视觉-语言-动作(VLA)模型综述 - 核心观点：VLA模型通过整合视觉感知、语言理解和机器人控制，正在推动机器人技术的变革性发展[3][7] - 研究范围：全面梳理了102个VLA模型、26个基础数据集和12个仿真平台[3] - 发展趋势：从端到端框架向模块化架构演进，强调跨模态对齐和泛化能力[9][12] VLA模型架构 - 主流架构：基于Transformer的视觉和语言骨干网络，通过跨模态注意力机制融合[9] - 视觉编码器：CLIP、SigLIP和DINOv2等ViT变体成为主流选择[13] - 语言编码器：LLaMA、Vicuna系列和T5风格模型广泛应用[15] - 动作解码器：扩散策略因能建模复杂动作分布而受青睐[15][16] 数据集发展 - 数据集演进：从早期简单状态-动作映射发展到多模态、长时间跨度数据集[21] - 代表性数据集：Open X-Embodiment统一22个机器人实体和500多个任务数据[5] - 评估标准：建立任务复杂性和模态丰富度二维评估框架[22][24] 仿真平台 - 主要平台：AI2-THOR、Habitat和NVIDIA Isaac Sim等提供多模态支持[30][31] - 功能差异：从逼真室内导航到接触丰富的物理模拟各有侧重[31] - 发展趋势：强调GPU并行计算和大规模场景生成能力[33] 应用领域 - 主要方向：操作与任务泛化、自主移动、人机交互等六大领域[34] - 代表性模型：RT-2、Pi-0和CLIPort等在各自领域表现突出[37] - 技术路线：分为大型通用架构和模块化专用系统两大发展轨迹[38] 挑战与机遇 - 架构挑战：分词对齐、模态融合和跨实体泛化等关键技术瓶颈[39][40] - 数据限制：任务多样性不足、模态不平衡和注释成本高等问题[42] - 仿真差距：物理准确性、视觉真实性和语言接地API等亟待改进[44][45]

公司概况 - 镁伽科技是一家中国机器人技术应用领域的自主智能体提供商，专注于智能实验室与智能制造场景 [3] - 公司历史可追溯至2016年，截至2024年末累计亏损26.63亿元 [4] - 公司已向港交所提交IPO申请，计划通过资本市场融资 [2] 财务表现 - 2022-2024年营业收入分别为4.55亿元、6.63亿元、9.30亿元，年复合增长率42.96% [3] - 同期年内利润分别为-7.59亿元、-7.42亿元、-7.80亿元，三年累计亏损22.81亿元 [3] - 期间费用占营业收入比例分别为134.3%、93.1%、79.2%，其中2022年费用超过营收 [2][5] - 研发成本占营业收入比例分别为74.8%、46.4%、42.4%，始终超过40% [6] 现金流状况 - 2022-2024年经营活动现金流净额分别为-3.30亿元、-4.32亿元、-5.21亿元，三年合计净流出12.84亿元 [8][10] - 现金及等价物从2022年末11.25亿元降至2024年末4.58亿元 [8] - 2024年末现金及等价物无法覆盖流动负债中的4.66亿元贷款及借款 [8] 行业前景 - 全球自主智能体机器人技术市场规模从2020年318亿元增长至2024年1143亿元，复合年增长率37.7% [3] - 预计2030年市场规模将达到3837亿元 [3] 募资计划 - IPO募资主要用于技术研发、产能扩张、销售网络建设、战略合作及营运资金补充 [7] - 2025年6月完成D轮融资1382.4万美元，但难以缓解长期资金压力 [11]

上市申请与公司背景 - 镁伽科技于6月25日正式向香港联交所递交招股说明书，拟在港股主板上市，联席保荐人为摩根士丹利、华泰国际、德意志银行和建银国际 [1] - 公司成立于2016年，是中国机器人技术应用领域领先的自主智能体提供商，估值超百亿，已完成9轮融资 [1] - 截至招股书递交，公司已完成8轮融资，股东包括创新工场、愉悦资本、中金资本、高盛资管等知名投资机构，以及药明康德、博世集团等产业巨头 [3] - 2022年C轮融资后公司估值突破10亿美元，跻身"独角兽"行列，胡润研究院最新估值达105亿元 [3] 财务表现 - 2022至2024年营收从4.55亿元增长至9.30亿元，复合年增长率达43.0% [2] - 智慧实验室业务收入从2023年的1.61亿元增至2024年的2.95亿元，同比增长83.0% [2] - 智能制造业务收入从2023年的5.02亿元增至2024年的6.35亿元，同比增长26.5%，占总收入比重达68.3% [2][4] - 毛利率从2023年的23.9%提升至2024年的29% [2] - 2022至2024年累计亏损超22亿元，经调整净亏损率从2022年的71.2%收窄至2024年的46.3%，主要源于持续的高研发投入（占比长期维持在40%以上） [2] 核心业务与技术 - 公司以自主智能体为核心，构建智慧实验室和智能制造两大业务板块 [4] - 智慧实验室领域提供从病原检测、细胞分析到药物筛选的全流程服务，自主研发Auflo、CellVue等六大系列自主智能体 [4] - 智能制造领域切入半导体、消费电子等高端制造赛道，晶圆切割工艺支持7nm及以下制程晶圆的高精度分划 [4] - 截至2024年12月31日，已为超过880家客户提供服务，覆盖生命科学、化工、新能源等8大行业 [5] 行业前景 - 全球自主智能体机器人技术市场规模从2020年的318亿元跃升至2024年的1143亿元，复合年增长率达37%，预计2030年突破3837亿元 [5] - 智慧实验室与智能制造预计占2030年市场规模的60%以上 [5] - 中国机器人产业快速发展，人形机器人领域招聘需求同比增长409%，技术岗位占比超60% [5] - 国家"十四五"规划将智能机器人列为战略性新兴产业，多地出台补贴政策鼓励研发 [5] 募资用途 - 本次香港IPO募资金额拟用于技术及产品研发、扩大产能、扩张销售网络、战略合作及投资、营运资金等 [6][7]

公司业务介绍 - 公司AI与空间计算业务板块以全球领先的光学动作捕捉技术为核心，研发、生产、销售动捕产品，推动其与各行业结合的应用方案，已应用于影视娱乐、具身智能机器人等多领域 [1] - 公司在OptiTrack技术基础上，增加Lydia动作大模型等多种前沿技术能力，可提供不同解决方案 [1] - 2024年公司以“数据、服务、算法、硬件”为核心能力入局具身智能领域，发布技术成果和解决方案，成立具身智能联合实验室 [2] 具身智能领域赋能方面 - 数据方面，公司有丰富动作数据原始积累，可基于动作捕捉技术产出新数据，构建机器人动作数据集 [2] - 服务方面，公司从提供硬件设备拓展出数据采集开发、机器人训练等服务 [2] - 算法及硬件方面，开发小型摄像头，配合SLAM算法积累，为机器人提供空间定位摄像头 [2] 投资者问答 - 公司会基于客户需求提供硬件、软件、数据服务等，制定整体解决方案和机器人训练服务 [3] - 公司有现成高质量动作数据库，机器人厂商可提取数据，公司也会按需采集 [3] - 机器人达到泛化标准所需数据量不确定，如跑步训练百条有效数据配合算法可适应路况，精细动作需更多数据，算法泛化能力也是关键因素 [4] - 一条数据指一组有意义的动作 [5] - 数据采集后需先清洗，再调优线路，重定向给机器人 [5] - 公司有光学、惯性等多种技术路线，认为光学对机器人训练最合理，因其精度最高 [5]

公司概况 - 镁伽科技成立于2016年，是一家自主智能体提供商，专注于智慧实验室与智能制造场景，通过机器人技术和AI提升生产力并推动创新 [2] - 公司业务从生命科学智慧实验室领域起步，逐步扩展至消费级集成电路、餐饮、新能源和农业应用领域 [2] - 公司开发的多功能自主智能体擅长独立完成复杂任务，解放人力以专注于高价值工作 [2] 市场地位 - 以2024年智慧实验室场景收入计算，镁伽科技位居中国国内自主智能体供应商首位 [3] - 截至2025年6月21日，公司在中国拥有最广泛的机器人应用场景覆盖 [3] 技术创新 - 开发中国首套智慧实验室自主智能体操作系统Labillion和LibraX，融合自动化、数据治理和AI决策功能 [4] - 推出中国首个基于多智能体解决方案的智能生命科学实验室Megalaxy Lab，覆盖样本处理、检测分析和深度数据学习全流程 [4] - 开发中国首款AI驱动液体处理工作站Auflo，将复杂手工实验流程转化为自动化程序 [4] - 推出高内涵成像分析系统CellVue，像素分辨率达中国行业竞品最高水平 [4] - 发布国内首款7μm超薄切割刀片，实现半导体制造领域突破，摆脱对进口切割耗材的依赖 [4] 客户与市场 - 截至2024年12月31日，公司为超880家客户提供服务，包括安捷伦科技、药明康德、金域医学等 [5] - 2022年新获取的主要客户复购率为74%，收入留存率为115% [5] - 全球自主智能体机器人技术市场规模从2020年的约318亿元增至2024年的约1,143亿元，复合年增长率37.7%，预计2030年达约3,837亿元，复合年增长率22.4% [5] 财务表现 - 2022年至2024年营收分别为4.55亿元、6.63亿元和9.30亿元，复合年增长率43.0% [2][5] - 截至2025年6月21日，公司在手订单大幅增至15亿元 [5] - 2022年至2024年毛利率分别为28.1%、23.9%和29.0% [6] 融资与资金用途 - 公司获得亚投资本、药明康德、明势创投、高盛等知名机构投资 [6] - IPO募集资金将主要用于技术和产品研发、扩大产能、扩张销售网络、战略合作和投资、营运资金及一般公司用途 [6]

公司上市申请 - 镁伽科技向港交所主板提交上市申请 摩根士丹利、华泰国际、德意志银行和建银国际为其联席保荐人 [1] 公司业务与技术 - 公司是中国机器人技术应用领域领先的自主智能体提供商 专注于智慧实验室与智能制造场景 [5] - 依托机器人技术自动化与AI领域感知、构思及执行的专有技术 提供多功能自主智能体完成复杂任务 [5] - 模块化自主智能体可轻松配置并规模化部署于不同场景 已成功部署在行业头部客户 [8] - 提供全套自主智能体产品组合 通过智能调度、实时数据分析及模块化机器人技术提升生产力 [8] 行业市场规模 - 全球自主智能体机器人技术市场规模从2020年318亿元增长至2024年1,143亿元 复合年增长率37.7% [6] - 预计2030年市场规模将达到3,837亿元 潜在市场渗透率仍存巨大空间 [6] - 智慧实验室与智能制造应用场景的自主智能体应用尚处萌芽阶段 [6] 市场地位与客户 - 以2024年智慧实验室场景收入衡量 公司位居中国国内自主智能体供应商首位 [8] - 截至2025年6月21日 公司在中国拥有最广泛的机器人应用场景覆盖 [8] - 截至2024年12月31日 公司为超过880家客户提供服务 [8] - 2022年新获取的主要客户复购率达到74% 收入留存率达115% [8] 财务表现 - 2022-2024年收益分别为4.55亿元、6.63亿元、9.30亿元 [9] - 2022-2024年年内亏损分别为7.59亿元、7.42亿元、7.80亿元 [9] - 截至2025年6月21日 在手订单增至15亿元 [9] - 2024年毛利率29.0% 较2023年23.9%有所提升 [10]

技术突破 - 微云全息成功开发创新的机械臂控制系统，结合增强现实(AR)、计算机视觉和稳态视觉诱发电位(SSVEP)-脑机接口(BCI)技术 [1] - 系统采用集成ARC-BCI控制系统，通过脑电图(EEG)信号控制机械臂，实现直观操作体验 [1] - 技术标志着向实用化脑控机器人迈出重要一步 [1] AR环境优化 - 为特定应用场景定制AR环境，确保用户界面直观性和交互自然性 [1] - 通过机器学习算法自动调整AR显示，适应不同用户视角和操作习惯 [2] SSVEP-BCI信号处理 - 采用滤波和去噪技术提高EEG信号质量 [3] - 利用统计和机器学习方法识别提取与SSVEP相关的关键特征 [4] 系统同步机制 - 确保BCI信号采集与AR环境刺激精确同步 [5] - 建立反馈系统将机械臂状态信息反馈到AR界面供用户调整操作 [6] 计算机视觉应用 - 训练深度学习模型提高物体识别准确性和鲁棒性 [7] - 开发算法实时追踪选定物体的位置和姿态变化 [8] 机械臂控制 - 实现高效运动规划算法快速响应用户BCI命令 [9] - 集成力觉传感器提供反馈信号增强操作安全性和精确性 [10] 系统测试验证 - 对AR、BCI、计算机视觉和机械臂控制模块进行独立测试 [11] - 通过模拟实际操作场景验证系统性能和可靠性 [12] 用户界面设计 - 设计简洁直观UI减少用户学习成本 [13] - 确保系统界面对不同能力和背景用户友好 [14] 数据管理 - 记录操作过程关键数据用于后续分析和系统优化 [15] - 实时监控系统性能快速定位解决潜在问题 [16] 安全性能 - 实现系统级故障检测机制确保及时响应问题 [17] - 设置严格用户权限管理防止未授权操作 [18] 应用前景 - 系统提供高度集成、用户友好、安全可靠的脑控机械臂操作平台 [20] - 技术有望在医疗、制造、服务业等多个领域发挥重要作用 [20]

中国经济转型与高增长领域 - 过去二十年中国经济经历非凡转型，高速增长使数亿人脱贫并创造繁荣中等收入群体，将中国定位为全球经济强国 [1] - 麦肯锡研究定义"竞技场"为高增长行业，通过创新、竞争和价值创造重塑全球经济，2005-2020年12个领域经历超规模增长包括电子商务、生物医药、电动汽车等 [1] - 中国公司在电动汽车、个人电脑、电子商务等领域已进入全球市场，推动因素包括巨大国内市场、强大制造业基地、国家支持及创业环境 [1] 中国在关键领域的成功表现 - 中国公司成为电子商务和人工智能服务主要参与者，利用数据分析和供应链效率创新在全球竞争 [2] - 老牌互联网和电商公司将生成式AI集成到教育、短视频创作、企业软件中，新玩家在大规模AI模型取得突破 [2] - 电动汽车、电池和机器人技术进步为未来增长奠定基础 [2] 未来经济机遇与潜力 - 未来二十年新"竞技场"预计到2040年产生29-48万亿美元收入和2-6万亿美元利润，中国已在多个领域取得领先 [2] - 中国在高增长领域抓住机遇的能力支撑过去经济发展，当前准备好在变革性行业中继续发展 [4] - 中国需应对复杂全球环境包括地缘政治变化、贸易关系演变及技术竞争，但具备坚实基础塑造领域未来 [4] 行业前景展望 - 中国经济下一章机遇巨大且令人兴奋，可能创造经济价值并推动创新性、包容性、全球一体化经济 [4]

全球发展新模式 - 俄罗斯总统普京呼吁构建兼顾各国利益的全球发展新模式，以确保各国繁荣和世界未来的稳定发展 [1] - 新模式需要融合投资机制、技术标准、金融和物流服务、交易工具等解决方案 [1] - 金砖国家之间的合作是这一发展平台的重要元素，建立在协商一致、相互平等、尊重彼此利益的基础上 [1] 金砖国家经济影响力 - 金砖国家在世界经济中的占比大幅提高，显示全球南方国家的蓬勃发展 [1] - 金砖国家在核能、航空、新材料、信息技术产业、机器人技术和人工智能领域推进相关计划 [1] - 金砖国家坚持"以人为本"，推动重大项目改善民众生活环境 [1] 国际合作与平台建设 - 普京呼吁合作伙伴为构建全球发展新模式作出贡献 [1] - 参与构建和发展这一平台的国家越多，平台就会越稳固和有效 [1] - 平台对所有国家开放，旨在建立开放和公正的全球发展环境 [1]

融资与公司背景 - 深圳留形科技完成数千万元Pre-A轮融资 投资方包括弘毅投资等 资金将用于核心零部件定制生产 产品规模化交付及市场拓展 [1] - 公司成立于2022年 聚焦智能三维感知和重建算法及产品开发 创始团队孵化于香港大学MaRS实验室 技术战略顾问为张富教授 曾担任大疆创新顾问科学家及Livox激光雷达负责人 [1] - 此前获得真格基金种子轮投资和君盛投资天使轮投资 [1] 技术领域与行业趋势 - 人工智能与机器学习技术深度融合 三维感知重建设备精度与效率显著提升 商业软件可高效处理海量图像和点云数据 短时间内完成室外场景与物体三维重建 [1] - 三维感知重建技术在文化遗产保护领域实现高精度数字化复刻 为虚拟展示和大众传播提供新途径 [2] - 在抢险救灾中 三维数据可精准还原火场结构 追溯起火点 辅助燃烧模式分析与建筑安全评估 [2] 产品技术痛点与解决方案 - 机器人领域主流导航方案存在痛点：传统GPS室内信号不稳定 UWB和蓝牙需复杂基础设施部署 现有视觉与激光雷达方案泛化性弱 [4] - 硬件标定繁复 更换环境或设备需专业人员耗时校准 开发过程需处理海量数据并反复优化算法 拉长项目周期增加成本 [5] - 留形科技推出全球首款兼具空间感知与记忆功能的模组产品留形Odin1 基于自研全固态多传感器深度融合架构与MindSLAM™算法 [5] 产品性能与应用 - 留形Odin1集成SPAD dTOF深度模组 高分辨率彩色相机及IMU 实现多传感器数据原生时空同步 厘米级定位精度 探测距离70米 视野120°×90° 点云输出频率70万点每秒 [7] - 模组相当于机器人的"海马体" 可主动构建高精度空间记忆体系 快速构建三维空间模型 在暗光 无特征等复杂环境下仍能精准感知 [7] - MindCloud平台可与Odin1无缝对接 将真实环境转化为高保真3D仿真模型 支持数字孪生模型构建与机器人算法仿真训练 [9] - 产品已应用于建筑数字化 装修测量 消防救援 交通事故记录 工业制造等场景 例如消防现场实时三维建模 建筑施工进度实时感知 [9] 市场与合作 - 公司与多家头部机器人厂商合作 通过自研技术降低智能感知模块成本 推出高性价比智能巡检和空间感知解决方案 [11] - Odin1计划于今年7月量产 并同步布局全球市场 [11]