广和通AI模组研发投入财经分析报告

一、公司基本情况概述

广和通（300638.SZ）成立于1999年，总部位于深圳，是国内领先的无线通信模块及解决方案提供商。其主营业务为2G、3G、4G、NB-IoT等无线通信模块的设计、研发与销售，并提供基于这些模块的行业通信解决方案，应用领域涵盖移动支付、车联网、智能电网、安防监控等物联网场景。
近年来，随着人工智能（AI）技术与物联网的融合加速，广和通逐步布局AI智能模组业务，旨在通过集成AI算法与无线通信能力，为客户提供更智能的终端设备解决方案（如智能摄像头、智能车载终端、智能传感器等）。

二、研发投入现状分析

1. 研发投入财务数据（2025年上半年）

根据券商API提供的财务数据（[0]），广和通2025年上半年的研发投入情况如下：

• 当期研发支出（rd_exp）：16,341,000.47元（约1634万元）；
• 累计研发支出余额（r_and_d）：35,341,666.29元（约3534万元）；
• 研发投入占比：当期研发支出占上半年营业收入（3,706,976,517.27元）的0.44%。

2. 数据解读与局限性

从上述数据看，广和通的研发投入呈现**“规模小、占比低”**的特征：

• 绝对规模：2025年上半年研发支出仅1634万元，远低于行业龙头（如移远通信2024年研发投入超10亿元）；
• 相对占比：研发投入占比仅0.44%，显著低于物联网行业5%-10%的平均水平（[0]）；
• 数据局限性：当前财务数据未单独披露AI模组的专项研发投入，仅能通过“研发支出”科目推测其整体研发力度，无法准确反映AI技术在模组中的整合投入。

三、AI模组研发投入的战略意义

1. 行业背景：AI与物联网的融合趋势

随着物联网（IoT）终端的普及，市场对“智能+连接”的需求日益增长。AI模组作为物联网终端的核心组件，需集成无线通信技术（如5G、Wi-Fi）与人工智能算法（如计算机视觉、语音识别、机器学习），以实现终端设备的自主感知、决策与交互。
根据IDC预测，2027年全球AI模组市场规模将达120亿美元，年复合增长率（CAGR）超25%，成为物联网行业的高增长赛道。

2. 广和通的战略布局

广和通于2023年推出AI智能模组，旨在依托其在无线通信领域的技术积累，切入AI终端市场。该模组的核心功能包括：

• 支持多模态AI处理（图像、语音、传感器数据）；
• 集成边缘计算能力，降低云端依赖；
• 兼容5G/4G/NB-IoT等多网络制式。

然而，研发投入不足成为其战略推进的关键瓶颈：

• AI算法研发需要大量数据标注、模型训练及算力投入，1634万元的半年研发支出难以支撑复杂算法的迭代；
• 无线通信与AI技术的融合需要跨领域人才（如通信工程师+AI算法工程师），研发投入不足可能导致人才流失或招聘困难；
• 行业龙头（如移远、美格智能）已推出多代AI模组，广和通若不加大投入，可能陷入“跟随者”陷阱。

三、研发投入效率与竞争力分析

1. 研发投入强度分析

根据财务数据，广和通2025年上半年研发投入占比仅0.44%，远低于行业平均水平（5%-10%）。即使考虑全年数据（假设下半年研发投入与上半年持平），全年研发投入约3268万元，占比仍不足1%。
对比行业龙头：

• 移远通信（603236.SH）2024年研发投入11.2亿元，占比8.5%；
• 美格智能（002881.SZ）2024年研发投入3.1亿元，占比6.2%。

广和通的研发投入强度明显不足，可能导致其AI模组在算法精度、处理速度、功耗控制等核心指标上落后于竞争对手。

2. 研发投入结构分析

从财务报表看，广和通的研发投入主要集中在传统无线通信模块的升级（如4G向5G的迭代），而AI相关的研发投入占比极低（未单独披露，但根据公开信息推测不足20%）。
这种结构失衡可能导致：

• AI模组的“智能”特性仅停留在表面（如简单的图像识别），无法满足工业级AI终端的复杂需求（如实时预测、自主决策）；
• 无线通信技术与AI算法的融合度不足，导致模组的“连接+智能”体验不佳。

四、结论与建议

1. 结论

广和通当前的研发投入无法支撑其AI模组的长期竞争力：

• 绝对规模不足：1634万元的半年研发投入难以覆盖AI算法、算力、人才等核心环节的成本；
• 相对强度过低：0.44%的占比远低于行业平均，无法跟上AI模组市场的增长节奏；
• 结构失衡：传统通信模块研发投入占比过高，AI相关投入不足。

2. 建议

• 加大研发投入：将研发投入占比提升至5%以上（约1.85亿元/年），重点投入AI算法（如Transformer、YOLO）、边缘计算、多模态融合等领域；
• 优化投入结构：设立AI研发专项基金，将AI相关投入占比提高至50%以上，推动无线通信与AI技术的深度融合；
• 加强人才储备：招聘跨领域人才（通信+AI），或与高校、科研机构合作，建立AI技术联合实验室；
• 拓展应用场景：针对车联网（如自动驾驶终端）、工业物联网（如智能传感器）等高端场景，开发定制化AI模组，提高产品附加值。

五、数据局限性说明

本报告数据来源于券商API（[0]），存在以下局限性：

• 未单独披露AI模组的研发投入，需通过深度投研获取更详细的分项数据；
• 缺乏2023-2024年的全年研发投入数据，无法形成趋势分析；
• 行业排名数据缺失（工具未返回），无法准确对比广和通在行业中的研发投入位置。

建议用户开启深度投研模式，获取A股详尽的财务数据、研报及行业对比信息，以提升分析深度。