機器人上市潮真相：缺錢花、手頭緊

定焦One（dingjiaoone）原創

作者 | 王璐

編輯 | 魏佳

人類和機器人共生的時代，或許比想象中來得更快。

英偉達創始人黃仁勛曾提出，“AI的下一波浪潮將是機器人系統”，并預言未來十年工廠將由軟件和AI驅動。

這波浪潮如今已反映在IPO排隊與融資數據中。

僅過去幾個月，就有仙工智能等十余家機器人公司向港交所遞交招股書，宇樹科技等頭部玩家也在加速推進IPO。截至12月8日，有34家機器人產業鏈企業排隊等待聆訊中。

一級市場同樣火爆，脫胎于曠視的原力靈機天使輪融資2億；它石智航以1.2億美金刷新天使輪融資紀錄；銀河通用機器人完成11億元新一輪融資，為具身大模型機器人領域的單筆最大融資；星塵智能完成數億元A++輪融資，由國科投資和螞蟻集團聯合領投，而在一年內，螞蟻集團已連續領投星塵智能多輪融資。2025年前三季度，國內機器人創業公司融資總額約達到500億元。

但高熱度也伴隨著高爭議，在技術尚未成熟、量產成本壓力仍在、公司普遍虧損的現狀中，市場開始審視當前機器人公司的估值是否存在泡沫，以及整個行業能否真正走向規模化落地。

這些沖刺IPO或獲大額融資的公司，覆蓋了工業機器人、服務機器人、核心零部件等全產業鏈環節。我們將重點聚焦機器人本體公司，從它們的招股書與融資細節中，呈現這個新興行業的真實價值與未來走向。

老玩家上市，新勢力吸金

機器人賽道大致可分為兩類：一類是扎根于工業、農業、服務業等某一細分場景的專用機器人；另一類是基于多模態感知，致力于適配多行業的通用型機器人。

專用機器人已發展多年，相關公司大多成立已有五至十年以上，涵蓋機械臂、AMR、四足機器人等形態。通用型機器人則是近兩年密集涌現的方向，大多數公司僅成立一到兩年，主要以人形形態為主。

不過，這兩類機器人并非有嚴格的界限。比如，為提升實用性，部分人形機器人采用輪式底盤以增加穩定性，這也在一定程度上削弱了其通用性。

雖然這“一老一新”在商業模式、底層技術上存在差異，但它們共同構成了機器人賽道的基本格局，并反映出一些共通的行業趨勢。

近期扎堆IPO的機器人公司，大多是深耕多年的“老玩家”，產品集中在工業場景的專用機器人上，同時也在這一輪AI浪潮中主動貼上“AI+機器人”的標簽，以提升市場關注度和估值預期。

比如優艾智合聚焦于工業復合移動機器人（AMR+機械臂），其產品搭載3D視覺系統與AI算法，能實時識別、定位和抓取雜亂堆疊的工件，突破了傳統機器人只能處理固定位置物料的局限。

另一個典型案例是樂動機器人，它的智能割草機器人業務被視為公司的第二增長曲線，在搭載AI算法后，能自動識別草坪邊界、障礙物和地形變化，優化割草路徑，適應不同環境條件，如樹木、花壇、坡地等。

“老玩家”借上市潮迎來發展拐點，“新勢力”則在一級市場快速起飛。尤其是人形機器人，成為資本下注的重點方向。

融資數據證明著行業熱度。據IT桔子統計，2025年前三季度，國內機器人行業融資事件翻倍增長。尤其是Q3，共有243筆投資事件，同比增102%。

頻次增加的同時，金額也在走高。2025年前三季度，國內機器人創業公司融資總額約達500億元，是去年同期的2.5倍。其中，Q3總融資額為198.13億，同比增長172%。從今年下半年開始，這一行更是頻繁出現單輪金額在10億左右的高融資事件。

除上述融資公司外，宇樹、樂聚等一批動作更快的人形機器人企業，很多已經走到了Pre-IPO階段，距離上市只有一步之遙。

宇樹已經官宣預計在今年Q4遞表，且披露收入構成，其中四足機器人、人形機器人和組件產品的銷售額分別占約65%、30%和5%。其中，約80%的四足機器人被應用于研究、教育和消費領域；樂聚機器人獲上市輔導備案登記，擬在A股IPO；智元機器人已經完成反向收購上市公司上緯新材。

綜合從業者的說法，機器人賽道的火爆，主要來自兩大關鍵因素。

一是政策上給予了足夠大的支持。

一位投資人向「定焦One」介紹，這一批機器人企業的上市地點多選在港股，這是因為2023年港交所實施的《上市規則》第18C章，專門給特專科技企業開了“綠燈”，即便公司尚未盈利，只要符合一定條件，也能借助這一新規申請上市。

另外，今年“具身智能”被首次寫入政府工作報告，地方政府陸續出臺扶持政策，從資金、場地到人才支持，都給了不少優待。

另一方面，機器人本身是一門高投入、長周期、資金消耗巨大的生意。而上市是一個“找錢”的好途徑，多家企業披露的募資用途中也提到，用于擴充融資渠道、提升品牌國際影響力等。

接下來，我們將透過招股書，進一步拆解機器人究竟是一門怎樣的生意。

機器人，錢都花在哪兒了？

先來看這些沖刺IPO公司的財務數據。

營收方面，多數公司的收入規模都達到了億元量級，并保持逐年上漲，表明市場對機器人解決方案的需求正在擴大。

但各家的收入構成存在一定的差異。

機器人公司的營收主要可劃分為三大類：機器人本體、機器人解決方案以及機器人配件。對于大多數公司而言，機器人本體和解決方案是兩大絕對的收入支柱，合計占比通常可達80%以上，部分公司甚至高達98%。樂動機器人相對比較特殊，收入主要來自視覺感知產品（包括傳感器與算法模組），占比高達94%。

而這個行業的高毛利部分，也從標準化硬件向軟件、算法及深度集成的行業解決方案轉移。單純銷售硬件在機器人領域已陷入“紅海”競爭。

盡管業務結構相似（以本體和解決方案為主），但各公司的營收規模存在明顯差異。比如凱樂士和臥安機器人的年度營收已達到約7億，而斯坦德、優艾智合、卡普諾的營收則大致在2.5億左右。

這主要因為，凱樂士機器人主要集中在物流領域，臥安機器人則面向商用及家用清潔等市場，兩者的產品標準化程度都比較高，市場需求也比較大。而營收規模較小的機器人公司，往往聚焦于工業制造、半導體等更為復雜且小眾的場景。

但無論是高標準化還是面向小眾高精場景，絕大多數公司都處于長期虧損狀態。

上述交表公司均未實現盈利，其中優艾智合虧損額最高，過去一年虧了2億。

虧損背后是機器人行業普遍存在的兩大壓力，研發和營銷。

研發是機器人公司最沉重的支出之一。一位從業者表示，一般來說，機器人公司的研發費用僅次于核心零部件采購。

以優艾智合為例，三年半累計研發費用超2.5億，2022年的研發投入甚至超過了當年總營收。截至2025年6月30日，該公司擁有144名研發人員，占員工總數的34.6%。

研發之外，在激烈的市場競爭性下，各家公司還必須花錢搶品牌認知度。于是，形成了營銷與市場費用遠超研發開支的現象。斯坦德機器人、翼菲智能、臥安機器人均屬于這類典型案例。多家公司在招股書中提到，因進行市場擴張，其員工薪酬、售后服務等支出顯著增加。臥安機器人更是表示，將繼續擴大銷售與營銷團隊規模，預計相關費用還將進一步上升。

處于技術突破與產品定義早期的通用機器人賽道，盡管沒有詳細的財務數據披露，但從業者的講述可以看出，同樣十分“燒錢”。

北京大學計算機學院訪問工程師，長期深耕互聯網、自動駕駛、機器人等行業的gashero對「定焦One」解釋，專用機器人在更換使用場景、用途時通常無法直接投入使用，往往需要大幅調整或改裝。而通用機器人能在幾乎不改動的情況下，快速適應新環境和新任務。這依靠的是“硬件平臺+強大AI”的融合，需要更高階的“具身智能”技術作為支撐，因此研發難度和資金投入遠高于專用機器人。

他以薪資舉例，一位人形機器人研發工程師的年薪能達到百萬級，一家公司的研發團隊一般包含幾十人，僅工資支出就可能過億。

更大的投入來自實驗和制造環節。比如要部署1萬臺機器人做測試（就像Waymo測試自動駕駛那樣靠堆車跑里程來證明安全，人形機器人需要堆數量才能把可能故障事件完全暴露），按一臺10萬計算，至少需要10億資金，加上配套設備、維修工程師和辦公場地等費用，僅實驗階段就需要投入30億以上。但需要指出的是，測試階段“1萬臺”不是硬性需求，而是極端假設下的成本上限估算。

近期還有消息稱，一批具身智能公司正在競逐2026年總臺馬年春晚的贊助商資格。智元機器人開價6000萬元，宇樹科技則將報價拉升至1億元。盡管智元機器人方面回應稱“不是真的”，但也從側面印證品牌投入已成為機器人企業競爭的必要因素。

盡管專用機器人和通用機器人發展的階段不同，但兩者共同面臨著資金壓力。

上市融資潮后，機器人賽道還有三道關卡

IPO排隊與融資加速背后，是市場對機器人產業前景的長期看好。

IDC預測，到2029年全球機器人市場規模將突破4000億美元，中國將占據近半份額，年復合增長率約15%。需求的擴張吸引著更多玩家入局，企查查數據顯示，截至12月1日，國內人形機器人相關企業現存量達1218家，今年前11月注冊量已超去年全年注冊水平，同比增長119.2%。

但從資本熱度走向穩定發展，這些企業還需要邁過成本、可靠性、數據三道關卡。

第一道關卡是成本，這關系到產品的市場定價與普及速度。

機器人的成本主要來自硬件物料與軟件研發，且兩者都居高不下，這對人形機器人而言尤為突出。

摩根士丹利在最新發布的《人形機器人技術：把握未來》報告中指出，當前非中國供應鏈BOM（物料成本）成本約13.1萬美元。雖然中國供應鏈能降低不少，但從業者一致認為，當前人形機器人的成本仍然很高，高成本直接推高了產品定價。

目前，全球定價最低的消費級人形機器人是松延動力的“bumi小布米”，售價9998元，盡管拉低了用戶門檻，但也有從業者認為其功能相對有限。

業內普遍認為，2026年將成為機器人企業的商業化“大考年”，如何在性能不打折的前提下降低售價，是機器人企業要思考的問題。

第二關是機器人的“可靠性”。即一臺機器人能否在復雜、多變、非結構化的真實環境中，做到安全穩定的執行任務。

機器人大多能做到在演示環境中水平在線，一旦進入真實的家庭或工業場景，成功率和容錯率便大幅下降。星塵智能副總裁王佳楠對「定焦One」表示，這與AI模型、本體性能以及兩者的結合都密切相關。

圖源 / 仙工智能微博

首先是AI模型的認知與抽象能力不足。

主要體現在對未知物體的識別和物理屬性估計、對操作本質的抽象與理解，對復雜環境的理解與動態規劃，以及對環境交互反饋信息的利用，都有欠缺。機器人依賴傳感器“看”世界，在實驗室里，物體是已知的、背景是干凈的。但在真實場景中，它需要識別新物體的形狀、估計其重量，這對其“未知估計”能力提出了極高要求。

比如完成“倒水”這一任務時，人類能輕松理解其本質是控制水在重力的作用下轉移，但對AI模型而言，從海量數據中抽象出這種高級任務語義并實現泛化，仍然非常困難。

其次是機器人本體性能不足，導致“手眼協調”精度不夠。

在結構化場景中（比機械臂永遠在同一個位置），機器人能非常精確地重復同一個動作，但變化的環境中，它需要的是“相對精度”和“適應性”，“無論杯子在哪，都能準確地抓住杯口”就屬于當前技術的短板。

最后是AI模型與本體的結合還不夠，即“聰明的大腦”難以指揮“笨拙的身體”去完成精細任務。即便聰明的大腦（AI）想出了巧辦法，但身體只能理解數字命令，導致機器人看起來總是行動慢半拍。比如看到桌上的水杯在晃悠，人會趕緊去扶住那個杯子，但機器人需要給出詳細指令。

第三道坎是數據短缺，限制了模型泛化的能力。

實驗室數據有限、真實數據獲取昂貴，且不同場景的分布差異巨大，導致機器人難以做到“舉一反三”。對此，各家的解決辦法不同，有的傾向于利用合成數據，有的則以真機數據為主，同時利用從互聯網上采集的多模態數據，進行預訓練或輔助學習。比如星塵智能采用繩驅方案，其仿生設計有助于高效獲取真機數據，并結合互聯網多模態數據進行學習，從而彌補真實數據短缺，并提升跨場景泛化能力。

綜合來看，盡管這三道關卡共同限制著機器人大規模落地，但多位投資人表示樂觀。

AI行業資深投資人王晟表示，當前市場非常看好以AI為基礎發展起來的人形機器人賽道。他預判，明年人形機器人的融資熱度將持續，且資金更向頭部公司集中。

總之，這一輪機器人公司的IPO與融資熱，反映出“智能”本身在技術上首次成為可以被量化的指標，為整個機器人賽道打開了廣闊的想象空間。但從“可行的技術”邁向“可靠的商品”，仍然需要時間。

*題圖來源于宇樹科技微博。