港股IPO，轮到工业AI了？

2026


年的港交所，正进入由


AI


主导的


IPO


周期。

相较去年硬科技扎堆、


A


股双重上市的热潮，今年港股


IPO


主线明显转向人工智能，且市场展现出更高的估值容忍度与参与热情。

年初以来，港交所已相继涌现多家千亿市值的


AI


公司：智谱、


MiniMax


等大模型厂商市值升至数千亿，迅策年内一度暴涨


500%


跻身千亿行列，天数智芯、壁仞科技等芯片企业也接连跨过门槛。

从财务数据看，这些公司的营收与利润仍不算庞大，但更关键的变化在于


——


AI


商业化正从“预期”走向“兑现”。算力、数据与模型开始与真实需求深度绑定，市场对未来业绩的定价也随之前移。

在这一背景下，工业


AI


头部企业开始集中冲刺资本市场。以思谋科技为代表的工业


AI


智能体公司递表，不仅扩展了港股


AI


版图，也把一个更现实的问题推到台前：

在一线产业场景中，


AI


到底能创造多少可审计、可规模化的价值？而当大模型、芯片企业已经享有千亿市值时，工业


AI


这一轮


IPO


热潮，究竟能兑现到什么程度？

工业






AI，规模部署

将


AI


引入生产流程，是制造业智能化转型的核心议题。但这并非单纯的技术尝鲜，而是建立在人口结构变化与劳动力成本上升基础上的必然选择。

对企业而言，用机器替代人工、用算法提升良品率，正在从加分项变成刚需。从产业大趋势看，思科在一份调研报告中指出，


AI


在工业运营中的应用已脱离试验阶段走向广泛普及，



59%


的制造商已开始规模化部署。

然而，




“部署”这个词掩盖了关键差异。多数制造商的部署，更多集中在局部检测、预测维护等标准化场景；真正进入工艺控制、排产优化等核心环节的，仍是少数。这也是为什么国内工业




AI




公司营收普遍卡在亿元门槛，极个别头部公司能达




10




亿——不是市场不大，而是工业产线对确定性有近乎偏执的要求，大模型的“概率输出”天然与之冲突，加上产线数据高度碎片化、企业对网络与数据安全的现实担忧，




AI




落地的深水区推进比预期更难。

因此，


AI


的突破率先集中在基础设施更完善、自动化程度更高的高端制造领域。《工业与


Al


融合应用指南》的调查印证了这一分布：半导体及电子、汽车、能源动力等行业的


AI


采用率领先，这些行业本身就具备更好的数据基础和工程化能力，也更有动力用


AI


解决复杂生产与研发问题。

图：工业细分行业AI采用率，资料来源：《工业与AI融合应用指南》、36氪整理

随着这类头部行业开始规模化部署，工业


AI


的商业模式也在发生变化：



从早期以定制化项目为主的验证阶段，逐步转向可复制的规模化交付



，


“智能即服务”开始具备现实基础。需要注意的是，这种规模化目前仍然依赖头部客户和特定场景，距离广泛普及仍有距离，但也意味着市场空间广阔。

这一变化也逐步体现在企业经营层面。行业正从单点验证走向商业化扩张阶段，头部企业的收入增长成为最直接的信号。以思谋科技为例，其


2025


年营收达到


10.86


亿元，服务客户数量已超


730


家，前五大客户收入占比由


39.3%


下降至


22.0%


，客户结构趋于分散。

从行业分布来看，


思谋科技


的规模化落地


同样


集中在高端制造领域，包括



消费电子（


3C


）、新能源、精密制造、轨道交通



等


，同时


这些客户多为


领域内头部


企业，如特斯拉、立讯精密、歌尔股份、京东方、科达利等


。这些行业普遍


具备复杂工艺


流程


、较高自动化水平，以及对良率与效率极为敏感


的生产特征，也因此成为工业


AI


最先兑现价值的场景。

对工业


AI


赛道的参与者而言，规模商业化不再是远景故事，而是正在发生的现实。但现实也意味着更严苛的检验


——


当


AI


走出实验室，产线不会为任何


“


差不多


”


买单。

工业AI智能体





，是现






实答案

在工业价值链中，生产制造是


AI


最容易兑现价值的环节——效率提升与成本下降，往往可以直接转化为企业利润。

但问题在于，当前工业


AI


的大部分部署仍停留在“检测


-


告警”层面——


AI


发现缺陷，人再处理，很难真正进入产线核心环节。



要真正改写良品率和效率曲线，


AI


必须从“眼睛”变成“手”，能直接调用设备、调整参数、执行动作。

这正



是




“


工业AI智能体


”试图



回答的问题。

简单来说


，


工业AI智能体


是能够在工业


场景中完成


“感知—推理—执行”的


AI


系统：以大模型为核心，结合行业数据与业务流程，既能理解生产问题，也能调用系统或设备完成任务。其



形态既可以是大模型或工业软件系统，也可以是机器人，抑或是软硬件产品结合的一体方案



。

举个例子：一条手机主板贴片产线。传统


AI


可以告诉你“这一批焊点虚焊率比标准高了


3%


”，然后工程师停机调试。


而


工业AI智能体


能实时对比历史最


优参数，自动调整下一块板的锡膏厚度与回流焊温度，并在连续几块板改善后，将新参数固化到产线控制系统——全程无需人工介入。这既是“分析”与“执行”的本质区别，也是工厂愿意持续付费的原因。

从海外厂商布局来


看，


工业AI智能体


正在形成共识，但


路径并不相同。

例如，西门子近期推出的


工程智能体


Eigen


，可直接参与工程配置与控制逻辑生成，更偏软件型


工程智能体


。

ABB


从硬件机器人切入，将


AI


能力嵌入执行端，使其在真实环境中完成操作；而


Cognex


则在机器视觉设备中融合


AI


能力，通过提升感知与局部决策能力，实现设备智能化。

可以看到，尽管路径不同，但共同点是：



都在推动


AI


从分析工具走向生产流程中的执行单元。

国内厂商则更倾向于软硬一体的全栈推进。

以思谋科技为例，其已搭建



“


AI


基础设施（底层）—大模型和通用工业平台（中台）—边缘感知与机器人终端（应用层）”



的全栈体系。其中，搭载工业多模态大模型


IndustryGPT


的机器人产品，正逐步成为增长核心。

其财务数据也反映了这一变化。


2023


–


2025


年，思谋科技营收从


4.85


亿元增至


10.86


亿元，复合增速约


50%


。同期，其工业


AI


智能体（机器人、边缘


AI


传感器、智能体软件系统）收入占比由


62.4%


升至


78.5%


，业务持续向智能体集中。

进一步看，机器人业务收入占比从


29.0%


升至


40.1%


，


2025


年达到


4.36


亿元，三年复合增速超


70%


，也意味着工业


AI


的商业化重心，正向执行型智能体迁移。

另一个值得关注的信号是单客户价值提升。继续用思谋科技举例，其机器人产品单客户收入从


2023


年的


182.6


万元升至


2025


年的


363.0


万元。这反映出行业中客户对相关产品的接受度在提升，另一方面也可能意味着工业


AI


部署深度在加大，而不只是简单的客户数量扩张。

头部企业的经营验证期

对国内工业


AI


参与者而言，在业务方向逐步清晰、收入开始增长之后，更现实的问题是：



现金流能否支撑长期投入与持续经营。

工业


AI


是一条典型的长周期、高投入赛道，既需要持续的软硬件研发投入，也依赖在垂直行业中长期积累工艺与场景“


Know-how


”。

根据灼识咨询统计，当前国内工业


AI


智能体的参与者主要分为两类：海外传统工业巨头与本土创业公司。前者依托传统业务提供稳定现金流支撑，后者则更多依赖融资与逐步的商业化能力。

因此，现金流质量也就自然成为资本市场评估国内工业


AI


企业的关键指标之一。

作为国内工业


AI


智能体市占率颇高（


5.8%


）的企业，思谋科技无疑是资本市场


确认该赛道企业


自我造血能力的一个


关键样本。

从招股书数据来看，表面上，思谋科技面临着亏损扩大的压力


——公司账面净亏损从


2023


年的


5.46


亿元扩大至


2025


年的


9.91


亿元。



但进一步溯源亏损原因，会发现这实质上源自财务准则下的非现金项目干扰。

导致账面亏损扩大的主要原因有两项。

其一是优先股公允价值变动



（


2025


年为负


2.39


亿元）。听起来是亏损，其实是因为公司估值涨了，前期给投资人的优先股变得更值钱，会计准则要求把这部分“增值”记成费用。这笔账不影响实际现金流，但会吓到看利润表的人。

其二是股份支付费用



，对应公司在


2025


年计提了


4.75


亿元的股权激励开支，主要用于稳定与激励核心管理及技术团队。

这类


“账面浮亏”是科技企业在上市进程中普遍经历的财务现象，



此前不少明星


AI


企业也曾因估值抬升记录过类似的大额亏损。如果剔除这些非现金层面的因素，思谋科技反映真实业务造血能力的“经调整净亏损”，实际上已由


2023


年的


3.9


亿元收窄至


2025


年的


2.7


亿元。

比亏损收窄更值得关注的，是随着销售规模扩大而释放的经营杠杆。

思谋科技向客户交


付的


工业AI智能体


是软硬件的


结合体，需向上游采购繁杂的硬件零部件、视觉光学组件及芯片等原材料。在发展初期，由于采购量小，企业缺乏议价权；但随着销售规模攀升，思谋与上游供应链建立稳定合作，硬件成本得到控制。同时，软件研发本身具备极低的边际成本，销售规模的增加可以有效摊薄研发支出。

招




股书显示，


2023


年至


2025


年，思谋科技的毛利率从


30.5%


稳步上升至


37.3%


。

规模效应同步传导至费用端。伴随营收基数的扩大，相对刚性的管理与研发费用被摊薄，



其经调整后的期间费用率从


113.6%


大幅降至


64%



。前端毛利率提升与后端费用率下降，构成了企业亏损持续收窄的底层逻辑。

总的来看，收入规模增加、亏损规模收缩成为国内头部工业


AI


企业的财务主旋律。

资本市场会认可吗

一级市场对工业


AI


的押注正在加速。瑞银数据显示，


AI


与机器学习在工业板块风险投资中的占比，已从


2020–2022


年的约


14%


提升至


2025


年上半年的


38%


。

但更关键的问题在于，这种热度能否在二级市场完成定价。



港股历来更看重基本面，对概念炒作容忍度有限；不过在当前的全球


AI


行情中，宁可买贵、不愿踏空的情绪，正在阶段性改变这一约束，也让具备


“


大模型


+


机器人


”


双重叙事的工业


AI


企业，获得了相对宽松的上市窗口。

但短期热度


本身并不构成估值


的持续


支撑。从当前数据来看，工业


AI


已经开始脱离纯概念阶段。灼识咨询预计，


2025–2030


年全球工业


AI


智能体复合增速将达


35%


；以思谋科技为代表的头部企业，也已跑出超过


50%


的历史营收复合增速，并伴随亏损收窄。

递表只是起点，远非终局。对于刚刚开启港股进程的工业


AI


企业而言，市场真正关注的不是历史成绩，而是从


“


递表


”


到


“


挂牌


”


再到


“


首份季报


”


这一连串节点中，上述增长与减亏趋势能否持续验证。

具体而言，市场将逐项审视三个层层递进的问题：第一，增长能否从头部客户持续渗透进更广泛的中型制造商。第二，亏损收窄是否建立在真实的造血能力上。第三，规模效应能否落地为硬性财务指标，并在上市后持续兑现。

谁能率先答对这三道题，谁就能在这场


IPO


浪潮中真正兑现价值。这场闯关之旅，注定充满考验，但也孕育着前所未有的机遇。

（来源：36氪）