工业设备预测性维护（PHM）正在从“概念验证”走向“规模化应用”。信达证券容知日新深度报告指出，PHM行业市场规模由2014年13.5亿元增长至2022年82.9亿元，CAGR达25.5%。容知日新旗下PHMGPT行业大模型已和专业诊断工程师没有显著差距，服务超1300家客户、监测超160000台设备。钢铁行业潜在监测系统需求约86万套，煤炭行业智能巡检实现无人化运营，渗透率提升空间广阔。工业设备预测性维护正迎来AI赋能下的效率革命。
PHM产业逻辑——从“定期维修”到“状态检修”
工业设备运维模式正经历深刻变革。传统模式依赖定期维修和事后维修，效率低、成本高、非计划停机风险大。PHM通过传感器实时监测设备运行状态，利用智能算法预测故障，实现从“定期维修”向“状态检修”的转变。
监测诊断手段由振动工艺参数扩大到油液、扭矩、功率、能量损耗；研究对象由旋转机械扩展到发动机、工程施工机械及生产线；时空范围由当地监测扩展到异地监测诊断网络。设备智能运维产业可分为三层架构：物联网层（传感器、边缘计算、5G）、数据平台层（大数据、算法建模）、智能应用层（APP、WEB应用）。
从行业格局看，业内企业可分为三类。第一类是完整方案提供商，有自主研发生产能力，容知日新是代表；第二类是细分行业产品提供商，不具备专业故障诊断能力；第三类是设备集成商和代理商。目前满足第一类特征的企业数量较少，容知日新是为数不多的具备软硬件技术研发和生产能力、能提供设备智能运维解决方案的服务商之一。
表5：工业设备运维模式演变| 阶段 | 模式 | 特点 | 当前状态 |
|---|
| 传统模式 | 定期维修/事后维修 | 效率低、成本高、停机风险大 | 逐步淘汰 |
| 过渡模式 | 状态监测 | 人工采集数据分析 | 部分应用 |
| 智能模式 | 预测性维护（PHM） | AI自动诊断、故障预测 | 快速渗透 |
AI赋能——PHMGPT大模型比肩专业工程师
容知日新旗下PHMGPT行业大模型定位设备故障诊断大脑，从应用效果上看，PHMGPT已经和专业诊断工程师没有显著差距。公司已服务超1300家重点工业企业客户，AI实时监测关键设备超160000台，积累设备故障闭环案例超27000个，智能推送设备体检报告超240万份。
公司将PHMGPT深度融入产品和服务中，包括独立的诊断问答助手、人工复核流程中的诊断赋能、以及全链路智能化产品中的核心能力。2024年计划将PHMGPT V1.0融入部分主打产品，结合RAG技术实现智能检维修建议输出，推出集智能报警、智能诊断、智能检维修建议为一体的全链路智能化产品。
围绕AI能力加大对场景智能化的探索，公司加速推进订阅式服务收费业务，计划通过降低部署门槛提高下游渗透率，最终满足客户数字化智能运维的需求。
多行业渗透——钢铁86万套、煤炭无人化巡检
钢铁行业潜在需求巨大。以宝武集团粗钢产能占全国11.61%为基准测算，全国钢铁企业设备台数约860万台、动设备430万台、监测系统需求量约86万套。宝武集团“运维一律远程”三年全覆盖要求推动行业智能化加速。炼钢区域智能监控使扇形段年维修率降低20%以上、铸坯表面质量缺陷率降低20%以上、铸机非计划停机时间下降20%以上。
煤炭行业智能巡检实现无人化运营。容知日新与淮北矿业集团合作案例显示，涡北选煤厂皮带运输机通过智能巡检机器人、振温在线监测、皮带纵撕监测等形成多元化监测体系，50+AI算法模型部署。巡检工人不再需在超过40℃高温下每隔一小时巡检，2024年6月系统成功预警皮带裂纹损伤。
石化、水泥等行业同样空间广阔。2023年受景气度影响项目迟滞，但中长期渗透率提升趋势明确。随着宏观环境回暖，这些行业的PHM需求有望加速释放。
投资建议——关注AI+PHM龙头
AI赋能下，PHM行业正从“数据采集”向“智能诊断”演进。容知日新凭借160000台设备监测经验和27000个故障闭环案例，在算法精度方面建立了难以复制的壁垒。预计2024-2026年归母净利润1.02/1.33/1.76亿元，对应PE 32.1/24.6/18.6倍，首次覆盖给予“买入”评级。
