具身智能技术发展趋势 - 感知能力升级与多模态融合成为技术发展重点，触觉感知在灵巧手领域发力，力控技术提升操作精细度及反馈能力 [1] - 大模型驱动机器人认知能力提升，基于多模态数据增强感知、自主学习与决策规划能力，轻量化模型设计成为行业落地关键需求 [1] - 仿真环境与数据生态建设加速技术突破，通过物理世界模拟构建机器人认知，sim2real技术推动仿真与现实对齐 [1] 行业生态与资源整合 - 国内外200+具身公司与研究机构形成技术社区，覆盖斯坦福、清华等高校及智元机器人、优必选等头部企业 [6] - 社区整合40+开源项目、60+数据集及主流仿真平台，提供感知、交互、强化学习等全栈技术路线 [6][20][24][26] - 行业数据生态建设聚焦本体多样化，双足、轮式等形态数据需抽象共同特征以促进技术通用性 [2] 技术应用与研究方向 - 多模态大模型在理解与生成领域快速发展，覆盖图像、视频、音频等多模态数据交互 [38][40] - 机械臂抓取、双足/四足机器人等硬件方案技术成熟，开源项目助力系统快速搭建 [51][53][55] - 视觉-语言-动作（VLA）模型与Diffusion Policy成为前沿研究方向，推动机器人任务泛化能力 [43][45][47] 行业服务与支持体系 - 提供研报、书籍、零部件品牌等资源汇总，覆盖工业、医疗、物流等应用场景 [14][16][18] - 建立技术交流与人才对接平台，包含岗位推荐、直播分享及研究方向选择指导 [7][11][57][59]

具身智能技术发展趋势 - 感知能力升级与多模态融合成为技术发展重点 触觉感知特别是灵巧手领域的力控技术显著提升操作精细度及反馈能力 多模态传感器融合技术实现视觉、听觉、触觉信息的硬件与算法深度整合 [1] - 大模型驱动认知能力突破 基于多模态数据提升人形机器人感知与自主学习能力 轻量化模型设计成为行业落地关键需求 需低算力、跨平台的多模态模型支撑 [1] - 仿真环境与数据生态加速训练效率 通过物理世界规律建模实现运动、形变、环境变化的模拟仿真 sim2real技术推动虚拟与现实环境对齐 大规模仿真数据应用于真实场景是当前研究难点 [1] 行业技术资源体系 - 全栈技术社区覆盖40+开源项目与60+数据集 包含强化学习、视觉语言导航、多模态大模型、机械臂策略等16个技术路线 整合主流仿真平台与学习路径 [6] - 数据生态支持本体多样化 双足、轮式、轮足复合等形态数据需抽象共同特征 关节与执行器数据标准化是技术突破基础 [2] 产业应用与研究方向 - 国内外200+头部机构参与生态 涵盖斯坦福、清华等高校及优必选、小米等企业 涉及教育、医疗、物流等8大应用领域 [6][12] - 前沿技术应用场景明确 包括VLM在机器人抓取规划、分层决策优化、Diffusion Policy生成等20+细分方向 [7][44] 行业知识库建设 - 研报与文献覆盖大模型、人形机器人等热点 汇总30+企业研报及机器人动力学、视觉控制等专业书籍 [14][16] - 零部件供应链体系完善 整合芯片、激光雷达、ToF相机等核心部件厂商技术手册与产品数据 [18][22] 人才发展与技术交流 - 提供高校实验室与公司岗位双通道 汇总国内外知名研究机构方向 同步头部企业招聘需求 [9][11] - 实时技术问题讨论平台 涉及仿真平台选型、模仿学习方法、研报获取等实操性议题 [7][58]

具身智能产业概述 - 具身智能定义为基于物理身体进行感知和行动的智能系统，强调智能行为是身体与环境动态交互的结果[12] - 区别于传统AI，具身智能具备物理交互性、环境适应性和生产力型技能三大特征[13][14] - 主要形态包括类人机器人（如特斯拉Optimus）、仿生机器人（如波士顿动力Spot）和环境嵌入式系统（如达芬奇手术机器人）[15] 技术体系 - 核心技术框架为"感知-决策-行动-反馈"闭环： - 感知模块融合视觉/听觉/触觉等多模态数据，采用CNN等算法实现环境解析[19][20] - 决策模块依托GPT/RT-2等大模型进行任务规划，采用分层或端到端模型架构[21][22] - 行动模块结合机器人学与仿生学技术实现精密运动控制[22][23] - 反馈模块通过强化学习与物联网技术持续优化行为策略[23][24] 全球市场发展 - 2024年市场规模25.335亿美元，预计2033年达87.565亿美元（CAGR 15%）[35] - 美国主导技术生态（特斯拉/英伟达等），欧盟侧重伦理治理，日韩聚焦产业协同[1][37] - 商业模式包括软硬结合整机销售（特斯拉）、API接口收费（英伟达）和垂直领域解决方案（ABB）[36] 中国产业现状 - 2023年市场规模4186亿元，政策从国家到地方分层布局（北京/上海/深圳）[1] - 华为/优必选等企业在大模型和机器人本体领域取得突破[1] - 核心挑战包括高端伺服电机国产化率不足60%、数据采集成本高、标准不统一等[1] 技术发展趋势 - 多模态融合与数据生态标准化加速技术泛化[29] - 仿真平台（如"慧思开物"）重塑研发模式[30] - 场景商业化分阶段推进：工业优先（机械臂）、家庭长期培育（服务机器人）[30] - 材料革命推动柔性电子皮肤等新型产品形态[31] 产业链构成 - 上游：传感器/芯片等核心零部件[25] - 中游：机器人本体制造与系统集成[25] - 下游：工业/医疗/物流/家庭等应用场景[25] 安全挑战 - 数实融合攻击可能引发物理系统破坏[32] - 多维度数据采集存在隐私泄露风险[32] - 自主决策事故责任界定困难[33]

数据要素市场发展 - 数据要素被认定为新质生产力的核心生产要素，具有显著的乘数效应和创新引擎作用 [1] - 广州数据交易所（天河）服务专区累计成交金额突破10亿元，占广州市数据交易总额的50%以上 [1] - 截至2025年5月底，该专区数据交易成交金额超过2.8亿元，成交笔数达到41笔 [1] 德生科技业务布局 - 公司深度参与广州数据交易所（天河）服务专区建设，助力政府打造数据要素集聚高地 [1] - 2024年成功中标"广州数据交易所（天河）服务专区代运营服务"项目，并入选广州市首批数据要素企业名单 [2] - 公司将"数据要素"与"协助区域数据生态发展"结合，构建一体化数据生态体系 [2] 数据运营服务能力 - 公司在企业培育、产品孵化、数据交易经纪等方面提供合规安全、集约高效的数据流通交易综合性服务 [2] - 推动区域企业迈入"数据要素×"生态，促进数字经济与实体经济深度融合 [2] - 广州数据交易所（天河）服务专区为企业提供全周期成长支持，包括产品打磨、市场推广、融资对接和国际认证 [2] 数据资产管理优势 - 公司于2024年底获得全球首张"ISO55013数据资产管理体系认证"，具备为全球数据企业进行认证的服务资格 [3] - 公司在数据资产管理体系认证领域已获得领先优势，专业实力和行业地位得到国际组织认可 [3] - 后续将高效整合数据资源，参与地方公共数据资源的登记与治理，推动国家级"数据超市"与地方"服务专区"协同发展 [3]

其次，是技术架构的前瞻性布局。分布式数据库、隐私计算、区块链等新技术正在重塑数据基础设施， 银行应当把握技术演进趋势，构建弹性可扩展的数据平台。 证券时报记者李颖超 商业银行数字化转型已步入深水区。 近期，国有大行、股份行等各类金融机构动作频频——从年报中对数据资产入表的积极探索，到招聘人 才时所展现出的倾向偏好，再到数据平台建设所释放出的招标信息，无一不显露出银行业加速布局数据 资产的态势。 不过，在数据资产变现的"快车道"上，银行业仍需要警惕急于求成的心态，不能盲目追求短期效益。真 正具有远见的银行，正以长期主义思维构建可持续发展的数据生态体系，这种战略定力或将决定未来银 行业的竞争格局。 数据生态建设是一项系统工程，需要银行从战略高度进行整体规划。随着《数据安全法》《个人信息保 护法》等法规出台，数据要素的市场地位得到制度性确认。商业银行拥有海量客户的交易、信用评估等 核心数据，这些资源的价值已超越简单的业务支持层面，成为决定商业银行未来竞争力的战略资产。 构建高质量数据生态，需要银行在三个维度持续发力。 首先，是治理体系的持续性投入。数据治理不是一次性工程，而是需要持续优化的长效机制。 最后，是人才体 ...

财务数据和关键指标变化 - 第一季度GAAP基础上，营收7.53亿美元，同比增长7%；净利润2.32亿美元，同比增长6%；摊薄后GAAP每股收益1.65美元，同比增长9% [19] - 有机恒定货币营收增长7.9%，承保业务增长7.2%，理赔业务增长9.6% [20] - 订阅收入占本季度总收入的83%，按OCC计算增长10.6%；交易收入占17%，按OCC计算下降4% [20][22] - OCC调整后EBITDA增长9.5%，总调整后EBITDA利润率为55.3%，较上年提高130个基点；过去十二个月调整后EBITDA利润率为55%，较去年提高110个基点 [24] - 净利息支出从去年同期的2900万美元增至本季度的3600万美元；报告的有效税率从去年同期的20.3%增至21.6% [25] - 调整后净收入增长4.5%至2.45亿美元，摊薄后调整后每股收益增长6.1%至1.73美元 [26] - 报告基础上，经营活动净现金增加20%至4.45亿美元，自由现金流增加23%至3.91亿美元 [27] - 预计2025年综合营收在30.3 - 30.8亿美元之间，调整后EBITDA在16.7 - 17.2亿美元之间，调整后EBITDA利润率在55% - 55.8%之间，税率在23% - 25%之间，调整后每股收益在6.8 - 7.1美元之间 [28] 各条业务线数据和关键指标变化 - 承保和理赔业务均实现增长，订阅收入在多数基于订阅的解决方案中实现稳健增长，交易收入有所下降 [19][20][22] - 表单规则和损失成本业务通过数字化内容、拓展洞察和推出创新实现更好的价值捕获，本季度将高管洞察和ISO体验指数扩展到商业汽车领域，并推出多项创新 [21] - 反欺诈业务因新解决方案销售强劲和客户从交易型转为订阅型而表现强劲；极端事件解决方案业务实现高个位数订阅增长 [21] - 营销业务中保险客户业务增长有所恢复，但其他对经济更敏感的客户细分市场仍面临挑战 [22] 各个市场数据和关键指标变化 - 据公司和美国财产意外险协会收集的数据，保险行业在2024年恢复盈利，承保收益达250亿美元，为四年来首次盈利 [7] - 2025年初洛杉矶野火预计将给保险行业带来280 - 350亿美元的保险损失 [9] 公司战略和发展方向和行业竞争 - 公司将2024年改进的销售模式应用于更多业务部门，包括新的增长领域，加强与客户的战略对话，以满足客户对更及时洞察、数据集和能力连接以及高效生态系统的需求 [9] - 公司通过核心业务重塑项目、企业风险敞口管理器、Verisk Synergy Studio等项目，为客户提供更深入的洞察、更好的数据集连接和更高效的生态系统 [11][13][14] - 公司持续扩大生态系统，增加新合作伙伴，创建新平台，如监管数据交换平台；并完成对Simplitium的战略收购 [17][18] 管理层对经营环境和未来前景的评论 - 2025年开局良好，公司强调实现持续可预测的增长，注重成本控制，尽管行业面临通胀、监管变化等挑战，但公司有能力在不同宏观经济和保险特定运营环境中实现增长 [6][7] - 公司将继续投资业务，同时向股东返还资本，对2025年的业绩表现持乐观态度，并重申了全年的业绩展望 [28][30] 其他重要信息 - 公司电话会议可能包含前瞻性陈述，实际业绩可能与评论有重大差异，相关影响因素信息包含在最近的美国证券交易委员会文件中 [4] - 公司无法提供预计调整后EBITDA和调整后EBITDA利润率与最直接可比的预期GAAP结果的对账 [5] 总结问答环节所有的提问和回答 问题: 营销解决方案的最新观察和展望，非保险业务是否核心及是否有协同效应 - 营销业务为公司提供了接触保险客户支出的机会，保险客户业务持续增长，但金融服务和抵押贷款等其他客户细分市场面临挑战，未来可自由支配支出的压力可能对业务造成挑战 [33][35] 问题: 表单规则和损失成本业务强定价实现的驱动因素及定价对Q1整体增长的贡献 - 主要驱动因素包括为客户创造的价值得到体现，以及强劲的保费环境，2023年全年保费增长约11%；公司还通过提供更多洞察和自动化工具为客户创造价值 [38][39][40] 问题: 公司利润率表现强劲，全球人才优化工作进展及未来业务效率的思考 - 利润率效率已成为公司流程的一部分，但未来利润率扩张的轨迹可能会有所放缓；本季度利润率扩张受支出时间、营收表现和风暴相关收入的影响；公司需平衡投资强度与利润率，以实现股东的长期利益 [45][46][48] 问题: 将改进的销售模式应用于更多业务和新增长领域的具体情况 - 公司将从大型业务中获得的经验应用于增长型业务，如人寿保险、SBS业务和Verisk营销解决方案，希望取得类似的成功；战略对话的提升将扩展到所有客户 [50][53][54] 问题: 不确定环境下公司业务是否有决策延迟，保险行业是否不受影响 - 公司自身业务对关税等不确定因素没有重大直接风险敞口，但保险行业可能受到影响，如成本上升可能导致理赔成本增加和盈利能力下降，公司正通过数据和分析支持客户应对这些挑战 [55][56][57] 问题: D&A占营收的比例未来趋势及对ROIC的影响 - 公司未给出D&A占营收比例的长期预测，目前D&A受长期项目投入使用的影响，未来增长可能略低于资本支出；公司计算ROIC时排除了折旧和摊销的影响 [59][60][62] 问题: 表单规则和损失成本业务中四条业务线收入增长的持续时间 - 公司在CoreLines重塑项目上的投资旨在为客户持续创造长期价值，随着数据和分析以及GenAI的应用，预计将继续提供更多价值；多数客户签订长期合同，能长期受益 [65][66][67] 问题: 公司在帮助客户提高生态系统效率方面的情况，以及部署解决方案时与遗留系统的挑战 - 行业正通过与第三方供应商合作进行基础设施现代化，这有助于公司实现核心业务重塑投资的效益；公司作为行业连接器，通过开放生态系统和连接网络为客户提供效率 [69][71][73] 问题: 价格实现的结构性变化，加速提价的业务比例及缩小定价与价值差距的时间 - 公司在承保、极端事件和理赔等主要业务渠道都提高了价格实现能力，这得益于与客户的战略对话和为客户创造的价值；缩小定价与价值差距是一个持续的过程 [76][77] 问题: 商业P&C和个人汽车市场竞争加剧，客户是否更关注费用 - 客户一直关注企业层面的效率，定价趋势对其影响不大；2024年行业实现承保盈利，保费增长使客户更有意愿投资以提高效率 [79][80][81] 问题: 2025年2 - 4季度股票回购的节奏 - 公司不提供全年股票回购金额的预测，将遵循资本分配框架，优先考虑业务的有机投资、探索并购机会、支付股息，在不需要资本时通过回购和股息向股东返还资本 [83][84][85] 问题: 交易收入同比下降4%的驱动因素，排除一次性转换影响后的增长情况，以及汽车购物领域未带来积极顺风的原因 - 交易收入下降的原因包括一份合同转换的影响、其他合同转换、生态系统合作伙伴转向承诺合同以及软件项目实施的影响；汽车业务结果平衡，受InsurTech客户流失、业务组合与市场不匹配以及非费率行动业务活动减少的影响 [87][89][93] 问题: 宏观不确定性下客户对话是否有变化，项目是否暂停，哪些业务对经济更敏感，哪些更具弹性或反周期 - 与客户的对话基本没有变化，客户更关注关税对理赔成本的影响，公司通过财产估算解决方案业务跟踪相关成本；公司部分非保险客户细分市场对经济更敏感，如联邦政府和营销业务，但大部分收入来自保险相关客户，对关税影响相对不敏感 [96][97][101] 问题: 市场估值下降时公司希望增强能力的领域及观察到的情况 - 市场不确定性和估值变化为公司带来潜在机会，公司将继续寻找能为保险行业增加价值的产品，通过加速分销或整合到现有产品中提升业务，并获取有价值的数据集；近期收购Simplitium是一个例子 [103][104] 问题: 第二季度天气事件对公司业务理赔的影响 - 野火对公司业务影响极小，财产估算解决方案业务因第四季度飓风和美国严重对流风暴环境获得了少量收益；公司的野火模型受到客户关注，正在与加州保险部就该模型用于费率制定进行沟通 [106][107][108]

科学数据主权与生态体系建设 - 美国国立卫生研究院禁止中国研究人员访问部分关键数据库，美国新兴生物技术国家安全委员会建议全面禁止与中国的生物技术与数据合作，显示美国对华科技打压已扩展至基础性科学数据领域 [1] - 科学数据库已成为科研范式与科技竞争的关键领域，AI驱动的科研智能（AI4S）推动科学研究从"实验驱动"向"数据驱动"转变，高质量开放共享的科学数据库成为战略制高点 [1] - 国际已形成The Material Project、PubMed等标准化高质量科学数据库，德国等国家通过政策支持加强科学数据库建设 [1] 国际科学数据库建设经验 - 国际科技强国科学数据库建设经验包括：坚持开源开放原则、发挥政府引导作用、通过专业机构实现标准化管理、强化多主体协作、持续动态更新数据资源 [2] - 中国已建成20个国家科学数据中心和31个国家资源库，但数据开放性、综合性与国际领先水平存在差距，部分数据库建成时间短（如2019年成立的国家科学数据中心），数据汇聚质量不高 [2] - 当前科学数据管理呈现"条块分割"局面，数据中心分散于不同机构和领域，标准化管理与协作机制不足 [2] 中国科学数据生态体系建设意义 - 建设自主可控的科学数据生态体系有助于打造可信数据空间，避免关键数据被国际政治风险"卡脖子"，支撑国家战略科研项目 [3] - 可充分挖掘中国科学数据资源潜力，强化本土科研智能发展，支撑基础研究高质量发展 [3] - 提升数据治理能力和资源掌控水平，增强中国科学数据话语权和国际科技竞争力 [3] 中国科学数据生态体系建设路径 - 加强战略规划和基础设施建设，将科学数据建设纳入基础研究和科技创新战略高度，建设国家级人工智能与高性能计算云平台 [3] - 实施分级分类开源共享制度，设立差异化开放共享标准，鼓励基础性数据高水平开放，形成跨学科数据汇聚机制 [4] - 构建标准化专业化数据管理体系，设立专业管理机构负责标准制定和质量控制，建立动态评估机制 [4] - 强化数据建设激励与安全机制，明确数据产权和使用权，建立全生命周期数据溯源保护机制，将数据库建设纳入科研评价体系 [4] - 推进科学数据与产业应用深度融合，搭建与产业场景对接的平台生态体系，推动数据在智能制造、新能源、生物医药等领域的应用 [5]