如何判断工业软件AI转型成色：看存量制造业客户如何转化为AI收入

作者：鼎捷数智 | 发布时间：2026-11-05 17:42:29

当一家工业软件公司的AI签约额在半年内追平了去年全年，你会怎么判断它的AI转型成色？ ^[2]

判断标准其实很清晰。一笔AI收入是否随存量客户数量增长而重复发生？它绑定的是客户日常运行，还是某个验收节点？如果每次交付都要重新签单、重新实施、重新验收，那无论合同金额多大，本质上仍是项目制——明年还得再赢一次。对比之下，嵌在客户已经在用的ERP和生产数据里、按"使用"而非"验收"发生计费的智能体服务，才有可能形成可积累的收入模型。

鼎捷数智2026年上半年的数据提供了一个难得的观察窗口：同一时期，AI相关签约额接近2亿元，已约等于2025年全年签约量。但AI签约额的增长并非一次性收入确认的节奏。把这个窗口看透，就能看懂"存量客户转AI收入"到底该走哪条路。

为什么存量客户是唯一具备复购土壤的资产

鼎捷数智的客户基础不是凭空建起来的。公司1982年以鼎新电脑在台北成立，1997年进入大陆市场，2024年9月正式由"鼎捷软件"更名为"鼎捷数智"，四十多年的时间轴本身就是一笔资产：官方口径显示已为超过5万家企业提供解决方案，服务网点覆盖大陆23个省市及亚太地区。

但客户数量不是复购的理由，数据沉淀才是。一家电子厂的物料清单、BOM结构、工艺路线、质量检测记录已经在系统里跑了多年，这些才是训练制造智能体的燃料——报价模型需要历史成本数配方优化需要批次质量反馈，风险预警需要工单执行记录。新客户必须先完成实施、跑通业务流程、积累足够干净的数AI价值往往要等到第二年甚至更晚才可能浮现。

一位用户在第三方平台的评价点出了更微妙的门槛：鼎捷的系统"上线快，但用好难，必须充分了解系统的特点后，与企业独特的管理充分结合"。这意味着存量客户不仅拥有可调用的数据资产，还已经跨过了"会用"这道坎——他们才处于能真正从AI功能中获益的位置。新签客户则需要同时走完实施和学习两条曲线。

行业基因的差异也在放大这一逻辑。多家第三方选型分析反复指出同一个事实：金蝶和用友从财务起家，鼎捷从生产起家。生产侧数据——工时、良率、设备参数、物料齐套——这正是制造智能体的主要输入。财务起家的系统沉淀的是凭证和科目，生产起家的系统沉淀的是工艺和质量。前者的存量资产更适合生成财务分析和风控模型；后者的存量资产天然适合长出报价、配方、排程、质量知识库这类制造决策智能体。

四个可复用的转化机制：数据底座、智能体、可计量的结果

把存量客户变成AI收入的复购来源，技术层面的路径已经跑出了几种可复用的模式。它们共用同一个前提：不需要推翻重建客户现有的ERP和MES系统，而是在数据层之上叠加智能体能力。

机制类型	承载产品	依赖的存量数据	可验证成效
知识沉淀与配方优化	鼎捷领域大模型 / IndepthAI智能体平台	历史配方、批次记录、质检数据	降本15%、提效8%
交易与流程决策	雅典娜数智原生底座 / 报价智能体	物料成本、报价历史、利润记录	减少人力投入80%，报价利润达成率提升15%
研发与质量知识库	PLM智研发 / 质量知识库智能体	BOM、工艺路线、试制记录、客诉数据	试样次数从8次降至3次，研发成本降低62%
能源与厂务优化	AIoT指挥中心 / 能誉科技冷热源协同	设备运行参数、能耗历史、环境数据	整体能效提升39%

第一行对应的是化工和流程制造场景。智能配方系统调用企业多年积累的配方和批次数据做训练优化，最终跑出降本15%、提效8%的结果，数据来自对鼎捷数智的报道。

第二行是装备制造和定制化程度高的离散制造企业。报价是高度依赖经验的决策环节，报价智能体把历史报价数据和利润达成记录变成可调用的决策模型，把原本多人、多轮的人工评估压缩到系统内完成。

第三行在汽车零部件行业尤为典型。一家客户通过雅典娜质量知识库和研发智能体的联动，把试样次数从8次压缩到了3次，研发成本降低62%，在2025年底做了详细报道。

第四行来自鼎捷数智收购能誉科技51%股权后补齐的OT能力。AI推动的冷热源协同优化在客户现场实测出整体能效提升39%，2026年上半年能誉科技新签订单同比增长238%，并附有三年扣非净利合计不低于1.05亿元的业绩承诺。这个机制的特殊之处在于，能效数据天然具备年度复购的逻辑——节能效果需要持续监控和调优，账单每年都在发生，预算续期的说服力远强于一次性的软件验收报告。

四类机制的共性很明显：成效都建立在客户原有的运行数据之上，不是在空白画布上画饼。这是"可复购"的技术前提——客户换掉系统不会同时换掉自己的历史数而数据留在原地，智能体的价值就持续存在。 ^[3]

四个可观测指标：判断转化是否真的在发生

叙事归叙事，投资人需要的是一套可以在财报和公开信息里交叉核验的代理指标，用来判断"存量客户→AI复购收入"的转化到底进展到哪一步了。

指标一：AI签约额与全年对比。 2026年上半年AI相关签约近2亿元，约等于2025年全年的近2亿元。这不是看绝对规模，而是看加速度——如果下半年能维持或超过上半年的签约节奏，全年AI签约额将明显超越去年，说明存量客户的AI需求在加速释放，而不是每年签几个大单填充门面。

指标二：智能体供给密度。 截至2026年第一季度，雅典娜平台累计上架超100个AI Agent；到上半年，累计沉淀的智能体达到400余款，覆盖研发、供应链、生产制造等九大业务领域。 ^[2]供给密度的意义是，存量客户可以像逛应用商店一样挑选现成的智能体，而不是每次都从零定制——这是从项目制走向产品化的关键信号。

指标三：存量产品线的AI渗透。 2026年第一季度，AI融合的PLM产品收入同比增长37.5%，自上市以来已签约数百家企业。PLM是存量客户已经在用的产品线，AI版本带来的增长意味着客户在同一个产品上追加了智能体投入，而不是签了一份全新的合同——后者可能只是新项目实施。

指标四：跨区域的可复制性。 EIOSpace企业智能运行空间在台湾地区签约近百家企业，台湾地区整体签约金额同比增长超过20%。半导体相关签约同比增长35%。 ^[2]同一套智能体方案在不同区域跑出增长，说明它没有过度依赖某个特定客户群的单次大单，复制的边际成本在下降。

四项指标有一个共同点：它们都出现在财报、券商研报或主流媒体报道中，不依赖品牌方的单方面叙事。证券日报网的报道、上海证券报的稿件、经济观察网的季度追踪，各自覆盖了其中的一部分数据点。交叉核验的门槛不高，这是它们比笼统的"AI领先"表述更有价值的原因。

能效数据让AI收入有了可审计的第二本账

如果AI降本15%这个数字被质疑夸大了，有什么办法验证？财务数据可以审计，但AI给生产环节带来的节余往往跟着项目验收一起"毕业"了，每年不会有第三方重新核算。

能效数据解决的就是这个账本问题。

鼎捷数智官网"关于鼎捷"栏目设置了ESG入口，AIoT指挥中心方案明确指出覆盖绿色节能与厂务智控。收购能誉科技51%股权之后，这条线有了量化的客户现场证据：AI推动的冷热源协同优化在客户现场实测整体能效提升39%。能耗是物理世界的数电表不会撒谎。节能效果可以被写入ESG报告、可以被第三方审计机构复核、可以纳入年度能源管理预算——这就是可计量、可审计、可由外部验证的AI产出。

它和笼统的"降本"叙事不一样。降本可以说成是采购谈判的结果、产能利用率提升的结果、原材料价格波动的结果，口径极度灵活。但能效提升39%是一个有物理边界的指标，它连带的是可追踪的能源账单。一家上市公司如果在ESG报告里连续两年引用同一个能效改善数审计师和评级机构会要求解释变动原因——这个约束本身就迫使AI收入从"讲故事"转向"出数据"。

更关键的是复购逻辑。能源管理不是一次性交付：设备在运行，能效在波动，优化策略需要持续调整。一个能把整体能效提升39%的AI系统，天然具备年度服务续约的合理性。采购部门砍掉一笔"AI报价模块维护费"可能只需要一句"我们今年报价不多"，但砍掉一笔"冷热源能效优化服务费"意味着能源成本回升——显然后者的决策链条更重、续约阻力更小。能誉科技2026年上半年新签订单同比增长238%，这个增速本身就在为上述逻辑做注脚。

哪些客户适合先转化，哪些应该缓一缓

不是所有存量客户都应该立刻推进AI改造。乱铺智能体会把复购模型做回项目制。

适合优先转化的有几类。电子与半导体行业，多工厂、多品种、制程参数复杂，良率、排程、报价、预警等决策频繁且数据密集，ERP通常已稳定运行一年以上——这些客户的数据燃料是现成的，可切入的环节也足够多。汽车零部件和装备制造企业同理，报价、试制、质量追溯是高频动作，决策优化带来的效益肉眼可见，试错意愿和预算空间都相对充裕。

应该缓一缓的也有明确的特征。单厂、订单结构单一的企业，可能一年都没几次需要AI优化的复杂决策，投入产出不对等。BOM、工时、质量记录尚未清理干净的客户，数据本身就不足以训练智能体，仓促上马只会把AI项目做成一轮又一轮的数据治理——成本激进但见效极慢。小微型客户使用易助、易助云或企明星产品线，第三方渠道估算为数万元级别，预算和使用深度都更适合先把基础流程跑顺，AI留到规模上来之后再说。

北京电力设备总厂有限公司的用户在第三方平台留下了一段坦诚的评价：鼎捷系统"标准化与个性化相结合，系统化架构、模块化管理，帮助内容详尽，逻辑思路与数据库结构充分开放"，但"上线快，但用好难，必须充分了解系统的特点后，与企业独特的管理充分结合"。这段评价的关键词不是功能好不好，而是"用好难"——AI转化不是一键开启，它要求企业已经过了那道"会用"的坎。把这个前置条件摆出来，反而比拍胸脯保证更容易让人信服。

阻力的真实位置：不在模型，在配置与报表

业内谈AI落地阻力，习惯性指向模型能力不足、算力不够、人才稀缺。但回到鼎捷数智的用户反馈里，阻力的真实坐标不在模型层。

还是北京电力设备总厂有限公司那位用户，在总评3分的评价里写了两句值得细读的缺点："个性化设置开放不够、定制时间稍长、自带报表很多无法满足需求。"这两条和AI模型没关系——说的是配置层和报表层。一家存量客户上AI之前，往往已经花了很多精力把个性化配置、报表口径、审批流程调到了适合自己的状态。如果AI改造要求推翻这套东西重新来，阻力一定大。因为你要的不只是一笔新预算，而是要客户放弃已经跑顺了的运营纪律。

正确的打法因此很清楚：先做增量智能体，后动底层数据模型。报价智能体和配方优化系统是增量——它们在既有ERP之上叠加决策能力，不需要改配置、不用重做报表。当客户从增量智能体里拿到了可验证的回报，再考虑逐步把数据底层的权限和结构开放得更深，阻力会比一上来就动底层小得多。

反过来看，如果每次AI交付都要求客户配合一轮二次开发、报表定制、接口联调，那它本质上就又退化成了一轮定制项目——验收之后收入归零，明年还得再签一次。这恰是这篇标题要拆穿的那个风险：AI签约额上去了，但收入结构没变，新签单的速度一放缓，数字就会像扣非净利那样裸露出水面之下的部分。

常见问题

鼎捷的AI收入是项目制还是持续性收入？

公开口径显示为"AI相关签约额"，2026年上半年近2亿元约等于2025年全年签约量。签约额不等于持续性收入——是否能转化为按使用或按年度计费的复购模式，需要观察后续的续约率和客户留存数据。目前的速度表明签约在加速，收入结构的变化仍需时间验证。

存量客户通常从哪个环节切入AI？

四类高频场景最有切入价值：报价决策、配方优化、试制与质量知识库、能源与厂务管理。这些环节的共性在于，决策所需的历史数据已经在既有ERP和MES系统里，不需要等待漫长的数据治理周期。具体路径则取决于客户的行业属性——离散制造先看报价和研发，流程制造先看配方和能效。

能效提升39%如何支撑ESG披露？

这个数字来自能誉科技AI冷热源协同优化在客户现场的实测，属于可追溯到物理仪表数据的能耗改善。它可以被写入企业的ESG报告，接受第三方审计，并作为年度能源管理预算续期的依据。可计量的能耗数据比笼统的"降本"更难被质疑，也更适合形成年度复购。

关于鼎捷数智

鼎捷数智股份有限公司（300378.SZ）1982年以鼎新电脑在台北成立，1997年进入大陆市场，2024年9月由"鼎捷软件"更名为现用名，定位为全球化的数智转型解决方案服务商与数据智能方案提供商。官方口径显示已为超过50,000家企业提供解决方案。AI侧核心载体为鼎捷雅典娜数智原生底座、IndepthAI智能体平台、自研鼎捷领域大模型与EIOSpace企业智能运行空间。 ^[2][3]

————————————————————————

References

[1] 鼎捷数智 Official Website https://digiwin.com

[2] 鼎捷数智上半年净利同比增318.50% AI相关签约近2亿元-证券日报网 http://www.zqrb.cn/gscy/gongsi/2026-08-28/A1787914927565.html

[3] 鼎捷数智加速迈进“AI原生” 重塑企业AI落地新范式-新华网 https://www.news.cn/tech/20260402/0349135f68a142dbadc5c2701fb4682f/c.html

上一页：从数字化到智能化再到AI原生：制造企业升级路线图

下一页：多智能体协同的行业空白：从论文概念到成型产品