【环球网科技报道 记者 林迪】“真正不可替代的技术护城河在于锁定客户、沉淀数据飞轮，只有深入嵌入企业研产供销服核心流程，才能形成完整商业闭环。”日前，创新奇智CEO徐辉在接受采访时称。当行业还在争论大模型的参数规模时，创新奇智用实践证明，工业AI的终局不在算力中心，而在千行百业的工厂车间里。
近日，创新奇智发布2026上半年业绩。公司实现营业收入人民币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，连续第六年实现持续改进。经调整后损益实现盈利320万元，同比大幅改善147.8%，这是该公司上市以来首次达成半年度调整后净利润转正。
另外，创新奇智还全面升级AInnoGC工业本体智能体平台，推出“Ontology（工业本体）+ Harness Engineering（驾驭工程）+ AI Coding（智能编码）”三位一体的智能体开发范式，将本体构建、工作流搭建与评测优化的周期从数天压缩至数分钟。
一边是财务指标的历史性突破，一边是技术平台的重大迭代。这家“AI+制造”领域深耕八年的企业，正从技术积累期迈入商业化规模化落地的新阶段。
“增收”与“增利”并举的经营质变
8.29亿元营收背后，是创新奇智长期坚持“AI+制造”主业聚焦的战略回响。报告期内，“AI+制造”业务收入占整体收入的81.5%。徐辉透露，六年前其制造业客户收入占比约为41%，目前已提升至82%左右，主业聚焦度已连续六年持续增强。
在应收账款管理方面，创新奇智过去三年主动调整增长策略。报告期内应收账款周转天数大幅改善至99天，明显优于行业平均的200至300余天。收入增长18.6%，而应收账款仅增长5.3%，增速低于收入增速，呈现出“增收”与“增利”并举的健康态势。
上半年创新奇智实现毛利额2.94亿元，同比增长20%，增速高于收入增速，这得益于公司持续提升平台化能力与产品标准化程度。在现金流方面，四年前该公司每创造1亿元营收需消耗现金流约4,000万至5,000万元；如今以约1,500万元的净流出支撑8亿余元收入。截至报告期末，其账上现金及现金等价物为7.18亿元，集团层面零贷款、零负债。
“不做电厂，只做输电者”
创新奇智CTO李凡用“一张图”概括了公司的业务模式——“一模一体两翼”：以工业大模型（AInnoGC）为基础，以工业智能体平台为引擎驱动，两翼分别为工业智能体软件（约占主业收入的一半）和工业具身机器人。
随后，李凡阐述了这一战略的底层逻辑。“基础模型如同发电站，公司不做电厂，而是将电赋能于实体经济。”他表示，任何伟大技术都源自基础创新，但其价值的最终放大必然体现在行业应用之中，正如电力、铁路等基础设施，最终必须落地于行业应用才能实现价值。
李凡进一步解释称，B端真正的价值在于深入嵌入客户的核心业务流程，而非泛化的应用。“通用大模型所理解的‘制造业语义’并非自然语言，而是工业过程（即通常所说的‘制程’）；通用大模型的训练数据基本来自公开数据，而山东精工、青岛啤酒等企业的过程语义不可能置于公共数据集之中。”
这一认知塑造了创新奇智的技术路线——不追逐基础模型的“泛化”，而是聚焦行业应用层的“深化”，通过工业本体将企业现场多元异构数据转化为具有深度连接关系与业务逻辑的语义数据基座，让智能体真正“懂企业、懂行业”。
从“手搓”到自动化，定义问题比解决问题更难
智能体开发范式的演进，是理解创新奇智技术突破的关键脉络。李凡梳理了这条路径：2023年是“提示词工程”阶段，核心问题是“如何提问”；2024至2025年进入“上下文工程”阶段，焦点转向“需要让大模型知道什么”；2026年则迈入“驾驭工程”阶段，核心问题变为“如何让智能体稳定运行”。
“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。”李凡表示，“本次平台升级的核心，就是从工程体系层面完成智能体能力重塑，让智能体真正具备生产级运行能力与规模化部署条件。”
基于此，创新奇智提出“三位一体”开发范式：Ontology（工业本体）解决“听得懂”的问题，将设备、能耗、人员、物料等多维度数据按业务逻辑组织为实体、属性、关联关系与业务规则，把散落各处的工业数据转化为智能体可理解的业务语义；Harness Engineering（驾驭工程）解决“做得对”的问题，将人在回路、全链路评测、生成校验、自动修复等机制纳入智能体全生命周期，确保输出结果可核验、执行状态可追溯；AI Coding（智能编码）解决“建得快”的问题，以智能编码体验贯穿智能体构建全流程，过去本体构建需要人工逐节点拖拽标注，现在通过自然语言输入即可由AI自动分析生成。
李凡还向媒体分享了三点落地体会，其中第一点便出人意料：“帮助客户定义清楚问题。这往往耗费大量时间，且‘反常识’——人们通常以为客户想得很清楚，事实并非如此。”他解释，很多客户问的第一个问题仍是“你们觉得我们可以做什么来提升效率”，因为大模型智能体从根本上改变了制造业企业的运营模式，而客户过往经验多局限于当前运营模式的框架内。
对此，Bentley全球高级副总裁兼大中华区总经理李旭东表示：“工程设计行业对结果准确性有着严苛要求，可靠性是选用AI技术的首要考量。创新奇智将工业本体与Harness工程融入智能体体系，有效提升AI任务执行准确度，对行业AI落地具备很高参考价值。”他透露，双方已启动AI辅助审图相关能力建设，并将共同探索在工业本体方面的深度合作。
从单点验证到规模复制的“飞轮效应”
技术突破的最终落脚点是商业化的规模复制。
创新奇智方面阐述了其“1+N”客户策略与FDE（前沿部署工程师）团队模式——这一模式源自Palantir，FDE团队深入客户现场，依托平台沉淀，与客户共同解决业务难题。公司初期提供TAC（Token架构咨询）服务，帮助客户选择合适模型并设计方案，进而开展客户本体搭建与智能化系统开发验证，深入核心业务流程。
据介绍，通过上述模式，上半年收入中50%以上来自老客户复购。在平台资产沉淀方面，公司在场景落地中积累了大量本体模板、技能模块、工作流等组件，经项目验证后回补平台，转化为可复用资产。由此形成“重点客户攻坚、平台资产沉淀、行业套件开发、同类客户复制”的正向循环。
“每一个客户场景既是收入来源，又贡献平台资产积累，技术能力与商业落地、工程化能力相互强化。”徐辉表示，“随着场景积累不断丰富，公司资产更丰厚、平台能力更强、套件更标准、交付效率更高，从而构建起在工业领域持续加强的竞争壁垒。”
在玻纤拉丝开机率智能调优项目中，创新奇智服务全球最大玻纤生产商的成都工厂。项目目标是提升拉丝开机率——客户开机率本就处于高位，每提升一个百分点都将带来显著的收入增长。公司通过智能体与小模型结合，对原料、窑炉、拉丝三个阶段实施优化：原料层面基于数十年海量历史数据构建模型，当物料属性变化时对配方作微小调整；窑炉层面实时监测内部状态与温度等指标；拉丝环节出现问题后进行深度根因分析，定位前端问题并及时调整。
在工业具身机器人方面，核心产品ChatRobot强化VLA（视觉—语言—动作）基座模型与工业智能体的协同能力。以工业物流场景为例，集团推动工业无人机、无人驾驶机车、工业机械臂等多种形态机器人从单机自动化向“自主感知、智能决策、协同执行”演进，相关方案已在川西某钢铁基地落地标杆项目，实现智控无人机与铁渣运输无人机车协同作业。
从首次半年度盈利到工业智能体平台全面升级，从“三位一体”开发范式的提出到“重点客户攻坚—平台资产沉淀—行业套件开发—同类客户复制”飞轮效应的形成，创新奇智正在走出一条差异化路径——不做“电厂”，只做“输电者”，将AI真正嵌入制造业的核心业务流程，让智能体从实验室走向生产线，从单点试用走向规模化落地。