群核，十年家装换取AI船票

来源：市场资讯

（来源：光子星球）

撰文| 吴坤谚

编辑| 郝 鑫

人工智能的竞争，正在从图文生成延伸到对物理世界的理解。随着空间智能被频繁提起，一些长期深耕垂直行业的软件公司，也随之进入新的坐标系。

日前，Manycore Tech Inc.（群核科技）获得相关部门境外发行上市备案通知书。继前几年数次递表未果之后，这家以空间设计平台起家的公司，正试图在新的技术叙事下完成资本化进程。

自首代产品“酷家乐”起，群核通过为家装设计提供三维图形渲染服务，在十余年里沉淀了完整的空间计算能力，以及大量结构化的三维数据资产。

在通用视频模型仍以二维像素生成逻辑为主的当下，大模型普遍缺乏物理规律与空间因果理解。谁能提供真实世界结构化3D数据与空间推理，谁就掌握了构建世界模型的关键养料。

原本服务于设计行业的3D场景建模，如今开始承担新的用途。

目前，在具身智能领域，群核已与智元、银河通用、智平方等企业达成合作。有了这一层面的助力，群核有望成为“杭州六小龙”中首个完成IPO的企业。

尚处于早期的空间智能，还没有等来属于赛道的GPT时刻。这是押注三维空间的群核，必须拥抱的不确定性。

家装与AI的接轨

群核的起点并不在人工智能，而在三维空间计算。

群核创始人黄晓煌早年曾任英伟达软件工程师，参与了CUDA的开发。最早开始，群核便以云原生的GPU空间建模与渲染引擎为核心能力。前文提到的酷家乐，便是一个将三维建模、物理渲染与实时计算搬到云端，让设计过程数字化、在线化的空间设计平台。

长期服务家装行业，让群核收获了一整套空间表达体系，如室内装潢所包含的结构关系、尺寸约束、材质属性与物体层级等。

这些信息在设计场景中用于展示与交付，在AI语境下，则具备训练与推理价值。

与文本之于大语言模型相似，三维空间数据之于空间智能，是模型理解物理世界的基础素材。两者的不同之处在于，文本可以在互联网环境中自然生成，而结构化三维数据往往需要长期建模、整理与工程化处理——生成成本更高，组织难度也更大。

公开信息显示，过去十余年里，群核积累超过5亿个结构化3D空间场景数据。这些不断清洗、标注而沉淀下来的数据，让群核能够直接在三维结构层面进行建模与推理，为AI提供符合真实物理规律的训练场景。

在此基础上，群核将空间智能拆解为四类能力：空间重建、空间生成、空间编辑与空间理解。

我们可以把空间重建理解为“将真实世界扫描进计算机”，这也是空间智能赛道的基础能力。例如《黑神话：悟空》中的大量场景，就依赖激光扫描与三维重建技术，将真实建筑与地形转化为高精度数字模型，从而在游戏中呈现符合真实比例的山西古建筑。

有了可训练的场景建模，就可以进一步拓展多样性。空间编辑，便能让工程师能够像设计师调整装潢布局一样快速修改、组合搭建好的数字空间。

早在2018年，群核就开源了InteriorNet数据集，尝试把空间数据用于深度学习。彼时模型能力与算力规模尚未成熟，空间数据的价值难以释放。直到训练架构与算力规模完成跃迁，这些沉淀的资产才开始具备规模化训练意义。

如果说重建与编辑尚属于群核在垂直家装积累的工程能力，生成与理解则更进一步。

前者需要让AI根据指令输出符合物理约束与逻辑的可用场景，是空间智能走向规模化生产的前提；后者则是空间智能最底层的能力，要求AI能够判断空间关系与物理逻辑，如桌子不能悬空，门可以开合，机器人不能穿墙而过。

这些常识在语言模型中可以通过文本推理获得，但在三维环境中必须通过结构计算完成。在具身智能场景中，理解能力直接决定智能体能否规划路径、避让障碍、完成任务。

2025年3月，群核科技于英伟达全球技术大会GTC2025上宣布开源的多模态空间理解模型SpatialLM，便是让机器人具备对空间的认知推理能力的“眼睛”——让一个机器人识别出哪里是厨房，帮助人类端出做好的菜，比在开阔场地扭秧歌更具技术难度。

自重建到理解，空间智能的边界被逐步打开。原先停留在家装设计行业的垂直资产，也被群核拆解成了AI时代的通用模块。这种从“卖软件”到“卖能力”的转变，让其在技术底层上完成了与AI、具身智能赛道的接轨。

再造一个“CUDA”？

创新扩散是每一项新技术走向普及的必由之路。即便是如今被视作AI产业的基础设施的英伟达并行计算平台CUDA，也经历过挨个给高校和开发者寄送开发包，甚至亏本补贴的早期采用者阶段。

曾参与CUDA开发的黄晓煌，如今也带着群核，走到了相似的路口。

在家装设计时代，群核的商业模式相对清晰。酷家乐以及其海外版Coohom主要通过SaaS订阅覆盖设计效率场景，传统软件的成本能无限趋近于0，收入结构稳定，毛利率可控。

智能则遵循不同逻辑，企业核心成本来自算力与模型调用，资源消耗与使用频次直接挂钩。

这意味着，群核所锚定的空间智能，需要重走一遍CUDA的来时路——迈过技术跨越的第一步后，如何为这些昂贵的底层能力定标定价，让市场买单并预留充分的再发展投入，是群核在IPO进程中需要翻越的一座大山。

好比图形程序员更多选择用CPU做通用计算的2007年，华尔街对具备“跨时代”意义的CUDA并不买账。资本追逐的更多是眼前的利，要想赌未来，故事需要更扎实的现金流做支撑。

群核曾在“杭州六小龙”概念盛行的2025年上半年，尝试冲击港股交易所，结果申请未获批。同年8月22日，其再次向港交所提交申请。

英伟达当年能够熬过生态冷启动期，一个重要原因是消费显卡市场提供了稳定现金流。玩家对画质与帧率的持续需求，为GPU迭代提供了规模化收入，也为CUDA生态培育争取了时间。

和当年的英伟达一样，群核所面临的挑战也不小。

招股书显示，2022年至2024年，公司营收分别为6.01亿元、6.64亿元与7.55亿元，增速保持在低两位数区间；2025年上半年收入为3.99亿元，同比增长9.4%——上一个时代的群核，需要与地产行业的周期波动做对抗。

另一方面，群核在2025年上半年实现盈亏平衡，经调整净利润为1783万元。客观环境的压力下，传统SaaS业务为空间智能投入提供的缓冲有限，群核相比英伟达更需要新时代客户的托举。

这意味着群核需要更快找到高频、刚性的付费场景，这也把问题自然推向商业模式本身。

去年12月的酷+大会上，黄晓煌直言：“未来机器的调用量会远超人类，只按人头收年费会把系统拉爆，只按Token收费门槛又太低。混合模式才是未来。”

相似的模式，我们可以参考小步快跑进AI时代的协同平台。背靠巨头，协同平台可以在早期以补贴方式拉动模型调用，甚至通过集团内部场景消化算力成本，换取市场份额。

群核的处境更为直接，其需要资本化的输血，也需要进一步证明其空间智能能力可以自我造血。

CUDA早期工程师曾评价道，CUDA的天才之处就在于它让游戏玩家们为庞大的芯片研发成本买单。

英伟达靠游戏市场熬过算法迭代周期。群核需要在一个更小的传统盘子上完成能力转型，并等待以具身智能为代表的新场景真正放量。

平台底座的惊险一跃

从早期英伟达通过可编程着色器赋予像素深度，到CUDA将图形算力转化为通用并行计算，再到虚幻引擎（UE）在虚拟世界里模拟光影追踪，人类始终在寻找一种更精准的方式去复刻现实。

如今，这种追求演进到了新的阶段。谷歌发布最新Genie模型，支持使用一张照片或一段文字描述即可生成可交互、具物理属性的游戏世界——AI不再满足于生成一段视频，而是试图理解重力、碰撞与因果。

群核所押注的空间智能，正处在这一演进链条之中。它既不掌握最顶层的通用模型，也不生产底层芯片，而是站在三维空间结构这一中间层级。

群核的优势在于十余年的结构化三维数据沉淀，以及围绕这些数据构建的工程体系，这是一种重资产的积累。但AI赛道的迭代速度极快，算法突破可能压缩数据优势窗口期。

在世界模型的叙事下，拥有算力与通用模型能力的巨头，同样在尝试通过规模化训练逼近物理规律。算法是否能够通过二维数据反推出三维逻辑，仍是悬而未决的问题。

如果有一天，纯算力的暴力拆解能够绕过对结构化数据的依赖，群核的先发优势将面临挑战。

空间智能的盈利模式尚在探索期。对于一个需要高额算力支撑的底层平台来说，群核必须抓住算法迭代前的时间窗口，将自己塑造成行业的默认接口。

去年末，群核宣布将系统性持续开放其底层空间智能相关能力，并推出Aholo空间智能开放平台，将其积累的结构化3D资产转化为API和SDK。

无论是一家做具身智能公司，还是AI视频创业团队，都可以直接调用群核的“空间能力”。群核的星辰大海，是像英伟达一样成为开发者绕不开的中间层。

群核所处的位置，是一层可能存在、也可能被跨越的技术结构。它试图证明，在AI时代的竞争中，长期沉淀的三维数据与工程体系，仍然具备独立价值。

这一层级成立与否，不仅关乎群核自身的估值逻辑，更关乎空间智能能否成为AI体系中的长期结构。接下来群核的IPO进程，将是验证这套“空间智能”逻辑能否在资本市场产生回响的关键节点。