浪潮之下，重估机器人智能价值。
作者｜田思奇
编辑｜栗子
9月1日，梅卡曼德正式登陆港交所，市值超120亿港元。
从2016年在北京成立至今，这家具身智能公司始终没有制造自己的机器人整机。它选择的路线更靠近智能本身：围绕机器人如何认识环境、理解任务并最终完成行动，逐渐形成以3D视觉、具身智能大模型和灵巧手为核心的“眼脑手”产品体系，将感知、决策与操作能力做成可以适配不同机器人形态的通用组件。
如今，这套能力可以进入机械臂、移动机器人和人形机器人等不同载体，也能够随着物体、任务与使用环境变化继续工作。截至今年8月，梅卡曼德产品累计部署超过2.9万台，进入全球近50个国家和地区。
2025年，按灼识咨询统计口径，公司在全球AI+3D视觉引导通用智能机器人组件市场的收入份额为22.1%，出货量份额超过27%，均位列全球第一。同年，海外收入占比首次超过一半。
梅卡曼德“眼脑手”产品
这些数字背后，是机器人产业正在发生的重心转移。
过去几年，本体始终站在聚光灯中央。机器人的运动能力和灵活度持续提升，价格也一路下探。随着这些能力逐渐成熟，判断一台机器人价值的尺度已经开始变化。它真正进入开放环境后，需要面对的不是一段提前编排好的动作，而是不断变化的人和物。
这使得机器人的未来很难收敛成一种身体。不同空间会留下不同的约束，承担不同任务的机器人也不会长成同一个样子。梅卡曼德从创业之初押注的，恰好是身体之外那一层更容易延续的东西：机器人理解现实世界并采取行动的能力。
上市更像一次十年对账。邵天兰后来回看创业时承认，他没有预见到人形机器人会在八九年后成为今天的热潮。但公司一直追问的问题没有变。很多事情做得足够久，最初的选择才会慢慢显出它真正的含义。
1.AlphaGo之后，把AI带进物理世界
邵天兰对机器人智能最早的认识，来自德国。
2012年从清华大学软件学院本科毕业后，他前往慕尼黑工业大学学习机器人，随后进入当地机器人公司参与研发。那段经历打破了他对机器人研发最初的想象。原以为每天面对的会是最前沿的算法，现实里却常常是在排查一个个具体问题。他后来回忆，七八个研究生一起加班一个星期，也只能让机器人完成稍微复杂一些的事情。
麻烦之处并不总在机器人不会动。很多时候，变化只发生在周围。物体的位置或状态稍有不同，原先运行顺利的任务就需要重新调整。对人而言几乎无需思考的事情，落到机器人身上，往往需要拆成许多明确步骤。
2016年3月，AlphaGo战胜李世石的围棋赛事，向世界证明了AI能够处理高度复杂的信息，并从中形成判断。这给邵天兰带来更大的触动：如果这种能力不只存在于屏幕和棋盘中，而是进一步进入现实世界，机器人会发生什么变化？
几个月后，他回国创业，公司取名Mech-Mind，直译为“机器人大脑”。这个名字很早划定了公司的边界：不去定义最终的机器人身体，而是解决不同身体都会遇到的智能问题。
2026世界人工智能大会，梅卡曼德展出双人形机器人协同上下料&料筐搬运
2017年，梅卡曼德在汉诺威工博会第一次公开展示自己的产品。那时具身智能和Physical AI还远未成为热门概念，公司已经尝试把AI放进机器人从观察到行动的链条里。
此后，技术世界变化得比创业时能够想象的更快。深度学习先重塑了视觉，大模型随后改变了机器处理语言和知识的方式。世界模型的出现，又把问题继续推向现实空间中的变化。机器人本身也从单一形态走向机械臂、轮式双臂乃至人形机器人。每一次技术变化，都给原来的问题增加新的解法。
邵天兰把这个过程称作“拼地图”。
地图不是2016年就完整画好的，每解决一个问题，边界才向外长出一块。新的技术出现，会让旧问题获得新的解法；能力进入更多真实环境之后，又会露出此前看不见的空白。
所以，人形机器人突然成为风口，并没有让梅卡曼德重新选择方向。邵天兰也不认为自己提前看到了答案。他说：“很多风口其实是等来的。超一流的人才能创造风口，大部分的成功源于深厚积累等待风口，而追逐风口往往是徒劳的。”
等待的过程中，地图已经一块块拼好。十年后，当AI开始从屏幕里的信息世界走向真实的物理世界，梅卡曼德站的位置，恰好是这条路必须经过的地方。
2.从Demo到规模化，让产品吸收复杂性
具身智能最容易制造传播的，是机器人成功完成任务的那一刻。决定它能走多远的，往往是镜头结束以后发生的事。
梅卡曼德早年有一次颇具代表性的故障。团队接到客户电话，匆匆赶到现场，最后发现设备失灵的原因，是镜头前停着一只蜘蛛。连接和供电上的小故障也曾制造过类似麻烦。它们听起来和AI几乎没有关系，却足以让一套复杂系统当场停下来。
一个漂亮的Demo可以把条件控制到理想状态，但产品没有这种特权。它要面对长期运行，也要接受使用者以各种没有被开发者提前想过的方式使用它。
当公司的部署量继续增加，问题从技术本身转向了另一层。2021年前后，梅卡曼德的订单和部署快速增长，公司多个环节同时被拉紧，研发团队和客户支持首当其冲。邵天兰形容那段时间像飞机已经起飞，只能“一边修一边飞”。单个项目成功不再稀缺，真正让公司头疼的是，如果每多一个客户，最核心的人都要重新投入进去，增长反而会把组织拖得越来越重。
后来在甲子引力X2025科技产业投资大会上，邵天兰把机器人从Demo走向规模化划成L0到L10这11个阶段。这个分级真正关注的，不只是机器人能不能完成任务，而是这项能力什么时候才成为可以交付、复制的产品。
机器人L0到L10完成度升级路线
按照这套标准，梅卡曼德目前的主力产品已经处在L9到L10阶段：不仅能够在真实环境中长期运行，核心研发也基本退出现场，进一步可以由合作伙伴完成销售、部署和服务。
这中间最容易出问题的，恰恰是那些“看起来已经可以”的阶段。邵天兰把它称为 Premature Scaling（过早扩张）：L2的机器人能跑几次就急着接客户，研发很快会被交付周期拖住；L5已经能在现场工作，却还没有摆脱核心研发，如果按照成熟产品的速度扩张，每增加一个客户，都可能增加一轮适配和支持。
这也是梅卡曼德过去几年真正要解决的问题：不是让工程师更努力地把机器人装进更多场景，而是让系统本身吸收越来越多复杂性。一项能力从依赖个人经验，变成软件、硬件和渠道都能够承接的产品能力，才真正有机会从一个场景走向更多场景。
招股书已经开始提供这种变化的财务结果。2023年至2025年，梅卡曼德收入从1.81亿元增加到3.89亿元，增长超过一倍；同期部署调试产生的实施成本却从1747万元下降至987万元，占销售成本的比例从15.9%降到7.2%。业务规模扩大以后，公司直接承担的实施成本反而下降了43.5%。
客户结构也在变化。2024年至2025年，公司客户数量仅从605家增加到625家，但智能机器人引导产品销量增长了41%；现有客户贡献收入的比例，则从2023年的61%提高到2025年的78%，2026年一季度进一步达到86%。
越来越多的增量来自已经使用过产品的人继续使用，而不是每一次都重新寻找陌生需求。
这种产品化最终反映到利润表。梅卡曼德同期毛利率从39.1%提升至64.6%，销售费用率从102.7%降至43.3%，销售费用绝对额从1.86亿元降至1.68亿元。
这也是具身智能产业化必须回答的问题：能力被反复部署的同时，新增部署所需要的人力和成本能否持续下降。梅卡曼德在制造和物流场景中率先完成了这轮压力测试，这套从真实世界里磨出来的规模化方法，开始成为它向外扩展的基础。
3.早出海，不只为了多一个市场
2019年10月，梅卡曼德在慕尼黑成立第一家海外公司。彼时公司商业化才刚刚展开，国内市场已经能提供足够多的增长机会，邵天兰仍然决定尽早走出去。
这和他对工业品市场的判断有关。工业品和消费品不同，后者地区个性化很强，前者在不同国家之间的需求差异没有那么大。西门子、基恩士、康耐视的收入结构里，大中华区再重要，也只是全球市场的四分之一到三分之一。这些公司的发展路径证明，全球化不是额外增量，而是成长为行业头部的一部分。
德国对邵天兰而言是一个自然的选择。他在慕尼黑读过书，熟悉当地的产业环境，也清楚德国客户会怎么检验一个产品。日本则提供了另一种训练。当地客户对稳定性、文档和培训体系的要求出了名的细致，很多在国内靠工程师经验就能扛过去的问题，到了东京必须被写进产品和流程。
为了学习海外市场的语言，尽量直接理解客户的表达。2024年梅卡曼德东京LAB开业时，邵天兰为了15分钟的日语演讲反复练习。还调侃自己借助AI练出了一口池袋口音。如今，除了中英文，他也已经能够用日语和德语公开演讲。
台上功夫背后，是一家公司建立全球能力更漫长的过程。语言只是表面，真正留下来的是对不同用户如何理解产品的认识，以及越来越完整的本地团队。川崎、三菱等企业的生态中，也逐渐出现与梅卡曼德相关的接口和配套。产品不再需要总部团队逐一解释、逐一适配，开始进入当地已有的机器人产业网络。
梅卡曼德在全球展会
财务数据随之发生变化。2023年至2025年，梅卡曼德海外收入从5860万元增长至1.955亿元，复合增长率达到82.7%；海外收入占比从32.4%提高至50.3%，2025年首次超过国内，同年当年海外业务毛利率达79.2%。
但如果只把全球化理解成收入版图扩大，会低估它对梅卡曼德的意义。机器人真正进入现实世界以后，地域本身就是环境变量。语言和使用方式会变，周围的机器人生态也不同。每进入一个新市场，公司原来积累的能力都要重新接受一次检验。那些必须依赖特定条件才能成立的部分会被暴露出来，真正能够跨越差异留下来的，才逐渐变成标准能力。
近50个国家和地区，于是构成了另一张不断扩大的地图。早年的地图由一个个具体问题拼起来，随着用户增加，它又逐渐跨出国界。规模化与全球化看起来是两条商业线，实际上都在做同一件事：扩大一套机器人智能可以成立的范围。
只是到了下一阶段，需要被复制的东西会越来越复杂。
4.形态持续分化，智能走向共享
2026年，机器人产业的变化开始和梅卡曼德十年前的选择发生交汇。
2026年8月的世界人形机器人运动会上，机器人百米已经跑进9秒。但更值得注意的变化，是大部分项目开始采用全自主、零人工干预的方式。人的遥控和临场介入被进一步拿掉，比赛开始直接检验机器人独立完成任务的能力。路透社把这个问题写成了报道标题：《机器人已经能跑赢人类，但它们会插电缆吗？》
当运动能力不断进步，行业注意力转向智能本身。国际机器人联合会把AI与自主性列入今年全球机器人主要趋势；工信部与国务院国资委在6月启动的人形机器人与具身智能实景实训行动，开始用真实任务检验成功率和效率。
「甲子光年」认为，当下的企业面对的并不是一条已经确定的技术路线。具身智能仍在快速演进，今天的前沿方法可能很快被新的范式替代。
梅卡曼德因此没有把研发押在单一路线上，而是分成三个层次：已经成熟的产品继续产生收入并迭代，前沿技术保持投入，更远的技术范式则通过产学研合作提前探索。邵天兰经历过循环神经网络从主流走向边缘的过程，对他的启发是，一家公司既要追赶新的技术浪潮，也要给下一次范式变化留下空间。
梅卡曼德应用案例
这套思路最终落到了一个核心问题上：机器人的大脑能否足够共性化。如果每进入一个新场景，都必须重新训练一套能力，机器人依然很难真正走向通用。梅卡曼德希望做的，是让更多变化由同一套智能体系承接，再根据不同身体和任务进行组合。
在今年初的达沃斯论坛上，邵天兰强调，梅卡曼德不相信一家公司应该把机器人的所有层级全部包下来。机器人涉及的专业能力太多，全栈很容易意味着资源被摊薄。
他还拿自己的手做过一个小实验。只使用三根手指生活一段时间以后，他发现除了筷子等少数动作，大部分事情仍然可以完成。所以机器人并不需要先完整复制人类，再去证明自己的价值。身体最终长成什么样，应该由任务决定。
这也让梅卡曼德“一脑多形”的产业意义更加清晰。十年前，梅卡曼德不造整机，是因为想把机器人大脑做好；十年以后，它面对的是一个更加多样的机器人世界。身体越多，能够跨越身体继续积累的智能反而越有价值。
目前Mech-GPT和Mech-Hand已经开始产生收入，梅卡曼德也在继续扩大“眼脑手”体系的能力边界。前者让机器人能够结合现实环境理解更复杂的意图，后者则把这种理解进一步转化成对物理世界的操作。它们所延续的仍是同一条路线：不是为每一种机器人重新创造智能，而是让已有能力可以继续迁移。
梅卡曼德灵巧手
资本也在相同的方向上继续加码。红杉中国、启明创投、IDG、美团、Intel、GIC等机构横跨多个阶段进入，持有至今。本次发行中，最大的基石投资者Baillie Gifford成立于1908年，以超长期科技投资著称，曾在特斯拉最不被理解的阶段重仓持有。比亚迪旗下Golden Link的参与则让客户身份与股东身份重叠在一起。
上市把公司从一级市场带进了更复杂的公开市场评价体系。投资者要看的，不只是技术路线是否前沿，还包括新能力能否复制此前的商业化效率。梅卡曼德的募资流向也对应这个逻辑：大头继续投向产品与技术研发、全球业务和商业化，以及产品组合和应用范围的扩展。
十年前，梅卡曼德选择从机器人智能出发，在真实世界里一块块扩展能力地图。前一阶段的经营数据已经证明，公司能够在业务扩大的同时降低落地成本。接下来要回答的，是同一套方法，能把机器人智能带到多远。
（封面图及文中图片来自：梅卡曼德）
参考资料：
华创资本《对话梅卡曼德机器人邵天兰：冲向具身智能终局的路上，我们先上桌了》《梅卡曼德机器人邵天兰：具身智能没有“英雄主义”，只有“魔鬼细节”》
甲子光年《具身智能落地四问：路线图、陷阱、生态位与破局思路｜甲子引力X》
新浪财经《对话梅卡曼德创始人兼CEO邵天兰：当 AI 进入物理世界，部署能力成为真正的护城河》
《财富》中文版《梅卡曼德邵天兰：务实的理想主义者》
