本证券研究报告有关分析师的申明，见本报告最后部分。其他重要信息披露
本证券研究报告
有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读 最后一页的免责申明。
目录
TOC\o1-2\h\z\u一、PHM行业具备长、宽、厚三大特征 4
行业之“长”：渗透率低潜力无限，市场广阔开拓可期 4
行业之“宽”：场景多元而丰，技术融合为用 6
行业之“厚”：技术沉淀日深，数据积累渐厚 7
二、从行业属性看公司三大竞争优势 8
优势一：平台化架构叠加软硬件自研塑造公司产品优势 8
优势二：故障案例数领先，积累行业大量Know-How 10
优势三：头部标杆客户众多，奠定行业深耕基础 10
三、从产品、渠道和服务三要素再看公司成长性 11
产品端：品类拓展、技术升级，价值量不断提升 12
渠道端：海外市场逐步发力，渠道改革红利显现 13
服务端：看护设备数与日俱增，“订阅服务”后期发力 15
盈利预测与投资建议 16
盈利预测 16
投资建议 17
风险提示 17
图表目录
图1：运维服务的发展历程 4
图2：当前行业运维服务存在诸多痛点 5
图3：PHM的优点 5
图4：2020年中国企业设备数字化水平 5
图5：全球预测性维护市场规模（单位：亿美元） 5
图6：中国预测性维护市场规模（单位：亿美元） 5
图7：设备运维保护对象 6
图8：PHM应用行业广泛 6
图9：PHM的工作原理 7
图10：传感器种类的多样性 7
图11：部件损坏的表征变化过程 7
图12：PHM系统的复杂度更高但降本效果更明显 8
图13：公司状态监测与故障诊断系统架构图 8
图14：公司灵芝SuperCare设备智能运维平台架构 8
图15：公司状态监测与故障诊断系统架构图 9
图16：公司传感器自制率 9
图17：行业龙头毛利率对比 9
图18：2021-2024年公司故障案例的积累数量 10
图19：机器学习框架示意图 10
图20：2018-2024公司营业收入按行业分布情况（单位：百万元） 11
图21：各行业公司标杆客户 11
图22：2021-2024公司单季度营业收入同比增速 12
图23：公司风电机组监测设备应用 12
图24：公司场景智能应用解决方案 12
图25：公司PHMGPT大模型 13
图26：公司有线系统平均单价及增速 13
图27：公司无线系统平均单价及增速 13
图28：公司合作伙伴战略架构 14
图29：公司近年来经销收入及同比增速 14
图30：公司近年煤炭行业收入及同比增速 14
图31：公司海外市场收入情况（单位：万元） 15
图32：公司诊断服务进展 15
本证券研究报告有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读 最后一页的免责申明。表
本证券研究报告
有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读 最后一页的免责申明。
一、PHM行业具备长、宽、厚三大特征
行业之“长”：渗透率低潜力无限，市场广阔开拓可期
PHM（故障预测与健康管理系统）是设备运维服务的最新发展方向。PHM是一种基于对设备运行状态的实时监测与分析，预测潜在故障并提前开展维护工作的策略，是运维服务行业最新的发展方向。运维服务发展经历四个过程：
响应式维修：此种维修方式是一种消极维护策略，它是指设备故障后再进行到场维修，此时设备本身损坏程度较高，容易造成维修时长和成本的增加，甚至提高停产时间成本；
计划性维护：此种维修方式是基于设备厂商的保养计划来进行停产检修，由于各个部件在实际工况运行中的使用寿命很难预估，此种运维方式容易造成维修过早或过度保养等问题；3）基于条件的维修：此种维修方式是通过对设备运行状态的监控来进行有针对性的维修，主要结合设备本身的运行监控数据等进行简单判断，仍然容易产生维修不及时的情形；
4）基于故障预测的维护：随着大数据、人工智能等技术的发展，通过对设备运行状态进行故障预测成为可能，此种维修方式可以最大化提升设备部件的使用效益，减少停工停产时间，是目前运维服务的最终发展形态。
图1：运维服务的发展历程
数据来源：罗兰贝格，
当前设备运维存在痛点，制约企业效能提升。当前行业主要的运维服务停留在第二三阶段，设备运维仍存在诸多难点：1）管理模式落后：管理及决策高度依赖人的经验与规章制度，管理模式
和经验数据电子化程度低，经验传承和应用难度大；2）智能化不足：设备数智化基础较