鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

港股一天敲六个锣!“仓储机器人第一股”极智嘉IPO首日市值超210亿

编程导航
编程导航
2025-07-09 12:30
阅读 143
编程导航
2025-07-09 12:30
阅读 143

今天早上,在港交所上演了一幕震撼场景:极智嘉-W (02590.HK)、蓝思科技 (06613.HK)、讯众通信 (02597.HK)、大众口腔 (02651.HK)等五家公司同日在港股完成 IPO 并挂牌上市,加上恒生摩根美国股票高入息主动型ETF(3476.HK)当日在联交所上市买卖,同一时刻,六面锣声一同敲响。

据香港特区政府财政司司长陈茂波日前发布的文章称,上半年香港市场共完成了42宗IPO项目,募资总额超过1070亿港元,较2024年全年规模增长约22%,暂列全球第一。此外,申请赴港IPO的企业数量也在快速增加,至今已收到约200起申请,较年初数据倍增,当中也包括中东和东南亚的企业。

“这一方面反映港股上升势头正吸引更多企业加快推进上市计划,另一方面也显示过去这段时间对内对外的宣传推广工作渐见成效。”陈茂波介绍,市场普遍看好港股及其新股市场下半年的表现。

今天IPO上市的五家公司当中,极智嘉-W(Geek+)是最具关注的一家在港交所主板挂牌的企业,它不仅是年内港股最大规模的机器人企业IPO,而且成为“全球AMR仓储机器人第一股”。

根据北京极智嘉科技股份有限公司(极智嘉)7月8日在港交所发布了《最终发售价及分配结果公告》,极智嘉本次IPO最终发行1.614亿股H股(鉴于投资者认购火爆,故行使15%的超额配售权),原计划发行1.404亿股H股。其中,香港公开发售获133.62倍认购,国际发售获30.17倍认购。极智嘉最终通过本次IPO募集资金总额为27.1162亿港元,创下了迄今为止机器人企业港股IPO募资规模的最高记录,也是今年以来香港市场规模最大的非“A+H”科技企业IPO。

极智嘉创始人、董事长兼CEO郑勇在IPO仪式致辞中表示,“极智嘉从创立之初,就聚焦通过机器人智能,重构全球供应链效能范式。此次登陆国际资本市场,是我们实现资本与技术双轮驱动的新起点。未来,极智嘉将积极拥抱行业快速发展带来的广阔市场机遇,以技术创新为引擎,稳步拓宽全球化战略版图,让机器人成为新时代的新基建,为世界创造更智能、更高效、更绿色的智慧未来。”

截止发稿前,极智嘉最新股价16.44港元/股,市值约213.4亿港元。

据悉,极智嘉公司由郑勇于2015年2月创立。

郑勇于2001年7月获得清华大学管理科学与工程学士学位。2004年7月,郑勇获得中国清华大学管理科学与工程硕士学位,并通过与清华大学的联合硕士项目获得德国亚琛工业大学工业工程硕士学位。

郑勇毕业后进入全球知名的电气自动化公司ABB Ltd的多家子公司担任运营经理,提供机器人、机械及工厂自动化方面的解决方案,直至2009年10月离职,此后还曾在 Compagnie de Saint-Gobain S.A.、新天域资本等公司任职。2013年5月,郑勇加入新天域资本担任高级经理,并任职至2015年6月,负责投资组合公司的投后管理以及TMT和机器人行业的新投资项目,对投资和机器人领域拥有深刻见解。

因此,创立极智嘉之后,郑勇成为机器人行业里少数同时拥有丰富战略、管理和投资经验的创业者。
极智嘉创始人、董事长、CEO郑勇

极智嘉创始人、董事长、CEO郑勇

融资方面,成立以来,极智嘉已获得华平投资、CPE源峰、纪源资本、云晖资本、粤港澳大湾区科技创新产业投资基金、D1 Capital、祥峰中国、蚂蚁集团、火山石投资、鸿为资本、高榕创投、赛领资本、中国互联网投资基金、摩根士丹利、B Capital、合肥国资、高信资本、清悦资本、伊利、海尔、农银资本、英特尔、中金资本、香港科技园公司等数十家知名机构及产业方的投资。投后估值也从2016年的2.1亿元增长到2022年E1轮的约150亿元,短短6年增长70倍。

目前,郑勇持有7.19%股权;李洪波持有4.85%股权;刘凯、陈曦分别持有3.41%股权;员工持股平台极智合兴持有1.77%股权等。综合来说,郑勇等人及上述员工持股平台共控制21.7%股权,拥有55.36%投票权。

此外,华平投资于2017年7月就入股了极智嘉,持股比例高达11.86%;纪源资本持股6.19%;云晖持股为5.06%;蚂蚁集团旗下Ant合计持股为4.93%;粤港澳大湾区科技创新产业投资基金合计持股4.60%;海尔持股为0.84%,英特尔持股为0.63%。

业务方面,极智嘉致力于以技术引领传统仓储物流行业的自动化和智能化转型,拥有AMR解决方案,以及标准化机器人租赁服务以及一整套营运支持及管理的RaaS业务,去年总营收超过24亿元。

据灼识咨询数据,2024年,极智嘉在整个全球仓储履约AMR解决方案市场占据9%的市场份额,在全球仓储自动化解决方案市场占据约1%的市场份额。极智嘉已连续6年蝉联全球最大的仓储履约AMR解决方案提供商,拥有全球最大的客户基础、提供业内最全面广泛的仓储AMR解决方案。

截至2024年6月30日,极智嘉科技已向全球约40个国家和地区交付了约46000台AMR(自主移动机器人),是耐克、迪卡侬、沃尔玛、丰田、西门子等全球超300家全球大客户的智慧物流合作伙伴。截至2024年底,极智嘉科技已服务全球超800家终端客户,其中包括63家财富500强企业,累计向超40个国家交付56000台AMR,部署项目超1500个。

营收方面,公司收入规模保持高速增长、亏损不断收窄。根据聆讯后招股书披露,2022年、2023年、2024年,极智嘉分别实现营收14.52亿元、21.43亿元及24.09亿元,营收复合年增长率达28.8%;同期年内亏损分别为15.67亿元、11.27亿元、8.32亿元;经调整净亏损分别为8.21亿元、4.57亿元、9224万元,2024年亏损减少超88%,明显收窄。

2024年,公司经调整EBITDA亏损大幅收窄至0.25亿元,2024经调整净亏损率低至3.8%。

营收持续扩张的同时,毛利持续上升。报告期内,公司年度订单金额由2021年的15.9亿元增至2024年的31.4亿元,客户签约订单金额稳步提升;毛利从0.8亿元增至8.4亿元,复合年增长率118.5%,2024年整体毛利率大幅攀升至34.8%,其中,作为核心产品线的仓储履约AMR解决方案,收入占比上升,毛利率为39.2%;同期,海外市场AMR毛利率表现则更为亮眼为46.5%,彰显出公司全球化布局下盈利释放潜力。

极智嘉早期投资人、公司非执行董事、祥峰投资管理合伙人夏志进对笔者表示,“从财务报表趋势来看,我相信它(极智嘉)很快盈利。从各个方面来看,极智嘉既是一家成熟企业,又更加有市场潜力。”

媒体也曾对外评价称,在港股同类科技与机器人企业中,极智嘉已跻身营收规模第一梯队,收入规模高于其他To B类机器人企业。与此同时,极智嘉维持相对较低的调整后亏损水平,这种“高规模、高增长、低亏损”的财务特征使其有望即将实现扭亏为盈,成为少数具备明确商业化模型与兑现路径的企业之一。

2021年,极智嘉科技曾与中金公司签署A股上市辅导协议,后于2024年10月终止辅导,并未提交A股上市申请。2024年底,极智嘉科技递交港交所上市申请。

根据公告,极智嘉本次计划发行140,353,000股H股。其中,香港公开发售14,035,400H股,国际发售126,317,600股H股。基石投资者方面,包括保诚旗下国际顶级长线投资机构 Eastspring、专注于中国投资机会的 Arc Avenue、雄安机器人、跨境巨头纵腾集团持有的亿格等投资了极智嘉,共认购总金额约9130万美元(约7.167亿港元)。

此次发行获市场热烈追捧,香港公开发售超额认购133.62倍,国际配售获30.17倍认购,是今年港股最高倍数的国际配售Top 3,更创下港股科技板块最高国际配售倍数纪录,主权财富基金、大量国际长线基金、科技专项基金以及对冲基金踊跃认购。除极智嘉外,今年另两家获得超30倍国配的港股IPO是蜜雪冰城和布鲁可;宁德时代的港股IPO国配倍数为15.2倍。

此次港股IPO,极智嘉公司拟通过上市募集资金,用于研发及产品迭代、销售及服务网络扩张、供应链发展、数字化管理、数据安全及网络安全等方面。

夏志进对笔者表示,目前机器人和具身智能行业处于过热状态,仍未降温。无论是创业者,还是投资人,大家有些高估了机器人行业的短期价值,低估了其长期价值。未来5-10年,甚至更长时间,机器人将进入家庭和工厂,帮助人类做更多事情,甚至可能会替代人类的重复性任务。

对于股价,夏志进认为极智嘉上市后的表现应该会很好。一方面是市场行情在变好;另一方面,像极智嘉在市场中的地位、财务表现也非常不错,机器人行业做到几十亿收入已经很了不起了。

夏志进强调,科技公司也不能无限制地亏损下去,到了一个时间点,你就必须得是盈利的。哪怕是上市的时候没有盈利,但上市后两年、三年就必须得盈利了,除非你还有一个更大的故事来吸引投资人。二级市场投资人并不像一级市场VC这么包容,你不盈利、你一直不赚钱,就不要你的股票了。

展望未来,夏志进预测接下来会有一场AI产品赛道的市场竞争。同时在机器人赛道,他认为最后机器人本体领域至少有五家公司,很多企业会不断分化到各个垂直领域落地。对于机器人最终目的,是将人类生产效率提升10倍以上,如同工业革命,让人类能够找到更多有创造力、更有价值的事业。(本文首发于钛媒体App,作者|林志佳,编辑|盖虹达)

原文链接: 港股一天敲六个锣!“仓储机器人第一股”极智嘉IPO首日市值超210亿
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手