近日，第三方评价机构济安金信研究院发布行业分类标准。这套体系以 AI 辅助构建，从企业核心经营业务、产业链位置与盈利驱动出发，将全部上市公司归入唯一细分行业。它要回答的问题只有一个：一家公司，究竟应该和谁放在一起比较。
行业分类看似是数据工程的基础环节，却直接决定投研的起点。可比公司分析、估值锚定、信用评价、风险定价、指数编制——所有这些模型的第一个前提，都是找到真正"同类"的企业样本。
划分过宽，细分成长赛道上的公司会被塞进传统行业的参照系；过度依赖热点概念，又会让盈利模式完全不同的企业被贴上同一个标签。
从左至右，颗粒度逐级收窄：一级用于宏观统计，二级用于行业景气分析，三级直接对应上市公司的细分赛道与可比样本。
AI 要做的，是在这两个极端之间，找到一条可验证的路径。
市面上已有的分类体系，大致沿两条路径生长。它们各有基础，也各有盲区。
服务国民经济核算，产业基础稳定。局限：颗粒度偏宽，细分赛道识别不足。
反映新产业灵活敏捷。局限：稳定性差、口径不一，易把盈利模式不同的公司混为一谈。
两条路径没有简单的优劣之分，只是目标不同。宏观体系回答"企业属于哪个产业部门"；投研实践进一步追问"企业处于哪条产业链、盈利来自什么业务、应该和谁比较"。
真正的空白地带，是两层之间的连接。这正是 AI 发挥价值的区域。
AI 的第一步，是抓取一家上市公司多期财报、公告与公开信息，将收入与利润拆分到具体业务板块。
当某类核心业务在收入和利润中占据主导，AI 将其归入对应三级行业；当多块业务势均力敌、核心盈利尚未形成，则进一步结合企业长期战略、市场主流定位与控股股东产业资源进行综合研判。
AI 判断的从来不是"公司叫什么"，而是"公司靠什么赚钱"。
产业逻辑相似，不代表经营特征和定价逻辑天然可比。划分之后，还必须回答一个问题：同一组公司，真的像同类吗？
产业本身不是静止的。第二增长曲线可能成长为新的核心业务，重大资产重组可能彻底切换主营业务，新赛道可能悄悄聚集起一批上市企业。
年报披露后，依据多期财报重新审定行业归属，复核存量分类，优化归类模糊的企业。
重大资产重组、核心业务切换、新兴赛道形成规模化集群时，触发分类调整。
分类体系需要在"稳定"与"变化"之间寻找平衡：短期市场热点不改变归属，但企业真实盈利结构的实质性迁移必须被及时反映。
AI 的价值，在于让"稳定"与"变化"不再是一对矛盾。
行业分类表面上是数据工程，本质上是对"企业本质"的持续理解。AI 的意义不在于给公司贴标签，而在于让每个标签都可追溯、可验证、可修正。当一套分类体系拥有了自我纠错的能力，投研的起点才真正从概念转向事实。
完整分类标准已由济安金信研究院对外发布，覆盖 45 个一级行业、144 个二级行业、369 个三级行业。
关注济安金信研究院官方渠道，获取方法论全文与动态更新。