人与机器人协同共生的时代,或许比预想中更快降临。
英伟达创始人黄仁勋曾断言,“人工智能的下一波浪潮将是机器人系统”,并预言未来十年工厂将由软件和AI主导运作。
这股浪潮如今已清晰反映在IPO排队与融资数据之中。
仅过去数月,仙工智能等十余家机器人公司已向港交所递交招股书,宇树科技等头部企业也在加速推进IPO。截至12月8日,共有34家机器人产业链公司排队等候聆讯。
一级市场同样炽热,脱胎于旷视科技的原力灵机完成2亿元天使轮融资;它石智航以1.2亿美元刷新天使轮融资纪录;银河通用机器人获11亿元新一轮融资,成为具身大模型机器人领域单笔最大融资;星尘智能完成数亿元A++轮融资,由国科投资与蚂蚁集团联合领投,而蚂蚁集团在一年内已连续多轮领投星尘智能。2025年前三季度,国内机器人创业公司融资总额约达500亿元。
但高热度伴随高争议,在技术尚未成熟、量产成本压力持续、公司普遍亏损的现状下,市场开始审视机器人公司估值是否存在泡沫,以及整个行业能否真正实现规模化落地。
这些冲刺IPO或获大额融资的企业,覆盖了工业机器人、服务机器人、核心零部件等全产业链环节。我们将重点聚焦机器人本体公司,从其招股书与融资细节中,揭示这一新兴行业的真实价值与未来趋势。
机器人赛道大致可分为两类:一类是扎根于工业、农业、服务业等特定场景的专用机器人;另一类是基于多模态感知、致力于适配多行业的通用型机器人。
专用机器人已发展多年,相关公司大多成立五至十年以上,涵盖机械臂、AMR、四足机器人等形态。通用型机器人则是近两年密集涌现的方向,多数公司仅成立一到两年,主要以人形形态为主。
不过,这两类机器人并无严格界限。例如,为提升实用性,部分人形机器人采用轮式底盘以增强稳定性,这也在一定程度上削弱了其通用性。
尽管这“一老一新”在商业模式、底层技术上存在差异,但它们共同构成了机器人赛道的基本格局,并反映出一些共通的行业趋势。
近期扎堆IPO的机器人公司,多为深耕多年的“老玩家”,产品集中在工业场景的专用机器人上,同时在这一轮AI浪潮中主动贴上“AI+机器人”标签,以提升市场关注度与估值预期。
例如优艾智合聚焦于工业复合移动机器人(AMR结合机械臂),其产品搭载3D视觉系统与AI算法,能实时识别、定位并抓取杂乱堆叠的工件,突破了传统机器人只能处理固定位置物料的局限。
另一典型案例是乐动机器人,其智能割草机器人业务被视为公司的第二增长曲线,在集成AI算法后,能自动识别草坪边界、障碍物与地形变化,优化割草路径,适应树木、花坛、坡地等不同环境条件。
“老玩家”借上市潮迎来发展拐点,“新势力”则在一级市场快速起飞。尤其是人形机器人,成为资本押注的重点方向。
融资数据印证了行业热度。据IT桔子统计,2025年前三季度,国内机器人行业融资事件翻倍增长。尤其是第三季度,共有243笔投资事件,同比增长102%。
频次增加的同时,金额也持续走高。2025年前三季度,国内机器人创业公司融资总额约达500亿元,为去年同期的2.5倍。其中,Q3总融资额为198.13亿元,同比增长172%。从今年下半年起,这一行业更是频繁出现单轮金额在10亿元左右的高额融资事件。
除上述融资公司外,宇树、乐聚等一批行动迅速的人形机器人企业,已迈入Pre-IPO阶段,距离上市仅一步之遥。
宇树已官宣预计在今年Q4递表,并披露收入构成:四足机器人、人形机器人和组件产品销售额分别占约65%、30%和5%。其中,约80%的四足机器人应用于研究、教育和消费领域;乐聚机器人已获上市辅导备案登记,拟在A股IPO;智元机器人则已完成对上市公司上纬新材的反向收购。
综合从业者观点,机器人赛道的火爆主要源于两大关键因素。
一是政策层面给予大力支持。
一位投资人向「定焦One」介绍,这批机器人企业多选择港股上市,源于2023年港交所实施的《上市规则》第18C章,为特专科技企业开辟了“绿灯”,即便公司尚未盈利,只要符合条件,也可借助这一新规申请上市。
此外,今年“具身智能”首次写入政府工作报告,地方政府陆续出台扶持政策,从资金、场地到人才支持,均提供了多项优待。
另一方面,机器人本身是一门高投入、长周期、资金消耗巨大的生意。上市成为“融资”的重要途径,多家企业在募资用途中提到,用于扩充融资渠道、提升品牌国际影响力等。
接下来,我们将透过招股书,进一步剖析机器人行业的商业模式。
先审视这些冲刺IPO公司的财务数据。
营收方面,多数公司的收入规模已达亿元量级,并保持逐年增长,表明市场对机器人解决方案的需求持续扩大。
但各公司的收入结构存在一定差异。
机器人公司的营收主要可划分为三大类:机器人本体、机器人解决方案以及机器人配件。对于大多数公司而言,机器人本体和解决方案是两大绝对收入支柱,合计占比通常超过80%,部分公司甚至高达98%。乐动机器人较为特殊,其收入主要来自视觉感知产品(包括传感器与算法模组),占比高达94%。
行业的高毛利部分,正从标准化硬件转向软件、算法及深度集成的行业解决方案。单纯销售硬件在机器人领域已陷入“红海”竞争。
尽管业务结构相似(以本体和解决方案为主),但各公司的营收规模差异显著。例如凯乐士和卧安机器人的年度营收约7亿元,而斯坦德、优艾智合、卡普诺的营收则在2.5亿元左右。
这主要因为凯乐士机器人聚焦物流领域,卧安机器人面向商用及家用清洁市场,两者产品标准化程度较高,市场需求较大。而营收规模较小的机器人公司,往往专注于工业制造、半导体等更为复杂且小众的场景。
但无论是高标准化还是面向小众高精场景,绝大多数公司仍处于长期亏损状态。
上述交表公司均未实现盈利,其中优艾智合亏损额最高,过去一年亏损2亿元。
亏损背后是机器人行业普遍存在的两大压力:研发与营销。
研发是机器人公司最沉重的支出之一。一位从业者表示,一般而言,机器人公司的研发费用仅次于核心零部件采购。
以优艾智合为例,三年半累计研发费用超2.5亿元,2022年的研发投入甚至超过了当年总营收。截至2025年6月30日,该公司拥有144名研发人员,占员工总数的34.6%。
研发之外,在激烈的市场竞争下,各公司还必须投入资金抢占品牌认知度。因此,形成了营销与市场费用远超研发开支的现象。斯坦德机器人、翼菲智能、卧安机器人均属此类典型案例。多家公司在招股书中提到,因市场扩张,员工薪酬、售后服务等支出显著增加。卧安机器人更表示,将继续扩大销售与营销团队规模,预计相关费用将进一步上升。
处于技术突破与产品定义早期的通用机器人赛道,虽无详细财务数据披露,但从从业者叙述可知,同样“烧钱”严重。
北京大学计算机学院访问工程师gashero对「定焦One」解释,专用机器人在更换使用场景或用途时通常无法直接投入使用,往往需大幅调整或改装。而通用机器人能在几乎不改动的情况下,快速适应新环境与新任务。这依靠“硬件平台+强大AI”的融合,需要更高阶的“具身智能”技术支撑,因此研发难度与资金投入远高于专用机器人。
他以薪资举例,一位人形机器人研发工程师的年薪可达百万级别,一家公司的研发团队通常包含几十人,仅工资支出就可能过亿。
更大投入来自实验与制造环节。例如部署1万台机器人进行测试(类似Waymo测试自动驾驶靠堆里程证明安全,人形机器人需堆数量以完全暴露潜在故障),按每台10万元计算,至少需10亿元资金,加上配套设备、维修工程师和办公场地等费用,仅实验阶段就需投入30亿元以上。但需指出,测试阶段“1万台”并非硬性需求,而是极端假设下的成本上限估算。
近期还有消息称,一批具身智能公司正在竞逐2026年总台马年春晚的赞助商资格。智元机器人开价6000万元,宇树科技则将报价拉升至1亿元。尽管智元机器人方面回应称“不实”,但也从侧面印证品牌投入已成为机器人企业竞争的必要因素。
尽管专用机器人与通用机器人发展阶段不同,但两者共同面临资金压力。
IPO排队与融资加速背后,是市场对机器人产业前景的长期看好。
IDC预测,到2029年全球机器人市场规模将突破4000亿美元,中国将占据近半份额,年复合增长率约15%。需求扩张吸引更多玩家入局,企查查数据显示,截至12月1日,国内人形机器人相关企业现存量达1218家,今年前11月注册量已超去年全年,同比增长119.2%。
但从资本热度走向稳定发展,这些企业还需迈过成本、可靠性、数据三道关卡。
第一道关卡是成本,这关系到产品的市场定价与普及速度。
机器人的成本主要来自硬件物料与软件研发,且两者均居高不下,对人形机器人而言尤为突出。
摩根士丹利在最新发布的《人形机器人技术:把握未来》报告中指出,当前非中国供应链BOM(物料成本)约13.1万美元。虽然中国供应链能降低不少,但从业者一致认为,当前人形机器人的成本仍然很高,高成本直接推高了产品定价。
目前,全球定价最低的消费级人形机器人是松延动力的“bumi小布米”,售价9998元,尽管降低了用户门槛,但也有从业者认为其功能相对有限。
业内普遍认为,2026年将成为机器人企业的商业化“大考年”,如何在性能不打折的前提下降低售价,是企业必须思考的问题。
第二关是机器人的“可靠性”。即一台机器人能否在复杂、多变、非结构化的真实环境中,安全稳定地执行任务。
机器人大多能在演示环境中表现良好,一旦进入真实的家庭或工业场景,成功率和容错率便大幅下降。星尘智能副总裁王佳楠对「定焦One」表示,这与AI模型、本体性能以及两者的结合都密切相关。
图源 / 仙工智能微博
首先是AI模型的认知与抽象能力不足。
主要体现在对未知物体的识别和物理属性估计、对操作本质的抽象与理解、对复杂环境的理解与动态规划,以及对环境交互反馈信息的利用,均存在欠缺。机器人依赖传感器“看”世界,在实验室里,物体是已知的、背景是干净的。但在真实场景中,它需要识别新物体的形状、估计其重量,这对其“未知估计”能力提出了极高要求。
例如完成“倒水”任务时,人类能轻松理解其本质是控制水在重力作用下转移,但对AI模型而言,从海量数据中抽象出这种高级任务语义并实现泛化,仍然非常困难。
其次是机器人本体性能不足,导致“手眼协调”精度不够。
在结构化场景中(如机械臂固定位置),机器人能非常精确地重复同一动作,但在变化环境中,它需要的是“相对精度”和“适应性”,“无论杯子在哪,都能准确抓住杯口”仍是当前技术短板。
最后是AI模型与本体的结合不足,即“聪明的大脑”难以指挥“笨拙的身体”完成精细任务。即便大脑(AI)想出巧办法,但身体只能理解数字命令,导致机器人行动迟缓。例如看到桌上水杯晃动,人会立即扶住,但机器人需要详细指令。
第三道坎是数据短缺,限制了模型泛化能力。
实验室数据有限、真实数据获取昂贵,且不同场景分布差异巨大,导致机器人难以“举一反三”。对此,各公司解决方案不同,有的倾向于利用合成数据,有的则以真机数据为主,同时利用互联网采集的多模态数据进行预训练或辅助学习。例如星尘智能采用绳驱方案,其仿生设计有助于高效获取真机数据,并结合互联网多模态数据进行学习,从而弥补真实数据短缺,提升跨场景泛化能力。
综合来看,尽管这三道关卡共同限制机器人大规模落地,但多位投资人表示乐观。
AI行业资深投资人王晟表示,当前市场非常看好以AI为基础发展起来的人形机器人赛道。他预判,明年人形机器人的融资热度将持续,且资金更向头部公司集中。
总之,这一轮机器人公司的IPO与融资热,反映出“智能”本身在技术上首次成为可量化指标,为整个机器人赛道打开了广阔想象空间。但从“可行的技术”迈向“可靠的商品”,仍然需要时间。
本文由主机测评网于2026-02-11发表在主机测评网_免费VPS_免费云服务器_免费独立服务器,如有疑问,请联系我们。
本文链接:https://vpshk.cn/20260224573.html