逃离管道化:物联网企业如何才能分到"AI的钱"?(下篇)

逃离管道化:物联网企业如何才能分到"AI的钱"?(下篇)

近期产业研讨中，一位制造企业负责人提出的质疑引发了广泛关注。绝大多数工业物联网公司目前仍依赖硬件销售、网络部署及运维服务获取一次性或固定收益。人工智能技术在此类业务中往往仅作为投标加分项，甚至沦为压价工具。由AI驱动的降本、减损与增产效益大多流向终端客户，设备供应商难以从中获取超额利润。一旦硬件与网络架构趋于标准化，算法供应商可被轻易替换，价格战便随之而来。

如何将人工智能能力转化为可量化的收益分成权，并与工业现场的真实经营指标深度绑定，已成为物联网企业突破增长瓶颈的核心命题。企业亟需完成从单一设备供应商向生产效率共担合伙人的角色跃迁。

产业实践表明，终端客户通常不为技术迭代或方案部署的“过程”付费，而是为能够兑现的“最终业务成果”支付溢价。在产业链价值分配中，企业距离客户核心业务指标越近，所能获取的利润空间便越大。停留在工具售卖阶段的企业，与最终成果之间存在显著断层，人工智能技术极易沦为附属赠品。只有当企业具备为客户最终收益提供保障的意愿与能力，将硬件、网络架构、AI算法及行业Know-how整合为一体化系统时，该套架构才能真正转化为企业持续创造复利的现金流引擎。

尽管“按结果分润”的商业模式具备显著的理论优势，但当前物联网与产业人工智能赛道中，设备销售与价格内卷依然是主流。这种认知与行动的落差，主要源于商业规则与交付机制的不匹配。为精准量化物联网企业距离“业务成果”的实际差距，通过对移远通信、涂鸦智能、中控技术、汉威科技四家行业标杆企业的财务报表进行交叉梳理，可以构建一套二维诊断坐标系，对现有商业模式进行结构化评估。

该坐标系的纵轴定位为“不可替代性”，核心观测指标为企业毛利率。毛利率水平直接反映企业在供应链中的议价能力及技术护城河深度。横轴则代表“距成果的实际距离”，核心指标为收入确认方式。收入确认节点从发货即时确认，过渡至系统上线确认，最终演进为按“为客户创造的增量价值”进行持续性确认。横轴向右延伸，意味着企业与客户最终业务成果的绑定程度不断加深。处于该坐标系右上角的企业，代表着理想的商业形态：兼具极高的技术不可替代性，并能够通过增量成果实现持续性价值分配。

将四类典型企业代入坐标系后，其商业模式特征呈现显著分化。

处于连接层的移远通信，2026年上半年营业收入达到152.59亿元。分产品线观察，通信模组与天线业务的毛利率维持在16.28%，车载、智能化及解决方案板块毛利率为21.42%。从收入确认逻辑来看，企业仍高度依赖标准化产品的批量出货与即时结算。

位于平台层的涂鸦智能，同期实现营业收入1.74亿美元。其中，平台即服务(PaaS)业务占比达73.0%，硬件部分在客户验收完成后进行一次性收入确认。PaaS体系内按设备激活生命周期逐期确认的云连接服务，上半年确认收入仅为57.9万美元，占总收入比重0.33%。值得关注的是，涂鸦在行业SaaS与云端增值服务板块已建立按期确认的收入线。2026年上半年，该板块通过递延收益确认了1,799万美元，约占总收入的10.4%。财报数据显示，人工智能节能、宠物看护、视频理解等场景的订阅服务，已逐步进入实质性付费与续费阶段。

中控技术作为四家企业中商业化路径最为清晰的企业，已将“按结果收费”明确写入战略规划。在2025年年度报告及2026年半年度报告中，中控技术明确提出，业务模式正由传统的一次性授权买断，逐步向模型即服务(MaaS)与结果即服务(RaaS)的价值订阅模式演进。尽管企业战略重心已指向坐标系的右上角，但国内工业软件市场目前仍以传统授权模式为主导，其现有合同签署节点仍受限于系统投运阶段，尚未完全跨越至成果交付环节。

处于感知层的汉威科技，其智慧化综合解决方案采用完工百分比法确认收入。在距离业务成果的路径上，汉威科技处于行业前沿。然而财务数据表明，向成果端延伸的商业尝试伴随了账期拉长与商誉减值风险。

上述现象揭示出传统商业规则下的核心矛盾：企业与客户业务成果的距离越近，现金流稳定性面临的下行压力越大。深入业务核心环节的企业，往往容易陷入长账期的资金周转困境。中控技术与汉威科技的阶段性回调，以及涂鸦智能与移远通信凭借标准化产品实现快速回款的对比，印证了商业模式的内在张力。这并非“按结果分润”必然附带的成本，而是企业承担了类似合伙人的业务兜底责任，却未同步获得相应的规则制定权与定价话语权所致。真正的结果导向型商业模式，其结算机制不再依赖主观验收流程，而是由客观的设备运行数据与计量读数直接驱动。

实现从工具售卖向结果交付的跨越，必须同步满足四项基础商业前提：系统可控制、价值可计量、贡献可归因、风险可承担。缺一不可的约束条件，决定了按结果收费的商业构想必须建立在严苛的工程与财务基础之上。

• 可控制：从决策辅助向闭环执行演进，掌握业务核心主导权。航空发动机制造商罗尔斯·罗伊斯推行的“按飞行小时计费”，以及飞利浦照明在史基浦机场实施的“按照明用量计费”模式，均建立在设备所有权、运维权与参数调优权高度统一的基础之上。国内物联网企业蘑菇物联采取了差异化的切入策略。该企业避开变量复杂、控制权集中于厂长的核心产线，转而聚焦空压站与冷冻站等公辅系统。此类场景边界清晰，不直接干预核心工艺流程。通过部署物联网传感器阵列与人工智能控制系统，企业可直接调度设备启停逻辑与运行参数，实现无人值守运转，从而将系统控制权牢牢掌握在服务商手中。
• 可计量：确立价值锚点，设定客观评价基准。无法量化的业务环节难以支撑商业闭环。人工智能创造的经济效益，必须转化为双方均可采信且无争议的物理或财务指标。在公辅车间改造实践中，对于产量与工况稳定的流程工业，直接采用符合国家标准与电网规范的电表读数作为结算依据。针对多变的动态工况，则切换至“单位能耗”计量模型。例如，将历史压缩空气单位能耗基准从每立方米0.3度电优化至0.25度，节能效益的核算具备高度透明度。
• 可归因：厘清贡献边界，完成从增量分享到产出销售的转型。当人工智能系统实现单月节电20%时，终端客户常以订单缩减、开工率下降为由，质疑技术贡献的独立性。蘑菇物联的客户结构中，采用节能收益分成的占比约三成，买断加年度运维费模式占比七成。分成协议主要涵盖合同能源管理(EMC)与能源托管(BOT/BOO)两类架构。EMC模式依赖历史基线核算节能量，供需双方在基线设定上存在天然博弈。随着工况演变，基线重核极易引发商业纠纷。财务部门通常更偏好确定性的固定支出，对浮动分成持审慎态度。行业演进路径显示，重资产的能源托管(BOT/BOO)模式将逐步取代EMC成为主流。该模式通过交易结构的重构，有效降低了供需双方的信任摩擦。结算对象从易引发争议的历史基线，转变为双方共同认知的物理流量计读数。技术供应商直接接管业务结果，仅需在初期锁定节能后的能源单价，即可完成价值交付。
• 可承担：运用金融与保险杠杆，对冲重资产投入与技术概率风险。风险对冲机制分为技术概率与资金占用两个维度。在技术层面，工业设备预测性维护(PdM)领域已出现保险背书模式。以色列企业Augury推出附带保险条款的诊断承诺，若其人工智能系统漏报故障导致设备损坏，将由承保方按约定上限赔偿客户。该赔付责任由慕尼黑再保险集团旗下HSB承接，实现了技术风险向资本市场的转移。在资金层面，能源托管模式前期需投入巨额资本。蘑菇物联通过引入融资租赁工具，与北京国资背景的中关村科技租赁共同设立广东蘑菇中诺数字能源运营有限公司，专项承接能源托管业务。中关村科技租赁与中诺基金的战略注资，有效缓解了重资产模式下的现金流压力，保障了业务的平稳推进。

底层交易结构的重构，必然在财务报表上留下深刻印记。按时段确认的收入比例将显著攀升，发货或验收节点的一次性收入占比相应收缩。设备资产由表外转移至表内，导致企业总资产规模扩张。前期资本支出需通过长期运营逐步摊销，初期账面利润率可能出现阶段性回落。企业实质上正以短期资产加重与利润稀释为代价，换取未来十年期稳定现金流的折现价值。

人工智能技术普及的背景下，硬件迭代周期缩短，数据接口日益开放，算法模型的可移植性增强，大模型的泛化能力持续提升。在此技术演进周期中，构筑长期竞争壁垒的核心已不再是单一的技术模块，而是将业务结果与商业结算深度绑定的底层交易架构。人工智能的规模化应用，正在加速这一商业命题的落地进程。

行业调研数据显示，人工智能技术的成熟正推动客户合作偏好向BOT与BOO模式倾斜。传统节能改造主要依赖硬件更替，终端企业自行委托工程总承包(EPC)单位即可完成收益获取。人工智能技术的介入大幅抬高了系统集成的技术门槛，自主组建物理人工智能团队的经济性显著降低。终端客户对“按结果付费”模式的接受度随之提升，产业价值链的重塑已进入实质性推进阶段。