本报（chinatimes.net.cn）记者刘凯 于建平 北京报道
8月27日，创新奇智对外发布全面升级的AInnoGC工业本体智能体平台。平台提出工业本体、驾驭工程、智能编码三位一体的开发范式，目标是将工业智能体从单点应用工具推进到生产级部署。
此前一天，公司披露2026年上半年业绩，调整后净利润约320万元，同比增幅147.8%，上市以来首次实现半年度调整后净利润转正。创新奇智方面对《华夏时报》记者表示，业绩转正的背后，是公司过去三年主动收缩、聚焦主业的经营策略调整。
工程化能力补短板
当下，工业AI的竞争焦点正在从模型能力转向工程化落地能力。尤其在汽车制造等离散行业，设备类型多、工艺链路长、质量追溯要求高，智能体若无法在真实车间稳定运行，算法优势难以转化为业务价值。
以汽车行业为例，中国汽车行业正处在电动化与智能化叠加的转型周期，新建工厂普遍追求高自动化率与数据驱动管理，存量产线也在加快数字化改造。设备综合效率、能耗强度、一次下线合格率等指标对管理系统提出更高要求。传统MES、EAM等软件擅长流程记录和事后统计，对实时多源数据的主动分析能力有限。大模型与智能体的出现提供了新的可能，但落地稳定性始终是瓶颈。
创新奇智CTO李凡对《华夏时报》记者表示，“工业AI并不缺少先进算法，真正的短板在于把算法落地工厂、创造实际价值的工程化能力。”当前制造企业落地智能体普遍面临技术门槛高、落地成本高、出错风险高的问题。单一场景开发搭建往往耗时数日，大模型幻觉问题极易生成错误业务逻辑，多重痛点制约了智能体技术在工厂场景的快速普及。
短板既在工程化，解法也须落在工程化。创新奇智给出的答案，是把平台升级的核心定位于三位一体开发范式。工业本体模块新增时序数据、本体查询、SQL工具和衍生指标计算等功能，将设备、工艺、能耗、人员等多源数据按业务逻辑梳理为实体、属性、关联关系与业务规则。分散的工业数据由此转化为智能体可理解、可调用的业务语义。驾驭工程模块将人在回路、全链路评测、生成校验、自动修复、试运行和过程追踪等机制纳入智能体全生命周期，解决任务执行可靠性问题。智能编码模块辅助本体建模、工作流编排与业务逻辑适配。三者协同，实现本体、工作流、评测体系的自动化运行。
据创新奇智方面介绍，成都工厂的玻纤拉丝开机率调优项目中，玻纤生产过程中原料配比、窑炉温度、拉丝稳定性环环相扣，任何一个环节波动都可能导致断丝停机。平台基于客户数十年的历史生产数据构建本体，将物料属性、窑炉参数、拉丝状态之间的业务关联显性化，再由多个智能体协同完成配方微调、实时监测和根因分析。这类场景对可靠性的要求远高于通用办公场景，也正是在这样的场景中，本体和驾驭工程的价值才能被真正检验。
另一个案例来自安徽上药园区运营智能体，核心功能是智能问数。传统做法依赖人工标注数百条问答对训练模型生成SQL，成本高且泛化能力弱。公司的方案是先搭建园区业务本体，把组织架构、能耗逻辑、运营规则显性表达出来，模型面对新问题时基于本体推演所需数据，不需要问答对即可生成正确查询语句。在汽车工厂的能耗管理和质量追溯中，这一逻辑同样适用。使用者是否真正信任数据，取决于模型是否理解业务逻辑。
可以看出，创新奇智此次平台升级，围绕可靠性、开发效率和可复制性三个维度展开，来解决工业智能体如何走出样板间的问题。
扭亏与规模复制
根据创新奇智的财报，2026年上半年，其总营收达8.29亿元，同比增长18.6%。综合毛利率35.4%，较去年同期提升约0.4个百分点，连续第6年改善。调整后净利润约320万元，上市以来首次半年度转正，AI+制造业务营收占比进一步提升至81.5%。
创新奇智方面对记者表示，财务数据之外更值得关注的是应收账款管理的改善。报告期内公司应收账款周转天数降至99天，为近年来最佳水平，明显优于行业平均的200至300余天。贸易应收款及票据4.87亿元，增速5.3%，远低于收入增速。这一变化并非自然发生，2023年下半年起，公司主动调整增长策略，放弃了一批需要大量垫资、账期过长的统包项目，其中包括一个已中标的新能源汽车大厂项目，涉及金额约1.4亿元。账期过长会拖累现金流，而现金流是企业持续投入研发的底线。
创新奇智方面对记者表示，这种取舍直接体现在经营现金流上。上半年公司经营活动现金流净流出约1500万元，支撑8.29亿元营收，单位收入消耗的现金流处于健康水平。研发投入率保持在25%左右，研发投入力度并未因扭亏而缩减。截至报告期末，公司账上现金及现金等价物7.18亿元，零贷款、零负债。
市场策略上，创新奇智针对大型企业客户组建前沿部署工程师团队。创新奇智方面对记者表示，FDE的衡量标准是“智能体是否在客户的生产环境中被真正使用”。多数工业智能体仍停留在演示阶段，能在真实产线上持续运行、被一线人员日常使用的少之又少。FDE团队依托平台沉淀的行业本体、技能组件和驾驭工程范式，深入客户现场解决复杂问题，项目交付中积累的新经验再转化为平台可复用资产。经过多客户验证后，成熟能力被封装为标准化轻量化套件，向同行业客户复制。上半年收入中，50%以上来自老客户复购。
对汽车行业而言，这套规模化路径具备参考价值。汽车制造是典型的离散制造，产线柔性化改造、设备预测性维护、能耗精细管理、质量大数据分析等需求持续增长。
创新奇智的AEAM设备管理、AEMS能源管理、AMI制造数据分析等智能体套件，与汽车工厂的设备管理、能源管理、制造数据分析需求存在较高匹配度。平台升级后，设备故障处置场景可基于同一套业务本体生成九类智能体，覆盖故障预测、排查、辅助诊断、备件协同等环节；能源管理场景可生成五类智能体，形成“自感知、自分析、自优化、自决策”闭环。这些能力若能通过标准化套件复制到汽车供应链，落地周期和成本都将明显下降。
创新奇智方面对记者表示，工业具身机器人是另一条并行推进的路线。公司坚持“一脑多体”逻辑，不绑定特定机器人本体，聚焦场景大脑和小脑能力。已在钢铁冶金领域落地的智能充电机器人，能自动完成重载电力机车的充电口检测、开盖插电和拔电关盖动作。工业物流智能飞行平台在钢卷仓库和原料码头承担高温高危环境下的巡检任务，结合多模态识别完成钢卷标签读取和设备状态检测。这些场景与汽车工厂的物流环节、高危巡检需求存在共性。
扭亏只是起点，不是终点。工业智能体的规模化落地仍取决于后续交付质量、标准化程度以及客户现场的实际效果。但至少从这份半年报和这场发布会来看，创新奇智正在把“工程化”三个字从口号变成可量化的财务和管理动作。
责任编辑：李延安 主编：于建平
热门跟贴