要價400億的靈心巧手,估值比市場規模還大

重點摘要
要價400億的靈心巧手,估值比市場規模還大光錐智能2026.07.14 15:02 · 來自北京全文5395字00:00 / 15:55估值比市場規模還高,這正常嗎?文|光錐智能,作者 | 羅鎮昊,編|劉俊宏具身智能的融資潮,和這個夏天一樣熱。IT桔子數據顯示,從2025年7月到2026年6月,國內一級市場具身智能領域的融資達503起,平均每天超過1起,總融資金額超960億元。
# 要價400億的靈心巧手,估值比市場規模還大? 具身智能領域的融資熱潮正在持續升溫。IT桔子數據顯示,從2025年7月到2026年6月,國內一級市場具身智能領域共發生503起融資,平均每天超過1起,總融資金額超過960億元。在這波機器人投資熱中,一家專注於靈巧手零部件的廠商——靈心巧手,因其驚人的目標估值成為市場矚目的焦點。 據路透社報導,靈心巧手今年5月開啟新一輪融資後,目標估值來到60億美元,約合424億元人民幣。這一數字意味著,一家只生產“手”的公司,估值竟然超過了絕大多數全棧整機公司。作為對比,今年6月,智平方和自變量同一天宣布完成新一輪融資,估值均超過200億元;而宇樹科技提交IPO後的估值大約在400億元。一家零部件廠商的估值,已經逼近甚至超越整機龍頭。 ## 估值速度驚人,融資節奏前所未見
自2025年開啟市場化融資以來,靈心巧手在不到兩年時間內完成了7輪融資。今年4月底,B+輪融資剛結束不到一週,新一輪融資又已啟動。與此同時,公司估值從16億、30億、200億,一路螺旋上升到400億。 然而,從市場空間角度來看,這一估值可能面臨嚴峻挑戰。據高工產業研究院預測,到2030年,靈巧手整個市場規模僅為50億美元,約339億元人民幣。換句話說,靈心巧手一家公司的目標估值,已經超過了整個行業未來數年的市場總空間。 這引發了一個核心問題:這隻“手”,真的值這麼多錢嗎? ## 商業化進程領先,量產能力突出
靈心巧手之所以能夠獲得資本市場的高度青睞,首要原因在於其商業化進度明顯領先同業。量產能力是靈巧手企業的第一道分水嶺。據高工數據,2025年靈巧手總銷量為1.92萬臺,靈心巧手與強腦科技並列第二,僅次於出貨量超1萬臺的因時機器人。值得注意的是,榜單上其餘5家公司均已成立10年以上,而靈心巧手成立僅三年。2026年初,靈心巧手宣布累計訂單突破1萬臺,單月最高產量達4000臺。在全球靈巧手企業中,能將高自由度五指靈巧手做到如此產能的企業確實鳳毛麟角。相比之下,強腦科技今年6月表示已具備年產3萬臺以上能力,折算月產量2500臺;因時機器人去年月產量約800臺。
更令市場關注的是,在高自由度靈巧手細分市場,靈心巧手佔據了80%以上的份額。其產品自由度區間為7至42個,而其他公司產品最高自由度大多在24個以內。這種高定位或許源於其創始人的判斷:高自由度能讓靈巧手在人形機器人走向通用化後,覆蓋更多應用場景。## 低價策略背後:自研核心零部件
價格優勢是靈心巧手快速打開市場的另一利器。據高盛調研,靈心巧手產品比競品便宜1到2萬元,海外產品價格甚至低50%。其主打產品Linker Hand O6標準版價格為6666元,Lite版補貼後僅為3999元。 這種價格優勢的實現路徑與宇樹科技類似——核心零部件全自研。靈心巧手創始人周永表示,團隊在嘗試海外採購微型減速器時發現精度不足、成本偏高且無法定制,於是決定走自研路線。目前,公司在電機、電缸、減速器、傳感器等核心零部件上已實現全部自研,並通過國產供應鏈將成本降低了60%。其中,用工程塑料代替傳統金屬的技術,使減速器成本從幾百元降至幾十元,同時重量減輕30%到40%。 不過,這一技術選擇也引發行業爭議。不少從業者對塑料材料的強度表示擔憂,認為難以勝任持續性的重負荷工作。 ## 三條技術路線並行,研發資源分散
在靈巧手的技術路線選擇上,靈心巧手採取了一個業內少見的策略——三種主流路線全做。直驅派用電機直接驅動關節,傳動誤差小、控制精細,但抗衝擊能力差;連桿派剛性強、力氣大,靈活度不足;繩驅派靈活度最接近人手,但結構複雜、成本更高。大部分廠商只專注其中一種或兩種。例如,主攻工業場景的因時機器人專精連桿技術,強腦科技走直驅路線。靈心巧手的三大系列產品——L20(連桿)、L30(腱繩)、O30/R30(直驅),覆蓋了3999元到近10萬元的全價格帶。這種方式雖然能滿足多種用戶需求,但也意味著研發資源的分散。即便如此,公司的營收增長依然迅猛。
2024年靈心巧手收入為1000萬元,到2025年第四季度已飆升至2.5億元,一年增長25倍。相比之下,兆威機電2025年在靈巧手及核心驅動模組上的營收僅為2387萬元,同賽道其他公司尚未披露相關營收。## 硬件背後:打造“技能商店”生態
靈心巧手的野心遠不止於賣硬件。公司正試圖打造一個完整的軟件生態系統,通過“硬件微利+技能溢價”的模式創造更大的盈利空間。靈心巧手為靈巧手專門適配了一套原生數據平臺和大模型,並封裝好各類技能,實現即插即用。其核心價值在於數據集的積累。不同於本體機器人,靈巧手除了接收相對位置的判斷,還需要採集溫度、軟硬、材料摩擦等“難以言喻”的傳感器數據。這使得靈心巧手堅持使用真機採集數據,但也推高了研發成本。為了降低開發者的數據採集難度,靈心巧手在ICRA 2026發布了一款名為“UMI-Dex”的同構採集設備和開源方案。採集端與靈巧手結構一致,數據能適配真機。
採集到的數據被送入號稱“全球最大靈巧手操作數據集”的LinkerSkillNet平臺,目前已積累500多種人類技能的數據。在此基礎上,靈心巧手自研了Linker Genesis(靈心造物)大模型。用戶以自然語言下達指令時,大模型會拆解任務鏈,調用、組合已有的原子技能,生成完整操作序列。每一次執行產生的新數據又迴流到平臺,形成“數據-技能-創造”的正向循環。如果這一模式跑通,靈巧手將從硬件供應商升級為平臺型生態企業。## 需求瓶頸與競爭壓力並存
然而,飛輪能否真正轉起來,很大程度上取決於人形機器人產業的整體發展進程。據高盛調研報告《中國人形機器人年中評估:向商業化應用更近一步》,多數整機廠商更傾向於採用輪式機器人搭配“雙指與三指夾持器”,足以應對70%至90%的工業場景需求。這意味著,市場對高自由度靈巧手的實際需求可能遠低於預期。 與此同時,整機廠商的自研趨勢以及傳統精密製造企業的入局,都可能對靈心巧手的增長空間造成擠壓。宇樹、智元等整機廠都在積極研發自有靈巧手方案,兆威機電等傳統企業也在加速佈局。隨著具身智能產業的成熟,靈巧手賽道的競爭遲早會全面打響。 ## 行業共識尚未形成,靈巧手或先於本體達成統一
人形機器人市場雖然龐大,但至今仍處於“大亂鬥”狀態。宇樹、智元、特斯拉Optimus,沒有哪一家敢說自己已經找到了機器人的終極形態。靈巧手領域同樣如此:技術路線還在“三國殺”,需要幾根手指、犧牲多少自由度、採用何種傳感器,這些問題仍在權衡取捨之中。資本和行業都在等待一個相對確定的錨點。宇樹的做法是做好本體並開源技術,鼓勵二次開發;強腦科技在ICRA 2026展示了新一代靈巧手Revo3-U21的同時,也開源了數據和算法。這些操作都可以被視為用“原生數據捆綁硬件”的方式,試圖讓行業達成一種共識——數據適配產品,數據越多,產品形態就越趨於主流。靈心巧手的打法同樣符合這一方向。
它不碰整機,專注於靈巧手的技能生態,試圖讓自己的產品和數據成為具身智能的底層語言。創始人周永曾預言,未來靈巧手賽道可能只留下兩三家頭部企業,大概率到今年下半年,資本就不會再給全新的靈巧手初創公司投資了。## 估值泡沫還是未來預期?從財務數據看,靈心巧手2025年第四季度營收2.5億元,按此節奏年化營收約10億元。以424億估值計算,市銷率超過40倍。考慮到2030年整個靈巧手市場規模僅339億元,即便靈心巧手能佔據一半市場份額,目前的估值仍然需要極為樂觀的增長預期來支撐。但從技術和商業模式的角度看,靈心巧手確實展現了成為底層基礎設施的潛力。
在成本、性能、可靠性的“不可能三角”中,全棧自研和本土化供應鏈正在逐步破解這一難題。而“硬件微利+技能溢價”的商業模式,也為行業提供了可行的盈利路徑。在充滿不確定性的具身智能行業,最先達成共識的,也許真的就從一隻手開始。至於這隻手值不值400億,時間將給出最終答案。據多家媒體消息,靈心巧手計劃2027年申報港股IPO,甚至有一級市場機構投資者放話,屆時其估值有望達到1000億元。這個數字是否離譜,或許取決於我們對人形機器人時代到來的速度與規模的判斷。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
騰訊雲開源 TencentDB Agent Memory v2.0:專為 AI 編碼代理打造的團隊級記憶中樞
Tencent Cloud has open-sourced TencentDB Agent Memory v2.0, a team-level memory hub for AI agents. The idea is super simple: if project context was already explained once, a new session should not need it repeated.
使用 NVIDIA NeMo Retriever、託管 NIM、LanceDB、重新排序與基於事實生成建立多模態 RAG 管線
在本教學中,我們將使用 NVIDIA NeMo Retriever 建立一個先進的多模態檢索增強生成管線。首先設定 Python 3.12 環境、安裝必要套件,並在無需 GPU 或外部 API 金鑰的情況下進行離線 PDF 文字提取。接著,我們透過託管的 NVIDIA NIM 端點來偵測頁面元素、提取表格、圖表與資訊圖形、產生稠密向量嵌入,並將處理後的內容儲存至 LanceDB。最後,我們實作了稠密檢索、視覺語言重新排序、後設資料過濾搜尋、附行內引用的基於事實回應生成,以及輕量級的 recall-at-k 評估,以驗證跨多模態文件內容的檢索品質。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。