索辰科技:投资者关系活动记录表_2025年4月23日

证券代码：688507 证券简称：索辰科技
上海索辰信息科技股份有限公司
投资者关系活动记录表
编号：2025-003
特定对象调研 □分析师会议
□媒体采访 业绩说明会
投资者关系活动类
□新闻发布会 路演活动
别
现场参观 电话会议
其他
参与单位名称及人 具体名单见附件。
员姓名
会议时间 2025年4月21日20：00-21：00
会议地点 电话会议
董事、副总经理兼董秘：谢蓉女士
上市公司接待人员 董事：毛为喆先生
姓名 证券事务代表：吴味子女士
投资者关系：叶泓池先生
公司董事会秘书谢蓉女士、投资者关系经理叶泓池先生对
上海索辰信息科技股份有限公司（以下简称“公司”、“索辰”）
2024 年度业绩基本情况介绍如下：
2024 年度基础数据：
投资者关系活动主
公司基本实现了在年初制定的几个预期目标：2024 年公司
要内容介绍
收入端持续保持增长，投资者较为关心的几项核心数据比如现
金流、回款情况均有所改善，积极发挥上市平台优势，对于同
行优质公司进行投并购整合。
收入端：2024 年全年，公司营业收入为 37,881.33 万元，上
年同期为 32,038.14 万元，同比增加 18.24%。
利润端：2024 年全年，公司归母净利润为 4,144.90 万元，
上年同期为 5,747.70 万元，同比减少 27.89%；归属于母公司所有者的扣除非经常性损益的净利润 3,657.62 万元，上年同期为5,169.47 万元，同比减少 29.25%。
毛利率：2024 年公司整体毛利率 71.86%，同比增加 2.43 个
百分点。工程仿真软件占比的提升带动公司整体毛利率继续增长。公司工程仿真软件收入为 2.28 亿元，较上年同期增长21.72%，占比总体收入达到 60.29%。
现金流：经营活动产生的现金流量净额为-4,881.02 万元，较去年同期-5,715.50 万元，绝对值上升 834.47 万元，这表明尽管存在较大的研发投入，公司仍然在努力优化现金流管理，提高资金回笼效率，可以看到公司经营活动现金流入金额绝对值较去年提升约 1.02 亿元。
投资活动产生的现金流量净额为-1.89 亿元，较去年同期-9,650.23 万元，减少约 9,209.09 万元，这里面费用支出项主要包含了：构建嘉兴的物理 AI 实验基地、北京富迪广通及宁波麦思捷股权收购等支出。
筹资活动产生的现金流量净额-8,771.53 万元，由于去年上市募投资金扰动不做同期比较。费用中主要包含：公司 2024 年使用 5,050 万元在二级市场上进行回购，以及分配股利 2,874 万元回报投资者。
费用端：研发费用 10,793.01 万元；销售费用 2,439.55 万元；
管理费用 6,800.27 万元。报告期内公司主要费用支出来自于人员薪酬，公司不断优化人才结构，组建高质量研发骨干人才队
伍。截至年底公司研发人员数量 195 人，研发人员数量占公司总人数的比例为 60.37%，公司尚处于成长期，且面临重大机会，只有不断加强人才建设，优化人才体系，才能保持公司的创新能力，进而持续提高公司的核心竞争力。
2025 年一季度经营情况
收入端：2025 年一季度，公司营业收入为 3,878.73 万元，
上年同期为 3,186.42 万元，同比增加 21.73%。
利润端：2025 年一季度，公司归母净利润为-1,563.08 万元，上年同期为-2,126.80 万元。
现金流：经营性现金流 2024 年一季度为-3,638.47 万元，2025
年一季度为-1,972.39 万元。
董事毛为喆先生对公司业务基本情况介绍如下：
索辰天工系列：2024 年索辰各个学科持续保持迭代，公司完成了对于每个学科每季度一个小版本更新，每年一个大版本的更新计划。2024 年索辰天工系列中流体、结构、电磁、光学和声学软件都发布了新版本，增加了更多功能模块，能够解决更多工程领域的问题。之前定期报告中我们重点介绍了流体软件的全新 LBM 求解器，结构软件中新增的拓扑优化模块以及非结构求解器中新增的高温化学非平衡隐式和双时间步法求解功能等非常多功能点的介绍，这些都是非常重要的技术进步，此外也在2024年三季度重点给大家分享了索辰天工的通用电磁分析软件 WIPL-D，WIPL-D 是一款基于高阶矩量法的三维全波电磁仿真设计产品套件,其核心求解器基于高阶矩量法实现，可对任意复合材料三维金属和电介质结构进行快速准确的电磁分析，广泛应用于航空、航天、船舶、电力、电子、半导体、计算机和通信等多个领域。
开物系列：在天工 CAE 产线持续迭代的同时，公司注意到
随着人工智能（AI）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 的深度整合正在重塑仿真软件的核心功能，使其从传统的高精度计算工具转变为具备自主决策、实时优化和智能交互的新一代工程平台。AI 的发展正从纯粹的数据驱动
模式向物理规律与数据融合的方向演进，2025 年 3 月 18 日，英
伟达 GTC 大会上，黄仁勋将 AI 技术的发展分为三个阶段：生
成式 AI、代理式 AI 和物理 AI，并指出物理 AI 将是未来的核心
发展方向。
几乎所有人都认识到，AI 应该更广泛地应用到物理世界，而不是停留在互联网上，也不停留于机械臂、机器人关节、传感器等单纯的硬件设备。
索辰一直坚定看好物理 AI 有望成为新一代 AI 的核心范式。
在 2025 年 3 月公司对索辰开物系列，即物理 AI 产品进行了正
式发布。
开物系列涵盖：
1.物理 AI 开发及应用平台的全场景解决方案，使开发者和工业用户能够轻松开发和部署物理 AI 应用。这个是完全与英伟达的 omnivorous 对标的一款产品，严格意义来说是一种生态，公司物理 ai 开发平台具备非常多的功能模块，包含：生成式建模仿真一体化技术、实时环境渲染、物理 AI 模拟引擎、实时环境感知、实时数据库等核心功能。
2.基于物理 AI 的自动设计训练一体化系统，实现成千上万的设计样本智能衍生、验证与训练；生成式物理 AI 计算引擎结合自动 3D 实景渲染技术，能够高效构建高保真的虚拟验证环境，精准复现和预测装备与环境之间的实时、多维互动，并为具身智能、低空经济、深海经济、智能工业等场景提供高精度3D 仿真训练场。

相关问答内容：
1、我们在过去一段时间非常积极的进行了多次收并购，这也符合说整个工业软件或者 CAE 发展壮大的整体的路线。请问一下各位领导，在收购的过程中，主要还是看重这些收并购过程中的哪些标准？
答：公司上市的这两年当中实际上我们也做了几起并购，主要的逻辑是公司希望通过收购在市场端能够打开整个索辰产品的覆盖范围。在原来没有覆盖的这个区域，能够有更多的一个覆盖，同时公司也会看一些非常有技术含量的这些公司，包括我们认为有前景的一些应用的场景，如：船舶，航空航天。
其次比如像公司收购的国外资产，WIPL-D 对公司的电磁产品起到非常好的补足加强效果，通过收购整合资产以后，公司电磁产品有了一个很大的提升。
最后公司在做物理平台的时候也需要通过收购整合原先不具备的技术和生态。比如我们对于北京力控科技的拟收购过程中考虑到力控科技的实时数据库对公司做物理 AI 是非常重要的。在接下来公司还是希望在围绕工业软件，以及公司物理 AI的生态去考虑收并购来补充到我们整个生态圈里。
2、民用行业目前的一些进展，还有最近突破的一些标杆行业有哪些？然后在后续整体的一个人员规划上，有什么打算？
答：民用行业公司一直在往前拓展，一方面是在传统行业，如：汽车行业是 CAE 行业传统用户的代表。其次在能源石化、风电，这些都是我们接下来发现存在较多销售机会的民用行业。最后是公司的物理 AI 产品会投入加大精力进行开拓，如：低空经济、具身智能、深海经济、智能工业这些场景。
3、物理 AI 具体解决了低空经济中哪些痛点？
答：公司目前尚无低空经济订单。低空经济的快速发展伴
随着安全隐患，主要包括：
1）气象风险：强风、降雨、雷暴等天气条件可能导致无人机失控或坠毁。
2）电磁干扰：城市环境中无线电信号、5G 网络等可能干扰无人机通信和导航。
3）空域管理：随着无人机数量增加，缺乏有效的无人机交通管理（UTM）系统可能导致碰撞风险。
这些挑战要求先进的模拟技术来预测和缓解风险，物理 AI平台通过实时重构气象和电磁环境，为低空经济的安全发展提供了关键支持。物理 AI 平台高保真模拟、实时数据整合和协作功能使其成为解决低空飞行安全挑战的理想工具。从优化飞行路径到支持 UTM 系统开发，物理 AI 平台展示了在低空经济中的广泛应用潜力。
4、公司相对于比如 ANSYS、西门子，在实际推广过程中，公司相对优势和我们的一些竞争策略是什么情况？
答：对客户来说海外软件公司在工程特定应用方向上面易用性会比较好。索辰优势相对来说，虽然在工程的应用方面可能做的时间并不如海外厂商长，但是公司在一些核心求解器上面目前来讲是比海外的这些厂商做的更先进。可以直观的认为公司的求解器在面临物理 AI 转型过程当中更适配 GPU 的并行计算模式，但是相比较海外 CAE 公司需要做较大的求解器的重构或者是说重建，才能适应于这种GPU的这种特定的一些场景。
其次在数据格式方面，由于全部是自研开发，所以区别于海外 CAE 公司通过收购发展壮大的历史过程，索辰采取单一数据格式（即在整个系统或流程中统一使用同一种数据格式），单一数据格式优势主要体现在简化复杂性、提升效率、增强兼容性等方面。公司采用单一数据结构来描述从 CAD 几何、材料、离散、各个物理场求解器设置、后处理、优化、训练、实时数
据采集等参数，对某一变量的描述是单一的，改变任何一处的任意类别参数，在所有环节都会自动改变该参数，无需手动或者专门写特定脚本来实现调节参数，这样就可以全自动完成从几何建模、求解、批量样本生成、训练、优化、验证，也可以实现全自动人工智能调节参数，来与实测结果对比纠错。公司全部的求解平台均采用单一数据结构，无需定制、无需人工干预。
所以公司认为目前在开拓物理 AI 市场方面公司具备比较大优势。
5、能不能举例物理 AI 想要达到的效果，具象化通过案例说一下?
答：拿我们的风电实验室来