截至2026年5月18日收盘,酷特智能(300840)报收于25.46元,下跌0.08%,换手率9.45%,成交量16.74万手,成交额4.32亿元。
5月18日主力资金净流出2342.55万元;游资资金净流入240.35万元;散户资金净流入2102.2万元。
答:2025 年全球服装行业产值约为人民币 12.5 万亿元。若 AI 相关资本开支占比为 1%,对应潜在市场规模为 1,250 亿元;占比为 2%时对应 2,500 亿元;占比为 3%时对应 3,750 亿元。最终市场规模取决于企业对 AI 生产力的认知能力及 AI 应用带来的短期与长期价值。
韩国和美国成本有明显差异,但不能简单说韩国所有成本都更低。
从 PMT Soul 的落地成本看,韩国相对美国有明显优势。企业 agent 产品真正的成本包括客户沟通、流程梳理、系统接入、培训、客户成功和本地运营。韩国平均工资水平低于美国,本地交付和运营成本通常可按美国的 60%–75% 估算。同时,韩国 apM东大门这类高密度商户场景更集中,获客和推广路径比美国分散 SMB 市场更高效。
从底层模型 API 和 Token 成本看,韩国和美国差异不大。调用 OpenAI、Anthropic、Google、Qwen、OpenRouter 等模型时,成本主要由模型厂商定价决定,不因国家不同产生本质差异。PMT Soul 的 Token 成本优势主要来自模型路由、缓存、小模型处理高频任务、本地模型处理低敏任务,而非国家差异。
从重算力和数据中心成本看,韩国不一定比美国便宜。美国部分州电力和数据中心资源更具成本优势,而韩国更适合做本地化企业 agent 落地和区域推理节点,未必适合作为最低成本的大规模 GPU 训练中心。
PMT Soul 定位是让 AI 从“问题”进入“执行业务”,提供一套企业 AI 提效系统,帮助客户降低成本、提高效率、增加收入,并将企业经验长期沉淀为可被 AI 执行的组织能力。
具体带来五类价值:
第一,降本。通过 AI agent 自动完成商品上新、文案生成、多语言翻译、客户回复、订单跟进、日报生成、资料整理等重复性工作,减少人工运营、内容外包、客服沟通和内部协作成本。
第二,提效。过去需员工在多个系统间查询、复制、整理和沟通的任务,可由 agent 在企业边界内自动完成,提升响应速度、上新效率、流程推进速度和管理信息获取速度。
第三,增收。更快回复客户、更快发布商品、多语言触达海外客户、自动跟进老客户、提升复购率和转化率,带来实际业务增长。
第四,沉淀企业资产。PMT Soul 将企业的商品知识、客户经验、销售话术、订单规则、流程方法和历史执行结果沉淀为企业的记忆和 Skill,企业越用,AI 越懂企业。
第五,安全可控。通过权限边界、工具契约、人工确认、结果读取和审计链路,确保 agent 的每次判断和执行可管理、可追踪、可审计。
当前多数工具聚合平台停留在“工具货架”或“插件市场”阶段,将搜索、文档、表格、邮件、CRM、图片生成、自动化工具集成,用户需自行判断使用时机、组合方式和结果正确性,解决的是“工具可用性”问题。
PMT Soul 的核心优势不在于接入工具数量,而在于能否将工具嵌入企业业务流程,使 AI agent 在企业规则、权限和审计合规边界内完成真实工作任务。
公司将通过 apM 客户应用和反馈积累数据资产,搭建服装垂直领域应用场景,计划半年内满足需求,并通过记忆、自我训练和反馈持续学习升级。
目标是在韩国服装垂直领域跑通模式,打造为服装垂直领域 AI 应用层标杆案例后,向东南亚服装市场复制拓展。同时保持对其他垂直领域的应用探索。实施节奏将根据业务布局动态优化,更多进展请关注后续定期报告。
公司与 apM 的合作重点在于其在服装产业链 AI 应用层可能带来的价值。apM 集团面临劳动力断层和定制化能力不足的问题,需寻找优质产业链支持。若将部分 apM 商户进行 AI 智能化改造后扩大国际销售额,预计当地产能无法满足需求时,公司制造优势有望承接新增订单。
当前公司更重视合作对 AI 产业链的价值,服装订单业务优先级较低。公司定位是将服装作为 AI 转型的试验田。此外,合作与公司对 apM 集团相关主体的并购项目相关,未来可能随并购进展发生变化。
酷小智、酷小匠、酷小易于去年6月发布以来持续迭代升级,已有项目逐步落地。公司在潍坊开展的智能体集群平台建设项目已完成5家跨行业企业项目,目前处于验收阶段,后续将继续围绕县域数智经济深化合作;美国家具客户越南工厂项目正按协议推进,为开拓美国市场起到良好示范作用。上述应用已实现一定业绩,但对公司总体业务影响较小,请注意投资风险。
AI“灵魂层”不易被简单复制,其核心取决于驾驭模型的能力,而非模型本身。该层需长时间自我适应与深化,即便底层代码被复制,不同成长环境、数据积累和使用过程也会导致完全不同体验。其构建逻辑更偏向语言、文学哲学类的上层思想,具有时间沉淀属性,无法通过复制粘贴达成相同效果。
“灵魂层”需基于企业工作流进行自适应学习成长,工作流包含日常运营的固定与动态内容,随使用时间积累迭代,使用1天与1个月的体验效果明显不同。工作流不会被大模型基座学习,因其执行不走模型训练流程,仅在推理环节调用入口;即使功能点 Skill 泄露,大模型最多知晓入口存在,无法掌握完整工作流逻辑。未来大模型厂商若服务企业客户,必须派人入驻梳理工作流,无法仅通过技术手段直接获取成熟行业工作流。
上述问题及回复主要聚焦技术路线交流,不涉及公司对经营情况的预期或承诺,亦未包含应披露的重大信息。
以上内容为证券之星据公开信息整理,由AI算法生成(网信算备310104345710301240019号),不构成投资建议。
