一家以机器人大脑控制系统为核心业务的企业，控制器收入占比却不到20%，凭什么讲一个万亿级的故事？

仙工智能今年6月登陆港交所，成为港股机器人大脑第一股。但招股书上出现了一组尴尬的数字：核心技术的载体控制器，只贡献了不到两成营收。单看这个比例，这家公司似乎没什么想象空间。

联合创始人及执行董事叶杨笙却不这么看：“控制器卖多少钱不重要，重要的是沉淀出的真实、跨场景、多任务、多本体的数据资产。当数据飞轮转起来，增长就不再受控制器单价的制约了。”从过去的控制器，到当下的开放平台，仙工智能要做的是构建真实世界智能系统的底层能力。

资本用真金白银投了票。高瓴旗下HHLR认购1.18亿港元，此外还有Yuanbao、3W、广发基金、瑞华投资、中和资本、Yishao、ACCF Capital等，八家基石投资者合计认购4.62亿港元。

2026年，具身智能行业最稀缺的资源不是算法，不是算力，而是数据。仙工智能自2020年成立以来，已拥有5万台机器人大脑装机量和累计超过50万小时的多形态真机数据，覆盖人形机器人、机器狗、具身叉车、复合机器人、清洁机器人等多种形态。

（联合创始人及执行董事叶杨笙）

叶杨笙认为：“真实世界，才是机器人大脑最好的训练场。机器人形态越丰富，场景越广泛，模型对真实世界的理解边界就越宽。”

据悉，仙工智能已经构建起覆盖数据采集、模型训练、部署验证、持续优化的数据闭环。随着装机规模持续扩大，真实世界数据将不断形成增长飞轮，为具身智能模型持续迭代提供源源不断的动力。

这条飞轮，才是仙工智能真正的第二张牌。

第一曲线：控制器铺出的装机量网络

仙工智能的故事要从2013年说起。叶杨笙和另外两位创始人（创始人赵越、联合创始人王群）在RoboCup机器人足球赛上拿了三次冠军，那时候国内机器人公司的选择并不多，他们索性自己创业。

最初的两年，团队一台一台地给客户做整机，很快他们觉得这条路不太对，每个客户需求不同，一台机器人的方案没法复制给下一家。

“我们几个创始人都是软件出身，缺少机械结构、硬件方面的能力。我们就开始思考，这里面到底什么东西是标准化的？答案是软件，软件的载体就是机器人控制器。”叶杨笙回忆道。

转折出现在第一个控制器客户身上。对方是一家规模很大的电子科技制造商，找到仙工智能说了一句话：“做机器人本体，你们肯定做不过我。你们不如专注做机器人控制器，剩下的事情我来搞定。”一拍即合，商业模式初见雏形，仙工智能做控制器，客户造机器人，各做各的擅长部分。

十年后，这条路跑出了硬数据。据灼识咨询报告，仙工智能连续三年智能机器人控制器全球销量第一。按2025年机器人控制器销量计，仙工智能位居全球及中国首位，市场份额分别达到24.8%和45.2%。

但招股书却留下了一个值得思考的问题：控制器毛利率高达79.8%，软件89.3%，整机38.4%，高毛利的核心产品在营收中占比偏低，规模效应尚未充分释放。控制器收入占比从2023年的26.5%降至2025年的19.3%，量的快速放量在弥补价的下行。

“纯做控制器确实是一个天花板比较低的市场。控制器可能是机器人中最贵的一个零部件，但只占机器人售价的10%到20%，天然比卖一整台机器人收入少。”叶杨笙的回应不是辩解，而是重新定义了游戏规则。

仙工内部考核的核心KPI不是控制器收入，而是装机量，不管机器人是谁造的，只要用了仙工智能的控制器，就算一台装机。这些机器人本体90%以上不是仙工智能生产的，客户用仙工智能的控制器造自己的机器人，仙工智能再将其纳入自己的生态。这就是一家不从事生产制造的公司，反而拥有全市场最全品类机器人形态的原因。

在具身智能概念兴起之前，行业里把AMR底盘加协作臂的形态叫做复合机器人。AMR有自己的控制器，协作臂也有自己的控制器，相当于强行缝合，现场调试极其繁琐，所以这款产品一直卖不动。

如今具身概念兴起，仙工智能把移动、双臂操作、视觉、力控全部融合到一个控制器里。其自主研发的具身智能机器人大脑SRC-5000实现控制、调度与协同运行的一体化能力，为人形机器人规模化部署提供稳定支撑。

“人在产线上工作需要移动时，不可能先走到位置再伸手，一定是边走手就伸出去了。这些操作在原来那种架构下几乎不可能完成，必须是一体化的控制架构才能实现。”叶杨笙表示，仙工智能真正积累的，不只是机器人数量，而是真实世界开始被统一接入同一个智能系统。

他甚至给出了一个鉴别方法，观察市面上那些轮臂机器人能不能做到边移动边动手臂，如果做不到，很可能还是传统方案。

第二曲线：50万小时真机数据与世界模型

2026年，具身智能行业正处于一个微妙的节点。《中国具身智能产业发展报告（2026）》预测，中国具身智能市场规模将达到1.09万亿元；沙利文白皮书显示，全球市场将从2025年的949亿元增长至2030年的4084亿元，年复合增长率超过33%。然而，所有行业报告都指向同一个瓶颈，高质量物理世界数据严重稀缺。

这不是一句空话。做具身大模型的公司四处找数据，仿真数据不够真实，遥操作数据多样性不足，真机真场景数据稀缺又昂贵。而仙工智能依托控制器，已经攒下了50万小时、全球超过1000家工厂持续在线运行的真机真场景机器人数据。

叶杨笙把真机数据分为两种：一种是实验室遥操作数据，搭建实验场景，由人遥操作机器人采集，多样性差；另一种是真机真场景运行数据，机器人在真实工厂真实干活时产生，质量最高。仙工智能的数据属于后者，而且满足四个条件：真实性（大量真实工厂场景）、多样性（20多个行业、2000多款机器人）、一致性、可持续性。

一致性，是仙工智能最独特的壁垒。

行业里有一个公认的难题，不同来源的数据格式不统一、时间不对齐，想把多源数据拉齐做联合训练，需要大量预处理工作。仙工智能所有机器人都跑在自己的控制器上，可以在控制器里统一定义数据范式和格式，所有关节、所有传感器的时间戳通过硬件对齐。 

“只要有仙工智能控制器的机器人，回来的数据可以直接做训练，不用再做特殊处理。”叶杨笙透露。

数据安全方面，叶杨笙并不回避争议。机器人数据是操作层面的，类似于操作员干活的数据，经过脱敏处理后敏感性有限。更有价值的是异常数据，机器人运行中出错的数据，以及前后段正常运行时的数据。就像自动驾驶的接管率，人为接

管那一刻的数据最有价值。这些高质量数据，客户通常是愿意提供的。

今年下半年，仙工智能将打出第二张牌，发布具身世界模型，并开源数十万小时真机数据。

在叶杨笙看来，机器人的技术路线类似自动驾驶，用传统规控运行数据，通过MoE（Mixture of Experts）架构训练基座模型，再在垂类场景做强化学习微调，最终输出自动叉车、清洁机器人、操作类机器人等不同垂类模型。基座是所有数据一起训练的基模，垂类是针对性微调的结果。

仙工智能的想象力不止于机器人控制器。

未来会做VLA世界模型，同时把数据做清洗、语义化处理后售卖给做模型训练的公司。这意味着，仙工智能从“卖硬件”变成了“卖模型、卖数据、卖基础设施”。

飞轮一旦转起来，装机带来更多数据，数据训练出更强模型，更强模型让机器人更智能，从而吸引更多装机，增长就不再受控制器单价的制约。

飞轮要转起来，需要真实场景源源不断喂数据。这些场景长什么样？

场景与市场

叶杨笙有一个清晰的原则，不是所有场景都需要具身化。

“原来用传统方式做不到的场景，才有价值用更智能、更泛化的机器人去实现。像工厂流水线，要的不是泛化性而是效率，加了太多智能的东西反而效率降低、成功率不能保证，这不合理。原来用流水线或传统机器人已经做得很好的场景，没有必要做具身化。”

值得用智能机器人替代的，是那些至今仍依赖人工、传统自动化搞不定的环节。叶杨笙举了三个场景。

第一个是上下料。以富士康为例，产线自动化程度已经极高，但物料从小推车或料架搬到产线、产线结束后取下放到下一个工位、过程中做初步检验，这些环节依然靠人。原因在于物料的形态、位置每次都有变化，不是固定流程能覆盖的。这正是带视觉和力控的双臂机器人可以切入的地方，它不需要精确到毫米的定位，而是能看到物料、感受到抓取力度，做出柔性操作。

第二个是叉车月台卸货。卡车停靠位置每次不固定，车厢打开后货物的形态、排列方式也不确定，传统自动叉车的预设程序完全失效，只能靠人驾驶。自动驾驶行业从规控路线转向端到端、数据驱动模型，正是因为规则写不完。工厂里的叉车场景同理，用真机数据训练的模型来应对非结构化环境，才有可能真正实现无人化。

第三个是柔性线缆插拔。电脑或服务器在组装成成品之前需要通电测试，过程中要插拔网线等柔性线缆。人手很简单就能完成，但纯机械结构搞不定，线缆是软的，每次形变不同，无法用固定轨迹重复。这需要灵巧手、力控臂，以及一个能理解插线这个动作语义的模型。这种柔性操作场景在制造业中极为普遍，却长期被自动化忽视，恰恰是具身智能模型最能发挥价值的领域。

三个场景有一个共同特征：开放或半开放、非结构化、需要泛化能力。泛化能力正是真机数据训练出来的模型才能提供的。这意味着每部署一台机器人到这些场景中，它不仅在现场干活，还在持续产生高质量数据回流给飞轮，场景和数据之间形成了正反馈。

仙工智能的铺设策略也服务于这个正反馈。叶杨笙表示，公司不会局限于单一场景，而是追求场景多样性，所有场景尽量能采就采。这对数据多样性和模型泛化能力至关重要。同时也不局限于双臂类人形机器人的数据，其他形态机器人的数据同步采集，再逐步提高类人形数据的比例。

海外是另一个增量引擎。目前海外营收占比将近20%，如果要在海外复制数据飞轮，就必须在海外部署同样的基础设施。这意味着飞轮不仅在转，还在向全球扩展。

核心精力只有一件事，快速推进飞轮，持续铺设更多机器人，完善云上数据基础设施，让数据低成本、持续地回流，这是叶杨笙为未来三五年设定的目标。“依托机器人大脑、开放平台以及多形态机器人产品，做好具身智能基础设施，

降低从硬件搭建到数据获取、再到模型训练部署的全链条门槛。”叶杨笙表示。

本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，编辑｜杨林）