多品类 + 工业互联网 股票代码:603613 2026 年半年度报告核查
Level 1~2 (制造端采集监控,交易端人工促成)

从交易走向工厂,AI 走到哪一步——国联股份的企业 AI 化十节点画像

核心落位节点: 节点 0 · 数据底座 节点 4 · 制造 节点 7 · 交易 署名:申飞|DARE to B2B
关键实证与财报依据(A级证据(总额法交易规模))

千亿级总额法 B2B 采销平台,数百家涂料、润滑油、玻璃工业数字化工厂联网实时采集数据。

人机责任边界与断点

工厂生产异常由车间主任介入,大额拼单合同依然由采销总监逐批面签核准。

国联股份 2026 年上半年,网上商品交易业务收入为 199.57 亿元,占总营收 98.9%。这家公司通过“多多系”进入了涂料化工、玻璃、粮油等产业链的原材料采购环节,又在推进数字工厂和工业互联网服务。[1]

顺着这条业务路径,我想追问的是:客户向平台采购原材料之后,会不会进一步让平台参与排产、质检和工艺优化?其中又有哪些判断或执行,已经交给了模型?

交易关系能否延伸到生产经营,取决于平台能否获得新的数据权限、承接新的业务责任,并证明实施成本值得。 这是本文观察国联的角度。结合半年报与公开项目材料,已经能看到数字工厂和仓配流程的应用线索;更需要追问的是,哪些能力能够跨项目复用,平台又承担了多少生产责任。

一、多多平台复制的是什么

国联的业务由三部分组成:国联资源网提供商业信息服务,多多电商开展网上商品交易,国联云提供数字技术服务。半年报主要业务表列示涂多多、卫多多、玻多多、肥多多、纸多多、粮油多多、芯多多、医械多多八个平台。[1]

这些平台各自深耕不同的垂直领域。公司披露的组织方式是:前台由行业团队和独立子公司开展业务,中台提供统一技术支持,后台提供品牌、资源和职能保障。值得观察的是,这套组织方式能把多少行业经验留在前台,又把多少能力交给中后台复用。

多多电商既有自营商城,也提供第三方撮合服务。半年报还披露,公司向上下游免费提供云 ERP、智慧物流共享系统、零配共享系统、数字仓储等供应链 SaaS 服务。这一免费范围,不能直接扩展为所有数字工厂项目或数字技术服务均免费。[1]

从商业机制看,可以把这条路径概括为“用交易养数字化、用数字化抬交易”:交易关系为工具进入客户提供入口,工具则有机会改善客户留存、复购和履约。这是作者对业务机制的解释,工具是否带来了这些改善,仍需结果验证。

技术服务单独收费,是一种兑现方式;效率改善体现在原有交易业务中,也是可能的兑现方式。国联的互联网技术服务收入为 1.11 亿元,占总营收约 0.55%,但这个科目并不等于 AI 收入。以包含大额商品销售收入的总营收作分母,也不能据此判断 AI 的价值大小。[1]

二、十节点:业务落在哪里,模型证据到哪里

本系列以模型实际参与判断或执行为最低判据,按 1 级工具辅助、2 级流程内嵌、3 级自主执行判断介入深度。与满帮、齐心、京东工业等同轮案例一样,公司产品与项目披露可以支持分级;缺少第三方验证或效果数字,记入证据强弱,不自动撤级。[2]

等级与证据强度分开:已有应用线索、但权限边界不清,可以采用较低等级或区间;连具体模型任务都无法定位的节点才留白。平台内部应用与客户产业链应用分别标注,避免把内部研发提效当成客户研发成果。

节点 业务与应用依据 介入判断 可支持等级 证据强度与边界
创意 商机、行业资讯和数据服务 尚不能定位客户创意中的模型任务 — 证据不足,留白
设计 数字工厂服务方向 尚不能定位客户设计中的模型任务 — 证据不足,留白
研发 公司披露内部研发领域应用 AI、提升交付效率 [1] 平台内部辅助应用;自主执行权限未披露 1–2(内部);客户研发 — 中;公司明确披露使用,不外推客户研发
制造 公开案例披露工厂数据接入、排产协同及质检等 AI 应用线索 [4] 支持辅助至流程内嵌判断;排产自动化本身不等于模型自主排产 1–2(案例口径) 中—弱;模型分工与人工接管细节待补
定价 集采、拼单与竞拍 业务机制不能代替模型定价证据 — 证据不足,留白
营销 商业信息服务、工业品直播 尚不能定位模型承担的营销任务 — 证据不足,留白
交易(商品) 自营交易和第三方撮合 [1] 交易价值中枢明确;未充分说明商品撮合模型 — 业务证据强,AI 证据不足;不借仓配匹配替代商品撮合
仓储 公开案例描述智能算法参与车、货、库匹配 [4] 按同轮智能匹配场景口径,保留流程内嵌判断 2(案例口径) 中—弱;模型与传统优化算法边界尚需核验
配送 公开案例描述运力匹配与智能调度 [4] 按同轮调度场景口径,保留流程内嵌判断 2(案例口径) 中—弱;尚不能确认模型自主决定并执行全流程
售后 未见明确售后模型场景 金融、结算和一般质检不代替售后证据 — 证据不足,留白

目前的画像是:内部研发与制造以 1–2 级观察,仓配保留 2 级的案例判断,其他节点按证据留白。 仓配评级采用与同轮案例一致的智能匹配应用口径,可信程度低于详细披露模型分工的场景;若进一步核验显示仅为传统规则或优化算法,就应移回数字化层。3 级需要模型自主决策并执行的证据,不能由“智能调度”或“跨企业协同”直接推出。

这张表回答模型介入到哪一步,下面则追问这些应用能否形成可持续的业务。

三、节点 0:品类与经验,怎样成为可用的数据

节点 0 包含商品数据化与知识数据化两层:前者让模型识别商品,后者让业务经验能够被读取、调用和约束。标准化本身不等于 AI。[2]

国联覆盖多个垂直品类,这为观察商品标准化提供了业务基础。但跨平台参数标准、结构化质量和更新机制仍缺少充分说明。品类多,不能直接写成“多行业词典已经建成”。

公开项目材料已提供生产数据接入与订单协同线索。[4] 数字工厂接下来要验证的是:工艺、排产、质检和能耗相关经验,能否转成可复用的知识与模型输入?这些是本文提出的观察对象,不能把每一项都当成公司已完成的应用。还需要看到经验由谁整理、如何校验、适用哪些条件,以及换一家工厂后要重新做多少工作。

跨厂复用也不必要求整套经验原样搬迁。商品参数、通用流程可能复用,设备、工艺和管理条件则可能需要重新适配。真正影响扩展成本的是:可复用的部分有多少,定制部分需要多少人、花多长时间,后续维护由谁承担。

四、半年报证明了什么,又没有证明什么

先把经营结果与 AI 贡献分开。2026 年上半年,国联营收 201.80 亿元,同比下降 16.09%;归母净利润 6.86 亿元,同比增长 0.81%;扣非归母净利润 6.51 亿元,同比下降 3.87%。非经常性损益合计约 3436 万元。政府补助是其中的一个项目,合计数还包含其他项目及所得税、少数股东权益影响,不能直接把补助当作全部净额。[1]

收入下降的原因,不能替公司多解释一步。 半年报将变化归因于业务结构优化及按总额法确认收入减少。这只说明按总额法确认的收入规模降了——不足以证明已切换到净额法,也不能据此断定口径变化或需求下滑,且业务量、价格与结构的各自影响无法从中分离。[1]

这里可以与上一篇上海钢联对照:钢银对部分供应链业务改用净额法,并明确进行了前期差错更正与追溯调整。[3] 国联半年报所说的“总额法确认收入减少”,尚不足以证明发生了同样的调整。两家公司放在一起,提醒我们先核对收入确认依据,再讨论经营变化。

还有一项披露背景需要保留:国联于 2023 年 12 月收到证监会立案告知书;截至本次半年报披露时,公司称调查仍在进行,尚未收到结论性意见或决定。[1] 这是带时间边界的公司披露,不代表本文确认今日调查状态,也不能据此否定全部经营数据或作出违规结论。

现金流是另一项需要跟踪的经营约束。经营活动现金流净额为 -9.99 亿元,上年同期为 -1.55 亿元。期末存货 12.12 亿元,较上年末增加 43.03%;合同负债 14.58 亿元,较上年末减少 46.99%。备货增加、预收减少提示资金占用压力,但它们对现金流变化的贡献,还需结合其他营运资金项目及现金流调节拆分,不能凭两个余额变化确定主次。[1]

AI 方面,最具体的一条披露落在公司内部研发:研发费用约 0.45 亿元,同比下降 14.24%,公司归因于 AI 在研发领域的应用落地、交付效率提升后在保障质量前提下压缩了人力投入。这提供了 AI 使用场景和公司对费用变化的解释,但不等于已经独立验证 AI 的净降本金额,更不能拿来证明客户生产效率改善。[1]

因此,现有证据应分三层读:公司披露了自身 AI 使用;财务报表提供了经营结果;两者之间的贡献关系仍需另行验证。项目材料中的改善也可能来自设备联网、流程调整和管理改造,不能把综合改造效果全部归给 AI。

五、交易关系往生产延伸,要增加哪些承诺

原材料采购本来就涉及价格、信用、账期和履约风险,交易信任并不浅。向生产环节延伸,意味着平台需要获得另一类数据,并增加对生产结果的责任。

首先是数据权限。 客户愿意交出采购需求,不等于愿意开放工艺参数和生产过程数据。平台需要说明,拿这些数据解决什么问题、使用到什么范围,以及客户能获得什么可核验的改善。这是需要项目证据回答的问题,不能仅凭已有交易关系推定。

其次是知识复用与实施成本。 平台在一个工厂形成的做法,哪些可以供另一个工厂使用,哪些需要重新适配?如果每次交付都需要较多现场工作,业务仍可以成立,但它的扩展速度和成本结构,就不能按低成本复制的软件业务去想象。

最后是决策权限与责任。 模型只给建议、由客户确认,与模型直接下达执行指令,承担的风险不同。涉及排产、质检等活动时,需要明确人工在哪些节点确认、异常如何接管、损失如何分担。只有把这些安排落实到具体任务,“参与客户生产”才有可检验的含义。

公开案例已描述仙桃中星项目的数据接入与生产协同,这使讨论有了实际项目入口。[4] 但数据使用权限、跨厂适配工作量和责任合同并未充分展开。国联的业务延伸能走多深,要看这三笔成本能否随项目积累而下降,而不能只看签约数量。

六、给这一组案例留下什么

国联把数字化的落脚点放在交易与仓配,内部研发用 AI 提效也确有其事——但它在客户生产端的模型介入,最清晰的位置是 1–2 级,且多来自项目案例口径,不是公司审计披露。换句话说:它把交易做成了产业入口,把"模型参与生产"做成了一条尚未验收的路。

这条路上有三笔绕不开的成本:数据权限客户是否愿意开、经验能不能跨厂复制、出了错谁来担。 三笔成本不随签约数下降,国联就停在"更厚的交易服务商",而不是"产业经验载体"。独立 AI 收入只是其中一种观察结果;改善若体现在交易留存、履约成本或资金周转里,同样要沿着业务链条去验证。

所以国联给这一组案例留下的,不是一个 AI 成熟度答案,而是一条边界:交易关系给了进入生产的机会,参与生产则要拿数据权限、知识复用能力和责任安排来换。 下一篇把它放回同一口径,比较模型介入的位置、拿到的权限、和价值兑现方式;现有样本集中在交易、采购、物流与数据服务,设计、研发和生产控制的判断仍需更多证据。

资料与口径

[1]北京国联视讯信息技术股份有限公司《2026 年半年度报告》,主要参照“主要会计数据和财务指标”“管理层讨论与分析”“非经常性损益项目”等章节。半年报全文(新浪财经公告转载)。财务数据按报告列示并作亿元或万元取整;利润及收入变动为同比,存货与合同负债变动为较上年末。本报告未经审计。本文使用报告期标识,不混用报告签署日与公告页面日期。
[2]本系列《企业 AI 化十节点:从数字化到AI化》。十项坐标源自托比研究院“产业数字化分析模型”,本文沿用本系列对 AI 介入和节点 0 的分析方法,不对原始十项坐标主张原创。节点判断基于本次查阅材料,不构成对公司全部实际能力的穷尽评价。
[3]上海钢联《关于前期会计差错更正及追溯调整的公告》(2026 年 4 月)。公告原文。仅作为明确会计调整的对照,不外推国联发生同类变化。
[4]北京市丰台区政府网站、中关村丰台园《国联股份:以工业互联网为纽带,打造产业链全域协同标杆实践》(页面日期 2026-06-23,访问日期 2026-09-08)。案例原文。属于公开案例介绍,并非对算法、效果或责任安排的独立审计;不将全部数字化成效归于 AI。其不同段落的云工厂数量口径不一致,本文不采用相关数量和汇总效果指标。

本文讨论业务机制与披露证据,不构成投资建议。

对标领军企业 · 诊断本企业 AI 切口

看完 国联股份 的十节点证据拆解,贵司该从哪个节点切入?

免费使用站内 12 项硬指标《节点 0 准备度自查表》在线测出企业真实水位,或直接预约申飞 1 对 1 的 90 分钟《节点 0 诊断会》(会后 3 个工作日内交付 3 页《首个 AI 场景判定书》)。