物理AI的核心概念与进展 - 英伟达正在构建"物理AI"平台级基础设施，重构从训练、仿真到部署的全链条，已与西门子、宝马、富士康、施耐德、欧姆龙、SAP、通用汽车等工业巨头合作[1] - 物理AI是连接感知与行动的中枢神经系统，包含三大关键能力闭环：训练大脑、虚拟教室、实际部署[5][16] - 物理AI代表"具身智能+空间智能+工业平台化+数据闭环"的融合体，是一个商业化可落地的"操作系统"战略[11] 物理AI与相关概念的差异 - 空间智能关注AI如何理解三维空间结构与物体关系，是具身智能与物理AI的感知底座[2][3] - 具身智能强调智能必须通过身体与环境互动获得，是物理AI的"生命核心"[4] - 物理AI更具系统工程特征和产业化倾向，整合空间智能与具身智能能力并形成平台体系[9] 英伟达的物理AI战略 - 采用"三台计算机"架构：训练大脑(GR00T)、虚拟教室(Omniverse)、实际部署系统[14][16] - 战略路径为"开发者优先+工具链先行"，提供从Omniverse到DGX和Jetson的全套工具与算力基础设施[23] - 相比GE的Predix，英伟达平台更具开放性、模块化和轻量级部署优势，强调生态渗透而非平台锁定[27][28] 物理AI的产业应用与趋势 - 应用场景包括工业机器人、自动驾驶、智能工厂等大规模物理系统[9] - 已从实验室走向现实场景，成为AI向物理世界延伸的系统性范式[11] - 需要跨越模型、数据、算力、接口等多层级协同演化，是十年以上的系统工程[37][38] 产业链参与建议 - 避免盲目跟风概念营销，需构建从研发流程到系统架构的整体能力[32] - 开发者应聚焦构建具备迁移性与泛化能力的模型训练架构[34] - 企业需掌握高质量物理世界数据，建立场景级数据闭环与反馈机制[35]

仅2个月后，OpenAI便用实际行动回应了凯文的预言。 「奔向AGI」 栏目聚焦AI大模型、AI agent、AI应用、芯片、机器人等前沿、热门的AI技术和商业创 新。 5月6日，据彭博社、路透社等多家外媒报道，OpenAI已与AI编程工具开发商Windsurf达成收购协议，交易金额达30亿美元（约合人民币217亿元），这将成为 OpenAI自成立以来规模最大的一笔收购案。 此前，OpenAI曾数次试图收购估值已达90亿美金的Cursor，但据说双方在价格等细节上未能达成一致，OpenAI才将目光转向了市场份额第二的Windsurf。 作者丨刘杨楠 编辑丨巴里 图源丨CNN 去年，Windsurf在General Catalyst领投的一笔交易中估值为12.5亿美元。此次收购价格较 Windsurf去年12.5亿美元的估值翻倍。 2025年3月15日，OpenAI首席产品官凯文·威尔在一档播客中表示，GPT-5即将推出，并预测AI将在编程领域第一次"永远超越人类"。 这个问题的答案，或许并不指向AI是否会代替人类开发者的宏大命题，其更大的现实意义在于，让外界看到，刨除资本和舆论的附加光环后，作为一家企业， O ...

报告公司投资评级 - 维持买入 - A 投资评级，6 个月目标价 98.18 元 [4][10] 报告的核心观点 - 索辰科技 2024 年营收增长但归母净利润和扣非归母净利润减少，2025Q1 营收增长且亏损收窄，工程仿真软件业务是业绩增长主要动力，期间费用率控制良好，打造物理 AI 平台和战略并购有望打开全新成长空间 [1][2][3][4][9][10] 根据相关目录分别进行总结 财务数据 - 2024 年实现营收 3.79 亿元，同比增长 18.24%；归母净利润 0.41 亿元，同比减少 27.89%；扣非归母净利润 0.37 亿元，同比减少 29.25% [1] - 2025Q1 实现营收 0.39 亿元，同比增长 21.73%；归母净利润 -0.16 亿元，上年同期为 -0.21 亿元；扣非归母净利润 -0.19 亿元，上年同期为 -0.26 亿元 [1] - 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 [10] 业务情况 - 2024 年通用工程仿真软件产品营收 2.28 亿元，同比增长 21.72%，毛利率 96.39%，同比提升 1.28 个百分点 [2] - 2024 年定制化仿真产品开发业务营收 1.37 亿元，同比增长 4.56%，毛利率 33.21%，同比下降 0.01 个百分点 [2] - 2024 年技术服务业务营收 0.11 亿元，同比增长 3150.08%，毛利率 56.92%，同比提升 12.02 个百分点，因收购阳普智能和富迪广通致收入增加 [2] 费用情况 - 2024 年销售费用率 6.44%，同比增加 0.11 个百分点；2025Q1 为 15.73%，同比下降 3.86 个百分点 [3] - 2024 年管理费用率 17.95%，同比增加 6.10 个百分点，因收并购中介费及折旧、摊销费用增加；2025Q1 为 47.74%，同比下降 4.17 个百分点 [3] - 2024 年研发费用率 28.49%，同比下降 4.36 个百分点；2025Q1 为 54.60%，同比下降 45.02 个百分点 [3] 发展战略 - 2025 年 3 月 6 日起多地召开物理 AI 发布会，推出全场景解决方案，有望打开民用市场空间 [4] - 2024 年 12 月战略投资麦思捷，2025 年 2 月筹划并购力控科技，还投资富迪广通、焜原光电等企业，完善产业链布局形成协同效应 [9]

业绩表现 - 2024全年营业收入3.79亿元 同比增长18.24% 归母净利润4144.90万元 同比下滑27.89% 扣非净利润3657.62万元 同比下滑29.25% [1] - 2025年一季度营业收入3878.73万元 同比增长21.73% [1] - 工程仿真软件收入2.28亿元 同比增长21.72% 毛利率96.39% 同比增加1.28个百分点 仿真产品开发收入1.37亿元 同比增长4.56% 技术服务收入1081.78万元 同比增长3150.08% [1] 业务发展 - 发布"天工·开物"物理AI平台 提供全场景解决方案 涵盖关键技术 软件 平台 实装产品及实验基地 [2] - "天工·开物"为行业首个融合建模仿真一体化计算平台 可缩短开发周期 降低成本 贯通虚拟与真实物理世界 为数字孪生工厂提供实时能耗优化和故障预测能力 [2] - 2024年并购麦思捷55%股权 投资8800万元 麦思捷专注电子信息装备技术 实现大气波导预测领域国产替代 [3] - 筹划2025年并购力控科技51%股权 力控科技聚焦智能制造 提供SCADA软件 实时数据库 生产管控平台等产品 [3] 未来展望 - 预测2025-2027年营收分别为5.35亿元 7.58亿元 10.78亿元 [4] - 预测2025-2027年归母净利润分别为0.96亿元 1.25亿元 1.50亿元 [4] - 预测2025-2027年EPS分别为1.07元 1.41元 1.69元 PE分别为71.2X 54.3X 45.2X [4]

文章核心观点 - 索辰科技2024年财报表现良好，未来将依托主营业务，聚焦物理AI平台，拓展战略布局并探索其在多领域落地应用 [1][2] 公司财务情况 - 2024年实现营业收入3.79亿元，同比增长18.24%；归属于上市公司股东的净利润4144.9万元；拟向全体股东每10股派发现金红利1.83元(含税) [1] 公司业务发展 - 专注于CAE软件研发、销售和服务，2024年加大研发投入，加强技术创新，延伸产业链深度，拓宽应用领域和市场 [1] - 聚焦物理AI平台，以“物理AI”为核心驱动力，基于相关技术实现多物理场设计等并应用于工业装备 [1] - 推出涵盖物理AI开发及应用平台的全场景解决方案，使开发者和工业用户能开发和部署物理AI应用 [2] - 未来将探索物理AI技术在航空航天、新能源等更多领域落地应用，赋能工业装备设计与制造 [2] 公司战略布局 - 按照既定规划通过自主技术创新、战略合作、投资并购等方式，加快物理AI各关键领域战略布局，推进整体解决方案应用落地 [2] - 2024年12月战略投资8800万元并购麦思捷，持有其55%股权，麦思捷专注电子信息装备技术领域 [2] - 2025年2月筹划并购力控科技，拟取得其51%股权，力控科技聚焦智能制造等领域，能提供物理AI相关技术 [3]

核心观点 - 英伟达发布通用机器人模型GR00T N1 重点布局Physical AI领域 并召集行业核心玩家探讨人形机器人技术路径与数据问题 [2] - 机器人领域加速发展得益于三大因素：模型突破(多模态/推理能力)、数据获取方式革新(仿真技术)、硬件成本下降(价格从150万美元降至4万美元) [8][9] - 具身智能未来将走向通用模型 但需要解决数据多样性问题 真实环境数据收集至关重要 [14][16][17] - 行业对"一脑多体"技术路径存在分歧 硬件与软件协同进化是关键挑战 [20][21] - 预计3-5年内机器人将实现社会普及 专用机器人将早于通用机器人落地 [24][25] 技术突破 - 模型层面：大型基础模型(如LLM)的出现使三维视觉理解和开放词汇能力大幅提升 端到端模型简化了控制架构 [9][14] - 数据层面：GPU加速仿真技术可在3小时内生成相当于10年训练数据量 突破数据瓶颈 [9][18] - 硬件层面：执行器/传感器等核心部件商品化 硬件价格从2001年150万美元降至当前4万美元水平 [9][13] 行业趋势 - 数据获取：必须通过真实环境部署获取多样化数据 家庭/工厂等场景将成关键数据源 [12][17] - 技术路径：从"基于编程的经验"转向"通过经验学习" 形成数据飞轮效应 [10][12] - 产品演进：专用机器人先行商用(如Agility的Digit) 逐步向多任务/通用型发展 [25][26] 关键挑战 - 跨实体泛化：需建立"实体宇宙"概念 通过多样化硬件平台积累数据 目前零样本泛化仍不现实 [20][21] - 安全机制：必须内置安全性设计 传统控制方法与AI新技术的"工具箱"需协同使用 [15][22] - 幻觉消除：物理交互能力是纠正认知偏差的核心 需构建闭环反馈系统 [22][23] 商业化展望 - 短期(1-2年)：专用机器人在物流/制造等垂直领域实现商业价值 [25] - 中期(3-5年)：机器人社会渗透率显著提升 进入消费级市场 [24] - 长期(10年)：可能引发类似电力普及的社会变革 形成数字物理劳动力网络 [24][26]

贸易战应对策略 - 中美贸易战升级背景下，建议聚焦特朗普面临的约束而非其目的，将美国经济及美债利率作为预判贸易战走向的关键变量 [1] - 预计美国中期选举前经贸冲突全面蔓延至金融领域概率不大，4月国内政策以预防和试点为主，年中将迎来政策扩容 [1] - A股短期"筹码底"已现，4~5月或呈现科技主题型交易机会，三季度基本面预期稳定后消费、先进制造及周期核心资产将占优，触发2021年以来最重要风格切换 [1] 主题投资机会 - 外部扰动缓和后建议关注四大主题：AI+（强催化期）、免税及农业（内循环及关税反制受益）、北交所（超跌反弹）、半导体自主可控（外部限制加码） [2] - 主题配置需聚焦自主可控主线，优先选择业绩确定性高、估值低位板块，关税博弈进展及行业展会（如服务机器人专区、新能源论坛）为关键催化因素 [2] 互联网行业展望 - 2025年中概互联网行情将围绕AI进展、宏观流动性、竞争格局及股东回报展开，重点关注头部公司模型迭代能力及云计算收入增速 [4] - 推荐两条主线：具备AI绝对领先优势的头部互联网公司，以及竞争格局明晰、利润确定性高的垂类龙头 [4] 美股科技股动态 - 特朗普关税闹剧缓和后美股科技股最艰难阶段或已过，谈判进展及企业业绩明朗化将成为市场企稳催化剂 [5] - 基准情形下预计美股科技企业全年业绩下修0%~10%（主要影响Q2），偏好顺序为半导体、互联网、软件、硬件 [5] 金融与宏观数据 - 3月社融增速回升受政府债发行提速及信贷需求修复带动，企业债融资受利率上行拖累，居民贷款因楼市"小阳春"改善 [6] - M1增速触底反映消费投资意愿边际改善，财政货币协同发力有望巩固社融扩张 [6] 资本市场稳定机制 - 中央汇金明确发挥"平准基金"作用，央行提供流动性支持以对冲市场非理性下跌，增强短期信心 [7] 银行与军工行业 - 银行股受益财务数据平稳、分红确定及低估值特性，在波动市场中具备相对价值，建议增配 [8] - 军工电子订单修复加速，内装及军贸自主可控提速，关注弹药链及新质方向拓展的"混合标签"标的 [9] 半导体产业逻辑 - 关税以晶圆制造地认定原产地，国内模拟芯片企业直接受益，但长期需关注低国产化率环节及本土晶圆制造 [10][11] 物理AI与产业变革 - Cosmos+Ominiverse组合有望加速智能驾驶及人形机器人发展，关注硬件供应商、产业链及主机厂三条主线 [12]

核心观点 - Cosmos+Omniverse组合有望加速物理AI发展，带动智能驾驶及人形机器人行业发展，复刻CAE和CUDA对制造业和AI的加速效果 [1] - 建议关注三条投资主线：Cosmos+Omniverse硬件供应商、智能驾驶及人形机器人产业链、主机厂 [1][7] 专业软件对科技行业的推动作用 - CAE软件降低汽车、船舶等制造业的实验成本并提高研发效率，CUDA降低AI算力调优门槛 [2] - 专业软件领域壁垒高，如ANSYS独占电磁场仿真、FLUENT主导流场仿真，CUDA生态构建强客户粘性 [2] Cosmos的技术能力 - Cosmos基于2000万小时真实数据训练9000万亿token，可生成逼真合成视频，支持智能驾驶和人形机器人训练 [3] - 依托CUDA底座，通过四大模块（Autoregressive Model、Diffusion Model等）实现视频处理效率提升近百倍 [3] Cosmos+Omniverse的应用前景 - 结合Omniverse形成AI数字孪生引擎，生成3D场景控制的合成数据集，提升物理仿真和渲染精度 [4] - 智能驾驶领域：加速L3渗透率提升，预计2029年达20%（较非物理AI场景+4pcts），2034年仿真软件市场规模139亿元 [4] - 人形机器人领域：合成数据成本低于实物训练，英伟达已与1X、Figure AI等合作，2028年全球机器人LLM市场超1000亿美元 [4][5] 投资策略 - 物理AI将缩短智能驾驶及人形机器人的训练周期，降低数据采集和技术落地门槛 [7] - 仿真工具迭代直接加速行业研发周期，降本传导至终端制造环节 [1][7]

行业与公司概况 - 具身智能被视为继AI和自动驾驶后的下一代科技风口，行业热度极高，投资机构竞相追逐新兴创业公司[2] - 它石智航(TARS)在2025年2月成立后迅速完成1.2亿美元天使轮融资，创中国具身智能领域最大天使轮纪录[3][7][8] - 公司由自动驾驶领域顶尖专家陈亦伦(华为前自动驾驶CTO)和李震宇(百度阿波罗前负责人)联合创立，团队被类比为"库里+约基奇"的梦之队组合[4][11][15][16] 技术方向与核心优势 - 核心技术引擎为AWE(AI World Engine)，定位为具身智能领域的GPT大模型，但采用Human-Centric数据采集范式[14][37][65] - 技术路径强调全栈能力：超级算法(具身大模型)、超级本体(机器人硬件)、超级应用(场景解决方案)[25][26] - 核心差异点包括：4D空间对齐技术、真实世界具身数据闭环、端到端强化学习架构[42][39][36] - 工程化能力是最大壁垒，团队曾主导华为ADS和百度Apollo的量产落地[14][15][16] 产品与商业化路径 - 初期聚焦柔性物体操作场景(如汽车制造)，验证物理AI的工业应用价值[28][77] - 采用模块化机器人本体设计，暂不确定灵巧手形态，但强调上肢拟人化操作的必要性[71][82][84] - 版本规划对标GPT发展路径：AWE 3.0(基础模型)→3.5(场景优化)→强化学习版本[70] - 商业化标准强调"机器人实际工作场景"而非展会演示，金标准是落地稳定性[100][101] 行业趋势判断 - 物理AI(具身智能)将接替信息AI成为主流，自动驾驶和大模型成功奠定技术基础[49][51][52] - 行业三大Scaling Law：数据规模→模型参数→推理能力，当前瓶颈在数据维度[59][60][63] - 关键技术分歧(仿真vs真实数据/通用vs垂类/大小脑架构)将随AI能力提升自然收敛[96][97][98] - 具身智能的"GPT时刻"标志是机器人用AI方法可靠完成1-2项现实任务[109][110] 团队与融资 - 核心团队包含华为"天才少年"丁文超(首席科学家)和量产专家陈同庆(首席架构师)[16][17] - 天使轮由蓝驰创投、启明创投联合领投，8家机构跟投，超募现象显著[7][14] - 融资将投入技术研发、模型训练和场景拓展，重点构建数据采集基础设施[13][43][45]

裘翔｜中信证券首席A股策略师 S1010518080002 策略聚焦｜两个关键时点 年内还有两个关键时点：一是4月初外部风险落地后带来的交易性机会，二是年中中美经济和政策周期同频后带来的 配置性机会。第一个关键时点是4月初外部风险落地。这些外部风险包括了美国优先贸易政策备忘录调查结果公布以 及"对等关税"的加征方式和范围明朗；从风险落地后的进攻方向上看，经过3月大幅调整且后期有催化的科技主题， 因其弱宏观关联和强产业催化，预计会成为4~5月最好的方向；从资金面来看，增量资金或来自前期高切低回补、仓 位回补以及部分追逐港股的趋势资金回流。第二个关键时点是年中中美经济和政策周期再次同频。我们预计二季度美 国经济走弱叠加关税压力加大，可能会催生2013年以来中国出现的第四轮总量经济刺激，美国也会推动减税以及降 息；在此之后，预计中美经济和政策周期将迎来2021年后的首次同步共振上行，这有利于打开内需叙事的向上空 间，解除中国核心资产的估值压制，并且随着更多传统核心资产走出业绩拐点，市场将迎来2021年以来最重要的一 次风格切换。 风险因素：中美科技、贸易、金融领域摩擦加剧；国内政策力度、实施效果及经济复苏不及预期； ...