人类和机器人共生的时代，或许比想象中来得更快。

英伟达创始人黄仁勋曾提出，"AI 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 驱动。

这波浪潮如今已反映在 IPO 排队与融资数据中。

仅过去几个月，就有仙工智能等十余家机器人公司向港交所递交招股书，宇树科技等头部玩家也在加速推进 IPO。截至 12 月 8 日，有 34 家机器人产业链企业排队等待聆讯中。

一级市场同样火爆，脱胎于旷视的原力灵机天使轮融资 2 亿；它石智航以 1.2 亿美金刷新天使轮融资纪录；银河通用机器人完成 11 亿元新一轮融资，为具身大模型机器人领域的单笔最大融资；星尘智能完成数亿元 A++ 轮融资，由国科投资和蚂蚁集团联合领投，而在一年内，蚂蚁集团已连续领投星尘智能多轮融资。2025 年前三季度，国内机器人创业公司融资总额约达到 500 亿元。

但高热度也伴随着高争议，在技术尚未成熟、量产成本压力仍在、公司普遍亏损的现状中，市场开始审视当前机器人公司的估值是否存在泡沫，以及整个行业能否真正走向规模化落地。

这些冲刺 IPO 或获大额融资的公司，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，从它们的招股书与融资细节中，呈现这个新兴行业的真实价值与未来走向。

机器人赛道大致可分为两类：一类是扎根于工业、农业、服务业等某一细分场景的专用机器人；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，相关公司大多成立已有五至十年以上，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，大多数公司仅成立一到两年，主要以人形形态为主。

不过，这两类机器人并非有严格的界限。比如，为提升实用性，部分人形机器人采用轮式底盘以增加稳定性，这也在一定程度上削弱了其通用性。

虽然这 " 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，大多是深耕多年的 " 老玩家 "，产品集中在工业场景的专用机器人上，同时也在这一轮 AI 浪潮中主动贴上 "AI+ 机器人 " 的标签，以提升市场关注度和估值预期。

比如优艾智合聚焦于工业复合移动机器人（AMR+ 机械臂），其产品搭载 3D 视觉系统与 AI 算法，能实时识别、定位和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。

另一个典型案例是乐动机器人，它的智能割草机器人业务被视为公司的第二增长曲线，在搭载 AI 算法后，能自动识别草坪边界、障碍物和地形变化，优化割草路径，适应不同环境条件，如树木、花坛、坡地等。

" 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，成为资本下注的重点方向。

融资数据证明着行业热度。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 Q3，共有 243 笔投资事件，同比增 102%。

频次增加的同时，金额也在走高。2025 年前三季度，国内机器人创业公司融资总额约达 500 亿元，是去年同期的 2.5 倍。其中，Q3 总融资额为 198.13 亿，同比增长 172%。从今年下半年开始，这一行更是频繁出现单轮金额在 10 亿左右的高融资事件。

除上述融资公司外，宇树、乐聚等一批动作更快的人形机器人企业，很多已经走到了 Pre-IPO 阶段，距离上市只有一步之遥。

宇树已经官宣预计在今年 Q4 递表，且披露收入构成，其中四足机器人、人形机器人和组件产品的销售额分别占约 65%、30% 和 5%。其中，约 80% 的四足机器人被应用于研究、教育和消费领域；乐聚机器人获上市辅导备案登记，拟在 A 股 IPO；智元机器人已经完成反向收购上市公司上纬新材。

综合从业者的说法，机器人赛道的火爆，主要来自两大关键因素。

一是政策上给予了足够大的支持。

一位投资人向「定焦 One」介绍，这一批机器人企业的上市地点多选在港股，这是因为 2023 年港交所实施的《上市规则》第 18C 章，专门给特专科技企业开了 " 绿灯 "，即便公司尚未盈利，只要符合一定条件，也能借助这一新规申请上市。

另外，今年 " 具身智能 " 被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，都给了不少优待。

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。而上市是一个 " 找钱 " 的好途径，多家企业披露的募资用途中也提到，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，进一步拆解机器人究竟是一门怎样的生意。

先来看这些冲刺 IPO 公司的财务数据。

营收方面，多数公司的收入规模都达到了亿元量级，并保持逐年上涨，表明市场对机器人解决方案的需求正在扩大。

但各家的收入构成存在一定的差异。

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的收入支柱，合计占比通常可达 80% 以上，部分公司甚至高达 98%。乐动机器人相对比较特殊，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%。

而这个行业的高毛利部分，也从标准化硬件向软件、算法及深度集成的行业解决方案转移。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存在明显差异。比如凯乐士和卧安机器人的年度营收已达到约 7 亿，而斯坦德、优艾智合、卡普诺的营收则大致在 2.5 亿左右。

这主要因为，凯乐士机器人主要集中在物流领域，卧安机器人则面向商用及家用清洁等市场，两者的产品标准化程度都比较高，市场需求也比较大。而营收规模较小的机器人公司，往往聚焦于工业制造、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，绝大多数公司都处于长期亏损状态。

上述交表公司均未实现盈利，其中优艾智合亏损额最高，过去一年亏了 2 亿。

亏损背后是机器人行业普遍存在的两大压力，研发和营销。

研发是机器人公司最沉重的支出之一。一位从业者表示，一般来说，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 亿，2022 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，在激烈的市场竞争之下，各家公司还必须花钱抢品牌认知度。于是，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、卧安机器人均属于这类典型案例。多家公司在招股书中提到，因进行市场扩张，其员工薪酬、售后服务等支出显著增加。卧安机器人更是表示，将继续扩大销售与营销团队规模，预计相关费用还将进一步上升。

处于技术突破与产品定义早期的通用机器人赛道，尽管没有详细的财务数据披露，但从业者的讲述可以看出，同样十分 " 烧钱 "。

北京大学计算机学院访问工程师，长期深耕互联网、自动驾驶、机器人等行业的 gashero 对「定焦 One」解释，专用机器人在更换使用场景、用途时通常无法直接投入使用，往往需要大幅调整或改装。而通用机器人能在几乎不改动的情况下，快速适应新环境和新任务。这依靠的是 " 硬件平台 + 强大 AI" 的融合，需要更高阶的 " 具身智能 " 技术作为支撑，因此研发难度和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能达到百万级，一家公司的研发团队一般包含几十人，仅工资支出就可能过亿。

更大的投入来自实验和制造环节。比如要部署 1 万台机器人做测试（就像 Waymo 测试自动驾驶那样靠堆车跑里程来证明安全，人形机器人需要堆数量才能把可能故障事件完全暴露），按一台 10 万计算，至少需要 10 亿资金，加上配套设备、维修工程师和办公场地等费用，仅实验阶段就需要投入 30 亿以上。但需要指出的是，测试阶段 "1 万台 " 不是硬性需求，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 " 不是真的 "，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。

尽管专用机器人和通用机器人发展的阶段不同，但两者共同面临着资金压力。

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%。需求的扩张吸引着更多玩家入局，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注册水平，同比增长 119.2%。

但从资本热度走向稳定发展，这些企业还需要迈过成本、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，且两者都居高不下，这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）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，尽管拉低了用户门槛，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，是机器人企业要思考的问题。

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，做到安全稳定的执行任务。

机器人大多能做到在演示环境中水平在线，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。

该图片疑似 AI 生成

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，都有欠缺。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。

比如完成 " 倒水 " 这一任务时，人类能轻松理解其本质是控制水在重力的作用下转移，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（比如机械臂永远在同一个位置），机器人能非常精确地重复同一个动作，但变化的环境中，它需要的是 " 相对精度 " 和 " 适应性 "，" 无论杯子在哪，都能准确地抓住杯口 " 就属于当前技术的短板。

最后是 AI 模型与本体的结合还不够，即 " 聪明的大脑 " 难以指挥 " 笨拙的身体 " 去完成精细任务。即便聪明的大脑（AI）想出了巧办法，但身体只能理解数字命令，导致机器人看起来总是行动慢半拍。比如看到桌上的水杯在晃悠，人会赶紧去扶住那个杯子，但机器人需要给出详细指令。

第三道坎是数据短缺，限制了模型泛化的能力。

实验室数据有限、真实数据获取昂贵，且不同场景的分布差异巨大，导致机器人难以做到 " 举一反三 "。对此，各家的解决办法不同，有的倾向于利用合成数据，有的则以真机数据为主，同时利用从互联网上采集的多模态数据，进行预训练或辅助学习。比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，并提升跨场景泛化能力。

综合来看，尽管这三道关卡共同限制着机器人大规模落地，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以被量化的指标，为整个机器人赛道打开了广阔的想象空间。但从 " 可行的技术 " 迈向 " 可靠的商品 "，仍然需要时间。

* 题图来源于宇树科技微博。