青矩技术将人工智能应用写入公司基因

2026年作为市场公认的AI应用元年，其核心价值在于完成AI生态的闭环验证。

只有AI应用实现规模化创收，前期算力显卡采购、算力中心建设等基础设施投入的价值才能真正落地，否则相关基建投入易沦为泡沫。

聚焦北交所AI应用赛道，子沐研究自今年8月份走访青矩技术(920208.BJ)之后，就将其列入了AI应用重点关注对象。

主要有三个原因：

一、高管团队植入核心AI基因。

该公司高管名单中配备人工智能专家黄松芳先生，其履历覆盖国际巨头与国内头部科技企业，曾供职于国际商业机器（IBM）、阿里巴巴，同时担任北京大学工学院先进制造与机器人学院研究员。在北交所企业中，这种直接将AI领域核心专家纳入高管团队的情况十分少见，充分体现公司对AI战略的高度重视，也为AI技术与工程场景的融合提供了顶层设计支撑。

二、子公司专业化落地AI应用

青矩技术专门设立两家聚焦AI业务的子公司：

青矩未来式智能科技（北京）有限公司（简称：青矩未来）、青矩未来与北京青未智源科技合伙企业（有限合伙）（简称：青未智源），主营业务均为人工智能行业应用服务。

青未智源是员工持股平台，将员工的利益与AI绑定在一起。这事将资本与AI应用进行利益绑定的方式，不在在北交所市场上罕见，在沪深市场也难找到第二家。

更值得关注的是，青矩未来的核心团队成员均来自阿里达摩院、亚马逊AWS等全球领先的人工智能和云计算企业，具备深厚的AI技术研发与商业化落地经验，为公司AI产品的快速迭代与市场拓展奠定了坚实的人才基础。

三、人工智能在主业中排第一

这家公司的2025年中报中对商业模式的描述中显示：公司的“一圈”业务系基于“一线”业务积累的丰富数据与算法，运用 ABCD（人工智能、建筑信息模型、云计算、大数据）技术，向业主方、施工方、咨询方等工程项目参与主体提供的项目三维数字化平台、投资建设大数据平台、智慧造价机器人等科技产品。“一圈”业务是公司努力构建的第二增长曲线。

公司在人工智能方面取得哪些进展呢？

一、AI智慧工程审计平台

作为青矩技术AI应用的核心标杆产品，该平台由青矩未来自研，成功入选“2025年度中关村科学城人工智能全景赋能典型案例”，且是唯一入选的工程领域人工智能项目，其技术先进性与场景适配性获权威机构认可。

从实际应用效果来看，该平台融合大模型与智能体技术，可实现工程审计的自动化、智能化处理，传统需要6人驻场1个月完成的审计项目，借助该平台仅需2人非驻场1周即可完成，人效提升超10倍，显著降低了人工成本，提升了审计效率与准确性。

二、智慧造价机器人“小青1号/1s”

针对工程造价环节的痛点，该产品依托AI图像识别技术实现自动算量，可完成图纸处理、清单列项、图形算量等核心环节的自动化操作，有效替代传统人工的重复劳动，进一步拓展了AI技术在工程咨询全流程中的应用场景。

青矩未来在2025年12月25日申请了4项软件著作权，分别为：建设工程审计知识库构建与智能应用系统、建设工程审计AI合规校验与疑点处置系统、建设工程审计审前数据采集与风险预判系统、建设工程审计整改全流程闭环管理系统。

如何验证AI应用的有效性？

青矩技术并不像值得买(300785.SZ)一样，披露人工智能对销售的业务的贡献度。因此，我们采用人均创利润的情况进行对比。

2024年，青矩技术扣非后净利润1.77亿元，公司员工总数为2329人，人均创造利润7.62万元。2025年前三季度公司净利润9855.74万元，员工人数下降到2215人，人均创收4.45万元。从这一数据来看，在北交所服务业里排名第二位。

这也正是此类企业估值水平不高的原因。因为公司的核心竞争力就是“人才”，而人才不是公司的固定资产，是可以随时流转的劳动力。尤其是这种以人才为核心竞争力的服务业，市场不知道如何对人才进行估值。

而AI的应用直接可以锁定人才所积累下来的知识，不仅提高工作效率，还能进一步锁定人才，这将就增加了公司的持续经营的稳定性。从而提升公司的估值水平。

我们关注青矩技术什么：

首先，结合2026年AI应用元年的核心逻辑，后续需重点跟踪青矩技术AI业务的商业化落地与创收能力。

一、智慧工程审计平台、造价机器人的订单数量与金额，尤其是在央企、大型工程客户中的渗透率。

二、AI业务相关收入占比及同比增速，验证技术向营收的转化效率。

三、AI产品毛利率水平，判断其商业盈利性。

四、研发投入中AI相关费用占比及专利申请进展，跟踪技术迭代速度。

五、青矩未来AI业务的独立运营与发展能力。

当然，我们也要提示风险：

1. 技术落地不及预期风险：工程场景复杂度较高，AI技术在实际应用中可能面临适配性调整不及时、准确率未达预期等问题，影响产品推广；

2. 市场竞争加剧风险：随着AI应用赛道升温，可能有更多企业进入工程领域AI应用市场，导致竞争加剧；

3. 客户接受度风险：传统工程咨询行业对AI技术的接受需要一定周期，可能影响产品的规模化推广进度；

4. 研发不及预期风险：AI技术迭代速度快，若公司研发投入不足或方向偏差，可能导致产品技术落后于市场。