上半年AI收入翻倍，鼎捷数智解开工业AI“落地难”的扣子

朱成呈

2025-09-16 16:39:46

来源: 时代在线

AI技术正在推动软件架构升级，把工具转化为“可量化的生产力”

8月29日晚间，鼎捷数智（300378.SZ）交出2025年中期答卷。上半年，公司实现营业收入10.45亿元，同比增长4.08%；归母净利润4502.67万元，同比增长6.09%。整体财报稳中有进，但更引人注目的是，公司AI业务收入同比大增125.91%。

对一家深耕工业软件的公司来说，这组数据的含义，或许比营收增长更具分量。

年初，DeepSeek的爆火成为行业分水岭。开源策略、知识蒸馏突破与高性价比API，让AI应用的门槛被大幅拉低，也为B端规模化落地奠定了基础。AI技术正在推动软件架构升级，把工具转化为“可量化的生产力”，加速向商业场景渗透。

与之相伴的却是新的焦虑：在铺天盖地的宣传与竞争中，如何让AI成为生产力，而不是又一波工具化的潮流？

构建AI“软基建”

鼎捷数智的回答，是把AI当作“软基建”。在鼎捷数智董事长兼总裁叶子祯看来，AI的价值，不在于替代人，而在于解放人，从重复事务中抽身，并创造新的生产力。他从2015年提出“智能+”战略，到2022年的雅典娜数智原生底座，再到如今的“AI软基建”，提法在变，核心未变。不做“+AI”的叠加，而是让AI像水和电一样，沉到企业运营的底层，成为生产力的基本设施。

这种思路在产品侧得到了具象化。鼎捷于2023年底发布了融入AI技术的全生命周期管理系统PLM，经多轮验证和迭代，已有近百家客户签约、数十家成功部署。

与此同时，鼎捷在ERP、MES、WMS等核心工业软件中嵌入了“数智分身”，让系统具备业务导航、指令操作、知识问答和数据洞察等能力，意图解决企业普遍面临的“难学、慢做、靠感觉”的难题。逻辑很直接：企业不需要再额外培训“怎么用AI”，而是在日常流程中自然使用。

为了加速规模化落地，鼎捷尝试把AI能力做成套件，降低使用门槛，并在生态上不断扩展。公司披露已联合超千家伙伴打造了2000多个工业知识模型，服务客户超过5万家；同时与华为云等头部厂商合作，推动AI能力与更多场景融合。对外，这是“生态共建”；对内，则是把AI从点状试验拉成面状运营。

鼎捷执行副总裁刘波将企业AI落地概括为三个阶段：创新试点、拓展规模、业务重构。对应的，是企业从降本增效对抗内卷，到寻找新增量，再到重构范式实现破界生长。鼎捷要做的，是在这条路径上构建“AI软基建”，将AI能力套件化降低使用门槛，与企业建立“共需同欲”的价值共创关系。

工业软件的智能化与消费互联网不同，不会在一夜之间改写格局。它是一场“静水深流”的工程，需要AI与数据、机理在车间里一次次磨合，再逐渐渗透到企业的日常运营。鼎捷选择押注长周期，用“软基建”对冲短期噪音。所谓“AI+破界生长”，在它的逻辑里，并不是AI附加上去，而是企业从底层被重塑。

“AI+” 让降本增效看得见

当人工智能从概念走向落地，制造业的转型难题却并未因此变得轻松。工厂里的数据早已堆积如山，但要把它们真正变成生产力，却常常卡在环节之间：研发与制造脱节，采购与销售难以协同，软件功能割裂，决策依赖经验。IDC预测显示，到2025年，AI在工业软件的渗透率仍不足10%，2028年也仅能达到22%。对大多数企业而言，“数智化”仍是一条艰难的路。

鼎捷数智在这个赛道已经扎根了40年。它不是带着新鲜概念闯入工厂，而是用工业Know-how与一线经验去理解客户的真正痛点。叶子祯表示：我们想创建的是一个“AI+”的时代，而不是一个“+AI”的时代。

前者只是把AI当作局部的工具，帮忙识别一下图纸、改几笔数据；后者则意味着AI成为原生模式，深度嵌入研发、采购、制造和销售的每个环节，形成一个端到端的生产力闭环。

在这样的理念下，鼎捷数智推出了一系列应用：AI文生设计、AI配方生成、AIoT指挥中心、工业机理AI套件……这些看似抽象的产品，背后都对应着真实的生产痛点。

例如，在车轴行业，一位工程师过去需要花50分钟去修改一份图纸，如今只需把需求输入，系统就能自动输出符合德式或美式标准的3D模型和工程图纸，非标设计变更率因此降低了八成。对企业来说，这不仅是效率的提升，更是知识的传承。那些老师傅的跨标准经验，如今都被固化进了可调用的知识库里。

另一个案例来自“生单助理”。它能读懂手写笔记、扫描纸质单据、解析PDF，自动生成标准化的电子单据并无缝对接ERP。过去一个财务人员需要三分钟处理一张单据，如今只需六秒，准确率接近百分之百。

而在化工企业的配方管理中，鼎捷的AI智能体帮助客户把原材料成本降低了15%，产品合格率提升了8%。这些数字背后，是AI从“辅助工具”变成“生产伙伴”的角色转变。

在叶子祯看来，这正是“AI+”的意义所在：“不是让AI帮人画图，而是让人从画图中解放出来。”

管理软件下一个路口：多智能体协同

如果说过去的工业软件是由人来指挥、AI来协助，那么今天的场景正在悄然反转：越来越多的任务正在交给“智能体”去协作完成。东方证券研报指出，AI 应用正逐步从此前 ChatGPT 为代表的对话式应用升级为 Agent 为核心的任务闭环类应用。

业内通常将这一演进分为三个阶段：第一层是Copilot，充当智能问答和自动生成的工具；第二层是单Agent，承担某一类明确任务，比如“数智员工”；第三层则是多Agent，多个智能体能够像团队一样分工合作。

各家厂商都在寻找自己的路径。用友和致远通过堆叠更多智能体来扩展协同能力；金蝶选择深化单个智能体的专业性。而鼎捷走了一条不同的路：它没有止步于数量或单点，而是率先提出“多智能体协作协议”（MACP）。这一协议试图为制造业建立起一个标准化的“共同语言”，让不同类型的智能体在复杂的生产流程中可以高效对话、协同执行。

在鼎捷的设想里，未来企业的运作将同时存在于两个世界：一个是由员工与机器组成的物理世界，另一个是由智能体支撑的数字世界。数字世界内部，三类智能体各司其职：指挥官智能体负责任务分解与跨部门协同，数字分身智能体承载个人知识与风格，可以在不同组织间迁移，而专家智能体则针对专业问题给出精准解答。鼎捷希望通过这样的分层架构，让企业能够在快任务与慢任务之间切换，在常规执行与风险决策之间游刃有余。

这些并非停留在设想。比如在合同审批系统里，传统流程往往需要多方确认，反复比对法规与风险清单，耗时动辄数十分钟。如今，生成式AI决策引擎能够自动解析合同条款，关联内部风控与外部法规，提出审批建议。随后，指挥官智能体生成应急方案，执行者智能体则触发采购订单、通知生产部门调整排程。审批周期从50分钟缩短到15分钟，合规错误率下降了九成。