对能科科技的初步理解
开头提示一句，这篇小文不是给炒股看线和对能科科技一知半解的人看的，您如果是，请不要浪费时间。
几个月前通过一个AI会议初步认识了能科科技，刚开始的时候，确实看的一头雾水，后来仔细看了看工业软件行业，这个行业的国内公司的商业模式也确实不那么性感。AI来了以后大量的公司号称要All in AI，从中国的资源禀赋角度，基于自己的比较优势在制造业拓展AI肯定是正确道路。
对比工业软件同行上市公司，能科科技算是All in AI的典型，目前主营收入的30%来自工业AI和具身智能相关收入，这也算是这行业里AI含量最高的了，查询能科科技的创始人的经历和经营理念，是明显的理工男思路，和友商比在应对资本市场方面明显比较低调。
基于最近参加能科科技股东会和了解相关资料的基础上，总结了一下对能科科技的理解：
1、关于公司的战略和定位
公司的战略：深耕行业，聚焦专业，持续做强。公司30年专注制造业，主要重工装备、汽车、高科技电子、通用机械、能源动力等行业，第一个十年自动化业务、第二个十年信息化业务、第三个十年数字化业务，现在进入第四个十年智能化业务。公司跟随制造业的发展迭代提供不同阶段的服务支持。
企业数字化转型就两条主线，一个就是ERP为核心的企业的管理体系，还有一个是以PLM为核心的产品的研制体系。鼎捷、赛意更聚焦的是第一种，能科更多的是聚焦第二种。
公司做业务是垒砖不是扎篱笆墙(构筑护城河)，开发AI能力这件事特别像垒砖的过程，如果真的就踏踏实实给人垒上了，别人想迈过你，他就得至少经过搬砖这个过程。
工业软件研发之初就定义了兼容开放式架构，确保不依赖于某些场景和平台。能科没有原生的技术能力。能科的特点是组合技术，公司有自动化专业的，有软件专业的，有结构专业，有生产管控专业，这几样东西把结合起来。
工业领域里面，很有可能工业软件会被AI重构，AI的发展多少有点赢者通吃的逻辑，这也是为什么工业软件公司要All in AI的原因，能科在业内属于转型早的。现在AI业务对于客户来说是增量业务不是对原有业务的平替，发展潜力大。能科是面向服务的公司，国家的特种行业需求和能科的成长不是一个线性关系，但是能科服务的央国企这些头部的这些大中型客户在搞AI的竞赛,这个实际上是对能科来说是巨大的机会。
2、关于公司增发
公司做工业软件，估值最多也就是200-300亿，如果是做AI能做成功，估值可能就是它的5倍到10倍的估值。
增发服务于两个方向：
(1) 服务于产品的研制的方向(把这个产品研发好，制造好，运维好，确保质量)
募投的前2个项目“灵擎”工业AI赋能平台和“灵助”工业软件AI工具集就是服务于产品研制的项目。“灵擎”工业AI赋能平台上有研发域、制造域、运维域，质量域这四个域，再往上就是(AI Agent)对应各自的工业场景。
(2) 服务于产品本身的能力的方向
募投的第3个项目“灵智”具身智能AI训推平台就是针对服务于产品本身的能力的方向。
3、关于公司在具身智能方面的定位
公司从两个维度去看具身：
(1) 第一个维度就是具身本身的三大系统，就是本体、大脑、小脑：本体它是一个制造类的，然后大脑的中央控制器，小脑现在无非就是两类：一类就是飞控(空中)，一类就是伺服(地面)。
(2) 第二个维度，就看他的整个的行为过程，就是感知、决策和执行和评估这四个过程。其中评估属于后端，目前看感知、决策和执行这三个过程实际上现在是脱节的，并没有完整的系统化出来，公司想建这个所谓的虚实结合这个训练仿真平台(募投项目3)，更多的是希望能够不断的去搭建各种各样的库，就是行业的场景库，这也是公司目前在具身智能的定位。公司希望今后在这个具身上面有一个模块装在他身上，通过公司这个模块去给具身大脑去输送一些相应的东西，可以讲它是另外一款小脑，也可以通过它去反馈回来，给公司补充自己的所谓的场景库的一些有用消息进一步迭代(按License收费，迭代闭环)。
4、对于目前工业AI的理解
传统的工业软件是一个个的垂直系统，系统之间是没有直接互联，最多通过中间件实现数据互通，但是大量带有业务基因的数据并没有跨系统应用起来；基于云原生的新一代中台通过对这些数据的挖掘、清洗、标记和关联，去做AI的训练和推理，从而实现了基于AI业务的业务颠覆和闭环。
工业AI的落地具体体现为隐形知识显性化。工业AI更需要准确性，现在工业AI呈现的形式就是co-pilot(副驾驶)的这种模式，就是AI把经验具体落地提高效率干了绝大多数人干的事情，但是短期内不可能是完全是靠AI自主去做最终决策。
目前在AI应用具体落地方面有两种模式：一种是像Palantir这样的传统大数据公司，能够直接拿到和拥有行业数据，从上往下通过大数据分析和方法论在AI的加持下通过其AIP平台实现业务落地；由于国内B端市场数据的缺乏和限制，能科走的是另一种从下往上基于场景实现的路：初阶数据是单场景的数据，中间数据就是多场景数据，高阶数据就是多场景形成的深度的数据，在此基础上通过能科灵擎平台实现AI业务的落地。两者数据获取路径不同，AI应用落地方式类似。其实，从大了讲，这两种模式也是目前中美在AI的发展的两条道路：美国高举高打，希望一举实现AGI打造超级人工智能通吃市场；中国脚踏实地从场景入手先应用落地再快速迭代。
5、公司和底层云厂商算力厂商的关系
公司的平台是开放兼容的，与底层软硬件架构是解耦的，华为、亚马逊、阿里这些平台商的合作是基于自身的行业实力和互利的基础上的合作。底层云厂商就好比发电厂和插座，能科好比插头，上面就是各行各业的具体应用场景，电力需要经过插座、插头才能赋能千行百业。