2025年索辰科技研究报告：中国物理AI稀缺资产，CAE国产替代厚雪长坡

1. 中国版 Isaac Sim：定位机器人数据卖铲人，索辰开物平台推出具身智能应用

1.1 为什么需要仿真？—真机数据匮乏限制机器人迭代，仿真合成路线提供性价比+泛化能力

1.1.1 缺数据：“大小脑”成熟度限制任务泛化性，真机数据匮乏限制“大小脑”能力提升

人形机器人的“大小脑”处于发展初期但至关重要。人形机器人的“大脑”作为决策系统的中 枢，具有感知、规划、决策等重要功能，有赖于多模态大模型的持续发展迭代。“小脑”则负 责将“大脑”的决策转化为流畅且稳定的动作指令，通过模型预测控制（MPC）、强化学习 和模仿学习，确保机器人动作的精确性和协调性。 “大小脑”的成熟度较低致使现有的人形机器人只能满足极其特定的工业级操作以及文娱、展 示用途。通过梳理现阶段海内外人形机器人的主要应用场景，我们认为：1）现阶段人形机器 人的多数工业级应用通常以特定的机械重复性操作为主。2）文娱、展示、教育等特定场景的 高容错应用仍是当前阶段机器人相对成熟的落地场景。3）现阶段垂直、单一化的任务分布本 质源于“大小脑”的不成熟：一方面，人形机器人“大脑”不够发达，机器人感知融合能力、 任务分解规划能力较差导致任务泛化能力一般，难以跨场景适配；另一方面，人形机器人“小 脑”的运动控制仍处初级阶段，表现为作业依赖预设路径、动态环境响应薄弱，且复杂操作需 人工重编程等。

以宇树科技为例。根据硅基实验室公众号统计，宇树的客户覆盖高校、传媒、能源、医疗、消 防、教育等多个领域，其中，近三十所高校撑起了宇树产品的订单主力。据 IDC，机器人商业 化落地场景的顺序依次是科研开发、文化娱乐和导览咨询、工业场景（仓储物流、安全巡检、 协同装备等），最后是消费市场（家庭服务、零售服务等）。全球机器人销量领先的宇树科技 目前主要的商业化落地场景依然是科研开发领域，某种程度上侧证了现阶段人形机器人在工业 场景、消费市场的大规模落地应用还有一段距离，我们认为这背后的底层原因仍是“大小脑” 的成熟度较低。

破解人形机器人“大小脑”成熟度低的问题根源在于数据。根据数据金字塔理论，不同层次的 数据量级不同，也代表着不同的成本、能力和局限。底层数据量庞大的互联网数据获取门槛最 低，数量最多，但质量良莠不齐，同时缺乏物理语义对齐；中层仿真合成数据和人类视角的 VR轨迹数据由于可以高效生成，获取成本不高，但仿真与现实之间存在不可忽视的物理差距， 质量一般介于真实数据与互联网数据之间；上层真机数据一般通过遥操作采集，物理精准、任 务语义完整，在任务泛化和精度要求上具有无可替代的价值，但获取成本高、标注难、数量少。 对于人形机器人训练而言，“百万真机数据只能训练一个动作的泛化，对实现理想状态中的具 身智能还远不够”。对于具身智能而言，数据金字塔尖上的是真机数据，数据量大概在 1 万 小时以内，与之相对的，训练大语言模型（LLM）的数据量至少为 109小时，高质量数据的匮 乏已成为人形机器人“大小脑”能力提升的最大卡点。

1.1.2 真机数据 VS 仿真数据：仿真合成数据性价比高，多样化仿真提升模型泛化能力

一般而言，真机数据的优势在于其高保真度（物理交互的真实性），能够精准反映复杂操作中 的力学反馈和不确定性，劣势在于采集成本高昂、采集周期长且现阶段数量较少。仿真合成数 据的优势在于低成本、高效率与场景的可扩展性，基于物理引擎可快速生成海量的多样化数据，尤其适合预训练数据积累与极端场景的模拟，劣势在于“仿真鸿沟”——虚拟环境与物理现实 的偏差导致模型在真实任务中表现不稳定。目前，英伟达、Skild AI、银河通用三家厂商已明 确在训练具身智能大模型时采用了仿真合成数据。

真机数据采集路线的典型代表是北美具身智能明星企业 Physical Intelligence（简称 PI），有报道称 PI 租下了 Airbnb 在旧金山的许多公寓用于真实空间和场景的数据采集，成本极为高昂。 仿真合成数据的代表以银河通用为例，其基于 NVIDIA Isaac 平台构建高效的数据生产管线， 通过升级物理真实性与渲染并行度，仅一周即生成全球规模最大的十亿级机器人操作数据集。 作为全球首个完全基于仿真合成大数据进行预训练的具身大模型，GraspVLA 展现出比 OpenVLA、π0、RT-2、RDT等模型更强大的泛化能力：光照泛化、干扰物泛化、平面位置泛 化、高度泛化、背景泛化、物体类别泛化。

1.2 英伟达 Omniverse 为何重要？—仿真合成+软件测试+强化学习，“免费+订阅”建设生 态

1.2.1 从英伟达的“三台计算机”说起：一台训练、一台仿真、一台部署

NVIDIA CEO 黄仁勋于 2025 年 CES 大会上指出，每家机器人公司最终都必须构建三台基础 计算机协同的解决方案，形成从训练到优化再到执行的完整体系。对于英伟达而言，“第一台 计算机”是 DGX AI 超级计算机，用于训练。“第二台计算机”是基于 NVIDIA RTX PRO 服 务器的 NVIDIA Omniverse 和 Cosmos，用于生成合成数据、进行强化学习，同时也是 DGX 和 AGX的桥梁。“第三台计算机”是 NVIDIA 为边缘计算和自主系统设计的嵌入式平台 NVIDIA Jetson AGX Thor，用于端侧部署。从训练到仿真再到部署，“三台计算机”打造了英伟达在 通用人形机器人的完整框架，可以缩短人形机器人的开发周期、降低开发成本和风险，构建开 放的生态系统。 第一步，在“第一台计算机”上训练模型，开发者可以在 NVIDIA DGX平台上使用 NVIDIA NeMo 来训练和微调 AI 模型，还可以利用 NVIDIA Project GR00T 使人形机器人能够理解自然语言， 并能够通过观察人类行为来模仿动作。第二步，开发者可利用 Omniverse 和 Cosmos 生成海 量符合物理特性的多样化合成数据，例如 2D 或 3D 图像、分割掩码、深度图或运动轨迹数据， 为模型训练和性能优化奠定基础；开发者在基于 Omniverse 构建的 NVIDIA Isaac Sim 的仿真 环境中零风险验证其机器人策略；还可以使用“第二台计算机”的 Isaac Lab（一个开源的机 器人学习框架），赋能机器人的强化学习和模仿学习，加速完善机器人的训练策略。第三步， 训练好的 AI 模型被部署到端侧计算机上。

近年来，英伟达不断强调旗下图形部门中仿真条线的重要性，即“第二台计算机”的重要性。 美国科技媒体《The Information》深入报道了英伟达创始人兼 CEO 黄仁勋子女在该公司任职 的情况。报道指出，黄仁勋现年 34 岁的女儿黄敏珊（Madison Huang）于 2020 年加入英伟 达，现任 Omniverse 和机器人技术领域的资深产品营销主管。其 35 岁的儿子黄胜斌（Spencer Huang）于 2022 年加入英伟达，目前担任机器人项目的产品经理。 黄仁勋的管理理念与传统企业不同，他相信企业架构的扁平化结构与信息的极度透明可以提高 企业运转效率，因此公司高管直接向黄仁勋汇报工作。仿真技术副总裁和英伟达其他重要业务 部门副总裁（如 GPU 工程高级副总裁、DGX Cloud 业务副总裁等）一并直接向黄仁勋汇报工 作。从黄仁勋家族成员在公司的角色配置和岗位安排，再到仿真技术副总裁的直接汇报，不难 看出黄仁勋本人对于英伟达仿真业务的重视程度之深。

1.2.2 Omniverse 与 Isaac Sim 如何加速机器人开发？——仿真合成+软件测试+强化学习

Omniverse 是一个用于大规模构建和运行 3D 应用程序及服务的开发平台，该平台基于 OpenUSD（通用场景描述）和 NVIDIA RTX渲染技术，支持实时协作、物理精准仿真和生成 式 AI 集成，主要应用于工业数字化、机器人训练、自动驾驶仿真和元宇宙等领域，已成为工 业设计、数字孪生、AI 开发等领域的核心工具。 NVIDIA Isaac Sim 是一款基于 Omniverse 构建的开源应用，使开发者能够在基于物理的虚拟 环境中模拟和测试 AI 机器人解决方案。Isaac Sim 有以下三大功能： 生成合成数据：Isaac Sim 支持大规模合成数据生成，包括感知、移动、基于物理的抓取 等，并提供写实渲染和自动生成真实标签，用于训练和微调机器人基础模型。 执行软件在环测试：Isaac Sim 可通过与真实机器人软件集成，为完整的机器人堆栈实现 软件在环（software-in-the-loop）测试，从而验证机器人控制与感知系统。 支持机器人学习：Isaac Lab 是基于 Isaac Sim 平台构建的开源轻量级应用，专为大规模 机器人学习进行优化。通过 Isaac Lab 支持机器人学习流程，可加速仿真中的训练，助 力模型在现实场景中的快速部署。

目前，Agility Robotics、波士顿动力、傅利叶、Mentee Robotics、Neura Robotics 和小鹏机 器人等公司正在使用 Isaac Sim 和 Isaac Lab 对其人形机器人进行仿真和验证。Skild AI 正在 使用该仿真框架开发通用机器人智能，General Robotics 正在将其集成到其机器人仿真平台中。 此外，中国台湾的电子和机器人制造商，比如威刚科技 (Adata)、研华科技 (Advantech)、台 达电子 (Delta Electronics)、Foxconn、Foxlink、所罗门 (Solomon)、达明机器人 (Techman) 和纬创 (Wistron) 同样也在使用 Isaac Sim 和 Isaac Lab 开发下一代 AI 机器人。

1.2.3 Omniverse 如何盈利？—免费+订阅模式促进生态建设，形成软件驱动硬件销售模式

目前，个人创作者、设计师和开发者可免费使用 NVIDIA Omniverse 的基础版本，目的是降低 设计技术门槛，吸引用户参与生态建设，通过培养用户群体，推动内容创作和技术创新，进而 间接带动企业端需求增长。针对企业用户，NVIDIA Omniverse 专门推出了 Omniverse Enterprise 软件，企业用户可拥有 90 天试用期，试用期过后的订阅费用为每 GPU 每年 4,500 美元。但该软件试用版要求拥有搭载 NVIDIA RTX的工作站或服务器（官网建议要求具有 16GB VRAM 的支持 RTX 的 GPU）。这种销售模式将在一定程度上带动硬件产品（GPU 等）销量 增长，形成“软件驱动硬件”的协同效应。

1.3 索辰开物平台：国内唯一有卡位、有场景、有收入的物理 AI 平台

1.3.1 有卡位：有望成为中国版 Isaac Sim，7 月发布具身智能虚拟训练平台

2025 年 2 月，公司在上海、北京、广州等六地举行索辰物理 AI 开发平台“天工·开物”产品 发布会，推出索辰开物平台。索辰开物平台基于生成式物理 AI 技术和实景渲染技术，实现真 实场景下的四维时空耦合多物理场设计、仿真、优化和训练，并应用于工业装备的研制和部署。 索辰开物平台具有以下四大功能：

环境感知：通过传感器硬件和企业级实时历史数据库 pSpace，物理 AI 可实时感知现实 环境，支持国内外主流的 1,000 多种厂家设备，支持 1,000 客户端并发访问、高速数据 读写。通过 3D 渲染场景中的环境感知器，物理 AI 可实时感知虚拟环境，获取计算所需 的物理参数。

设计仿真训练优化一体化：全参数化的 CAD-CAE 一体化设计使得设计参数贯穿整个工 作流。通过特征抑制可快速切换不同学科不同设计阶段的模型，对设计参数的变更可立 刻反馈到所有学科的几何模型以及分析参数。在参数化几何上直接赋予仿真分析设置， 无需转换数据格式或者在不同软件中导入导出，简化操作，规避数据丢失、冗余，或者 几何拓扑错误等问题。通过自动化的工作流实现仿真、训练、优化的一体化运行。

数据互联：支持导入常见 3D 资产格式、CAD 格式、网格格式。支持表面物理场、空间 物理场、特殊物理场等结果可视化输出。支持导入 URDF 格式的机器人模型。

拓展开发：支持对物理仿真和 AI 模块的前后端以及应用平台进行二次开发。

2025 年 7 月，公司在索辰开物平台的基础上推出了索辰具身智能虚拟训练平台。该虚拟平台 如同一个无限延展的训练场，能够构建出远超真实世界场景库能提供的数据量级，打破真实世 界的限制，让机器人在各种复杂情境下都能得到充分训练。 2025 CES 英伟达发布 Cosmos 世界模型，迭代 Omniverse 平台与 Isaac Sim 4.5。Isaac Sim 为 AI 机器人开发提供物理虚拟环境，覆盖训练、测试到部署全流程的机器人仿真工具。从技术架构看，公司构建了完整的物理 AI 生态。公司基于自主研发的仿真求解器，开发出覆盖流 体、结构、电磁、声学、光学等多学科的核心算法，不仅能够实现传统 CAE 仿真，而且能够 支撑物理 AI 的训练、测试和部署全流程。从这个角度看，我们认为公司的物理 AI 实质上是中 国版的 Isaac Sim。

1.3.2 有场景：风电平台+低空地图+机器人

物理 Al 风电平台构建 AI 驱动的气动外形优化算法与气象-设备耦合预测模型双引擎。平台深 度赋能风力机气动布局智能优化，通过 AI 算法动态调整叶片气动外形，提升风能捕获效率； 依托时空动态预测技术，实现风能流场的精准感知与短期预报，先一步为发电调度提供科学依 据；实现全工况模拟风机叶片强度载荷，从材料受力到设备运行状态进行系统性分析，为设备 安全运行筑牢数据支撑；通过多风机阵列协同布局优化，结合流场模拟与尾流效应分析，实现 风电场整体效能的提升。

低空三维物理地图是一款面向低空飞行环境感知与低空设备监管的综合解决方案，是低空软性 基础设施的重要组成部分。该方案旨在通过集成实时环境数据采集系统、实时数据库、实时环 境物理场模拟引擎、实时三维物理资产展示平台、智能空域监管平台、三维物理资产编辑管理 系统，为低空经济场景提供高效、精准、可扩展的低空资产实时监控与管理能力。系统平台通 过模块化设计，满足不同规模与需求的客户，广泛适用于低空交通管理、无人机运营、微气象 监测、城市规划等领域。 低空三维物理地图搭载了公司自研的物理 AI 引擎，凭借全场物理信息实时生成能力和完全无 源的精准感知与定位能力，为低空无人机路径规划提供了重要的安全评估依据与风险判断支持。 同时解决了传统有限测点方案难以全面捕捉低空物理环境复杂的大规模物理信息的问题，为实 现更稳定、安全的低空空域作业与通航场景提供核心技术支撑。

机器人方面，公司 25 年 7 月发布的机器人虚拟训练平台具备高效的算法迭代加速能力，虚拟 训练过程中能够实时反馈动作效果、无需人为调整参数设置，使算法迭代速度较传统方式提升 万倍量级。平台还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。

1.3.3 有收入：25/26 年物理 AI 有望实现 3,000/5,000 万收入

2025 年 7 月 4 日，公司公布《2025 年限制性股票激励计划（草案）》，提出 2025/2026 年 物理 AI 分项收入目标分别为 3,000/5,000 万元。9 月 23 日，浙江空域融合低空产业发展有限 公司发布的《绍兴越城区低空三维物理资产实时管控平台项目单一来源公示》内容显示，公司 作为该项目的唯一中标方，项目预算 3,170 万元。因而我们认为公司达成 25 年物理 AI 收入 目标的置信度较高。

公司 2025上半年/2024年营业收入分别达 0.57/3.79亿元，同比增长 10.8%/18.2%，2020-2024 年营收 CAGR 达 23.7%，主要增长动因仍为 CAE 国产替代背景下的提份额逻辑，向未来展 望，1）民用 CAE 行业拓展+2）物理 AI 机器人训练平台卡位机器人时代卖水人有望持续驱动 公司收入高速增长。 公司 2024 年归母净利润为 4,145 万元，归母净利率达 10.9%，2020-2022 年归母净利率均在 20%以上，23-24 年有所波动，主因销售费用率以及信用减值损失的提升。

公司近年来综合毛利率约在 70%上下，业务结构主要分为工程仿真软件与仿真产品开发： 工程仿真软件：主要包括 1）单一学科仿真软件；2）多学科仿真软件；3）工程仿真优 化系统三部分，目前索辰在流体、结构、电磁、光学、测控、声学、复合材料等学科均 有细分产品布局。该部分业务产品化程度较高，2020-2024 年毛利率维持在 95%以上。 仿真产品开发：主要包括数字孪生系统、仿真-试验融合验证系统、仿真云平台、高性能 计算平台等，能够实现物理实体虚拟模型仿真验证，在产品全生命周期持续利用 CAE 技 术实现对试验的替代，助力未来智能化制造。该部分业务涉及到定制化开发与部分硬件 采购，因而毛利率相对较低，近年来约在 30%上下。

公司 24 年销售费率明显提升，管理控费较好。同时，公司 2020-2024 年研发投入强度较高， 研发费率约在 30%上下波动。

2024 年，公司是全 A 上市公司中博士员工占比最高的公司，高达 18.6%。2024 年，公司人 均创收 117 万元，2020-2024 年始终维持在 100 万元以上。

2. 中国版 Ansys：聚焦 CAE 国产替代，不断缩小与海外巨头差距

2.1 价值：虚拟验证替代高成本试错，实现产品全生命周期优化

2.1.1 CAE 是什么？——将物理&工程学科理论模型的代数求解过程固化为计算机程序

CAE 软件本质是把物理和工程学科的理论模型做数学处理后得到的代数求解过程固化而 成的计算机程序，且包括丰富的工程数据、模型和简单易操作的用户界面和结果分析功能。 主要用于预测产品功能的可用性、可靠性、效率和安全性等，实现产品/工程的设计优化， 保证产品/工程达到预期功能并满足各种性能指标。在产品/工程设计与改进中，CAE 软件 的应用，能够起到优化设计方案、提升产品性能、大幅减少试验次数、提升研发效率、缩 短开发周期、降低设计风险和研发成本的效果。

CAE 软件开发基于三大底层逻辑：数学+物理、计算机科学、工程学。第一，CAE 软件 的核心是物理学和数学。从物理学角度来看，CAE 的本质是用物理学规律或模型对工程 问题进行客观描述。从数学的角度，CAE 是使用合适的计算数学方法，将基于物理学规 律和模型而成的理论方程变换为计算机可以表达、存贮和求解的代数方程。第二，计算机 科学为 CAE 软件底层算法的实现及与工程学问题的衔接提供了支撑。CAE 软件的底层算 法实现涉及到大量复杂计算，需要计算机提供强大的算力支持并加速计算过程。第三， CAE 软件的开发目标是解决实际的工程问题，工程问题具有复杂性，对工程知识的理解 是 CAE 在具体应用层面的表达。在数学和物理学构建的软件内核之上，CAE 开发者用计 算机科学搭建起基本功能模块，但 CAE 软件要想真正为客户所用、服务工业流程，还必 须经过工程学的应用。

CAE 软件主要组成部分包括：用户界面（GUI）、数据管理系统、数据库。数据管理系统 是 CAE 软件进行仿真模拟时的核心部件，CAD、CAM 等格式的文件通过接口输入数据 管理系统，后者再经过前处理、求解分析、后处理三个流程实现仿真模拟。前处理过程中， 用户在 GUI 为求解器提供/生成实际的几何模型和空间网格，选择物理模型和数值求解算法及其参数，根据实际工况设置求解的边界条件，之后求解器开始运行求解并输出结果数 据，整个计算过程无需用户干涉。求解过程结束，用户用软件对计算结果进行后处理，包 括对计算结果数据的提取、分析和展示等。

在前处理过程中，首先需要具备网格/粒子离散模型，离散模型可以通过软件自带的几何 建模和网格/粒子离散模块实现，也可以导入外部的几何模型或网格/粒子模型。之后设定 计算区域，选择物理模型、材料、数值求解格式，以及设置初始条件、边界条件、载荷、 约束等。上述各项物理和数值求解参数设置完成之后进行求解过程。前处理过程需要诸多 步骤，且各项设定都会影响计算结果。前处理阶段的各项输入和设定正确合理是 CAE 获 得准确可靠结果的前提。 求解器将 CAE 软件底层的物理、数学算法用计算机语言展示并计算求解，是 CAE 软件 的核心，求解器的性能直接决定了 CAE 软件的技术水平。求解器旨在求解数学物理模型 对应的方程，构建求解器算法的关键步骤是使用合适的计算数学方法，不同的数值格式决 定了代数方程组的最佳求解方式、求解效率和稳定性以及它逼近原始偏微分方程的精确程 度。 后处理模块用于处理和显示 CAE 求解器生成的结果数据。CAE 求解计算会产生大量的数 据，为了获得数值模拟的研究结果，必须对计算产生的数据进行分析、理解，以便发现计 算过程中出现的情况和问题，从而正确地认识和理解被研究对象。后处理模块为客户提供 了可视化的界面，通过多种方式展现工程问题的模拟结果，包括图表、图形、动画等。

以飞机设计为例，CAE 通过多学科协同仿真，全面优化产品性能。以结构分析确保强度与可靠性，流体仿真提升气动效率，电磁仿真评估兼容性，光学分析优化探测系统，声学 设计控制噪声，测控仿真保障数据传输。

2.1.2 CAE 能做什么？——九大行业应用，两大共性价值

CAE 技术通过高精度建模与仿真，深度赋能多个行业的核心研发与运营环节。它跨越航 空、航天、能源动力、工业设备、地面交通、船舶海洋、建筑、卫生医疗、消费品九大领 域，始终围绕两大共性价值：一是以虚拟验证替代高成本试错，显著降低研发周期与资源 消耗；二是依托数字孪生实现产品生命周期管理，实现设计-运营-维护的全生命周期优化。

2.2 空间：全球市场百亿美元 VS 国内 51 亿元，中国工业增加值与 CAE 占比存在剪刀差

全球 CAE 市场规模百亿美元，国内约为 51 亿元人民币。据 Grand View Research，2024 年，全球 CAE 市场规模预计约为 113 亿美元，中国 CAE 市场规模预计约为 51 亿元。

中国 CAE 市场规模与工业增加值占全球比重存在较大剪刀差。2024 年，中国 CAE 市场 规模预计为人民币 51 亿元，全球 CAE 市场规模则预计为 113 亿美元，我国 CAE 市场规 模仅为全球的 6.0%。与此同时，中国工业增加值占全球比重却达到 21.2%，两者存在约2 倍以上差距。我们认为，长期看，伴随我国高端制造与正向设计的发展成熟，我国 CAE 市场规模有望修复至百亿以上体量。

2.3 竞争：海内外代差或呈现缩小趋势，CAE 国产化率或不足 10%

2.3.1 海内外主要厂商梳理：海内外代差或呈现缩小趋势，国内形成分层竞争格局

通过梳理 Hexagon、Ansys、AutoDesk、西门子、达索五家海外公司，以及公司、中望 软件、云道智造、英特仿真四家国内公司共九家公司在 CAE 领域的发展史，我们认为海 内外 CAE 公司的差距或呈现缩小趋势。

成立时间：最早的 CAE 海外巨头 MSC 软件公司成立于 1963 年，Ansys 于 1970 年在美 国成立；而国内这几个 CAE 领域主要玩家中，公司最早成立于 2006 年，海内外时间差 大约为四十年。

兼并收购时间：CAE 软件由于涉及学科广、研发难度高，巨头在发家后都会选择开始兼 并收购更细分领域的“小而精”企业以拓展仿真学科、提高仿真能力。海外的兼并收购 起点是 1989 年 MSC 软件并购流体 CAE 软件公司 PISCES，而国内则是 2024 年公司收 购麦思捷、中望软件收购英国老牌商业流体仿真软件开发商 CHAM，海内外时间差大约 为三十年。

多学科仿真时间：1998 年，MSC 软件收购 2D 和 3D 运动学仿真软件的 Knowledge Revolutin 公司，进入运动学仿真领域，拉开了海外 CAE 公司多学科集成的序幕。 2022 年，索辰科技目已研发出多款多学科仿真软件，典型代表为 EMT 多学科软件， EMT 包括热-结构耦合仿真算法、热-流体-结构耦合算法、热-结构-光学耦合等核心 算法。海内外多学科集成时间差大约为二十年。

云化时间：2013 年 AutoDesk 发布了云化产品 Fusion 360。2023 年，公司完成仿真云 平台两次产品内测版本发布工作。海内外产品云化相差约十年。

+AI 时间：2024 年，Ansys 推出 Sim AI 和 Ansys GPT，2025 年，达索发布人工智能工 具 AURA；2025 年，公司推出物理 AI 开发应用平台的全场景解决方案。此时海内外 CAE 厂商代差缩小为一年。 国内 CAE 市场已形成分层竞争的格局，其中公司以多学科、全物理场覆盖能力及近 4 亿 元的年收入居于领先地位，成为国产 CAE 软件的头部企业；霍莱沃、英特仿真等厂商依 托在电磁、军工等垂直领域的深厚积累，构建起细分市场的技术壁垒；而中望软件、云道 智造则分别凭借 CAX 一体化集成和平台化仿真生态策略形成差异化优势。整体来看，国 产 CAE 厂商正从“单一求解器”向“多物理场+平台化”方向演进，在市场分层、技术 路线和应用聚焦方面呈现出多元并进的竞争态势。

2.3.2 竞争格局：国产化率或不足 10%，公司市占率 4.5%为国产厂商绝对龙头

据 IDC，海外 CAE 三巨头 Ansys、西门子、达索约占国内市场 4 成份额，公司(仅工程仿 真软件产品收入)约占 4.5%，CAE 国产化率或不足 10%。

2024年及2025Q1，Ansys在中国内地及中国香港的营业收入增速分别为13.60%、-4.28%。 2025Q1 霍莱沃和公司的营业收入增速均显著高于 Ansys，国内 CAE 上市厂商与 Ansys 在中国市场的份额差距有收窄趋势。

2.4 Ansys-索辰科技 Apple2Apple：产品解决方案、并购历程、财务成色均有望对标

2.4.1 “中国 Ansys”—产品解决方案：全学科、云平台、AI 进展对标 Ansys

公司在流体、结构、电磁、声学、光学等全学科领域与 Ansys 实现全面对标。其流体、 声学、结构及电磁仿真软件在核心功能（如多相流模拟、声振耦合、非线性分析及天线设 计等方面）与 Ansys 相应产品高度一致。 同时，公司工业仿真云平台提供与 Ansys Cloud Direct 相当的云端高性能计算资源，其开 物平台和 AI 模块亦对标 Ansys Engineering Copilot 及 SimAI，实现了设计-仿真-优化一 体化及智能预测能力，展现出全面的多物理场耦合仿真与云智融合解决方案布局。

2.4.2 “中国 Ansys”—并购历程：补齐学科模块、延展上下游、布局行业渠道

公司通过战略性收购快速完善产品矩阵、拓展行业渠道。Ansys 凭借持续并购 ICEM CFD、 Fluent、Ansoft 等细分领域技术领导者，逐步构建起多物理场协同仿真能力并确立全球龙 头地位。公司则通过收购阳普智能、富迪广通、麦思捷、力控元通、昆宇蓝程，在补齐学科模块的同时拓展行业渠道，并购质量与战略协同性显著。

2.4.3 “中国 Ansys”—财务成色：高毛利高费用产品型公司，稳态净利率有望 20-30%

Ansys 与公司均体现出典型的高毛利、高研发费用率的产品型公司特征。Ansys 凭借成熟 的业务结构，营收增速平稳，综合毛利率持续处于高位，净利率稳定在 20%-30%区间。 长期来看，随业务规模扩大与运营效率提升，公司稳态净利率有望逼近 Ansys 水平，达 到 20%-30%的区间。

2024 年 Ansys 营收体量已达 25.5 亿美元，近年来收入增速约在 10%左右；按照年度合 同金额口径，1Q2025 Ansys 的收入结构中，高新技术/航空航天与国防/汽车位居前三。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）