港股IPO，轮到工业AI了？

2026年的港交所，正迎来一个由AI主导的IPO新周期。

与去年硬科技扎堆、A股双重上市的热潮不同，今年港股IPO的主线已清晰转向人工智能。市场对AI公司的估值容忍度明显更高，参与热情也更为踊跃。

年初至今，多家千亿市值的AI公司已在港交所涌现：智谱、MiniMax等大模型厂商市值攀升至数千亿；迅策科技年内股价一度暴涨500%，跻身千亿俱乐部；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规模或许尚不庞大，但一个更关键的趋势正在形成——AI的商业化正从“未来预期”加速走向“当下兑现”。算力、数据与模型开始与真实产业需求深度绑定，市场对未来的业绩定价也随之提前。

在此背景下，工业AI领域的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智能体公司正式递表，不仅拓展了港股AI的版图，更将一个现实问题推至台前：

在一线生产场景中，AI究竟能创造多少可审计、可规模化的真实价值？当大模型与芯片企业已享有千亿估值时，工业AI这一轮IPO热潮，又能兑现到何种程度？

工业AI，规模部署

将AI引入生产流程，已成为制造业智能化转型的核心议题。但这绝非单纯的技术尝鲜，而是建立在人口结构变化与劳动力成本持续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，正从“加分项”转变为“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，

然而，“部署”一词背后，掩盖了关键差异。多数制造商的AI应用，仍集中在视觉检测、预测性维护等相对标准化的场景；真正能切入工艺控制、生产排程等核心环节的，仍是少数。这也解释了为何国内工业AI公司的营收普遍卡在亿元门槛，仅有极个别头部企业能突破10亿——并非市场空间不足，而是工业产线对确定性的要求近乎偏执，大模型的“概率输出”与之天然冲突。加之产线数据高度碎片化，企业对网络与数据安全存在现实顾虑，AI落地的深水区推进远比预期艰难。

因此，AI的突破率先发生在基础设施更完善、自动化程度更高的高端制造领域。《工业与AI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。这些行业本身具备更好的数据基础和工程化能力，也更有动力利用AI解决复杂的生产与研发难题。

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》、整理

随着头部行业开启规模化部署，工业AI的商业模式也在悄然演变：

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

这一变化已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，头部企业的收入增长是最直接的信号。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从39.3%下降至22.0%，客户结构趋于分散和健康。

从行业分布看，思谋科技的规模化落地同样聚焦于高端制造领域，包括

等，且客户多为各领域的头部企业，如特斯拉、立讯精密、歌尔股份、京东方、科达利等。这些行业普遍具备工艺流程复杂、自动化水平高、对良率与效率极度敏感的特征，也因此成为工业AI价值最先兑现的场景。

对工业AI赛道的参与者而言，规模商业化已不再是远景故事，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”的结果买单。

工业AI智能体，是现实答案

在工业价值链中，生产制造环节是AI最容易兑现价值的领域——效率的提升与成本的下降，往往能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，再由人工处理，很难真正触及产线核心控制环节。

简而言之，工业AI智能体是能够在工业场景中完成“感知—推理—执行”闭环的AI系统。它以大模型为核心，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

。

举个例子：一条手机主板贴片产线。传统AI只能告诉你“这一批焊点虚焊率比标准高了3%”，然后由工程师停机调试。而工业AI智能体则能实时对比历史最优参数，自动调整下一块电路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中——全程无需人工介入。这即是“分析”与“执行”的本质区别，也是工厂愿意为此持续付费的核心原因。

从海外厂商布局来看，工业AI智能体正在形成共识，但技术路径各有侧重。

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，更偏向软件型工程智能体。

ABB则从硬件机器人切入，将AI能力嵌入执行端，使其在真实物理环境中完成操作；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水平，实现设备本身的智能化。

可以看到，尽管路径不同，但共同点是：

相比之下，国内厂商更倾向于软硬一体的全栈式推进。

以思谋科技为例，其已搭建起

的全栈体系。其中，搭载工业多模态大模型IndustryGPT的机器人产品，正逐步成为增长的核心引擎。

财务数据也反映了这一重心转移。2023至2025年，思谋科技营收从4.85亿元增至10.86亿元，复合年增长率约50%。同期，其工业AI智能体（包括机器人、边缘AI传感器、智能体软件系统）收入占比从62.4%上升至78.5%，业务持续向智能体集中。

更进一步看，机器人业务收入占比从29.0%升至40.1%，2025年达到4.36亿元，三年复合增速超过70%。这意味着工业AI的商业化重心，正明确地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的提升。继续以思谋科技为例，其机器人产品单客户平均收入从2023年的182.6万元升至2025年的363.0万元。这反映出客户对相关产品的接受度和依赖度在提升，另一方面也可能意味着工业AI的部署深度在加大，不再仅仅是客户数量的简单扩张。

头部企业的经营验证期

对于国内工业AI的参与者而言，在业务方向逐步清晰、收入开始增长之后，一个更现实的问题浮出水面：

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，也极度依赖在垂直行业中长期积累的工艺与场景“Know-how”。

根据灼识咨询的统计，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。前者依托传统业务的稳定现金流提供支撑，后者则更多依赖融资与逐步形成的商业化能力。

因此，现金流质量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智能体市场占有率较高（5.8%）的企业，思谋科技的财务表现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。

导致账面亏损扩大的主要原因有两项。

（2025年为负2.39亿元）。这听起来是亏损，实则是因为公司估值上涨，早期授予投资人的优先股变得更值钱，会计准则要求将这部分“增值”记为费用。这笔账不影响实际现金流，但会直接影响利润表的表现。

，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。

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。

思谋科技向客户交付的工业AI智能体是软硬件的结合体，需要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了稳定合作，硬件成本得到有效控制。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。

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，

。前端毛利率的提升与后端费用率的下降，共同构成了企业亏损持续收窄的底层逻辑。

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%。

港股历来更看重基本面，对纯粹的概念炒作容忍度有限。然而，在当前全球AI的投资热潮中，“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持续支撑的基石。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智能体市场的复合增速将达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单，而是从“递表”到“挂牌”再到“首份季报”这一连串节点中，上述增长与减亏的趋势能否得到持续验证。

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业务造血能力之上。第三，规模效应能否最终落地为硬性的财务指标，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。