑并没有完整记录在文档或数据库中。因此，团队仍需要深入客户现场，与生产、信息化等部门反复沟通，筛选应用场景，共同梳理业务逻辑，才能让智能体真正适配企业的实际业务。

在了解智能体落地的主要过程后，智东西进一步追问智能体从开发到落地所需的时间。李凡称，简单、相对标准化的智能体整体约需1至2周，其中纯开发可能只需1至2天；而复杂工艺项目则可能需要数月。AI Coding可以压缩软件开发环节，但业务梳理、数据接入和现场验证仍是工业智能体落地不可跳过的工作。

不同项目在落地周期上的差异，也说明工业智能体规模化不能依靠为每个客户从头开发。创新奇智希望先在头部客户中解决复杂问题，再将共性能力沉淀至平台和行业套件，并复制到需求相近的客户中。

徐辉告诉智东西，随着基础模型逐步成为类似水电的基础设施，行业应用公司的价值将更多来自客户现场和核心业务流程。创新奇智因此不参与基础模型和算力的重投入竞争，而是将模型能力与企业数据、业务逻辑和行业经验结合，推动工业智能体在制造场景落地。

发布会同期举办了圆桌对话，邀请客户共同探讨生产级智能体的建设。Bentley全球高级副总裁兼大中华区总经理李旭东称：“工程设计行业对结果准确性有着严苛要求，可靠性是选用AI技术的首要考量。创新奇智将工业本体与Harness工程融入智能体体系，有效提升AI任务执行准确度，对行业AI落地具备很高参考价值。”他透露，双方已启动AI辅助审图相关能力建设，并将共同探索在工业本体方面的深度合作。

整体来看，创新奇智希望解决的不只是单个智能体能否开发出来，还包括一次项目形成的经验能否沉淀和复用。只有减少后续项目重复开发的成本，工业智能体才能从客户现场的定制项目，进一步走向行业化和规模化应用。

结语：工业智能体走向生产流程，开始探索规模化落地

从工业本体智能体平台能力升级、三款工业智能体套件发布，到上百个不同类型的智能体进入制造企业生产环境，创新奇智的工业智能体正从技术演示和单点开发走向真实生产流程。

这一落地进展也与创新奇智的经营表现形成呼应。公司在保持较高研发投入的同时，实现了业务增长与经营质量改善。这背后是创新奇智长期聚焦“AI＋制造”形成的技术和行业积累。

创新奇智的技术路径反映出其对工业智能体竞争重点的判断：模型能力只是基础，能否进入真实生产流程并实现规模化应用更为关键。

对于创新奇智而言，能否持续将客户需求和生产经验转化为可复用的产品能力，将影响其工业智能体的应用规模，也将成为公司保持高质量增长和建立长期竞争力的关键。