AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
AspenTech(过程仿真标杆,Aspen Plus/HYSYS)2025-03 被 Emerson 全资收购退市;以混合建模与 AVA 代理平台推进工业 AI,物理第一、机器学习第二。
执行摘要
AspenTech 是过程工业(炼油、化工、电力、矿业、制药)机理仿真与运营优化软件的原产地之一,1981 年从麻省理工学院与美国能源部联合的 ASPEN 项目独立出来,Aspen Plus 与 Aspen HYSYS 至今仍是化工流程设计的行业基准工具。它在物理 AI 讨论中的位置比较特殊:这家公司卖的绝大部分东西属于第一性原理建模与数学优化,本身不属于机器学习;它的 AI 价值在于把机器学习、生成式模型与智能体叠在机理模型之上,形成所谓「混合模型」(Hybrid Model)与「领域感知智能体」(domain-aware agent)。
2025 年 3 月 12 日,艾默生(Emerson,NYSE: EMR)以每股 265 美元全现金完成对 AspenTech 剩余股份的收购,少数股权对价约 72 亿美元,按完全稀释口径的公司整体价值约 170 亿美元,企业价值约 168 亿美元,对应约 11 亿美元收入的 15.3 倍与 34.3 倍 EV/EBITDA。AZPN 从此在纳斯达克摘牌,AspenTech 成为艾默生 Control Systems & Software 分部内的全资子公司。这意味着从 2025 年下半年起,AspenTech 不再有独立的财报口径,所有可核验的财务数据都必须从艾默生的分部披露中反推。
物理 AI 视角下,AspenTech 的抓手有三个层次:一是 Aspen Plus/HYSYS 的机理模型库,它是流程工业数字孪生的物理内核;二是 2021 年 5 月推出的 Aspen Hybrid Models,把机器学习嵌入机理模型用于在线校准,这是过程工业最成熟的「物理 + 数据」融合范式;三是 2026 年 5 月 11 日发布的 AspenTech AVA 平台,把大语言模型与自研机理模型对接,以四个运营顾问的形式嵌入操作工作流。第三个层次才真正进入「智能体」范畴,但它发布至今不足半年,尚无公开的客户量化结果。
需要提前说明一个判断:AspenTech 属于「运营侧物理 AI」,与机器人、自动驾驶、工程仿真求解器这类「设计侧物理 AI」不是同一条赛道。它的价值不在提高单次仿真的保真度,而在让已经运行几十年的装置在真实工况下持续逼近最优。这个区别决定了对它的评估不能套用 CAE 厂商的指标体系。
公司概览
从 ASPEN 项目到独立公司
AspenTech 的起点是 1970 年代石油危机后美国能源部资助的化工流程模拟研究,麻省理工学院牵头的 ASPEN 项目产出了化工行业第一套计算机建模与仿真技术。1981 年公司成立,总部设在马萨诸塞州贝德福德(Bedford)。此后四十余年,它通过一系列并购把能力从稳态流程模拟扩展到动态模拟、先进过程控制、生产计划调度、资产绩效管理、地下油藏模拟与电力 Grid 软件,累计完成 11 起收购。
其中几笔对当前产品结构影响最大。2016 年 10 月以 3700 万美元收购 Mtell,拿到基于机器学习的设备故障预警能力,这是它今天资产绩效管理(APM)业务的核心。2022 年 10 月收购德国科隆的 inmation,拿到工业物联网中间件与 OT 数据集成能力,2026 年 5 月被重构成 AVA 平台之下的数据织物。2024 年 11 月 4 日以 4500 万美元收购英国布里斯托的 Open Grid Systems,补强基于 CIM 与 IEC 61850 标准的电网模型管理能力。另有一笔未完成的交易值得记录:2023 年 8 月,公司因俄罗斯监管审批停滞而放弃了对澳大利亚矿业软件公司 Micromine 的既定收购,矿业板块因此主要依靠自研与既有产品。
私有化的完整时间线
AspenTech 与艾默生的关系分两步走。第一步是 2022 年 5 月,艾默生以 60 亿美元现金加上其 OSI 电网软件业务与地质模拟软件业务,换取合并后公司 55% 的股权,AspenTech 由此重新上市但已由艾默生控股。第二步是 2025 年 1 月 27 日双方达成协议,艾默生以每股 265 美元现金收购剩余约 45% 股份;2025 年 2 月 10 日启动要约收购,至 3 月 11 日已收购约 72% 的流通股;3 月 12 日完成合并,未接受要约的股份按同等对价强制转换。交易完成后 AspenTech 并入艾默生的 Control Systems & Software 分部。
这一步的财务含义需要讲清楚:72 亿美元买的是少数股权,170 亿美元才是按完全稀释口径计算的公司整体价值,两个数字经常被混用。多家第三方数据库把它记为「2025 年 1 月以 170 亿美元被收购」,这个日期是协议签署日,交割另有时点,中间还隔着近七周的监管与要约流程。
在艾默生体系内的位置
并入后,AspenTech 与艾默生的控制系统业务(DeltaV DCS、Rosemount 仪表等)同属 Control Systems & Software,与 Test & Measurement(测试测量,源自 2025 年对 NI 的收购)一起构成 Software & Systems 业务群。这个结构安排本身说明了战略意图:把过程仿真、先进控制、现场仪表、测试测量放在同一条交付链上,从传感器一直覆盖到云端优化。
对客户而言,这意味着采购逻辑从「买一套仿真软件」变成「买一条从现场到决策的数据与决策链」。对竞争对手而言,这意味着 AspenTech 在投标时可以调用艾默生的现场设备装机量与工程服务网络,这是 AVEVA、霍尼韦尔、横河这些对手不完全具备的条件。反过来,这也带来绑定风险:非艾默生自动化体系的装置,采用 AspenTech 全套方案的边际成本会更高。
技术分析
三层技术栈:机理、混合、智能体
理解 AspenTech 的技术,最清晰的方式是把它拆成三层,每层的物理含义与 AI 含量完全不同。
第一层是机理模型层。 Aspen Plus 处理稳态流程模拟,Aspen HYSYS 处理油气与炼化的动态与稳态模拟,Aspen DMC3 做先进过程控制,Aspen Unified PIMS 做炼厂计划优化,Aspen GDOT 做实时动态优化,Aspen Unified Scheduling 做调度排产,Aspen Capital Cost Estimator 与 Aspen Process Economic Analyzer 做投资估算与经济性分析。这一层的核心资产是物性数据库、单元操作模型库与求解器,是四十余年积累的结果,与机器学习没有关系。它是整家公司真正的护城河,也是所有 AI 功能的地基。
第二层是混合模型层。 2021 年 5 月推出的 Aspen Hybrid Models 允许把机器学习模型嵌入 Aspen Plus 与 Aspen HYSYS,用装置实际运行数据校准机理模型。这是过程工业里最成熟的「物理 + 数据」融合路径,逻辑很朴素:机理模型给出结构与外推能力,数据修正给出对特定装置的贴合度。它与当前学术界讨论的 PINN(物理信息神经网络)方向不同——PINN 把物理方程作为损失项约束神经网络,混合模型则把神经网络作为机理模型中的一个子模型或校准项。前者以网络为主体,后者以机理为主体。
第三层是智能体层。 2026 年 5 月 11 日发布的 AspenTech AVA 平台,把大语言模型与自研机理模型对接,定位为「有代理能力、领域感知」的工业 AI 平台,首发提供四个运营优化与决策支持顾问。AVA 的关键设计约束是不绑定数据源、建立在既有自动化基础设施之上,底层依赖 AspenTech Inmation 数据织物做 OT 数据的组织与情境化。
这三层的成熟度差异极大。第一层已经稳定运行三十年,第二层有五年商用历史与可验证的客户案例,第三层发布不足半年。把它们统称为「工业 AI」会掩盖这个差异,这也是评估这类厂商时最容易出错的地方。
混合模型为什么是过程工业的物理 AI 范式
流程工业与离散制造业在物理 AI 上的路径差异,根源在数据条件。化工装置的过程变量(温度、压力、流量、组分)采样密度高、时间连续、边界条件明确,但装置一旦建成,几何与拓扑就固定了,无法像汽车碰撞或飞机气动那样做大量设计迭代。因此它的物理 AI 价值集中在两件事:一是用少量高成本实验或高保真仿真生成的数据,校准一个可以实时运行的降阶模型;二是在线检测机理模型与实际装置的偏离,并在偏离累积成事故前给出修正。
Aspen Hybrid Models 正好对应第一件事。它的工程价值可以用一个具体场景说明:某套常减压装置的换热网络因结垢导致传热系数逐年下降,纯机理模型会持续给出偏乐观的能耗预测,运维人员因此不断收到「能耗异常」的误报。把装置历史数据训练成换热器污垢系数的时间演化模型嵌入机理模型后,模型预测的能耗曲线会跟随实际衰减,异常检测的误报率随之下降。这类改进不炫目,但对连续运行装置是实打实的钱。
Mtell 的机器学习本质与 2026 年升级
Aspen Mtell 是公司最典型的机器学习产品,2016 年以 3700 万美元收购而来。它的机制是学习设备在正常状态下的多变量行为模式,建立「正常行为指纹」,当实时数据偏离指纹时提前数周至数月预警故障。这个逻辑与通用的异常检测算法在数学上没有本质差别,它的价值在于工程化:面向泵、压缩机、换热器、阀门等具体设备类型的模板、与 EAM(企业资产管理)系统的工单集成、以及把预警转成可执行维修建议的规则库。
2026 年 1 月的新版本增加了两项 AI 能力:一是对告警做聚类与优先级排序,解决大型装置「告警疲劳」问题;二是给出纠正措施建议。同年的产品说明里还强调了「资产模板」的规模化部署能力,即把一个装置验证过的模型快速复制到同类型资产上。这条产品线的商业逻辑很清楚:单点 PoC 的准确率不是瓶颈,跨装置、跨工厂的复制成本才是。
公司披露的一项效果数据是:2024 年其 APM 方案为客户带来非计划停机时间下降 15%。这个数字没有说明基线、样本量与统计口径,只能作为方向性参考。
AVA 的架构与边界
AVA 的架构可以概括为「LLM 编排 + 机理模型求解 + 数据织物供数」。用户在对话界面提出问题,LLM 负责理解意图、选择工具、组织答案表达;实际的数值计算由 Aspen Plus/HYSYS/DMC3/PIMS 等机理模型完成;输入数据由 Inmation 从 DCS、 historian、实验室系统、ERP 等多源系统汇聚并做情境化。
这个架构与通用聊天机器人接入工业软件的区别在于责任边界。ARC Advisory 在 OPTIMIZE 26 的观察里指出,AspenTech 把工业 AI 的落地条件归结为三件事:信任、领域特异性、可解释性。在安全、可用率、工艺稳定性不可妥协的场景里,一个无法解释推理路径的建议不会被采纳。机理模型提供的正是这条解释链:建议背后是一个可以复现的物料与能量平衡计算,与统计关联有本质区别。
边界也很清楚。AVA 首发的四个顾问都定位为「建议」(advisory),不直接闭环控制。Aspen DMC3 的顾问给出控制建议排序,最终仍由控制工程师确认;Aspen Unified PIMS 的顾问给出计划调整建议,最终仍由计划员决策。这与「自主运行工厂」的愿景之间还隔着一整套权限、审计与失效安全设计。
Inmation 数据织物:被低估的一层
2026 年 5 月,艾默生把 Inmation 重构成基于分布式节点架构的 OT 数据织物,支持云原生、混合与本地部署,支持 Windows、Linux 与 ARM 平台,可从单站点横向扩展到全球企业。这一层在技术叙事里存在感不强,但它决定 AI 能不能规模化。
工业 AI 项目的失败原因里,数据不可用、语义不一致、时序对齐错误占了很大比重。一个炼厂的历史数据可能分散在十余套 DCS、数套实验室信息系统、若干 Excel 台账里,同一测点在不同系统里命名不同、单位不同、采样频率不同。数据织物的作用是把这些异构源统一成语义一致的资产模型,让上层的机理模型与 ML 模型能拿到可直接计算的数据。这类工作没有演示效果,但它是从「单装置 PoC」走到「企业级部署」的必经环节。
一个必须承认的事实:大部分产品不是机器学习
评估这家公司时最容易犯的错误,是把「工业 AI」这个标签当成技术同质的证明。实际情况是,AspenTech 产品组合里占比最大的部分——流程模拟、先进控制、计划优化、调度排产——核心都是第一性原理建模与数学规划,属于确定性计算,与机器学习无关。真正基于统计学习的只有 Mtell 与 Hybrid Models 的数据侧,真正基于生成式模型的只有 AVA 与 OptiPlant 3D Layout 的布局生成。
这不构成缺点。流程工业需要的是可靠、可解释、可审计的计算,确定性方法在这些维度上优于统计方法。但它意味着评估这家公司的 AI 能力时,应该看的是「AI 功能在收入中的占比」与「AI 功能带来的增量定价」,而这两个数字目前都不披露。
产品与商业化
五条产品线
按应用环节划分,AspenTech 的产品可以归为五条线。 subsurface science & engineering 覆盖上游勘探开发的地质建模与油藏模拟;performance engineering 覆盖 Aspen Plus、Aspen HYSYS、Aspen AI Model Builder、Aspen Capital Cost Estimator、Aspen OptiPlant 3D Layout,是设计与工程阶段的主力;manufacturing & supply chain 覆盖 Aspen Unified PIMS、Aspen GDOT、Aspen Unified Scheduling、Aspen DMC3;asset performance management 以 Aspen Mtell 为核心;digital grid management 来自 OSI 业务,包含 ADMS、GMS、Cimphony;此外还有 inmation OT 数据织物作为横向底座。
V15 版本于 2025 年 5 月发布,官方强调的量化点是「175 个以上面向可持续与优化场景的预置模型」。这个数字的意义在于降低部署工作量:过去每个优化场景都需要从零搭模型,预置模型库让项目从「模型开发」转为「模型适配」。同一版本还把生成式 AI 引入 Aspen OptiPlant 3D Layout,可根据业务、安全、工程、施工约束生成多个数字化厂区布局方案。
商业模型与客户指标
AspenTech 的核心商业指标是年度合同价值(ACV),即订阅合同的年化价值,与当期收入是两个不同概念。这个选择合理:过程工业客户的采购周期长、部署周期长,ACV 更能反映业务的真实存量。FY2024 期末 ACV 为 9.329 亿美元,公司对 FY2025 的指引是增长约 9% 至约 10.17 亿美元,对应总收入约 11.9 亿美元、自由现金流约 3.4 亿美元。FY2024 的实际收入是 11.3 亿美元,自由现金流 3.353 亿美元。Q2 FY2025 的 ACV 为 9.649 亿美元,同比增长 9.2%,当季收入 3.036 亿美元。
并入艾默生后,ACV 的口径并入 Software & Systems 业务群。2026 财年第三季度(截至 2026 年 6 月 30 日),艾默生披露的 ACV 为 16.8 亿美元,同比增长 9%。这个数字包含 Control Systems & Software 与 Test & Measurement 两条线的软件合同,不能直接等同于 AspenTech 单独的 ACV;这是读财报时必须注意的口径变化。
客户侧的可核验指标包括:截至 2024 年 6 月 30 日有超过 7500 名 Aspen 认证用户;2024 年客户满意度 92%、客户留存率 87%;目标运营模型下 ACV 利润率区间为 45%–47%。这些指标来自公司自述,未见第三方审计口径。
定价与交付形态
AspenTech 全部走企业级许可,没有公开定价,也没有自助试用。交付形态包括本地部署、私有云与混合部署,2026 年新增了 AVA 的公有云演示站点 aspentech.ai 作为能力展示入口,但不提供产品级试用。这种销售模式决定了它的客户结构:全球流程工业的大型企业,以及为其服务的设计院与工程公司。对中小型化工企业,部署成本与所需的工艺工程师储备构成实质门槛。
与沙特阿美的联合产品
一个值得记录的生态案例是 FY2024 与沙特阿美合作开发的 AspenTech Strategic Planning for Sustainability Pathways,该产品在 2025 年被评为年度 AI 突破之一。这个合作的模式是把业主方的工艺知识与软件方的建模能力结合,产出面向可持续转型的规划工具。对 AspenTech 而言,这类联合开发的战略价值高于单个合同金额:它把头部业主的方法论固化进产品,形成后续客户的默认选项。
竞争格局
与 AVEVA 的直接对照
过程工业软件里与 AspenTech 最可比的是 AVEVA。两者的资本路径几乎同构:施耐德电气先取得控股权,再完成全资收购(2023 年 1 月完成);2026 年 6 月施耐德又宣布收购 Cognite,把工业数据上下文能力并入。产品侧的重叠也很大:AVEVA 有 PROCESS 模拟、PI System 数据平台、Unified Operations Center,AspenTech 有 Aspen Plus/HYSYS、Inmation、AVA。
差异在重心。AVEVA 的强项在运营数据的采集与可视化(PI System 在电力与油气的数据基础设施地位极稳固),AspenTech 的强项在工艺机理建模与优化算法。用一句话概括:AVEVA 更靠近「看见」,AspenTech 更靠近「算准」。这个差异在 AI 时代的含义是,AVEVA 的数据资产更适合训练统计模型,AspenTech 的机理资产更适合做可解释的决策建议。
与西门子、霍尼韦尔、横河的比较
西门子在过程工业的抓手是 Simcenter 与 Xcelerator 平台,加上与英伟达共建的工业 AI 操作系统,优势在「设计—仿真—制造」的贯通与工厂自动化的整体交付。霍尼韦尔的 UniSim 在炼化模拟上与 Aspen HYSYS 直接竞争,其优势在于与自家 DCS 与安全系统的深度集成。横河通过 KBC 获得流程模拟与运营优化能力,在亚太炼化市场有较强存在。
这三家的共同点是「自动化硬件 + 工艺软件」的捆绑能力,与 AspenTech 被艾默生收购后的结构一致。差别在装机基础:艾默生的过程自动化装机量在化工与炼化领域不如霍尼韦尔与横河,这意味着 AspenTech 的软件在非艾默生装置上要靠性能说服客户,无法依赖硬件捆绑。这既是劣势也是优势——软件必须在开放竞争中证明自己,产品力更经得起检验。
与纯 AI 厂商的关系
C3 AI、Seeq、Cognite 这类厂商从数据与 AI 应用层切入,不与 AspenTech 在机理模型上正面竞争,但会争夺同一笔「工业 AI 预算」。它们的叙事是「不需要重建机理模型,用数据就能优化」,在某些场景(如设备故障预警、质量预测)确实更轻更快。AspenTech 的反驳逻辑是:涉及安全边界、物料平衡、能量平衡的场景,纯数据模型无法保证外推正确性。
这个争论没有统一答案,取决于场景。设备级预警可以由数据模型主导,装置级优化必须由机理模型主导。理性的架构是分层:机理模型负责约束与守恒,数据模型负责局部拟合与异常检测,智能体负责编排。AspenTech 的产品组合恰好覆盖这三层,这是它相对纯 AI 厂商的结构性优势。
融资与资本结构
2022 年的组盘交易
2022 年 5 月,艾默生以 60 亿美元现金加上 OSI(电网软件)与 Geological Simulation Software(地质模拟)两项业务,换取合并后公司 55% 股权。这笔交易的结构值得注意:艾默生支付的不只是现金,还包括两块与过程工业相邻的软件资产,使得合并后的公司从炼化延伸到电力与上游勘探。这也是 AspenTech 今天拥有 digital grid management 产品线的原因。
2025 年的私有化对价
2025 年 1 月 27 日协议、3 月 12 日交割,每股 265 美元全现金。少数股权对价约 72 亿美元,公司整体价值按完全稀释口径约 170 亿美元,企业价值约 168 亿美元。按当时约 11 亿美元的收入计算,EV/Revenue 约 15.3 倍;按 34.3 倍 EV/EBITDA 计算,隐含 EBITDA 约 4.9 亿美元。这个估值倍数在工业软件里属于高位,反映的是订阅制收入的可预测性与艾默生的协同预期。
并入后的财务可见度
并入艾默生后,AspenTech 不再单独披露收入与利润,可用的只有 Control Systems & Software 分部数据。2026 财年第三季度该分部收入 11.99 亿美元,同比增长 7%(报表与内生均为 7%);GAAP 营业利润 2.85 亿美元,利润率 23.8%;调整后 EBITA 3.91 亿美元,利润率 32.6%。上年同期该分部收入 11.20 亿美元,GAAP 营业利润 2.71 亿美元(24.2%),调整后 EBITA 3.93 亿美元(35.2%)。
这里有一个容易被忽略的细节:调整后 EBITA 的绝对额从 3.93 亿微降至 3.91 亿,利润率从 35.2% 降到 32.6%。分部收入增长 7% 的同时利润率收缩 2.6 个百分点,说明软件业务的增长伴随着投入增加或结构变化。艾默生没有在季度材料里拆分 AspenTech 与 DeltaV 等控制业务的贡献,外部无法进一步归因。
另一处口径细节:艾默生明确说明其「内生订单」(underlying orders)指标不包含 AspenTech。这意味着 2026 财年第三季度「订单增长 7%」这个数字与 AspenTech 无关,不能用它推断 AspenTech 的订单趋势。这是读艾默生财报时最容易误用的一处。
DISCREPANCIES
1. 收购完成的日期与金额口径。 官方新闻稿的协议日是 2025 年 1 月 27 日,交割日是 2025 年 3 月 12 日;第三方数据库多记为「2025 年 1 月以 170 亿美元完成收购」,把协议日与交割日混用,且把完全稀释口径的公司整体价值(170 亿美元)与少数股权对价(72 亿美元)混用。本报告采用:协议 2025-01-27、交割 2025-03-12、少数股权 72 亿美元、整体价值 170 亿美元、企业价值 168 亿美元。来源等级:OFFICIAL(艾默生与 AspenTech 联合新闻稿、8-K)优于第三方数据库。
2. 收入基数 11 亿还是 11.9 亿。 收购倍数披露使用约 11 亿美元(对应 TTM 至 2025 年 1 月),而 FY2025 指引的总收入约 11.9 亿美元、FY2024 实际收入 11.3 亿美元。三个数字并存不是矛盾,而是时点与口径不同:11 亿是交易定价用的过去十二个月基数,11.9 亿是公司对未来的指引。本报告在倍数计算处采用 11 亿,在业务规模描述处采用 FY2024 实际值 11.3 亿。来源等级:OFFICIAL。
3. ACV 的口径在并购前后不可直接比较。 AspenTech 独立时期披露的 ACV 为 FY2024 期末 9.329 亿美元、Q2 FY2025 为 9.649 亿美元;并入艾默生后,2026 财年第三季度披露的 ACV 为 16.8 亿美元、同比增长 9%。后者包含 Control Systems & Software 与 Test & Measurement 的软件合同,不等于 AspenTech 单独 ACV。本报告不做跨期拼接,两个口径分列。来源等级:OFFICIAL(但口径定义由公司单方给出,未提供桥接表)。
4. 「工业 AI」标签下的技术同质性。 公司营销材料把机理模拟、先进控制、机器学习预警、生成式布局、智能体顾问统称为 Industrial AI;第三方评测明确指出,产品组合中占比最大的部分并非机器学习。两种表述都对,但含义不同。本报告的处理方式是分层描述:机理层(非 ML)、混合模型层(ML 嵌入机理)、智能体层(LLM 编排)。来源等级:公司口径为 OFFICIAL,技术定性为第三方分析(MEDIA)。
5. AVA 的发布时间与成熟度。 官方发布日为 2026 年 5 月 11 日,首发四个顾问,同期上线演示站点 aspentech.ai;部分报道把它描述为「已实现自主运营」,与实际定位不符——四个顾问均定位为建议(advisory),不直接闭环控制。本报告采信官方定位,并把「无公开客户量化结果」列为尽调缺口。来源等级:OFFICIAL 优于 MEDIA。
6. 非计划停机下降 15% 的统计口径。 公司披露 2024 年 APM 方案使客户非计划停机下降 15%,但未说明样本量、基线定义、统计周期与是否经客户复核。同类指标在工业软件行业普遍存在选择性披露。本报告保留该数字并标注为方向性参考,不作为效果验证。来源等级:公司自述(UNVERIFIED,无第三方复核)。
7. 艾默生的订单指标不含 AspenTech。 艾默生 2026 财年第三季度新闻稿的脚注明确写明 underlying orders 不包含 AspenTech,但中文与部分英文二手报道在解读「订单增长 7%」时未做区分,容易让读者误以为包含软件业务。本报告在该处显式标注口径。来源等级:OFFICIAL(财报脚注)。
8. Micromine 收购的状态。 部分数据库把 Micromine 列为 AspenTech 已完成的收购,实际是 2023 年 8 月因俄罗斯监管审批停滞而放弃。这一项影响对矿业板块能力的判断。本报告按放弃处理。来源等级:OFFICIAL(公司公告)优于数据库聚合。
风险与尽调缺口
其一,独立财务可见度消失后的归因困难。 并入艾默生后,AspenTech 的收入、ACV、利润率都不再单独披露,只能通过 Control Systems & Software 分部反推,而该分部同时包含 DeltaV、Rosemount 系统等控制业务。2026 财年第三季度该分部调整后 EBITA 利润率同比下降 2.6 个百分点,但无法判断这是软件投入加大、控制业务毛利下滑,还是并表口径调整。对希望跟踪这家公司的人来说,这是结构性障碍。
其二,智能体产品的验证周期尚未走完。 AVA 发布至今不足六个月,公开信息里只有平台架构与四个顾问的功能描述,没有客户量化结果、没有第三方基准、没有规模化部署案例。工业软件的验证周期通常是 12 至 24 个月,现在就对其商业价值下结论为时过早。
其三,客户集中度与资本开支周期。 流程工业软件的采购高度依赖业主的资本开支与技术升级预算,而油气、化工的资本开支与油价、炼化毛利强相关。FY2025 指引里公司自己承认「终端市场需求趋势与 FY2024 下半年大致相似」,隐含对周期的不乐观。中国市场的软外替代压力与欧洲工业需求疲软,是两项持续的下行因素。
其四,与艾默生硬件绑定的双刃效应。 深度集成带来交付效率,也带来客户顾虑:非艾默生自动化体系的装置在采购 AspenTech 方案时,会评估未来是否被引导至艾默生的硬件路线。这个顾虑在竞标中通常不会明说,但会影响决策。
其五,机理模型资产的维护成本。 物性数据库与单元操作模型库需要持续投入才能保持准确,这类投入不产生新增收入,容易被并入大公司后的成本优化所压缩。历史上多家工业软件公司被并购后出现过产品迭代放缓的情况,这是需要跟踪的长期风险。
其六,AI 功能的定价机制不透明。 AVA 是否单独计费、Hybrid Models 是否包含在基础许可内、Mtell 的 AI 增强是否触发涨价,公司均未披露。这直接影响「AI 能否带来增量收入」这个核心问题的判断。
综合评分
技术维度给 7.5 分。机理模型库的深度在过程工业里属于第一梯队,混合模型的工程化程度领先,Inmation 重构后的数据层达到企业级要求。扣分项是智能体层刚起步、AVA 的可解释性与权限设计未见技术细节、产品组合里真正的 ML 占比有限。
商业维度给 7 分。ACV 连续多年保持高个位数增长,客户留存率 87%,需求刚性。扣分项是增长天花板受制于流程工业的资本开支周期,且并表后无法单独验证增长质量。
财务维度给 7 分。并入前自由现金流约 3.4 亿美元、对应约 11.9 亿美元收入,现金流质量好;170 亿美元的整体估值对应 15.3 倍收入,定价不便宜。并入后缺乏独立财务数据,评分依据以历史披露为主。
产品维度给 8 分。五条产品线覆盖从勘探到调度到资产到电网的完整链条,V15 的 175 个预置模型显著降低部署门槛,AVA 的架构设计(LLM 编排 + 机理求解 + 数据织物)方向正确。扣分项是产品界面与用户体验在同类工业软件里不算突出。
市场维度给 7.5 分。全球流程工业的大型业主基本都在客户名单上,7500 名认证用户构成生态壁垒。扣分项是亚太与中国的替代压力上升,且艾默生的装机基础在化工炼化弱于霍尼韦尔与横河。
综合 7.4 分。这是一家「物理 AI 含量被高估、但物理内核价值被低估」的公司:它的 AI 叙事里真正落地的是混合模型与 Mtell,智能体部分刚起步;但它的机理模型资产是流程工业数字孪生不可替代的基础,这个价值在 AI 热潮退去后会更清楚。
参考资料
- 艾默生新闻稿《Emerson Reports Third Quarter 2026 Results; Raises 2026 Outlook》(2026-08-04):净销售额 48.73 亿美元(+7%)、内生销售 +6%、内生订单 +7%(脚注明确不含 AspenTech)、GAAP 每股收益 1.28 美元、调整后每股收益 1.71 美元、自由现金流 13.23 亿美元、全年调整后每股收益指引约 6.55 美元、全年自由现金流约 36 亿美元
- 艾默生 2026 财年第三季度业绩演示材料:Software & Systems 收入 16.44 亿美元(+11%)、调整后 EBITA 利润率 31.8%、Test & Measurement +23%、Control Systems & Software +7%、ACV 同比增长 9%
- 艾默生 2026 财年第三季度 10-Q(2026-08-04):Control Systems & Software 收入 11.99 亿美元、GAAP 营业利润 2.85 亿美元(23.8%)、上年同期 11.20 亿美元与 2.71 亿美元(24.2%);调整后 EBITA 3.91 亿美元(32.6%)对 3.93 亿美元(35.2%)
- AspenTech 投资者关系页(现指向艾默生 IR):2025 财年净销售额 180.16 亿美元(艾默生合并口径)、约 7.1 万名员工、2025 财年研发投入占销售 8%
- AspenTech 官网《What’s New in V15》:AVA 在 Aspen Unified PIMS、Aspen GDOT、Aspen DMC3 中的顾问功能;Aspen AI Model Builder 支持桌面端部署工业 AI 混合模型;电解槽能力在 Aspen Plus 与 Aspen HYSYS 中的增强;Aspen Mtell 资产模板与 EAM 集成;OSI ADMS 门户、OSI GMS 水电优化、Cimphony 网络模型管理;Inmation 分布式节点架构与 ARM 支持;175 个以上预置模型
- 艾默生 2026-05-11 新闻稿(中文版经 PROCESS 流程工业转载):AspenTech AVA 平台发布,定位为具备代理能力与领域感知的工业 AI 平台,嵌入艾默生数十年工业知识与第一性原理模型,同时调用大语言模型;不受数据源限制,基于既有自动化基础设施;依赖 Inmation 数据平台;首发四个运营优化与决策支持顾问
- ARC Advisory Group《AspenTech OPTIMIZE 26 Signals a Broader Industrial AI Ambition》:AVA 定位为领域特定的代理式工业 AI;工业 AI 落地取决于信任、领域特异性、可解释性;V15 提供 175 个以上预置模型以降低部署成本;Inmation 定位为跨边缘、本地与云的工业数据织物
- 第三方产品评测(AI Pro Playbook,AspenTech 条目):Aspen Hybrid Models 于 2021 年 5 月推出,在 Aspen Plus 与 Aspen HYSYS 中嵌入机器学习以校准装置数据;Mtell 于 2016 年 10 月以 3700 万美元收购;V15 于 2025 年 5 月发布并引入 OptiPlant 3D Layout 生成式布局;2026 年 1 月 Mtell 新增告警聚类与纠正措施建议;2026 年 5 月 AVA 作为独立平台发布并重建 Inmation;明确指出产品组合中大部分并非机器学习
- 交易数据(Multiples.vc,Aspen Technology 条目):2025-01-27 协议、2025-03-12 交割、每股 265 美元、少数股权 72 亿美元、整体 170 亿美元、企业价值 168 亿美元、EV/Revenue 15.3 倍、EV/EBITDA 34.3 倍、累计完成 11 起收购、2024-11-04 以 4500 万美元收购 Open Grid Systems
- AspenTech FY2025 指引与 FY2024 基数(第三方财务分析,dcf-analysis.com 的 AZPN 条目):FY2024 期末 ACV 9.329 亿美元、FY2025 ACV 指引约 10.17 亿美元(+9%)、FY2025 收入指引约 11.9 亿美元、自由现金流指引约 3.4 亿美元;FY2024 实际收入 11.3 亿美元、自由现金流 3.353 亿美元;Q2 FY2025 ACV 9.649 亿美元(+9.2%)、收入 3.036 亿美元;2024 年客户满意度 92%、留存率 87%、认证用户 7500 名以上、APM 使非计划停机下降 15%
- AspenTech 公司沿革与并购史(第三方企业档案):1981 年成立、总部贝德福德、源自麻省理工学院与美国能源部的 ASPEN 项目;2022 年 5 月艾默生以 60 亿美元现金加 OSI 与地质模拟软件业务换取 55% 股权;2022 年 10 月收购 inmation;2023 年 8 月因俄罗斯监管审批停滞放弃 Micromine 收购
- 竞争格局参考(行业分析):施耐德电气于 2023 年 1 月完成对 AVEVA 的全资收购,并于 2026 年 6 月宣布收购 Cognite;霍尼韦尔 UniSim、横河 KBC、西门子 Simcenter 与 Xcelerator 在过程工业的定位对照
本报告依据公开资料整理,不构成投资建议。文中财务数据以公司公告与监管文件为准,第三方估算已标注来源与不确定性。
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- 觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- PhysicsX 深度调研:把几何与物理都压进一个预训练模型的三亿美元级工业 AI 赌注
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- Vinci AI 深度调研:把物理仿真从「检查点」变成「连续约束」的半导体新变量
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。