bingdada一批以具身智能为标签的机器人公司在港交所集中上市后普遍跌破发行价，核心原因是其实际业务与具身智能标签之间存在显著断层——多数公司收入仍来自传统工业自动化，具身相关业务占比极低。这种标签与业务的错位正在透支行业的资本市场信用。
从2024年末到2026年三季度，港交所迎来了一批特殊的上市主体——它们被统称为机器人公司，却不约而同地将自己包装成"具身智能"的代言人。这场集体上市潮的规模，在港股历史上并不多见。
真正值得关注的不是它们上市时的盛况，而是上市后股价的集体回落。截至2026年9月下旬，这批公司中多数已跌破发行价，跌幅从个位数到超过五成不等。市场情绪的转变并非源于对具身智能技术方向的否定，而是投资者开始重新审视一个更基础的问题：这些公司的业务，究竟在多大程度上与"具身智能"相关？
以梅卡曼德为例。这家公司在2026年9月登陆港交所，公开发售获得数千倍超额认购。它的新叙事是"具身智能眼脑手第一股"——3D相机对应"眼"，大模型对应"脑"，灵巧手对应"手"。但翻开财务数据，超过九成的收入仍然来自工业场景中的3D相机及配套软件。代表"脑"与"手"的业务合计收入占比不足1.1%。
更关键的是客户结构。梅卡曼德的直接客户中，绝大部分是系统集成商而非具身主机厂商。集成商将相机安装到传统工厂产线上，终端客户以汽车主机厂和零部件厂为主。这意味着，它的"具身之眼"最终服务的仍然是传统工业自动化，与通用具身智能之间隔着一层甚至多层。
这种情况并非孤例。卧安机器人的旗号是"AI具身家庭机器人第一股"，但实际支撑收入的是门锁、窗帘等家用执行设备；凯乐士以"全栈式智能场内物流机器人第一股"上市，核心业务是仓库内的物流自动化设备；仙工智能自称"机器人大脑第一股"，但其"大脑"指的是工业自动化语境下的控制器，而非当前行业热议的负责理解与决策的模型层。
"第一股"这个称号的价值，取决于赛道的定义权，而非命名的先后顺序。当十余家公司各自以"仓储第一股""家庭第一股""空间智能第一股""机器人大脑第一股"等名号上市时，稀缺性便被批量供应所稀释。
这一过程在自动驾驶行业已经完整上演过一遍。从激光雷达到Robotaxi，两年间涌现出十几家"第一股"，而随着行业热度退潮，标签集体贬值。有自动驾驶公司顶着"港股自动驾驶第一股"上市，到2026年股价较历史高点跌去超过九成。
具身智能赛道正在经历类似的曲线。2026年国内具身智能赛道融资事件超过460起，披露总额逾千亿元，这些资金催生了一批估值高企的创业公司。但当它们走进公开市场，投资者开始用更严苛的标准审视其业务实质。
并非所有公司都停留在概念层面。珞石机器人的具身智能机器人收入占比从2023年的1%提升到2025年的9%，再到2026年上半年的33.5%，呈现出一条清晰的结构化升级路径。这类公司的业务重心确实在向具身智能方向迁移，而非仅仅更换标签。
但更多公司面临的是叙事与业务之间的时间差。具身智能技术的成熟需要周期，而资本市场的耐心往往更短。当一级市场的投资人开始表示"基本停止投资具身智能公司"，当FA不再签署新的具身项目，传导至公开市场的压力便只是时间问题。
"具身"这个标签在资本市场上的信用，正在被提前支取。每一家以具身之名上市却无法在业务层面兑现承诺的公司，都在消耗后来者的信用额度。当标签不再稀缺，当投资者学会区分"真具身"与"假具身"，后来者将面对一个更加严苛的定价环境。
这并非具身智能技术本身的失败。相反，正是因为这项技术的长期价值被广泛认可，才会有如此多的公司试图与之建立关联。问题在于，资本市场的信用体系是有限的——每一次名不副实的标签使用，都在透支整个行业的信誉储备。
对于真正在做具身智能的公司而言，这未必是坏事。当概念泡沫被挤出，当标签不再能够替代业务实质，市场竞争将回归到技术能力和商业落地本身。而对于那些仅仅借用标签的公司，估值重估的过程可能才刚刚开始。
核心原因在于这些公司的实际业务与"具身智能"标签之间存在显著断层。多数公司的收入仍来自传统工业自动化或消费级设备，具身智能相关业务占比极低。当投资者发现标签与业务不符时，估值便面临重估压力。
梅卡曼德超过九成收入来自工业场景的3D相机及软件，直接客户以系统集成商为主，终端客户为汽车主机厂和零部件厂。其"脑"与"手"业务合计收入占比不足1.1%，与通用具身智能或人形机器人厂商之间几乎没有直接业务联系。
技术方向本身具有长期价值，但短期内概念泡沫正在被挤出。真正在做具身智能并出现结构化收入调整的公司（如珞石机器人）仍值得关注，而仅靠标签支撑估值的公司将面临更严苛的市场环境。
自动驾驶行业曾涌现十几家"第一股"，随着热度退潮标签集体贬值，部分公司股价较历史高点跌去超过九成。这表明"第一股"的含金量取决于赛道的定义权而非命名先后，标签无法替代业务实质。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
资本狂热与真实作业之间的鸿沟揭示了物理智能的规模化困局。华为联合多家机构发布的报告指出，云边端协同是破解实时性与复杂性两难的系统路径，三域协同与一网贯通构成核心架构。
当VLA模型在物理扰动下频频失效，世界模型成为具身智能跨越商业化门槛的新路径。美梦空间联合索辰科技发布Physical-WAM与RoboTwin-Phys，从物理Token表征到物理漂移评测，为机器人补上"物理课"。
Skild AI 用自我对弈训练人形机器人踢足球，只给进球奖励却自发涌现盘带护球等技能。本文拆解其技术路线、基础模型布局与仿真到现实的落地挑战。
最新の SEO・GEO 情報をお届けします。
プライバシーを尊重します。いつでも購読を解除できます。
