群核科技主营业务、股权结构与竞争壁垒分析

空间智能第一股，四从四到打开发展空间。

1.头部空间智能企业，深耕空间设计与可视化

群核科技到底是做什么的？群核科技围绕“所见即所得”的核心理念为消费者提供定制化设计方案，消费者对于设计方 案的高要求促使群核科技提升设计渲染与生产交付的效率。为了通过“快”来解决消费者的设计痛点，酷家乐将设计师 交付一套完整方案的时间从9小时压缩至3小时甚至2小时，并打通了从设计到生产的全链路，企业得以更快交付商业结果。

群核科技是一家以GPU（专用图形处理器）集群和AI（人工智能）技术为底座的空间智能企业。公司在过去数年的技术 沉淀中构建了一套物理正确的世界模拟器，并将之运用在室内空间场景下的实时渲染、工业生产制造、具身智能合成数 据训练等场景中。公司旗下拥有空间设计软件【酷家乐】、海外版产品【Coohom】、面向室内环境AI开发的下一代空间 智能解决方案【群核空间智能平台（SpatialVerse）】、具备增强建筑信息建模（BIM）功能的【群核酷空间】以及创意内 容云设计平台【美间】等。2024年，公司平均月活跃访客数为8630万名，拥有超过4.55万名品牌企业客户，超过41万名个 人客户，产品覆盖全球200多个国家和地区。按2023年的平均月活跃用户（MAU）数量计算，公司是全球最大的空间设计 平台；按收入计算，公司中国市场份额为22.2%，排名第一。

聚焦空间智能，公司由空间设计向AI训练转型。公司成立于2011年，以家居设计工具酷家乐切入市场，凭借“10秒极速渲 染”技术迅速占领设计师心智。2012年构建了第一个专有GPU集群。2013年推出酷家乐1.0版本后，通过8轮融资（累计超3 亿美元）完成技术升级与生态扩张。2018年发布国际化品牌COOHOM，为全球提供3D云设计软件和渲染服务。2020 - 2021年，收购建筑云设计平台Modelo和创意设计平台美间，构建覆盖“设计 - 生产 - 施工”全链路的SaaS矩阵。2024年推 出空间智能平台SpatialVerse，探索具身智能应用，逐步转型为“AI +空间智能”科技公司。

三大创始人深耕计算机科学领域。公司的三位创始人黄晓煌、陈航、朱皓，毕业于浙大、清华、美国UIUC等高校，在计 算机科学领域深耕多年，之后又在英伟达、微软、亚马逊等全球知名公司就职，在计算机图形学及并行计算领域沉淀了 深厚的专业知识。IPO前，黄晓煌通过Wintermatch International Limited持股为15.46%，陈航通过Ineffable International Limited持股为11.04%，朱皓通过Peekaboo International Limited持股为4.22%。公司从成立以来已进行11轮融资，投资机构包 括：IDG资本、纪源资本、顺为资本、云启资本、经纬创投、线性资本、Hearst、Pavillion、高瓴创投、Coatue等。

3.三要素构建竞争壁垒，四从四到战略打开发展空间

数据：公司目前拥有全球最大的室内场景认知深度学习数据集。自2013年创立酷家乐以来，公司客户在酷家乐上积累了海 量的3D数据和空间认知数据，截至2024年，酷家乐包含超3.62亿个3D模型及空间设计元素，累计渲染40亿次以上，2024年 第四季度平均MAU达1.04亿。2018年，公司基于自身业务海量的室内空间数据积累，联合国内外几所高校共同推出 InteriorNet数据集。在此之前，国际上已经有不少知名数据集存在，但多数为静态或不可交互数据，InteriorNet是少有的由 可交互三维数据构成的数据集，也是全球最大的室内场景认知深度学习数据集，包含了1600万组像素级标签数据，1.5万 组视频数据，共计约1亿3千万图像数据。

算力：公司自建高性能万卡GPU集群实现高效且高性价比计算。从2011年创业之初，公司就着手搭建GPU高性能算力集 群，该集群利用各个具有不同规格的GPU的集体计算能力进行高效的并行处理，并与通用云基础设施相结合，优化计算 能力分配，同时增强平台可用性、可靠性及可扩展性。截至2024年，公司的 GPU集群由超过5400台配备中央系统及定制 硬件的高性能服务器组成，于2024年能够平均每天处理7.1百万项计算任务，于1.2秒内处理一张典型2K图像，大幅低于行 业平均水平，且渲染一张典型2K图像的平均成本大大低于使用通用云设置的成本。

为具身智能行业内唯一能提供包含真实物理规律的、大规模高质量合成数据的企业。1）大规模：2018年，公司推出 InteriorNet数据集，是少有的由可交互三维数据构成的数据集，也是全球最大的室内场景认知深度学习数据集，包含了 1600万组像素级标签数据，1.5万组视频数据，共计约1亿3千万图像数据。2）高质量：通过物理仿真、分割标注、场景增 强等核心能力实现数据物理正确。3）成功案例：已成功应用于美的、追觅、科沃斯等扫地机器人训练。