索辰科技（688507）2026年半年度管理层讨论与分析

证券之星消息，近期索辰科技（688507）发布2026年半年度财务报告，报告中的管理层讨论与分析如下：

发展回顾：

一、报告期内公司所属行业及主营业务情况说明

    （一）公司所属行业情况

    1、公司所属行业分类

    公司以CAE软件研发、销售及技术服务为发展基石，依托二十年仿真技术积累，在物理AI领域推出了相关产品和解决方案，构建CAE与物理AI协同发展的业务格局。

    根据中国证监会发布的《上市公司行业统计分类与代码》（2024年）规定，结合公司所从事具体业务，公司所处行业属于I65类“软件和信息技术服务业”。根据《国民经济行业分类》，公司所属行业为I651类“软件开发”。

    2、公司所属行业发展情况及未来发展趋势

    （1）行业基本情况

    工业软件是工业技术、工艺经验和业务流程的软件化载体，广泛应用于工业领域各个要素和环节之中，与业务流程、工业产品、工业装备密切结合，全面支撑企业研发设计、生产制造及经营管理等各项活动。在制造业数字化、智能化、自动化转型持续推进的背景下，企业对研发效率、产品可靠性、生产运营协同和全生命周期管理的要求不断提高，为工业软件应用拓展提供了持续需求。

    CAE仿真软件是研发设计类工业软件的重要组成部分，主要服务于复杂产品的研发设计、工程分析和仿真验证等关键环节。CAE仿真以物理机理、数学模型、数值计算和工程经验为基础，可用于产品研发、性能预测、多物理场分析、试验验证及设计优化，通过数字化手段提升产品研发效率和可靠性。

    随着高端装备、航空航天等领域的产品复杂度和性能要求不断提升，单纯依赖物理样机和实物试验的研发方式面临周期较长、成本较高及覆盖边界有限等问题。通过虚拟仿真与物理试验协同，客户能够在研发早期开展性能预判、方案比较和风险识别，提高研发验证效率并降低试制成本。

    随着人工智能技术与工业软件、工业数据和真实设备加快融合，CAE仿真的应用边界也在不断拓展。物理AI是人工智能技术面向真实世界开展物理感知、理解、推演、决策和执行需求的延伸。相较于主要面向文本、图像、视频等信息内容理解与生成的大模型应用，物理AI更加注重将物理规律、工程机理、场景数据、算法模型和实时反馈融入模型构建与闭环决策，并通过仿真训练、数据训练和实物测试等方式，提升模型在真实场景中的可靠性、可解释性和可迁移性。目前，物理AI领域尚未形成统一、独立的行业分类和官方统计口径。

    物理AI的产业化通常需要数据采集与治理、算力支撑、模型训练、仿真与验证、软硬件系统集成及场景交付等多项能力协同支撑，可在高端装备、工业制造、能源电力、交通与低空、具身智能、航空航天等领域开展应用。不同场景对数据质量、模型精度、实时性、安全性和工程交付能力的要求存在差异，相关企业需要结合具体业务流程形成相应的产品和解决方案。

    目前，国内外企业和科研机构正围绕模型、数据、仿真、机器人本体与控制、软硬件系统集成及场景部署等方向推进研发和产业化探索。国外企业在计算基础设施、基础模型、机器人软件平台和系统部署等环节持续迭代；国内企业则依托制造业应用场景，在工程仿真、国产算力、机器人本体、控制系统及行业解决方案等领域加快技术研发、场景验证与产品落地。整体而言，物理AI仍处于技术快速迭代并由场景验证向规模化应用过渡的阶段，跨场景泛化能力、虚实一致性、数据质量以及工程交付能力仍是影响其商业化进程的重要因素。

    （2）行业政策情况

    国家围绕智能制造、工业软件、研发验证、工业数据和人工智能融合持续作出部署，为CAE仿真软件及物理AI的发展提供了政策支持。

    2026年1月，工信部等八部门印发《“人工智能+制造”专项行动实施意见》，提出推动人工智能深度嵌入研发设计、中试验证、生产制造等全流程，提升辅助设计、仿真模型构建等能力，并推动虚拟仿真等技术在中试环节应用。

    2026年1月，工信部发布《推动工业互联网平台高质量发展行动方案（2026-2028年）》，明确提出引导平台差异化发展，大力发展专业型平台，面向仿真设计、设备运维、安环管控等通用场景，提升数智产品和服务供给水平。

    2026年3月，工信部办公厅发布通知启动“工业数据筑基行动”，明确布局建设工业数据生产训练基地，提供仿真环境数据采集、专业化数据标注、极端场景数据合成等能力，并围绕研发设计、中试验证、生产制造等环节推动行业大模型应用、工业智能体研发等场景落地。

    2026年5月，国家网信办、国家发改委、工信部联合发布《智能体规范应用与创新发展实施意见》，提出促进智能体与计算机辅助设计（CAD）、计算机辅助工程（CAE）等软件结合，提供设计方案生成、仿真验证、参数调优等功能。

    2026年6月，工信部办公厅、国务院国资委办公厅联合开展2026年度人形机器人与具身智能实景实训专项行动，提出打造可训练、可测试、可验证的实景实训空间，通过真实场景实训积累高质量真机数据，开展应用部署验证，推动实现常态部署应用。

    2026年6月，工信部印发《“人工智能+信息通信”创新发展实施意见（2026-2028年）》，明确推广模型应用平台，建立“算力+数据+模型+AI应用”的一体化服务生态，构建从模型训练、场景验证到商业落地的全流程开发环境，加快人工智能技术在相关行业的应用创新。

    2026年7月，习近平总书记在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上指出，人工智能是世界经济增长的新引擎和新旧动能转换的加速器，正从“数字世界”走向“物理世界”。

    上述政策从研发设计、中试验证、数据供给、平台建设、人工智能融合和真实场景开放等多个层面，为CAE仿真软件与物理AI发展提供了持续支撑。一方面，多物理场仿真、虚拟试验、仿真优化和中试验证被纳入智能制造及机械工业数字化转型的重要环节，有助于推动CAE仿真软件由单点设计工具向覆盖研发、验证、工艺优化和运行服务的工程体系延伸，推动了国产CAE仿真软件在高端装备、机械制造等领域的应用；另一方面，围绕工业互联网平台、工业数据生产训练基地、仿真环境数据采集、极端场景数据合成、工业智能体和具身智能实景实训的政策部署，有利于促进工程数据、仿真模型和行业机理知识的积累与复用，推动人工智能与CAE仿真、工业软件和真实设备进一步融合。

    （3）行业未来发展趋势

    随着人工智能技术的快速发展，仿真行业正经历前所未有的智能化变革，AI已成为推动科技革命和产业变革的核心力量，未来预计呈现以下趋势：

    一是高精度、多学科和多物理场耦合仿真的需求有望持续增长。随着复杂装备和高性能产品研发难度提升，CAE仿真应用将进一步向研发设计、中试验证、生产制造和运行优化等环节延伸，并在虚拟试验、数字样机、实物测试和中试验证协同中发挥更加重要的作用。

    二是物理机理、工程数据和人工智能模型的融合程度将不断提高。依托工业数据采集、仿真环境数据、实测数据和极端场景合成数据等能力，CAE仿真将进一步与智能建模、设计生成、参数调优和智能体应用结合，推动相关系统由离线计算和单点分析向实时推演、辅助决策及闭环优化发展。

    三是物理AI将由单点能力展示逐步面向真实任务的工程化、可交付系统演进。模型、仿真环境与真实设备有望通过“感知-推演与决策-执行-反馈-迭代”形成闭环，仿真将在场景构建、训练测试、异常工况覆盖和虚实一致性验证等环节发挥更加重要的作用。

    四是产业化应用预计将优先在任务目标清晰、结果可以量化验证、失效成本可控且过程数据可追溯的场景中推进，并逐步由单次项目验证向可复制的行业解决方案延伸。物理AI系统也将更加重视与业务流程、工程知识、安全约束、权限边界和人机协同机制的结合，以满足真实环境中的稳定运行和持续运维要求。

    五是国产CAE仿真软件和物理AI相关企业的长期竞争力，将更多体现为核心求解器、多物理场耦合、行业适配、数据架构、验证记录、工程经验、场景交付及生态协同等能力的综合积累。随着自主基础软件和工业软件在关键环节的推广应用，国产CAE仿真软件及物理AI产品在技术能力、产品成熟度和产业生态等方面仍具有较大的发展空间。

    3、公司市场地位及业绩驱动因素

    公司深耕CAE仿真软件研发近二十年，是国内较早布局CAE仿真领域并实现A股上市的国产CAE软件企业之一。公司在结构、流体、电磁、光学、声学及多物理场求解等方向持续开展技术研发和产品布局，CAE仿真软件主要应用于特种行业等对研发验证、工程可靠性和项目交付质量要求较高的领域，长期的项目实施和客户服务使公司积累了相应的行业知识、工程经验和客户资源。

    在持续巩固CAE仿真业务的同时，公司积极推进物理AI相关技术、产品和解决方案布局，已形成“开物”产品体系，包括智能工坊、“大圣”智能体、“行者”合成数据及“营造·万象”世界物理模型等产品，形成了覆盖物理AI开发应用、智能体、合成数据和世界物理模型等方向的产品布局，具备面向客户开展模型构建、数据生成、智能体训练和应用开发的产品及解决方案能力。

    CAE仿真能力是物理AI走向真实世界不可或缺的能力组成，可在物理建模、复杂环境推演、虚拟验证、仿真数据生成和虚实一致性评估等环节发挥作用。同时，物理AI产品及解决方案的商业化落地还需要软件、硬件、数据、算力和行业系统等多项能力协同。公司已建立生态合作伙伴体系，通过与生态战略合作伙伴开展产品适配、系统协同和场景合作，进一步完善行业场景接入及综合解决方案交付能力。

    公司相关业务的业绩驱动因素可归纳为两个方面：

    一方面，复杂装备和高性能产品研发需求提升、制造业数字化转型及“人工智能+制造”政策持续推进，以及客户对国产工业软件自主可控、行业适配、技术服务和持续迭代能力的需求增长，共同推动多物理场仿真、虚拟验证和设计优化等应用不断深化。公司在CAE核心求解、工程仿真、复杂场景验证及长期客户服务等方面的积累，为公司把握国产工业软件发展机遇、巩固CAE仿真业务基础提供支撑。

    另一方面，随着物理AI在高端制造、具身智能、低空经济等复杂物理场景中的应用由技术验证向工程化部署推进，客户对世界物理模型、仿真训练、合成数据、智能体、系统验证和虚实一致性评估等能力的需求有望增长，尤其是在任务目标明确、结果可验证、数据可持续积累的场景中，相关需求可能形成新的项目机会。公司具备物理仿真能力积累及生态合作基础，可根据客户需求将世界物理模型、合成数据、智能体、智能工坊和仿真验证等能力组合为面向客户的综合解决方案，拓展软件许可、项目实施和技术服务等业务机会。

    上述市场机会的把握仍有赖于持续的技术投入、场景验证和工程能力积累。公司将持续加强CAE核心物理求解、前后处理、多物理场协同及行业应用能力建设，并推进物理AI产品技术迭代、行业解决方案完善和生态合作，以典型项目为载体，沉淀场景数据、工程经验与最佳实践，提升产品成熟度、解决方案可复制性和项目交付能力。

    （二）公司主营业务、主要产品或服务情况

    1、主营业务情况

    公司主要从事工业软件及物理AI相关产品、解决方案和技术服务的研发、销售与交付，已形成“天工”与“开物”两大产品线。公司以CAE软件研发、销售及技术服务为发展基石，依托近二十年的仿真技术积累，持续深化工业软件业务，并推进CAE技术与物理AI技术融合，面向复杂物理场景开展物理AI产品和解决方案的研发及应用探索，形成工业软件与物理AI协同发展的业务格局。

    公司持续开展CAE核心技术研究和工程仿真软件研发，为客户提供仿真分析、工程验证、设计优化及定制化仿真产品开发服务；同时，依托工业自动化软件及控制系统、生产管控一体化解决方案等业务能力，为客户提供工业现场数据采集、运行监控、过程控制、实时数据管理及数字化管控等服务，共同构成公司的“天工”系列工业软件业务体系。

    公司凭借在物理建模、算法研发和行业应用上的长期积累，积极推进物理AI业务布局，开展物理AI相关产品和解决方案的研发、场景验证及市场推广，形成了“开物”系列物理AI业务体系。公司结合客户具体需求，并协同生态战略合作伙伴，持续探索物理AI在高端制造、具身智能、低空经济等领域的应用。

    2、主要产品或服务情况

    公司已形成“天工”与“开物”两大产品和服务体系。其中，“天工”系列为公司的工业软件产品体系，覆盖研发设计、仿真验证、工业现场控制及生产运营管理等环节；“开物”系列为公司面向复杂物理场景形成的物理AI产品体系及解决方案，覆盖物理AI开发应用、模型构建与训练、智能体、合成数据和世界物理模型等方向。

    （1）“天工”系列

    “天工”系列包括工业仿真软件、仿真产品开发、工业自动化软件及控制系统、生产管控一体化解决方案四类产品和服务，分别服务于产品研发设计、仿真验证、工业现场控制和生产运营管理等环节。

    公司的工业仿真软件可进一步分为单一学科仿真软件、多学科仿真软件和工程仿真优化系统。单一学科仿真软件主要包括流体、结构、电磁、光学、声学等不同学科方向的仿真软件，可独立开展特定物理场和工程场景的建模与仿真计算；多学科仿真软件以单一学科仿真软件为基础，将不同学科的仿真分析和相关系统集成于统一的仿真环境中，用于复杂工程问题的多物理场耦合分析；工程仿真优化系统将仿真分析应用于产品方案设计、详细设计、试验验证及优化迭代等环节，为产品研发过程中的性能分析和设计优化提供支持。

    仿真产品开发是公司根据客户在具体工程领域的需求，提供定制化仿真产品和综合解决方案，主要包括针对特定工程问题的软件开发，以及数字孪生系统、仿真—试验融合验证系统、仿真云平台和高性能计算平台等软硬件一体化方案。公司通过该类业务为客户提供需求分析、仿真与试验数据管理、知识管理、制造系统仿真和工程验证等相关服务。

    工业自动化软件及控制系统主要面向工业现场的数据采集、运行监控、过程控制、实时数据管理及系统互联等需求，以SCADA软件、企业级实时历史数据库、工业防火墙和边缘计算网关等软件及控制产品为主要载体。生产管控一体化解决方案则结合客户具体行业场景和项目需求，对工业自动化软件、生产管理系统及相关行业应用进行集成，为数字化车间、智能工厂及集团管控等不同层级的工业数字化建设提供综合服务。

    （2）“开物”系列

    “开物”系列包括物理AI软件、物理AI产品开发及解决方案，使开发者和工业用户能够轻松开发和部署物理AI应用，通过构建“感知-建模-推演-交互”智能体系，成为赋能产业革新升级的关键引擎。其中包含物理AI训练一体化平台、物理AI模拟引擎，以及报告期内新发布的世界物理模型、索辰智能体-大圣、索辰物理合成数据-行者等。

    物理AI产品开发业务是公司根据细分工程领域客户的具体需求，为行业客户提供物理AI产品及解决方案，以物理AI仿真分析平台、智能数据采集与分析系统等软硬件一体的方案，为客户提供融合高保真渲染技术、智能工坊构建融合物理约束的AI建模、实时数据驱动优化、环境感知等多种综合服务，助力客户在复杂工程研发中实现从数据到决策的智能化跨越。

    物理AI产品尚处于市场推广、场景验证和客户导入阶段，仍处于布局初期，目前收入占比较低，敬请广大投资者理性决策，注意投资风险。

    （三）公司主要经营模式

    报告期内，公司主要经营模式未发生重大变化。公司主要采用自主研发、软件产品销售、项目型解决方案交付及持续技术服务相结合的经营模式，业务涵盖以CAE仿真软件、工业自动化软件及控制系统、生产管控一体化解决方案为主要内容的“天工”系列工业软件，以及“开物”系列物理AI产品及解决方案。

    1、盈利模式

    公司主要通过销售自主研发的软件产品、开展产品开发及项目实施，并提供配套技术服务取得收入。根据产品标准化程度、客户具体需求及交付内容的不同，公司收入主要来源于软件许可、定制化产品开发、系统集成及项目实施、技术服务等。

    工业仿真软件、工业自动化软件及控制系统主要通过提供软件许可及相关技术服务实现收入；仿真产品开发、生产管控一体化解决方案以及物理AI产品开发及解决方案业务，主要根据客户的具体需求，通过项目开发、系统集成、实施交付及后续服务实现收入；物理AI软件主要通过提供软件许可及配套技术服务实现收入。

    2、研发模式

    公司采用以自主研发为主、外部协同为辅的研发模式，将研发资源重点投入核心技术、核心产品及关键应用能力建设。CAE核心求解器、仿真算法、多物理场分析等核心技术由公司自主研发；物理AI相关核心产品和技术由公司主导研发，并结合业务需要开展生态协同。对于技术成熟、通用性较强且不涉及核心技术的功能模块，公司可根据研发效率和项目需要，通过采购成熟模块、委托开发或委托测试等方式实施。

    公司研发流程主要包括市场及客户需求分析、可行性论证、项目立项、方案设计、研发实施、阶段评审、测试验收及产品发布等环节。研发项目通过验收后，相关成果纳入产品库，并根据产品规划进行版本发布或形成面向客户的产品及解决方案。

    在物理AI领域，公司以“开物”产品体系为基础持续开展产品研发和场景验证，并与生态战略合作伙伴在算力及硬件适配、行业系统接口、测试验证和场景应用等方面开展协同，以提升相关产品和解决方案的适配及交付能力。

    3、采购模式

    公司建立了采购管理制度，对供应商资质、产品或服务质量保障能力、供货及时性及售后服务能力等进行评价，实行合格供应商管理；在满足质量、交付和服务要求的前提下，通过询价、比价等方式实施采购。

    公司采购内容主要包括软件模块、软硬件产品、无形资产、原材料及技术服务等。其中，软件模块主要为仿真产品开发所需的非核心软件模块；软硬件产品主要包括项目实施所需的服务器、工作站、传感器、变压器、PLC等设备；无形资产主要为研发所需的通用软件；原材料主要包括解码器、硬盘、扩展卡等电子器件；技术服务主要包括非核心模块的委托开发和软件测试等。公司核心技术和关键产品能力主要通过自主研发形成，对技术成熟、通用性较强的非核心环节实施外部采购或协同开发。

    4、销售模式

    公司主要采用直销模式开展销售。营销中心及相关市场、销售团队负责收集行业和客户信息、识别项目机会并开展客户拓展，通过需求沟通、方案制定、商务谈判或招投标等方式获取订单。公司在项目实施和持续服务过程中进一步了解客户需求，增强客户服务能力。

    根据业务类型和交付方式的不同，标准化软件产品主要通过提供软件许可及配套技术服务实现销售；产品开发、系统集成及解决方案类业务通常由销售和技术服务团队共同参与，按照客户需求完成方案设计、开发实施、测试验收及后续服务。

    对于工业自动化软件及控制系统（包括SCADA软件等）和生产管控一体化解决方案业务，公司根据不同行业、产品和区域配置相应的市场及服务团队。对于涉及软硬件协同和系统集成的项目，公司可与生态战略合作伙伴开展产品适配和交付协同，以满足客户的项目实施需求。

    二、经营情况的讨论与分析

    公司持续巩固CAE仿真业务基础，推进工业自动化软件及控制系统、生产管控一体化解决方案等业务协同，并持续完善物理AI产品体系及相关场景布局。2026年上半年，公司实现营业收入7274.00万元，较上年同期增长26.83%；归属于上市公司股东的净利润为-7865.54万元，较上年同期亏损增加。报告期内，公司持续加大研发、市场及管理投入，研发费用、销售费用和管理费用分别较上年同期增长67.53%、151.88%和53.08%，对当期利润形成较大影响。

    （一）经营规模稳步增长，毛利率有所改善

    报告期内，公司营业收入较上年同期实现增长；营业成本为2891.46万元，较上年同期下降13.23%，综合毛利率为60.25%，较上年同期提升18.36个百分点。受持续加大研发、销售及管理投入等因素影响，公司归属于上市公司股东的净利润为-7865.54万元。经营活动产生的现金流量净额为-3835.38万元，较上年同期净流出减少2577.56万元。公司将继续关注项目实施、验收结算及应收账款回收情况，审慎配置经营资源。

    （二）巩固CAE仿真业务基础，提升工程应用能力

    公司持续加强CAE核心技术研究和工程仿真软件研发，面向复杂装备研发过程中的建模、仿真分析、试验验证和设计优化等需求，不断提升结构、流体、电磁、光学、声学及多物理场等方向的产品能力、行业适配能力和项目交付能力。报告期内，公司研发投入为8480.64万元，较上年同期增长67.53%，研发投入占营业收入的比例为116.59%。持续的研发投入为公司加强核心求解能力、完善产品体系和拓展复杂工程应用提供了支撑。

    （三）完善“开物”物理AI产品体系，推进场景验证与客户导入

    公司在2025年发布的“开物”物理AI开发应用平台及智能工坊的基础上，报告期内新发布“大圣”智能体、“行者”合成数据及“营造·万象”世界物理模型等产品，进一步完善物理AI产品体系。物理AI面向复杂物理场景，产品落地需要物理机理、世界物理模型、场景数据、仿真与验证、算法模型、算力及软硬件系统集成等多项能力协同。公司依托长期积累的CAE仿真能力，并协同生态战略合作伙伴，持续推进相关产品在工业及能源、具身智能、低空经济等场景的市场推广、场景验证和客户导入。

    （四）推进业务协同和资源配置优化

    公司持续推进与力控科技、昆宇蓝程等主体在产品、技术、客户及项目交付等方面的协同，丰富工业自动化软件及控制系统、生产管控一体化解决方案等业务能力，提升面向客户的综合服务能力。报告期内，公司对部分募投项目实施安排进行调整，将原“工业仿真云项目”的剩余募集资金用于“物理合成数据核心技术基座构建与多领域场景示范应用项目”。公司将按照项目建设计划推进算力及硬件系统配置、核心技术研发、实验平台建设和多领域场景示范等工作，为后续业务发展积累技术基础，赋能相关产品迭代。

    三、报告期内核心竞争力分析

    (一)核心竞争力分析

    经过长期技术研发、工程实践和客户服务积累，公司核心竞争力主要体现在以下六个方面：

    1、自主研发及核心技术自主可控优势

    公司坚持核心技术自主研发，持续加强底层算法、核心求解器及工程仿真软件的自主创新。

    在CAE领域，公司已实现全流程自主可控，在CAE求解器模块的关键核心技术方面拥有自主知识产权，具备底层开发能力，产品核心模块不依赖第三方供应商，能够根据技术发展和客户需求持续开展算法优化、功能迭代及行业应用适配。

    CAE软件属于研发设计类工业软件，其核心求解器和底层算法直接关系到软件的计算精度、求解效率、稳定性及工程适用性。自主掌握核心技术，有助于公司保持产品技术迭代的连续性，降低因第三方授权限制、技术供应变化等因素对产品研发和交付造成的影响，并增强公司针对复杂工程需求开展定制化开发和长期技术服务的能力。同时，该能力能够满足部分高端客户对信息安全、自主可控、产品持续维护及技术服务保障等方面的要求，为公司服务相关行业客户提供重要基础。

    2、多物理场仿真及部分细分领域的算法优势

    公司以物理学、数学、工程科学和计算机科学等基础理论为支撑，持续开展流体、结构、电磁、光学、声学及多物理场等方向的求解算法研究和产品开发，形成了多学科工程仿真软件产品体系。在流体仿真等细分领域，公司已积累气体动理学算法（GKS）、直接模拟蒙特卡洛方法（DSMC）、光滑粒子流体动力学方法（SPH）等算法能力，可面向不同尺度、不同流动状态及复杂工况开展仿真分析。

    高性能计算能力是解决复杂工程问题的重要支撑。公司在流体、结构、声学等领域开发的多个求解算法均以高性能计算为基础，部分算法在千核以上并行计算中仍具有良好的加速比，能够提升大规模、高复杂度工程问题的计算效率。上述算法积累与计算能力，有助于公司不断提高仿真软件的计算精度、求解效率和复杂场景适用性，并为多学科、多物理场耦合分析以及复杂装备的设计优化和工程验证提供技术支撑。

    3、单一数据格式与全流程数据架构能力

    公司在技术架构层面采用单一数据结构，对全业务链条的核心参数进行标准化描述，覆盖CAD几何、材料属性、离散化处理、物理场求解器设置、后处理分析、优化算法迭代、模型训练及实时数据采集等环节。相较于依赖多种数据格式和特定接口进行衔接的技术架构，单一数据格式能够实现不同环节之间的数据贯通和参数统一，降低因数据格式转换、接口适配及人工处理产生的数据损失或参数不一致风险。

    在该架构下，当某一环节的参数发生变化时，系统能够将相关变化同步至后续环节，减少人工调整和特定脚本开发，并支撑几何建模、物理场求解、批量样本生成、模型训练、性能优化及结果验证等环节的自动化协同。通过将仿真参数与实测结果进行动态比对，该架构还可为自动调参、模型纠错和精度优化提供支持，提升模型训练及工程验证效率。

    目前，公司全部求解平台均已完成单一数据结构的标准化部署。该能力并非一般的数据接口或数据管理功能，而是连接仿真软件、仿真数据、模型训练与实时数据接入的底层技术架构，有助于降低系统维护和跨系统适配成本，提升跨平台、跨场景应用的兼容性与稳定性，并为公司物理AI产品的研发迭代、合成数据生成和工程应用提供数据基础。

    4、高端复杂工程场景的应用、交付与验证能力

    公司深耕CAE仿真软件研发近二十年，围绕复杂装备研发需求，逐步形成涵盖需求分析、仿真建模、计算分析、工程验证、项目实施及技术服务等环节的综合能力。公司CAE软件应用场景覆盖特种行业等对研发验证、工程可靠性和项目交付质量要求较高的领域。

    工程仿真软件的竞争不仅取决于单项算法或软件功能，还取决于对行业机理、工程流程、客户需求及验证标准的深入理解。公司在长期项目实施过程中积累了复杂工程问题的建模、求解、验证及交付经验，并持续建设覆盖不同行业和工程场景的算例库。相关工程经验和算例积累能够反向推动算法优化、功能完善和产品迭代，提升公司产品的行业适配能力、工程可靠性及复杂场景交付能力，形成技术研发与工程应用相互促进的良性机制。

    5、物理AI的前瞻性产品布局及生态协同能力

    针对复杂物理场景，公司持续推进物理AI相关技术、产品及解决方案布局，已形成“开物”产品体系，包括物理AI开发应用平台、智能工坊、“大圣”智能体、“行者”合成数据及“营造·万象”世界物理模型等产品和能力模块。上述布局有助于公司探索物理AI在高端制造、具身智能、低空经济等领域的应用，并进一步拓展公司技术和产品的应用边界。

    物理AI产品及解决方案的工程实现通常需要物理仿真、数据、模型、算力、硬件及行业系统等多项能力协同。公司长期积累的CAE仿真能力，可为相关应用中的物理机理建模、仿真验证、合成数据生成及虚实一致性评估提供重要支撑。同时，公司通过与生态战略合作伙伴开展协同，推动算力、软硬件系统、行业场景及公司产品体系之间的适配与衔接，为物理AI产品的场景验证、客户导入和解决方案交付奠定基础。

    6、优质客户资源及较强的客户黏性优势

    公司在长期服务高端制造业客户的过程中，积累了较为优质的客户资源、丰富的行业经验和工程应用场景。客户对仿真软件的计算精度、求解效率、稳定性、信息安全和技术服务能力要求较高，公司产品经客户验证并嵌入其研发流程后，能够持续服务于模型构建、仿真分析、试验验证、设计优化和产品迭代等环节，客户更换软件通常需要承担数据迁移、流程调整、人员培训及重新验证等成本。

    同时，客户在不同学科、不同研发环节中往往具有结构、流体、电磁、热学、声学及多物理场等协同需求。公司多学科产品及仿真产品开发服务能够在同一客户体系内形成协同应用，并通过客户项目反馈、工程算例和行业经验持续促进产品迭代。优质客户资源、长期形成的行业知识以及持续服务能力，为公司产品迭代、业务拓展和保持市场竞争力提供了重要支撑。

    综上，公司已形成以自主可控的CAE核心技术、多学科算法能力和单一数据架构为技术基础，以复杂工程场景应用经验和优质客户资源为业务支撑，并以物理AI产品布局及生态协同为增量发展方向的核心竞争力体系。上述能力在长期研发投入、工程实践和客户服务过程中逐步形成，共同构成公司持续创新和业务发展的重要基础。

    (三)核心技术与研发进展

    1、核心技术及其先进性以及报告期内的变化情况

    （1）产品更新及报告期内发布情况

    A、天工产品线

    “天工”产品线聚焦于各学科工程仿真软件和仿真产品开发，涵盖流体、结构、电磁、声学、光学等多个领域，是公司在工程仿真与分析领域的核心竞争力体现。

    索辰通用流体仿真软件R2026a持续强化非结构网格求解器基础计算能力，拓展高速流动与多组分仿真算法体系。非结构网格求解器新增UGKS速度空间自适应功能；针对热化学非平衡模拟，优化有限速率化学反应模型；完善多组分模拟数值体系，改进数值格式并新增二阶空间重构方法，同时完成UGKWP平均方法升级，提升稀薄气体、多组分流动仿真精度与稳定性。LBM模块统一支持点、面采样的直接噪声频谱计算分析。

    索辰通用流体仿真软件R2026b面向汽车、叶轮机械、大场景风场等典型工业场景持续迭代产品能力。新增针对汽车等行业的专用表面网格前处理功能，以及汽车气动噪声计算数字风洞模板；增加网格离散内存、计算性能以及报错自诊断功能；支持用于下游结构振动和噪声计算的气动声源结果文件开发格式导出；提升几何间隙处、固壁跨层级加密等工程场景的空间网格离散稳定性；支持断点续算功能，实现空间网格离散与计算阶段解耦；新增直接噪声采样面功能；针对叶轮机械应用完成滑移网格功能GPU并行计算重大性能改进，实现全流程GPU并行计算；支持面向大场景风场计算的来流风廓线专用边界条件；基于多核CPU后端NUMA特性优化并行计算性能；提升声学采样功能的稳定性、完备性与灵活性；修复网格、声学采样、并行计算以及文件IO相关多项缺陷；新增海光三代DCU适配，实现海光DCU并行计算后端季度常态化发布，全面提升流体与气动声学仿真的工程适用性、计算效率与鲁棒性。

    索辰结构仿真软件R2026a持续完善通用结构仿真模块，新增广义梁单元与弹簧单元相关功能，扩展模态分析与预应力分析能力。模态分析结果支持按质量归一化或位移归一化方式输出振型；新增变截面广义梁单元，支持形心、质心、张拉中心、剪切中心及相对扭转角等偏心参数设置，支持模态分析与预应力模态分析。同时在基于网格的求解流程中新增对弹簧单元的支持。优化设计模块新增用户自定义表达式构造胞元结构功能，点阵结构后处理支持生成百万级桁架点阵，进一步丰富点阵结构正向设计与结果后处理手段。

    索辰结构仿真软件R2026b持续深化结构动力学与智能化仿真能力。功能增强方面，通用结构仿真模块实现广义梁模态缩减模型与有限元模型耦合的预应力模态计算，兼顾模型求解效率与预应力模态计算精度；新增基于AI的手性结构爆炸效能评估功能，引入智能分析手段赋能爆炸冲击场景的仿真评估。缺陷修复方面，修复谐响应分析中频域荷载因子未正确施加的问题。

    索辰声学仿真软件R2026b上半年进行了一次更新，在声学边界元（BEM）求解器算力层面，新增边界元并行计算模块，针对直接边界元求解、有限元-边界元耦合声场求解实现全面多核并行加速。该功能突破了传统串行求解的算力瓶颈，可高效处理水下结构、船舶舱室等工程场景下的大规模、高复杂度声场网格模型，大幅缩减高精度声学仿真的计算耗时，有效补齐了大型复杂声学模型的高性能求解短板，显著提升了边界元仿真的计算效率与工程算力承载力。在统计能量法（SEA)模块，推出FEM-SEA混合结构线连接求解模块，成功将混合仿真体系拓展至线结构中频振动分析领域，补齐了混合结构中高频振动噪声的仿真短板。该模块支持一维有限元（FE）子系统的创建与精细化求解，可精准捕捉线结构的局部低频振动特性；同时新增一维FE子系统与SEA板类子系统的混合线连接能力，高效实现不同结构类型耦合系统的快速建模，大幅提升复杂组合结构仿真建模效率。此外，模块可完整支持混合线连接模型的耦合损耗因子求解、各子系统振动响应求解，有效解决了传统仿真方法对线连接组合结构中频振动分析精度不足、适配性有限的问题，可精准适配航空航天、汽车等行业复杂线板耦合结构的宽频振动噪声仿真场景，进一步拓宽了软件FEM-SEA混合仿真的结构适配边界与工程应用范围。

    索辰电磁仿真软件R2026a版本针对高阶矩量法求解器的模型可视化体系开展了全域、多维度的增强。围绕矩量法仿真全流程的易用性需求，新增并优化了端口激励、平面波激励、场源激励、端口负载、近/远场观测点、PEC/PMC/对称边界等全域边界条件和周期边界条件等关键设置的可视化能力，同时增加了针对天线布局缩减和智能阴影缩减的阴影可视化效果，帮助用户快速理解设置。整体提升了高阶矩量法求解设置的操作便捷性与直观性。除此之外，版本对连接点的定义机制及网格剖分性能进行了优化，优化后的连接点引导网格剖分算法在端口馈电区域自动生成形态良好、单元质量达标的网格，有效规避端口处畸形网格或疏密突变网格等劣质剖分问题，减少因端口网格畸变引发的求解数值色散、矩阵方程迭代不收敛、端口阻抗计算失真等异常现象，保障高阶矩量法计算精度的同时提升求解稳定性。

    索辰电磁仿真软件R2026b版本正式集成物理光学高频近似求解算法，补齐了软件原有精确数值算法体系中的高频高效求解短板，形成“高阶矩量法精确全波计算+物理光学高频近似计算”互补的混合求解架构。依托物理光学的高频散射近似机理，该求解器可针对飞行器、舰船平台和大型天线罩等超电大尺寸电磁目标的雷达散射截面、近场散射分布等散射特性实现高效率、低内存开销的快速数值评估，大幅降低超大尺寸目标仿真对计算机硬件算力与内存资源的占用，适配高频段电大目标批量扫参、多姿态散射仿真等工程化分析需求。该版本同步新增方向图快速计算功能，大幅优化远场求解链路的计算效率。在大未知量规模的仿真任务里，可在保证精度的前提下大幅压缩求解收尾阶段中远场数据的运算耗时，提高整体仿真效率。

    e、光学仿真软件

    索辰光学仿真软件R2026a版本聚焦固体激光器谐振腔设计能力的全面拓展。在谐振腔设计方面，新增调Q元件与标准元件，支持左右面型独立选择；增加晶体与反射镜的双端镀膜、通用孔径设计与偏向倾斜设计。在分析能力方面，BPM模块增加光轴旋转变化与腔外光束特性计算，完善对大曲率半径输出镜及非稳腔的支持。在泵浦与热效应方面，分离晶体形状与泵浦方式的设计，适配任意位置晶体与多泵浦源脉冲泵浦组合；抛物线拟合增加默认切片与横向容差设置。在材料方面，增加元件赋予材料功能，可自由选择折射率、受激发射截面等参数。此外，DMA、主动调Q、BPM均完成新元件接口适配。

    索辰光学仿真软件R2026b版本持续深化固体激光器分析能力，并首次推出杂散光分析软件模块，形成光学仿真双线并进的格局。在固体激光器方面，新增主动调Q脉冲泵浦与被动调Q功能，输出功率、DMA、主动调Q、BPM各功能全面适配多波长分析。在热效应方面，增加有限差分热力耦合功能与热致折射率分布输出。DMA功能增加光阑计算逻辑与简单倍频功能。同时修复了稳定值输出、二维稳定图标签、侧面泵浦功率异常等八项问题。在杂散光分析软件方面，以蒙特卡洛光线追迹为核心构建基础架构，涵盖材料、光源与传感器三大模块。新增体光源与光源光谱，扩展多波长支持并关联材料折射率；增加三维能量密度传感器与三维热功率密度传感器；整合表面属性，增加环境折射率定义与简单散射功能。

    B、开物产品线

    “开物”产品线代表着公司在物理AI这一前沿领域的探索与布局，旨在通过创新技术推动工业装备设计、研发和制造的智能化升级。报告期内，公司发布世界物理模型、索辰智能体-大圣、索辰物理合成数据-行者等物理AI软件产品，进一步完善物理AI产品布局。

    a、世界物理模型

    索辰科技“世界物理模型”是一种以高精度物理仿真为驱动的新一代人工智能计算架构，突破了传统视觉世界模型“止于像素”与单一工业装备仿真的智能边界，将AI的感知、生成与预测能力，从可观测的表层环境延展至深层物理场。

    该模型聚焦世界模型中的仿真器，能力分为三层递进层次：第一层为视觉-动作世界模型，从视频数据中学习运动规律，能够预测表象视觉信息；第二层为力触声觉世界模型，融合多模态物理感知，预测接触力、形变与操作反馈，支撑智能体完成类人精细化交互；第三层为核心的深层物理推演，从物理定律出发，直接推演材料内部应力、气流切变、电磁干扰等人类无法感知的隐性物理现象，让智能体超越人类感官局限开展预判。

    架构融合了系统辨识、多模态融合与分层世界模型三大技术路线。通过系统辨识机制，模型在隐空间中持续识别和适应环境物理参数的变化；通过多模态统一表征，将视觉观测、力/触/声觉信号与动作序列映射到同一嵌入空间；通过分层世界模型架构，将表层物理感知与深层物理推演整合为联合计算框架。输出端联合解码未来帧、接触力分布、声觉反馈、关节状态及深层物理场预测结果，实现从表层感知到深层物理的全链路闭环推演。

    b、索辰智能体-大圣

    索辰·大圣以“意图即建模”为核心理念，实现设计逻辑自主演进，打破传统建模繁琐流程，达成空间几何与物理常数深度共生，保障模型精准贴合真实物理规律；依托自研仿真引擎，支持工程师以自然语言直接驱动仿真全过程，覆盖模型生成、边界荷载设定、网格划分、求解计算及结果分析等关键环节，无缝支撑结构、流体、声学、电磁等多物理场仿真场景，构建起从需求输入到方案产出的端到端智能化仿真体系，为世界物理模型的构建与高效应用打造强大智能引擎。

    c、索辰物理合成数据-行者

    索辰·行者以工业级多物理场仿真引擎为核心，覆盖流体、结构、声学等物理场，通过第一性原理数值求解生成训练数据，通过真正“算出来”的数据，从物理机制上保证数据的真实性与一致性。依托真实数据标定仿真参数，并结合大规模域随机化技术，索辰·行者实现高质量工业级训练数据的规模化生成。视觉、力觉、声学等多模态数据基于统一物理世界同源同步生成，天然保证跨模态数据在时间、空间与物理状态上的一致性，为模型训练提供高精度、自动化的真值标注。

    （2）核心技术进展

    B、五项其他核心技术

    a、三维CADforCAE内核建模技术

    该技术面向CAE软件的前处理模块，应用于公司流体、结构、声学、电磁等多个类型产品，是公司自主研发的可直接应用于仿真分析的三维CAD内核，支持三维模型导入、三维立体建模、几何修复及清理、参数化建模等功能。该技术能够增加CAD模型的精度和保真度，保证几何模型的准确性，为仿真模型输入提供准确转换工具。

    b、三维轻量化与沉浸式后处理显示技术

    该技术面向CAE软件的后处理模块，为客户提供轻量化、立体化、便捷化的可编辑后处理结果，以方便客户的仿真设计与分析。该技术支持显示方向、范围、颜色、标题、图例、动画、注释自定义，支持网格文件、流体、结构、电磁后处理结果导入显示编辑，支持VR、AR等后处理结果一键式切换与实时推送，包括动态显示和静态显示，打造立体沉浸式视觉体验。

    c、基于产品全生命周期的数字孪生仿真技术

    该技术面向产品设计的全生命周期，从产品概念设计阶段引入仿真分析，基于系统性的需求分析，快速引入方案论证系统，满足从初步设计到详细设计对分析效率、精度的不同要求。利用公司多个学科的仿真技术求解后，引入数字样机，构建数字孪生模型，并利用优化算法与机器学习不断调整仿真参数和数字样机，进行自动校验和协同验证，实现数据孪生、模型孪生和过程孪生相互关联、相辅相成的一体化数字孪生平台。

    d、高性能计算与仿真云计算技术

    高性能计算技术为公司各类仿真算法实现并行计算提供支撑，通过CPU、GPU等异构计算架构，把一个复杂的计算问题根据一定的规则分为许多小的计算单元，在集群内的不同节点上进行计算，再对计算结果进行汇总分析，在短时间内以极高速度处理大量数据。高性能计算为公司气体动理学算法、直接模拟蒙特卡洛方法、光滑粒子流、再生核粒子算法等赋能千核以上并行计算效率，且能够保持较好的加速比，显著提升客户的仿真设计能力。公司的仿真云技术基于标准Web架构，通过在本地或云端运行大量并行任务和分时使用，可以实现客户计算资源的充分利用，提升设计人员的协同开发能力，加快产品设计的迭代更新。

    e、物理AI

    物理AI技术体系构建以数据驱动和物理规律融合为核心逻辑，该技术涵盖：(a)多模态数据处理系统，能整合结构化时序数据、非结构化三维场数据及空间地理信息，通过智能校正算法实现多源数据融合清洗，形成高置信度数据流，并依托高性能时序数据库提供快速存储与查询能力。(b)自动化模型训练平台，基于数字底座自动生成海量带标注的合成训练数据，集成物理机器学习算法库，将物理规律作为约束融入训练，支持智能调参与分布式训练，降低模型开发门槛，实现快速迭代。(c)实时推演引擎，基于训练好的深度学习模型，在通用硬件上实现三维环境场秒级解算，计算效率较传统方法提升数千倍，且具备自校准能力，通过与实时感知数据比对动态优化模型，确保结果逼近物理真实。(d)开放应用生态，通过SDK/API开放核心能力，支持开发者快速集成数据、算法与可视化功能，拓展至多领域定制化应用。

本文数据来源于索辰科技2026年中报，仅供参考不构成投资建议。