首份招股书失效后，群核科技近日向港交所递交更新后的招股书。2025年上半年营收3.99亿元，同比增 长9%，经调整净利润转正，但销售及营销开支、研发开支较上半年同期分别缩水20.7%和16.8%；截至 2025年6月底，赎回负债40亿元。 严重依赖订阅业务的营收结构也未改变。2025年上半年，群核科技来自企业及个人客户的软件订阅营收 占比97.7%，向企业客户提供的专业服务营收占比2.3%。2024年推出的空间智能解决方案SpatialVerse， 客户数10个。 根据群核科技的计划，上市募集的资金将用于国际扩张策略、推出新产品等。招股书更新后，这家首个 公开上市计划的杭州"六小龙"企业紧接着发布两款空间开源模型。在研发、销售开支递减，赎回负债高 悬的当下，群核科技的盈利能否持续，还需要时间解答。 专业服务营收占比2.3% 2025年2月14日，群核科技首次向港交所递交招股书。8月14日，因公司未在6个月内获批，招股书自动 失效。近日，群核科技再次向港交所递表，披露了2025年上半年的最新业绩。 除软件产品外，群核科技也向企业客户提供专业服务，主要包括建模服务、技术配置服务及客户培训， 具体按个别磋商的项目合 ...

财务表现 - 2025年上半年营收3.99亿元人民币 同比增长9% 但增速较2023年的10.5%和2024年的13.8%有所放缓 [1][4] - 经调整净利润1782.5万元人民币 实现扭亏为盈 上年同期为经调整净亏损7319.6万元人民币 [7] - 2022-2024年持续亏损 经调整净亏损分别为3.38亿元 2.42亿元 7004.9万元人民币 [7] 业务结构 - 营收高度依赖订阅业务 2025年上半年软件订阅营收占比97.7% 专业服务营收仅占2.3% [1][4] - 订阅收入集中度持续提升 从2022年的90.6%上升至2025年上半年的97.7% [4] - 空间智能解决方案SpatialVerse于2024年推出 目前获得10名客户 订单总值约300万元人民币 [1][5] 成本控制 - 销售及营销开支从2024年上半年的1.71亿元减少至2025年上半年的1.36亿元 同比下降20.7% [1][10] - 研发开支从2024年上半年的1.8亿元减少至2025年上半年的1.5亿元 同比下降16.8% [1][10] - 销售人员数量持续减少 从2023年底的615名降至2024年底的540名 再降至2025年6月底的501名 [10] 战略规划 - 计划将上市募集资金用于国际扩张 重点市场包括韩国 东南亚 印度 美国及日本 [1][10] - 拟建立250人的销售团队 未来3-5年年度市场推广预算约2000万元人民币 [10] - 计划扩大AIGC及几何建模研发团队 未来3-5年规模将达到30-35人 [10] 产品创新 - 发布两款空间开源模型SpatialLM 1.5与SpatialGen 支持对话交互和3D场景生成 [7] - 计划2025年推出基于3D技术的AI视频生成产品 解决AIGC视频时空一致性问题 [7] - 行业专家认为AI视频是短期内较可行的功能场景 但客户痛点和盈利模式尚不明确 [9][11] 资本结构 - 截至2025年6月底存在赎回负债40亿元人民币 [1] - 公司提示自成立以来持续亏损 未来可能继续亏损 [10]

上市申请与融资背景 - 公司于2025年8月22日更新招股书，二次向香港联交所递交上市申请，由摩根大通和建银国际担任联席保荐人 [1] - 募集资金拟用于国际扩张、产品功能增强、国内销售推广、核心技术投资及营运资金 [1] - 2013-2021年共完成11轮融资，总金额2.95亿美元（约21.13亿元人民币），每股成本价较首轮增长145倍 [3][4] - 自2021年10月E+轮融资后未获新融资，资本市场关注度下降 [1][5] 财务表现与负债压力 - 2025年上半年经调整净利润扭亏为盈，但经营现金流量净额仍为负值，2022年以来累计净流出5.49亿元 [1][10] - 截至2025年6月底赎回负债达39.38亿元，占流动负债总额86.97%，资产负债率（剔除赎回负债）高达121.56% [8] - 递延收入构成主要负债来源，报告期内流动及非流动递延收入维持在5.07-6.17亿元区间 [9] - 现金及等价物加定期存款合计4.19亿元，超20亿元融资资金已基本消耗 [10] 成本控制与盈利改善 - 研发费用率从2022年72.9%降至2025年上半年37.5%，销售费用率同期从53.4%降至33.9% [1][11] - 2022-2024年累计净亏损20.89亿元，经调整净利润累计亏损6.67亿元 [10] - 盈利改善主要依赖裁员和费用削减，但期间费用仍为亏损主因 [10][12] 业务模式与市场地位 - 公司为云原生空间设计软件提供商，核心产品包括酷家乐、Coohom、SpatialVerse等，覆盖全球200多个国家和地区 [3] - 按2024年收入计，公司占据中国空间设计软件市场23.2%份额，为行业第一 [3] - 客户集中于房地产上下游企业，包括设计公司、家具制造商及零售商 [13] 行业风险与客户表现 - 2024年全国新房销售额同比下降17.1%，家装市场规模收缩16.8% [13] - 企业客户净收入留存率从2022年112.3%降至2025年101.6%，每企业客户订阅收入稳定在1.36-1.48万元区间 [13][14] - 大客户留存率较高但数量有限（2025年406家），个人客户订阅收入贡献较低（280元/客户） [14][15] 战略规划与资本用途 - 计划重点扩张韩国、东南亚、印度、美日市场，拟组建250人销售团队 [12] - 未来3-5年年度市场推广预算约2000万元，研发团队拟扩至60-75人并增加3000台服务器 [12] - 若上市失败，投资者赎回权及撤资权将自动恢复，加剧偿债压力 [8]

3D高斯语义数据集InteriorGS - 公司发布全球首个适用于智能体自由运动的大规模3D高斯语义数据集InteriorGS，包含1000个3D高斯语义场景，涵盖超80种室内环境 [2] - 该数据集首次将3D高斯技术引入AI空间训练领域，结合自研空间大模型能力，兼具真实感与语义性 [5] - 数据集已在HuggingFace、Github发布，全球开发者可下载使用 [5] 3D高斯技术应用 - 3D高斯溅射技术凭借"扫描即可重建场景"优势，已在文物保护、空间设计等领域应用 [4] - 公司工程师利用该技术成功还原杭州一座60多年老照相馆空间，引发广泛关注 [4] - 公司搭建"3D高斯重建+空间大模型+物理仿真"训练数据生成新路径，可快速完成场景重建并赋予语义逻辑 [5] 空间智能平台布局 - 公司SpatialVerse平台积累海量可交互三维数据与物理仿真工具，其InteriorNet数据集为全球最大室内场景认知深度学习数据集 [7] - 平台目标是成为空间智能领域的"ImageNet"，为AIGC、XR、具身智能等领域提供训练基础 [7] - 公司开源空间理解模型SpatialLM曾登上Hugging Face趋势榜前三，获谷歌与斯坦福联合研究论文引用 [7] 行业合作与影响 - 公司已与智元机器人、银河通用、穹彻智能等具身智能企业达成合作 [7] - 公司首席科学家提出Sim2Real是当前最高效的具身智能训练范式，计划联合行业推进"现实-虚拟-现实"范式 [8] - 通过3D高斯语义数据集发布和机器人大赛，吸引全球开发者参与技术发展 [8]

公司概况 - 群核科技成立于2011年，是以AI技术和GPU集群为底座的空间智能企业，旗下拥有"酷家乐"、"Coohom"、"SpatialVerse"等产品 [2] - 按2023年平均月活用户计为全球最大空间设计平台，按同期收入计在中国市场占有率达22.2% [5] - 2023年收入6.635亿元，在中国空间设计软件行业排名第一，领先第二名公司A（收入6.55亿元，市占率21.9%）[7] 财务表现 - 2022-2024年前三季度营收分别为6.01亿元（+10.48% YoY）、6.64亿元、5.53亿元（+13.77% YoY），增速平缓 [7] - 同期净亏损持续扩大，分别为7.04亿元、6.46亿元、4.22亿元；经调整净亏损为3.38亿元、2.42亿元、9361万元 [8][9] - 毛利率保持较高水平，报告期内从72.7%提升至80.4%，但经营亏损率从67%收窄至23.2% [8] 成本结构 - 研发费用占比最高但逐年下降，分别为4.38亿元（72.9%）、3.91亿元（58.9%）、2.63亿元（47.6%）[10] - 销售及营销开支占比超40%，分别为3.21亿元（53.4%）、3.56亿元（53.7%）、2.48亿元（44.9%）[10] - 三大费用（研发+销售+行政）合计占比常年超过100% [10] 业务模式 - 超90%收入依赖"酷家乐"和"Coohom"的订阅费及技术服务费 [11] - 企业客户数量从2022年3.3万增至2024年4.55万，贡献订阅收入占比从90.1%降至85.4% [12] - 单客订阅收入从1.48万元降至1.36万元，净收入留存率从112.3%下滑至104.2% [13] 行业风险 - 核心客户集中在房地产上下游（室内设计/家具制造/家装企业），受2024年新房销售额同比下降17.1%、家装市场规模收缩16.8%影响 [13] - 大客户留存率从2022年127.6%降至114.1%，反映客户付费能力与忠诚度减弱 [13] 资本结构 - 资产负债率从期初534.5%飙升至754.4%，负债总额42.55亿元远超资产总额5.64亿元 [14][15] - 赎回负债从28.86亿元增至35.40亿元，流动负债净额达36.91亿元，现金及等价物仅2亿元（较期初减少45.2%）[14][15] - 经营现金流从2.67亿元降至1.65亿元，流动性风险凸显 [15] 上市进展 - 2021年曾尝试美股上市未果，2025年2月重启港股IPO [1] - 2024年4月被证监会要求补充股权架构、数据安全等合规材料 [2][4] - AI功能涉及数据训练引发监管关注，需说明信息收集规模（未披露具体数据）及安全措施 [4]

报告行业投资评级 未提及 报告的核心观点 - 数据是推动具身智能技术快速突破和落地应用的关键，优质数据集能驱动智能体感知与理解环境，加速具身智能模型的训练与部署，帮助机器人完成复杂任务 [3][17] - 具身智能数据按采集方式分为真实数据和仿真数据，两者互补，未来训练将大量混合使用 [3][22] - 目前具身智能数据多为厂商自采集，存在丰富开源数据集，但大规模真机数据采集成本高 [3] - 机器人仿真数据依赖虚拟场景，场景合成方案可拆解为场景生成与模拟两部分 [3] - 建议重点关注布局具身智能数据集的企业，如均胜电子、海天瑞声、索辰科技、华如科技 [3][76] 根据相关目录分别进行总结 具身智能数据集基本概念 - 具身智能的关键因子包括算法、算力、机器人硬件和数据，目前数据是世界级难题 [11] - 数据是具身智能技术突破和应用的关键，但高质量、多样化数据集稀缺，构建此类数据集是基础工作，且数据集的标准和有效很重要 [17] - 数据采集的关键价值包括促进通用智能形成、增强环境理解能力、支持任务迁移与泛化、提升实时决策能力，其难点包括高昂成本、数据复杂性、覆盖面不足、仿真 - 现实差距和设备差异性 [21][20] - 具身智能数据分为真实数据和仿真数据，真实数据通过传感器在真实环境交互采集，来源有机器人遥操和动作捕捉；仿真数据借助计算机模拟技术在虚拟环境生成，两者互补，未来将混合使用 [22][24] - 具身智能数据质量把控重要，中国信通院等编制了相关标准，国家地方共建具身智能机器人创新中心牵头立项行业标准并发布多项报告，加速具身智能行业良性发展 [27] 国内外具身智能真实数据集现状 - 当前具身智能机器人数据多为厂商自采集，采集方式有直接接触和间接接触两种，真机数据采集成本高，市面上存在丰富高质量开源数据集 [32] - 介绍了多个具身智能开源数据集，如智元的AgiBot World、谷歌的Open X - Embodiment、国地共建中心的RoboMind等，涵盖演示数量、场景任务、动作技能等信息 [30] - 智元的AgiBot World是全球首个基于全域真实场景等的百万真机数据集，长程数据规模、场景范围覆盖面等优于谷歌相关数据集，涵盖多种场景和操作对象，基于特定机器人采集数据 [35] - 谷歌的Open X - Embodiment是开放的大规模标准化机器人学习数据集，研究人员训练了RT - 1和RT - 2模型 [38] - 国地共建中心的RoboMind数据集解决了全球开源数据集的一些问题，采用多种形态机器人采集数据，涵盖多任务多场景，计划开源数据 [41] - 特斯拉Optimus机器人的数据有三个来源，目前数据来自VR遥操和动捕手套 [45] - 国家地方共建人形机器人创新中心启用具身智能训练场，助力数据采集 [46] 国内外具身智能仿真数据集现状 - 机器人仿真数据依赖虚拟场景，场景合成方案可拆解为场景生成与模拟，场景生成引擎有合成视频 + 3D重建和AIGC直接合成3D数据两种技术路径 [3][52] - 群核科技是空间智能领军企业，其SpatialVerse为机器人提供优质数据服务，构建物理正确的数据集库 [60] - Hillbot专注具身合成数据，利用3D生成式AI技术生成数据和模拟互动 [61] - World Labs专注空间智能，发布空间智能模型，生成逼近物理世界的3D环境建模 [64] - 智元推出AgiBot Digital World仿真框架，开源海量仿真数据集，涵盖多种场景、物品、材质和技能 [67] - CMU联合开源生成式物理引擎Genesis，为机器人提供统一模拟平台 [68] - 英伟达的NVIDIA Isaac Sim结合Cosmos可生成可控合成数据，同时发布的Isaac GR00T Blueprint可帮助开发者生成合成轨迹数据 [74] 相关标的 - 重点关注布局具身智能数据集的企业，包括均胜电子（数据场）、海天瑞声（机器人数据集）、索辰科技（数据仿真）、华如科技（数据仿真） [76]

具身智能数据挑战 - 高质量数据是具身智能突破的关键[1] - 现实数据采集成本过高，合成数据技术成为重要解决方案[2] - 当前具身智能数据存在数量少、场景单一、语义标签粗略等问题[16][17] - 自动驾驶已建立城市级仿真数据闭环，但室内环境缺乏3D合成平台[4][18] 技术路线之争 - 两条主流技术路径："视频合成+3D重建"与"端到端3D生成"[3] - 视频合成路线存在模态转换链路过长、误差累积、精度瓶颈等问题[24][39] - 端到端3D生成路线理论效率高但面临常识欠缺、现实合理性不足等挑战[67][69][70] - 视频合成路线代表案例：群核科技SpatialLM+SpatialVerse[28][31]、Hillbot Cosmos+Sapien[35][37] - 端到端3D生成代表方法：GNNs[49]、自回归Transformer[53][54]、扩散模型[60]、程序化生成[62] 模态编码创新方案 - 提出"模态编码"技术，将空间设计规则转化为可学习的数学结构[5][75][77] - Sengine SimHub通过强化学习嵌入行业知识，生成兼具功能性与合理性的3D场景[76][78] - 模态编码支持从户型图/功能需求到结构化3D数据的自动转译，提升语义理解能力[81] 行业现状与趋势 - 机器人运动控制能力已成熟，但环境感知与推理能力仍是短板[98] - 现有合成数据技术难以满足家庭场景的多样性与交互真实性需求[18][40] - 未来需构建支持规则嵌入、偏好吸纳、交互可控的空间数据生成体系[90][94] - 合成数据将成为具身智能迈向通用能力的关键推动力[100] 代表性研究进展 - 李飞飞团队BEHAVIOR基准基于mesh网格生成，缺乏语义标注[25][30] - ATISS利用自回归Transformer生成合理室内布局[54][57] - DiffuScene通过扩散模型生成物理合理的完整场景[60][62] - Infinigen Indoors通过程序化生成实现高可控性3D场景[62][80] - SceneTeller展示语言到3D场景的强映射能力[65][67]

具身智能技术路线之争 - 核心观点：具身智能领域存在两条主要技术路线——"视频合成+3D重建"与"端到端3D生成"，前者存在模态转换误差累积问题，后者理论效率更高但面临常识欠缺挑战 [1] - 当前机器人高难度动作主要依赖遥控/预设编程，环境感知与推理能力仍是短板 [1] - 合成数据被视为具身智能突破关键，英伟达指出机器人领域缺乏互联网规模数据，室内环境3D合成平台尤为稀缺 [1][6] 具身智能现实挑战 - 智能困境：机器人运动控制能力成熟，但空间理解力不足，难以处理陌生环境中的语义推理 [3][4] - 数据困境：现有数据来源（真实扫描/游戏引擎/开源数据集）存在场景单一、效率低、语义粗糙等问题，缺乏物理一致性（如可承重桌面、可开启门） [6] - 家庭环境多样性导致传统数据采集方式不经济，需依赖合成数据覆盖变体 [8] 技术路线一：视频合成+3D重建 - 代表方案：李飞飞团队BEHAVIOR基准生成mesh壳体但缺乏结构语义 [13]，群核科技SpatialLM+SpatialVerse通过LLM理解3D语义但仍存物理精度问题 [16] - Hillbot采用NVIDIA Cosmos生成视频片段，通过Sapien/ManiSkill重建3D场景并赋予物理属性 [21] - 核心缺陷：路径长导致误差累积，生成结果结构精度有限 [11][16] 技术路线二：端到端3D生成 - 主要方法： - 图神经网络（GNN）：MIT超图模型优化空间关系，HAISOR结合强化学习优化人机交互布局 [27][29] - 自回归Transformer：ATISS基于房间平面图生成多样化布局，InstructScene实现文本指令到结构图转化 [30][33] - 扩散模型：LEGO-NET迭代优化布局，DiffuScene生成物理合理场景 [31][37] - 程序化生成：Infinigen/ProcTHOR通过规则合成高可控性场景 [35][38] - LLM应用：FlairGPT分解设计任务，SceneTeller实现文本到3D场景直接生成 [36][41] - 核心挑战：生成质量低、常识欠缺（物体重叠/通道阻塞）、程序化生成缺乏设计弹性 [39][40][42] 生境科技模态编码解决方案 - 提出"模态编码"技术，将设计知识（如餐桌靠近厨房）转化为可学习的数学结构 [44] - Sengine SimHub引擎通过空间模态编码+强化学习，实现户型图到3D场景的自动转译，考虑功能/动线/家具逻辑等实际因素 [44][48] - 系统内嵌训练流程提升生成稳定性，使合成数据更贴近真实空间逻辑 [45] 行业技术对比 - 视频合成路线：依赖真实视频的先天常识优势，但信息效率低 [1][39] - 端到端生成路线：理论效率高但需解决常识嵌入问题，代表模型包括ATISS/LEGO-NET/DiffuScene等 [11][31][33] - 未来方向：需构建可嵌入规则的空间数据生成体系，模态编码或成关键突破点 [49][50] 代表性研究 - GNN：HAISOR优化人机交互布局 [29]，PlanIT实现高层语义规划 [52] - 扩散模型：DiffuScene生成物理合理场景 [37]，LEGO-NET学习人类布局偏好 [52] - 程序化生成：Infinigen提供无限变体高质量数据 [46][52]，ProcTHOR支持大规模交互环境 [38][52] - LLM应用：FlairGPT分步骤拆解设计约束 [52]，SceneTeller实现语言到空间映射 [41][52]

群核科技开源空间理解模型SpatialLM - 公司在GTC2025全球大会上宣布开源基于大语言模型的3D场景语义生成框架SpatialLM，突破传统大语言模型对物理世界几何与空间关系的理解局限 [3][5] - SpatialLM赋予机器类似人类的空间认知和解析能力，为具身智能领域提供基础空间理解训练框架，企业可针对特定场景微调模型以降低训练门槛 [5] - 公司董事长黄晓煌表示目标是打造从空间认知理解到空间行动交互闭环的具身智能训练平台，去年发布的空间智能解决方案SpatialVerse通过合成数据方案为机器人搭建"数字道场"实现仿真环境训练 [5] 公司技术发展路径 - 公司利用GPU高性能计算提升渲染效率，将原本需要几十分钟的渲染时间缩短至十秒，使酷家乐产品快速获得市场认可 [8] - 当前业务方向是利用海量三维可交互数据集和空间认知能力构建"数字道场"，为人形机器人提供虚拟训练环境 [8] - 公司技术路线与英伟达黄仁勋主张的物理AI助力具身智能发展理念高度契合，黄仁勋在GTC大会提出AI发展将经历生成式AI、代理式AI到物理AI三个阶段 [8] 创始人背景与合作进展 - 创始人黄晓煌毕业于浙江大学，获英伟达全额奖学金赴UIUC深造GPU高性能计算，曾任职英伟达开发CUDA框架 [8] - 公司已与硅谷头部科技企业在内的国内外具身智能企业达成空间和具身智能训练合作 [5] - 黄晓煌在GTC大会期间与英伟达CEO黄仁勋会面，双方就技术理念进行深入交流 [7][8]

蜜雪冰城 - 公司已通过港交所聆讯 即将在港挂牌上市 [2][3] - 截至2024年底门店数量达46479家 全球现制饮品门店数量第一 [4] - 2024年出杯量约90亿杯 同比增长21.9% 终端零售额583亿元 同比增长21.7% [4] - 海外市场覆盖11个国家 东南亚市场现制茶饮品牌排名第一 海外门店约4800家 [4] - 2021-2024年终端零售额分别为228/307/478/583亿元 出杯量36/47/74/90亿杯 [5] - 2023年中国现制饮品市场份额11.3% 出杯量份额32.7% 均为行业第一 [5] 古茗 - 公司于2025年2月12日在港交所主板上市 股票代码1364 [7] - 截至2023年底门店9001家 同比增长35% 2024年11月扩展至9823家 [7] - 2023年GMV达192亿元 同比增长37.2% 2024年前三季度GMV166亿元 同比增长20.4% [7] - 2023年加盟商单店经营利润37.6万元 经营利润率20.2% [7] - 2024年前三季度推出85款新品 小程序注册会员1.35亿 季度活跃会员超4300万 [7] - 2023年平均季度复购率53% 远超行业平均30%的水平 [7] 群核科技 - 公司于2025年2月14日向港交所递交招股书 拟主板上市 [8] - 2023年按MAU计算为全球最大空间设计平台 按收入计算为中国最大空间设计软件提供商 市场份额22.2% [10] - 2024年平均月活跃访客8630万 企业客户从2022年33058名增至2024年45548名 [10] - 2022-2023年营收6.01/6.64亿元 同比增长10.5% 2024年前三季度营收5.53亿元 同比增长13.8% [10] - 旗下拥有酷家乐、Coohom、SpatialVerse等空间智能产品 [10] 宁德时代 - 公司于2025年2月11日向港交所递交H股上市申请 [12] - 2024年1-9月总收入2590亿元 归母净利润361亿元 同比增长15.7% [12] - 2024年前三季度毛利率25% 同比提升5.7个百分点 [12] - 截至2024年9月底现金储备2818亿元 资产负债率保持稳定 [12] - 动力电池使用量连续8年全球市占率第一 储能电池出货量连续3年全球第一 [13] - 募资将用于海外产能扩张和国际业务拓展 [13]