司均值，因此维持“买入”评级。 关键假设点 （1）智能制造解决方案：预计未来智能制造解决方案仍将保持稳定增长。因 此我们假设 2024-2026 年智能制造解决方案营收同比增速为 15%。我们假设 2024-2026 年该业务毛利率保持稳定为 41%。 （2）自动化仪表：随着公司仪器仪表产品扩容，预计该业务将继续保持快速 增长，我们假设 2024-2026 年自动化仪表业务同比增速为 ........................... 15 3．全球顶级客户站台，印证中控产品有效性和竞争力 ......... 15 3.1 沙特阿美 ....................................................................................... 15 3.2 印尼国家石油公司 ............ ........................... 14 图 11：中控大模型 TPT 实现一个软件支撑多种应用场景 ................................... 15 图 12：中控技术与沙特阿美在机器人方面的合作 ............................................... 16 图 13：中控技术与印尼国家石油公司全方位合作

12%，订单交付周期缩短 20%。 在生产调度方面，AI 算法通过实时分析设备状态、订单优先级 和资源约束，实现了生产计划的动态优化。某电子制造企业部署 AI 生产调度系统后，设备利用率提升了 15%，能源消耗降低了 8%， 月均产量增加 12%。 制造业 AI 应用的关键技术支撑体系主要包括：  边缘计算与云计算协同架构  工业物联网（IIoT）平台  机器学习与深度学习算法 技术在新能源汽车制造中的实际应用效 果，以下为某新能源汽车制造企业引入 AI 系统前后的生产效率和 产品质量对比数据： 指标 引入 AI 前 引入 AI 后 提升幅度 生产效率(台/小时) 10 15 50% 产品不合格率(%) 5 2 60% 设备故障停机时间(小时/月) 20 8 60% 综上所述，AI 技术在新能源汽车制造中的应用，不仅能够显著 提升生产效率和产品质量，还能够优化供应链管理，降低运营成 化后，涂布均匀性提升 15%，材料利用率提高 8%。 在装配环节，深度学习技术可以提升装配精度和效率。通过训 练递归神经网络（RNN），可以对装配过程中的多维度数据进行时 序分析，预测装配偏差并及时调整。例如，在电机装配过程中，深 度学习模型可以实时监控转子与定子的对中精度，自动调整装配参 数，确保装配质量。实际应用表明，采用深度学习技术后，电机装 配精度提升 20%，装配时间缩短 15%。 此

张量/矩阵核心单元 - 1,700 1,700 1,502 1,775 1,410 1,530 GPU超频频率/MHz - 47,870 45,260 23,100 67,000 19,490 15,670 FP32单元峰值 （GFLOPS） - 47,870 45,260 11,500 34,000 9,746 7,834 FP64单元峰值 （GFLOPS） - 383 362 184.6 Nemo、Picasso 和 BioNemo，使用企业专有数据进行训练，用 于处理特定领域的任务。我们认为超算云服务+模型代工厂的商业模式是英伟达作为芯片送 水人在大模型时代的商业模式自然延伸。 图表15： NVIDIA Al Foundations 资料来源：英伟达，华泰研究 语言模型服务 Nemo NVIDIA NeMo 用于构建定制的语言文本转文本生成式模型，基于 5 个基础模型（图 请与华泰金融控股（香港）有限公司联系。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 15 电子 香港-重要监管披露 • 华泰金融控股（香港）有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员。 • 英维克（002837 CH）、亨通光电（600487 C

2-1：江苏省各地级市减煤控碳重点产业 7 表 2-2：江苏省国家级工业园区减煤控碳重点产业 8 表 3-1：碳排放总量前10园区碳排放主要行业 13 表 3-2：碳排放量前10园区煤耗情况 15 表 4-1：典型园区对比分析 25 iv 图目录 图 2-1：耗能耗煤排碳重点园区识别路径 4 图 2-2：江苏省2016-2020年工业煤炭消耗情况 5 图 2-3：江苏省2016-2020年工业二氧化碳排放情况 12 张家港经济技术开发区 苏州市 纺织业 13 常熟经济技术开发区 苏州市 造纸和纸制品制造业 化学原料及化学制品制造业 14 吴江经济技术开发区 苏州市 计算机、通信和其他电子设备制造业 15 苏州工业园区 苏州市 造纸和纸制品业 计算机、通信和其他电子设备制造业 16 昆山经济技术开发区 苏州市 计算机、通信和其他电子设备制造业 17 南通经济技术开发区 南通市 化学原料和化学制品制造业 3-1）。另外，样本园区中有 5 家无集中式能源基础设施，工业所需热力、电力全部依靠外部调入；11 家有集中式能源 基础设施，且大部分为热电联产；另有 17 家园区分布有电力、热力生产和供应业，且其 中 15 家属于主要耗能排碳行业。可见能源基础设施仍是园区耗能排碳的重要来源。 电力、热 力生产和 供应业 化学原料 和化学制 品制造业 计算机、 通信和其 他电子设 备制造业 造纸和纸 制品业 黑色金属

分散预处理 管网输送 图 4 工业园区污水处理环节及相关单位责任分工 污水最后到达污水处理厂进行集中处理，达到排放标准后排入环境。若污水排入工业园区污水处理厂，作为园区污水处理 厂行政主管单位 15 的园区管委会会委托运营方负责污水处理厂的日常运营。若污水排入城镇污水处理厂，则通常由城镇 排水主管部门委托的公司进行日常运营。两种情况下，均由环境部门负责监管污水处理厂排水水质 16。 园区管委会 50 30 50 50 30 五日生化需氧量（BOD5） 10 20 20 20 化学需氧量（CODcr） 50 50 80 80 50 100 氨氮 5（8） 10 8 10 15 总氮 15 20 12 15 30 总磷 0.5 0.5 0.8 0.5 1 总氰化物 0.5 0.3 0.5 硫化物 1 0.5 0.5 石油类 1 3 0.5 可吸附有机卤化物 1 12 12 六价铬 蓝色：城镇污水处理厂排放标准一级（A）严于行业排放标准 绿色：城镇污水处理厂排放标准一级（A）达不到行业标准要求 黄色：城镇污水处理厂排放标准一级（A）中无要求但行业排放标准有要求 15 未设计间接排放标准 增加了排向公共污水处 理系统的间接排放标准 未区分排向工业园污水 处理厂的情况 区分了间接排放排入城 镇污水处理厂和工业污 染处理厂的情况。 放宽了排入工业园区污 水处理厂的间接排放标

司和汽车制造商等；中小企业，尤其是在特定细分市场 （如电子产品组装、精密仪器）中的企业；高校科研机构等。2023年，工业大模型在制造业的应用市场份 额占据了52%，在能源行业为22%，汽车制造为15%。这些行业对大模型的需求主要来自于其对复杂数据 处理和实时分析的需求。 4 市场集中度高 由于工业大模型行业的高技术门槛和资本密集型特性，市场上往往由少数几家技术领先的头部企业占据主 要份 2023年6月，中工互联（北京）科技集团有限公司发布中国第一个工业大模型；作为入选“2024工业大模型 Top20”榜单首位的工业大模型，羚羊工业大模型也于2023年9月发布，时至今日，华为、腾讯、阿里、网易等 [15 产业链上游 算力设施供应商和数据服务商，包括硬件的芯片、服务器和通信网络；软件的云计算等。 阿里云计算有限公司 海思技术有限公司 北京海天瑞声科技股份有限公司 查看全部 企业均推出了自己的 7%。另外，由卡奥斯自主研发的COSMO-GPT，一个融合深度工业知识与行业Know-How的大 模型，能够理解设计模型等工业语言，并实现智能柔性装配、调度和辅助决策等功能；创新奇智发布 的AInno-15B大模型则围绕生成式AI构建了一系列应用，在工业生产的各个环节实现自动化，包括生 成式工业机器人任务编排应用、企业私域数据分析应用和企业私域知识问答应用等。基于以上案例和 数据，大模型企业对于工

6 7 0 5 10 15 20 25 30 35 40 45 “十二五”末 “十三五”末 2024 全部工业增加值（万亿元） 全部工业增加值增长速度（%） 规模以上工业增加值增速（%） 19.9 26.6 33.6 29 26.3 24.9 22 23 24 25 26 27 28 29 30 0 5 10 15 20 25 30 35 （一）工业综合实力跃上新台阶 产品品种与品质稳步提升。产业规模持续扩大。 （二）产业结构高级化步伐加快 11.8 15.1 16.3 31.8 33.7 34.6 0 5 10 15 20 25 30 35 40 高技术制造业占规模以上工业增加值比重（%） 装备制造业占规模以上工业增加值比重（%） 0.44 0.81 1.06 2.04 3.45 4.45

企业的行业特点和生产流程，尽早引入能源转型管理系 统，不断向气候中和目标靠拢，实现能源转型。 园区能源需求的具体特征，以及不同类型能源需求（电 力、供暖、制冷和交通）的时间分辨率应根据时间序列 生成（例如每15分钟）。潜在的当地协同效应需要在这 一步骤中尽早确定。其目的是，通过部门耦合，以及对 需求侧特定负载情景的管理，在能源部门与终端用户部 住宅 0 % 50 % 100 % 制冷 Mon Tue 放的实际效果。因此，前瞻性的全过程质量控制也对顺 利实现预期目标起着关键作用。相关领域的企业网络可 以在传播专业知识和实践经验方面提供支持，例如能源 效率网络（EEN）。 “全电”方案的园区能源系统配置 15 运行阶段是时间持续最长的一个阶段。运行的实际操作 应尽可能接近或优于设计预期结果，从而验证系统的节 能减排成效。低效运行的设备应及时得到排查和纠正， 从而避免不必要的运行成本。监测、分析和优化是验 关 重要的。此外，建筑的使用对其能量平衡有很大影响（ 见步骤4）。由于不同的温度和不同的换气需求，使用 39 建筑部件 热损失 [%] 供热系统 20–30 屋顶 15–20 通风系统 10–20 门窗 10–15 墙体 30–35 墙体 5–10 表9：按建筑组成部件划分的热损失范围 图7： 室外温度、加热能力 和内部负荷/损失之 间的关系 加热能力 室外温度 更多的损失或更少的收益

...... 14 （一）良好政策环境为工业互联网吸引资本创造条件 ................ 14 （二）上市企业逆势扩容，呈现出“稳”的增长趋势 ................ 15 （三）初创企业投融资回暖，“智”的特征突出 ........................ 17 （四）“国家队”“大厂”纷纷下场，投资主体不断丰富，促进实 数深度融合........ .................................................................................................. 15 图 2 2022-2024 年工业互联网领域上市企业营收情况 ................. 16 图 3 2020-2024 年工业互联网领域投融资事件数量与规模 ......... 款、融资租赁、产业基金投资、科技保险等多样化金融产品和服务， 提升金融资源的服务效能。在全国范围内开展多次“科技产业金融一 体化”专项路演活动，为工业互联网与金融的联结“架梁筑桥”，降 低企业获得金融支持的成本。 15 （二）上市企业逆势扩容，呈现出“稳”的增长趋势 工业互联网领域上市企业持续“扩容”，上市企业数超 310 家。 从整体上市节奏看，2024 年 IPO 呈现出阶段性收紧的特点，A

13 2.1 提升生产效率......................................................................................15 2.2 降低运营成本......................................................................................16 整体生产周期可以缩短 15%。 再者，人机协作也是提升生产效率的重要方面。我们将引入协 作机器人（Cobots），在生产线中与工人共同作业，承担重复 性、危险性高的任务。这样不仅减少人类劳动强度，提高工作安全 性，还能使人类员工将精力集中于更高价值的创新任务上。 为了量化改善效果，我们设定以下几个关键绩效指标 （KPI）：  设备可用率提升 20%  生产周期缩短 15%  人均生产效率提升 理。通过建立能耗指标体系，定期进行数据分析和评估，制定能耗 改进方案，并对实施效果进行跟踪。 为了量化降能目标，以下是针对各个环节的预期能耗降低率： 环节 预期降低率 智能设备与 IoT 应用 15% 生产流程优化 10% HVAC 系统优化 20% 能耗监测与管理 5% 最后，通过员工培训与文化建设，提高员工的能效意识和节能 习惯也是至关重要的。开展定期的节能培训和宣传活动，促进全员