✨经营稳健扩容、结构持续优化，AI业务收入单季1.7亿元，快速增长成为核心增长引擎✨前三季度营业收入 25.87 亿元，同比增长 6.05%；毛利率 35.00%，同比提升 0.08 个百分点，整体盈利能力稳中有升；AI业务驱动下「产业数字化」「财务数字化」快速增长▶ 产业数字化（C2M）前三季度营业收入 9.61 亿元，同比增长 15.30%，业务占比提升至 37.14%；毛利率 42.96%，保持高水平▶ 财务数字化（GMC）前三季度营业收入 6.31 亿元，同比增长 9.30%，业务占比提升至 24.40%；毛利率 34.90%，稳定增长———⚡AI业务单季度突破 1.7 亿元，累计 3.9 亿元、同比增长超过85%，构筑穿越周期的核心成长引擎▶ AI智能化应用业务作为公司首要战略发展方向与核心增长引擎，在公司的战略投入驱动下持续加速商用化落地；Q3单季度收入 1.7 亿元，在Q2基础上保持快速增长；前三季度累计收入约 3.9 亿元、同比增长超过 85%，成为公司业务增长主要驱动力———🧩企业级AI智能化升级方法论与全栈产品体系💡「筑基+赋智」企业级AI智能化升级方法论筑基依托H-ZERO，完成业务数字化建设、沉淀企业资产、构建数字化镜像；赋智依托「得·灵」企业级AI体系，将AI深度融入经营全链路，打造智能化能力🚀「得·灵」体系三层架构全栈支撑应用层数字员工智能体、工具层「灵猿-大圣」AI中台、系统层AI基础设施平台，配套AI全周期实施方法论与算力运营服务，已在数百家企业业务场景落地迭代汉得 x 日出东方｜FDE 方法论场景共创汉得 x 西南大学柑桔研究所｜联合启动柑橘大模型建设汉得 x 中亿丰｜入选IDC中国企业级Agent最佳实践案例汉得 x 中鼎 x 矩阵｜一份全球化Token工厂建立模板的AI规划汉得 x 京新药业｜共建企业级 AI 智能体平台———🤖DataClaw灵舟 · 企业AI数字员工平台汉得首批DataClaw数字员工入职多家企业！汉得DataClaw数字员工+FDE践行DATA x AI落地实践汉得DataClaw 灵舟入选 IDC 中国 Data Agent 厂商评估！———🛠️工业AI行业垂类模型AI融入生产一线 提质增效▶锂电电芯容量预测大模型（TBCP Model）▶多晶硅还原雾化预警AI大模型（PRAW AI Model）▶钢材智能自动组板大模型（ISP）▶工业AI行业垂类模型矩阵———@汉得信息🤝企业级AI智能化应用综合服务商基于「得·灵」AI体系，做AI时代智能化综合服务提供商，与客户携手构建AI时代核心竞争力！

🤖汉得 AI 数字员工・DataClaw 销售经营参谋・工号 #0001今日工时：24小时待命——全年无休特种兵、不摸鱼不用催⏰️ 08:30 ：在同事到岗前，汉得 DataClaw・销售经营参谋处理系统预警，接通业务系统，排查问题。⏰️ 08:45：不用等月底，不用人工取数，汉得 DataClaw・销售经营参谋就能把问题扒出来。⏰️ 09:00：汉得 DataClaw・销售经营参谋生成经营分析报告，自动发送给老板，附带业务判断和解决方案。⏰️ 09:15：老板拍板后，汉得 DataClaw・销售经营参谋给重点客户做专项诊断，调出历史数据，分析原因，给出建议。⏰️ 09:45：汉得 DataClaw・销售经营参谋基于历史数据和既定改善动作进行测算，为销售负责人的决策提供依据。⏰️ 10:00–12:00：汉得 DataClaw・销售经营参谋将问题和改善方案同步给一线团队。⏰️ 14:00：汉得 DataClaw・销售经营参谋将业务分析路径与判断规则，全部沉淀为日常工作流，每天自动推送给老板。⏰️ 18:00：老板下班去拜访重点客户，汉得 DataClaw・销售经营参谋继续干好数字员工的活。⏰️ 20:00：汉得 DataClaw・销售经营参谋依然在岗，0摸鱼、0抱怨、0请假，持续监测预警，跟进行动进度。🗓︎一年 365 天，汉得 DataClaw・销售经营参谋，每天 8:30 都第一个到岗。👋欢迎观看汉得 DataClaw・销售经营参谋的工作 Plog，咱们明天见~数字化，放心交给我！

在 AI 时代，大模型、智能体和智能应用如何快速落地融入企业提质增效受到广泛的关注。工业企业尤其是制造企业流程长、业务场景复杂，在工业 AI 智能化落地难度尤其大。制造企业的管理团队焦虑的核心关注点之一：AI 能不能进入工艺、设备、质量和生产现场解决一个个具体问题优化提升工艺质量汉得深耕制造领域近30年，积累大量制造业客户和行业场景。依托「得·灵」企业级 AI 产品/服务体系，基于企业级 PaaS 平台 H-ZERO 构建的智能制造 HCMs 协同平台，我们把工业数据、业务流程和 AI 模型连接起来，帮助企业构建高效、可靠、可闭环的工业 AI 行业垂类模型和应用。这个专题希望通过一系列工业 AI 真实场景落地案例，把我们在工业 AI 落地中的经验、想法和方法呈现出来，为更多制造企业提供参考。“工业 AI 实战”专题通过真实工业场景，分享汉得在智能化落地中的经验、思考和方法。前两篇关注还原炉工艺预警与电芯容量预测，这一篇，我们走进钢材制造中的关键环节：智能自动组板以工艺规则与多目标优化统筹合同需求、材料利用和生产约束从合同需求到生产执行汉得钢材智能自动组板大模型一张交付给客户的钢板，在进入轧制之前，就已经涉及一系列复杂的生产决策。客户按钢种、厚度、宽度、长度和数量订货，工厂则需要把这些需求组织成可生产的板坯及轧制切分方案。一块板坯可以按设计轧制切分成多张合同钢板；哪些合同能够组合、需要多大的板坯、轧制切分后会剩下多少材料，都需要提前计算。这就是钢材组板要解决的问题。它看起来像是在做“拼图”，但每一块“拼图”都带着工艺条件：◈ 有的热处理要求不同，有的探伤方式不同，有的必须单独取样◈ 即使尺寸能够拼在一起，也未必能在同一套生产条件下完成制造组板人员还要同时考虑材料利用与合同交付。当前这张大板组合得很紧凑，剩下的几张合同钢板却可能难以继续配组；为了多消化一些合同尾量，另一个方案又可能留下更多余材。当合同数量增加、规格更加分散时，人工需要反复筛选、核对、试算和调整。经验越丰富，越能识别其中的取舍，但也越难把所有组合逐一比较。围绕钢铁板材制造中的自动组板需求，汉得将合同数据、工艺基准、组板规则与优化求解连接起来，构建钢材智能自动组板大模型（ISP，Intelligent Steel Plate Auto Assembly Model）。✅ 让系统承担大量验证计算，智能自动生成组板方案✅ 让业务人员集中精力判断优先级、处理例外并确认生产方案▲钢铁板材智能自动组板业务流程示意图合同分组先理清哪些需求可以一起生产自动组板的第一步，是建立有业务边界的合同池。系统按产线条件筛选合同，结合钢种、厚度、宽度形成分组，再根据客户、到站、交期等条件组织组内优先顺序。产线与板坯断面的对应关系、产品规格限制，也一并进入计算范围。这一步直接影响后续方案质量。同一客户的合同尽量安排在同一产线，特殊钢种的小批量需求尽量集中处理，都是生产组织中需要考虑的因素。对于不同厚度、不同宽度的合同，能否组合还要继续核对公差和组板方式。例如，厚度存在差异时，需要检查允许厚度范围是否有符合工艺要求的交集。尺寸相近，并不意味着可以直接合并。通过合同分组，分散的订单需求被转化成具有明确规则和优先级的计算对象，为后续求解建立基础。规则校验把现场工艺转成计算边界一份组板方案能够进入生产，首先要满足制造条件。板坯压下比是否满足合同要求，可轧制宽度和目标长度是否处于设备允许范围，板坯长度能否满足加热炉限制，这些条件共同决定方案是否可行。质量要求同样需要逐项核对。组合合同的热处理模式与保温目标温度需要匹配，超声探伤方式和时期需要兼容；特定取样要求的合同，则需要按规则单独组板。这些分散在工艺基表、合同属性和现场经验中的条件，被转化为系统可以执行的校验规则。校验不通过时，系统给出相应提示，供业务人员定位和处理。❓ 工艺规则决定哪些方案可以进入比较❓ 优化目标决定可行方案之间如何取舍质量与设备限制作为计算边界，贯穿组板过程。这也是工业智能应用对行业知识的依赖所在：算法需要准确得工艺条件才能计算出现场真正用得上的结果多目标优化在合同尾量与材料利用间找更优解满足约束后，系统还要回答：多个可行方案，应该选择哪一个？自动组板需要同时关注几类目标。合同尾量反映还有多少需求未被组入方案；组合板长度、宽度与目标尺寸的差异，反映尺寸匹配情况；长度和宽度方向的余材，则关系到材料利用。这些目标并不总能同步改善。例如，一个方案组入了更多合同钢板，却可能留下较多余材；另一个方案材料利用更充分，但尚未组入的合同需求更多。业务人员需要结合当次任务，明确尾量清理与材料利用等目标的优先级。方案通过目标和权重设置，将这种取舍转化为可计算的评价方式。求解器结合组板规则，在设定的运行时间和计算规模内搜索、比较候选组合，返回组板结果及对应评价指标。同时，系统还需要计算必要板坯尺寸、重量等参数，并区分轧制收得率与命令收得率。后者关注合同钢板总重量与相应板坯重量的关系，有助于从订单交付角度评价材料利用。自动组板的核心，是把原本依赖多次人工试算的方案比较，转化为有约束、有目标、有评价依据的计算过程。在这一场景中，承担核心求解任务的是工艺规则与运筹优化算法。分轮处理让零散尾量继续寻找组合机会一轮组板完成后，仍可能有部分合同钢板未能形成满足要求的组合。如果只评价已经组好的大板，就容易忽略这些剩余需求。它们还需要进入后续生产安排，继续寻找匹配机会。钢材智能自动组板大模型（ISP）设计了分轮组板机制：第一轮按合同分组和组板方式进行组合对于尚未成型的组合及剩余需求，再按规则进入第二轮计算，尝试异宽组合等适用方式相关策略还可以设置是否启用第二轮，以及指定长、超投等业务参数。经过计算仍无法完成组板的需求，继续保留在合同池中，等待后续处理。这样，方案评价覆盖了已组板结果与未组入需求，帮助业务人员看到整个任务的完成情况，并针对尾量继续调整。人机协同让计算结果进入生产流程工业智能应用的价值，最终要通过生产动作体现。在系统衔接上，MES 向独立部署的算法服务传入合同子板数据、基表数据，以及本次运行的目标、权重和参数；算法服务完成计算后，将组合结果与评价指标返回 MES。业务人员可以查看组板结果，进行调整、确认或解散。确认后的结果再衔接试样添加、二次设计和命令生成，进入后续生产组织。这一过程保留了清晰的职责分工：系统负责规则校验、组合计算和结果展示业务人员负责业务取舍、例外处理与最终确认从合同收池、算法求解，到结果确认和命令生成，自动组板成为 MES 业务流程中的一个环节。计算结果由此具备了进入现场执行的路径。从组板经验走向可复用的工业优化能力钢铁板材自动组板场景，呈现了工业智能化的另一类重要问题：在多种约束下从大量可能组合中选择更合适的生产方案它的业务价值体现在三个相互关联的方向：◈ 通过批量校验与方案计算，减少重复筛选和试算◈ 通过合同尾量、尺寸及余材的综合评价，支持材料利用与交付需求之间的取舍◈ 通过 MES 衔接，让计算结果能够被业务人员确认并转化为生产命令更深一层，合同分组、工艺基准、组合策略和评价方式逐步沉淀到系统中，使现场经验成为可以维护、验证和复用的组织能力。这类应用需要懂工艺，也需要懂生产系统。产线条件如何影响组合，质量要求如何转成约束，结果如何衔接后续设计与执行，每一步都依赖行业知识与实践经验。依托「得·灵」企业级 AI 产品/服务体系，以及 H-ZERO、HCMs 平台能力，汉得持续探索将适合场景的算法与制造业务连接起来，推动数据、规则、模型和流程协同工作。从识别工艺异常，到预测产品质量，再到优化生产组合，工业智能化正在进入越来越具体的制造决策。让现场经验可计算让计算结果可执行是汉得持续推进工业 AI 落地的重要方向携手汉得，共铸硬核竞争力！