资源描述
化工行业深度报告：AI赋能，助力化工行业转型升级 AI赋能化工之二()()()S0350521080004 S0350521080009 S()2023 04 19 2 300 1M 3M 12M-1.5%-2.6%-5.0%300 4.8%0.3%-0.9%AI AI*2023-04-11-0.1758-0.1138-0.05170.01030.07240.1344 300YWCXyRnQsRoPrPoNqNsNoP8ObP9PmOnNoMtQlOnNrNkPnMzQaQqRmQwMtRzRNZpNmO3 2023/04/17 EPS PE 2021 2022A/E 2023E 2021 2022A/E 2023E688065.SH 凯赛生物 59.61-0.95 1.42-62.92 42.06 买入688639.SH 华恒生物 169.25 1.70 2.84 3.88 76.03 59.60 43.64 买入601117.SH 中国化学 10.56 0.84 0.89 1.07 14.29 8.92 9.85 买入002140.SZ 东华科技 10.46 0.46 0.52 0.48 31.61 23.57 21.59 未评级600028.SH 中国石化 6.35 0.59 0.55 0.59 7.19 7.69 10.79 未评级601857.SH 中国石油 7.34 0.50 0.82 0.71 9.82 6.62 10.28 未评级600309.SH 万华化学 97.27 7.85 5.17 6.71 12.87 17.92 14.49 买入002984.SZ 森麒麟 31.35 1.16 1.23 2.12 30.66 25.03 14.81 买入002226.SZ 江南化工 5.38 0.40-14.97-未评级688114.SH 华大智造 93.37-5.22 1.45-22.50 64.57 未评级688777.SH 中控技术 97.34-1.60 1.97-62.41 49.44 未评级603100.SH 川仪股份 43.30 1.36 1.37 1.68 15.56 23.49 25.84 未评级688768.SH 容知日新 150.58-2.12 3.17-65.32 47.52 未评级 Wind wind 2022 4-AI AI AI AI AI AI AI AI AI AI AI AI AI AI 5 AI AI AI AI 6 AI 图表：人 工智 能 在 工业 中的 应用资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所 AI AI AI 7支撑工具过程操作过程控制过程设计能源装置 和多产 品间歇装置 的设计，能源 回收 系统预测模型 控制和过程优化流程网络 调度，数据协调，实时优 化非线性程 序，基于方程和顺 序 模块 的仿真，数 学方程 优化图表：流 程工业 的 主要 活动资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所 8 图表：新 材料研 发 过程的主 要环节资料来源：材料基因在锂电研发中的应用-曾乐才，国海证券研究所1 2 3 4 5 6 7 5G 图表：材 料研究 的 4 个阶段:经验、理论、计 算模拟 和(大)数据推动资料来源：材料信息学及其在材料研究中的应用-王卓等，国海证券研究所;9 图表：分 子模拟 与 人工智能 平台主 要 流程资料来源：创腾科技官网，国海证券研究所 AI 图表：人 工智 能 指 导并 挖掘 隐藏 要 素 的工 作流 程示 意 图资料来源：能源学人公众号，国海证券研究所10 图表：人 工智能 在 材料合成 中的应 用资料来源：机器学习在材料信息学中的应用综述-牛程程，X-MOL 资讯公众号，创腾科技官网，国海证券研究所应用领域 应用场景 应用剖析材料合成新材料的 研发合 成将材料数 据库和 机 器学习有 效结合，则可实现 对基于 材 料性能的 新材料 的 快速预测和筛 选，从 而 能够有效 发现大 量 候选新材 料，在 缩 小目标范 围后配 以 实验方法和第 一性原 理 计算方法 进行验 证，则可加 快新材 料 的研发合 成过程。材料合成 路线的 筛 选利用精选 的合成 规 则预测反 应路线 图，完成从 目标产 物 到可获取 的起始 原 料间的逆合成 分析；进 行配方虚 拟筛选，从多方位 优化研 发 策略、探 寻更优 性 能材料，包括 高分 子、纳米 材料、非 金 属、金 属材 料等。11/SPONGE 图表：常 用的分 子 模拟软件资料来源：科学计算软件 网，投必得学术公众号，化学加公众号，北京大学官网，计算机模拟软件在化工设计中的应用-高源，远程教学中 Chemoffice 的功能和应用研究-李伟琦，国海证券研究所软件类型 名称 主要功能分子模拟软件Materials Studio 构型优化、性质预测和X 射线衍射分析，以及复杂的动力学模拟和量子力学计算HyperChem通过量子化学的半经验方法、从头算方法、密度泛函方法进行计算，进行单点能、几何优化、分子轨道分析、蒙特卡罗和分子力学计算、预测可见-紫外光谱等功能。ChemOffice分为功能不同的几个版本，其ChemOffice Ultra 版本包含了:ChemDraw Ultra(化学结构绘图)、Chem3D ultra(分子模型及仿真)和ChemFinder Pro(化学信息搜寻整合系统)。Gaussian 半经验计算和从头计算使用最广泛的量子化学软件。SPONGE新一代开源分子软件，实现深度学习与分子模拟的高效融合，由北京大学/深圳湾实验室高毅勤研究团队开发。12 DNA DNA 15 10 Markets and Markets 2021 95 2026 307 2025 70 图表：合 成生物 学 领域的(a)出版物 和(b)投资在 不断增 加资料来源：Artificial Intelligence for Synthetic Biology-MOHAMMED ESLAMI等,国海证券研究所图表：合 成生物 学 影响众多 领域资料来源：Artificial Intelligence for Synthetic Biology-MOHAMMED ESLAMI 等，国海证券研究所()13/AI 图表：合 成生物 学 产业链上 下游资料来源：凯莱英Asymchem，国海证券研究所DNA/RNA DNA DNA CRISPR-Cas9/DNA/14 Deep Mind Alpha Fold 2 100 Alphafold2 图表：人 工智能 在 合成生物 学不同 环 节中的应 用资料来源：人工智能在合成生物学的应用-李敏等，中国科学院，国海证券研究所环节 含义 应用元件工程生物元件是合成生物系统中最简单、最基本的单元，其生物学本质是具有特定功能的DNA 序列、RNA 序列、氨基酸序列或蛋白质结构域改善生物元件的鉴定和功能注释效率加速理性设计和定向进化优化现有元件结构、增强其功能特性设计合成自然界不存在的元件线路工程线路工程是利用元件工程中的各类元件针对多样的需求依照电子工程中电路搭建的思维进行设计及功能优化，从而达到对生命的重编程合成基因线路的设计和构建确定基因线路可执行任务，并通过修改参数以实现所需的功能代谢工程用重组 DNA 技术有目的地改造中间代谢途径及网络，从而提高菌体生物量或代谢物产量促进数据驱动的目标生物合成途径优化和微生物产能基因组工程基因组是指生物体所有遗传物质的总和，合成生物学能对生物体的整个基因组甚至细胞进行工程改造基因组合成基因组编辑微生物组或群落的设计15 21 2005 2017 2018 2021 图表：2005-2021 年人工智能 应用于 合 成生物学 的代表 性 进展资料来源：人工智能在合成生物学的应用-李敏等，国海证券研究所16 图表：汇 像实验 室 超级大脑资料来源：汇像，国海证券研究所17 mircrofluidic chip()10 100 图表：微 流控芯 片资料来源：莱塞激光官网图表：用 于菌 株 检 测筛 选的 液滴 微 流 控装 置资料来源：液滴微流控技术在微生物工程菌株选育中的应用进展-涂然18 DBTL 图表：人 工智能 应 用于合成 生物学 的 挑战资料来源：人工智能在合成生物学的应用-李敏等图表：基 于人工 智 能的“类 合成生 物 学家”概 念资料来源：人工智能在合成生物学的应用-李敏等19 AI AI AI AI 20 Kellogg Flexible Flowsheet 4 2 3 20 90 图表：常 用的过 程 模拟软件资料来源：软服之家，超级石化，数码网，国海证券研究所软件类型 名称 主要功能过程模拟软件Aspen Plus美国Aspen Tech 开发，由先进控制系统、闭环实时优化系统、油品调合先进过程控制与优化系统、在线监控系统及智能化的控制器维护系统等多部分构成，各系统相互结合，能够有效优化生产操作，设计和改进工厂工艺流程，实现工厂资产利用最大化。Simsci Pro/II由SIMSCI 公司开发，用数学模型描述和模拟整个工艺、流程及其各单元，将全流程视为一个整体的综合性计算过程，综合了巨大的化学组分库和热力学方法。ChemCAD由Chemstations 公司推出的一款极具应用和推广价值的软件,它主要用于化工生产方面的工艺开发、优化设计和技术改造。HYSIS世界著名油气加工模拟软件工程公司开发的大型专家系统软件，分动态和稳态两大部分。其动态和稳态主要用于油田地面工程建设设计和石油石化炼油工程设计计算分析，其动态部分可用于指挥原油生产和储运系统的运行。gPROMS对工艺设备及流程进行仿真建模及设计优化的新一代通用过程模拟平台，起源于英国帝国理工大学，具有世界领先的过程模拟能力及多项特有的仿真技术。DESIGN II由WinSim 公司推出的一款化工虚拟仿真软件,可为各种石化,化工和炼油过程执行完整的热量和物料平衡计算。VMGSim由加拿大Virtual Materials Group 公司开发的流程模拟软件，可以详细预测工艺装置和工厂的性能；能改善产品质量，实现节省投资，降低操作费用，提高效益，安全生产的目标。PROMAX由美国布莱恩研究与工程公司(BR&E)开发。目前，在世界范围内广泛的应用于天然气加工处理，石油炼制等石油化工行业中。ECSS 化工之星由青岛科技大学开发，适用于天然气加工、石油炼制、石油化工等过程工业领域，能够有效实现新过程设计、流程筛选及改造、过程优化、过程环境影响评价和化工设备设计及核算。21 图表：常 用的三 维 管道设计 软件资料来源：软服之家，国海证券研究所软件类型 名称 主要功能三维管道设计软件PDMS三维工厂管道设计软件，内置了丰富的元件和模型，可处理十分复杂的工程项目和大量的设计分析数据，适用于PDMS 的三维实体支吊架程序，是大型、复杂工厂设计项目的首选设计软件系统。CADWorx基于AutoCAD 平台的全面的、智能的三维工厂设计系统，全面囊括了管道、钢结构、设备、仪表、通风桥架等模块，并且拥有自动生成单线图和材料表等功能。AutoCAD Plant 3D面向工厂设计的3D 系统设计软件，采用MS SQL lite 大型关系数据库，软件包含了P&ID、Plant 3D、CAD等部分，自带了完整的以欧洲标准、美洲标准和中国国标开发的三维元件库，同时还可以根据项目需要自行添加规格表。SoildPlant工厂设计系统，可以与管道规格结合，将管道列表、设备列表、阀门列表及仪表清单上所有的链接和数据录入SolidPlant Tag Manager 中，可以根据链接名称快速找到任一设备、阀门、工具或者管道。Pdmax可为用户提供三维结构设计、设备布置、配管设计、平断面图、轴测图、数据匹配检查、碰撞检查、自动统计材料、导出应力分析文件等功能，并能完全兼容PDMS 系统数据。Bentley AutoPIPE主要用于化工管道设计和管道应力分析，可以与AutoPLANT、PlantSpace、Intergraph PDS 和 Aveva PDMS 集成，允许创建、修改和检查管道与结构模型及其结果，同时提供了静态和动态条件下的先进的 线性和非线性分析功能。Revit基于Autodesk Revit 技术平台面向管道工程设计的三维软件，通过数据驱动的系统建模和设计来优化管道设计，可以最大限度地减少管道系统设计中管道之间、管道与结构构件之间的碰撞。INVENTOR三维可视化实体模拟软件，使用的是ACIS 三维建模内核，软件包含概念设计、详细设计、可视化、仿真、数据互操作等方面的功能。在三维布管管路时，能有效简化布线系统的设计，包括复杂的管材、管道、电缆和电线束走向。Plant Design System以数据库为核心，集工艺、结构、电气为一体的大型工厂三维模型设计系统，主要功能为设备、管道模型，土建结构模型，电缆桥架模型等。22 CFD CFD CFD CFD CFD 图表：常 用的流 体 仿真软件资料来源：软服之家，阿里云，COMSOL官网，上海积鼎信息科技有限公司官网，国海证券研究所软件类型 名称 主要功能流体仿真软件ANSYS Fluent内置丰富的模型流、湍流、热传导和工业应用相互作用所需的物理建模功能，应用范围涵盖机翼气流、炉内燃烧、泡罩塔、石油平台、血流、半导体制造、无尘室设计和污水处理厂。COMSOL Multiphysics能够模拟仿真不同工程领域的设备、工艺和流程，提供了模拟单个物理场，以及耦合多个物理场的功能和工具。OpenFOAM对连续介质力学问题进行数值计算的软件。可进行数据预处理、后处理和自定义求解器，常用于计算流体力学领域。Star-CCM+西门子工业软件推出的新一代通用CFD 仿真软件，采用了连续介质力学数值技术，不仅可进行流体分析，还可进行结构等其它物理场的分析。CFD-ACE+由美国CFDRC 公司开发的最先进的CFD 及多物理场软件，能够模拟流体、热、化学、生物学、电学、力学现象。Virtual Flow上海积鼎信息科技有限公司自主开发的通用计算流体仿真软件，可以模拟单相和多相/多组分流动，可以模拟复杂流体（包含非牛顿流体、水合物），可用于水利水务、环境市政、石油&天然气、化工&过程工艺、汽车等流体仿真分析。23图表：一 体化 工 程 设计 软件 优势资料来源：AVEVA剑维软件，国海证券研究所 图表：一 体化工 程 设计的特 点资料来源：AVEVA 官网，国海证券研究所特点 说明单一平台使用以数 据为中 心的单 一 环境，将 工艺工 程和资 产 工程的生命周 期统一 起来实 现 跨项目专 业和项 目设计 周 期各阶段的数 据透明。集成工程 和设计从一个以 数据为 中心而 执 行的概念 性、FEED 和详 细 的工程设 计，以支 持 团队 和 外 部供 应商 之间 的 协作。数字孪生 的数据 建模用实时项 目数据 创建一 个 数字挛生，以最 小的交 接 负担在所有项 目合作 伙伴之 间 提供工程 可视性。云实施随时随地 安全工 作，提 高 生产效率，为员 工赋能，根据项目需求 快速扩 展。24 图表：基 于数字 孪 生的虚拟 工厂业 务 协同模型 体系架 构资料来源：基于工业数字孪生仿真建模的虚拟工厂业务协同模型研究-姚培福等25 3D 图表：数 字化交 付 的 原理资料来源：数字化工厂与数字化交付的技术探讨-张鹤等图表：数 字化交 付 的数据分 类资料来源：石油和化工行业智能工厂建设的思考-荣彦栋等26图表：基 于数 字 化 交付 的优 势资料来源：AVEVA 系列软件在化工厂的数字化交付中的应用-郭春帅，国海证券研究所 A VEV A PDMS(Plant Design Management System)Diagram(Process&Instrumentation Drawing)Net 图表：AVEVA 系列软 件主要模 板及功 能资料来源：AVEVA 系列软件在化工厂的数字化交付中的应用-郭春帅，国海证券研究所主要模块 功能PDMS 模块包括设备、结构、建筑、管道、暖通、桥架等建立化工厂所需的所有模块Instrumentation 与Electrical 模块用 于 仪表、电气与控制工程设计的系统Diagram 模块 仪表流程图的绘制Engineering 模块 二维工艺流程图与三维模型之间的一个桥梁Net 模块基于IE 浏览器实现对项目建设期间与后期维护的各种数据资料进行收集分类与整理审批工作优势 解释准确的数据集成具有严格的数据审核机制，实现了二维与三维模型间的一致性与数据的完整性，具有完整的文档编码系统，可以快速对文档进行分类管理与查询。高度的可配置性可自定义的元件库；化工设计单位可以根据公司的审核要求对致性/碰撞检查规则进行定制；自动生成的报表所包含的内容与格式均支持用户自定义。完善的管理架构各专业人员对自己的数据拥有修改权限及更加明确责任的划分，对用户操作进行记录，形成访问日志，实现设计过程的留痕。27 AI AI AI AI 28AI图表：用 友智能 工 厂应用架 构资料来源：上海坤迪 官 网 29图表：轮 胎智 能 检 测解 决方 案资料来源：阿里云官网 图表：化 工品控 稳 定性提升 解决方 案资料来源：阿里云官网30 supMMS 图表：机 泵检测 诊 断整体解 决方案资料来源：关键动设备状态监测&故障诊断系统整体解决方案-中控技术图表：诊 断外包 服 务模式与 流程实 例资料来源：关键动设备状态监测&故障诊断系统整体解决方案-中控技术31 2022 图表：2022年度智 能制造示 范工厂 揭 榜单位名 单（节 选）资料来源：工信微报公众号，国海证券研究所企业 揭榜任务名称 典型场景名称金宏气体股份有限公司 高纯工业气体智能制造示范工厂1.精准配送:2.供应链全流程一体化:3.生产计划优化;4.设备运行优化;5.安全风险实时监测与应急处置;6.能耗数据监测7.销售驱动业务优化:8.质量精准追潮。巨化集团有限公司 含氟新材料智能制造示范工厂1.先进过程控制;2.人员智能定位系统;3.精准配送:4.废弃物处置与再利用:5.数字基础设施集成;6.采购策略优化;7.数字化交付和运维管理;8.工业智慧大脑应用实践。山东玲珑轮胎股份有限公司高端轮胎智能制造示范工厂1.数据驱动产品设计优化;2 车间智能排产;3.质量精准追潮;4.智能仓储;5.工艺数字化设计6.能耗数据监测;7.在线运行监测;8.智能协同作业。赛轮集团股份有限公司 橡胶轮胎智能制造示范工厂1.产品数字化研发与设计;2.车间智能排产;3.工艺动态优化;4.智能在线检测;5.设备运行优化:6.数字亭生工厂建设;7.网络协同制造;8.数字基础设施集成。青岛森麒麟轮胎股份有限公司航空轮胎智能制造示范工厂1.智能在线检测:2 精准配送3.产品数字化研发与设计;4.车间智能排产;5.工艺动态优化:6.销售驱动业务优化;7.大规模个性化定制;8.能效平衡与优化。32 AI AI AI AI 33机器学习 步骤学习探索/转换 或标 记收集/移 动或储 存最优化模型建立模型数据整理和分析数据收集和存储优化 图表：机 器学 习 的 步骤资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan,国海证券研究所34图表：横 流超滤 过 程的建模 与优化资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所图表：人 工智能 在 污水处理 应用的 相 关研究资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所算法/方法 目的神经网络模型和支持向量机模型蓝水足迹评估多层感知机与后向传播算法建立模拟水动力学空化的神经网络模型，以促进水中沼气的产生和有机污染物的分解消化反向传播法 分析了聚合氯化铝混凝过程中溶解性有机物的去除反向传播法利用人工神经网络研究氧化石墨烯/壳聚糖-PV A 聚合物对刚果红染料的吸附分位数回归法研究预测控制和超前分析在污水处理厂综合验证装置中的应用最近邻法/随机森林法 设计软测量系统，提高污水处理的控制效果 数据集获取的数 据集送 至神经 元 网络利用神经 元网络 获得数据集的 最优值对模型进 行训练、测试和验证运用遗传 算法求 最优解最优解训练，测试和验证神经元网络35算法/方法 目的LM 算法利用人工神经网络对不同氮浓度下生长的罗勒进行区分CIT 模型利用CIT 技术，评价氮肥对N2O 排放的影响，确定土壤气候对每日减少N2O 排放量的影响逻辑回归、支持向量机、随机森林、K 近邻模型等预测玉米产量随机森林模型研究控 释尿素对水稻产量、氮素损失和温室气体排放的影响随机森林、K 近邻,、神经网络、遗传编程模型预测块茎作物高产 对氮、磷、钾的需求量图表：罗 勒植 物 数 据收 集 与 分析 示 意 图资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所图表：人 工智 能 在 化肥 行业 应用 的 相 关研 究资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所 样本排气 口碳滤 器泵阵列 传感 器 数据 采集电脑 端36图表：人 工智能 在 油气领域 应用的 相 关研究资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所 算法/方法 目的混合和语言模型 控制精馏塔顶部和底部产品的成分多核学习支持向量机模型 对精馏塔的多个故障进行识别优化的多层感知器模型和多层感知器-粒子群算法预测钻孔后岩石的力学行为混合和语言模型采用模糊推理系统和人工神经网络，开发出用于炼化塔的控制器三维冠层辐射传输模型、语言模型、序列最小优化算法建立油气管道失效评估预测模型非线性自回归网络模型 用于检测精馏塔中的塔板扰动图表：工 业互联 网 解决方案 总体架 构 设计资料来源：油气行业数字化转型研究与实践-杨剑锋等37图表：人 工智能 在 核工业应 用的相 关 研究资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所 算法/方法 目的随机森林模型 识别核数据中有问题的子集支持向量机和逻辑回归模型 开发核基础设施预测性维护算法深度神经网络模型 计算高温气冷反应堆的截面反向传播法 检测核电站运行异常支持向量机模型 建立近似元模型来估计火灾危险状况反向传播法 预测核电站变压器的使用寿命图表：深 度神经 网 络在我国 核领域 中 的应用资料来源：神经网络算法在我国核领域中的应用综述-杨红义等，国海证券研究所反应 堆运 行状 态 预 测压水堆堆 芯关键 参 数预测快堆热工 参数预 测反应堆堆 芯功率 场 的预测反应堆优 化设计反应堆堆 芯换料 方 案设计反应堆屏 蔽设计反应 堆故 障诊 断核素识别核医学图 像诊断核电机器 人数字矿山38 CAD 图表：神 经网络 模 型预测纺 织复合 材 料力学性 能资料来源：Machine Learning an Intelligent Approach in Process Industries:A Perspective and Overview-Nadia Khan，国海证券研究所图表：人 工智能 在 纺织行业 的应用 场 景资料来源：人工智能引领纺织行业创新发展-冯英杰等，国海证券研究所算法/方法 目的卷积神经网络、支持向量机模型 提高皮革切割效率随机森林、决策树回归模型 预测生产时间回归分析、逻辑回归、决策树和贝叶斯分类器模型识别橡胶纺织输送带故障发生率与所选变量之间的相关性随机森林模型 评估材料的疲劳性能上置信界算法、汤普森抽样算法 优化棉纺厂的能源消耗梯度助推模型，堆叠集成模型 预测织物性能计算机视觉 纺织产品检索机器视觉 经编针织物疵点在线检测,纺织面料疵点检测自然语言处理 个性化纺织专业教育,纺织电子商务机器学习纺织CAD,纺织面料评级与分类,基于机器学习的纺织生产管理,人工智能服装设计,服装流行趋势预测,服装面料图案设计,人工智能服装设计,智能穿戴机器人 筒子纱自动上纱,筒子纱智能染色智能仓储物流系统 一整套产品生产流水线系统全部由机器操作完成39 AI AI AI AI 40 AI 7.5 2021 5 10 4 2022 AI AI Pre-A MoleculeOS”AI 2022-2024 2022-2024 5.52 8.27 10.80 PE 63 42 32”图表：盈 利预测 表（更新于20230417）资料来源：Wind，国海证券研究所 2021A 2022E 2023E 2024E 2197 2445 3244 4787(%)47 11 33 48 608 552 827 1080(%)33-9 50 31 1.46 0.95 1.42 1.85ROE(%)6 5 7 8P/E 126.22 62.92 42.06 32.20P/B 7.20 3.13 2.91 2.66P/S 34.94 14.22 10.72 7.26EV/EBITDA 95.30 36.05 23.13 18.9541 L-DL-L-D-2021-5/5/PDO 2022-2024 3.07 4.19 5.72 PE 60 44 32 PDO 资料来源：Wind，国海证券研究所图表：盈 利预测（更新于20230417）2021A 2022E 2023E 2024E 954 1403 1940 2591(%)96 47 38 34 168 307 419 572(%)39 82 37 36 1.70 2.84 3.88 5.29ROE(%)14 21 23 25P/E 76.03 59.60 43.64 31.98P/B 11.80 12.78 10.22 7.94P/S 14.63 13.03 9.42 7.06EV/EBITDA 59.53 46.49 32.66 23.8342+2022 2022 7 31 8 2022 2 27 2022 6 20 PBAT 60/3/2023 2023-2025 65.48 80.72 92.35 PE 10 8 7 图表：盈 利预测 表（更新于20230417）资料来源：Wind，国海证券研究所 2022A 2023E 2024E 2025E 158437 182585 207180 232564(%)15 15 13 12 5415 6548 8072 9235(%)17 21 23 14 0.89 1.07 1.32 1.51ROE(%)10 11 12 12P/E 8.92 9.85 7.99 6.99P/B 0.92 1.09 0.96 0.84P/S 0.31 0.35 0.31 0.28EV/EBITDA 1.90 2.86 2.12 1.4843 wind 2023-2025 3.43 4.19 5.07 PE 22 18 15 图表：盈 利预测 表（Wind 一致预期,更 新于20230417）资料来源：Wind，国海证券研究所预测指标 2022A 2023E 2024E 2025E营业收入（百万元）6,234.04 7,168.09 8,291.23 9,623.09增长率(%)19.65 14.98 15.67 16.06归母净利润（百万元）288.63 343.06 418.51 506.70增长率(%)45.71 18.85 21.99 21.07摊薄每股收益（元）0.52 0.48 0.59 0.72ROE(%)9.19 8.69 9.78 10.83P/E 23.57 21.59 17.70 14.62 P/B 1.76 1.87 1.73 1.58BPS-每股 净资产5.23 5.58 6.04 6.6144 Tempo AI 50%1 wind 2023-2025 705.5 758.3 793.6 PE 11 10 10 图表：盈 利预测 表（Wind 一致预期,更 新于20230417）资料来源：Wind，国海证券研究所预测指标 2022A 2023E 2024E 2025E营业收入（百万元）3,318,168.00 3,378,642.57 3,458,299.23 3,602,501.87增长率(%)57.56 1.82 2.36 4.17归母净利润（百万元）66,302.00 70,546.03 75,830.73 79,360.44增长率(%)101.38 6.40 7.49 4.65摊薄每股收益（元）0.55 0.59 0.63 0.66ROE(%)8.50 8.59 8.85 8.82P/E 7.69 10.79 10.04 9.59 P/B 0.67 0.93 0.89 0.85BPS-每股 净资 产6.55 6.85 7.15 7.4745 AI 3 2 wind 2023-2025 1306.4 1300.1 1330.4 PE 10 10 10 图表：盈 利预 测 表（Wind 一致预期,更 新于20230417）资料来源：Wind，国海证券研究所预测指标 2022A 2023E 2024E 2025E营业收入（百万元）3,239,167.00 3,273,688.44 3,394,729.78 3,453,122.56增长率(%)67.50 1.07 3.70 1.72归母净利润（百万元）149,375.00 130,644.20 130,014.80 133,044.90增长率(%)686.10-12.54-0.48 2.33摊薄每股收益（元）0.82 0.71 0.71 0.73ROE(%)11.34 8.94 8.51 8.37P/E 6.62 10.28 10.33 10.10 P/B 0.68 0.94 0.89 0.85BPS-每股 净资 产7.48 7.85 8.25 8.6646 50 MDI MDI 2022 AI(MAI-dev)2018 100(30)MES LIMS SCADA 2023-2025 210.8 291.4 381.1 PE 14 10 8 图表：盈 利预测 表（更新于20230417）资料来源：Wind，国海证券研究所 2022A 2023E 2024E 2025E 165565 172521 217909 271559(%)14 4 26 25 16234 21080 29141 38112(%)-34 30 38 31 5.17 6.71 9.28 12.14ROE(%)21 22 23 23P/E 17.92 14.49 10.48 8.01P/B 3.79 3.12 2.40 1.85P/S 1.76 1.77 1.40 1.12EV/EBITDA 11.39 9.89 7.27 5.6447 2800 600 200 2023 1200 600 2023-2025 13.75 16.97 20.31 PE 15 12 10 图表：盈 利预测 表（更新于20230417）资料来源：Wind，国海证券研究所 2022A 2023E 2024E 2025E 6292 8145 10036 11508(%)22 29 23 15 801 1375 1697 2031(%)6 72 23 20 1.23 2.12 2.61 3.13ROE(%)11 15 16 16P/E 25.03 14.81 12.01 10.03P/B 2.62 2.26 1.90 1.60P/S 3.18 2.50 2.03 1.77EV/EBITDA 15.94 8.47 6.65 5.3148 2022 106+”2015 5000;2010 49 DNBSEQ wind 2023-2024 5.99 7.91 PE 65 49 图表：盈 利预测 表（Wind 一致预期，更新于20230417）资料来源：Wind，国海证券研究所预测指标 2022A 2023E 2024E营业收入（百万元）4,230.53 4,977.55 6,172.34增长率(%)52.18 17.66 24.00归母净利润（百万元）2,011.22 599.16 791.19增长率(%)670.98-70.21 32.05摊薄每股收益（元）5.22 1.45 1.91ROE(%)0.00 6.07 7.45P/E 22.50 64.57 48.90 P/B 4.87 3.95 3.66BPS-每股 净资产22.68 23.66 25.4950 DCS SIS 3.0+4.0 wind 2023-2024 10.66 14.11 PE 49 37 图表：盈 利预测 表（Wind 一致预期，更新于20230417）资料来源：Wind，国海证券研究所预测指标 2022A 2023E 2024E营业收入（百万元）6,620.73 8,922.82 11,911.16增长率(%)109.60 34.77 33.49归母净利润（百万元）795.52 1,066.03 1,410.73增长率(%)87.95 34.00 32.34摊薄每股收益（元）1.60 1.97 2.61ROE(%)0.00 17.90 19.89P/E 62.41 49.44 37.36 P/B 9.24 8.67 7.25BPS-每股 净资产10.52 11.23 13.4251 wind 2023-2025 1.74 2.51 3.53 PE 48 33 23 图表：盈 利预测 表（WIND 一致预期，更新于20230417）资料来源：Wind，国海证券研究所预测指标 2022A 2023E 2024E 2025E营业收入（百万元）547.03 804.56 1,140.65 1,535.67增长率(%)107.38 47.08 41.77 34.63归母净利润（百万元）116.06 174.10 250.51 352.61增长率(%)55.96 50.01 43.89 40.75摊薄每股收益（元）2.12 3.17 4.56 6.42ROE(%)16.64 19.34 22.43 24.84P/E 65.32 47.52 33.03 23.45 P/B 9.10 9.03 7.25 5.72BPS-每股 净资产13.87 16.68 20.76 26.3352 wind 2023-2024 6.6 8.0 PE 26 21 预测指标 2022A 2023E 2024E营业收入（百万元）6,350.00 7,620.3
展开阅读全文