仙工智能 2026 年上半年电话会议纪要关键要点总结 一、 涉及的行业与公司 * 公司: 仙工智能 [1] * 行业: 具身智能、机器人、工业自动化 [2][5][7] 二、 核心观点与论据 1. 财务表现与业务进展 * 收入与增长: 2026年上半年实现收入2.46亿元人民币，同比增长67.5%，增速是过去三年复合年均增长率的两倍 [3] * 核心产品出货: 机器人大脑出货量超过8,000套，同比增长超过80% [3] * 客户拓展: 新增签单客户数量超过400家，同比增长超过60%，预计2026年全年新增客户将达到800至900家 [3] * 盈利能力提升: * 综合毛利率同比提升1.2个百分点至46.6% [3] * 机器人大脑业务毛利率维持在80%左右的高水平 [3] * 机器人整机业务毛利率从2025年上半年的36%提升至38.9% [3] * 费用控制与规模效应: 总费用同比增长38.1%，远低于收入增速；销售、管理、研发三项费用率合计从2025年上半年的76.5%降至63.1% [3] * 亏损收窄: 经调整净亏损为1,100万元，较去年同期的2,200万元收窄50%；净亏损为3,800万元，较去年同期的5,100万元收窄25% [3] 2. 海外业务发展 * 收入占比提升: 2026年上半年海外业务收入占比从2025年同期的约14%提升至25% [4] * 订单激增: 海外新增订单金额同比增长550%，签单客户数量同比增长150% [4] * 市场覆盖: 业务已遍及43个国家和地区，在美国、日本、韩国、欧洲等重点市场实现深度覆盖 [4] * 高毛利率: 海外业务以销售整机为主，毛利率高达67%，对整体毛利率增长起到积极促进作用 [4] * 增长驱动因素: 得益于中国机器人产业整体竞争力提升，公司面向海外集成商提供“一站式采买服务”，通过星云平台连接近100家工厂，提供超过2000种SKU [10][11] * 客户画像: 海外客户几乎全部是本地集成商，他们最关注产品的易用性，希望学习一套软件就能部署所有机器人 [11] * 区域分布: 海外业务主要分为北美、日韩及欧洲三个区域，收入结构和订单结构贡献占比大致各占三分之一 [13] 3. 核心产品与战略定位 * 核心产品定义: 机器人大脑被定义为集模型、小脑和神经于一体的系统，模型层负责认知与决策，小脑层负责运动控制与规划，神经层连接传感器与执行机构 [5] * 产业链定位: 在具身智能产业链中，公司专注于模型层、控制执行层以及模型背后的基础设施层 [5] * 商业模式演进: 从提供标准化软件、算法及工具链，到设计并提供多种构型的机器人整机，最终发展成为一个以大脑为核心的平台型公司 [6] * 核心战略: 通过大脑产品和整机的大规模出货，获取海量的真机运行数据，用以回流并持续优化模型与算法，推动具身智能的渗透率 [6] * 行业格局判断: 机器人本体市场会走向分散，而机器人大脑市场则会趋于收敛，一个专业化的第三方大脑平台将成为核心价值环节 [7][8] * 竞争公式: 具身模型的竞争公式为：模型能力约等于数据质量与数据规模，其重要性高于基础设施和模型架构 [8] 4. 数据壁垒与技术路径 * 数据规模: 目前已有约5万台搭载仙工智能大脑的机器人在真实商业场景中运行，留存高质量多模态数据50万小时 [2][9] * 高质量数据四大特征: * 真实性: 数据源自真实机器人在商业场景中闭环运行时产生，包含大量边缘案例 [8] * 多样性: 搭载其大脑的硬件构型极为丰富，涵盖搬运、轻操作、叉车、清洁、单臂复合机器人、轮式人形机器人、机器狗等数十种 [8] * 一致性: 主动适配了市面上超过400种零部件，所有回传数据在时间戳和格式上天然对齐 [8] * 可持续性: 通过持续增长的出货量，确保新数据源源不断地流入，驱动数据飞轮和模型迭代 [8] * 技术路径: 采用MoE架构与掩码学习，实现跨模态、跨自由度、跨构型的“一脑多型”控制 [2][17] * 模型训练策略: * 初期策略是将不同构型的数据隔离使用，训练专用机模型 [9] * 同时汇总所有数据，由另一个团队负责训练一个跨构型的模型 [9] * 计划在2026年第三季度至第四季度期间，发布相关的数据集以及跨构型模型的研究成果 [10] * 数据回流机制: 目前约5万台机器人中，数据回流的比例大约在20%左右，客户愿意回传数据是因为有助于模型迭代优化和故障排查 [11][12] * 数据商业化: 计划成立名为“具身数据”的子公司，未来高质量数据存在对外销售的商业潜力，公司可以将部分收益与上游提供原始数据的终端客户进行分成 [12] 5. 客户结构与市场空间 * 客户群体分类: * 集成商: 向终端用户提供行业整体解决方案，从仙工智能采购机器人大脑或整机 [7] * 终端客户: 直接采购产品应用于自身工厂，覆盖3C、汽车及Tier 1供应商、新能源、半导体、工程机械等多个行业 [7] * 机器人及硬件公司: 采购仙工智能的大脑产品以赋能其硬件本体 [7] * 客户粘性: 许多3C、汽车Tier 1及整车厂在招标时会指定使用仙工的控制系统，与早期自动化时代指定使用西门子PLC的逻辑相似 [13] * 市场空间判断: 短期至中期，具身智能行业预计将达到万亿级市场规模；长期随模型能力和渗透率的提升，市场规模有望再扩大4到6倍 [7] * 下游应用场景: 约80%至90%的业务集中在高价值的工业场景，包括3C、汽车及汽车Tier 1供应商、工程机械、半导体等 [19] 6. 未来展望与突破点 * 出货结构: 纯搬运型机器人、轻操作型机器人（含叉车）、“移动+操作”形态的机器人各占约三分之一，预计未来将齐头并进 [18] * 未来3-5年目标: 实现“WebControl”模式，用户通过上传机器人的设计图纸和描述功能的prompt，即可在云端生成并下载适配机器人的端侧模型 [2][21] * 商用配送机器人: 正在探索酒店及小区“最后十米”配送场景，产品原型已完成，将与外部合作伙伴共同进行商业化推广 [18][19] * 核心竞争优势: 与自研控制系统的单一本体厂商相比，优势在于能获取跨构型、跨本体的数据，以及具备广泛的适配性（支持超过400个传感器品牌） [13][14] 三、 其他重要但可能被忽略的内容 * 模型训练中的AI Agent应用: 公司借鉴AI Agent能力，通过harness方式让语言模型扮演模型工程师角色，自主进行数据采集、挑选、清洗和模型训练，以加快试错节奏 [20][21] * 跨构型数据对齐方法: 通过将机器人描述文件（如URDF）作为模态输入，以及采用掩码学习（mask learning）处理不同构型缺失的自由度，实现数据对齐与复用 [17] * 数据金字塔结构: 高质量数据位于金字塔尖，需具备多样性、一致性、真实性和可持续性，其中在测数据（on-policy data）价值最高，与离测数据（off-policy data）有本质区别 [16][17] * 开源数据集计划: 计划开源高质量的、长程的、跨构型的数据集，以某个具体工厂为单位，包含完整的任务链条和动态更新的数据 [12] * 控制器技术演进: 最新控制器已集成对单关节模组的控制能力，适配了市面上十几个主流品牌的关节模组，支持客户自由组合不同品牌关节模组 [14][15]