米兰体育,米兰体育官方网站,米兰体育APP下载

　　近日，常州微亿智造科技股份有限公司（简称 微亿智造 ）递交招股书，拟冲刺港股 IPO。

　　微亿智造的核心业务是工业具身智能机器人产品（EIIR）。这类机器人并非传统意义上的机械臂，而是通过软硬件的深度融合，实现了自主感知、学习、决策与执行的能力。对制造企业来说，这类机器人带来的最大价值是柔性化和快速部署。

　　据灼识咨询数据，按 2024 年的收入计算，微亿智造是中国最大的工业具身智能机器人（EIIR）供应商 。其当年该业务收入为人民币 2.718 亿元，位居行业第一 。

　　此外，权威市场研究机构 IDC 发布的《中国 AI 视觉工业机器人应用市场份额 2024》报告中，微亿智造同样排名全国第一。

　　从 2022 年到 2024 年，其 EIIR 产品收入的复合年增长率达 183.4%。这也证明了市场对这类智能化、柔性化机器人的强劲需求。

　　工业具身智能机器人，为何收入增长率如此迅猛？借着微亿智造的业务，今天铅笔道和大家揭秘。

　　传统的自动化生产线，更像是一个设定好程序的计算器，只能一丝不苟地执行命令，一旦产品或流程有任何微小变动，就需要工程师花费数周甚至数月时间重新编程，成本高昂且效率低下。这在如今追求小批量、多品种、快速迭代的制造业中，显得力不从心。

　　它为机器人装上了基于人工智能的 大脑 ，使其具备了类似人类的感知、学习、决策和适应能力。

　　这些机器人由 AI 模型完全驱动，能够自主完成任务并学习新任务，无需人工编程。它们可以像经验丰富的老师傅一样，通过 眼睛 （智能感知）发现问题，通过 大脑 （AI 模型）思考解决方案，并指挥 手臂 （执行器）完成高精度操作。

　　与 EIIR 产品不同，这些产品的 AI 要集中在视觉感知、数据分析等方面，而不涉及由 AI 驱动的复杂机器人运动控制。比如，一台专门用于检测手机中框外观的设备就属于此类。

　　- 模组类产品：这是将公司的核心技术 化整为零 的产品，如智能感知硬件、工业软件、算法模型等，可以独立销售给系统集成商或有自主研发能力的大客户。

　　传统 AI 模型需要大量数据来训练，但在新场景中没有数据怎么办？微亿智造通过其独创的 快慢思考 与 人类在环 来破解，具体来说：

　　云端的工程师专家可以通过人机交互系统（BASH 系统）实时指导和修正机器人的决策 。每一次人工指导都会被系统记录下来，形成宝贵的 学费 数据。这使得部署周期从行业平均的数月缩短到了数天 。

　　慢思考 与 数据飞轮 ：这些在 快思考 阶段积累的人类经验数据，会被用来在云端持续训练和进化核心 AI 模型。

　　机器人工作得越多，学到的经验就越多，变得越聪明，从而逐步减少对人工干预的依赖，最终实现真正的自主。这个过程形成了一个自我强化的 数据飞轮 ，构筑了难以被复制的竞争壁垒。

　　至今，微亿智造已积累了超过 15TB、包含超 10 亿条记录的真实工业场景精标数据。

　　财务数据显示，2022 年该产品的收入仅为 3382 万元，占总收入的 15.3%，到 2024 年已飙升至 2.72 亿元，占比 45.3%，到 2025 年上半年进一步提升至 53.6%。这条产品线%。

　　在工业具身智能机器人这个新兴且专业的赛道上，微亿智造已经占据了领先地位。

　　根据灼识咨询的报告，按 2024 年的收入计算，微亿智造是中国最大的工业具身智能机器人（EIIR）供应商 。其当年该业务收入为人民币 2.718 亿元，位居行业第一 。

　　此外，权威市场研究机构 IDC 发布的《中国 AI 视觉工业机器人应用市场份额 2024》报告也佐证了其市场领导地位，在该报告中，微亿智造同样排名全国第一 。

　　尽管 具身智能 对大众来说还是一个新概念，但在实际的工业应用落地层面，微亿智造已通过其商业化成果成为了该细分领域的 隐形冠军 。

　　对比国际同行，欧美的波士顿动力、ABB、日本的发那科等公司在机器人本体和运动控制方面积累深厚，但在复杂制造场景的柔性落地上，微亿智造这样的中国公司走得更快。

　　可以说，国外在通用性和底层硬件上领先，而国内企业则在成本效率和行业适配性上逐渐实现突破。

　　成立至今，微亿智造共完成多轮融资，股东包括工业母机基金、深创投、洪泰基金、普华资本、百度、Hao123、东海投资、青枫投资、松禾资本、领航新界等知名投资机构。

　　微亿智造所处的工业具身智能机器人赛道，正告别 傻瓜 ，迈入 学徒 时代（G2 阶段）。

　　根据上海市人工智能行业协会发布的指南，全球具身智能行业目前主要处于 G2 发展阶段。就是机器人已经告别了只能死记硬背、重复动作的 傻瓜 阶段，进化到了一个能够感知环境、组合技能来完成复杂任务的 学徒 阶段 。

　　传统产线要么追求极致效率但极其僵化，要么依赖人工来实现柔性但效率低下且不一致。

　　以微亿智造为代表的 EIIR 产品，通过 AI 驱动，实现了机器的高效率、高稳定性和类人的灵活性，能够快速适应小批量、多品种的生产需求，这在过去是难以想象的。

　　尽管取得了巨大进步，但市场仍在呼唤一个能真正自主思考、像 大师傅 一样工作的机器人。这其中蕴含着超多新机会，具体来说：

　　当前，很多智能机器人仍依赖多个 小模型 串联工作，一个模型负责看，一个模型负责判断，一个模型负责动，效率和协同性有限。

　　未来的趋势是开发出端到端的工业大模型（如 VLA 模型），一个 大脑 统一处理视觉、语言和动作。

　　这意味着，未来的机器人可能不再需要复杂的编程，工厂管理者可以用自然语言（比如 把这个零件上所有划痕都打磨掉 ）下达指令，机器人就能自主理解并规划执行。这将极大降低使用门槛，让更多中小企业也能用上智能机器人。

　　工业生产中，最宝贵的资产之一就是经验丰富的老师傅们积累的 手艺 和 直觉 ，比如如何判断一个瑕疵是否严重，如何拿捏打磨的力道。这些隐性知识很难用代码来描述。

　　未来的具身智能机器人，将通过更先进的人机交互和多模态感知系统，把这些经验 学 到手，并将其转化为可以复制和传承的数字模型。这不仅能解决熟练工人短缺的难题，更是将人类智慧大规模沉淀和复用的机遇。

　　今天的工厂已经能收集海量数据，但很多时候数据分析和实际生产是脱节的。 数据报告说次品率高了 ，然后人再去调整产线。市场迫切需要一种能将数据洞察直接转化为物理行动的智能实体。

　　未来的工业机器人将成为数据闭环的最终执行者，它们能实时分析数据，做出优化决策，并立刻在生产过程中精准执行，形成一个真正自我优化的 活 的生产系统 。

　　例如微亿智造的优势之一就是通过多年的商业化落地，积累了庞大的真实工业场景数据。对于新进入者而言，如何获取这些贴合真实工况、经过专家标注的高价值数据，是一个巨大的挑战。没有足够的数据，再好的算法也只是纸上谈兵。

　　市场既需要机器人能像人一样具备处理多种任务的通用能力，又要求它在执行具体任务时达到远超人类的精度和稳定性。

　　如何开发出一个既 博学 又 专精 的 AI 模型，在不同场景间快速迁移而无需大量二次开发，是行业面临的核心技术难题。

　　从一个行业成功迈向另一个行业，需要的不仅仅是技术的可迁移性，更需要对不同工业场景生产逻辑的深刻理解。

　　如何将技术与特定行业的工艺知识（know-how）深度融合，形成可复制、可扩展的商业闭环，是对所有从业者的巨大考验。

　　以微亿智造所代表的技术浪潮，正重塑对 工厂 和 工人 的认知，一个由更聪明、更灵活的 新劳动力 驱动的制造业新时代，或许不远了。