頭部企業收入初具規模。

文｜王熠

2026年的港交所，正進入由AI主導的IPO周期。

相較去年硬科技扎堆、A股雙重上市的熱潮，今年港股IPO主線明顯轉向人工智能，且市場展現出更高的估值容忍度與參與熱情。

年初以來，港交所已相繼涌現多家千億市值的AI公司：智譜、MiniMax等大模型廠商市值升至數千億，迅策年內一度暴漲500%躋身千億行列，天數智芯、壁仞科技等芯片企業也接連跨過門檻。

從財務數據看，這些公司的營收與利潤仍不算龐大，但更關鍵的變化在于——AI商業化正從“預期”走向“兌現”。算力、數據與模型開始與真實需求深度綁定，市場對未來業績的定價也隨之前移。

在這一背景下，工業AI頭部企業開始集中沖刺資本市場。以思謀科技為代表的工業AI智能體公司遞表，不僅擴展了港股AI版圖，也把一個更現實的問題推到臺前：

在一線產業場景中，AI到底能創造多少可審計、可規模化的價值？而當大模型、芯片企業已經享有千億市值時，工業AI這一輪IPO熱潮，究竟能兌現到什么程度？

01

工業AI，規模部署

將AI引入生產流程，是制造業智能化轉型的核心議題。但這并非單純的技術嘗鮮，而是建立在人口結構變化與勞動力成本上升基礎上的必然選擇。

對企業而言，用機器替代人工、用算法提升良品率，正在從加分項變成剛需。從產業大趨勢看，思科在一份調研報告中指出，AI在工業運營中的應用已脫離試驗階段走向廣泛普及，59%的制造商已開始規模化部署。

然而，“部署”這個詞掩蓋了關鍵差異。多數制造商的部署，更多集中在局部檢測、預測維護等標準化場景；真正進入工藝控制、排產優化等核心環節的，仍是少數。這也是為什么國內工業AI公司營收普遍卡在億元門檻，極個別頭部公司能達10億——不是市場不大，而是工業產線對確定性有近乎偏執的要求，大模型的“概率輸出”天然與之沖突，加上產線數據高度碎片化、企業對網絡與數據安全的現實擔憂，AI落地的深水區推進比預期更難。

因此，AI的突破率先集中在基礎設施更完善、自動化程度更高的高端制造領域。《工業與Al融合應用指南》的調查印證了這一分布：半導體及電子、汽車、能源動力等行業的AI采用率領先，這些行業本身就具備更好的數據基礎和工程化能力，也更有動力用AI解決復雜生產與研發問題。

圖：工業細分行業AI采用率，資料來源：《工業與AI融合應用指南》

隨著這類頭部行業開始規模化部署，工業AI的商業模式也在發生變化：從早期以定制化項目為主的驗證階段，逐步轉向可復制的規模化交付，“智能即服務”開始具備現實基礎。需要注意的是，這種規模化目前仍然依賴頭部客戶和特定場景，距離廣泛普及仍有距離，但也意味著市場空間廣闊。

這一變化也逐步體現在企業經營層面。行業正從單點驗證走向商業化擴張階段，頭部企業的收入增長成為最直接的信號。以思謀科技為例，其2025年營收達到10.86億元，服務客戶數量已超730家，前五大客戶收入占比由39.3%下降至22.0%，客戶結構趨于分散。

從行業分布來看，思謀科技的規模化落地同樣集中在高端制造領域，包括消費電子（3C）、新能源、精密制造、軌道交通等，同時這些客戶多為領域內頭部企業，如特斯拉、立訊精密、歌爾股份、京東方、科達利等。這些行業普遍具備復雜工藝流程、較高自動化水平，以及對良率與效率極為敏感的生產特征，也因此成為工業AI最先兌現價值的場景。

對工業AI賽道的參與者而言，規模商業化不再是遠景故事，而是正在發生的現實。但現實也意味著更嚴苛的檢驗——當AI走出實驗室，產線不會為任何“差不多”買單。

02

工業AI智能體，是現實答案

在工業價值鏈中，生產制造是AI最容易兌現價值的環節——效率提升與成本下降，往往可以直接轉化為企業利潤。

但問題在于，當前工業AI的大部分部署仍停留在“檢測-告警”層面——AI發現缺陷，人再處理，很難真正進入產線核心環節。要真正改寫良品率和效率曲線，AI必須從“眼睛”變成“手”，能直接調用設備、調整參數、執行動作。

這正是“工業AI智能體”試圖回答的問題。

簡單來說，工業AI智能體是能夠在工業場景中完成“感知—推理—執行”的AI系統：以大模型為核心，結合行業數據與業務流程，既能理解生產問題，也能調用系統或設備完成任務。其形態既可以是大模型或工業軟件系統，也可以是機器人，抑或是軟硬件產品結合的一體方案。

舉個例子：一條手機主板貼片產線。傳統AI可以告訴你“這一批焊點虛焊率比標準高了3%”，然后工程師停機調試。而工業AI智能體能實時對比歷史最優參數，自動調整下一塊板的錫膏厚度與回流焊溫度，并在連續幾塊板改善后，將新參數固化到產線控制系統——全程無需人工介入。這既是“分析”與“執行”的本質區別，也是工廠愿意持續付費的原因。

從海外廠商布局來看，工業AI智能體正在形成共識，但路徑并不相同。

例如，西門子近期推出的工程智能體Eigen，可直接參與工程配置與控制邏輯生成，更偏軟件型工程智能體。

ABB從硬件機器人切入，將AI能力嵌入執行端，使其在真實環境中完成操作；而Cognex則在機器視覺設備中融合AI能力，通過提升感知與局部決策能力，實現設備智能化。

可以看到，盡管路徑不同，但共同點是：都在推動AI從分析工具走向生產流程中的執行單元。

國內廠商則更傾向于軟硬一體的全棧推進。

以思謀科技為例，其已搭建“AI基礎設施（底層）—大模型和通用工業平臺（中臺）—邊緣感知與機器人終端（應用層）”的全棧體系。其中，搭載工業多模態大模型IndustryGPT的機器人產品，正逐步成為增長核心。

其財務數據也反映了這一變化。2023–2025年，思謀科技營收從4.85億元增至10.86億元，復合增速約50%。同期，其工業AI智能體（機器人、邊緣AI傳感器、智能體軟件系統）收入占比由62.4%升至78.5%，業務持續向智能體集中。

進一步看，機器人業務收入占比從29.0%升至40.1%，2025年達到4.36億元，三年復合增速超70%，也意味著工業AI的商業化重心，正向執行型智能體遷移。

另一個值得關注的信號是單客戶價值提升。繼續用思謀科技舉例，其機器人產品單客戶收入從2023年的182.6萬元升至2025年的363.0萬元。這反映出行業中客戶對相關產品的接受度在提升，另一方面也可能意味著工業AI部署深度在加大，而不只是簡單的客戶數量擴張。

03

頭部企業的經營驗證期

對國內工業AI參與者而言，在業務方向逐步清晰、收入開始增長之后，更現實的問題是：現金流能否支撐長期投入與持續經營。

工業AI是一條典型的長周期、高投入賽道，既需要持續的軟硬件研發投入，也依賴在垂直行業中長期積累工藝與場景“Know-how”。

根據灼識咨詢統計，當前國內工業AI智能體的參與者主要分為兩類：海外傳統工業巨頭與本土創業公司。前者依托傳統業務提供穩定現金流支撐，后者則更多依賴融資與逐步的商業化能力。

因此，現金流質量也就自然成為資本市場評估國內工業AI企業的關鍵指標之一。

作為國內工業AI智能體市占率頗高（5.8%）的企業，思謀科技無疑是資本市場確認該賽道企業自我造血能力的一個關鍵樣本。

從招股書數據來看，表面上，思謀科技面臨著虧損擴大的壓力——公司賬面凈虧損從2023年的5.46億元擴大至2025年的9.91億元。但進一步溯源虧損原因，會發現這實質上源自財務準則下的非現金項目干擾。

導致賬面虧損擴大的主要原因有兩項。

其一是優先股公允價值變動（2025年為負2.39億元）。聽起來是虧損，其實是因為公司估值漲了，前期給投資人的優先股變得更值錢，會計準則要求把這部分“增值”記成費用。這筆賬不影響實際現金流，但會嚇到看利潤表的人。

其二是股份支付費用，對應公司在2025年計提了4.75億元的股權激勵開支，主要用于穩定與激勵核心管理及技術團隊。

這類“賬面浮虧”是科技企業在上市進程中普遍經歷的財務現象，此前不少明星AI企業也曾因估值抬升記錄過類似的大額虧損。如果剔除這些非現金層面的因素，思謀科技反映真實業務造血能力的“經調整凈虧損”，實際上已由2023年的3.9億元收窄至2025年的2.7億元。

比虧損收窄更值得關注的，是隨著銷售規模擴大而釋放的經營杠桿。

思謀科技向客戶交付的工業AI智能體是軟硬件的結合體，需向上游采購繁雜的硬件零部件、視覺光學組件及芯片等原材料。在發展初期，由于采購量小，企業缺乏議價權；但隨著銷售規模攀升，思謀與上游供應鏈建立穩定合作，硬件成本得到控制。同時，軟件研發本身具備極低的邊際成本，銷售規模的增加可以有效攤薄研發支出。招股書顯示，2023年至2025年，思謀科技的毛利率從30.5%穩步上升至37.3%。

規模效應同步傳導至費用端。伴隨營收基數的擴大，相對剛性的管理與研發費用被攤薄，其經調整后的期間費用率從113.6%大幅降至64%。前端毛利率提升與后端費用率下降，構成了企業虧損持續收窄的底層邏輯。

總的來看，收入規模增加、虧損規模收縮成為國內頭部工業AI企業的財務主旋律。

04

資本市場會認可嗎

一級市場對工業AI的押注正在加速。瑞銀數據顯示，AI與機器學習在工業板塊風險投資中的占比，已從2020–2022年的約14%提升至2025年上半年的38%。

但更關鍵的問題在于，這種熱度能否在二級市場完成定價。港股歷來更看重基本面，對概念炒作容忍度有限；不過在當前的全球AI行情中，寧可買貴、不愿踏空的情緒，正在階段性改變這一約束，也讓具備“大模型+機器人”雙重敘事的工業AI企業，獲得了相對寬松的上市窗口。

但短期熱度本身并不構成估值的持續支撐。從當前數據來看，工業AI已經開始脫離純概念階段。灼識咨詢預計，2025–2030年全球工業AI智能體復合增速將達35%；以思謀科技為代表的頭部企業，也已跑出超過50%的歷史營收復合增速，并伴隨虧損收窄。

遞表只是起點，遠非終局。對于剛剛開啟港股進程的工業AI企業而言，市場真正關注的不是歷史成績，而是從“遞表”到“掛牌”再到“首份季報”這一連串節點中，上述增長與減虧趨勢能否持續驗證。

具體而言，市場將逐項審視三個層層遞進的問題：第一，增長能否從頭部客戶持續滲透進更廣泛的中型制造商。第二，虧損收窄是否建立在真實的造血能力上。第三，規模效應能否落地為硬性財務指標，并在上市后持續兌現。

誰能率先答對這三道題，誰就能在這場IPO浪潮中真正兌現價值。這場闖關之旅，注定充滿考驗，但也孕育著前所未有的機遇。