财说 | “杭州六小龙”群核科技港交所递表，仍面临成长的烦恼

近日，有“杭州六小龙”之称的群核科技向港交所递表。虽然这家公司正在向投资者展示一个宏大的未来世界，但业绩并没有太突出表现。即使通过招股书，投资者也很难具体解开这家公司“成长的烦恼”。

增长不快，仍有隐忧

按照弗若斯特沙利文的资料，以2023年平均月活用户计算，群核科技是全球最大的空间设计平台，主要产品包括酷家乐、Coohom和群核空间智能平台（SpatialVerse）。

酷家乐是主要针对中国市场的空间设计软件，用户通过拖放3D模型可快速开始新设计，并通过逼真的渲染实时呈现他们的作品，这也是公司目前主要收入来源。Coohom是公司为国际用户和客户开发的空间设计软件，主要目标市场为美国、韩国、日本及东南亚。群核空间智能平台（SpatialVerse）是一款面向室内环境AI开发的下一代空间智能解决方案，依托3D设计数据集、渲染引擎和空间编辑工具，构建高度逼真且物理正确的合成虚拟数据集，模仿真实世界的物理特性和空间关系，使开发者能够在虚拟环境中训练AI生成内容（AIGC）模型，并增强智能机器人、AR/VR系统及具身人工智能的认知能力。

业绩方面看，群核科技并不亮眼。公司2022年和2023年收入分别为6.01亿元和6.63亿元，同比增长10.5%；2023年前9月和2024年前9月收入分别为4.86亿元和5.53亿元，同比增长13.8%。报告期内，公司持续亏损，但亏损额度有逐步收窄趋势，公司2022年和2023年分别亏损7.04亿元和6.46亿元；2023年前9月和2024年前9月分别亏损4.89亿元和4.22亿元。

群核科技减亏有收入增长的因素，也有降费的功劳。公司2023年研发费用为3.9亿元，同比下降10.7%；2024年前9月研发费用为2.63亿元，同比下降10.5%。需要注意的是，研发费用下降可能会影响公司未来的竞争力。

报告期内，群核科技主要收入来自企业客户订阅，尽管订阅收入整体呈增长态势，但每名客户订阅收入同比皆有下降，2023年和2024年前9月分别下降7.57%和2.6%。

由于群核科技主要收入都来自于客户对软件的订阅，由此产生大量递延收入，递延收入的变化也一定程度上可以预示公司未来潜在成长水平，公司2023年底的递延收入相比2022年底有所增长，但2024年9月底的递延收入并未进一步增长，公司对此的解释是“策略转向推广短期订阅而非长期订阅，以提高客户的灵活性”。

具身智能的数据底座之一

酷家乐产品面向的下游行业包括家居、房屋设计等，因此也受房地产行业调整影响，一定程度制约公司成长性。公司为破除这一成长“诅咒”，选择了两个方向，一是国际化，二是第二增长曲线，对应的是Coohom和群核空间智能平台（SpatialVerse）这两款产品。

群核科技目前海外业务收入占比较低，2023年前9月和2024年前9月分别为5.7%和7.4%，未来国际化的进展还要进一步观察。

群核空间智能平台（SpatialVerse）无疑是群核科技能讲的最大故事。具身智能的训练既可以通过现实环境，也可以通过虚拟仿真数据完成。而后者可减少对实体设备和物理测试的依赖，一定程度上节约时间且降低研发成本，群核空间智能平台（SpatialVerse）数据正属于后者。

该产品具备渲染引擎和空间编辑工具集，该工具可模拟真实的室内环境、自动分割和标注物体，并增强场景。该产品的其中一项主要功能是自动分割标注技术。该技术可根据研究人员的具体需求创建定制分割标注数据，提供不同行业及业务场景所需的定制化数据集。举例而言，在处理3D卧室场景时，系统能够将其拆分为床、枕头、毛毯等独立项目，并为其创建精准的标签。这大幅加快数据的处理，并为AR/VR及机器人的训练和测试提供更佳的数据。

2018年, 群核科技和帝国理工大学、美国南加州大学等共同推出了一个空间智能数据集方案 interiorNet，这是当时全球最大的室内场景认知深度学习数据集。这一成果吸引了Meta的注意，对AIGC、具身智能的训练，不仅需要算法和算力，也需要具有物理正确的可交互的三维数据。

招股书显示，2022年，Meta位列公司第一大客户，销售收入为3134.6万元，占销售收入比例达到5.2%，开始合作的时间为2020年。此外，智元机器人也被列为公司在具身智能领域的典型客户。

值得注意的是，群核科技并未单独披露群核空间智能平台（SpatialVerse）的收入，但一个很明显的迹象是：公司2023年和2024年前9月的前五大客户中，Meta不再出现，且采购公司群核空间智能平台（SpatialVerse）产品/服务的公司也没有出现。

由于具身智能发展仍处于起步阶段，技术并未收敛，因此群核空间智能平台（SpatialVerse）这类产品的潜在市场规模仍不好估量。宇树科技创始人王兴兴曾指出，虚拟数据虽能指导基础动作，但高精度操作（如精密装配）仍需实物训练闭环验证。因此，宇树科技的训练策略是虚拟与真实数据结合，而非完全依赖仿真。