乐聚智能IPO:七五折卖机器人销量涨17倍,盈利之路还有多远?

数量1倍数特性.pdf 立即下载

两天两家头部具身智能公司招股,乐聚智能情况如何?

两天之内,连续两家头部具身智能公司公开招股书,在上市热潮的背后,行业最真实的一面也被越来越清晰地呈现在所有人面前。5月19日,深交所受理乐聚智能(深圳)股份有限公司(下称乐聚智能)创业板IPO申请,这也是首家选择使用创业板第四套标准申请上市的企业。

乐聚智能发展历程及2025年业绩怎样?

乐聚智能成立于2016年,成立之初以基础编程教育为市场切入点,推出首款小型人形机器人产品,随后在2018年开始涉足全尺寸人形机器人。这家公司招股书中最显眼的一组数据是,2025年公司全尺寸人形机器人Kuavo(夸父)系列卖出577台,相比2024年的32台,销量涨了17倍。销量上升让乐聚智能在这一年迈入了具身智能行业的第一梯队。Omdia和Counterpoint Research的2025年销量报告中,均把乐聚智能排在了全球第四,前面是宇树、智元、优必选。然而,夸父系列产品的平均售价在2025年同比下降了25.56%。乐聚智能在招股书里给出的解释是,公司为巩固并提升产品的市场竞争力,实施积极的市场化定价策略,主动下调了Kuavo系列产品的售价。2025年被认为是具身智能的商业化元年,而这恰恰是一份典型的具身智能商业化元年“应试”成绩单,销量爆发、收入翻倍、市场份额冲进全球前列,但毛利率连续两年下滑,亏损反而扩大。现在留给投资者最大的问题是,这是规模化前夜必要的代价,还是一场以价换量的赌局?

乐聚智能符合创业板标准情况怎样?

创业板第四套标准要求,上市公司预计市值不低于30亿元,最近一年营业收入不低于2亿元,并且最近三年营业收入复合增长率不低于30%。乐聚智能正好完美符合这一要求。招股书显示,乐聚智能最近一次融资的投后估值为43.27亿元,综合考虑同行业可比上市公司估值情况,公司预计市值不低于30亿元。此外,2025年营业收入为2.58亿元,近三年营业收入复合增长率为118.68%。乐聚智能此次拟发行股份不超过2000万股,且不低于本次发行后公司总股本的25%,募资总额为26亿元,推算招股估值大约为100亿元,这一估值在具身智能行业处于第一梯队水平。

乐聚智能人形机器人销量排名如何?

同样处于第一梯队的还有人形机器人的销量。据Counterpoint Research数据,乐聚智能2025年人形机器人出货量在全球市场的占比大约是5%,排名第四。不同的数据统计机构有统计口径差异,在IDC的口径下,乐聚智能则排名第三,两家统计机构的数据中,乐聚智能与优必选的出货量十分接近,互有胜负。

乐聚智能主要产品有哪些?

乐聚智能是一家非常“纯粹”的人形机器人公司,主要产品分为三类:Kuavo系列全尺寸人形机器人,适用场景比较全面,重点追求在工业场景的应用;Roban系列中小型人形机器人,主要针对人工智能与具身智能科研教育领域;Aelos小型机器人,主要面向人工智能知识普及与基础教育。

Kuavo系列对乐聚智能收入有何影响?

撑起乐聚智能2025年全球第四排名的是Kuavo系列。2023年12月,乐聚智能发布Kuavo3并推向市场,2024年完成Kuavo4和Kuavo4 Pro两次迭代,2025年10月又发布了Kuavo5和Kuavo5 - W。三年内五次产品更新,节奏明显快于行业平均的“每年一次”。招股书显示,Kuavo系列2025年销售收入达到1.78亿元,占当年营业收入的69.5%,是公司的主要收入来源。在Kuavo的带动下,公司整体收入也随之冲高。2023年到2025年,乐聚智能的营业收入分别为0.54亿元、0.56亿元、2.58亿元。这一增长曲线和Kuavo销量的增长高度重合:2023年、2024年基本稳定,2025年突然大幅飙升,这其中很大一部分原因归功于主力产品的“七五折”出售。招股书显示,2025年Kuavo单位售价下降了25.56%,好消息是规模效应带来了一定的成本优势,同期单位成本同比下降27.35%,产品本身的毛利率并未下降还小幅上升。但Kuavo的销量飙升改变了公司的收入结构,毛利率更高的Roban和Aelos系列收入占比下降,从而使得公司整体的毛利率从2023年的50.45%,下降到2024年的44.3%,再进一步下降至2025年的40.78%。与毛利率持续下滑同步的还有不断扩大的净亏损,报告期内乐聚智能归属于母公司股东的净亏损分别为4112万元、5923万元和6978万元。扣除非经常性损益后,2025年的净亏损进一步扩大至7764万元。此外,公司的经营活动产生的现金流量净额也连续三年均为负。乐聚智能在招股书中表示,尽管公司最近三年持续亏损,并且亏损额度还在不断加大,但这基本符合行业的发展特性,前期高投入才能换来技术和产品的壁垒。结合实际经营情况,乐聚智能自己也给出了扭亏时间点——2028年。

乐聚智能的发展历程是怎样的?

乐聚智能的创始团队基本都来自哈工大。创始人、董事长冷晓琨是哈尔滨工业大学计算机应用技术专业博士,2016年他与一群哈工大同学共同创立了乐聚智能。在公司成立同年,乐聚智能就发布了首款小型人形机器人Aelos,确立基础编程教育的市场切入点。2017年Aelos教育版开始批量交付,并产生收入。此后数年,乐聚智能基本都聚焦在教育市场,招股书显示,2025年乐聚面向教育市场的中小型人形机器人销量依然可观:Roban卖出91台,Aelos卖出3988台。两款产品合计实现收入3944.81万元,同比增长47.35%。教育机器人产品在为乐聚智能提供现金流的同时,也帮助公司在全国搭建起了销售网络和售后体系。招股书显示,乐聚在教育市场推广期间形成了“直销 + 非直销”相结合的销售模式,建立了覆盖广、响应及时的渠道资源。2023年Kuavo发布时,这套渠道可以直接被复用。此外,教育市场的主要采购方通常是高校、科研机构和教育主管部门,这些客户的采购流程、技术对接方式、售后要求,与Kuavo后来主攻的数据采集中心、工业场景客户也有相似之处,积攒下了toB和toG的客户服务经验。

乐聚智能的业务重点有何转变?

但教育市场的天花板不高,因此乐聚智能在2023年把公司的重点赛道从教育切换到了通用全尺寸人形机器人。这一年同样也是整个具身智能行业开始升温的节点。截至招股书期末,乐聚智能的全尺寸人形机器人产品主要被应用于三个场景,分别是科研教育、商业服务和数据采集,工业制造则是还处在起步阶段。

乐聚智能数据采集业务情况如何?

其中,数据采集是Kuavo的最主要应用场景。2025年,该应用场景的收入占到整个系列产品收入的45%,教育科研和商业服务占比分别为32.5%、18.7%,工业制造仅有3.88%。真实世界交互数据稀缺是行业内长期面临的问题,因此数据采集是人形机器人实现泛化的基础。模型训练的数据来源可分为互联网数据、仿真数据与真实世界数据三大类,人形机器人的物理实体属性,决定了互联网数据与仿真数据不足以支撑人形机器人对丰富广泛的物理规律的学习。真实世界数据质量最高,但非常依赖机器人本体的真机数据采集,因此,现阶段有许多人形机器人本体厂商都选择将数据采集作为一条可行的商业化路径。有的选择自建数据采集中心,比如智元,也有的将机器人出售给数据采集中心,乐聚智能就是其中之一。根据招股书披露,乐聚智能是目前面向数据采集和训练场景商业订单数量和规模最多的企业之一。

乐聚智能工业场景业务进展怎样?

工业场景则是另一类长周期客户。乐聚在2025年将Kuavo 4 Pro部署在一汽工厂,进行料箱搬运和拣选等场景的POC(概念验证)验证。POC是工业客户在大规模采购前的标准动作,意味着乐聚目前在汽车制造场景的收入贡献还相当有限,仍处在可靠性的验证阶段。

乐聚智能的股东和合作伙伴有哪些?

除此之外,乐聚智能的股东和合作伙伴名单中也不乏腾讯、华为这些大公司。2023年12月,乐聚智能发布Kuavo 3搭载鸿蒙系统,是首批接入鸿蒙系统的人形机器人厂商之一,2024年进入华为全球具身智能产业创新中心合作名单,2025年6月又联合华为、中国移动发布了全球首款5G - A人形机器人。而腾讯通过全资控股的林芝利新持有乐聚智能7.32%的股份,目前双方还未在业务上展开合作。

乐聚智能盈利模式能否跑通?

凭借Kuavo系列产品的销量爆发,乐聚智能成功挤上了具身智能第一梯队的牌桌,接下来它要面对的问题是,盈利模式能否跑通?以及26亿元的IPO募资总额能带来多少价值?在目前已经上市或已披露招股书的机器人本体公司中,云深处专注于四足机器人,与乐聚智能的可比性不高,其余是三家宇树、越疆、优必选都与乐聚智能有一定的业务重叠和可比性。首先从财务数据来看,按照2025年口径,宇树营收17.08亿元并且已经实现盈利;优必选营收约20亿元,亏7.9亿元;越疆营收4.9亿元,亏0.8亿元。乐聚智能的收入规模在四家中最小,仅有宇树的约15%、优必选的约13%。结合营收规模和亏损额度来看,乐聚智能的亏损幅度介于优必选和越疆之间,毛利率水平也与可比公司的平均毛利率差别不大,在大多数公司都在亏损的具身智能行业内,乐聚智能的财务状况并不算差。

乐聚智能盈利路径存在什么问题?

再来看盈利路径。在乐聚智能的采购清单中,关节模组、控制器占据了成本大头,分别占采购总金额的19.4%和13.67%,灵巧手也占到了6.71%。在招股书风险提示中,乐聚智能也提到2025年,公司向无锡泉智博的采购金额占全年采购总额比例为17.20%,其中向其采购关节模组占同类产品采购金额比例为82.82%,公司在关节模组的采购上存在对单一供应商采购集中度较高的情形。高度依赖单一的外部供应商提供核心零部件,既拉高了成本,也抬升了风险。对比已经实现盈利的宇树,其核心零部件自研自产的比例更高,关节模组、灵巧手已经是宇树的成熟产品,不仅不需要外采,还能为公司带来收入。由此可见,乐聚智能在核心零部件的自产率上还有比较大的提升空间,这也是改善公司毛利率最有效的途径之一。

乐聚智能募资用途有何特点?

在公开发行募集资金的用途方面,不同于宇树和云深处把资金大头都投入到机器人“大脑”的研究中,乐聚智能选择了把大部分融来的钱投入到扩产、集约化、数据采集三个方向上。其中,36.14%的资金用于人形机器人具身智能研发中心项目,通过集约化模式,系统性丰富公司技术储备,重点突破工具链开发、核心算法升级、本体结构设计等关键环节;23.7%用于高质量大规模数据集建设项目;8.22%用于人形机器人产业化基地建设项目,主要是购置生产、检测设备,建立标准化车间,提升生产能力。这一方面是由于乐聚智能一开始走的就是“大脑 - 小脑 - 本地”的全栈路线,在运动控制和智能决策方面已有一定的核心技术储备,在大脑层面暂不需要额外补课。另外从资金用途可以看出,相比于追求更聪明的大脑,乐聚智能现阶段更加重视核心机器人产品在工业领域的实际应用。毕竟对于现阶段的具身智能行业来说,能够真的“进厂打螺丝”是比跑通盈利模式更好的故事。

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

乐聚智能IPO:七五折卖机器人销量涨17倍,盈利模式能否跑通?

两天之内,连续两家头部具身智能公司公开招股书,在上市热潮的背后,行业最真实的一面也被越来越清晰地呈现在所有人面前。5月19日,深交所受理乐聚智能(深圳)股份有限公司(下称乐聚智能)创业板IPO申请,这也是首家选择使用创业板第四套标准申请上市的企业。乐聚智能成立于2016年,成立之初以基础编程教育为市场切入点,推出首款小型人形机器人产品,随后在2018年开始涉足全尺寸人形机器人。这家公司招股书中最显眼的一组数据是,2025年公司全尺寸人形机器人Kuavo(夸父)系列卖出577台,相比2024年的32台,销量涨

IT界那些事儿 112

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

圆柱形永磁体的磁场建模研究(Matlab代码实现)

内容概要:本文围绕圆柱形永磁体的磁场建模展开系统性研究,基于毕奥-萨伐尔定律建立了有限尺寸圆柱形永磁体的物理模型,推导出其在空间任意点产生磁场强度的数学表达式,并采用数值积分方法结合Matlab编程实现磁场分布的精确计算与三维可视化。研究深入探讨了磁体的几何参数(如半径、高度)和磁化方向对磁场分布特性的影响,实现了磁场矢量的多维度仿真分析,为电机设计、磁传感器开发、磁悬浮系统等工程应用提供了坚实的理论依据与高效的仿真工具支持; 适合人群:具备电磁场与电磁波、大学物理等相关理论基础,并熟悉Matlab编程语言的高校理工科学生、科研人员及从事磁性器件设计与仿真的工程技术开发者; 使用场景及目标:①掌握基于经典电磁理论的磁场建模方法与数值求解流程;②学习并实践Matlab在科学计算与物理场仿真中的高级应用技巧;③为永磁材料相关装置的结构优化与性能评估提供可靠的仿真手段;④服务于高校课程教学、科研项目验证及工程原型开发; 阅读建议:建议读者在学习过程中紧密结合电磁学基本原理,逐步理解公式推导逻辑,动手运行并调试所提供的Matlab代码,通过调整磁体参数观察磁场变化趋势,从而深化对永磁体空间磁场分布规律的认识,并尝试将其拓展应用于实际工程项目中。

HDRP shader 获取阴影(Custom Pass)

Unity:2021.3.0f1 HDRP:12.1.6

LanQ的博客 2101
上一篇: SpaceX、OpenAI同年冲刺IPO,马斯克冲击全球首个万亿富翁!
下一篇: 优克拉:AI 低门槛落地中小制造企业,助力填平数字化鸿沟
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值