开普云-688228-机构调研汇总

一、业务整体介绍

• AI战略核心切入点：公司将具身智能训练数据作为AI战略的核心切入点，依托二十余年大数据业务积累与自有具身智能大模型技术能力，已落地真机数据规模化量产；布局EGO/UMI无本体采集、灵巧手采集等多形态数据采集与加工服务，并逐步向模型训练、评测、垂直场景真机应用部署等全链路环节延伸。
• 业务闭环与生态：公司已构建真机数采→模型训练→应用验证→迭代补充数采的业务闭环，同步研发可自主执行采集任务的机器人训练方案，实现数据采集、模型迭代与场景验证的正向循环；同时参与行业数据标准制定与产业生态建设，以数据环节为核心，逐步构建全链路具身智能业务能力与长期竞争优势。

二、问答环节

1、请介绍公司具身智能真机数采业务的客户覆盖、标杆项目及整体产能布局进展。

• 客户覆盖：公司具身智能数据业务客户覆盖人形机器人企业、大模型数据科技公司等主体，并持续拓展行业内其他具身智能模型客户群体；可适配不同客户在模型预训练、强化学习、精度校准、泛化能力提升等不同阶段的差异化数据需求，数据产品与模型训练需求的匹配度具备优势。
• 标杆项目：公司无锡具身智能数采基地于2026年7月正式投入运营，规划部署300台真机设备，目前交付成果已获得客户的订单。
• 产能布局：公司目前已陆续建设无锡、天津两个具身智能产业基地，后续将根据市场需求与业务发展节奏，持续规划布局新增基地，稳步推进规模化产能落地。

2、当前具身智能训练数据主要有哪些技术路线?不同路线的定位与差异是什么?公司如何通过多路线协同提升模型训练效果?

• 技术路线：当前行业主流的数据采集技术路线包括真机遥操采集、无本体采集、Ego灵巧手采集等。
• 定位与差异：真机遥操数据真实性与落地适配性最强，对模型精度提升价值最高，对应单价也相对更高；无本体与Ego灵巧手数据可有效增强模型的场景泛化能力，采集成本更低，但数据质量维度相较真机数据存在一定差距。
• 多路线协同：公司采用多路线协同的业务模式，以真机数据为核心，同步布局Ego、UMI数据、仿真合成数据产能，通过各类数据的科学配比、互补配合，既保障模型训练的精度与真实性，又提升模型的泛化适配能力，全方位提升训练数据对模型的综合价值。

3、请介绍公司数据采集业务的硬件合作模式、运营排班机制与产能释放情况。

• 硬件合作模式：公司硬件采用灵活的商务合作模式，结合不同基地的区位特点与产业定位，差异化采取建设运营一体化或轻资产运营模式；其中无锡基地设备主要以租赁方式配置，定价参考行业平均水平。
• 运营排班机制：运营端采用两班倒排班机制，单台设备有效产出时长与运营管理效率直接相关，可快速适配工业、生活服务等多行业领域具身智能场景的数据采集需求。
• 产能释放：无锡基地满产对应约300台设备部署规模，随着标准化作业体系持续成熟、精细化管理能力不断强化，产能将逐步释放。

4、公司开展具身智能业务的核心竞争力是什么?与传统数据标注厂商存在哪些核心差异?

• 核心竞争力：公司具身智能业务的核心竞争力主要体现在数据工程能力，具备标准化的数据采集、加工与质量管控体系，保障交付效率与数据稳定性，支撑产能快速爬坡；模型训练能力，依托自有具身智能大模型技术底座，可反向指导采集规范设计与场景拆解，精准匹配模型训练需求；行业理解能力，深耕多领域产业场景，能够精准把握客户业务痛点与场景需求，提升数据与业务的适配性；全链路服务能力，业务覆盖数据采集、清洗、评测、模型训练各环节，并可延伸至前端场景部署落地。
• 与传统数据标注厂商差异：传统厂商以人力密集型标注业务为主；公司具备数据工程积淀、模型训练能力、行业场景认知与全流程服务能力，数据业务附加值更高；数据采集是公司具身智能业务的切入环节，未来可延伸至垂直场景模型落地服务。

5、请介绍公司具身智能数据采集业务的成本结构与盈利水平的核心影响因素。

• 成本结构与盈利水平：数据采集业务的盈利水平与单机有效产出时长直接相关，运营效率越高、单台设备有效产出时长越长，毛利率水平越高；公司通过持续优化运营流程、提升人员效率、完善质量管理体系，不断提升盈利水平，目前核心运营能力已具备可商业复制性。

6、公司打造的“真机数采→模型训练→应用验证→迭代补充数采”业务闭环具体如何落地?自主采集机器人方案具备哪些核心价值?

• 业务闭环：公司基于自有具身智能大模型与数据工程能力，已研发完成自主执行采集任务机器人，打造形成“真机数采→模型训练→应用验证→迭代补充数采”的全链路业务闭环；该闭环以自主采集机器人为落地载体，通过真机采集高质量数据输入模型训练环节，经应用验证识别模型能力短板，再针对性开展迭代补充数采，实现数据供给与模型迭代的正向循环。
• 自主采集机器人方案核心价值：这套全链路闭环模式可提升数据与模型的适配效率，加速模型迭代节奏，也为公司延伸全链条服务、拓展垂直场景落地奠定了技术基础。

7、行业有观点认为,机器人基础模型训练数据的未来主要来源是仿真数据,公司如何看待这一产业趋势?

• 仿真数据：公司认同仿真数据将在机器人基础模型训练中承担规模化供给的核心角色；仿真数据具备生成成本低、场景覆盖广、可批量复制等优势，能够满足基础模型大规模预训练阶段的海量数据需求，是未来训练数据供给的核心组成部分。
• 真机数据：人类示范数据尤其是真机交互数据，是模型训练的关键数据，其真实物理反馈、环境交互细节是仿真数据无法完全替代的，承担着校准仿真模型、提升真实场景落地精度的关键作用。
• 二者关系与公司布局：二者并非替代关系，而是互补协同关系；公司当前布局的真机、Ego等多形态真实数据采集能力，可与仿真数据形成有效互补，适配产业长期发展趋势。

8、如何看待当前具身智能行业的数据缺口,以及真机数据的刚需性?

• 数据缺口：当前行业真机数据供需矛盾十分突出：国内符合合规要求的真实物理交互场景数据存量不足百万小时，而商业化落地所需的数据规模达数千万小时量级，供需缺口极为显著；同时仿真环境与真实家庭场景下的机器人操控成功率存在数十个百分点的落差，仿真与现实工况的匹配度不足，高质量真机数据匮乏已成为制约产业技术突破与规模化落地的核心瓶颈。
• 真机数据刚需性：真机数据具备不可替代的刚需价值：其处于具身智能训练数据体系的核心层级，真实物理反馈与环境交互细节无法被仿真数据完全替代，是破解“演示易、落地难”行业痛点、推动产业从试点示范走向规模化商用的关键支撑。

9、请介绍公司重点布局的具身智能核心应用场景,不同场景对于真机数采的依赖度如何?

• 核心应用场景与依赖度：公司重点布局生活家居、工业制造、仓储物流、商业服务四大核心应用场景；生活家居环境复杂，高度依赖真机数据保障操作安全与动作精准；工业制造对精度要求严苛，真机数据是作业可靠性的核心基础；仓储物流动态性强，需真机交互样本提升模型环境适配能力；商业服务工况多样，真机数据支撑真实场景稳定运行。
• 双路线协同：各场景均以真机数采锚定模型落地精度，以Ego数据扩充样本规模，双路线协同支撑垂直场景模型迭代。

10、公司在具身智能行业标准建设与产业生态中承担何种角色?

• 行业标准与生态角色：公司是工信部具身智能数据标准工作组联席组长单位，参与工信部面向具身智能的产业联盟，牵头数据标准制定与产业链试点应用相关工作；公司依托多年数据工程积累与具身智能业务实践经验，持续关注行业规范化发展进程，积极配合产业生态建设，助力行业健康有序发展。
• 披露口径：关于行业标准建设的具体参与情况，敬请以公司官方披露信息为准。

• 公司未来业务重心：仍将坚定围绕”AI 基础设施+智能体+智慧应用”的核心战略进行展开。
• AI相关主业发力方向：在AI基础设施方面，持续升级算力产品、拓展”AI 行业云”运营运维业务，布局AI算力相关技术以解决数据性能问题。在智能体方面，升级开悟智能体中台产品，研发具备自主规划能力的开悟智能体3.0。在智慧应用方面，已推出多款深度服务实际场景的AI应用。
• 终止收购后规划：不影响公司整体战略和正常经营。公司仍将积极通过内生式发展与外延并购式发展并举的路径方式，增强算力运营、数据存储能力，持续建设”算存运”AI基础设施综合能力。
• 未来投入重点：以技术创新为核心驱动力，积极开展AI前沿技术研发投入，持续深化AI技术在行业客户核心应用场景的落地应用。

• 终止重组原因：受市场环境变化影响，交易双方未能就估值等交易核心条款达成一致意见。
• 维护股东利益措施：生产经营一切正常，继续深耕AI相关主业，加快核心技术研发、算力基础设施布局及AI应用场景落地。回购计划正常推进中，回购资金总额不低于人民币5,000.00万元(含)，不超过人民币10,000.00万元(含)，回购价格上限为不超过315元/股(含)。持续关注AI产业链并购整合机会，储备培育新的战略发展项目。
• 对业绩影响：本次终止重大资产重组事项不会对公司正常业务开展和生产经营活动造成不利影响。2025年业绩亏损主要系对涉及能源业务的子公司商誉计提减值准备所致，剔除该减值影响后公司归母净利润为正。2026年公司将坚定聚焦AI相关主业，全力推动公司经营业绩改善。
• AI业务侧重：以”AI基础设施+智能体+智慧应用”为核心，包括AI算力与大模型、AI行业应用和AI内容安全等业务板块。截至2025年半年度报告期末，公司及控股子公司拥有发明专利共39件，计算机软件著作权495个。

• 产品落地情况：开悟智能体中台产品、AI安全平台级产品”鸠摩智”、虚拟电厂智慧调控平台、”开悟魔盒”超小型一体机、开悟多模态内容生产平台等产品在行业客户应用场景中持续落地。
• 应用客户行业：覆盖能源、政务、媒体、教育、工业等。
• 深圳存储分公司：已于2025年12月成立全资子公司开普云智能存储(深圳)有限公司，系在AI硬件基础设施领域开展布局的战略举措及承载主体。
• 独立董事：聘任钱鹤教授与杨玉超教授，其专业背景与公司”算存运”AI基础设施综合建设能力的战略方向高度契合。

• 股东人数：根据2026年2月13日股东名册，公司股东人数为10562人。
• 重组风险提示：公司分别在2025年9月24日、2025年10月25日、2025年11月22日、2025年12月20日、2026年1月20日披露了重组事项相关进展公告，并进行了风险提示。
• 同类并购计划：公司承诺自本次终止公告披露之日起至少一个月内不再筹划重大资产重组。