在人工智能从虚拟世界迈向物理世界的革命性进程中，"物理AI"正成为全球科技竞争的新焦点。英伟达 创始人黄仁勋在链博会上预言，物理AI将彻底重塑人机交互的边界，而这一变革的浪潮已在中国市场 掀起波澜。作为国内具身智能领域的先行者，天娱数科通过自主研发的Behavision平台，率先构建了"感 知-推理-执行"的完整闭环，为物理AI的产业化落地提供了关键技术支撑。 在这场从感知、生成、推理到物理AI的演进中，天娱数科自主研发的Behavision平台展现出敏锐的战略 前瞻性。通过融合天星基座大模型、"智者千问"3D智能行业模型及智慧广告大模型，形成协同互驱的 模型矩阵。其中，天星大模型依托260TB多模态数据，具备跨感知推理能力；"智者千问"模型通过 Sim2Real仿真泛化技术，实现"少量真实+大量仿真"的高效训练。数据层面，整合百万级3D语料库与深 度视觉芯片，使机器人在复杂场景中实现自主路径规划、动态避障及精细操作。 在物理AI的产业生态竞争中，天娱数科既是技术先行者，更是标准制定者。行业标准引领方面，具身 智能体解决方案入选中国信通院《AI Agent智能体产业图谱1.0》，成为"场景智能体"核心代表；参 ...

在技术迭代的浪潮中，每一代计算革命都诞生了定义时代的核心载体：PC时代，网站构筑起互联网的 根基；移动时代，APP重塑了数字生态的边界。如今的AI时代，智能体正成为重构产业格局的新引擎。 据Gartner预测，到2026年，30%的企业服务将经由智能体完成。当智能体推动全球AI竞争进入深水区， 天娱数科（002354）通过多模态感知与物理世界交互的深度融合，推动AI从"语言交互"迈向"自主执 行"，成为产业升级的核心生产力。 三位一体智能体生态：破解AI"动口不动手"的行业困局 天娱数科通过"感知-推理-执行"全链路贯通，构建起覆盖数字与物理世界的智能体体系，打破传统AI仅 停留在语言交互的局限。 感知层，通过自主研发的Behavision平台融合百万级3D语料库与深度视觉芯片技术，让机器拥有类人直 觉； 推理层，以自研"天星"基座大模型与"智者千问""智慧广告"行业大模型为核心，构建起适配营销、工 业、文旅等领域的垂直智能体系，打造行业专属的决策大脑； 在旅游营销中，智能体通过用户行为数据分析生成个性化推荐策略，同时自动完成内容合规审核，将运 营效率提升150%，客户响应率与正确率双双突破99%，成为企业真 ...

公司公告 - 公司董事郭柏春被刑事拘留系其任公职期间的个人事项 与公司无关 公司治理结构及内部控制机制完善 生产经营秩序正常 [1] - 公司董事会 监事会运作正常 控制权未发生变化 该事项不会对公司日常生产经营产生重大影响 [1] 财务业绩 - 公司预计2025年上半年实现归母净利润1800万元至2600万元 同比扭亏为盈 [1] - 数据流量业务较上期增长 同时降本增效措施对业绩产生正向影响 [1] 人工智能业务 - 公司智者千问大模型 天星大模型 智慧广告大模型三款企业级大模型通过国家生成式人工智能服务备案 [1] - 构筑AI营销SaaS 移动应用分发PaaS 空间智能MaaS三大业务平台 推动零售 工业 金融 文娱等行业数字化转型 [1] 数据技术进展 - Behavision平台3D数据量突破百万组 多模态数据达35万组 涵盖广泛场景与高精度模型 [2] - 山西数据流量谷与山西数据交易中心达成战略合作 共建数据运营服务基地 推进数据要素资源化 资产化 资本化 [2]

业绩改善 - 公司2025年一季度归母扣非净利润550万元，实现环比扭亏为盈[1] - 2024年全年营收15.79亿元，净利润亏损1.18亿元，较2023年亏损10.8亿元大幅收窄89.15%[1] - 毛利率连续三年增长，数据流量业务毛利率同比提升4.32%[1] - 三费(销售、管理、财务费用)同比下降[1] AI业务表现 - AI营销SaaS平台生成大量AI脚本和短视频，AI直播互动占比高达82.49%[1] - 智慧广告大模型累计生产脚本素材超3.05万条，其中AI生成有效脚本超6700条，占比22.07%[2] - 平台生产短视频200.4万支，AI生成视频超18.8万支，占比9.4%[2] 业务平台进展 - 移动应用分发PaaS平台注册用户3.36亿，同比新增约2400万，上架应用数量超7600个[3] - 空间智能MaaS方面推进具身智能通用平台Behavision建设，2025年1月该平台亮相CES2025[3] 现金流与行业竞争 - 2024年经营活动现金流净额同比减少6564.59%，主要因数据流量业务账期结算未收到款项[4] - 2025年一季报显示经营活动现金流量净额较上期增加97.97%，因数据流量业务回款效率提升[4] - AI营销赛道与百度、字节跳动、蓝色光标等巨头竞争，公司AI大模型规模较小且数据积累有限[4]