港股IPO，轮到工业AI了？

头部企业收入初具规模。

文｜王熠

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？

01

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》

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。

02

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。

03

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。

04

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。