具身智能扎堆IPO，“商业化元年”谁能率先抢滩登陆？

文章作者、来源：微信公众号“科技云报道”

IPO不是终点，而是新的起点。

2026年的具身智能赛道，热得发烫。

7月6日，上交所官网一条更新消息点燃了整个科技圈。宇树科技科创板IPO审核状态变更为“注册生效”。

从3月20日申请获受理到7月2日证监会批文落地，短短104天走完科创板审核全流程，创下预先审阅机制落地以来的最快纪录。

按发行比例推算，宇树科技初始发行市值至少达到420亿元，A股“人形机器人第一股”即将正式敲钟。这不是孤例，一场席卷一级市场与二级市场的具身智能上市竞速赛，已经全面打响。

资本狂奔

从一级市场火到IPO通道

今年上半年，具身智能一级市场融资超345亿元，单笔10亿元以上融资已成常态。

自变量机器人B轮20亿元引来字节、阿里、美团、小米集体押注，银河通用25亿元融资更是创下纪录，国家大基金三期首次出手布局具身赛道。

截至6月底，国内具身智能领域百亿估值独角兽已达25家，其中15家都是今年上半年新晋成员。

资本的狂热迅速传导至IPO环节。继宇树科技闪电过会打响第一枪，紧随其后的云深处科技科创板IPO申请已于5月获受理，拟募资25.03亿元。

这家深耕四足机器人的企业，旗下“绝影”系列在电力巡检、矿山勘探等特种场景站稳脚跟，2025年下半年连续完成C轮和Pre-IPO轮融资，合计金额超数亿元。

港股市场更是上演批量上市奇观。截至年中，在排队IPO的企业中，业务涉及机器人、具身智能领域的企业达到51家，占排队企业数量的12.7%。

18C特专科技公司上市规则成为最大推手——允许未盈利科技企业上市，极大降低了门槛。卧安机器人募资16.93亿港元，华沿、埃斯顿募资均超10亿港元。

这场IPO竞速的背后，产业共识已经形成，具身智能被普遍视为继移动互联网、云计算之后的下一代计算平台。

谁先登陆资本市场，谁就能拿到充足弹药，在量产落地、技术迭代和生态构建中抢占先机。

四大路线底层逻辑

与攻坚壁垒

热闹的资本表象之下，技术路线的分野与碰撞才是行业真正的主线。

当前，全球具身智能领域已形成四条清晰的技术路径，它们对应着不同的底层逻辑、不同的攻坚难点，也决定了企业截然不同的IPO叙事与估值逻辑。

“运动控制派”是机器人产业的主流，核心壁垒扎根在刚体动力学与高精度执行器，代表企业包括波士顿动力、宇树科技。

其技术栈自上而下分为三层，最底层是高功率密度关节模组，由无框力矩电机、谐波减速器、双编码器、驱动器高度集成，单关节峰值扭矩密度、力矩控制精度、响应带宽是核心指标。

以人形机器人常用的膝关节为例，国内头部企业已能做到峰值扭矩超300N・m，重量控制在2kg以内，反向传动效率突破85%，基本追平国际一流水平。

这是所有运动能力的物理基础，也是当前国产替代最充分、专利壁垒最扎实的环节。

中间层是全身动力学控制（WBC）与模型预测控制（MPC）。

前者负责在毫秒级周期内求解全身数十个自由度的力矩分配，保证机器人在扰动下保持平衡；后者则通过滚动优化预判未来数秒的运动轨迹，实现平稳行走、跑跳与避障。

宇树科技四足机器人之所以能实现后空翻、快速跑酷等高难度动作，核心就是MPC算法与硬件执行器的深度协同，控制周期已压缩至1毫秒以内。

最上层是强化学习（RL）运动策略库。传统控制算法依赖人工调参，每一种地形、每一种步态都需要工程师逐一调试；而基于深度强化学习，机器人可以在仿真环境中通过千万次试错自动习得运动策略，再通过Sim2Real迁移到真机。

目前头部企业已建成包含上百种运动技能的策略库，机器人可根据环境自动切换步态，地形适应能力较传统方案提升一个数量级。

这条路线的优势是底子硬，硬件可量产、性能可量化、可靠性经过验证，因此也是当前商业化最扎实、最容易满足盈利要求的流派。

“VLA端到端派”是AI时代的新势力，核心逻辑是用大模型统一感知、理解、决策与动作输出，代表企业是美国Figure、国内智元机器人等，也是当前故事性最强、估值溢价最高的路线。

其技术核心是视觉-语言-动作（Vision-Language-Action, VLA）三模态对齐。机器人通过视觉编码器采集环境图像，与自然语言指令一同输入大模型，模型直接端到端输出关节控制指令，中间不再需要人为拆分“感知-规划-控制”模块。

谷歌DeepMind推出的RT-2模型首次验证了这一路线的可行性，它能理解“把过期的瓶子扔进垃圾桶”这类抽象指令，并泛化到从未见过的物体与场景。

相比传统分级式架构，VLA路线的最大价值是泛化能力。过去工业机器人只能执行预先编程好的固定动作，换一个物体、换一个位置就要重新示教。

而VLA模型通过大规模预训练，具备了零样本或少样本迁移能力，可以快速适配新任务。这正是通用机器人的核心特征，也是资本市场愿意给高估值的根本原因。

“世界模型”派走的是在数字世界里练机器人的路线，核心思路是用大规模仿真训练替代真机数据采集，从而把数据成本降低两个数量级以上，代表玩家是特斯拉Optimus、Physical Intelligence以及国内阿里、腾讯等科技大厂。

其技术体系由三大支柱构成：

一是高保真物理仿真引擎。不仅要模拟刚体运动，还要模拟柔性物体、流体、摩擦力、碰撞形变等复杂物理现象，越逼近真实世界Sim2Real的迁移效果越好。

腾讯基于游戏引擎打造的HY-World平台，已能实现毫米级物理仿真精度，并支持上万台机器人并行训练。

二是域随机化（Domain Randomization）技术。

既然仿真不可能100%复刻现实，那就主动在仿真中随机改变光照、纹理、物体形状、摩擦力等参数，让模型在海量变化中学习本质规律，从而适配真实世界的不确定性。这是当前解决Sim2Real域间隙问题最主流的方案。

三是神经辐射场（NeRF）场景重建。通过少量真实图像快速重建三维数字场景，让机器人在数字孪生的真实环境中预演任务，再把训练好的策略迁移到真机，大幅降低现场调试成本。

世界模型派的终极目标，是实现具身智能的Scaling Law。就像语言大模型那样，只要投入更多算力、更多仿真数据，智能水平就能持续提升。

特斯拉Optimus的核心竞争力正在于此：依托超算集群，它可以同时在仿真环境中训练百万台机器人，数据积累速度远超真机。

但这条路线也有绕不开的瓶颈：精细接触场景的仿真精度依然不足。比如拧螺丝、插接头这类涉及微小力反馈的操作，仿真中的接触力学与现实差距很大，模型在仿真中练得再好，到真机上也容易失败。

此外，纯算法公司普遍缺乏硬件本体能力，大多以开放平台形式输出技术，很难独立完成端到端的产品落地。

“场景系统工程派”不追求通用，而是聚焦特定工业、物流或特种场景，做深度定制化的系统解决方案，代表企业包括优必选工业线、普渡科技、云深处特种机器人业务等。

它们不追求前沿算法突破，而是强调成熟技术的工程化整合：针对固定场景优化视觉识别算法，搭配力位混合控制实现精密作业，再结合行业Know-How把机器人嵌入现有产线流程。

比如汽车产线的螺栓紧固机器人，核心不是大模型，而是视觉定位精度、力控扭矩精度和7×24小时运行的可靠性；电力巡检四足机器人，核心是复杂地形通过性、红外测温精度和边缘端实时推理能力。

这条路线的技术壁垒不在单点算法，而在系统工程能力与行业数据积累。谁在某个场景里落地的项目越多，数据越丰富，方案成熟度就越高，成本就越低，进而形成正向循环。

这一派商业化最扎实，现金流最健康，很多企业已经实现盈利，但因为想象空间有限，IPO估值通常显著低于前几派。

值得注意的是，四大流派的边界正在快速消融。

运动控制派拼命往上补算法，宇树、云深处都在自研具身大模型；VLA派开始往下沉，学习传统控制的稳定性优势，形成“大模型做高层决策+传统控制做底层执行”的混合架构；世界模型派则积极开放生态，与硬件厂商深度绑定。技术融合，正在成为全行业的共识。

商业化拐点

从展厅秀场走向生产现场

IPO浪潮之下，具身智能终于走出实验室和展会舞台，开始进入真实产业场景创造价值。

税收数据最能说明问题。今年前5个月，全国工业企业购进具身智能机器人总金额同比增长2.3倍。这不是概念炒作，而是实体经济用真金白银在买单。

从产业链结构看，机器人本体与整机制造同比增长30.1%，AI算法与软件集成增长24.5%，系统集成与行业应用增长27.9%，配套信息系统服务更是同比增长1.9倍，整条产业链都在加速跑。

场景落地呈现出清晰的梯度。第一梯队是工业制造和物流仓储，标准化程度高、人力成本压力大、作业环境相对可控，是最先跑通商业闭环的领域。

汽车工厂的物料搬运、3C 产线的精密装配、电商仓库的分拣码垛，人形和轮式机器人已经开始批量上岗。

按测算，人形机器人运行成本约为每小时10-12美元，比人工低60%，且可24小时不间断作业，经济性拐点已经出现。

第二梯队是特种作业场景，包括电力巡检、矿山勘探、消防救援等。这类场景环境恶劣、人力风险高，对机器人形态通用性要求不高，但对稳定性和可靠性要求极高。

云深处、宇树的四足机器人在这一领域已形成成熟方案，成为很多企业最先盈利的业务板块。

第三梯队是商用服务和家庭场景，也是想象空间最大但落地最慢的领域。

商场导览、餐厅送餐、养老陪护等场景已有小规模试点，但精细操作、复杂环境理解、人机自然交互等技术瓶颈仍未完全突破。行业普遍预期，真正的家用服务机器人普及要等到2030年前后。

数据成为当前最大的瓶颈。真机遥操数据每小时成本高达数百甚至上千元，采集一万小时就需要千万元级投入，这严重制约了模型迭代速度。

行业正在探索新路径 —— 用大规模人类第一人称视频数据训练通用模型，成本可降低几个数量级。

谁能抢滩登陆？

三场关键考试

面对数十家排队IPO的企业，谁能真正站稳资本市场，而不是上市即巅峰？答案取决于三场考试。

第一场是规模化量产。具身智能的本质是高端制造业，没有量产能力就没有成本优势，也没有足够的数据反哺算法。

宇树科技之所以能成为A股第一股，核心在于它已经跨过了从样机到量产的死亡谷——2025年5500台的出货量，在全行业都属于第一梯队。

接下来募资建设智能机器人制造基地，就是要进一步放大产能优势。反观很多还停留在原型机阶段的企业，即便靠18C规则登陆港股，也很难支撑长期估值。

第二场是场景化适配。资本市场最终看的是收入和利润，不是技术参数。能在垂直场景深度扎根、形成稳定客户复购的企业，抗周期能力会强得多。

云深处聚焦电力巡检等特种场景，虽然人形机器人方面与宇树略有差距，但商业化确定性更高。

瑞为技术从机场视觉场景切入，再向具身执行端延伸，走的也是场景打底、逐步升级的稳健路径。相比之下，纯讲通用智能故事、找不到落地场景的公司，很容易在估值退潮时裸泳。

第三场是生态化拓展。具身智能不是单点技术比拼，而是产业链协同能力的较量。

中国拥有全球最完整的机器人硬件供应链，从关节电机、减速器到传感器、控制器，都能实现本土化配套。

谁能整合好供应链资源，搭建起开放的开发者生态，谁就能形成网络效应。目前来看，头部企业都在往平台化方向走，有的开放具身大脑、有的开放硬件本体，生态卡位战已经打响。

宇树科技的注册生效，只是具身智能资本化浪潮的序幕。接下来一两年，会有更多企业登陆资本市场，也一定会有企业上市后业绩不及预期、估值回调。

不过这很正常，每一轮科技浪潮都遵循同样的规律——资本先行、技术跟进、产业落地，最后大浪淘沙留下真正的巨头。互联网如此，新能源如此，具身智能也不会例外。

我们真正值得关注的，不是谁第一个敲钟，而是谁能在十年后依然站在牌桌上。从实验室走向万亿市场，具身智能还有很长的路要走。

运动控制、感知理解、精细操作、世界建模……每一个技术节点的突破，都需要持续投入和耐心打磨。

IPO不是终点，而是新的起点。当潮水退去，那些真正沉下心做技术、做产品、做场景的企业，才会成为最终的抢滩者。