近年，观想科技在"军民两用、双轮驱动"战略指引下，通过长期的技术深耕与市场积淀，围绕"全寿命 周期管理系统、数字孪生、智能装备、人工智能"等四大生态，已构建起以自主可控信息化技术、AI赋 能体系、数字孪生技术和柔性化智能装备为核心的四大技术支柱，并着重打造一系列拳头产品。 观想科技表示，辽晶电子在高可靠半导体分立器件与集成电路领域积累了深厚技术，能够为AI算法的 硬件落地提供核心支撑。而观想科技的AI技术优势，可通过"软件定义硬件"的路线，优化辽晶电子产品 的性能参数与应用场景，实现从单一硬件供应向"硬件+算法"一体化解决方案的升级。 公告披露，此次交易框架已初步明确，公司已与合计持有辽晶电子67.69%股权的主要股东签署《股权 收购框架协议》，达成初步收购意向。截至预案签署日，标的公司的审计、评估工作尚未完成，具体评 估值和交易价格尚未确定。 作为此次收购的标的，辽晶电子具备深厚的电子领域积淀。公开信息显示，该公司成立于2007年，前身 为原辽宁晶体管厂，已通过国家级专精特新"小巨人"企业认定，同时获评辽宁省瞪羚企业，注册资本为 5700万元。该公司深耕半导体分立器件与集成电路领域多年，产品广泛应用于航天、 ...

世界模型与数字孪生概述 - 自动驾驶领域的研究离不开世界模型和数字孪生，核心目标是为感知模型构建虚拟训练环境并缩小其与真实世界的差距[5] - 世界模型的本质目的是理解世界动态并预测未来场景，所有研究路径均以此为核心共识[7] - 数字孪生的作用是在虚拟世界中定义自动驾驶车群的各个环节与要素，通过自由切换时空来低成本、高效率地研究关键技术，从而驱动现实世界技术的发展与落地[19] 世界模型的定义与发展 - 世界模型存在概念泛化问题，当前定义的核心是以视频为底座的“时空认知”，需要大量视频数据，游戏是重要的训练数据来源[7] - 研究分为两大分支：“内部表示”学派用潜在变量建模环境以辅助决策，“未来预测”学派生成真实视频并转向具身交互[7] - 具身环境的世界模型正从单纯模拟视觉动态，转向构建包含空间结构和物理交互的沉浸式环境，以为智能体提供全面学习平台[8] - 世界模型的发展历程包括：心理学起源（1971）、Ha等人首次系统构建（2018）、LeCun的JEPA框架（2022）、LLMs的隐性世界知识（2023）以及OpenAI的Sora实现显性模拟（2024）[10] 世界模型的核心要求与应用方向 - 世界模型需具备物理一致性、多尺度时空建模（从毫秒到分钟，从厘米到公里）以及因果推理能力[11] - 三大核心应用方向包括：作为基础模型的预训练方式、用于仿真和数据生成以补充真实数据不足、以及进行端侧推理以实现实时环境变化预测[11] - 在自动驾驶中，世界模型需要实时感知路况并准确预测其演变；在机器人技术中，则对导航、物体检测和任务规划等任务至关重要[11] 世界模型的技术路径与场景构建 - 3D高斯可能是最有前景的表征方式，但需解决核函数优化问题；神经辐射场（NeRF）与动态建模的组合也值得探索；分层建模可为不同目的服务[12] - 室内环境构建从纯视觉发展到多模态、社交交互及LLM驱动指令生成；室外环境构建早期通过检索3D资产，突破性进展包括使用3D生成模型构建可定制城市（如UrbanWorld）和程序生成的沙盒环境（如MineDOJO）[12] - 动态环境构建实现革命性转变，从静态预定义环境转向生成式模型实时动态模拟，代表工作有UniSim、Pandora和Streetscapes[12] 自动驾驶中世界模型的应用形态 - **学习隐式表示**：通过感知数据在潜在空间构建世界状态的抽象表征，将多模态输入转化为几何/语义空间以预测交通参与者未来轨迹与行为，技术演进从PointNet、CNN到Transformer多摄像头BEV融合及多模态LLM应用[16] - **世界模拟器**：直接生成车辆感知数据（如视频、3D占据网格）以模拟未来世界状态，传统几何空间模拟存在信息丢失、计算昂贵等局限，视频生成方案（如扩散模型GAIA-1/DriveDreamer）能直接生成逼真相机数据并支持文本控制[16] - 数据的表示形态包括图像/视频（如GAIA-1生成多视角驾驶视频）和BEV鸟瞰图（如BEVWorld统一感知-预测-规划）[16] 自动驾驶中世界模型的具体应用与车企落地 - 主要优势在于生成罕见场景（Corner Case），以降低实车路测成本，案例如MagicDrive3D实现可控3D场景生成，DriveDreamer-2用LLM增强多样性[17] - 支持端到端驾驶，如BEVWorld通过统一潜在空间整合感知、预测和规划，实现端到端优化[17] - 交通场景模拟可在几何空间、视频空间（基于扩散的视频生成模型）和3D空间（如OccWorld预测3D占据网格）中进行[17] - 车企落地情况：蔚来有NWM世界模型提供仿真闭环训练环境；小米有ORION框架集成仿真工具链；Wayve有GAIA-1生成式世界模型支持多模态条件[17] 数字孪生的层次与相关技术 - 数字孪生体现在多个层次：物理世界建模/数字化（将现实世界映射到虚拟空间）、模型迭代（利用虚拟环境数据训练感知模型）以及系统迭代（在仿真软件中研究系统并找出解决方案）[20][21] - 相关技术包括：3D占用网格（如OccSora）、点云预测（如Copilot4D预测雷达点云变化）、混合表示（如MaskGWM结合视频掩码重建）、利用LLM进行场景理解（如TOKEN将交通场景标记为对象级知识）以及运动预测（如Trajectron++预测多智能体轨迹）[22] 倾斜摄影三维重建流程 - 流程包括：图像预处理（畸变校正、曝光均衡）、空中三角测量（解算图像精确内外参）、密集匹配（生成高密度点云）、网格构建（生成三维几何网格模型）、纹理映射（生成纹理逼真的三维模型）以及模型优化与输出[23][24][25][26][27] MVSNET技术流程 - 流程包括：输入准备（接收多幅图像及相机参数）、特征提取（用CNN提取像素级特征）、代价体构建（计算特征相似度构建三维代价体）、代价体正则化（用3D卷积网络滤波）、深度图回归（计算深度概率分布生成深度图）以及后处理（优化深度图）[30][31][32][33] NeRF技术原理与演进 - NeRF用一个连续的体积函数表示3D场景，输入3D坐标和视角方向，通过训练神经网络预测点的颜色和密度，并使用体积渲染公式合成新视角图像[34][36] - 原始NeRF训练慢、渲染慢、内存占用大，后续改进包括：Instant-NGP+使用哈希编码将训练速度提升100倍；Mip-NeRF+解决抗锯齿问题；Block-NeRF+支持城市级大场景；D-NeRF+支持动态场景[37] - 与MVSNET区别：MVSNET是显式几何流水线，先生成点云/网格再渲染；NeRF是隐式场方法，直接学习连续函数并可通过体渲染生成任意视角图像[39][40][41] - 在跨场景泛化方面的改进工作包括：代价体编码（如MVSNeRF）、点云特征外挂（如Point-NeRF）、使用注意力机制聚合多视图（如IBRNet）、引入2D大模型先验（如DreamFusion）以及元学习/预训练流程（如Meta-NeRF）[44][45][46][48][50] 3D高斯溅射（3DGS）技术原理 - 核心思想是将三维场景显式地建模为数百万个可学习的3D高斯基元，每个基元包含位置、协方差（决定椭球形状）、不透明度和视角相关颜色（用球谐系数表示）等参数[52][53] - 基本流程：用COLMAP做SfM初始化稀疏点云和高斯球；进行视锥剔除；通过可微分投影将3D高斯变换到2D；采用分块光栅化（Tile-based splatting）按深度排序并行渲染；计算损失并反向传播优化所有参数；通过自适应密度控制（克隆、分裂、剪枝）来增删基元[57][58][59][60][61][62][63][64] - 自适应增删基元的依据：增基元依据梯度反馈、几何特征和多视角一致性；删基元依据全局重要性评分、多视角一致性和几何特征；通过克隆、分裂、直接删除或软剪枝等方式实现，并周期性执行以保持优化稳定性[71][72][74][75][76][77][79][80][82][83][85] 3DGS在自动驾驶领域的应用 - **高精度场景重建**：AutoSplat框架通过物理约束优化实现高度逼真的自动驾驶场景还原；GaussianOcc通过全自监督3D占用估计技术，在无LiDAR标注下使占用预测精度比传统方法提升15%-20%；LumiGauss解决极端光照场景重建失效问题；EGSRAL可实现大规模驾驶场景的自动化3D重建与语义标注[88][89][90][91] - **感知能力增强**：DepthSplat实现3DGS与深度估计的直接联动，可修正LiDAR因遮挡导致的深度误差，使对弱势交通参与者的深度估计误差降低至5厘米以内；3DGS与SLAM融合可实时区分静态背景与动态物体，使定位误差从传统SLAM的0.5米降低至0.1米以内[92][93] - **动态场景建模**：DrivingGaussian专为环视相机设计，采用分区域高斯建模策略，实现360°全方位动态场景重建；GaussianCity通过高斯点分层存储与动态加载技术，将城市场景重建速度提升60倍，可实现平方公里级区域的实时建模[94][95] - **仿真闭环**：3DGS通过高保真场景生成与实时交互，为自动驾驶算法迭代构建更真实的数字孪生仿真环境[97] - **动态场景建模技术**：S³Gaussian采用自监督学习，通过时空场网络和多头高斯解码器实现无需标注的动态场景分解；DrivingGaussian采用增量静态高斯和复合动态高斯图的分层建模策略，并通过引入LiDAR先验使静态背景重建误差降低40%[98][100][102]

并购交易核心信息 - 观想科技拟筹划发行股份购买辽晶电子不低于60%股权，并募集配套资金 [1] - 公司股票自2025年12月22日起停牌，预计在10个交易日内披露交易方案 [1] - 交易双方已签署《股权收购框架协议》，但最终交易细节将以后续签署的正式股份收购协议为准 [1][3] 收购方：观想科技 - 公司是国防科技信息化领域的上市公司，2021年上市后业绩承压，2022年业绩大跌38% [2] - 2024年公司营收为1.52亿元，未恢复至2021年水平 [2] - 2025年前三季度，公司营收6536万元，同比增长4.86%，归母净利润仅76万元，虽同比扭亏但盈利微薄 [2][4] - 此次并购是公司深化“军民两用、双轮驱动”战略的举措 [2] 标的公司：辽晶电子 - 公司成立于2007年，前身为辽宁晶体管厂，是国家级专精特新“小巨人”企业 [1][3] - 公司专注半导体集成电路与分立器件研发生产，产品包括二极管、三极管、达林顿晶体管阵列、场效应晶体管阵列等 [1][3] - 产品广泛应用于航天、航空、船舶、兵器等高壁垒领域 [1][3] 并购战略与协同效应 - 并购标志着观想科技从国防信息化向半导体领域的战略延伸 [1] - 辽晶电子的半导体技术可与观想科技的数字孪生、智能装备管控模块形成技术互补，例如将半导体传感器集成至装备全寿命周期管理系统 [2][4] - 借助辽晶电子在军工领域的客户资源，观想科技可快速渗透半导体国产替代市场 [2][4] - 观想科技可将自身国防信息化技术向民用领域延伸，如智慧应急、智慧安防等场景 [4][5] 行业背景与意义 - 此次跨界并购是观想科技突破成长瓶颈的破局之举 [5] - 并购折射出当前“科技+并购”浪潮下硬科技企业的转型逻辑 [1] - 该交易是中国半导体产业链自主可控进程中的微观缩影 [5] - 在“科技+并购”浪潮下，通过资本运作实现技术跃迁与产业升级成为硬科技企业竞争的新命题 [5]

观想科技筹划收购辽晶电子 - 公司正在筹划发行股份购买资产并募集配套资金事项 股票自12月22日起停牌 预计在不超过10个交易日内披露交易方案 [2] - 本次交易标的为锦州辽晶电子科技股份有限公司 其注册资本为5700万元 经营范围涵盖集成电路、电子元器件的设计、生产、销售及技术服务等 [2] - 公司拟以发行股份方式购买辽晶电子不低于60%的股权 并已与主要交易对方签署《股权收购框架协议》 具体交易细节待正式协议确定 [2] 交易战略意义与业务协同 - 此次交易被认为是公司在智能装备领域的新布局 或将拓展其在基础元器件及混合集成电路的业务发展 [2] - 行业专家认为 交易若成功将使公司迅速切入集成电路等相关领域 拓宽业务边界 丰富产品线 [3] - 借助辽晶电子在电子元器件等方面的技术积累和生产能力 可进一步完善公司在智能装备等业务板块的配套能力 [3] - 收购符合公司“军民两用、双轮驱动”战略 辽晶电子的研发技术服务可与公司的四大技术支柱形成互补 增强技术实力 [3] - 良好的业务整合与协同发展有望为公司带来新的利润增长点 提升在国防科技及民用相关领域的综合竞争力 [3] 公司背景与近期业绩 - 公司是国防科技信息化领域的代表企业 围绕“全寿命周期管理系统、数字孪生、智能装备、人工智能”四大生态构建了四大技术支柱 [3] - 2025年前三季度 公司实现营业收入6536.43万元 归属于上市公司股东的净利润76.3万元 [3] 公司长期发展战略 - 公司将持续深化技术创新 优化产品和服务 巩固在国防信息化领域的领先地位 [4] - 公司将持续拓展业务领域 深化军民融合 推动技术成果向民用市场转化 助力智慧基建、智慧应急、智慧安防等领域的数字化转型 [4]

公司业务与技术应用 - 公司当前的核心技术包括地理空间大数据技术、倾斜摄像和数字孪生 [1] - 上述技术主要应用于智慧城市领域，服务于城市数字化建设需求 [1] - 公司表示将持续关注太空数字数据及太空算力等新兴领域 [1]

公司业务与技术应用 - 公司当前的核心技术包括地理空间大数据技术、倾斜摄像以及数字孪生 [1] - 上述技术主要应用于智慧城市领域，服务于城市数字化建设需求 [1] - 公司表示将持续关注太空数字数据及太空算力等新兴领域 [1]

战略合作签约 - 森宇控股集团与中国移动金华分公司于12月11日签署《战略合作协议》与《5G+未来工厂合作框架协议》[1] - 合作标志着两家行业领军企业将围绕智能制造、产业数字化等领域展开全方位、深层次的合作[1] - 双方旨在共同开启以“未来工厂”为抓手的智造升级新篇章，并探索大健康产业与前沿信息技术融合发展的新路径[1] 合作核心内容 - 合作以森宇入选省级“未来工厂”试点为契机，聚焦智能制造核心场景[1] - 双方将共同推进包括工业互联网平台、企业数据大脑、智慧园区、数字孪生等在内的系统性数字化工程[1] - 合作还将延伸至通信服务保障、市场资源协同、品牌联合宣传及员工互惠福利等多个层面[1] - 合作旨在构建技术驱动、业务融合、价值共享的深度合作伙伴关系[1]

公司发展历程与战略 - 公司执行董事兼首席执行官侯振林长期从事密码加密与解密技术研究，并对人工智能与虚拟交互技术兴趣浓厚，职业生涯早期探索使其坚信人工智能将重塑未来产业格局 [1] - 2023年，寰越集团注资1000万美元在南沙庆盛成立寰越创新技术（广州）有限公司，并新设立寰讯智能技术（广州）有限公司 [2] - 公司以"Meta+AI"双驱动模式，围绕数字孪生、具身智能、AI算法，利用新技术打造新场景 [2] - 公司持续深化粤港科技合作，探索"香港研发—南沙转化—辐射全球"的新模式 [3] 公司成就与技术应用 - 公司在第十三届中国创新创业大赛（广东·广州赛区）暨2024年广州科技创新创业大赛决赛中荣获数字创意行业赛道初创组二等奖 [1] - 公司获评为"南沙新质生产力潜力团队"，并作为技术支持方深度参与香港国际AIGC文化数字内容创作大赛 [1] - 公司方案应用于智慧港口、文旅、文化传播等领域，并依托粤港澳三地顶尖专家团队，实现科技成果与商业场景的创新衔接 [2] - 随着多项关键发明专利获得授权，公司在粤港澳大湾区真正实现了技术成果的商业化应用 [2] 行业与区域发展环境 - 广州南沙庆盛枢纽是《广州南沙深化面向世界的粤港澳全面合作总体方案》划定的先行启动区之一，并于2023年7月正式获批广东省首个未来城市综合实证试点 [2] - 南沙推出支持港澳青年创新创业的系列政策，庆盛枢纽区块的"15分钟港式生活圈"及环香港科技大学（广州）创新区为科创企业集聚提供了便利条件 [3] - 随着《关于金融支持广州南沙深化面向世界的粤港澳全面合作的意见》出台，公司成为首批受益者，顺利完成广州首笔外资资本金"直通入账"，提升了创业便利程度 [3]

培育目标与体系 - 聚焦“1+2+4+N”目标任务体系，分年度分批次培育20个左右两业融合发展区 [1] - 推动先进制造业和现代服务业全要素、宽领域、高水平深度融合，构建现代化产业体系 [1] - 培育目标为形成可复制可推广的典型经验，引领全省两业深度融合 [1] 申报主体与资格 - 申报主体为县（市、区）和省级及以上开发区 [1] - 申报区域制造业增加值（营业收入）占比需达30%以上 [1] - 县（市、区）上一年度地区生产总值需超过200亿元，开发区上一年度营业收入需超过100亿元 [1] 重点任务：技术应用与场景建设 - 夯实数智基底，推广应用数字孪生、智能控制、人工智能、区块链等关键技术 [2] - 支持打造智慧园区、智能工厂、智慧供应链、用户体验中心等各类新场景 [2] - 引导通用大模型、行业大模型和智能体在重点场景布局应用 [2] 重点任务：市场主体培育 - 培育产业链龙头企业、“链主”企业、专精特新“小巨人”、制造业“单项冠军”等各类主体 [2] - 引进培育一批融合化、数字化转型方案提供商 [2] - 推动产业链上下游企业分工协作与融通创新 [2] 重点任务：平台载体与项目建设 - 推动工业设计中心、质量认证中心、检验检测中心、共性技术平台等建设 [2] - 围绕产业园区“十百千”产业集群体系，配套建设共享仓储、供应链管理等生产性服务业平台 [2] - 加强融合发展品牌赋能，打造两业融合领军品牌，办好地方特色品牌创建活动 [2]

AI赋能研发与创新 - 创建全新深度科技中心以增强生物技术研发专长 优化创新流程并提升研究 创新及运营效率 [2] - 新中心将依托传感器系统 产品识别解决方案等现有专长 重点开发新一代传感器 机器人 高性能人工智能及虚拟现实解决方案 [3] - 尖端生物技术将催生全新营养解决方案 强化孕产妇营养 生命早期营养及医学营养创新 并支持健康长寿等新兴增长平台 [3] - 新技术将应用于宠物护理业务 包括宠物治疗领域 推动精准营养领域的重大进展 [3] - 计划于2026年上半年在瑞士奥尔布的雀巢系统技术中心正式启用新技术 [3] AI优化生产与供应链 - 在智能工厂中应用AI技术优化生产流程 包括产品缺陷识别 人员不安全行为提醒及生产工艺过程的高阶控制 [4] - 在东莞美极工厂将机器学习和AI数据建模技术应用于鲜味汁产品发酵工艺 实现关键因素全数据分析和流程自动控制 稳定质量并提升产出效率 [4] - AI能够帮助品牌深入了解消费者需求与偏好 从而提供定制化的产品和服务 [4] - 利用大数据分析市场趋势和消费者偏好 加速产品创新进程 快速响应市场需求 [4] AI驱动营销与包装数字化 - 打造AI驱动的数字孪生技术 为电子商务和数字媒体渠道大规模生成高质量产品内容 [5] - 数字孪生技术基于NVIDIA Omniverse平台开发 采用OpenUSD标准 是物理产品精确的3D虚拟复制品 [5][6] - 该技术无需反复重新拍摄就能利用AI生成新创意内容 已将数字孪生规模化的时间和成本降低70%以上 [6] - 目前拥有4000个3D数字标准产品 计划在未来两年内将10000个产品转化为数字孪生 [6] AI促进可持续包装创新 - 研发部门与IBM研究中心合作开发生成式AI工具 用于识别新型高阻隔性包装材料 [7] - 利用AI处理技术构建已知材料知识库 并对专用化学语言模型进行微调以学习分子结构表示方式 [7] - 产生的模型能够提出全新高阻隔性包装材料 保护敏感产品避免受潮 温度波动和氧气影响 [7] - 新技术将用于识别未来包装材料 同时考虑成本 可回收性和功能性 [7]