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]

从认知AI迈向物理AI - 下一波AI浪潮将进入"物理AI"时代，AI从数字世界走向物理世界，具备感知、推理、决策、执行的完整能力链条 [2] - 物理AI强调与现实场景的交互能力，要求多模态感知、Agent系统和实时响应能力，人形机器人和自动驾驶属于此范畴 [2] - 大模型训练逻辑从依赖大数据预训练转向"后训练"和微调，强化学习成为AI行为与人类意图对齐的关键过程 [3] - 物理AI将重构上游产业链价值，传感器厂商（如Sony、ADI）和精密减速器制造商（如Harmonic Drive、Nabtesco）从边缘走向核心 [3] 行业生态与竞争格局 - 云计算架构面临调整，IaaS层标准化为基础设施，SaaS层轻量化，差异化回归业务逻辑和产品体验 [4] - 大模型发展逼近Scaling Law临界点，评估标准从参数规模转向综合表现（超长文本处理、多步推理、物理交互） [4] - 未来AI核心应用场景可能围绕制造业展开，原生搭载物理AI的设备（如AI手机、AI电脑）将重塑人机交互方式 [5] - 开源从技术路线之争演变为商业战略，开源模型因灵活性和透明度成为场景级落地的关键基础 [6][7] 企业战略布局 - 英伟达从芯片制造商转型为AI基础设施建设者，投资云计算公司CoreWeave（市值730亿美元）体现其AI Infra战略 [11] - 英伟达布局边缘计算平台，瞄准自动驾驶、机器人等对延迟敏感的物理AI场景 [12] - 阿里云推行"IaaS+PaaS一体化"模式，从资源卖家转向产品提供者，向生态型平台进化 [13] - 硬件、算力、模型、数据边界模糊，企业争夺"算力+平台"支点以重构下游规则 [14][15] 技术与社会影响 - 开源生态推动模型安全性和权责划分，开发者共建过程倒逼实践规范 [9] - 英伟达推出NVLink Fusion技术开放生态系统，鼓励硬件厂商互操作 [9] - 生命工程领域潜力巨大，英伟达推出蛋白质结构AI生成模型La-Proteina瞄准医药行业 [10] - AI与人类关系从"工具"转向"共生"，手机原生AI助手用户规模增长但交互方式尚未定型 [10]

报告行业投资评级 未提及 报告的核心观点 报告认为具身智能发展处于早期，当前缺乏模拟学习能力，物理AI是构建模拟学习的核心；世界模型约等于空间智能加物理AI；建议重视3D数据资产和物理仿真引擎双主线，看好中国物理AI稀缺资产索辰科技 [4][37]。 根据相关目录分别进行总结 从生物智能五阶段映射具身智能，模拟、规划能力是当前缺失环节 - 阶段一（关联性学习）：生物智能起源于早期两侧对称生物学会“行动导航”，如线虫学会“转向”，“行动导航”是扫地机器人落地前提；早期两侧对称生物具备两侧对称结构、效价神经元、大脑和“情感”雏形；“关联性学习”是对未来初步“预测”的前提 [10][11][13]。 - 阶段二（强化学习）：早期脊椎动物学会“试错”，构成“强化学习”基础；“基于预期奖励的时序差分强化学习”有助于缩短试错时间、建立更长预测时间窗口；该机制形成涉及时间感知和空间感知 [15][17][18]。 - 阶段三（模拟学习）：早期哺乳动物学会“规划”，即“模拟学习”；构建基于模型的强化学习困难，因真实世界动作连续、信息嘈杂不完整、奖励复杂；大鼠在“不确定性”情况下触发模拟 [22][24][29]。 - 阶段四（模仿学习）：灵长类动物学会“模仿学习”，映射到具身智能，“模仿学习”分为“主动教学”与“逆向强化学习”两种策略 [32]。 - 阶段五（语义处理）：人类掌握“语言”，形成大规模协作；具身智能产业中，模拟学习应用相对初级，未来拥有3D空间智能的机器人具备“仿真”能力后将进化为硅基生命 [35][36]。 复盘智能驾驶模型算法演绎历史，世界模型≈空间智能+物理AI - 智能驾驶VS具身智能：智能驾驶是具身智能现阶段落地可行性及商业闭环被验证的场景，众多人形机器人核心创始团队有智能驾驶从业经验；智能驾驶“反物理交互”，人形机器人需高频“物理交互” [37][41]。 - 从特斯拉FSD说起：特斯拉FSD智能驾驶算法经历“模块化”规则驱动算法、感知模块引入BEV+OCC架构实现“端到端”、追求“一段式端到端”三个阶段；VLM、VLA等慢思考模型逐渐发展成熟 [44][46][53]。 - 谈及世界模型、物理AI：世界模型约等于空间智能加物理AI，英伟达Cosmos侧重视频世界模型；空间智能核心是让模型理解3D空间信息，获取3D空间数据有真实数据采集与仿真合成数据两条路线；物理AI解决机器人与物理世界交互及“缺数据”难题 [66][71][77]。 重视3D数据资产+物理仿真引擎双主线，看好中国物理AI稀缺资产索辰科技 - 群核科技：推出空间智能平台Spatial Verse，为空间智能算法提供产业级工具；2024年前三季度营收5.53亿元，经调整亏损率收窄至17%；毛利率持续提升，业务以订阅收入为主 [80][84][86]。 - 索辰科技：发布索辰开物平台，将发布“机器人虚拟训练平台”；2024年营收3.79亿元，2020 - 2024年营收CAGR达23.7%；业务分工程仿真软件与仿真产品开发两部分，研发投入强度较高 [92][95][100]。

行业动态 - 第三届链博会在北京举办先进制造主题活动，AI成为展会焦点之一 [2][3] - 英伟达CEO黄仁勋出席链博会开幕式并首次尝试中文演讲，强调中国供应链是"奇迹"，美国企业扎根中国市场至关重要 [2] - 黄仁勋与王坚在链博会进行AI围炉对话，成为活动最受期待环节 [4] AI技术发展 - AI技术从依赖人工编程转向通过海量数据机器学习，2012年深度学习成为有效工具，计算机视觉、语音识别和自然语言处理实现突破 [4] - 生成式AI实现跨模态信息转换，突破单一媒介限制，当前技术焦点转向推理智能 [4] - 物理AI将成为下一波浪潮，指能感知、理解并直接在现实世界执行复杂操作的自主系统，通常嵌入机器人或自动驾驶车辆 [5] - 过去十年英伟达算力提高十万倍，能处理更多数据使机器学习更有效 [7] - AI从人工强化训练转向自主思考、生成数据、推理和实践 [7] 中国AI发展 - 中国孕育并开源共享DeepSeek、通义千问、混元、文心一言、Kimi等世界级大模型 [7] - 中国研究者发布的AI论文数量全球占比最高，推动开源科学发展 [8] - 开源是保障AI安全的关键，有助于推动国际社会在技术标准、性能基准和安全防护措施方面的协作 [8] - 中国开源AI是推动全球进步的催化剂，让各国和各行业有机会参与AI革命 [8] AI应用前景 - AI将重塑科学范式，在药物设计领域可解析蛋白质结构，在气候模拟方面可浓缩海洋、大气、冰盖物理特性进行预测 [9] - AI是最强大的"平等器"，农民、老人、孩子都能用它赋能 [9] - AI领域机会广阔，可能成为个人终身机会 [9]

公司战略与市场表现 - 英伟达创始人兼CEO黄仁勋在2024年已是第三次来华，持续释放出公司对中国市场高度重视的信号[1] - 中国市场是英伟达全球第四大市场，2025财年中国区业务收入约170亿美元，占其总营收13%左右[1] - 公司未来策略是持续加大在中国市场的投资，而非维持现状，因为竞争激烈，对手都在全力投资[1] 中国市场吸引力 - 中国市场吸引力体现在巨大增长潜力的市场份额，中国是全球AI、数据中心、自动驾驶及智能制造领域的核心增长极[1] - 黄仁勋预计未来两三年内中国AI市场规模将增长至500亿美元，若英伟达被排除在外将是巨大的损失[1] - 中国拥有广阔的应用场景和丰富的落地实践，尤其在自动驾驶、机器人等相关产业全球领先，有助于英伟达在未来应用创新浪潮中保持优势[2] 中国AI产业与人才优势 - 中国AI产业活力迸发，开源贡献显著，正在推动全球AI快速发展[2] - 中国孕育并开源共享了DeepSeek、Alibaba、Tencent Hunyuan、MiniMax、Baidu Ernie Bot等世界级大模型[2] - 全球大约50%的AI研究人员都在中国，目前中国研究人员在arXiv上发表的论文数量是全球最多的[2] 中国供应链与政策环境 - 中国供应链体系复杂、完整、高效且极具制造优势，是构成全球AI硬件和智能工厂建设的关键基石[3] - 全球供应链高度相互依存，AI有望为中国卓越的供应链生态系统带来新的增长机遇[3] - 中国持续开放的政策环境为外资企业注入长期信心，商务部部长明确中国开放的大门只会越开越大，利用外资的政策没有变也不会变[3] 中国市场战略价值 - 中国市场的巨大规模、不可替代的应用场景、稳定开放的政策环境、蓬勃的创新发展活力以及面向未来的增长潜力，对外资科技巨头的战略价值因必要性与稀缺性更加突出[4] - 全球科技巨头掌门人密集来华，传达出外资企业在复杂国际环境下，依旧高度依赖并持续看好中国这一全球关键市场的强烈信号[3][4]