汇川技术:工业自动化龙头的AI+制造实践,从变频器到智能机器人的全栈布局

如果说工业自动化是中国制造业的”卡脖子”清单之一,那汇川技术(300124.SZ)就是 […]

如果说工业自动化是中国制造业的”卡脖子”清单之一,那汇川技术(300124.SZ)就是这份清单上最有可能率先突围的中国企业。2024年公司营收突破370亿元,登上2025《财富》中国500强第377位;2025年成为国内工控市场份额第一的厂商,2025年上半年工业机器人累计出货量超5万台跻身行业前五。在AI与制造业深度融合这一波浪潮里,汇川的判断是:”智能机器人是AI在工业场景落地最重要的物理载体”——这家公司正在把AI变成产线上触手可及的生产力。

深圳市汇川技术股份有限公司成立于2003年,是中国本土工业自动化领域最具代表性的龙头企业。公司以变频器起家,逐步把业务边界扩展到伺服、PLC、工业机器人、新能源汽车电控、智能电梯、轨交牵引、工业互联网与工业软件等多个高景气方向。2024年公司营收突破370亿元,归母净利润约42.9亿元,毛利率维持工业自动化行业头部水平。区别于依靠单点产品的工控厂商,汇川坚持”电力电子+电机驱动+控制+工业互联网”的全栈路径,再叠加2023-2025年大幅投入AI大模型与工业软件,使公司正在从工控厂商升级为”AI驱动的智能制造基础设施提供商”。

一、企业历程与定位

汇川技术创始团队多出身于华为-艾默生体系,公司因此被业内称为”工控界小华为”。成立之初,中国工业自动化市场被ABB、西门子、三菱、安川等外资品牌占据,公司以低压变频器为切入点,依靠产品力、价格与服务快速打开市场,建立起原始资本和技术能力。

第二阶段(2010-2018),公司以变频器为基本盘,纵向延伸至伺服系统、PLC、HMI,并以伺服+控制+视觉三件套为基础切入工业机器人。在这一阶段,汇川完成从”单产品”到”多产品线”的跨越,单一客户、单一行业的依赖度大幅下降。

第三阶段(2019至今),公司向新能源汽车、轨交、智能电梯、工业互联网等新兴赛道横向扩展,新能源汽车业务成为收入增长最快板块;同时在AI大模型赋能制造业的趋势下,提出”数自融合”战略,自研iFA、InoQuickPro、InoCube等三大工业软件平台,并把AI嵌入产品研发、生产与运营全流程。当前公司正以”高端化、绿色化、智能化、国际化”为四大方向,加速从工控厂商到智能制造基础设施提供商的代际升级。

二、AI技术底座

汇川的AI技术底座与多数互联网公司不同,是”工业OT能力+IT能力+AI能力”三层架构。底层是公司在工业自动化领域积累的产品与数据,包括数十万台已销售的变频器、伺服、PLC组成的实时数据流。这些设备每天产生海量工况数据,为上层模型训练提供了”工业现场级”的高质量语料。

中间层是汇川自研的三大工业软件平台:iFA(数字化设计与虚拟调试平台)、InoQuickPro(电气设计自动化)、InoCube(数据采集与工业互联网平台)。其中iFA Evolution把3D机械模型与控制技术深度融合,使装备制造商可以在虚拟环境中完成”数字孪生+虚拟调试”,大幅压缩新装备上市周期。InoCube则提供从设备接入、数据处理到可视化运维的全栈数据能力,是AI模型落地的关键底座。

上层是AI模型层,公司把通用大模型与工业垂类模型结合。董事长朱兴明明确指出”智能机器人是AI在工业场景落地最重要的物理载体”,因此公司重点打造”工业大模型+工业机器人+工业软件”的三位一体AI方案,把AI能力嵌入到生产排产、质量检测、故障预测、设备运维等场景中去,逐步把”凭经验”转为”凭模型”,把”被动维护”转为”预测性维护”。

三、核心AI应用场景

工业机器人是汇川AI落地的核心场景。2025年上半年公司工业机器人出货量进入行业前五,应用于3C电子、锂电、光伏、汽车零部件等多个制造业领域。区别于传统机器人”单品种、大批量、长节拍”的工作方式,AI加持下的新一代机器人通过视觉、力控、轨迹自适应等能力,可以适应小批量、多品种的柔性生产场景,弥补传统自动化在中小批量场景下的短板。

质量检测场景中,汇川把视觉大模型与工业相机融合,部署在锂电涂布、光伏组件、芯片封装等高精度产线上,把传统”人工抽检”转为”全检+自动分类”,既提高了缺陷识别准确率,又降低了单位检测成本。在锂电行业,AI视觉已经在电极缺陷、极片对齐度、注液液位等关键节点上达到工业可用水平。

设备运维与节能是另一重点方向。基于InoCube采集的海量工况数据,公司构建了基于时序大模型的故障预测与寿命预测系统,使客户从”事后维修”转向”预测性维护”,大幅减少非计划停机;同时针对高耗能行业(冶金、化纤、注塑、空压等)做工艺参数智能优化,普遍实现5-10%的能耗节省。新能源汽车电控场景下,公司把AI算法用于电机控制策略优化,使整车能耗与续航效率同步提升。

四、商业模式与财务表现

汇川的业务结构由”通用自动化+新能源车电控+电梯电气大配套+其他”四大板块构成。其中通用自动化(变频器+伺服+PLC+工业机器人)是公司的”压舱石”,2024-2025年继续保持高于行业平均的增速;新能源车电控是新的增长引擎,绑定头部新势力车企后形成稳定订单。

财务上,根据2025年度年报摘要数据,公司2024年营业收入约370亿元,2025年进一步突破400亿元规模;归母净利润方面2024年约42.9亿元。盈利能力在中国工控同行中处于头部水平,2025年公司登上《财富》中国500强第377位。2025年资本市场上公司市值经历一定波动,截至2026年市值约1789亿元(相较历史高点回落约700亿元),反映出市场对制造业周期性放缓与AI估值消化的双重定价。

商业模式上,公司延续”解决方案+大客户战略”,以深度服务头部客户实现长周期粘性订单,并通过工业软件、AI订阅服务逐步把收入结构从”一次性硬件销售”延伸向”持续服务费”,提升整体盈利质量。这一转型与全球工业自动化巨头(西门子、ABB)的演进路径高度一致。

五、行业挑战与争议

汇川所处的工业自动化赛道在过去两年经历较深的调整周期,通用自动化需求在疫情后并未如预期快速复苏,叠加制造业固定资产投资节奏放缓,使公司2024-2025年营收增速从过去的高增长回落至个位数到双位数区间。资本市场对此反应强烈,公司股价年内累计跌幅一度达到12%,市值大幅缩水。

AI在工业场景落地的ROI也面临质疑。一方面,工业大模型对算力、数据治理与算法人才的投入与硬件附加值不对等,企业客户对AI项目”是否真正降本增效”持谨慎态度;另一方面,工业场景对AI的容错率极低(缺陷漏检、设备故障、参数偏差都可能造成数百万损失),因此客户普遍要求”渐进式落地”,AI项目从demo到规模复制的周期被拉长。

国际市场上,公司面对ABB、西门子、发那科、安川等老牌巨头的全球品牌、渠道、技术积累优势,海外份额仍处于起步阶段,存在合规、标准、文化等系统性挑战。新能源汽车业务伴随补贴退坡与价格战,盈利空间承压;电梯电气业务伴随地产竣工下行进入存量博弈。多重压力之下,”AI赋能”被公司视为新一轮成长的关键变量,但其兑现节奏仍待持续验证。

六、未来展望

展望未来3-5年,汇川的成长将由”两条主线”驱动:第一条主线是行业见底反弹与份额提升。在政策推动大规模设备更新、工业母机国产替代、制造业回流等长期趋势加持下,国内工业机器人与工控市场具有显著的弹性空间,公司作为头部国产厂商有望在份额上持续追赶外资品牌。

第二条主线是AI驱动业务结构升级。公司将通过iFA+InoQuickPro+InoCube三大工业软件平台与工业大模型,把AI能力嵌入硬件产品形成”AI普惠型工控”——即客户购买变频器、伺服或机器人时,天然附带AI预测性维护、视觉检测、自适应控制等能力,把AI利润沉淀在硬件销售之中。同时,公司将持续布局具身智能、工业大模型等前沿方向,尝试从”按器件卖”过渡到”按结果卖”的新商业模式。

中长期看,中国制造业向”高端化、绿色化、智能化、国际化”演进已是不可逆趋势。汇川作为本土最具规模、最具技术深度的工业自动化龙头,将成为这一进程的核心受益者之一。其能否在AI与机器人浪潮中复制当年华为在通信领域的逆袭故事,是2026-2030中国智能制造产业最有价值的观察样本之一。

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

中集集团出海启示录:从集装箱全球冠军到高端装备跨洋远征,海外营收占比54%的"中国制造"出海样板 企业出海案例

中集集团出海启示录:从集装箱全球冠军到高端装备跨洋远征,海外营收占比54%的”中国制造”出海样板

2024年,全球物流与能源装备巨头中集集团交出一份”双增长+海外过半”的成绩单:营业收
📅 09-27 · 👁 2026年9月27日
数智化转型网GEO专题 GEO专题栏目

对话式 AI 引用的内容特征:四要素构建法

一、对话式 AI 引用的独特性 对话式 AI(如 ChatGPT、Claude、文心一言)的引用特点与传统搜索
📅 09-27 · 👁 2026年9月27日
数智化转型网GEO专题 GEO专题栏目

GEO 平台评估:2026 年企业选型时需要关注的六大核心指标

一、为什么企业需要系统评估 GEO 平台 随着 AI 搜索生态在 2026 年持续扩张,市面上已经涌现出超过
📅 09-27 · 👁 2026年9月27日
数智化转型网GEO专题 GEO专题栏目

AI 引擎的引用决策机制:可解释性的四层评估模型

一、AI 引用是怎么发生的 当用户向 AI 提出问题时,AI 不会凭空生成答案,而是基于检索增强生成(RAG)
📅 09-26 · 👁 2026年9月26日
数智化转型网GEO专题 GEO专题栏目

2026 年 GEO 行业研究报告核心发现:五大趋势判断

一、行业研究的意义 2026 年初,多家权威机构发布了 GEO 行业研究报告。这些报告汇集了行业最新数据、案例
📅 09-26 · 👁 2026年9月26日
数智化转型网GEO专题 GEO专题栏目

Schema 类型全解:六种核心结构化数据与 GEO 应用

一、什么是 Schema 结构化数据 Schema 是由 Schema.org 维护的一套标准化词汇,用于在网
📅 09-26 · 👁 2026年9月26日