乐聚智能冲刺 IPO:从 To G 数据采集到 To B 工业落地,离盈利还有多远?

《算法设计与分析》全套PPT课件(哈尔滨工程大学) 立即下载

具身智能行业 IPO 热潮

刚经历了人形机器人的爆发元年,具身智能行业加速迈向商业化落地。如今,各头部企业开始扎堆冲刺 IPO,试图借助二级市场扩大竞争力。近一段时间里,递交 IPO 申请的公司除宇树、云深处外,以教育类机器人起家的乐聚智能也递交了招股书。

乐聚智能的业绩与现状

根据 IDC 数据,乐聚在 2025 年人形机器人出货量位列全球第三,全尺寸双足人形机器人出货量排名全球第二,称得上全球第一梯队。招股书显示,2025 年乐聚营业收入达 2.58 亿元,同比激增 365.20%,近三年营收复合增长率高达 118.68%。公司有一半以上的营收来自人形机器人,其中,全尺寸人形机器人“夸父(Kuavo)系列”贡献营收 1.77 亿元,占比 69.5%,成为公司最主要的营收来源。

作为创新硬件公司,乐聚尚处于亏损状态。数据显示,乐聚 2025 年归母净利润为 -0.69 亿元,亏损额同比扩大 17.8%。公司连续三年经营性现金流为负,分别为 -0.27 亿元、-0.29 亿元和 -0.28 亿元。对此乐聚的解释是,受业务扩张、市场拓展以及人才储备等支出的影响。这意味着,乐聚在短时间内还无法实现正向经营闭环。

乐聚智能的募资计划

乐聚本次拟募资 26 亿元,投向基本全部围绕人形机器人的研发和生产,如建设人形机器人产业化基地,成立人形机器人具身智能研发中心,高质量大规模数采项目。可以看出,乐聚上市主要是为了在人形机器人的落地上发力,跑通 B 端或 C 端的商业模式。这也是多数具身智能公司的生存逻辑。

但光锥智能在看完这份招股书之后,发现以目前乐聚的产品竞争力来说,想达到目标要补足的东西还有很多。

乐聚智能的产品与市场

早在 2012 年,就有机器人登上央视春晚的舞台,但是从国外买的。当时这个节目由哈工大机器人创新基地研发团队负责,正在哈工大计算机学院读大一的冷晓琨就是其中一员。他回忆,上完节目后,网友都在批评他们拿进口的东西上春晚。这让冷晓琨下定决心要做中国自己的机器人。

2016 年,冷晓琨联合 9 位哈工大同学一起创立了机器人公司乐聚智能,到现在,刚好走过 10 个年头。从营收构成来看,乐聚的收入来源几乎全部为机器人本体。

2025 年,全尺寸人形机器人“Kuavo 系列”成为乐聚主打产品,创造营收 1.77 亿元,占总营收 69.5%,销量从 2024 年的 32 台增至 577 台。主要面向教育市场的中小型机器人“鲁班(Roban)系列”和“Aelos 系列”,合计实现收入 0.39 亿元,同比增长 47.35%,这部分业务增长平稳,占总营收 15%。除人形机器人之外,乐聚还有用于编程教育和医疗服务的其他智能产品,收入占比仅为 1.12%,未成为独立的收入支柱。

乐聚的产品到底卖到哪里?主要是 To G 和教育科研。以 Kuavo 产品系列为例,这部分产品收入的 44.94%来自数据采集领域的采购,尤其是全国地方数据中心建设项目,让其成为当年第一大收入来源。数据采集领域,简单来说就是为了训练人形机器人的“大脑”(也就是 AI 模型),专门去收集机器人在做各类任务时的动作数据和环境数据。其次是用于高校、科研院所等机构的科研和教学,占产品收入的 32.50%。

乐聚在招股书中承认,2025 年以来数据采集中心成为人形机器人行业新的市场采购力量。公司凭借 Kuavo 系列以及专业化数据采集解决方案与项目实施交付能力,在相关公开招标项目中多次中标,获得多个数据采集中心集中采购订单。公司 2025 年前五大客户为北京石景山产业发展有限公司、青岛高科产业发展有限公司、北京通用人工智能研究院等。

从公司产品和出货项目来看,乐聚智能本质更像是一家数据采集基础设施提供商。最大的商业化落地方向是各地政府主导建设的“人形机器人数据采集中心”。

乐聚智能的营销与研发

诚然,具身智能目前还是一个比较新型的产业,科研教育是具身智能行业最容易切入的出货口。这些方向的客户容忍度高、采购流程简单、不需要复杂的场景适配。乐聚产品销售主要是 To G 也无可厚非。但随着公司销售规模和营收增长,乐聚的产品也需要持续投入大量资源进行营销。

数据显示,乐聚的销售费用大幅增加。2025 年,公司销售费用率为 23.92%,对比去年同期,绝对金额从 0.31 亿元增长至 0.61 亿元。对比国内已有明确数据公司平均值看,23.92%的销售费用率或许不算太高。但和国内销售情况最好的宇树对比,乐聚的营销费用还是超出了太多。这说明公司产品仍需要相当大的销售力度才能转化成营收,还没有达到“供需两旺”的阶段。

对于这种现状,乐聚或许短时间内还没法儿突破。数据显示,乐聚的研发费用为 0.65 亿元,占营收的 25.21%,只比销售费率高出不到 2 个百分点。一般来说,研发启动 + 商业化并重的情况是创新硬件行业的典型成长特征,这代表公司正在从纯技术驱动(高研发)向平衡支出的商业化转型。但问题是,乐聚目前的商业化渠道还没有完全打开,如果一直卡在 To G 和数据中心上,公司营收的规模天花板不会太高。

在产业侧,乐聚也有一些业务进展,例如公司将 Kuavo 4pro 部署在一汽工厂的 POC 项目,进行料箱搬运和 SPS 拣选等场景验证。但从结果来看,Kuavo 系列在工业制造场景的营收仅 0.06 亿元,只能算是刚刚起步。

需要承认的是,具身智能行业中像宇树和云深处这样实现盈利的公司属于凤毛麟角。和大多数公司一样,乐聚的盈利能力有待证明。但结合当下市场的趋势,在 2026 年,当以机器人能否‘干活’来评判一家具身智能公司时,乐聚必须要打开自己产品的销路了。

乐聚智能的业务转型与未来规划

严格意义上来说,乐聚并不是一家“纯粹”的具身智能公司,其业务经历过一次转型。这或许是公司商业化进程没有那么快的原因。成立初期,乐聚以小型人形机器人 Aelos 为核心产品,主要面向 AI 教育市场,完成早期商业化。

2023 年,全尺寸人形机器人 Kuavo 三代正式发布,并投入市场,现以更新到第五代,以此切入数据采集和工业生产场景。对应营销情况,2024 年 Kuavo 系列收入只有 0.13 亿元,2025 年则增长至 1.78 亿元,销量从 32 台增至 577 台。如今,乐聚已经完成从小型教育类机器人到全尺寸人形机器人的业务换挡,押注具身智能产业化。这种转型速度,不可谓不快。

对于未来的发展规划,招股书中表明要重点深耕工业场景,打造标准化、可复制、易推广的行业解决方案。目前公司正努力推进人形机器人在工业场景的深入渗透和广泛应用。乐聚下一步最关键的目标,就是加强产业落地。

乐聚智能的募资投向

乐聚本次拟募资金额共 26 亿,是其一年营收的 10 倍,募资项目包括建设人形机器人产业化基地、人形机器人具身智能研发中心以及打造一体化数据工厂等,几乎全部围绕人形机器人的研发、生产和销售。

其中人形机器人具身智能研发中心项目投资金额最高,达 9.4 亿元,占总募资金额的 36.14%。这一项目是要通过平台化开发、端侧大模型、高可靠整机和遥操作算法四方面,系统性提升具身智能工程化能力,类似落地一个应用(工业)技术栈。

募集资金的另一大投向还有高质量大规模数据集建设项目,投资金额 6.1 亿元,占比 23.7%。主要是要建立一体化数据工厂,形成从原始数据到熟数据的规模化处理能力,构建真实 + 仿真闭环体系。

在具身智能行业,数据是一切能力得以实现的养料,高质量数据价格昂贵。但同时也能看出,乐聚机器人的干活能力还处于初级阶段,选择自建数采中心,也是为了解决数据荒的难题。

乐聚在招股书中提到:公司正在推进在工厂实地场景的验证进程,利用人形机器人在数据采集领域批量使用带来的真机数据优势,加快人形机器人技能提升和应用泛化度,迈向规模化部署。

但这种计划,或许与行业同类具身智能公司的产品销售路径有些出入。一般而言,一家机器人公司想把产品卖进工厂,通常是先带样机找到客户做 POC,客户付费或试用,在实际产线上跑任务,暴露出问题后迭代改进。而乐聚的做法更偏向自己生成数据、训练模型,把技能练好后直接销售。这一商业模式更像数据基础设施供应商,对于更加复杂的工业场景来说,真实场景很难跟训练场景一样理想。

但整体来看,加大研发投入的做法依然是个正确的选择,乐聚真正押注的核心驱动力不只是机器人硬件,还有干活能力,行业中不少头部公司也正走在这条路上。比如 Optimus Gen2 已经进入特斯拉工厂作业,Figure AI 的 Figure 03 直播在仓储环境连续工作 30 小时,共处理 4.5 万个包裹,全程零人工干预。从 To G 的数据采集到 To B 的工业落地,从卖硬件到卖能力,对于乐聚而言,IPO 并非终局,而是一场更残酷的竞赛,但离终点,还有很长的路要走。

Delphi 13.2控件之msquic4d.rar 立即下载

相关推荐

openworker(Python)

「openworker(Python)」是开源项目(Python)。源码完整,下载解压即可查看使用,适合学习参考、课程设计与二次开发。

具身智能商业化加速,乐聚冲刺 IPO 押注人形机器人“干活能力”

从 To G 的数据采集到 To B 的工业落地,从卖硬件到卖能力,对乐聚而言,IPO 并非终局,而是更残酷的竞赛,离终点还有很长路要走。乐聚本次拟募资 26 亿元,投向基本围绕人形机器人的研发和生产,如建设人形机器人产业化基地,成立人形机器人具身智能研发中心,开展高质量大规模数采项目。在具身智能行业,数据是能力实现的养料,高质量数据昂贵。公司超一半营收来自人形机器人,其中,全尺寸人形机器人“夸父(Kuavo)系列”贡献营收 1.77 亿元,占比 69.5%,是公司最主要的营收来源。

safetybug的博客 58

Rosenbrock 优化实验:GD、PSO 与 GA 的收敛对比matlab代码.rar

Rosenbrock 优化实验:GD、PSO 与 GA 的收敛对比matlab代码.rar

夸父追日,乐聚追钱:26亿能让机器人学会“搬砖”吗?

押注干活能力,加速工业落地。

GZZN2019的博客 250

STM32 Modbus RTU 主站项目实战-多从站轮询、超时重试与断线自恢复,一个能长期跑的主站调度器

多从站轮询、超时重试与断线自恢复,一个能长期跑的主站调度器。适用:STM32F103C8T6 + 标准外设库,RS485 半双工总线,下挂变频器、电表、温控器。19 步完整工程 · 主站状态机 · 调度表 · 寄存器镜像双缓冲 · 断线降频重试 · 18 例故障速查。v1.0 · 嵌入式工程实战教程。从站是应答方,主站是发起方;发起方一旦没有调度,总线就会僵住。单从站能跑通,多从站就乱:谁先发、发完等多久、超时怎么退、某一个站掉线会不会拖死整条总线。答案不在协议里,在一个按时间戳推进的主站调度器里——本教程从空工程写到能长期运行

数字政府政务服务AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

数字政府政务服务AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

具身智能迎“超级融资周期”,中国具身智能有望复刻“电车奇迹”,商业化落地提速

宇树科技爆发力更强,但2026Q1营收增速回落,扣非后净利润大幅下滑,预计2026年1 - 6月扣非后净利润同比下降,原因是销售、研发费用增加,且工业场景落地少,消费市场未爆发,科研教育是主要收入来源。硬件领域,中国有成熟制造供应链体系,国产电机、驱动器、传感器等细分产业链成熟,综合性能达国际中高端水平,成本优势显著,核心零部件持续突破,特斯拉Optimus超70%零部件来自中国厂商。摩根士丹利预测,到2050年,全球人形机器人市场规模将达7.5万亿美元,中国采用量占全球总量30%,引领终极蓝海。

IT界那些事儿 59

T18_低空经济示范区十五五通感一体化低空智联网与飞行服务保障体系设计方案_生态合作版.pptx

T18_低空经济示范区十五五通感一体化低空智联网与飞行服务保障体系设计方案_生态合作版.pptx

基于粒子群优化算法的三方三层的主从博弈能源系统优化模型研究(Matlab代码实现)

内容概要:本文研究了基于粒子群优化算法的三方三层主从博弈能源系统优化模型,旨在通过Matlab代码实现对包含风、光、火、储等多种能源形式的综合能源系统进行优化调度。该模型构建了包含能源供应商、运营商与用户三类主体的多层次博弈架构,引入主从博弈机制,将不同参与者划分为领导者与跟随者角色,并在不完全信息环境下采用Epsilon纳什均衡策略实现多方利益协调。结合多目标粒子群优化算法,有效解决了系统运行成本、峰谷差与碳排放等多重目标间的权衡问题。研究进一步整合了需求响应与电能转气(P2G)等灵活性资源,提升了系统调节能力,并通过IEEE39等标准系统进行潮流计算与电能质量分析,验证了模型在提升综合能源系统经济性、稳定性与环保性方面的有效性。; 适合人群:具备电力系统、优化算法及博弈论基础知识的科研人员与研究生;从事能源系统优化、智能调度及相关领域研究的专业技术人员;有志于复现高水平期刊论文成果并开展创新性研究的硕博生。; 使用场景及目标:① 学习并掌握主从博弈在综合能源系统中的建模方法与求解流程;② 理解多目标粒子群算法在复杂能源调度问题中的应用技巧;③ 掌握需求响应、P2G等灵活性资源在系统优化中的集成方式;④ 借助Matlab代码复现IEEE39系统的潮流计算与电能质量分析过程,支撑科研项目或学术论文撰写。; 阅读建议:本资源以Matlab代码为核心载体,强调理论建模与仿真实践的深度融合。建议读者在学习过程中结合博弈论与智能优化算法的基础理论,逐步调试代码并分析关键参数的影响,重点关注Epsilon纳什均衡的实现逻辑与多目标优化的收敛特性,从而深入理解能源系统协同优化的内在机制。

T04_城市生命线AI智能体平台及AI大模型应用场景规划方案_技术方案版.pptx

T04_城市生命线AI智能体平台及AI大模型应用场景规划方案_技术方案版.pptx

EPLAN自动成图与报表实战合集 API批量成图脚本+端子表电缆表自动生成

内容概要:EPLAN自动成图与报表自动生成实战合集,含2篇原创:API批量成图脚本骨架(对象模型+可运行C#代码+三个必踩坑+42页从3.5小时压到11分钟实测)、端子表/电缆表/部件清单报表自动生成(配置逻辑+翻车点+提效数据)。适用人群:电气设计工程师、成套厂制图员、EPLAN二次开发。使用场景:图纸批量生成提效、报表自动化。原创整理。

复现基于全局积分滑模控制(GISMC)的欠驱动自主水下航行器(AUV)水平轨迹跟踪控制研究(Simulink仿真、Matlab代码实现)

内容概要:本文研究了基于全局积分滑模控制(GISMC)的欠驱动自主水下航行器(AUV)水平轨迹跟踪控制方法,通过Simulink仿真与Matlab代码实现对该控制策略进行复现与验证。针对欠驱动AUV系统存在的模型不确定性与外部干扰问题,设计了全局积分滑模控制器,有效提升了轨迹跟踪精度与系统鲁棒性,克服了传统滑模控制存在的稳态误差与抖振问题。该控制器通过引入积分项增强了对持续干扰的抑制能力,并确保系统在整个状态空间内实现渐近收敛。仿真结果表明,在复杂海洋环境下,所提方法能够实现对期望轨迹的高精度跟踪,具备优良的动态响应性能与抗干扰能力,适用于AUV在水平面内的精确导航与控制任务。; 适合人群:具备自动控制理论基础、海洋工程背景或从事无人系统控制研究的科研人员,以及熟悉Matlab/Simulink仿真工具的自动化、船舶与海洋工程等相关专业的研究生与工程师。; 使用场景及目标:①用于解决欠驱动AUV在未知扰动下的轨迹跟踪控制问题;②为滑模控制在非线性、强耦合系统中的应用提供仿真验证案例;③推动先进控制算法在水下机器人系统中的工程化实现。; 阅读建议:读者应结合Matlab代码与Simulink模型进行仿真操作,重点关注滑模面设计、控制律推导与参数整定过程,建议在复现基础上尝试引入不同干扰条件或优化控制结构,以深入理解GISMC的控制机理与鲁棒特性。

威百威9000V6商业管理软件-210930稳定版本

支持扫码支付

主动配电网故障恢复的重构与孤岛划分统一模型研究升级版本(Matlab代码实现)

内容概要:本文针对主动配电网在故障情况下的恢复问题,提出了一种网络重构与孤岛划分的统一优化模型,旨在通过协同优化配电网的拓扑结构与分布式电源形成的可控孤岛,最大限度恢复关键负荷供电,提升系统韧性。该模型充分考虑了分布式电源出力特性、负荷分级需求以及配电网辐射状运行等多重约束,构建了以负荷恢复最大化和网络损耗最小化为目标的混合整数非线性规划问题,并采用高效的优化算法进行求解。研究通过Matlab编程实现了完整的模型求解与仿真验证,结果表明所提方法能有效协调重构与孤岛策略,显著提高故障后的供电恢复能力和系统运行的稳定性。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础,从事主动配电网、分布式能源集成、电网韧性提升或智能电网故障恢复等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于高比例分布式电源接入的现代配电网故障应急处置与恢复决策;②为提升电网应对极端事件的能力提供先进的理论模型与技术方案;③通过Matlab代码复现与仿真,深入学习和掌握配电网重构、孤岛划分及综合优化的前沿算法。; 阅读建议:建议读者结合电力系统潮流计算、图论基础和优化建模知识进行学习,重点理解模型中目标函数的设计理念、各类物理约束(如潮流、辐射状、孤岛连通性)的数学表征方法,以及求解算法的实现逻辑。务必动手运行并调试所提供的Matlab代码,通过改变网络参数和故障场景来探究模型的适应性和性能边界。

旋转中心标定诊断工具(视觉标定失败定位+Kasa圆拟合)

机器视觉旋转中心标定失败诊断工具:Kasa圆拟合求旋转中心+四类失败原因自动定位(标定点共线/旋转角步集中/拟合残差大/像素机器人映射方向反),含README与示例数据,仅依赖numpy,源自真实产线客诉排查经验。

多目标粒子群算法求解综合能源系统最优容量配置研究(Matlab代码实现)

内容概要:本文研究了基于多目标粒子群算法(MOPSO)求解综合能源系统(IES)中最优容量配置的方法,并提供了完整的Matlab代码实现。研究旨在通过优化风电机组、光伏机组、燃气轮机、储能系统等多种能源设备的容量配置,实现系统在经济性、环保性和能源利用率等方面的多目标平衡。文中构建了综合能源系统容量配置的数学模型,明确了以最低综合成本、最小碳排放为核心的目标函数,以及能量供需平衡、设备出力能力等关键约束条件,并详细阐述了MOPSO算法的实现流程,包括种群初始化、非支配排序、拥挤距离计算和外部存档更新等核心机制。最后,通过Matlab平台的仿真实验验证了该方法的有效性,结果表明该算法能够生成分布均匀且具有良好多样性的Pareto最优解集,为决策者根据不同侧重点选择最终方案提供了科学依据。; 适合人群:具备一定电力系统、优化算法和Matlab编程基础的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习和掌握综合能源系统容量配置问题的建模方法;② 深入理解多目标粒子群算法(MOPSO)的核心原理及其在实际工程优化问题中的应用;③ 获取可直接运行和修改的Matlab代码,用于复现研究成果或进行二次开发。; 阅读建议:建议读者在阅读时,首先理解综合能源系统的背景和优化问题的数学建模过程,然后结合提供的Matlab代码,逐步跟踪算法的执行流程,重点关注目标函数和约束条件的代码实现,以及MOPSO算法中非支配排序和拥挤距离计算等核心模块。为了更好地掌握,可以尝试调整算例参数、增减优化目标或修改算法参数,观察结果的变化。

塔式熔盐光热朗肯循环电站建模!并且搭建了Simulink模型!!

内容概要:本文详细介绍了塔式熔盐光热朗肯循环电站的建模过程,并基于Simulink搭建了相应的仿真模型,旨在对太阳能热发电系统进行动态仿真与性能分析。通过建立太阳能集热、熔盐传热、蒸汽朗肯循环及发电等关键环节的数学模型,实现对整个电站能量转换过程的精确模拟,为系统优化设计、控制策略研究及运行调度提供技术支持。该模型有助于提升清洁能源系统的仿真精度与研究效率。; 适合人群:从事新能源发电、电力系统仿真、热能工程及相关领域的研究人员、高校师生及工程技术人员。; 使用场景及目标:①用于塔式光热电站的系统级仿真与动态特性分析;②支撑热电联产、多能互补系统及综合能源系统优化调度研究;③为新型控制策略(如温度控制、功率调节)的验证提供平台; 阅读建议:此资源以Simulink仿真为核心,建议读者结合相关热力学与电力系统知识,逐步理解各模块建模原理,并通过调整参数进行仿真实验,深入掌握光热电站的运行机制与优化潜力。

PSO-LSTM基于PSO优化LSTM网络的电力负荷预测(Python代码实现)

内容概要:本文提出了一种基于粒子群优化算法(PSO)优化长短期记忆网络(LSTM)的电力负荷预测方法,并通过Python代码实现了完整的模型构建与仿真验证。该方法利用PSO算法全局寻优的能力,自动优化LSTM网络的关键超参数,如学习率、隐含层节点数、训练迭代次数等,从而克服传统LSTM依赖人工调参导致的预测精度不高和收敛速度慢的问题。文中详细阐述了PSO-LSTM混合模型的架构设计、算法流程及其实现细节,结合实际电力负荷数据进行了实验验证,结果表明该模型在预测精度、稳定性与泛化能力方面均优于标准LSTM及其他传统预测模型,尤其适用于短期电力负荷预测任务。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事电力系统分析、能源管理、智能电网调度及相关领域研究的研发人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于电力系统短期负荷预测,提升电网运行调度的科学性与经济性;②为能源管理系统提供高精度负荷数据支持,优化发电计划与资源配置;③作为智能优化算法与深度学习融合的教学案例,帮助学习者掌握PSO与LSTM协同建模的方法与实践技巧;④为后续研究提供可复现的代码基础和技术参考。; 阅读建议:建议读者结合提供的Python代码,动手复现整个建模与训练过程,深入理解PSO优化机制与LSTM网络结构的耦合方式,并尝试在不同时间尺度和负荷场景的数据集上进行迁移测试,以全面评估模型的适应性与鲁棒性。

上一篇: 量化交易背景人才崛起,改写AI圈格局,引领行业下半场!
下一篇: Genesis AI发布Genesis World 1.0:为机器人打造全栈仿真基础设施,加速模型评测!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值