老牌锻压企业的智能化蜕变：合锻智能的转型实践与行业镜鉴
01
从传统锻压到AI智造：
合锻智能近期动态引发的产业思考
在科技革命与产业变革深度交织的时代背景下，人工智能正以空前的深度与广度，重构全球制造业的竞争格局。对于在传统领域深耕数十年的制造企业而言，这既是可能颠覆其发展根基的巨大考验，也是实现“弯道超车”的历史性契机。在此形势下，合肥合锻智能制造股份有限公司的转型探索，为我们提供了一个观察传统制造业如何融入AI新浪潮的典型案例。
公司近期的动态，尤其是财务表现与战略调整，不仅揭示了转型过程中的艰难，更折射出AI赋能实体经济的复杂路径。
一个值得关注的现象是合锻智能“增收不增利”的困局。根据公司财报，其营业收入保持了稳健增长的势头。2024年，公司实现营业收入20.74亿元，同比增长17.43%；2025年，营收进一步攀升至21.25亿元，但归属于上市公司股东的净利润却急剧恶化，从2024年的-8900万元扩大至-2.49亿元，同比大幅减少179.43%。这一趋势延续至2026年第一季度，当季归母净利润录得-2868万元，同比降幅高达488.03%。这种鲜明的反差，直观地揭示了公司在转型期所面临的巨大压力。
这种财务上的矛盾并非源于市场需求的萎缩，而是多重因素共振的结果。首先，激烈的市场竞争，尤其是来自下游汽车等主要客户的价格战压力，严重压缩了公司传统产品的利润空间。其次，为了推动AI等新业务的布局，公司进行了大规模的前期研发投入和资产计提，这些成本在短期内必然会对利润表产生负面冲击。
面对业绩波动，资本市场的反应也颇为复杂。一方面，超过40家主流金融机构在2025年密集调研公司，显示出市场对其转型路径的高度关注；另一方面，截至2025年底，公司股东户数较年初有所减少，而融资盘的净流入则显示了杠杆资金的博弈心态，反映出市场对公司前景的看法存在显著分歧。
在重重压力之下，合锻智能的管理层正努力向外界传递清晰的战略信号。董事长严建文在多个场合强调，数智化转型是推动制造业“强筋壮骨”、形成新质生产力的关键，并以“黑灯工厂”为例，生动阐释了自动化与智能化带来的效率革命。
在2026年的业绩说明会上，公司明确表示其主营业务聚焦于高端成形机床和智能光电分选设备，并特意澄清不涉及AI算力业务，力图在市场面前塑造一个专注特定应用场景、技术壁垒高的专业形象。
同时，公司积极展示其在细分领域的技术领先地位，如其智能热冲压成形装备获得安徽省首批重点产业链标志性产品认证，这表明公司正试图通过巩固核心技术优势来构建穿越周期的护城河。
02
合锻智能AI转型的底层逻辑：
技术布局与战略迭代脉络梳理
合锻智能的AI转型并非一时的心血来潮，而是基于其深厚行业积累和前瞻性战略规划的必然选择。其转型战略的核心可以概括为“双轮驱动，一核引领”：即在巩固高端成形机床这一传统优势业务的同时，大力开拓智能光电分选设备这一新兴增长极，并以AI技术作为贯穿两大业务的核心引擎。这一战略的背后，是公司对制造业未来竞争格局的深刻洞察——未来的竞争，将不再是单一产品的竞争，而是基于平台化技术、海量数据和产业生态的系统性竞争。
在技术布局上，合锻智能展现了从单点智能到全链路解决方案的清晰演进路径。在智能光电分选设备领域，公司采取了“技术引领、应用深耕”的策略。公司是国内最早将深度学习技术在光电分选行业实现产业化落地的企业之一。其产品线覆盖了大米、杂粮、茶叶、塑料等多个领域，通过融合高清成像、深度学习和多光谱传感等技术，实现了对物料缺陷的精准识别。例如，其推出的高端大米分选机，甚至搭载了水稻内质大模型，能够精准识别出病斑粒、霉变粒等传统方法难以检测的缺陷。这种围绕特定场景，将算法、硬件和行业数据集深度融合的“软硬一体”闭环能力，构成了其在该领域难以被轻易复制的核心竞争力。
在高端成形机床这一传统优势领域，AI的应用则更侧重于提升设备本身的性能和生产效率，以应对下游行业（尤其是汽车轻量化）对高精度、高节拍、低能耗的极致追求。公司研发的“HFP系列智能热冲压成形装备”，在超高强钢热成形工艺方面达到了国际先进水平，市场占有率领先。
同时，公司自主研发的大吨位伺服压力机，通过内置的智能控制算法，实现了多种复杂冲压曲线的编程，不仅提升了加工精度，还在节能降噪方面取得了显著效果。这些努力的共同目标，是将AI技术深度融入设备控制的核心，实现自适应控制和无人化高效运行，从而为客户创造更大的价值。
除了对现有两大主业的智能化升级，合锻智能的战略迭代还体现在对“尖端制造”新赛道的勇敢切入，其中最具代表性的便是可控核聚变产业的布局。公司敏锐地捕捉到这一终极能源解决方案的巨大潜力，并凭借其在大型构件精密加工、特种材料焊接、无损检测等方面积累的深厚功底，成功切入这一高壁垒赛道。公司不仅承担了国家重点研发计划项目，还率先完成了“BEST真空室”等核心部件的交付，并成功自主研制出用于聚变堆的Inconel 718超级螺栓，打破了国外的长期垄断。
这一系列突破性进展，标志着合锻智能正从一个传统的“装备制造者”，向一个具备解决尖端工程难题能力的“解决方案供应商”转型。
03
制造企业AI落地的痛点拆解：
合锻智能的实践折射的行业共性问题
合锻智能在AI转型道路上的探索虽然亮点纷呈，但其所遭遇的挫折与困境，也如同一面镜子，深刻地反映出传统制造企业在拥抱人工智能时普遍面临的诸多痛点。这些问题并非孤立存在，而是相互交织，共同构成了阻碍企业智能化升级的“隐形壁垒”。深入拆解这些痛点，对于理解制造业转型的复杂性至关重要。
首当其冲的便是高昂的前期投入与不确定的投资回报周期。AI转型并非简单的软件采购或设备更新，它是一项涉及技术研发、产线改造、人才引进和组织文化重塑的系统性工程，需要企业进行巨额且持续的资本开支。数据显示，合锻智能在2024年和2025年的研发投入分别高达1.21亿元和1.47亿元，占营业收入的比例始终维持在高位。然而，如此巨大的投入并未能立即转化为利润，反而成为短期内侵蚀业绩的重要因素。这种“投入增加、利润下降”的财务悖论，是许多转型企业在初期都必须经历的阵痛。更重要的是，AI项目的商业化落地往往需要较长的孵化期，其最终能否成功、能带来多大回报，都存在巨大的不确定性，这对企业管理层的战略定力和融资能力构成了严峻考验。
其次，数据孤岛与工艺知识的数字化难题是制约AI应用深度的核心瓶颈。AI算法的威力来自于对海量、高质量数据的学习和分析。然而，传统制造业的生产过程往往是分段、离散的，各个环节（如设计、材料、加工、质检）的数据标准不一、格式各异，形成了难以打通的“数据孤岛”。董事长严建文也曾坦言，打通材料、设计、制造等环节的数据是转型的最大难点之一。没有统一的数据标准和共享机制，AI模型就如同无米之炊，难以发挥作用。更深层次的挑战在于，制造业大量的核心知识（Know-How）以隐性经验的形式存在于老师傅的脑海中，如何将这些非结构化的工艺知识进行提炼、固化和数字化，是实现真正“智能”制造的关键，也是一个世界级的难题。
第三，既懂工艺又懂AI的复合型人才极度匮乏，是限制AI应用广度和深度的关键短板。成功的AI转型，需要的是能够架起“业务”与“技术”两座桥梁的人才。他们不仅要深刻理解生产现场的工艺流程、设备原理和管理痛点，还要掌握数据科学、机器学习等数字化技术，并具备将两者有效结合以解决实际问题的能力。然而，现实中这样的人才凤毛麟角。正如南开大学杜传忠教授所指出的，目前AI在制造业尚未规模化落地，一个重要原因就是缺乏能够推动技术与场景深度融合的复合型人才。企业即使引入了顶尖的算法专家，如果他们不了解产线上的实际需求，其工作也难以产生价值。
最后，外部市场环境的剧烈波动与客户信用风险给转型中的企业带来了巨大的经营压力。制造业是典型的周期性行业，受宏观经济和下游产业景气度的影响显著。近年来，新能源汽车等行业竞争白热化，掀起的价格战迅速向上游传导，导致合锻智能等设备供应商的议价能力被削弱，毛利率持续下滑。更为致命的是客户的财务状况。报告期内，公司因单一客户的商业承兑汇票逾期，遭受了高达1.371亿元的坏账损失，并已全额计提准备。这一事件如同一记警钟，凸显了在当前经济环境下，即便是与看似实力雄厚的客户合作，也依然面临着巨大的信用风险。这些外部风险表明，企业的AI转型之路，不仅要练好内功，还必须具备抵御外部风浪的强大韧性。
04
差异化竞争还是赛道拥挤：
合锻智能AI转型的核心优势与潜在风险
在AI转型的浪潮中，每家企业都在寻找自己的航道。合锻智能凭借其独特的战略选择和深厚的积累，构筑了区别于一般竞争者的差异化优势。然而，机遇与风险总是相伴而生，深入剖析其优势与软肋，有助于我们更全面地评估其未来的发展潜力。
合锻智能最核心的优势在于其深厚的行业Know-How与“软硬一体化”的场景闭环能力。与许多纯粹的软件或算法公司不同，合锻智能的所有AI应用都牢牢根植于其数十年的机械制造经验和对应用场景的深刻理解。在智能分选设备领域，公司提供的不仅是一台机器，而是一套包含高清成像硬件、专有深度学习模型和海量行业数据库的完整解决方案。
这种“硬件为载体、软件为核心、数据为驱动”的三位一体模式，构成了坚实的技术壁垒。在高端成形机床领域，公司同样具备提供从单机到自动化产线，再到整厂规划的集成服务能力。这种对客户痛点的精准把握和提供一站式解决方案的能力，是其在激烈市场竞争中脱颖而出的关键。
其次，前瞻性的战略布局与对高潜力“蓝海”赛道的精准切入，为公司开辟了极具想象力的第二增长曲线。如果说智能化改造传统主业是“在红海中寻找蓝海”，那么进军可控核聚变领域则是直接“驶入蓝海”。可控核聚变被誉为人类的终极能源梦想，其产业链一旦成熟，将催生一个万亿级的巨大市场。
据预测，全球可控核聚变市场规模在2029年有望达到4795亿美元。合锻智能凭借在特种材料加工、精密控制等方面的核心技术，成为国内少数能够参与聚变堆核心部件制造的企业，这不仅极大地提升了公司的技术势能和品牌形象，更重要的是，使其与一个长期、高增长且受国家战略大力支持的新兴产业紧密绑定，从而获得了穿越传统制造业周期性波动的宝贵“船票”。
然而，光环的背后，风险同样不容小觑。
当前，合锻智能面临的最大挑战来自于其传统业务的盈利能力被严重透支。数据显示，2025年上半年，公司两大主力产品液压机和机械压力机的毛利率已跌至负数。这意味着公司在这些传统业务上“卖一台亏一台”，陷入了典型的“增长陷阱”。这种状况若不能得到有效扭转，将严重削弱公司的自我造血能力，使其在新业务上的扩张高度依赖外部融资，财务风险随之累积。
与此相伴的，是公司财务健康状况的恶化。截至2025年末，公司的资产负债率已攀升至58.77%，处于行业较高水平。同时，由于市场环境变化和产品积压，公司在2025年计提了高达1.47亿元的资产减值准备，其中大部分是存货跌价损失和应收账款坏账。高额的负债和持续的资产减值，如同一把双刃剑，不仅直接吞噬了公司利润，也给其未来的融资能力和经营稳定性蒙上了一层阴影。这些财务指标警示我们，任何宏伟的转型战略，都必须建立在稳健的财务基础之上。
05
从单点应用到全链赋能：
传统制造企业AI转型的未来路径推演
合锻智能的转型实践，为我们描绘出一条传统制造企业借助AI技术实现自我革新的可能路径。这条路径并非一蹴而就，而是一个从点到线、由线及面、最终构建生态的渐进过程。结合工信部等部门发布的《智能制造典型场景参考指引》等政策文件，我们可以将这一未来路径推演为四个相互关联、层层递进的阶段。
第一阶段是设备智能化（单点应用）。这是AI转型的基础，核心在于将AI算法嵌入单个设备，使其具备感知、决策和执行的能力，从而提升单台设备的效率、精度和可靠性。合锻智能在其色选机中广泛应用深度学习技术进行图像识别，或在其伺服压力机中内置智能控制系统以优化冲压曲线，都属于这一阶段的典型实践。这个阶段的目标是打造出一批“聪明的机器”，为后续的系统集成奠定基础。
第二阶段是产线/工厂级协同（线/面集成）。当单点智能设备足够多时，通过工业物联网（IIoT）技术将其连接起来，形成一条或多条自动化、智能化的生产线，乃至一个“黑灯工厂”，便成为可能。在这一阶段，数据流动成为关键。企业需要建立统一的数据平台，实现设备之间、产线之间以及生产与管理系统之间的信息互联互通。工信部提出的“在线智能检测”、“设备智能运维”等场景，正是这一阶段的核心应用。其目标是实现生产流程的全局优化，最大限度地提高整体运营效率，降低成本。
第三阶段是价值链延伸与服务化转型。当企业实现了生产过程的全面数字化和智能化后，其价值创造的边界将不再局限于工厂的围墙之内。企业可以从一个单纯的设备制造商，转变为一个提供“设备+数据+服务”的解决方案供应商。例如，通过对设备运行数据进行远程监控和分析，企业可以为客户提供预测性维护、工艺优化、能耗管理等高附加值的增值服务。这种从“卖产品”到“卖服务”的转变，不仅能开辟新的收入来源，还能增强客户粘性，构建起更加稳固的竞争护城河。
第四阶段是生态构建与协同创新。在这一阶段，企业不再是孤立的竞争个体，而是成为产业生态的核心节点。通过开放平台建设、标准制定和产业联盟的组建，企业可以整合上下游资源，推动形成开放、协同、共赢的智能制造生态系统。在这一生态中，数据、技术和人才得以自由流动和创新组合，从而催生出远超单一企业能力的创新势能和价值创造空间。
合锻智能的实践表明，传统制造企业的AI转型绝非简单的技术叠加，而是一场涉及战略、组织、文化和能力的全方位深度变革。这条道路注定充满荆棘，但正是那些敢于直面挑战、持续创新、坚守主业又敢于跨界突破的企业，最终将赢得未来产业竞争的制高点。对于整个制造业而言，合锻智能的探索不仅是一个企业的个案，更是一份宝贵的行业镜鉴，提醒我们在拥抱AI浪潮时，既要保持战略定力，也要对转型过程中的复杂性有充分的认识和准备。