索辰科技8月29日发布投资者关系活动记录表，公司于2025年8月27日接受150家机构调研，机构类型为保险公司、其他、基金公司、海外机构、证券公司、阳光私募机构。 投资者关系活动主要内容介绍： 公司投资者关系经理叶泓池、公司董事会秘书谢蓉女士对上海索辰信息科技股份有限公司（以下简称“公司”、“索辰”）2025年上半年度业绩基本情况介绍如下： 2025年上半年度基础数据： 公司基本实现了在年初制定的几个预期目标：2025年上半年公司收入端持续保持增长，投资者较为关心的几项核心数据比如现金流、回款情况均有所改善，积极发挥上市平台优势，对于同行优质公司进行投并购整合。 收入端：2025年上半年，公司营业收入为5,735.09万元，上年同期为5,175.07万元，同比增加10.82%。 利润端：2025年上半年，公司归母净利润为-4,569.83万元，上年同期为-6,643.08万元，同期减亏2073.25万元；归属于母公司所有者的扣除非经常性损益的净利润-4,800.81万元，上年同期为-7,124.99万元，同期减亏2324.18万元。 上半年，天工系列（CAE产品线万元，其中高毛利的工程仿线万元，较去年同期有显著的增长。开物系列（物理AI产品线月正式发布物理AI产品以来，公司快速拓展下游应用并形成收入，目前重点聚焦物理AI在低空经济、具身智能、新能源电池等战略性新兴领域的典型应用场景，伴随着客户对于技术的深入了解，以及更多生态合作的落地，我们预期开物平台的收入有望在下半年取得一个更好的增长。 毛利率：2025年上半年公司毛利率为41.89%，较2024年上半年的37.89%有所增长，工程仿真软件占比的提升带动公司毛利率继续增长。 现金流：经营活动产生的现金流量净额为-6,412.94万元，较去年同期-7,729.99万元，绝对值增加1,317.05万元。 投资活动产生的现金流量净额为-1.23亿元，较去年同期4,550.39万元，绝对值减少7,765.70万元。主要系购建固定资产、无形资产和其他长期资产支付的现金、和取得子公司及其他营业单位支付的现金增长所致； 筹资活动产生的现金流量净额-3,056.54万元，较去年同期6,957.60万元，绝对值增加3,901.05万元。主要系回购股份产生的现金流出下降所致。 费用端：研发费用5,062.09万元；销售费用1,170.72万元； 管理费用3,992.59万元。报告期内公司主要费用支出来自于人员薪酬，公司不断优化人才结构，组建高质量研发骨干人才队伍。截至报告期末，公司研发人员数量202人，研发人员数量占公司总人数的比例为57.06%，公司尚处于成长期，且面临重大机会，只有不断加强人才建设，优化人才体系，才能保持公司的创新能力，进而持续提高公司的核心竞争力。 叶泓池先生对公司业务基本情况介绍如下： 索辰天工系列：2025年上半年度索辰各个学科持续保持迭代，公司完成了对于每个学科每季度一个小版本更新，每年一个大版本的更新计划。今年上半年我们持续保持了产品的更新，各个学科的求解算法均有了功能的补充或突破。 如：流体新增了非结构网格气动弹性求解功能，支持模拟各类静气弹和动气弹问题；非结构求解器支持MRF（运动参考系）功能，拓展了复杂旋转流动场景的模拟能力；声学仿真软件在边界元求解器部分，新增了基于配点法的线性单元直接边界元法；电磁仿真软件在FDTD求解器上新增基于能量收敛判据的自动收敛功能。 此外，公司积极布局前沿技术，将物理规律驱动的建模与人工智能算法深度融合，推动仿真与设计流程的全面革新。当前智能体落地离不开虚拟环境支撑——通过虚拟环境能大幅缩短算法开发时间，同时提升智能算法应对现实干扰的稳定性。这正是我们从传统CAE业务到物理AI产品都想为客户所解决的核心诉求。 目前伴随着神经网络和算力水平的进步，CAE行业的技术体系正由以“数值仿真”为核心的传统模式，向融合多源数据、实时反馈与智能决策的“物理AI”新阶段演进。传统CAE技术以物理定律和数值算法为基础，通过建立高精度数学模型和边界条件求解，实现对产品设计与工况的预测与优化，其优势在于理论严谨性和可重复性；但在应对复杂耦合、多变环境和实时交互需求时，物理AI能够在实时性、计算成本、模型迭代周期等方面体现出优势。 开物系列涵盖： 1.物理AI开发及应用平台的全场景解决方案，使开发者和工业用户能够轻松开发和部署物理AI应用。这个是与英伟达的Omniverse对标的一款产品，严格意义来说是一种生态，公司物理AI开发平台具备非常多的功能模块，包含：生成式建模仿真一体化技术、实时环境渲染、物理AI模拟引擎、实时环境感知、实时数据库等核心功能。 2.基于物理AI的自动设计训练一体化系统，实现成千上万的设计样本智能衍生、验证与训练；生成式物理AI计算引擎结合自动3D实景渲染技术，能够高效构建高保真的虚拟验证环境，精准复现和预测装备与环境之间的实时、多维互动，并为具身智能、低空经济、深海经济、智能工业等场景提供高精度3D仿线月索辰科技正式发布了具身智能虚拟训练平台，平台是基于索辰物理AI技术针对具身智能这个专用场景开发的，可实现真实场景环境与机身结构数据的实时生成与分析功能。 平台能精准复刻物理世界的各项参数，从物体的材质、重力的影响到光线的变化，从外部气流变化到电磁干扰感知，从结构接触响应到电池能源管理，都与真实环境高度一致；将真实世界感知数据与虚拟世界训练数据链路无缝衔接，实现真正意义的虚实交融，避免因虚拟与现实差异过大而导致的训练成果失效问题。

　　问：物理AI产品今年的市场落地的节奏这方面如何，有没有内部的一些收入目标或者规划？

　　答：首先，关于物理AI产品的发布与下游落地推进情况。公司于今年3月正式发布物理AI产品后便积极与下游客户展开深度探讨，核心目标是推动物理AI技术的在垂类场景的实际落地，切实解决客户在工程领域面临的各类复杂问题。从目前进展来看，该产品在低空经济领域取得了比较快的突破，公司分别与绍兴市越城区交通运输局和杭州市实业投资集团有限公司签署战略合作框架协议，后续双方将围绕低空领域开展共同合作与开发。需要特别说明的是，截至报告期末，物理AI在低空领域尚未实现营业收入。其次，关于物理AI产品在低空领域解决的客户核心问题，主要集中在三个方面：一是安全性，通过物理AI技术的精准建模与分析，提升低空作业、运行过程中的安全保障能力，降低潜在风险；二是成本端，借助技术优化与效率提升，帮助客户有效控制低空领域相关业务的运营成本，增强市场竞争力；三是技术端的颠覆性优势，重点突破从单一专业场景向通用化应用的延伸，扩大技术应用范围，为客户提供更全面、灵活的解决方案，进一步挖掘低空经济领域的市场潜力。最后，关于物理AI端的收入规划，公司在今年7月发布的股权激励计划中进行了相关考核，感谢您的关注。

　　答：收并购的第一大重点方向，是围绕物理AI技术生态完善展开。物理AI并非单一技术领域，而是涵盖复杂技术与生态的系统工程——它不仅需要CAE求解建模来训练物理AI模型，还涉及实时环境感知、数据传递、实时数据库等多个关键环节。这些功能在实际落地时，需要依托深厚的工程经验进行打磨磨合，而部分公司在硬件端已形成扎实的技术积累，恰好能补全我们生态中的关键拼图。因此，公司当前收并购布局会重点关注这类具备硬件技术优势的标的，通过整合资源进一步完善物理AI技术生态，确保技术落地的完整性与实用性。其次，第二大收购思路聚焦于渠道端资源整合。在市场拓展中，我们发现部分企业拥有优质的客户资源，且具备快速响应客户需求的能力——这类企业的客户关系若能与公司产品有效结合，将大幅提升公司产品的市场触达效率与落地速度，为未来业务增长提供有力支撑。所以，对于具备渠道优势的标的，我们也会纳入收并购考量范围，通过资源协同实现互利共赢。最后，需要特别补充的是，无论收并购方向如何拓展，公司始终以仿真求解能力作为核心基础，这一点不会改变。物理AI业务的开展，离不开公司原有CAE仿真技术的支撑，而CAE仿真正是我们在该领域的最高技术壁垒。因此，在后续国内外收并购标的筛选与合作过程中，我们会始终以保障并强化仿真求解这一核心能力为前提，确保收并购动作与公司整体战略方向一致，为物理AI业务的长期发展筑牢根基。

　　答：公司目前尚无低空经济订单。低空经济的快速发展伴随着安全隐患，主要包括：（1）气象风险：强风、降雨、雷暴等天气条件可能导致无人机失控或坠毁。（2）电磁干扰：城市环境中无线G网络等可能干扰无人机通信和导航。（3）空域管理：随着无人机数量增加，缺乏有效的无人机交通管理（UTM）系统可能导致碰撞风险。这些挑战要求先进的模拟技术来预测和缓解风险，物理AI平台通过实时重构气象和电磁环境，为低空经济的安全发展提供了关键支持。物理AI平台高保真模拟、实时数据整合和协作功能使其成为解决低空飞行安全挑战的理想工具。从优化飞行路径到支持UTM系统开发，物理AI平台展示了在低空经济中的广泛应用潜力。

　　答：首先，对客户来说海外软件公司在工程特定应用方向上面易用性会比较好。索辰优势相对来说，虽然在工程的应用方面可能做的时间并PG电子试玩不如海外厂商长，但是公司在一些核心求解器上面目前来讲是比海外的这些厂商做的更先进。可以直观的认为公司的求解器在面临物理AI转型过程当中更适配GPU的并行计算模式，但是相比较海外CAE公司需要做较大的求解器的重构或者是说重建，才能适应于这种GPU的这种特定的一些场景。其次在数据格式方面，由于全部是自研开发，所以区别于海外CAE公司通过收购发展壮大的历史过程，索辰采取单一数据格式（即在整个系统或流程中统一使用同一种数据格式），单一数据格式优势主要体现在简化复杂性、提升效率、增强兼容性等方面。公司采用单一数据结构来描述从CAD几何、材料、离散、各个物理场求解器设置、后处理、优化、训练、实时数据采集等参数，对某一变量的描述是单一的，改变任何一处的任意类别参数，在所有环节都会自动改变该参数，无需手动或者专门写特定脚本来实现调节参数，这样就可以全自动完成从几何建模、求解、批量样本生成、训练、优化、验证，也可以实现全自动人工智能调节参数，来与实测结果对比纠错。公司全部的求解平台均采用单一数据结构，无需定制、无需人工干预。第三，物理AI的关键难点，在于让物理世界的客观规则有效约束AI模型，避免AI脱离实际场景产生“无效输出”——这并非单纯的技术研发可实现，而是需要通过大量工程案例的实践，不断打磨AI模型与物理规则的适配性，积累场景化的调试经验。比如在实际落地中，实时环境感知、数据传递稳定性等细节问题，都需要结合具体工程场景的特性去优化，这些经验无法通过短期技术攻关获得，是公司长期深耕该领域形成的重要壁垒。目前物理AI整个行业在模拟世界模型、解决实际问题方面，仍处于初步发展阶段，而公司是较早布局该领域的企业，已通过前期探索建立了先发认知优势，未来有望凭借先发优势叠加数据飞轮效应，形成竞争优势。

　　答：关于公司机器人领域的核心产品——具身智能虚拟训练平台，其核心差异化优势在于聚焦物理世界的直观反馈，而非单纯的视觉化三维建模。当前市面上多数同类平台更侧重从视觉角度构建三维场景，而我们的平台更强调还原物理世界中看不见但关键的力与场的影响，例如摩擦力、气流变化、电磁波动等——这些因素虽无法直接可视化，但会直接决定训练环境的真实性与有效性，进而影响机器人训练成果的落地价值。从行业现状来看，此前机器人训练的核心诉求多集中于“移动功能”，即通过算法实现机器人从当前坐标到目标坐标的位置移动，却较少考虑地面材质、纹理等物理环境细节的影响。这也导致实际场景中（如机器人运动赛事），常因地面碎石、微小坡度等未被训练覆盖的因素，出现意外状况。而我们的具身智能虚拟训练平台，正是希望构建与现实高度一致的训练环境，将这些物理细节全面纳入模拟范围，从根本上解决“虚拟训练与现实应用脱节导致的成果失效”问题。

　　问：低空和具身也相对于过去的我们说特种行业和汽车有更好的一个延展。从一个新范式的变化和新场景的落地来看，我们有没有可能依托物联这样一项技术，在传统主业端的CE产品上获得一个更快的打磨，来加速缩小对于海外巨头产品的一个差距，去实现更好的共享替代。

　　答：物理AI对客户业务状态的改变，核心体现在“效率革命”与“合作边界拓展”两大维度，具体可从以下两方面展开说明：第一，物理AI将打破传统工程端“高精度与低效率”的矛盾，加速客户技术迭代节奏，缩小与海外领先厂商的差距。在物理AI应用前，工程端对技术的核心诉求是“准确性与可靠性”，这导致客户在项目推进中需投入大量时间完成前处理与求解工作——这种模式下，技术更新迭代速度严重受限。以SpaceX为代表的海外企业，借助物理AI技术可实现快速迭代，进而巩固其行业领先优势。而物理AI的核心价值，正在于保证计算精度不降低的前提下，大幅提升实时性：通过优化算法与仿真逻辑，将原本冗长的计算流程压缩。这种效率突破将从根本上改变传统工业设计体系，帮助客户摆脱“慢迭代”困境，更快响应市场需求与技术变革。第二，物理AI将推动公司与客户的合作，从“单一设计验证环节”延伸至“全产业环节深度参与”，重塑合作模式。此前受限于计算效率，公司与客户的合作多集中在“下游设计验证”环节——即客户完成初步设计后，我们提供技术支持进行验证，角色相对被动。但随着物理AI实现实时性突破，公司可依托“快速计算方案”的能力，为客户提供全生命周期的技术服务。不仅能参与设计验证，还可在“设计优化”阶段为客户提供实时计算支持，帮助其在设计初期就规避风险、优化方案；同时在产品落地后，还能通过实时数据计算与分析，参与“运维与运控”环节，让算法做出更有效合理的决策;