展会概况 - 2025中国国际工业博览会于9月23日在上海开幕 全球约3000家展商携前沿技术亮相 展示人工智能 机器人及绿色制造领域成果 [2] 人工智能工业应用 - 西门子与中科摩通合作的新能源汽车EMB智能装配设备采用生成式工业AI助手Industrial Copilot 程序开发时间缩短30% 产线调试周期缩短30% 人工与物料损耗降低10% [5] - 香港生产力促进局展示代理式AI自动化平台"天工开物" 融合实时视觉AI监控 RAG技术与物联网设备 打造通用型AI数据管理平台 [10] 机器人技术创新 - 越疆机器人推出"超级工厂"多形态机器人协同平台 采用集中决策+分布式执行架构 人形机器人DOBOT ATOM实现全国首例工业跨场景多任务协同作业 [5][6] - 越疆轮式人形机器人ATOM-M具备±10mm重复定位精度 可完成电子元件焊接 无损抓取等精细任务 [6] - 中科新松睿可RICO轮式人形机器人采用双臂柔顺控制系统 实现柔性抓取与人机协作安全 [11] - ABB推出OmniCore EyeMotion视觉系统 可搭载所有配备OmniCore的机器人 调试时间缩短高达90% 节拍时间缩短50% [11] 绿色制造解决方案 - 台达展出AI数字化工厂方案 结合机器人 AI与数字孪生技术 实现整厂级绿色制造 [7] - 台达AI数据中心采用预制化 模块化理念与先进液冷技术 提升能效与功率密度 [7] 跨区域产业协同 - 香港生产力促进局组织54家港企考察团 与内地企业共探新质生产力前沿 展示AI自动驾驶轮椅 3D扫描机器人等创新成果 [10]

公司战略转型 - 新思科技正从芯片迈向系统的战略转型 通过收购Ansys等举措实现全链条能力整合[2] - 公司提出智能体系统发展框架 类比汽车行业L1-L5自动驾驶演进路径[5] - 新思科技处于"重新设计工程"变革前沿 未来人类将与智能体协作完成系统设计[5] 中国市场发展历程 - 三十多年前以代理形式进入中国 1995年正式进入中国市场并向清华大学捐赠价值上百万美元软件[1] - 2000年代通过并购Avanti等公司推动中国本地团队壮大[2] - 与中国芯片产业共同成长 参与1996年"909工程"实施[1] 技术突破领域 - 系统级设计整合模拟与芯片设计能力 实现电子/电气/热力/机械等跨域洞察[4] - 芯片技术升级结合多物理场分析技术 解决先进制程下功耗/散热/电磁兼容等问题[4] - AI智能体AgentEngineer技术将AI作为芯片设计核心能力 推动AI垂直应用于EDA全栈[5] 行业应用与趋势 - 数字孪生推动工程创新范式转变 未来将实现系统自我优化[6] - 航空制造业应用数字孪生技术 可改变长达10-15年周期、上百亿美元投资项目的安全与成本[6] - 芯片设计从晶体管堆叠转向涵盖多物理场的系统工程 协同优化成为提升性能关键[5] 相关ETF数据表现 - 科创半导体ETF(588170)近五日涨幅13.14% 份额增加1800万份至8.1亿份 主力资金净流入1297.7万元[9] - 游戏ETF(159869)近五日跌幅0.56% 份额增加1.3亿份至57.5亿份 主力资金净流入3789.1万元[9] - 食品饮料ETF(515170)近五日跌幅3.49% 份额增加7950万份至86.7亿份 主力资金净流出1867.5万元[9] - 云计算50ETF(516630)近五日跌幅0.06% 份额减少400万份至3.5亿份 主力资金净流出212.3万元[10]

核心观点 - 公司通过构建覆盖“空天陆”的科技网络，将物流行业的不确定性转化为供应链中的确定性资产 [1] - 公司致力于让“隔日达”服务从承诺转变为可计算的确定性，并以此为起点为供应链注入“确定性基因” [3][8] - 公司正以技术构筑竞争壁垒，使物流从“成本中心”进化为“价值创造中心” [7][8] 科技应用与网络构建 - 公司利用数字孪生、智能算法与物联网设备为货物创建实时同步的虚拟分身，实时监控位置、温度、湿度、震动等数据 [3] - 系统能基于历史数据预判延误风险，并自动触发备用路径规划，如调取社会运力或协调全货机改道 [3] - 公司拥有由3.8万辆运输车辆与21架全货机构成的动态路由系统，实现柔性调度 [3] - 动态路由系统基于对历史货量、区域需求、天气路况等300余个变量的实时分析，数据处理速度达每秒200万次 [3] - 公司应用区块链溯源系统，确保货物从电子签收、温度记录到人脸识别签收的全流程数据不可篡改 [5] 研发投入与行业竞争 - 公司正以每年超过50%的研发投入持续拓展科技边界 [8] - 公司通过技术优势构筑竞争壁垒，区别于行业内依赖“价格战”和“规模战”的竞争策略 [7][8]

工程核心地位与功能 - 小浪底水利枢纽是黄河治理开发保护的关键控制性工程，控制着黄河92.3%的流域面积、91.2%的径流量和近100%的输沙量 [1] - 工程核心功能是调水调沙，直击黄河年均高达16亿吨输沙量造成的下游河床泥沙淤积问题 [1] - 工程位于黄河中游最后一段峡谷出口处，被誉为守护黄河安澜的"定海神针" [1] 调水调沙作业成效 - 自2002年起，小浪底水利枢纽已累计完成30次调水调沙作业 [1] - 作业显著提升了下游河床过流能力，由不足1800立方米每秒增加至5000立方米每秒 [1] - 黄河下游河道主河槽平均下切3.1米，有效保障了黄河下游行洪安全 [1] 数字化转型与技术应用 - 2023年，小浪底水利枢纽在水利系统率先建成数字孪生小浪底平台，并成立小浪底集控中心 [2] - 平台实现枢纽水、沙、电统一调度，水调、闸门、机组等多目标统一管控，达到"一屏全览、一厅统管" [2] - 通过"天空地水工"一体化监测感知体系，结合测雨雷达、无人机、智能监控等技术设备，实现对水库运行的实时监控与智能调度 [2] 未来展望 - 数字化转型技术的应用提高了工作效率，增强了对水库及整个黄河流域水利系统运行状态的精准把控 [2] - 小浪底水利枢纽将继续发挥"定海神针"作用，为黄河长治久安和流域经济社会可持续发展保驾护航 [2]

Fizz Dragon的AIGC电影制作 - 公司完成全球首部AI生成长篇电影《海上女王郑一嫂》，由20位爱好者耗时13个月完成，AIGC技术应用于电影制作全流程[2] - 团队由13个国家和地区的100多名成员组成，采用“专业+草根”混合结构，AIGC技术推动内容创作行业门槛降低，使非专业人士能够参与[4] - 制作过程中面临海洋场景渲染精度不足等技术难题，团队采取动态调整策略，跟踪AI模型迭代节奏，在半年内借助新工具实现自动化处理，形成“最佳执行方案”工作流[5] 恺英网络的AI业务创新 - 公司推出AI情感伴侣产品Eve，具备拟人化互动与记忆学习能力，能记录用户偏好并打通生活服务链路，例如为用户点奶茶[6] - Eve采用“游戏化养成”付费模式，用户通过提升亲密度等级解锁新内容，测试期间已开放小额付费功能，并计划推出角色定制功能以强化情感连接[7] - 公司自主研发AI垂类游戏大模型，支持从角色设定到代码导出的完整游戏开发流程，将时间成本实现千倍降低，并采用“对赌式开发”控制试错成本[7][8] 大南玩具的AI赋能实业 - 作为年营收超十亿元的玩具企业，公司业务涵盖OEM代工、自主品牌和IP授权产品，主要市场在美国，合作渠道包括沃尔玛、Costco等大型零售商[9] - 公司利用AI整合销售数据与社交媒体趋势，构建预测模型辅助产品研发，例如分析迪士尼IP衍生品的市场热度，避免传统调研的资源浪费[10] - AI工具在创意环节生成设计草图，并将2D图纸自动转换为3D模型，配合3D打印设备极大压缩手板制作周期，但对智能玩具持谨慎态度，优先优化内部流程[10] 联想的数字孪生解决方案 - 公司完成香港太白海鲜舫数字孪生项目，采用无人机和手机3D scanner进行“空-地”协同数据采集，通过AIGC技术生成厘米级精度的3D模型[11] - 数字模型部署于轻量化3D引擎，支持VR设备和网页端嵌入，并通过API接口开放给旅游平台，未来可实现手机AR游览虚拟船舱[11] - 项目不仅复刻建筑形态，更通过语义标注还原文化语境，例如展示电影《食神》拍摄场景，为文化遗产保护提供可复制模板[12] 行业整体发展趋势 - AI技术在香港正以轻量化、可感知的方式普及，案例如MateZ Lab的敦煌虚拟导览和HTC的巴黎圣母院VR体验，变革内容创作与用户体验[13] - 技术推动创作平权，降低制作成本并实现内容个性化，让非专业人士参与创作并保护文化遗产，重构生活图景[13]

项目入选与概况 - 项目《实景三维赋能数字孪生秀水河流域防洪应用》成功入选2025年实景三维数据赋能高质量发展创新应用典型案例 [1] - 项目于2023年11月正式投入使用 已连续两年为秀水河流域防洪工作提供服务 [1] - 秀水河流经沈阳的康平县、法库县、新民市 流域较为广泛 [1] 技术实现与功能 - 项目通过无人机、无人船等工具对秀水河流域地貌、河道、环境进行全方位扫描 采集海量三维实景数据 构建数字河流 [1] - 数字孪生模型已实现洪水预报、预警、预演和预案的"四预"功能 [1] - 在两处防洪关键点位增设视频监控等物联网感知设备两台套 实现河道水位实时监测 [1] - 工作人员可在平台操作端全面掌握流域运行情况 在三维场景中进行洪水演进仿真预演 [1] 技术创新与数据整合 - 项目汇聚融合了实景三维地理空间数据、物联感知数据、流域基础数据、业务管理数据和跨行业共享数据等多源数据 [2] - 项目打破了国外洪涝商业模型的束缚 通过自主研发河道洪涝预报模型实现洪水演进的仿真预演 [2] 行业应用与发展规划 - 行业将以此次入选国家典型案例为契机 进一步加快实景三维建设工作 [2] - 行业计划加快构建覆盖全省的统一时空基底和数据融合平台 拓展实景三维成果在各行业各领域的深度应用 [2]

三维重建技术演进综述 - 三维重建是计算机视觉与图形学的交叉核心，作为虚拟现实、增强现实、自动驾驶、数字孪生等前沿应用的数字底座 [5] - 以神经辐射场（NeRF）和三维高斯抛雪球（3DGS）为代表的新视角合成技术，使重建质量、速度、动态适应性同时跃升 [5] - 技术演进从传统多视角几何（SfM→MVS）到NeRF与3DGS，为数字孪生、智慧城市、元宇宙等领域提供技术演进全景图 [5] 应用需求驱动技术革新 - 城市级数字孪生需求公里级范围、厘米级精度、分钟级更新 [6] - 自动驾驶仿真需求动态交通流、实时语义、可编辑车道 [6] - AR/VR社交需求轻终端、大于90 FPS、照片级真实感 [6] - 工业数字工厂需求弱纹理、反光、复杂拓扑完整建模 [6] - 传统先几何后纹理管线无法满足新需求，NeRF与3DGS通过可微渲染统一学习几何-纹理-光照，实现从离线静态到实时动态的突破 [6] 传统多视角几何重建（SfM→MVS） - 理论基石包括对极几何x'^T F x = 0、三角测量X = argmin(∑‖π(P_i,X)−x_i‖^2)和束调整min ∑‖x−π(P,X)‖^2 + λ‖P−P_0‖^2 [9][10] - 成熟工具链包括COLMAP（学术最常用，CPU优化）、OpenMVG（模块化，适合算法研究）、Agisoft Metashape（商业级，支持无人机影像）和ContextCapture（Bentley城市级解决方案） [11] - 存在五大痛点：数据饥渴需大于70%航向重叠加60%旁向重叠、弱纹理空洞（玻璃、白墙、水面、天空）、光照敏感导致阴阳面色差和纹理接缝明显、动态失效导致行人车辆重影/鬼影、编辑困难改一棵树要重跑全流程 [13][15] NeRF隐式神经辐射场（2020-2024） - 基础框架将场景建模为连续5D函数F_Θ:(x,y,z,θ,φ)→(c,σ)，通过体渲染积分得到像素颜色 [13][14] - 质量提升路线包括Mip-NeRF（锥体追踪+集成位置编码解决锯齿混叠，训练时间×2）、NeRF-W（外观嵌入+可变光照解决天气/曝光变化，推理需调latent）、NeRF++（反向球面背景+双层场景解决远景退化，参数量+30%）、NeRFLiX（退化模拟器+视角混合解决伪影噪声，需合成数据预训练）、BAD-NeRF（运动模糊物理模型解决模糊输入鲁棒，需已知模糊核）、UHDNeRF（隐式体+稀疏点云高频实现8K超高清，显存增加） [17] - 效率优化路线包括InstantNGP（多分辨率哈希编码实现5秒至1分钟训练时间、5 FPS渲染、1.2 GB显存）、TensoRF（CP分解+低秩近似实现10分钟训练、10 FPS、300 MB显存）、NSVF（稀疏体素八叉树实现30分钟训练、15 FPS、500 MB显存）、Zip-NeRF（抗锯齿网格采样实现20分钟训练、20 FPS、400 MB显存）、Lightning NeRF（点云先验初始化实现8分钟训练、10 FPS、600 MB显存） [18] - 稀疏视角合成（小于10张图）方法包括FreeNeRF（频率正则+遮挡正则实现DTU 3-view PSNR 19.92，零额外开销）、FlipNeRF（反射射线过滤实现PSNR 19.55，减少漂浮物）、MixNeRF（混合密度+深度估计实现PSNR 18.95，提升几何）、HG3-NeRF（几何-语义-光度分层实现PSNR 19.37，需语义标签） [20] - 动态场景（视频输入）方法包括Deformable-NeRF（变形场Ψ(x,t)实现D-NeRF PSNR 29.8，正则化扭曲）、NSFF（场景流+静态/动态分解实现PSNR 31.5，可解释运动）、DNeRF（时间编码γ(t)实现PSNR 29.6，无需额外mask）、NeRFPlayer（静态+变形+新区域实现PSNR 30.2，流式播放）、Tensor4D（4D张量分解实现PSNR 31.0，内存下降50%） [21] 3DGS三维高斯溅射（2023-2025） - 基础公式将场景表示为3D高斯集合G={μ_i,Σ_i,α_i,SH_i}_{i=1}^M，投影到图像平面后按深度排序做α-混合C=∑_{i∈N}c_iα'_i∏_{j=1}^{i-1}(1-α'_j) [22][23] - 渲染质量优化方法包括Mip-Splatting（3D/2D Mip滤波实现抗锯齿，LPIPS下降10%）、Scaffold-GS（锚点生长-剪枝实现内存下降79%，覆盖提升）、GaussianPro（渐进传播+深度一致实现低纹理PSNR提升1.7 dB）、GSDF（高斯+SDF双分支实现几何误差下降30%）、SuperGS（粗到细+梯度引导分裂实现4K超分实时） [25] - MipNeRF360对比显示3DGS的PSNR 27.21、SSIM 0.815、LPIPS 0.214、FPS 134、内存734 MB；GSDF的PSNR 29.38、SSIM 0.865、LPIPS 0.185；Scaffold-GS的PSNR 28.84、SSIM 0.848、LPIPS 0.220、FPS 102、内存156 MB；SuperGS的PSNR 29.44、SSIM 0.865、LPIPS 0.130、FPS 47、内存123 MB [26] - 效率再升级方法包括LightGaussian（蒸馏+量化+伪视角实现15倍压缩，200 FPS）、CompGS（K-means+游程编码实现存储下降80%）、EAGLES（轻量化编码实现显存下降70%）、SuGaR（表面网格提取实现编辑友好，Poisson重建）、Distwar（寄存器级并行实现GPU原子操作下降60%） [27][28] - 稀疏视角重建（小于10张图）方法包括FSGS（单目深度+邻域上采样实现200 FPS，需预训练DepthNet）、SparseGS（扩散模型补全实现实时360°，生成伪标签）、LM-Gaussian（大模型视觉先验实现迭代细化，视频扩散）、MCGS（多视角一致性修剪实现内存下降50%，渐进剪枝） [29] - 动态重建（视频）方法包括Deformable 3D-GS（变形场实现D-NeRF PSNR 39.51，时序正则）、4D-GS（神经体素+MLP实现PSNR 34.05，分解4D特征）、Gaussian-Flow（双域变形实现PSNR 34.27，显式运动向量）、DN-4DGS（去噪网络实现PSNR 25.59，时空聚合） [30] 三代技术横向对比 - 核心表征：SfM/MVS为点云+Mesh，NeRF为隐式σ(x)+c(x)，3DGS为显式高斯集合 [31] - 几何精度：SfM/MVS★★★★☆，NeRF★★★☆☆，3DGS★★★☆☆ [31] - 照片真实感：SfM/MVS★★☆☆☆，NeRF★★★★★，3DGS★★★★☆ [31] - 训练时间：SfM/MVS为小时级，NeRF为小时至天级，3DGS为分钟级 [31] - 渲染FPS：SfM/MVS小于1，NeRF小于1，3DGS为50-300 [31] - 动态扩展：SfM/MVS不支持，NeRF需变形场，3DGS支持时序高斯 [31] - 编辑性：SfM/MVS极难，NeRF隐式不可见，3DGS支持移动/删除/增改 [31] - 硬件门槛：SfM/MVS只需CPU，NeRF需8个高端GPU，3DGS只需1个消费GPU [31] - 代表落地：SfM/MVS用于测绘、文保，NeRF用于影视、直播，3DGS用于AR/VR、自动驾驶 [32] 未来5年技术雷达 - 混合表征：NeRF+3DGS+SDF统一框架，光滑表面用SDF，高频细节用高斯，空洞用NeRF补全 [33] - 端侧实时：INT4量化+TensorRT/ONNX实现手机30 FPS重建 [33] - 生成式重建：Diffusion先验+3DGS实现单图/文本生成可驱动3D资产 [33] - 物理-语义联合：引入光照模型、重力、语义标签实现一键可编辑城市场景 [33] - 多模态融合：LiDAR深度、事件相机、IMU、Thermal同步实现SfM-free鲁棒重建 [33] - 三维重建将走向人人可用、处处实时的普适计算时代，让每部手机、每台车、每副AR眼镜都拥有实时数字化的瑞士军刀 [34]

浒苔绿潮监测预警能力提升项目 - 项目由自然资源部北海局实施，旨在提升黄海浒苔绿潮灾害的监测预警与防控处置决策支撑能力 [1] - 项目系统开展了"空-天-海-岸"立体监测、全周期预测预警、智能处置决策支持等核心技术攻关 [1] - 近三年青岛市浒苔上岸量显著减少，有效提升了浒苔绿潮防控成效 [8] 空-天-海-岸立体监测技术 - 综合采用卫星遥感、无人机和人工智能等技术手段升级完善立体监测体系 [3] - 研发无人机监测藻情智能解译算法和图传数传一体技术，实现关键信息的精准解析和实时回传 [3] - 建立基于多源遥感的混合像元分解技术，显著提升浒苔绿潮覆盖面积解译精度 [3] - 建立北海区大型海藻标本库，筛选出大型海藻DNA条形码，完善分子鉴定平台 [3] 浒苔绿潮预测模型优化 - 持续优化浒苔绿潮全生命周期的预测模型，包括年度发展趋势预测模型、早期漂浮聚集模型、暴发期和衰亡期生态动力学模型 [6] - 研发多驱动场集合预报方法，解决中长期环境场预报不稳定的问题，提升年度趋势预测精度 [6] - 引入多线程并行计算策略，实现预报精度和计算效率的双效提升 [6] 智能决策支持系统 - 创新提出浒苔绿潮高概率分布区域划定方法和多时空尺度打捞效果评估方法 [8] - 构建打捞船舶协同处置智能调度模型，研制北海区浒苔绿潮前置打捞监管平台 [8] - 系统实现打捞作业效能动态反馈与船舶调度智能优化，提供最佳打捞通道、重点打捞区域、关键打捞时间窗口等决策支持 [8] - 创建考虑筏架阻挡效应的漂移参数化方案，实现筏架区浒苔绿潮漂移的精细化预报 [8] 未来技术发展方向 - 将继续升级黄海浒苔绿潮全周期监测预警和海上处置智能决策支持系统 [8] - 深度融合人工智能大模型、数字孪生等前沿技术 [8] - 通过完善"监测-预警-打捞决策支持"全链条技术体系，为海洋生态文明建设提供科技支撑 [8]

智慧城服平台应用成效 - 苏州姑苏古城区智慧城服平台通过AI和传感器实现自动报事和派单 市民报事数量从每天100多起下降至个位数[1][3] - 系统通过数字孪生技术实景复刻14.2平方公里古城建筑风貌 配备实时定位电子工牌和终端传感器[1][3] - 移动巡检机器人解决夜间及节假日人工漏检与误报问题 实现从"人找事"到"事找人"的运维模式转变[3] 数字化转型能力建设 - 公司自2014年起投入上百亿进行数字化转型 形成针对120余个细分场景的超150个智能体产品包[4][5] - 技术团队通过集团与一线联动机制构建数字化人工通道 业务部门作为产品主人推动技术落地[4] - 系统提升工程建设效率 将需数十人耗时2-3天的设计变更统计工作转化为一键生成报表的自动化流程[5] 技术应用与效能提升 - 智慧供应链系统实现建造与服务供应链一体化管控 覆盖安全 质量 技术 进度等多维度工程管理[10] - AI冷站智控方案通过多维度数据计算最佳冷量 制冷系统综合能耗降低超过15%[10][12] - 数字化系统使物业和商业空间人效比达行业头部水平 经过8000多个一线项目实践验证[8] 解决方案对外输出 - 推出四大解决方案：不动产经营管理 零碳智慧空间 智慧企业服务 AI智能体 实现全生命周期数智化管理[12] - 客户覆盖绿城 中国中铁等地产品牌 泰康人寿 中旅投资等产业龙头 以及青岛地铁 中国电信等公共事业公司[14] - 系统具备800余项专利 近千名复合型专家团队 以及龙湖十余年百亿投入形成的4大方法论[16][17] 行业空间数智化需求 - 全国建筑总量达6.02亿栋 总建筑面积1070亿平方米 大量存量资产需通过数智化工具提升运营价值[15] - 系统通过数据网格和算法构成技术底座 实现空间能耗降低 使用体验优化和经营效率提升[5][6][9] - 数字孪生技术建立双向数据流虚拟空间 实时收集并反馈物理空间数据 实现精准运维[9][20]

股价表现与资金流向 - 9月22日盘中股价下跌2.05%至11.48元/股 成交额9198.49万元 换手率1.64% 总市值57.18亿元 [1] - 主力资金净流出937.06万元 特大单净买入67.16万元（买入412.08万元占比4.48% 卖出344.92万元占比3.75%） [1] - 大单净流出1004.22万元（买入1798.72万元占比19.55% 卖出2802.94万元占比30.47%） [1] - 年内股价涨幅1.59% 近5日/20日/60日分别变动-2.79%/-12.70%/6.20% [1] 经营业绩与财务数据 - 2025年上半年营业收入5.22亿元 同比增长33.14% [2] - 归母净利润亏损5819.70万元 同比下滑268.61% [2] - 主营业务收入构成：新能源汽车整车设计占比87.68% 燃油汽车整车设计占比11.73% 其他业务占比0.59% [1] 股东结构与机构持仓 - 股东户数2.95万户 较上期微增0.29% [2] - 人均流通股16430股 较上期减少0.29% [2] - 香港中央结算有限公司持股517.28万股（第七大股东） 较上期减持230.79万股 [2] - 中欧科创主题混合新进第十大股东 持股368.98万股 中欧新蓝筹混合退出十大股东行列 [2] 公司基本信息 - 主营业务为燃油汽车和新能源汽车整车设计及汽车行业相关技术服务 [1] - 所属申万行业为汽车-汽车服务-汽车综合服务 [1] - 概念板块涵盖小盘、数字孪生、AI多模态、智谱AI概念、AI模型等 [1] - 注册地址位于北京市北京经济技术开发区 成立于2007年5月23日 2020年3月27日上市 [1]