控制器只佔兩成營收,仙工智能憑什麼撐起萬億故事?

重點摘要
控制器只佔兩成營收,仙工智能憑什麼撐起萬億故事?智客ZhiKer2026.07.29 18:08 · 來自北京全文4289字00:00 / 13:33真實世界,才是機器人大腦最好的訓練場。一家以機器人大腦控制系統為核心業務的企業,控制器收入佔比卻不到20%,憑什麼講一個萬億級的故事?仙工智能今年6月登陸港交所,成為港股機器人大腦第一股。但招股書上出現了一組尷尬的數字:核心技術的載體控制器,只貢獻了不到兩成營收。
一家以機器人大腦控制系統為核心業務的企業,控制器收入卻只佔不到兩成營收,這樣的數字乍看之下似乎難以支撐一個萬億級的市場故事。仙工智能今年6月正式登陸港交所,成為港股市場上「機器人大腦」第一股,但招股書揭露的營收結構卻讓外界產生疑問:核心技術載體——控制器,貢獻的營收比例竟然不到20%。單看這個比例,這家公司的想像空間似乎相當有限。 然而,仙工智能聯合創始人及執行董事葉楊笙並不認同這種看法。他直言:「控制器賣多少錢不重要,重要的是沉澱出的真實、跨場景、多任務、多本體的數據資產。當數據飛輪轉起來,增長就不再受控制器單價的制約了。」這段話點出了仙工智能真正的戰略核心:控制器只是數據收集的入口,而非價值創造的終點。 所謂控制器,是機器人系統中的「大腦」,負責處理感知、決策與動作指令。傳統上,控制器廠商多以硬體銷售為主,營收與出貨量直接掛鉤。但仙工智能的商業模式顯然不同——控制器僅是獲取真實世界數據的工具,透過這些數據,公司得以訓練出更聰明、更通用的機器人智能系統。 葉楊笙強調,真實世界才是機器人大腦最好的訓練場。仙工智能的控制器部署在各種不同場景、不同任務、不同本體(機器人型號)的環境中,每一次運行都會產生寶貴的數據。這些數據涵蓋了環境感知、路徑規劃、障礙物迴避、任務排程等多元面向,累積得越多,模型就越精準,系統的適應性也越強。 從過去的控制器,到當下的開放平台,仙工智能正在進行一場戰略轉型。公司不再只是賣硬體,而是提供一套底層能力,讓不同行業的客戶能基於這個平台開發自己的機器人應用。這種開放平台策略,使得數據的來源不再局限於單一客戶或單一場景,而是來自數百上千個真實運作中的機器人,形成持續優化的數據飛輪。 當數據飛輪開始轉動,成長的動能就不再受控制器單價的制約。一台控制器賣多少錢,對於整體營收的影響會逐漸縮小;相反地,平台上的數據服務、模型授權、系統整合等收入,將成為更重要的增長引擎。這也是為什麼仙工智能敢於講一個萬億級故事的原因——不是靠硬體銷售,而是靠數據資產的複利效應。 仙工智能所處的賽道,是機器人控制系統與人工智能的交叉領域。隨著全球製造業、物流業、服務業加速自動化,對於能適應複雜真實環境的機器人大腦需求持續攀升。傳統的控制系統往往針對特定任務設計,缺乏泛化能力;而仙工智能希望透過大量真實數據訓練出通用型大腦,讓機器人不需要重新編程就能適應新環境。 在港股市場上,這類以「機器人大腦」為核心概念的標的並不多見。仙工智能的上市,不僅為投資人打開了一個新的投資維度,也讓市場開始關注控制器以外的數據價值。雖然控制器營收佔比低,但這或許正是公司刻意選擇的輕資產模式——以硬體為觸角,以數據為護城河。 葉楊笙的觀點,其實反映了當前AI產業的一個重要趨勢:硬體只是載體,數據才是真正的核心資產。當一家公司擁有海量、高品質的真實世界數據,並且有能力從中提煉出可複用的智能模型,它就能夠跨越單一產品的生命周期,持續創造價值。 仙工智能的萬億故事,能否成真,最終取決於數據飛輪的實際運轉速度與規模。控制器只佔兩成營收,或許不是缺陷,而是一種戰略選擇。當真實世界中的每一台機器人都成為數據採集器,當每一次任務執行都成為模型訓練的機會,仙工智能的想像空間,或許遠比帳面上的營收結構來得更大。
Related
相關文章

螞蟻靈波確認融資傳聞:將持續聚焦通用機器人大腦,加速產業落地
螞蟻靈波確認融資傳聞:將持續聚焦通用機器人大腦,加速產業落地智客ZhiKer2026.08.03 16:54 · 來自北京全文941字00:00 / 02:42靈波累計投入的資金已超一線創業公司的融資額。8月3日消息,有媒體報道稱,螞蟻靈波已啟動首輪融資,擬募資15億元,目標在今年年底完成二輪融資。該融資若如期完成,將突破具身領域創業公司的融資速度。

消息稱螞蟻靈波啟動首輪融資,擬募資 15 億元
螞蟻集團旗下具身智能公司靈波科技傳出已啟動首輪融資,擬募資15億元,目標年底完成第二輪融資。該公司專注於機器人通用大腦與具身智能基礎模型研發,日前已發布LingBot系列模型2.0版本。目前靈波科技表示具身智能技術成熟度仍屬早期,僅能在簡單場景進行小規模商業試點。

Demo的高估值時代結束了,具身智能開始按生產力重新算賬
具身智能領域過去依賴展示影片獲取高估值與融資的「Demo熱」已告終,投資人轉而要求企業在真實場域證明生產力。無法將技術轉化為可重複、可量產、穩定運作方案的業者估值遭到修正,能實際降低成本、提升效率的公司則獲更高評價,估值邏輯從「潛力故事」轉向「生產力帳本」,被視為產業邁向成熟的關鍵轉折。

自變量機器人發佈 HOST 框架並開源,讓機器人看視頻學會新技能
自變量機器人發表並開源 HOST 框架,讓機器人透過觀看數十秒人類操作影片即可學會新技能,測試成功率達 62%。該框架採用以任務進度對齊的學習方法,所需數據量減少 50 倍,學習速度提升 500 倍,有望降低未來家庭機器人的使用門檻。
李飛飛押注物理世界模型
李飛飛押注物理世界模型。 據量子位深度報道原文速覽稱,收購SceniX。 R2S2R把真機任務搬進仿真。 策略可在虛擬場景���️反覆試錯。 無問智科佈局三世界閉環。
低成本機器人強化學習獲突破
低成本機器人強化學習獲突破。 低成本平臺常因硬件延遲拉大仿真差距。成果在四足機器人強化學習論文中正式發表。時間感知網絡 ��� 讓電機實現步態自組織。系統能在三百多毫秒的延遲擾動下生存。該方案極大地降低了具身智能研發門檻。