第三部分：23—33号企业及33家企业综合研究

调研基准：2026年10月31日

研究内容：企业背景、股权治理、主营业务、技术产品、客户、经营财务、发展战略、竞争格局、风险与招聘岗位。

证据标记：

• [来源]：存在可追溯的官网、公告、财务或其他公开资料。
• [推导]：依据已知事实作出的商业或技术分析。
• [推测]：证据不充分的可能情况。
• [待核实]：暂不能作确定判断。

注意：企业官方披露的规划、产能、测试指标和客户规模，不自动等于已实现的收入或经审计的经营成果。

---

23. 高途教育科技集团有限公司

23.1 企业背景与创始团队

• 成立时间：2014年6月。
• 创始人：陈向东。
• 主要品牌：高途。
• 上市时间：2019年6月。
• 上市交易所：纽约证券交易所。
• 股票代码：GOTU。
• 行业定位：科技驱动型教育企业。

高途最初依托在线直播教育模式发展。

在中国教育行业监管和市场结构变化后，公司逐步向终身学习、多元化教育服务和AI辅助教学扩展。

其核心竞争力并非单一的软件技术，而是：

• 教育内容。
• 教师与教研资源。
• 教学服务体系。
• 用户获取能力。
• 在线教育平台。
• 学习过程数据。
• 教育产品运营。

23.2 主营业务

A. 中小学生学习服务

针对不同阶段学生提供学习内容和相关教育服务。

主要包括：

• 课程教学。
• 学习指导。
• 教学内容。
• 学习管理。
• 相关学习产品。

B. 大学生和成人教育

覆盖：

• 大学学习。
• 语言学习。
• 职业培训。
• 资格考试。
• 终身学习服务。

这一业务有助于降低公司对单一教育市场的依赖。

C. 留学与国际教育

面向有国际教育需求的用户，提供留学咨询、语言学习和相关服务。

D. 线上线下融合

高途正在尝试将既有在线教学能力与线下学习服务相结合。

线下业务可能提升用户服务体验，但也带来场地、人员和管理成本。

23.3 AI与软件业务

高途在2026年财务公告中明确提出，AI正在融入教学、服务和运营流程。

核心应用方向包括：

1. 学生学习行为分析。
2. 用户画像。
3. 教学内容生产。
4. 个性化学习。
5. 智能答疑。
6. 教学辅助。
7. 运营自动化。
8. 用户服务。

技术架构分析

[推导] 教育AI系统通常由以下部分组成：

• 教学内容数据库。
• 知识点与题目体系。
• 用户画像。
• 学习记录。
• 推荐算法。
• 大模型。
• RAG知识检索。
• Agent工作流。
• 教学管理平台。

教育AI的核心问题不是简单让模型生成答案。

更重要的是：

模型提供的教学内容是否正确、学习路径是否有效，以及能否提升实际学习结果。

23.4 商业模式

高途的主要收入来自教育产品与学习服务。

主要方式包括：

• 课程付费。
• 成人培训。
• 教学服务。
• 留学服务。
• 教育相关产品。
• 其他内容及服务收入。

其盈利取决于：

收入－教师及教学成本－营销费用－研发费用－管理费用。

其中用户获取成本和教学交付效率非常重要。

23.5 2026年经营情况

截至2026年10月31日，已经披露的最新完整季度业绩为2026年第二季度。

2026年上半年主要数据

指标	金额
营业收入	33.60亿元
同比增长	16.6%
现金收入	36.85亿元
营业亏损	1.43亿元
净亏损	1.01亿元
经营现金流净额	+3280万元
现金及投资等合计	39.93亿元

上述数据采用公司2026年8月27日发布的未经审计财报。

财务分析

[推导]

高途上半年营收保持增长，但尚未实现持续盈利。

需要注意两个指标：

营业收入增长16.6%

说明教育业务规模有所扩大。

经营现金流为正，但同比下降

说明公司仍能产生正经营现金流，但现金流增长质量不能只通过收入增速判断。

高途持有较多现金及投资资产，提供一定资金缓冲。

但不能把现金及投资总额全部视为不受限制、可立即使用的现金。

23.6 发展战略

[推导]

高途未来战略可能围绕四个重点：

1. 终身学习市场。
2. AI驱动个性化学习。
3. 教学服务降本增效。
4. 在线与线下服务融合。

长期竞争力取决于AI能否提高教学效果、降低单位交付成本和客户获客成本。

23.7 竞争格局

主要竞争来自：

• 新东方等教育服务企业。
• 在线学习平台。
• 职业培训机构。
• AI学习工具。
• 大模型教育应用产品。

AI学习工具降低了基础答疑的技术门槛。

因此，高途需要证明其完整教学服务比单一AI问答具有更高价值。

23.8 主要风险

• 教育监管。
• 获客成本。
• 课程退费和收入确认。
• 线下业务成本。
• 教师资源成本。
• AI内容准确性。
• 学习效果验证。
• 盈利能力恢复。

23.9 研发岗位判断

值得研究的方向：

• 前端工程。
• 后端研发。
• 教育AI平台。
• RAG和Agent。
• 推荐系统。
• 数据分析。
• 教育知识图谱。
• 在线互动平台。

需要确认实际岗位属于集团核心产品研发、教育AI团队，还是内部业务系统开发。

参考资料

• 官网：https://about.gaotu.cn/
• 2026年Q2财报：https://www.prnasia.com/story/545438-1.shtml

---

24. 无锡长凯长技术有限公司

24.1 企业背景

• 企业名称：无锡长凯长技术有限公司。
• 主要所在地：江苏省江阴市。
• 注册资本：703.57万元。
• 企业类型：智能消防与应急救援装备企业。
• 资质：国家高新技术企业、省级专精特新企业等。

公司位于江阴国家高新区。

官网截至2026年8月披露：

• 办公面积约700平方米。
• 2025年末总资产超过4000万元。
• 近五年智能装备及智能物联研发投入超过1000万元。
• 拥有江阴及无锡工程技术中心。

这些是企业披露值，并非本次独立审计结果。

24.2 科研和产业背景

公司长期围绕消防救援、应急安全领域开展技术研发。

合作机构包括：

• 应急管理部上海消防研究所。
• 中国消防救援学院。
• 相关高校与研究机构。

2025年联合建设智慧消防装备联合实验室。

企业研发团队中，具有长期消防救援及应急安全行业经历的人员占比超过50%，这是官网公布的数据。

24.3 核心产品

A. 智能消防头盔

在传统消防头盔上集成：

• 电子显示。
• 通信。
• 环境感知。
• 状态监测。
• 信息交互。

其目标是为现场消防员提供更多任务信息和安全辅助能力。

B. 智能单兵定位系统

用于追踪救援人员的位置及状态。

重点解决：

• 救援人员失联。
• 复杂建筑定位。
• 指挥中心不了解人员位置。
• 人员撤离和救援调度困难。

C. 智能指挥系统

产品名称包括：

多功能通讯定位搜救交互式智能指挥系统。

集成：

• 无线通信。
• 人员定位。
• 救援指挥。
• 现场状态监测。
• 任务信息交互。

D. AR辅助救援

通过AR显示设备向消防员展示任务信息。

可能包括：

• 设备状态。
• 救援任务提示。
• 现场人员信息。
• 其他辅助数据。

E. 智能穿戴和装备改造

• 智能肩灯。
• 呼吸器相关电子模组。
• 智能消防服。
• 消防装备数字化改造。

24.4 技术体系

技术领域	核心技术
嵌入式	设备固件、通信控制
无线通信	应急通信、自组网
定位	人员定位和状态监测
AR	现场信息显示
传感器	环境感知、设备状态
软件平台	指挥调度、设备管理
AI	环境识别、辅助决策
系统集成	软硬件协同

24.5 商业模式

主要目标客户：

• 消防救援机构。
• 应急管理部门。
• 大型工业企业。
• 特殊作业单位。
• 工业安全服务商。

可能收入来源：

1. 装备销售。
2. 智能消防系统建设。
3. 私有化软件部署。
4. 定制研发。
5. 系统维护。
6. 行业技术服务。

24.6 2026年发展进展

官网2026年9月披露，公司开展智能指挥系统现场展示和行业交流。

2026年8月官网介绍：

• 有效专利24件。
• 软件著作权9件。
• 已授权发明专利2件。

这些数字属于官网公开口径。

24.7 发展战略

[推导]

从传统消防装备向以下方向升级：

智能消防装备
→ 救援现场感知
→ 无线通信与定位
→ 指挥调度系统
→ AI辅助应急决策。

24.8 竞争格局

竞争来自：

• 消防设备制造商。
• 应急通信企业。
• 特种穿戴设备企业。
• 安防和工业物联网企业。
• 应急指挥软件供应商。

企业的差异化优势主要是专业场景经验与软硬件产品整合。

24.9 风险

• 公共采购和项目预算。
• 产品可靠性。
• 防护等级与行业认证。
• 定制项目比例。
• 产品市场规模。
• 后续维护成本。

24.10 招聘和技术价值

可以重点了解：

• 嵌入式工程师。
• 软件平台研发。
• 无线通信。
• 物联网系统。
• 智能感知算法。
• AR软件。
• 系统工程师。

应区分核心装备研发和设备实施、销售技术支持。

参考资料

• 官网：https://www.affppe.com/
• 企业简介：https://www.affppe.com/about.php

---

25. 中华联合财产保险股份有限公司

25.1 企业背景与股权

• 始创时间：1986年7月15日。
• 企业名称：中华联合财产保险股份有限公司。
• 所属集团：中华联合保险集团。
• 企业性质：国有控股保险企业。
• 主营领域：财产保险。

2002年，经国务院批复，企业冠名“中华”。

集团主要成员包括：

• 中华联合财产保险。
• 中华联合人寿保险。
• 其他金融及技术服务主体。

中华财险是集团核心业务主体之一。

25.2 主要业务结构

A. 机动车保险

覆盖汽车交通事故及相关财产损失风险。

主要涉及：

• 交强险。
• 商业车险。
• 车辆损失险。
• 第三者责任险。

B. 农业保险

农业保险是中华财险具有较强行业积累的业务。

主要包括：

• 种植业保险。
• 养殖业保险。
• 农业灾害风险保障。
• 政策性农业保险。

C. 企业财产保险

保障企业建筑、设备、存货等资产。

D. 工程保险

覆盖建筑和工程施工中的财产风险。

E. 责任保险

针对特定法律赔偿责任提供保险保障。

F. 短期健康险及意外险

向个人和团体提供相关保障。

25.3 2025年经营规模

根据集团官方披露：

指标	数值
注册资本	146.4亿元
2025年保费收入	706.3亿元
财险保费规模排名	全国第5
综合偿付能力充足率	217.2%
中央政策性农险规模排名	第2

注意：

保费收入不等于营业利润。

综合偿付能力充足率也不能单独反映当年盈利能力。

25.4 2026年财务披露

截至2026年10月31日，公司官网已经发布：

《中华联合财产保险股份有限公司2026年第3季度偿付能力报告摘要》

发布日期为2026年10月30日。

本报告未提取该最新文件的完整财务数据，因此不填入未经核实的2026年前三季度利润、综合成本率和最新偿付能力数值。

25.5 核心竞争力

中华财险的主要优势并不是开发通用AI系统，而是：

1. 保险业务规模。
2. 全国服务网络。
3. 农业保险业务经验。
4. 风险定价能力。
5. 赔付与核损经验。
6. 金融机构客户资源。
7. 监管合规和资本保障能力。

25.6 科技应用方向

[推导]

农业遥感保险

遥感可以辅助：

• 识别农作物种类。
• 估计种植面积。
• 监测生长情况。
• 识别灾害影响。
• 辅助农业保险理赔。

智能理赔

AI可用于：

• 图像定损。
• 材料识别。
• 案件审核。
• 风险识别。
• 异常理赔发现。

保险风险建模

主要涉及：

• 精算模型。
• 机器学习。
• 风险定价。
• 欺诈检测。
• 巨灾风险分析。

这些属于保险科技的可行应用方向，不表示中华财险已将所有能力独立开发并商业部署。

25.7 商业模式

保险公司通过收取保费承担客户约定风险。

盈利能力受到以下因素共同影响：

• 保费收入。
• 赔付成本。
• 经营费用。
• 再保险。
• 资产投资收益。
• 风险准备金。

25.8 未来发展方向

[推导]

• 农业保险科技。
• 巨灾风险管理。
• 数字化理赔。
• 金融AI应用。
• 数据驱动定价。
• 精准农业风险评估。

25.9 竞争格局

主要竞争对手包括大型财产保险企业。

重点竞争维度：

• 保费规模。
• 产品定价。
• 渠道覆盖。
• 服务效率。
• 理赔能力。
• 偿付能力。
• 风险管理。

25.10 风险

1. 农业和自然灾害风险。
2. 保险赔付率。
3. 综合成本率。
4. 投资收益波动。
5. 保险监管。
6. 数据合规。
7. 保险科技投入产出。

25.11 招聘岗位判断

对于计算机或AI方向，可以关注：

• 数据分析。
• 保险科技。
• 数据平台。
• AI算法。
• 智能理赔。
• 信息系统。
• 网络安全。
• 金融软件开发。

需要确认岗位是总部研发、分公司信息科技还是业务运营。

参考资料

• 官网：https://property.cic.cn/
• 集团成员：https://www.cic.cn/groupMembers/index.jhtml
• 偿付能力信息：https://property.cic.cn/payInfo/index.jhtml
• 招聘：https://ciczp.zhiye.com/

---

26. 中国金融电子化集团有限公司

26.1 企业背景

• 成立时间：1988年。
• 前身：1957年成立的中国人民银行核算工厂。
• 企业性质：中国人民银行所属企业。
• 主要定位：金融科技、金融监管技术及金融信息基础设施。

必须区分：

中国人民银行所属企业，不等于中国人民银行机关。

招聘进入该集团不自动获得公务员或事业编制身份。

26.2 集团组织结构

集团下设多家子公司。

其中最重要的技术主体之一是：

金电信息科技（北京）有限责任公司

该公司为中国金融电子化集团全资子公司，承担重要金融科技和监管科技业务。

集团还涉及金融检测认证、安全及行业专业服务等领域。

26.3 主营业务

A. 金融监管科技

涉及：

• 征信。
• 支付。
• 国库。
• 货币发行。
• 反洗钱。
• 跨境人民币。
• 金融统计。

这类系统通常对安全性、准确性、可审计性和可靠性要求较高。

B. 金融云

向金融行业提供云平台及相关信息技术服务。

C. 金融数据治理

主要包括：

• 金融数据管理。
• 数据质量。
• 数据交换。
• 数据安全。
• 数据共享。
• 数据标准化。

D. 金融信息安全

涉及：

• 安全检测。
• 金融数据保护。
• 密码和身份认证。
• 信息系统安全。
• 安全技术服务。

E. 金融标准与检测认证

支持金融信息系统和相关技术标准建设。

26.4 2026年重要项目：可信数据空间

2026年1月，国家数据局公开了中小银行服务行业可信数据空间试点经验。

该项目由中国金融电子化集团下属金电信科承担。

项目解决什么问题？

金融机构需要使用不同来源的数据进行风险评估和业务决策。

但实际存在：

• 数据分散。
• 数据共享困难。
• 数据授权复杂。
• 数据安全风险。
• 不同银行技术能力差异较大。

可信数据空间希望实现：

数据资源登记
→ 授权访问
→ 安全流通
→ 数据处理
→ 金融场景应用。

核心应用

1. 普惠金融。
2. 科技金融。
3. 绿色金融。
4. 中小企业信用评估。
5. 农业金融。
6. 银行数据共享。

国家数据局披露，相关平台构建了包含200余个金融场景的数据产品目录。

这一数字是场景目录规模，不是200个已经独立盈利的商业产品。

26.5 关键技术

• 金融分布式系统。
• 数据治理。
• 隐私计算。
• 数据授权和访问控制。
• 金融信息安全。
• 可信数据空间。
• 数据质量管理。
• 金融业务系统。
• 云平台。
• 国产数据库和基础软件。

26.6 客户与商业模式

主要服务：

• 中国人民银行相关业务。
• 金融监管相关机构。
• 银行。
• 金融机构。
• 金融行业信息技术客户。

收入模式可能包含：

• 信息系统建设。
• 金融行业软件。
• 数据平台。
• 检测认证。
• 技术服务。
• 长期运维。

26.7 竞争优势

与普通金融科技创业企业相比：

1. 具有央行所属企业背景。
2. 长期服务金融行业。
3. 对监管业务理解较深。
4. 具备行业合规经验。
5. 参与金融技术体系与相关标准建设。

这些优势不自动保证所有产品具有市场竞争力，也不代表全部业务拥有高利润率。

26.8 未来发展方向

[推导]

• 可信数据空间。
• 金融数据要素流通。
• 金融AI治理。
• 监管科技。
• 金融安全。
• 国产基础软件。
• 金融业务自动化。
• 数据驱动风险管理。

26.9 财务和经营风险

目前缺少可公开验证的完整集团收入、利润和现金流信息。

重点风险：

• 业务客户集中。
• 金融信息系统合规要求高。
• 项目交付周期长。
• 技术升级和国产化适配成本。
• 内部产品研发与项目实施边界不清晰。

26.10 招聘和研发岗位

值得关注：

• 金融软件开发。
• Java后端。
• 数据平台。
• 大数据。
• 信息安全。
• 云平台。
• 数据治理。
• AI应用。
• 金融科技产品。

必须确认招聘岗位属于集团本部还是具体子公司，以及是否直接承担核心软件研发。

参考资料

• 国家大学生就业服务平台：
  https://www.ncss.cn/student/jobs/EsLvzzpraegmBF2zhCo2t9/corp.html

• 国家数据局试点：
  https://www.nda.gov.cn/sjj/ywpd/sjzy/0121/20260121135536476611581_pc.html

---

27. 北京亮亮视野科技有限公司

27.1 企业背景

• 成立时间：2014年。
• 企业品牌：LLVISION。
• 行业：AR+AI智能穿戴。
• 核心定位：智能眼镜、光学显示、端侧AI和企业AR平台。

亮亮视野的技术路线同时覆盖：

• 光学。
• 硬件。
• 嵌入式系统。
• 计算机视觉。
• 人工智能。
• 企业软件平台。

27.2 核心产品

A. LEION HEY2

面向跨语言沟通的AR翻译眼镜。

主要技术功能：

• 语音采集。
• 实时语音识别。
• 语言翻译。
• AR字幕显示。
• 用户交互。

B. LEION Pro

面向企业客户的智能眼镜产品。

可以用于：

• 设备维修。
• 工业巡检。
• 现场作业。
• 远程协作。
• 作业指导。

C. GLXSS SE

偏工业场景的轻量化智能眼镜。

官网介绍重量约32克，并强调工业防护设计。

D. L-PAT光学模组

用于智能眼镜显示系统的光学模块。

E. ARISE企业服务平台

这是公司重要的软件业务。

主要功能：

• 远程协作。
• 标准作业。
• AI识别。
• AR全景视窗。
• 企业设备和应用连接。

27.3 核心技术体系

技术领域	核心能力
光学	光学模组、AR显示
AI	语音、视觉、多模态
端侧计算	模型部署、低功耗
嵌入式	智能眼镜系统
交互	AR界面、语音交互
软件平台	企业AR应用与协同
硬件	摄像头、麦克风、传感器

27.4 商业模式

消费市场

直接销售AR翻译眼镜等终端产品。

企业市场

向企业销售：

• AR设备。
• 软件平台。
• 行业解决方案。
• 技术部署。
• 维护服务。

典型行业：

• 智能制造。
• 航空维修。
• 能源采掘。
• 工业巡检。
• 建筑施工。

27.5 2026年融资

2026年9月，公司完成超过3亿元C+轮融资。

主要投资方：

• 北京祥龙资产经营有限责任公司。
• 北京信息产业发展投资基金。
• 北京市新材料产业投资基金。

融资后，祥龙公司成为亮亮视野第二大股东。

近一年累计融资约5亿元。

27.6 本轮融资的产业意义

[推导]

这轮融资不仅是财务投资，也涉及产业协同。

祥龙公司旗下拥有传统眼镜零售和配镜服务资源。

这意味着亮亮视野可能获得：

• 线下眼镜销售渠道。
• 专业配镜服务。
• 售后维修网络。
• 处方镜片适配。
• 消费者试戴渠道。

智能眼镜需要满足真实佩戴体验，因此传统眼镜渠道有可能成为重要竞争资源。

27.7 发展战略

[推导]

从企业级AR解决方案向：

AR光学核心技术
→ 消费级智能眼镜
→ 端侧多模态AI
→ 智能交互生态

扩展。

27.8 竞争格局

主要竞争来自：

• 智能眼镜制造商。
• AR硬件企业。
• 消费电子巨头。
• 智能穿戴生态。
• 企业AR方案提供商。

关键竞争维度：

• 重量。
• 续航。
• 光学效果。
• 翻译准确率。
• 延迟。
• 使用舒适度。
• 价格。
• 软件生态。

27.9 风险

1. 智能眼镜市场规模不确定。
2. 设备续航与重量之间存在权衡。
3. 消费产品迭代快。
4. 光学模组成本。
5. 终端产品供应链。
6. 头部科技企业竞争。
7. 企业AR项目交付成本。

27.10 招聘与技术价值

可重点关注：

• 端侧AI。
• C++。
• 嵌入式软件。
• Android系统。
• AR图形和渲染。
• 语音与视觉算法。
• 多模态交互。
• 企业软件平台。

参考资料

• 官网：https://www.llvision.com/
• 北京市政府融资信息：
  https://www.beijing.gov.cn/fuwu/lqfw/gggs/202609/t20260908_4855071.html

---

28. 常州坤维传感科技有限公司

28.1 企业背景和股权

• 2018年5月：坤维（北京）科技有限公司成立。
• 2018年10月：常州坤维传感科技有限公司成立。
• 常州坤维为北京坤维相关体系的全资子公司。
• 行业定位：高精度力学传感器。

重点业务为六维力传感器及力控解决方案。

28.2 核心产品：六维力传感器

六维力传感器可以同时测量：

• X方向力。
• Y方向力。
• Z方向力。
• X轴力矩。
• Y轴力矩。
• Z轴力矩。

这六个分量共同描述物体受到的空间力和力矩。

对于机器人而言，只有位置控制并不能完成所有精细操作。

例如：

机器人插入精密零部件时，需要感知接触力，避免过大压力导致零件损坏。

六维力传感器能够帮助机器人实现柔顺操作。

28.3 产品体系

A. 工业六维力传感器

主要面向：

• 工业机器人。
• 装配机器人。
• 精密加工。
• 机器人末端执行器。

B. 人形机器人专用系列

面向人形机器人关节和末端力觉感知。

C. 高性价比系列

用于对成本敏感的规模化机器人产品。

D. 精密力学测试

• 力学测量台。
• 传感器标定设备。
• 精密测量系统。
• 风洞天平等。

E. 关节扭矩传感器

面向机器人关节的力矩反馈。

28.4 技术体系

• 力学结构设计。
• 应变测量。
• MEMS。
• 模拟信号采集。
• 温度补偿。
• 多维力解耦。
• 传感器标定。
• 高精度制造。
• 机器人力控。

28.5 技术标准

公司参与推动：

GB/T 43199—2023《机器人多维力/力矩传感器检测规范》。

该标准已经发布。

标准制定参与经验可以体现行业技术积累，但不自动代表企业在所有产品指标上领先。

28.6 商业化进展

公司官网披露：

2019年

• KWR75/82系列六维力传感器量产。

2021年

• 六维力产品覆盖多种机器人应用场景。
• MEMS应变测量技术研发成功。

2023年

• 建设3万台/年六维加载标定检测产能。

2024年

• 产品进入3C制造领域。
• 向智元、银河通用、北京人形机器人创新中心等客户供货。

2025年

• 发布HPS、HRS、ELS系列。
• 完成B1轮融资。
• 建成6万台/年标定检测产能。

2026年

• 完成B++轮融资。
• 建成10万台/年六维力传感器自动化产线。

28.7 产能指标的正确理解

10万台/年代表理论生产能力。

并不等于：

• 实际销量10万台。
• 年收入达到某一金额。
• 产线满负荷生产。
• 所有产品已经被客户接受。

实际经营质量还需要：

1. 订单。
2. 实际产量。
3. 产品售价。
4. 良率。
5. 产线利用率。
6. 客户复购。
7. 产品毛利率。

28.8 商业模式

主要通过：

• 六维力传感器销售。
• 关节传感器销售。
• 机器人力控方案。
• 精密测量设备。
• 定制传感系统。

形成收入。

28.9 发展方向

[推导]

• 人形机器人。
• 精细操作机器人。
• 工业力控。
• 机器人触觉。
• 低成本高精度传感器。
• 力觉与控制算法融合。

28.10 竞争与风险

• 机器人传感器制造商。
• 精密测量仪器供应商。
• 机器人零部件厂商。

主要风险：

• 传感器价格下降。
• 产品精度和成本权衡。
• 温漂和长期稳定性。
• 客户集中。
• 机器人行业需求波动。
• 扩产后的产能利用率。

28.11 研发岗位

适合关注：

• C/C++。
• 嵌入式。
• 传感器信号处理。
• FPGA。
• 运动控制。
• 数据采集。
• 力控算法。
• 传感器标定软件。

参考资料

官网：https://www.kunweitech.com/

公司历程：
https://www.kunweitech.com/abouts/profile/

---

29. 吉林省吉翼具身智能机器人有限公司

29.1 公司背景

• 成立时间：2025年8月15日。
• 总部：吉林省长春市。
• 法定代表人：王超。
• 初始注册资本：16.33亿元。
• 企业性质：混合所有制具身智能机器人企业。

吉翼智能具有较为特殊的产业背景。

它不仅由创业团队创办，还与吉林省机器人产业布局和汽车制造业供应链密切相关。

29.2 股东体系

初始组建时共有六家主要参与机构：

1. 长春捷翼汽车科技股份有限公司。
2. 吉林省工业技术研究院。
3. 长春市产业投资集团。
4. 长春新区产业投资集团。
5. 吉林省仿生机器人创新中心。
6. 长春博立电子科技有限公司。

2026年部分工商聚合资料显示公司注册资本与股东结构存在后续变化，因此16.33亿元应严格标注为初始注册资本。

不能将其当作2026年10月31日未经核验的最新注册资本。

29.3 公司核心定位

吉翼智能的目标是利用吉林省汽车制造业基础，推动具身智能机器人实际进入工业与商业场景。

它的技术思路是：

机器人本体
＋
视觉感知
＋
具身智能模型
＋
运动控制
＋
真实场景数据
＋
工程化制造。

29.4 第一大产品：质检家

2026年6月推出的工业质检机器人。

主要用于汽车零部件及工业生产线检测。

硬件组成

• 七轴机械臂。
• 工业视觉系统。
• 控制系统。
• 智能检测算法。
• 工业通信和数据系统。

典型应用

汽车线束质检。

汽车线束存在：

• 连接器种类多。
• 线缆形态复杂。
• 质量检验细节较多。
• 人工检查具有重复性。
• 检测效率和一致性要求高。

机器人通过视觉识别和机械操作辅助质检。

演示效果

吉林省政府报道显示，在产品发布会特定现场测试中：

• 检测效率超过人工3倍。
• 企业披露测试准确率达到100%。

这些结果属于特定测试，不代表全部工业场景都能达到相同性能。

29.5 第二大产品：小睦

面向商业服务场景。

主要功能：

• 自主移动。
• 语音交互。
• 智能问答。
• 商品和药品信息查询。
• 相关服务辅助。

官网与政府报道显示，小睦已进入医药连锁相关场景探索夜间服务。

这里的“导诊”和“药品查询”不应理解为已经取得独立医疗诊断资质。

29.6 第三大技术：Z-1具身大模型

公司提出自主研发的Z-1具身大模型。

技术目标包括：

• 环境感知。
• 语义理解。
• 任务规划。
• 机器人动作。
• 复杂场景适应。

官网披露Z-1在RoboCasa开源评测中获得80.0%的平均得分。

这一指标需要结合具体评测版本、任务集、数据条件及对比模型进行独立验证。

29.7 数据和训练场建设

吉翼智能正在建设：

• 机器人训练场。
• 真机数据采集平台。
• 具身智能数据生产体系。
• 物理仿真实验室。
• 模型训练平台。

2026年公开资料涉及注册资本1亿元的训练场子公司。

公司宣称建设百万小时级数据生产能力。

需要区分：

规划数据生产能力、当年实际采集数据量和已经可用于模型训练的高质量数据量。

29.8 商业模式

[推导]

• 工业机器人销售。
• 机器人系统交付。
• 工业质检方案。
• 商业服务机器人。
• 机器人软件平台。
• 数据采集及模型服务。

公司希望从汽车行业切入，利用真实生产场景验证产品。

29.9 发展战略

[推导]

工业质检
→ 工业搬运和分拣
→ 商业服务
→ 多场景具身模型
→ 通用机器人产品。

公司未来重要竞争力可能来自真实工业场景和持续数据采集。

29.10 竞争格局

主要竞争来自：

• 工业机器人厂商。
• 具身智能创业公司。
• 视觉质检企业。
• 机器人系统集成商。
• 机器人基础模型团队。

29.11 风险

1. 公司成立时间短。
2. 注册资本不代表实际收入。
3. 产品量产和交付需要验证。
4. 跨场景泛化能力不确定。
5. 训练场和模型研发资金投入较大。
6. 客户订单与续约情况尚不充分。
7. 商业服务机器人市场的付费模式仍需验证。

29.12 招聘价值

可重点关注：

• 具身智能算法。
• VLA。
• 机器人运动控制。
• 工业视觉。
• C++。
• ROS。
• 模型训练。
• 机器人数据平台。
• 机器人部署和推理优化。

如果进入视觉、机器人控制或具身模型团队，技术方向较明确。

如果进入集成与交付团队，需要明确软件研发比例。

参考资料

• 官网：https://zioneer.com/
• 吉林省政府：
  https://www.jl.gov.cn/yaowen/202606/t20260628_3645561.html
• 公司成立：
  https://cc.cnjiwang.com/qymk/ccxqqy/202508/3970668.html

---

30. 是石科技（平湖）有限公司

30.1 企业背景

• 是石科技品牌体系成立于2021年。
• 董事长：闫博文。
• 技术背景：清华大学高性能计算及并行优化研究。
• 行业定位：HPC+AI计算基础设施。
• 招聘主体：是石科技（平湖）有限公司。

需要区分平湖法人主体与是石科技整个品牌体系。

30.2 创始团队

董事长闫博文具有：

• 清华大学航空航天学院博士背景。
• 计算机系博士后研究经历。
• 高性能计算研究经历。
• 并行优化研究经历。
• 大规模数值模拟研究经历。

团队还包含来自清华、北大、北航及高性能计算相关研究机构的人员。

企业相关团队曾参与获得高性能计算领域的戈登·贝尔奖。

该奖项属于科研团队经历，不应直接表述为平湖公司独立获得。

30.3 企业发展历程

2021年

是石科技成立。

2022年

盐城超级计算中心相关业务建设与运营。

2023年

发布并行优化服务，进入HPC+AI融合领域。

2024年

发布S-Computing超智融合调度平台。

2025年

持续推进HAI统一计算平台及行业模型服务。

完成Pre-A+轮等融资，深化平湖产业布局。

30.4 核心产品：HAI统一计算平台

HAI重点解决HPC和AI计算资源之间的管理与使用问题。

传统HPC和AI计算往往采用不同任务调度方式。

HAI希望在统一平台上支持：

• 科学计算。
• 工程计算。
• 模型训练。
• 模型推理。
• 行业模型。
• 计算资源分配。

技术模块

• 计算作业管理。
• CPU/GPU资源管理。
• 异构计算平台适配。
• 并行计算优化。
• GPU算子优化。
• 计算任务监控。
• 模型部署。
• 性能分析。

30.5 并行优化服务

例如工业仿真和科学计算程序，可能存在：

• 多核利用率不足。
• 内存访问效率低。
• 通信成本高。
• 线程负载不均衡。
• GPU计算能力没有充分发挥。

并行优化服务通过改进算法实现和计算架构，提高执行效率。

30.6 模型专家服务

公司还提供：

• 通用大模型优化。
• 行业专用模型。
• 模型部署。
• AI计算服务。
• 相关行业应用。

需要区分底层性能优化与上层行业模型应用。

30.7 商业化进展

北京经开区2025年公开报道披露：

• HAI平台已在20余个应用领域部署。
• 支持200余项重点课题。
• 累计支撑约200万个计算作业任务。

这些为企业项目和计算服务规模披露。

不能直接换算为商业收入。

30.8 融资与资本

2025年11月，北京经开区公开报道显示：

是石科技完成数千万元Pre-A+轮融资。

投资方：

• 北京基石创投。
• 嘉兴平湖金投。

前期资料还涉及其他Pre-A融资。

但不能简单相加不同媒体报道，避免出现融资金额重复统计。

30.9 商业模式

• HPC算力服务。
• AI计算平台。
• 并行计算优化。
• 行业模型服务。
• 超算中心建设和运维。
• 软件平台及技术交付。

30.10 发展战略

[推导]

从传统HPC向：

HPC计算
→ AI计算
→ 统一算力调度
→ 模型部署
→ 行业AI服务

扩展。

30.11 竞争格局

主要竞争来自：

• 并行科技。
• 公有云厂商。
• 各地超算中心。
• 智算服务平台。
• AI计算软件供应商。

与单纯GPU出租公司相比，是石科技强调并行优化和计算效率。

30.12 风险

1. 算力资源成本。
2. HPC项目交付周期。
3. 软件平台竞争。
4. 自有软件收入占比不明。
5. 行业模型的持续商业化。
6. 平湖主体独立经营情况。

30.13 招聘岗位判断

重点关注：

• C/C++。
• 并行计算。
• GPU计算。
• CUDA。
• HPC。
• 集群调度。
• 模型部署。
• 计算性能优化。
• 基础设施软件。

参考资料

• 官网：https://www.meta-stone.com/
• 公司介绍：https://www.meta-stone.com/about
• 融资：
  https://kfqgw.beijing.gov.cn/ywdt/kjcgzhgd/kjqy/202511/t20251112_4317035.html

---

31. 上海合见工业软件集团股份有限公司

31.1 企业背景

• 成立时间：2020年5月。
• 总部：上海。
• 行业：EDA工业软件及半导体IP。
• 核心定位：国产高性能芯片设计工具。

公司在上海、北京、南京等城市布局研发和业务团队。

31.2 企业战略定位

EDA是Electronic Design Automation，即电子设计自动化。

芯片设计需要经过：

架构设计
→ RTL设计
→ 功能验证
→ 逻辑综合
→ 物理设计
→ 签核
→ 制造测试。

合见工软主要在其中多个重要环节提供EDA工具与IP。

它的核心产品不是芯片本身，而是帮助芯片设计公司设计、验证和优化芯片的软件系统。

31.3 第一大业务：数字逻辑仿真

核心产品：UVS。

数字仿真器用于执行RTL仿真并验证设计逻辑是否符合预期。

技术难点：

• Verilog/SystemVerilog语义解析。
• 编译及优化。
• 事件驱动仿真。
• 并行执行。
• 大规模逻辑状态管理。
• 调试性能。

31.4 第二大业务：验证调试

核心产品：UVD。

芯片设计中，仿真失败并不自动说明哪里出了问题。

验证调试工具需要帮助工程师：

• 分析波形。
• 定位错误信号。
• 追踪逻辑依赖。
• 进行根因分析。
• 管理复杂设计状态。

31.5 第三大业务：回归验证管理

核心产品：VPS。

大型芯片项目需要执行大量测试用例。

VPS负责：

• 用例管理。
• 回归测试。
• 任务调度。
• 结果收集。
• 失败分析。
• 验证进度追踪。

31.6 第四大业务：硬件验证

包括UVH系列硬件验证产品。

主要通过硬件仿真加速及FPGA原型验证，提高复杂设计验证效率。

涉及：

• RTL移植。
• 编译优化。
• FPGA映射。
• 硬件调试。
• 软件硬件协同验证。

31.7 第五大业务：半导体IP

公司提供：

• PCIe。
• 高速串行接口。
• 内存接口。
• SerDes。
• 相关可复用IP模块。

IP商业模式通常包括授权费用及相关技术服务。

31.8 2026年重点进展：UniVista Verification GOAT

2026年9月1日，公司推出GOAT智能体套件。

全称：

UniVista Verification Goal-Oriented Agentic Toolkit。

产品包括：

产品	主要任务
UVS/GOAT	数字软件仿真
UVD/GOAT	验证调试、根因分析
VPS/GOAT	回归测试管理
UVH/GOAT	硬件验证与FPGA原型验证

与普通AI Coding的区别

普通AI Coding重点是生成和修改源代码。

EDA Agent还需要：

• 理解芯片设计工程。
• 调用EDA工具。
• 执行编译。
• 处理约束。
• 调度验证任务。
• 阅读工具日志。
• 追踪测试结果。
• 根据失败反馈修正。
• 提供可复查工程证据。

其目标是提高芯片验证效率。

31.9 技术体系

• C/C++。
• 编译器。
• 计算机体系结构。
• 数字逻辑仿真。
• FPGA。
• HDL。
• 高性能计算。
• 大型工程软件。
• EDA算法。
• Agent工作流。
• 自动化测试。

31.10 商业模式

• EDA软件授权。
• 技术维护。
• 软件升级。
• 企业技术支持。
• 半导体IP授权。
• 大型项目工具部署。

31.11 商业化情况

公司官网披露：

• 已研发较完整的EDA产品矩阵。
• 部分产品实现商业部署。
• 硬件验证产品线已进入规模化商业部署阶段。

但目前缺少可公开核实的2025年完整收入、利润及现金流数据。

31.12 竞争格局

国际主要EDA供应商包括：

• Synopsys。
• Cadence。
• Siemens EDA。

国产EDA厂商也在加速布局。

竞争重点：

• 功能完整性。
• 仿真性能。
• 工程稳定性。
• 对先进芯片设计的支持。
• 设计流程兼容性。
• 客户迁移成本。

31.13 发展方向

[推导]

• 国产EDA全流程。
• Agentic EDA。
• 数字芯片验证自动化。
• FPGA验证平台。
• 系统级设计。
• 半导体IP。
• AI辅助工程研发。

31.14 风险

1. 国际成熟EDA生态。
2. 研发投入巨大。
3. 复杂芯片项目验证周期长。
4. 客户迁移难度高。
5. 产品缺陷的潜在成本大。
6. 商业部署规模和盈利能力仍需验证。

31.15 校招与岗位

公开2027届招聘信息涉及：

• 软件开发。
• FPGA验证。
• 芯片验证。
• 数字前后端。
• AI研发。
• 算法。
• 编译及相关工程。

其中需要重点关注C++工业软件开发、仿真器、编译器、EDA Agent及FPGA验证等岗位。

参考资料

• 官网：https://www.univista-isg.com/
• GOAT发布：
  https://www.univista-isg.com/site/news_detail/576

---

32. 北京辉羲科技股份有限公司

32.1 企业背景

• 品牌：辉羲智能。
• 成立时间：2022年4月。
• 创始人兼CEO：徐宁仪。
• 行业定位：具身智能AI计算平台。
• 核心方向：AI芯片、计算模组、软件工具链。

32.2 创始团队

CEO徐宁仪曾任百度智能芯片部主任架构师。

联合创始人章健勇曾任蔚来汽车自动驾驶助理副总裁。

团队具有：

• AI芯片架构。
• 车载计算。
• 自动驾驶。
• 深度学习系统。
• 芯片软硬件协同。

等相关背景。

32.3 2026年融资

2026年2月：

完成超过8亿元Pre-B轮融资。

2026年10月：

完成Pre-B+和B轮，融资约17亿元。

2026年累计股权融资超过25亿元。

32.4 IPO进展

2026年10月28日：

北京辉羲科技股份有限公司办理A股IPO辅导备案。

辅导机构：

中信证券。

需要区分：

IPO辅导
≠
已经通过上市审核
≠
已经上市。

32.5 核心产品：Huixi Embodied

公司2026年发布具身智能芯片和计算平台系列。

A. R1 Pro

面向具身智能的大小脑融合SoC。

集成：

• CPU。
• NPU。
• GPU。
• 实时接口。

希望在单颗芯片中完成：

感知
→ 推理
→ 决策
→ 运动控制。

B. R1 Max

面向更高性能计算和更复杂模型任务。

C. RCM400/RCM500

具身智能计算模组。

32.6 什么是大小脑融合？

在机器人系统中：

大脑

负责环境感知、语义理解、任务规划和推理。

小脑

负责动作协调、运动控制和实时执行。

传统架构可能将计算模块放在不同设备中，带来通信开销。

辉羲希望通过SoC集成降低数据传输和系统复杂度。

32.7 软件体系

官网公开：

• RPU计算内核。
• RISE计算平台。
• RhinoVLA具身模型技术体系。

重点包括：

• AI计算。
• 算子库。
• 编译工具。
• 推理部署。
• 芯片适配。
• 具身模型运行。

32.8 核心技术

方向	具体技术
芯片	SoC、NPU、GPU
编译器	IR、Pass、代码生成
Runtime	模型执行和资源管理
算子	Kernel开发、性能优化
模型	VLA、具身模型
工具链	PyTorch、Triton、MLIR
推理	vLLM适配、模型部署
系统	实时控制、软硬协同

32.9 2027届真实校招岗位

官方招聘页面已公开：

模型部署与工具链软件开发工程师

地点：北京。

岗位职责包括：

1. 推理引擎和编程语言与自研芯片适配。
2. 模型在自研芯片上的部署与性能调优。
3. 自研算子库开发。
4. 软件工具链研发。
5. 相关研发Agent工具建设。

技能要求：

• GPU体系结构。
• CUDA/OpenCL。
• PyTorch。
• vLLM等推理引擎。
• 模型部署和性能分析。

这是一项能够直接证明企业招聘底层计算软件人才的岗位信息。

32.10 NPU编译器岗位

公开2027届岗位信息还涉及：

• NPU/RPU编译器。
• 编译器前端。
• 中间表示IR。
• 优化Pass。
• 代码生成。
• 运行时对接。
• Triton。
• MLIR。
• TVM。
• 算子性能优化。

具体工作城市和开放状态以官方招聘页面为准。

32.11 商业模式

[推导]

• AI芯片销售。
• 计算模组销售。
• 芯片软件及开发套件。
• 机器人企业计算平台。
• 客户芯片适配及技术服务。

32.12 发展战略

[推导]

AI芯片
→ 芯片软件栈
→ 计算模组
→ 具身智能模型
→ 机器人计算生态。

公司试图提供完整的具身智能计算基础设施。

32.13 竞争格局

竞争来自：

• AI芯片厂商。
• 机器人计算模组厂商。
• 车载计算平台。
• GPU计算平台。
• 具身智能专用芯片创业企业。

核心竞争变量：

• 芯片实际性能。
• 功耗。
• 成本。
• 模型兼容性。
• 软件生态。
• 客户部署难度。
• 出货和量产能力。

32.14 财务及风险

• 目前没有完整公开的经审计营收和利润。
• 融资规模较高，但仍不能证明商业盈利。
• 芯片出货量及客户收入需要进一步确认。

风险：

1. 芯片流片。
2. 验证与量产。
3. 软件工具链。
4. 生态兼容。
5. 具身模型快速变化。
6. 大额研发投入。
7. 客户导入周期。

32.15 技术价值判断

[推导]

如果岗位能够长期参与：

• NPU编译器。
• Runtime。
• GPU算子。
• 模型适配。
• 推理性能优化。

则具备较强的底层计算软件技术积累价值。

不能仅凭公司研发芯片就认定所有软件岗都有这些职责。

参考资料

• 官网：https://www.huixi.tech/

• 官方校招：
  https://r712him1th.jobs.feishu.cn/huixicampus/position/7681130927895972132/detail

• IPO信息：
  https://www.bbtnews.com.cn/2026/1030/609798.shtml

• 北京经开区：
  https://kfqgw.beijing.gov.cn/cxyzkfq/yzal/202608/t20260824_4834260.html

---

33. 本末动力（北京）科技股份有限公司

33.1 企业背景

• 上市简称：本末科技。
• 股票代码：06731.HK。
• 成立时间：2020年。
• 创始人：张笛。
• 行业：机器人动力模组及机器人整机。
• 上市时间：2026年9月29日。
• 上市地点：香港交易所主板。

公司具有香港科技大学机器人研究及东莞松山湖机器人孵化生态背景。

创始人张笛曾在香港科技大学从事机器人系统与控制相关研究。

李泽湘相关机器人孵化体系曾提供早期支持。

33.2 企业技术定位

本末科技主要研究直驱动力系统。

它与典型具身智能大模型企业不同。

其核心技术资产是：

• 电机。
• 驱动器。
• 编码器。
• 机器人动力模组。
• 运动控制。
• 机器人整机。

33.3 什么是直驱技术？

传统机器人关节通常采用：

电机
→ 减速器
→ 负载。

减速器可以提高输出扭矩，但会增加机械结构复杂度。

直驱技术尝试：

电机
→ 直接驱动负载。

潜在优势

• 结构简化。
• 减少传动部件。
• 减少特定机械磨损。
• 控制响应更直接。
• 某些应用场景下维护更简单。

技术权衡

• 扭矩密度。
• 电机重量。
• 能耗。
• 温升。
• 成本。
• 负载能力。

因此，直驱不一定在所有机器人场景下优于减速器方案。

33.4 第一大业务：动力模组

主要包括：

• 直驱动力模组。
• 具身机器人关节模组。
• 电机。
• 驱动器。
• 编码器及相关模块。

应用于：

• 消费机器人。
• 服务机器人。
• 商业机器人。
• 部分工业机器人。
• 具身智能机器人。

33.5 第二大业务：机器人整机

主要产品：

• 刑天。
• TITA。
• TITATIT。
• D1。

产品覆盖轮足机器人和模块化机器人等方向。

整机业务与动力模组销售存在明显区别。

动力模组面向机器人制造商。

整机则直接面向最终应用市场。

33.6 2025年商业化规模

公开招股资料显示：

• 2025年直驱动力模组出货约850万套。
• 2025年在中国消费机器人直驱动力模组细分市场，按收入计算市场份额约61.1%。

必须注意：

61.1%是特定细分市场份额。

并不代表整个机器人动力系统市场的61.1%。

33.7 2023—2026年财务情况

指标	2023年	2024年	2025年	2026年上半年
营收	1754万元	7980万元	2.82亿元	约2.00亿元
毛利率	13.5%	19.3%	21.5%	20.7%
账面净亏损	7559万元	9374万元	约8.81亿元	约3.91亿元
经调整净亏损	6122万元	6159万元	4325万元	2750万元

33.8 如何理解8.81亿元账面亏损？

2025年账面亏损中，约7.7亿元来自赎回负债公允价值变动。

这主要与企业上市前的融资估值及特殊股东权利会计处理有关，属于非现金项目。

因此不能直接理解为公司2025年经营活动消耗了8.81亿元现金。

但也不能反向认为公司已经盈利。

因为：

• 经调整净利润仍为负。
• 经营现金流仍为负。
• 毛利率仍不高。
• 公司需要继续投入研发和扩产。

33.9 经营现金流

公开资料显示：

• 2023年净流出5296万元。
• 2024年净流出6669万元。
• 2025年净流出6956万元。
• 2026年上半年净流出6480万元。

这表明公司业务快速增长，但仍需要外部资本及经营资金支持。

33.10 客户集中度

2025年：

• 前五大客户收入占比约85.7%。
• 最大单一客户收入约1.2亿元。
• 占总收入约42.8%。

[推导] 公司对主要客户依赖较强。

如果大客户减少订单，收入和产能利用率可能受到较大影响。

33.11 IPO进展

2026年9月29日：

本末科技正式在港交所主板挂牌。

发行规模：

• 全球发售5000万股H股。
• 招股价为每股21.60港元。
• 募集资金主要用于研发、产能及市场建设。

公开资料显示，本次IPO为企业带来新的资本支持。

33.12 IPO募资用途

招股资料披露的大致规划：

• 约50%用于机器人技术研发。
• 约20%用于市场和渠道建设。
• 约20%用于生产能力及效率改善。
• 约10%用于营运资金等。

研发重点包括：

1. 直驱动力模组性能。
2. 机器人整机。
3. 模块化装配。
4. 生产自动化。
5. 工业数据与智能制造。

33.13 发展战略

[推导]

直驱动力模组
→ 机器人核心关节
→ 轮足机器人
→ 模块化机器人
→ 更完整的机器人技术平台。

其战略重点是从零部件供应商向更高附加值产品扩展。

33.14 竞争格局

公司面临两类竞争：

动力零部件竞争

来自电机、减速器、伺服及其他动力模组供应商。

机器人整机竞争

来自各类轮足机器人、服务机器人及具身机器人制造商。

33.15 主要风险

1. 主要客户集中。
2. 硬件毛利率相对有限。
3. 直驱技术适用范围。
4. 经营现金流仍为负。
5. 机器人整机商业化不确定。
6. 新产品研发投入。
7. 行业价格竞争。
8. 市场需求波动。

33.16 招聘和技术价值

重点技术岗位：

• 电机控制。
• 嵌入式软件。
• 驱动器开发。
• C/C++。
• 机器人控制。
• 运动规划。
• 机器人本体软件。
• 控制算法。
• 硬件与系统集成。

若希望长期进入机器人核心控制与执行机构领域，该公司具有较明确的产品和技术路径。

参考资料

• 官网：https://directdrive.com/
• 投资者关系：https://ir.directdrive.com/cn/corporate-information/
• 上市及经营：
  https://www.thepaper.cn/newsDetail_forward_34172314

---

四、33家企业完整产业分类

4.1 AI基础设施与高性能计算

企业	核心业务	产业链定位
清程极智	大模型推理引擎、国产算力优化	AI Infra软件
并行科技	超算云、智算云	算力服务
庭宇科技	GPU云、边缘云、Token服务	算力基础设施
是石科技	HPC+AI统一计算、并行优化	计算平台和优化

4.2 半导体与工业软件

企业	核心业务	产业链定位
辉羲智能	AI芯片、工具链	AI芯片及软件栈
合见工软	EDA、IP、Agentic EDA	芯片设计软件
适创科技	CAE、物理仿真	工业基础软件
晟芯腾跃	模拟芯片、射频芯片	半导体设计
北京发那科	CNC、伺服、自动化	工业控制
钛方智感	智能触觉芯片	传感半导体

4.3 机器人与智能装备

企业	核心业务	产业链定位
新石器慧达	无人配送	自动驾驶车辆相关主体
遨博未来智造	机器人技术创新	机器人研发及制造相关
吉翼智能	具身智能机器人	整机和模型
本末科技	直驱动力模组	机器人执行机构
坤维传感	六维力传感器	机器人感知
长凯长	智能消防装备	特种智能装备

4.4 航天与空间信息

企业	核心业务
天安星控	航天测运控、数字孪生
太宇星空	遥感卫星、星载AI
遨天科技	卫星电推进、空间监测

4.5 行业软件与平台服务

企业	核心业务
赛尔网络	教育科研网络
神州数码	IT、云和AI解决方案
中恒博瑞	电力工业软件
交叉科技	金融AI和投研平台
农芯科技	智慧农业
爱学习博乐	教育科技
高途	教育服务及教育AI
中华财险	财产保险及保险科技
中国金融电子化集团	金融科技和监管科技
亮亮视野	AR眼镜及企业AR
天机智成	脑机接口
科微量子	量子传感和原子钟

4.6 主体信息待确认

• 北京思异科技。
• 北京途雄量超计算科技。

这两家尚不适宜做确定的财务及技术实力比较。

---

五、33家企业商业化成熟度比较

5.1 判断标准

企业商业化大致可以区分：

阶段A：研发和技术验证

已有研究成果或产品原型，但缺少明确商业订单。

阶段B：初步产品交付

已有产品发布、试点和部分客户交付。

阶段C：规模化商业经营

产品已形成一定规模的持续收入和客户。

阶段D：可持续盈利

具备稳定经营收入、利润和现金流。

注意：这是分析框架，不是官方企业评级。

5.2 有较明确经营财务证据的企业

企业	财务证据	备注
神州数码	2026年三季报	集团口径
并行科技	2026年三季报	上市公司
高途	2026年半年报	美股上市
中恒博瑞	2025年子公司财务	所属上市公司年报
中华财险	2025年保费及偿付能力	保险经营口径
本末科技	2026年IPO招股书	港股上市

5.3 已有较明确工程产品进展的企业

• 适创科技。
• 清程极智。
• 太宇星空。
• 遨天科技。
• 科微量子。
• 亮亮视野。
• 坤维传感。
• 合见工软。
• 辉羲智能。
• 吉翼智能。
• 农芯科技。

注意：已有产品不代表已经盈利。

5.4 需要进一步核实商业化结构的企业

• 天安星控。
• 赛尔网络。
• 新石器慧达。
• 遨博未来智造。
• 交叉科技。
• 庭宇科技。
• 钛方智感北京主体。
• 爱学习博乐。
• 天机智成。
• 晟芯腾跃。
• 长凯长。
• 是石科技平湖主体。
• 中国金融电子化集团相关业务主体。

这些企业可能拥有真实产品和客户，但在独立财务、收入结构或法人归属上仍存在信息缺口。

---

六、重点企业经营数据横向比较

不同公司财务口径和期间不同，不应直接按数值大小排列公司综合实力。

企业	最近已核实数据	主要风险或观察点
神州数码	2026年前三季度营收1367.26亿元	分销收入占比、现金流
并行科技	2026年前三季度营收15.47亿元	算力设备投入、负债
高途	2026上半年营收33.60亿元	尚未稳定盈利
中恒博瑞	2025年营收4.02亿元	项目收入、行业客户
中华财险	2025年保费706.3亿元	赔付、承保成本、资本充足
本末科技	2025年营收2.82亿元	毛利率、客户集中、现金流
辉羲智能	2026年融资超25亿元	量产和收入待核实
亮亮视野	2026年C+轮融资超3亿元	智能眼镜商业化
吉翼智能	初始注册资本16.33亿元	新设企业、订单和量产
是石科技	2025年Pre-A+轮数千万元	产品收入与算力收入比例
坤维传感	2026年年产能10万台	实际销量和毛利率

---

七、竞争壁垒的五种类型

7.1 底层软件壁垒

代表：

• 清程极智。
• 合见工软。
• 适创科技。
• 是石科技。

核心能力：

• 算法。
• 编译器。
• Runtime。
• 仿真求解器。
• 高性能计算。
• 软件工程体系。

7.2 核心硬件壁垒

代表：

• 辉羲智能。
• 晟芯腾跃。
• 坤维传感。
• 钛方智感。
• 科微量子。
• 本末科技。

核心能力：

• 芯片设计。
• 传感器。
• 精密制造。
• 硬件架构。
• 产品可靠性。
• 量产能力。

7.3 行业知识壁垒

代表：

• 中恒博瑞。
• 农芯科技。
• 交叉科技。
• 中国金融电子化集团。
• 天安星控。

核心能力：

• 行业业务模型。
• 专业数据。
• 长期客户经验。
• 行业技术规范。
• 系统交付能力。

7.4 基础设施与规模壁垒

代表：

• 并行科技。
• 庭宇科技。
• 赛尔网络。
• 神州数码。

核心能力：

• 网络覆盖。
• 算力资源。
• 客户基础。
• 供应链。
• 服务运营。
• 资本投入。

7.5 产品和服务运营壁垒

代表：

• 高途。
• 爱学习博乐。
• 中华财险。
• 亮亮视野。

核心能力：

• 用户规模。
• 品牌。
• 服务网络。
• 产品体验。
• 客户管理。
• 持续运营。

---

八、针对AI Infra、Agent、软硬协同的岗位分类

8.1 AI推理与GPU软件栈

重点研究：

1. 清程极智。
2. 辉羲智能。
3. 是石科技。
4. 并行科技。
5. 庭宇科技。

应重点核实：

• 自研推理引擎。
• Kernel优化。
• CUDA。
• 量化。
• 模型部署。
• 内存管理。
• 并发调度。
• 国产芯片适配。

其中，辉羲智能已经存在明确的2027届推理部署、工具链及算子相关招聘岗位。

8.2 AI Agent与专业软件结合

重点研究：

1. 合见工软。
2. 适创科技。
3. 交叉科技。
4. 神州数码。
5. 高途。

主要方向：

• Agent调用专业工具。
• 企业工作流自动化。
• 行业知识和数据系统。
• 工程执行闭环。
• 结果验证。
• 企业AI平台。

8.3 C++与高性能基础软件

重点研究：

1. 清程极智。
2. 合见工软。
3. 适创科技。
4. 是石科技。
5. 辉羲智能。
6. 并行科技。

关键技术：

• C++。
• 并行计算。
• 编译原理。
• 内存管理。
• 数据结构。
• 系统性能分析。
• GPU编程。
• 大型软件工程。

8.4 机器人与软硬件协同

重点研究：

1. 辉羲智能。
2. 本末科技。
3. 坤维传感。
4. 吉翼智能。
5. 新石器相关体系。
6. 遨博相关体系。

技术路径包括：

机器人感知
→ 运动规划
→ 控制算法
→ 电机驱动
→ 传感器反馈
→ 机器人系统优化。

---

九、职业价值与企业经营实力的区别

9.1 不应将高薪、技术深度和企业实力混为一谈

企业可能出现：

• 规模大，但岗位偏实施。
• 公司小，但拥有底层技术研发。
• 融资多，但尚未实现规模化收入。
• 产品技术强，但现金流紧张。
• 行业稳定，但岗位技术迭代较慢。

这些不是互斥关系。

9.2 技术岗位优先核实五个维度

第一：核心产品参与度

是否参与企业主营产品的核心代码？

第二：底层技术深度

是否涉及核心算法、系统软件、编译器、Runtime、算子和性能优化？

第三：工程规模

是否能接触真实生产环境中的大规模系统？

第四：技术迁移性

技能能否迁移到其他芯片、框架、行业和平台？

第五：团队和组织

是否有经验丰富的技术负责人和稳定的研发体系？

9.3 财务风险优先核实五个维度

1. 经营现金流。
2. 毛利率。
3. 核心客户集中度。
4. 研发投入。
5. 未来资金需求。

尤其不能简单依据融资金额和注册资本判断企业财务稳定性。

---

十、最终综合判断

10.1 AI底层计算软件

[推导]

清程极智、辉羲智能、是石科技、并行科技和庭宇科技，分别位于推理引擎、AI芯片软件栈、计算优化、超算云和GPU基础设施等环节。

这些企业的技术与商业模式差异明显。

10.2 工业基础软件

[推导]

合见工软和适创科技值得重点研究。

它们的潜在价值在于将复杂专业知识转化为可复用的软件工具。

随着AI Agent进入专业工程流程，底层工程软件与智能化工作流可能形成新的产品体系。

10.3 具身智能与机器人

[推导]

本末科技、坤维传感、辉羲智能、吉翼智能分别覆盖动力系统、力觉感知、计算平台和机器人整机。

在机器人产业中，拥有独立零部件产品和量产能力，并不一定比整机大模型企业缺乏商业价值。

10.4 商业航天

[推导]

天安星控、太宇星空和遨天科技分别覆盖专业软件、卫星平台与星载计算、推进系统及空间态势感知。

未来商业化的关键在于真实设备交付、卫星部署和持续服务收入。

10.5 金融、教育和垂直行业软件

[推导]

金融、教育、电力、农业等行业的软件企业，核心竞争力往往不仅来自通用技术，还来自行业数据、客户关系和业务流程。

其AI产品是否具有竞争力，应结合实际业务效率和客户付费验证。

---

十一、后续企业尽调仍需持续更新的项目

维度	具体需要核实的信息
股权	最新股东、控制人、股权比例
财务	2025年及2026年收入、利润、现金流
产品	产品版本、量产和交付
客户	付费客户、订单、复购和集中度
团队	研发人数、核心负责人、流动情况
战略	未来两三年技术和产品规划
招聘	2027届真实岗位、地点、薪酬
风险	资金、技术、监管、市场竞争

---

十二、结论的可证伪条件

以下任何新证据，都应触发对应结论的更新：

1. 正式财报与现有经营数据不一致。
2. 工商资料证明股权或实际控制人发生变化。
3. 技术文档证明产品能力低于或高于此前判断。
4. 客户交付记录证明商业化程度不同。
5. 实际招聘JD证明岗位技术职责与当前推导不同。
6. 融资、上市、量产等关键事件发生变化。
7. 企业产品已终止或业务方向明显调整。

最终评价必须以企业实际产品、财务、客户和研发职责为依据，不能以名称、宣传、融资规模或者行业热度代替证据。

---

报告完成情况

第一部分：01—11号企业，已整理。

第二部分：12—22号企业，已整理。

第三部分：23—33号企业及横向比较，已整理。

总计：33家企业。

尚未完成准确法律主体匹配的企业：

• 北京思异科技有限公司。
• 北京途雄量超计算科技有限公司。

其他企业存在独立财务、子公司职责、客户收入结构等不同程度的信息缺口，已在各企业档案中标明。