深度｜說在群核IPO，看起來對 vs 物理上對：AI下半場最關鍵的路線之爭

4月20日，“全球空間智能第一股”群核科技股價繼續大漲，收盤報37.56港元，盤中一度升至39.50港元，創上市以來新高。按發行價7.62港元計算，收盤價較發行價累計上漲約393%。根據招股書披露的全球發售完成后總股本約17.00億股計算，對應總市值約638.6億港元。此前公開發售階段，群核科技獲約1590.56倍超額認購；上市首日高開約171.7%，收盤漲幅約144.1%。

資本市場的熱捧往往映射產業底層邏輯的演變。從李飛飛創立的 World Labs 發布 Marble，推動世界模型從內容生成走向可生成、編輯與模擬 3D 世界，到 Google 的 Gemini 3 強化多模態推理、視覺與空間理解，再到 NVIDIA 持續推進 Cosmos 世界基礎模型平臺、加速合成數據生成與 physical AI 推理，AI 的發展重心正從理解語言，進一步走向理解、建模和交互物理世界。

這條賽道的底層邏輯是什么？群核科技為何能脫穎而出？本文將剖析空間智能的演進脈絡，并探討群核在其中的定位。

寫詩比端水容易：AI的物理瓶頸

過去三年，大語言模型（如GPT-4）主導了AI敘事，它們在文本處理和邏輯推理上超越人類平均水平，能輕松生成詩詞或文章。但讓AI驅動的機械臂平穩端起一杯水，卻仍極具挑戰。

端水看似簡單，卻需要處理海量非語言信息：水杯的三維坐標、抓握角度、力矩、摩擦系數，甚至水重心的動態偏移。這些物理參數無法從互聯網文本語料中推導出來。大語言模型的核心是學習符號的統計概率，因此它知道水杯常與桌子關聯，卻不懂重力、碰撞或材質的真實反饋。

群核科技董事長黃曉煌用形象的方式描述了這種差距：機器人僅僅是抓起一個陶瓷杯子，就需要模型先估算它的體積、再乘以陶瓷密度來推測質量——“但這種猜測肯定有誤差，物理世界的信息是無窮無盡的，除了質量、摩擦力，還有是否會變形、不同溫度下的軟硬變化，非常復雜。”

人類認知從三維空間起步。嬰兒先感知深度、抓握物體，再習得語言。數字世界的演進順序卻恰恰相反：從文字到圖像、視頻，三維空間排在最后。AI的訓練數據也如此：海量文本、大量圖像、部分視頻，卻缺乏真正的三維空間數據。

這個倒序揭示了AI從語言智能向空間智能轉型的必然性。而轉型的核心難題在于：高質量的三維數據不像文本那樣遍布互聯網，它需要深入嵌入產業流程才能獲取。誰掌握了物理正確的三維數據，誰就握住了這個時代的石油。

看起來對 vs 物理上對：路線之爭

三維數據的獲取有兩條路徑，這構成了賽道上最關鍵的分歧。

Sora的發布是一個典型例子。它生成的視頻在視覺上令人驚艷，卻暴露了深層問題：水往高處流，物體穿墻而過，手指莫名消失。這不是瑕疵，而是結構性缺陷——模型通過擬合像素的統計規律，學會了場景看起來像什么，卻沒有掌握為什么會是這樣。

在內容創作領域，視覺逼真或許夠用。但在機器人訓練、工業數字孿生或建筑施工等場景中，細微偏差就可能導致嚴重后果。如果機器人在虛擬環境中學習開門，一旦切換到真實場景，門軸的阻力、把手的高度、摩擦系數都會讓它失靈。

因此，從2023年開始，群核的戰略就是所有模型和工具都緊貼物理世界，要求生成的內容都與物理世界盡可能接近。從產業格局看，這一分歧也體現為中美路線的差異：美國偏重虛擬世界，大模型公司和純虛擬內容公司居多；中國則因制造業和硬件產業發達，空間智能路線更貼近物理世界。

這就是賽道的核心分歧：一條路追求看起來對，依賴像素數據，適合娛樂和內容生產；另一條路追求物理上對，依賴結構化的物理參數，支撐更嚴格應用。后者的門檻遠高于前者——它需要長期的數據積累、產業嵌入和基于GPU的物理模擬能力。

十五年深耕，把物理世界搬進計算機

群核的故事不是從AI熱潮開始的。

創始人黃曉煌曾是英偉達負責CUDA開發的工程師，群核的英文名“Manycore”源自GPU的眾核架構。團隊早期依托計算機圖形學和高性能計算背景，確立了基于GPU算力進行物理世界模擬的研發方向。

2013年，酷家樂上線。作為一款基于GPU渲染的室內設計工具，把渲染時間從幾小時壓縮到10秒。關鍵不在于快，而在于它從第一天就選擇了一條更難的路：1:1 還原物理尺寸、墻體厚度、光照反射——不是畫一張好看的圖，而是建一個物理上正確的數字空間。

這個起點決定了此后十五年的方向。當群核將設計平臺對接工廠生產線時，物理正確性就不再只是技術追求，而成了生產要求——工業4.0必須確保生產出來的所有東西可以做了一個仿真系統，去模擬生產出來之后的樣子，確保它在物理世界里不會出bug。換言之，群核為每一個數字模型賦予了材質、密度、結構強度等物理參數，再到真實世界驗證其準確性。

十多年積累下來的，是從數字世界到物理世界的精確映射能力。AI時代到來后，黃曉煌意識到一個更大的可能——能不能把這條路反過來走？看到一個物理世界的東西，用AI把它反推回數字世界？工業4.0是把數字的東西變成物理的東西，而AI時代的新命題則恰恰相反：看到一個物理的東西，用AI將它反推回數字世界。群核的目標，就是打通這兩個方向，徹底連接物理世界與數字世界。

到2025年，群核推出Aholo空間智能開放平臺，將逐步匯集其空間重建、生成、編輯、理解等底層空間智能能力。從中可以看出，群核的空間模擬是兩條腿走路：一邊采集、一邊生成?？臻g重建，即以3DGS重建技術為核心，把現實場景 1:1 搬進計算機?？臻g生成，則類似李飛飛Marble的路徑，從零生成符合物理規律的三維環境，此外結合其過往的渲染等能力，則進一步實現對空間的局部編輯、修改。

美團的王興最近也強調：物理世界的數字化將是AI非常重要的底座。

這是群核去年做的一個選擇，群核的空間智能更著重于現實世界的重建模擬，而不是執著于虛擬環境的生成。不止是要視覺真實，更著重于結構參數等物理信息的正確。

理解意味著模型不只是看到一把椅子的像素，而是知道它的尺寸、重量以及能不能坐。真正讓這套體系難以復制的，是十五年產業嵌入沉淀下來的壁壘。數據上，群核積累了超過5億個三維場景和4.8億個模型，這些不只是視覺素材，還包含尺寸、材質、物理屬性、工程規范等結構化信息，和互聯網上能抓取到的散亂3D素材完全不同。

基于這些數據，群核自研了空間語言模型和空間生成模型，前者讓AI讀懂三維物理規則，后者圍繞3D構建世界模型。再加上自建的GPU算力底座，形成了“數據喂養模型，模型驅動產品，產品服務產業，產業反哺數據”的閉環。

空間智能的落地：兩條線，一個飛輪

李飛飛將空間智能的應用方向歸結為兩條主線：創意產業和機器智能。群核目前的業務也主要分為兩個板塊：服務人的三維創意和服務機器智能，圍繞“空間”、“空間的一致性”推動技術和產品落地。

在落地空間智能時，群核主要基于GPU高性能計算技術，切入電商、影視、智能體訓練等垂直應用場景進行產品研發。

在創意產業側，酷家樂是其核心的空間設計平臺。針對跨境電商領域，公司推出“虛擬棚拍”功能以減少AI生成內容中的“幻覺”現象。此外，群核推出了針對AI視頻生成中空間一致性問題的工具，由于其底層數據基于三維表征而非從二維視頻反推，該工具主要用于修正生成視頻中的物體位置漂移和空間關系失真等問題。

在機器智能側，群核為具身智能提供合成訓練數據，并為工業場景提供數字孿生方案。其底層邏輯在于為機器人提供符合物理規律的虛擬環境進行前期訓練。黃曉煌還提到了一個更長遠的愿景：群核希望盡快擺脫對存量數據的依賴——“讓AI或者智能體自己探索，探索的過程當中就會自己產生數據。”這意味著，當物理正確的虛擬世界足夠完備時，AI不再只是被動消費人類標注的數據，而是在模擬器里自我進化。

這兩條業務線在內部形成了一套數據循環機制：產業端應用產生真實環境數據，這些數據被用于訓練和微調空間模型；模型能力的提升進一步優化產品功能，隨后再次投入產業應用中。

這套飛輪也支撐了群核的財務健康度。根據招股書，群核科技2025年實現經調整凈利潤5712.7萬元，毛利率為82.2%，企業客戶凈收入留存率超100%。黃曉煌對此有一套生存哲學，他從英偉達身上學到了精髓：“先用在游戲，中間靠挖礦續命，最后等來大模型時代。

結語

空間智能賽道尚處于早期，終局未定。但稀缺的不是生成逼真畫面的能力，而是理解物理世界的數據與技術積累。當英偉達將“物理AI”作為未來十年戰略時，群核已經在這個戰壕里深挖了15年，并且如今正與英偉達在具身智能訓練等領域并肩作戰。

過去一年，“AI顛覆SaaS”的論調盛行，許多垂直公司陷入焦慮。群核的案例帶來了啟示：酷家樂積累的不只是用戶和收入，而是十五年的產業know-how、海量物理數據和全鏈路理解。通用大模型無法替代它，因為這類數據不在其訓練集中。SaaS只是一種商業模式，根本的護城河而在于企業究竟積累了什么。

群核用十五年把物理世界正確地搬進計算機。至于其價值，資本市場已給出答案。

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生