基金调研丨农银汇理基金调研中控技术

根据披露的机构调研信息，9月30日，农银汇理基金对上市公司中控技术（688777）进行了调研。

从市场表现来看，中控技术（688777）近一周股价下跌1.53%，近一个月下跌18.16%。

基金市场数据显示，农银汇理基金成立于2008年3月18日，截至目前，其管理资产规模为2453.91亿元，管理基金数141个，旗下基金经理共28位。旗下最近一年表现最佳的基金产品为农银专精特新混合A（016305），近一年收益录得48.52%。

农银汇理基金在管规模前十大产品业绩表现如下所示：

（数据来源：同花顺（300033）iFinD）

附调研内容：

问答环节:

问：公司二季度工业AI业务情况及后续展望如何？中控作为全球稀缺的可以做FDE的大模型厂商，如何看待公司在FDE能力上面的壁垒及未来布局？

答：公司整体组织架构和业务体系仍在持续调整和磨合，但从收入端来看，工业AI业务依然保持了良好的增长态势。经过前两年的业务积累和客户认知的逐步建立，今年公司工业AI业务收入呈现明显的放量态势，二季度工业AI业务收入继续创新高。从定性角度来看，工业AI相关的需求较为旺盛。今年以来，到公司商务拜访的大型企业明显增多，随之带来的商机显著增长，行业客户对工业AI的认知和需求正加速提升。尽管从商机到订单、再到收入的转化需经历一定周期（883436），但整体需求仍保持上行态势。与此同时，公司FDE团队在客户现场推进工业AI落地，现阶段更为关注客户痛点的识别与提炼，以及AI应用交付质量与实际成效，着力于在不同行业、不同装置、不同场景打造标杆案例，并推动由点及线的复制推广，为后续全面扩张奠定坚实基础。关于FDE的壁垒，流程工业的FDE是懂AI、懂自动化、懂工艺、懂设备、懂工厂运营的复合型人才。公司深耕流程工业三十余年，累计部署超过十万套控制系统，服务超过四万家流程工业客户，不仅积累了丰富的数据资源，更拥有一支规模庞大、既懂技术又熟悉现场业务的工程师队伍，且具备持续的人才培养能力；对其他领域的大模型公司及跨界科技公司而言，这一人才壁垒非常高，这类企业虽可能具备较强的AI算法能力，但化工（850102）厂、炼油厂等流程工业工厂涉及高温高压装置、复杂工艺流程及严格的安全生产规范，仅掌握算法远不足以应对。因此，TPT的壁垒并非单一技术壁垒，而是以工业数据为核心，行业Know-how及FDE复合型人才等多维度叠加所形成的系统性壁垒。关于FDE的未来布局，其核心在于扩大人才队伍规模，并推动FDE能力建设向系统化发展。一方面，公司已建立持续性的内部培养机制，将依托三十余年积累的行业经验与人才梯队，持续引导具备自动化、工艺背景的工程师向FDE方向转型，在提升其AI能力的同时，沉淀现场实践经验，形成标准化方法论。另一方面，随着TPT持续迭代及规模化推进，FDE的职责正由项目交付向更深层次延伸，其角色已不再局限于现场实施，而是工业智能体的定义者与构建者，亦是公司AI价值的重要呈现者。未来，公司期望构建一套可复制的人才培养体系与交付体系，推动FDE能力由服务单个项目扩展至支撑整个工业AI平台的规模化落地。

问：当前工业AI业务行业竞争情况如何？公司如何长期保持自己的竞争壁垒？

答：关于竞争格局，中控在工业AI领域的领跑优势非常明显。自2024年6月公司发布全球首个流程工业时序大模型TPT至今已有两年多时间，但目前全球范围内有同类型产品的友商凤毛麟角，已有的类似产品商业化进展和落地节奏也相对较慢。目前，公司TPT所覆盖行业已从化工（850102）、石化迅速拓展至油气、医药、冶金等多个领域，标杆项目持续落地，产品竞争力与市场需求均获得较为充分的验证，领先优势与产品力优势显著。关于工业AI的竞争壁垒，数据是最核心的环节。根据睿工业统计，公司核心产品集散控制系统（DCS）连续十五年位居国内市占率第一，2025年份额已提升至45.1%，在核心领域化工（850102）与石化的市占率分别高达68.5%和59.4%；DCS作为工厂的数据枢纽，温度、压力、流量等实时数据均汇聚于此，这意味着国内相当一部分流程工业的生产数据均通过中控系统运行。公司累计部署控制系统超10万套，服务流程工业客户超4万家，沉淀了海量的工业时序数据，形成了跨界厂商难以企及的数据优势。工业数据不同于广泛分布于互联网的自然语言语料，具有显著的封闭性，其他领域的大模型公司及跨界科技公司即便在通用AI领域具备较强能力，但若没有真实的工业时序数据，训练出来的模型易产生幻觉并带来安全风险，难以在工厂落地。而公司的TPT基于真实的工业装置数据训练，能够切实理解工厂运行逻辑；叠加DCS/UCS控制系统，TPT具备进入生产闭环的物理执行能力，这种全栈解决方案是纯软件背景厂商难以复制的。FDE方面，流程工业的FDE是懂AI、懂自动化、懂工艺、懂设备、懂工厂运营的复合型人才，这种人才公司有三十多年的积累和成熟培养体系，跨界厂商短期内难以补齐。因此，工业AI的竞争本质上并非单纯算法的竞争，而是数据、行业Know-how与FDE落地能力的综合竞争。只有具备真实、海量、高质量的工业数据，才能打通模型能力与现场需求，解决工厂实际问题。中控正处于上述多维度的交汇点，既是DCS时代的领军企业，亦是工业AI时代的先行者，先发优势与系统性壁垒难以通过短期投入实现追赶。

问：通用LLM能够给公司的工业AI带来哪些增量价值？在知识理解、Agent、工艺知识调用、人机交互或者复杂任务规划上，LLM和时序大模型未来会形成怎样的协同？怎么看两类模型各自的分工和价值边界？

答：时间序列大模型与大语言模型属于两类定位不同、能力侧重各异的模型：大语言模型主要处理文本、图像、音视频等信息，其训练依赖于互联网海量语料及多模态数据；时间序列大模型则面向温度、压力、流量等工业时序数据，学习对象为工厂真实运行数据。TPT大模型基于公司过去三十余年在流程工业行业积累的真实数据进行训练，能够真正“听懂”工业的语言，例如判断精馏塔温度曲线是否异常、预测压缩机可能发生故障的时点等。这类任务高度依赖工业时序数据、工艺机理与现场约束，是大语言模型不擅长的。因此，我们认为在工业AI架构中，TPT是绝对的核心，承担核心分析与决策角色，大语言模型主要发挥辅助交互作用，二者形成分工协作关系。TPT的定位是工厂的“大脑”，负责让工厂自主运行，实时感知数据、分析判断并输出控制指令，是生产闭环中的核心决策者。大语言模型在工厂中的主要价值则体现在人机交互，即降低使用门槛：其可将自然语言指令转化为TPT能够理解的调用指令，交由TPT执行，并在TPT完成计算后，将结果转化为工程师易于理解的自然语言反馈，从而提升工程师与TPT之间的交互效率。总体而言，大语言模型能够提升工业AI的交互体验，但不参与核心控制决策环节，真正的感知、分析、判断、控制指令的下达都由TPT完成。因此，在整个技术体系中，TPT提供核心价值，大语言模型则使该价值更易于被使用。

问：公司如何平衡快速确认收入（买断制）与构建长期经常性收入（订阅制）之间的关系？订阅制模式下收入确认周期（883436）拉长，这是否会对2026年达成8-10亿元的股权激励目标构成挑战？

答：订阅制是最适合TPT长期发展的商业模式，也是公司目前力推的方向。自去年至今，TPT项目数量实现了较快增长，订阅制项目在TPT项目数量中的占比亦持续提升，但由于订阅制收入按时间分期确认，收入确认周期（883436）相对较长，因此订阅制收入占比的提升速度必然慢于其项目数量占比的提升速度。现阶段，TPT业务呈现买断制与订阅制并存的格局，但订阅制收入占比正逐步提升。订阅制转型需要循序渐进，既涉及外部市场习惯的培养，也涉及公司内部体系的调整。从外部来看，流程工业客户长期习惯买断制，接受订阅制需要时间。随着越来越多同行采用订阅制TPT并取得良好效果和体验，其他客户自然会逐渐愿意尝试，这一转变会持续发生。从内部来看，公司也在持续优化相关制度。过去公司的销售团队更习惯销售DCS等买断制产品，公司的考核与激励制度也主要围绕买断制设计。转向订阅制后，收入确认节奏和回款周期（883436）都发生了变化，如果继续沿用原有考核激励方式，销售人员推动订阅制的动力可能不足。因此，公司已经制定了面向订阅制的销售激励政策，并在实践中持续优化，让销售人员能够切实感受到销售订阅制TPT对其个人收入是有利的。目前，这些内部体系调整已经在推进，并会根据一线反馈不断修正。推行订阅制，虽然会减少当期确认的TPT收入金额，但却是最适合TPT长期发展的商业模式，也是当前大模型厂商普遍采用的模式。大模型天然需要持续迭代，工业数据也在不断产生，模型必须持续学习和优化。在买断制模式下，产品交付给客户后合作基本结束，而订阅制带来的是持续的合作关系，公司可以不断向客户推送最新的模型能力，客户也能持续获得价值提升，这是一种双赢模式。因此，即便推行订阅制短期内会减少当期确认的TPT收入金额，公司仍将坚定不移地推进这一方向。

问：现阶段公司自动化业务下游客户的资本开支趋势如何？如何展望未来的行业发展？

答：从竞争格局来看，自动化业务领域的国产替代进程正明显加快，目前国产DCS在国内市场的份额已超过60%。2025年，公司DCS国内市场占有率达到45.1%，连续十五年位居国内第一，在化工（850102）和石化两大核心赛道的市占率分别达68.5%和59.4%。在国产替代持续推进的背景下，该竞争优势有望进一步强化。从客户侧来看，流程工业客户的资本开支投向较以往有所调整，过去资金主要投向产能扩张和新建工厂，当前则更多向AI、低碳、安全等方向倾斜，政策层面也在同步推进，例如6月国家发展改革委等五部门启动重点行业节能降碳改造攻坚三年行动，7月国务院印发《“十五五”碳达峰行动方案》等。对客户而言，当前面临的核心问题已不是“要不要推进智能化改造”，而是“如何推进、与谁合作”，这为公司提供了重要机遇。公司的TPT大模型在节能降碳、自主运行、AI+安全等方面已形成较多落地案例，客户看到这些案例的实际成效后，投入意愿也将随之提升。整体来看，传统业务的下游需求正经历结构性变化，存量技改、智能化升级、节能降碳改造等需求持续释放，国产替代的长期趋势也在加快兑现。围绕这些需求变化，公司正持续推进相关产品与解决方案布局，以更好地匹配客户在改造升级等方面的实际需要;