2026-03-16 21:27
扫码打开虎嗅APP
本文来自微信公众号： 涌流商业 ，作者：林更
3月16日，思谋科技SmartMore向香港交易所递交上市申请。这不是一宗普通的科技公司上市案例，它更像是一个信号：生成式AI的热度开始从办公室、客服对话、搜索框，慢慢延伸到车间、产线和机械臂，资本市场终于要给另一类AI故事定价了。
根据招股文件援引灼识咨询的数据，思谋是2025年中国收入规模最大的工业AI智能体提供商，也是首家实现工业AI智能体大规模、跨区域、多场景部署的企业。
这类公司很难用一句话讲清。思谋并不只是卖一套视觉检测软件，也不是单纯卖机器人；它真正试图出售的，是一种把工厂重新组织起来的方法：上层是工业大模型和智能体软件，中间是边缘AI传感器和控制系统，底层是机器人与自动化设备，最终落到半导体、消费电子、新能源电池和精密制造这些最讲究良率与节拍的现场。
到2025年末，公司已服务超过730家客户，累计交付约14万个工业AI智能体，机器人累计完成超过170亿件产品或零部件检测。招股书列出的客户名单里，有特斯拉、卡尔蔡司、立讯精密、歌尔股份、京东方、中国中车和中创新航。
如果说过去几年资本市场更愿意为会说话的AI付高估值，那么思谋押注的，则是会看、会判断、会执行的AI。它面对的不是用户情绪、日活数据、点击量，而是工业误差、良率、停线成本。
工厂从来不是一个适合讲浪漫故事的地方。玻璃面板上一道几乎不可见的裂纹，电池极片上的一处微小缺陷，都会在后端放大成昂贵损失。也正因此，工业AI一旦进入核心工序，客户黏性往往会高于普通软件场景。不过，这仍取决于误检率、节拍、系统稳定性和现场运维表现。
思谋的创始人贾佳亚，正是这种技术路径的缩影。他并不是那种先融资、再找方向的创业者，而是先在学术界与产业界都走到相当深的位置，才下场创业。
贾佳亚2004年获得香港科技大学与微软研究院联合培养的博士学位，随后任教于香港中文大学，2024年转至香港科技大学，现任港科大计算机科学及工程学系讲席教授、冯诺依曼研究院院长；在产业端，他曾担任腾讯优图实验室创始执行负责人。2026年，贾佳亚又当选ACM Fellow。
这样的履历有一个现实意义：他既懂论文的边界，也懂产品化的代价。
在中国AI创业者中，这种背景并不多见。许多人擅长证明模型有效，却未必擅长把模型送入一条不能停机的产线。工业世界对算法的欢迎是有条件的。它不在意模型在演示视频里多惊艳，它只在意检测结果能否稳定复现，误报率是否可控，设备能否在灰尘、震动、强反光和复杂工艺下持续工作。
也正因为此，思谋的创业故事里最值得注意的，不是它用了多少时髦名词，而是它成立以来几乎一直待在不那么热闹的地方。公司2019年成立后，先从半导体晶圆智能检测做起，随后一路扩展到3C、新能源、轨交和精密光学。
公司官网显示，他们在2020年实现ViMo平台商业化，2021年完成超过2亿美元B轮融资并跻身独角兽，2023年发布IndustryGPT，2024年再与港投公司建立战略合作。
资本市场一度很喜欢这个故事。思谋早期投资方包括IDG资本、联想创投、真格基金、松禾资本、红杉中国等，2021年那轮超过2亿美元的融资，让它很快跨入独角兽行列。到了2024年，香港投资管理有限公司也入场，与其在人工智能产业链、人才培养和算力能力建设方面展开合作。
只是资本背书并不自动等于商业成熟。招股文件显示，思谋2023年至2025年收入分别为4.85亿元、7.56亿元和10.86亿元，增长不慢；同期毛利率由30.5%升至37.3%，工业AI智能体业务收入占比也从62.4%提高到78.5%，显示核心工业AI智能体业务比重持续提升。其中，2025年机器人销售占收入40.1%，智能体软件系统占31.5%。
另一面也同样清楚：它仍在亏损。2023年至2025年净亏损分别为5.46亿元、7.35亿元和9.91亿元，不过经调整净亏损已从3.94亿元收窄至2.72亿元。换句话说，这家公司尚未完成盈利证明，但已经开始展示出经营杠杆。
这正是投资人最纠结的地方。工业AI是一个看上去很有未来感，但现金流转换速度并不轻快的行业。研发投入重，交付周期长，客户验证慢，还往往要与硬件绑定。你很难像做纯软件那样迅速复制。一个模型参数的提升，并不会自动变成产线上更高的收入确认效率。对思谋来说，上市募资的核心意义，不只是扩张，更是为这种重投入、慢兑现的商业模式争取时间。
放到竞争格局里看，思谋的处境也颇有意思。它既不像奥普特那样主要聚焦机器视觉核心部件，也不同于凌云光这类业务覆盖机器视觉与光通信、体量更大的设备公司，更不是创新奇智那种更偏工业AI软件、工业大模型与AI Agent路径的玩家。
公开财报显示，凌云光2024年营业收入约22.35亿元，创新奇智2024年收入约12.22亿元，奥普特2024年营业收入约9.11亿元。三者分别代表了视觉设备、工业AI软件与大模型、机器视觉核心部件等不同路径。
思谋面对的从来不是一个单一对手，而是一整片重叠市场。做视觉的会向软件延伸，做软件的会向智能体延伸，做自动化设备的则会把AI装进原有系统里。工业现场最后不会留下太多宽容空间。客户真正愿意长期买单的，通常不是概念最新者，而是能把良率、节拍、误检和运维成本同时压下去的人。
思谋能否在港股市场赢得溢价，取决于投资人最终把它看成一家AI平台公司，还是一家升级版的工业自动化公司。前者享受想象力，后者接受利润约束。
但无论资本市场最终给出什么估值，思谋此刻赴港，已经反映出一个更大的趋势。制造业对AI的需求，正在从实验性导入转向规模化部署。工信部等八部门今年提出，到2027年将面向制造、能源、矿山等领域推出1000个高水平工业智能体。招股文件援引的行业数据则显示，中国工业AI智能体市场规模已从2023年的58亿元增长到2025年的148亿元，预计2030年将达到906亿元。
这个市场显然还在早期，但已不再只是愿景。
所以，思谋上市最值得看的，可能不是它讲了多少新概念，而是它是否能说服投资人相信一件更朴素的事：AI的下一轮价值释放，不一定发生在屏幕里，也可能发生在一块玻璃、一枚电芯、一条零部件产线的微小误差中。
过去几年，资本市场太习惯为更轻的东西定价，比如流量、平台、用户时长。现在，它要重新学习如何理解另一种更重的资产：工厂里的算法，设备上的视觉，和那些把机器训练得比老师傅更稳定的系统。
这才是思谋真正的考题。它不是要证明AI能写一段漂亮文本，而是要证明AI能在一个噪音很大、容错很低、代价很高的现实世界里，稳定地替人做事。若它做到了，港股迎来的就不只是又一家AI公司，而是一个更难、也更扎实的产业叙事。
