物理AI技术范式 - 通过GPU加速技术突破计算瓶颈 将物理定律和真实场景数据深度融合 使AI能够基于已知规律推导决策 [1] - 颠覆传统AI依赖海量数据训练的路径依赖 成为数字孪生世界的构建者 重塑工业设计和气候变化研究等领域 [2] - 实现从数据驱动到原理驱动的范式转变 将科学发现速度推向高铁时代 [6] 技术优势与解决方案 - 物理求解器约束生成过程解决数据污染导致动作失真问题 机器人训练成本降低50% [3] - 合成10亿英里自动驾驶数据解决极端场景数据匮乏问题 加速车企模型迭代速度 [3] - 实时预测货架倒塌等突发事件 工厂运维效率提升30% [3] 计算能力与应用案例 - GPU能同时处理数百万个流体微元的运动轨迹 使需要超级计算机运行一周的模型在几小时内完成 [5] - 上海中心大厦通过物理AI模拟台风侵袭时的结构应力 特斯拉工厂机械臂在虚拟环境完成百万次抓取测试 [5] - 模拟精度达到原子级别 在医疗领域预测药物副作用 在环保领域构建地球气候数字镜像 [6] 国内产业链生态 - 形成从底层感知到上层应用的全链路生态 承载工业软件国产替代使命 [7] - 索辰科技天工开物平台实现四维时空耦合下的多物理场设计与仿真 支持虚拟训练机器人及智能驾驶场景 [7] - 奥比中光通过RGB-D相机提供3D视觉数据支撑 能科科技推动物理AI与实际工业场景结合 [8] 企业战略布局 - 索辰科技并购宁波麦思捷55%股权补足动态环境感知能力 收购北京力控元通51%股权强化工业数据采集 [8] - 构建从物理场感知到决策闭环的全链路闭环 对标英伟达Omniverse的国产方案 [7][8] - 全球工业仿真软件市场经历变革 新思科技收购ANSYS交易获批重塑格局 [8] 行业发展机遇 - 低空经济和新能源场景对高精度仿真需求爆发 物理AI作为行业基础设施属性明显 [9] - 国内企业凭借对本土需求的深刻理解 在物理场仿真数据积累上具有优势 [9] - 处于0到1阶段的技术 对客户价值已远超预期 迎来弯道超车窗口期 [8][10]

股价表现 - 亚信科技盘中涨幅超9% 截至发稿时上涨6.17%至11.34港元 成交额达2.24亿港元 [1] 技术合作进展 - 公司将自研数字孪生平台AISWare Digital Gemini、MaaS平台及智能体平台与英伟达Omniverse 3D工作流平台进行集成融合 [1] - 基于大模型应用交付能力探索制造业从"制造"向"智造"转型路径 [1] - 计划深化数字孪生平台与Omniverse集成 聚焦工业制造行业 开拓市场并推进解决方案实施 [1] 行业价值重构 - 英伟达Omniverse平台有望加速物理AI时代渗透 构建全新工业生态系统 [1] - 公司通信网络优势与工业Know-how能力将与Omniverse物理AI能力深度结合 [1] - 数字孪生平台将为制造、能源行业提供"感知-决策-控制"闭环解决方案 实现从技术底座到产业价值的全面重构 [1]

股价表现 - 亚信科技盘中涨超9% 截至发稿涨6.17%至11.34港元 成交额达2.24亿港元 [1] 技术合作进展 - 公司将自研数字孪生平台AISWare Digital Gemini、MaaS平台及智能体平台与英伟达Omniverse 3D工作流平台进行集成融合 [1] - 基于大模型应用交付能力探索制造业从"制造"向"智造"转型路径 [1] - 计划深化数字孪生平台与Omniverse集成 聚焦工业制造行业开拓市场并推进项目交付 [1] 行业价值重构 - 英伟达Omniverse平台有望加速渗透物理AI时代 构建全新工业生态系统 [1] - 公司通信网络优势与工业Know-how能力可与Omniverse物理AI能力深度结合 [1] - 数字孪生平台将为制造、能源行业提供"感知-决策-控制"闭环解决方案 实现从技术底座到产业价值的全面重构 [1]

公司业务进展 - 公司在2025世界人工智能大会发布四大物理AI赋能的虚拟训练平台 应用于人形机器人训练场、低空经济三维物理地图和新能源电池虚拟训练场景 [1] - 在浙江嘉兴投资建设数字电磁暗室、风力发电、虚拟风洞等物理仿真实验室 建筑面积达四万平方米 用于验证物理AI技术落地 [1] - 与杭实集团签署战略合作协议 为低空基建项目提供高精度仿真与虚拟训练支持 [6] 技术平台发展 - 2025年3月推出"天工·开物"物理AI开发及应用平台 实现真实世界设备与环境相互作用的模拟 支持机器人、智能驾驶和低空经济等场景验证训练 [4] - 开物平台被业内视为对标英伟达Omnivorous 涵盖生成式建模仿真一体化技术、实时环境渲染、物理AI模拟引擎等核心功能 [4] - 平台自发布后发展速度超预期 客户合作需求旺盛 [4] 物理AI技术优势 - 物理AI融合物理定律、化学反应规律、生命机理等基本原理 使AI能像人类科学家一样进行推导和决策 [2] - 相比传统CPU计算 使用消费级GPU可将车辆计算时间从几天缩短至2-3小时 成本降低至原百分之一甚至千分之一 支持实时虚拟训练 [3] - 技术被英伟达CEO黄仁勋认定为下一波AI浪潮 即将进入商业化集中落地阶段 [2] 战略并购布局 - 2024年12月以8800万元收购宁波麦思捷科技55%股权 获得多维度传感器网络和边缘智能计算能力 实现物理世界与虚拟环境毫秒级同步 [7] - 2025年2月筹划收购北京力控元通51%股权 强化工业SCADA领域数据采集与多模态物理量压缩存储能力 [7] - 通过匈牙利分公司构建海外并购战略平台 [8] 行业定位与展望 - 物理AI被视为CAE的进阶版本 借助GPU实现真实世界模拟 有望成为新一代AI核心范式 [2] - 国际巨头并购（如新思科技350亿美元收购ANSYS）带来挑战与机遇 物理AI技术被认为是弯道超车机会 [7] - 物理AI正处于行业爆发阶段 作为基础设施将赋能千行百业 公司持续探索工业装备设计与制造落地应用 [8]

行业定位与市场前景 - 无人城配车被视为“物理AI”的典型落地载体，是自动驾驶技术应用中起量最快、商业化路径最明确、发展态势最猛的领域[1] - 截至2024年，无人配送车已应用超6000台，数量远超Robotaxi（头部企业运营总量不足3000台）[2] - 中国无人城配行业市场规模从2022年的40亿元增长至2023年的65亿元，年复合增长率超62%，预计今年市场规模将达170亿元，而中国城配市场自2016年起就维持在万亿规模[2] - 头部企业新石器与九识智能目标直指年内累计量产交付1万台，新石器每月交付量超1000辆，截至今年7月新石器已部署6600辆，九识已交付逾5000台[2] 头部企业领先优势分析 - 领先企业具备四个必要能力：技术成熟度、场景理解力、成本控制力、产品布局力[5] - 两家企业的产品均具备L4级自动驾驶能力，适应各类路况、时段、场景的运行需求[5] - 创始人团队拥有对物流场景的深度理解，新石器创始人余恩源扎根物流科技，九识创始人孔旗曾负责百度Apollo无人物流车研发及京东物流自动驾驶项目[5][7] - 通过模块化设计、核心硬件自研、研发无图技术等方式大幅降本，车辆价格从行业早期百万元降至万元级别，九识最低裸车价格达1.98万元，运营成本比传统物流便宜70%以上[9] - 构建了全面的产品矩阵，推出小、中、大容积不同车型，可替代从三轮车到轻卡等多种车型，新石器侧重与头部寄递企业平台化合作，九识更看重中小客户与细分场景[12][14][15][16] - 获得大额融资支持，新石器完成10亿元新一轮融资，九识融资1亿美元，两者公开披露融资总额均超20亿元人民币[16] 万台量产的挑战与增益 - 1万台交付量占中国城配车辆约2000万辆的0.5%，标志着行业走过从0到1的阶段[17] - 规模化将带来三方面结构性改变：成本结构优化（边际成本下降）、数据反哺算法（感知+行为数据丰富模型）、场景拓展更容易（技术验证范围扩大）[17] - 自动驾驶技术与数据密切相关，车跑得越多算法越聪明，特斯拉FSD快速迭代得益于全球超400万辆数据采集车辆，无人城配车同理[18] - 新石器通过“视觉为主、激光雷达为辅”方案减少激光雷达数量降本，九识坚持多传感器融合方案但重点应用仿真技术，其分布式仿真平台可实现“每小时验证6个月运营路况”，算法迭代效率提升2000倍以上[20][21] - 两家企业均投资搭建生产基地，新石器在6地设厂，常州工厂单班年产能超1万辆，九识在3地建厂，无锡宜兴基地目标年产1万台[24] - 通过外部合作搭建运维体系，新石器与途虎养车合作，九识与天猫养车合作，此外九识在全国建立了230多家售后网点[26][27] 大厂规模化滞后的原因 - 大厂分为两派：自研派（京东、美团、菜鸟）内部研发产品，合作派（顺丰、三通一达）以“投资+订单”方式入局[30] - 自研派大厂在规模化上未大举扩张，京东2022年数据显示在30座城市运营超700台，美团无人车累计配送近500万单、总里程1300万公里，菜鸟累计配送订单4000万、运行里程500万，规模均小于头部创业公司[32][34] - 核心原因在于无人城配车对大厂是工具属性而非业务属性，属于“防守型投入”，是技术储备或生态补充，非核心增长曲线[36] - 大厂组织结构复杂，决策机制难以快速响应市场，美团被“安全、合规”原则束缚导致产品硬件成本高，京东“Big Boss”制下业务负责人面临营收压力挤压创新空间[37][38] - 核心人员变动带来不确定性，京东原副总裁肖军、菜鸟业务主导者陈俊波离职后，相关业务话语权下降或团队精简[38][39]

报告公司投资评级 - 维持“买入 - A”评级 [5] 报告的核心观点 - 索辰科技是国内领先的 CAE 软件厂商，打造物理 AI 平台，业务向新能源、低空经济、机器人等民用领域延伸，通过战略并购完善产业链布局，有望打开全新成长空间 [14] - 预计公司 2025 - 2027 年营收分别为 5.15/6.92/9.21 亿元，归母净利润分别为 0.79/1.02/1.42 亿元，采用市销率估值，给予 6 个月目标价 104.16 元，对应 2025 年约 18 倍动态市销率 [14] 事件概述 - 7 月 28 日，索辰科技在 2025 世界人工智能大会举办“物理 AI 驱动虚拟训练全球革新”主题论坛，发布四大创新成果，与杭实集团达成战略合作推动低空经济与虚拟训练技术融合 [1] 物理 AI 平台发布 - 2025 年 3 月 6 日，公司在上海举行物理 AI 首场天工·开物发布会，后在多地召开，推出物理 AI 开发及应用平台全场景解决方案 [2] 物理 AI 核心技术 - 生成式建模仿真一体化技术，可实现设计样本自动智能衍生、验证与训练 [3] - 实时生成式物理 AI 计算引擎，能高效构建高保真虚拟验证环境 [3] - 智能实时真实物理环境感知技术，可采集现实世界物理属性并与虚拟世界融合互动 [3] - 实时虚拟物理世界智能环境感知技术，能在虚拟世界感知和预测物理参数并与真实世界融合互动 [3] - 自动测试仿真验证技术，可实现真实与虚拟世界验证的自动融合迭代验证 [3] 物理 AI 应用落地场景 具身智能 - 索辰具身智能虚拟训练平台打通真实与虚拟世界数据壁垒，实现“采集 - 训练 - 生成 - 评估”链路，让机器人训练更经济、高效、真实、简单 [4] - 平台基于物理 AI 技术，可实现真实场景环境与机身结构数据实时生成与分析，如神经网接触算法等功能，训练机器人手部结构时模型收敛性能和数值稳定性良好 [4][11] 低空经济 - 索辰推出“低空三维物理地图”产品，搭载自研物理 AI 引擎，可获取低空环境风场和电磁场数据，为低空飞行器提供风险评估和规避方案依据，提升飞行安全性 [12][13] - 其空间分辨率最低可达厘米级别，风场数据检测密度均值突破数亿量级，风场信息生成速率控制在秒级尺度 [13] 财务数据预测 营收与利润 - 预计 2025 - 2027 年营收分别为 5.15/6.92/9.21 亿元，归母净利润分别为 0.79/1.02/1.42 亿元 [14] 财务指标 - 2025 - 2027 年营业收入增长率分别为 35.8%/34.5%/33.0%，营业利润增长率分别为 119.5%/24.4%/37.6%，净利润增长率分别为 91.9%/28.7%/39.2%等 [17] 资产负债 - 2025 - 2027 年资产总额分别为 38.34 亿/52.62 亿/66.02 亿元，负债总额分别为 8.63 亿/21.90 亿/33.87 亿元等 [17] 现金流量 - 2025 - 2027 年经营活动产生现金流量分别为 - 4.89 亿/- 45.02 亿/- 1.69 亿元，投资活动产生现金流量分别为 - 1.75 亿/- 1.86 亿/- 1.97 亿元等 [17]

物理AI数据需求 - 物理AI落地需要满足三大核心标准的"好数据"支撑 包括物理真实性 语义可理解性和场景泛化性 [2] - 物理真实性要求数据精准刻画物体的几何结构 材质属性和动态交互关系 构成智能体行动的约束条件 [2] - 语义可理解性要求数据包含能被智能体理解的语义信息 实现跨模态认知 将视觉识别 指令理解和动作执行深度关联 [3] - 场景泛化性要求数据能够打破数据孤岛 支撑智能体从有限训练场景中提炼通用规律 适应全新场景的决策需求 [4] 3D铰接数据价值 - 3D铰接数据能精准刻画物体可交互部件的结构属性与运动规律 如门的合页转动轨迹 抽屉的滑动阻尼等物理细节 [3] - 该类数据实现从二维视觉表达到可计算 可推理的物理结构模型的跃升 为智能体提供细粒度描述与标注 [3] 具身智能发展 - 具身智能成为人工智能下一阶段发展方向 需要通过与现实世界主动交互获取智能 而非仅依赖标注或语言学习 [5][6] - 主动交互对智能形成至关重要 1963年实验显示能互动的猫比被动观察的猫成长速度快得多 [6] - 具身智能面临模拟与现实差距的挑战 模拟环境中训练的动作可能因重力 摩擦力等物理参数差异而失效 [7] - 世界模型生成数据存在违反物理规律的问题 如自动驾驶中出现车辆幽灵穿越十字路口或难以控制的随机事故 [7] 行业互动关系 - 物理AI时代的"好数据"标准与具身智能发展相辅相成 "好数据"为物理AI落地提供基础 具身智能探索完善"好数据"内涵 [8]

报告公司投资评级 - 买入（维持） [6] 报告的核心观点 - 公司于2025世界人工智能大会正式发布具身智能虚拟训练、低空三维物理地图等物理AI产品并展示成功应用 基于此前物理AI平台实现产品化落地 物理AI商业化进程加速 [6] - 具身智能虚拟训练方案实现智能体训练、智能体自主感知两个层次 虚拟训练场可部分对标Nvidia Isaac Sim平台 优势在于复杂物理场耦合关联 智能体自适应基于强大物理求解能力 是公司长期业务核心能力 [6] - 低空三维地图实现模拟训练+实时导航 构建三维数字空域可用于空域资源调配等 飞行器内置高精度三维地图可完成实时三维导航和路径调整 [6] - 基于物理AI可拓展很多加速仿真场景 真实物理世界推演可在设备全生命周期优化 实时仿真应用空间巨大 [6] - 重视物理求解能力卡位优势 维持“买入”评级 预计25 - 27年实现收入6.0、8.5、11.1亿元 实现归母净利润0.8、1.2、1.6亿元 [6] 财务数据及盈利预测 营业总收入 - 2024 - 2027E分别为3.79亿、6.04亿、8.50亿、11.05亿元 同比增长率分别为18.2%、59.5%、40.7%、30.0% [2] 归母净利润 - 2024 - 2027E分别为0.41亿、0.81亿、1.20亿、1.60亿元 同比增长率分别为 - 27.9%、96.2%、47.7%、33.0% [2] 每股收益 - 2024 - 2027E分别为0.47元/股、0.91元/股、1.35元/股、1.79元/股 [2] 毛利率 - 2024 - 2027E分别为71.9%、72.4%、73.9%、74.2% [2] ROE - 2024 - 2027E分别为1.5%、2.8%、3.9%、5.0% [2] 市盈率 - 2024 - 2027E分别为194、99、67、50 [2] 市场数据 - 2025年7月25日收盘价90.01元 一年内最高/最低为102.10/38.21元 市净率2.8 股息率0.27% 流通A股市值44.32亿元 上证指数/深证成指为3593.66/11168.14 [3] 基础数据 - 2025年3月31日每股净资产31.86元 资产负债率7.33% 总股本/流通A股为89/49百万股 流通B股/H股为 - / - [3] 财务摘要 营业总收入 - 2023A - 2027E分别为3.20亿、3.79亿、6.04亿、8.50亿、11.05亿元 [8] 归属于母公司所有者的净利润 - 2023A - 2027E分别为0.57亿、0.41亿、0.81亿、1.20亿、1.60亿元 [8]

战略合作 - 赛意信息与逗号科技签署战略投资协议，以物理AI为核心引擎，整合双方在泛ERP实施能力和AI算法、行业场景的优势，赋能中国供应链智能化升级和制造业降本增效 [2] - 合作将推出供应链智能化创新解决方案，加速物理AI从技术突破走向规模化落地 [6] 物理AI技术趋势 - 2023年生成式AI推动业务增长，AI应用进入全面爆发时代，物理AI成为下一技术浪潮，即AI深度理解并操控实体世界的技术形态 [4] - 实物互联网（PI）是物流领域的革命性基础设施，通过标准化容器、智能节点和开放协议构建全球高效物流网络，打破传统供应链孤岛 [4] - 欧盟、美国、日本分别主导PI国际标准制定、技术原型落地和自动化节点技术，共同构建PI早期发展格局 [4] 逗号科技的技术优势 - 逗号科技是亚太地区首个系统性研究PI的开拓者，中国首家以AI为核心决策优化引擎、PI为核心业务流程架构的物流科技企业 [5] - 公司发起"PI联盟"，拥有C-Link、C-ROS、C-NAS和C-Loader等智能决策系统，赋能联想、大众、一汽、奇瑞等企业，每年实现数千万元物流成本节约 [5] - C-LINK智慧物流平台通过PI实时数据流打通物流节点，AI智能决策优化货品移动方案，推动中国在物理AI标准制定中获得话语权 [5] 赛意信息的战略布局 - 赛意信息"All in AI"战略的关键落子，通过整合逗号科技的物流AI决策能力，提升供应链解决方案 [6] - 数字化集成供应链产品融合逗号科技的物流算法规划能力，结合Physical Internet实时数据流和AI智能决策，强化全价值链服务能力 [6]

生物智能与具身智能发展现状 - 当前具身智能真正缺乏第三阶段的生物智能即模拟学习能力 物理AI是构建模拟学习的核心技术 [1] - 人形机器人产业虽处早期但模型侧发展迅速 物理AI将成为解决机器人与物理世界交互最后一环的关键技术 [1] - 生物智能五阶段演变揭示发展脉络 物理形态到大脑机理均以"仿生"脉络发展演绎 [1] 智能驾驶模型算法演进 - 智能驾驶算法模型发展对理解机器人具身智能具有奠基意义 行业核心人才与算法存在迁移效应 [2] - BEV架构实现2D图像到3D空间扩展 赋予模型初级空间智能能力 [2] - 基于模型的强化学习（系统2）是人形机器人"可用"与"不可用"的关键区别 其核心在于物理AI的仿真能力 [2] 世界模型技术架构 - 世界模型≈空间智能+物理AI 需同时具备理解生成3D几何关系与符合物理规律的交互能力 [3] - 英伟达Cosmos世界模型平台体现该技术方向 [3] 3D数据获取路径 - 互联网缺乏海量3D数据 现有LLM与VLM局限于文字图像视频处理 [4] - 真实数据采集成本高（房租+人力）规模效应弱且耗时 [4] - 仿真合成数据通过Real2Sim2Real方式获取 成本服从摩尔定律且数据质量不低 是更具性价比的路径 [4] 物理AI的核心价值 - 物理AI解决机器人与物理世界交互最后一环 需处理力反馈信息并服从物理定律 [5][6] - 与智能驾驶避免物理交互不同 机器人在服务与工业场景需高频物理交互（如抓取搬运） [5] - 物理AI直接回应机器人产业"缺数据"的核心难题 [6]