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

千亿“扫地茅”跌剩300亿,石头科技跨界冒险

编程导航
编程导航
2026-01-04 23:50
阅读 172
编程导航
2026-01-04 23:50
阅读 172

在A股市场反复挣扎的“扫地机器人一哥”石头科技,近日迎来资本层面的关键动作。石头科技已收到中国证监会出具的《境外发行上市备案通知书》,正式启动港股IPO征程。若进程顺利,港交所将诞生“扫地机器人第一股”。

提起石头科技,消费者并不陌生,在扫地机器人火爆时期,这家公司格外耀眼。而在资本市场上,石头科技也曾是炙手可热的明星标的。

早年间,这家企业因雷军看好而被纳入小米生态链体系,凭借差异化产品迅速站稳智能家居赛道。2020年登陆A股后,其股价一路飙升,2021年6月曾触及1494.99元/股的高点,千亿元市值神话就此上演。

彼时,它不仅成为A股仅次于贵州茅台的第二只千元股,更被股民誉为“扫地茅”。小米集团、顺为资本、高榕创投、启明创投等一众顶流VC/PE与产业资本纷纷入局,足见市场对其赛道潜力与技术实力的认可。

然而高光难续,行业变局与外部压力接踵而至:一方面,全球消费电子风口转移,扫地机器人市场渗透率见顶,行业竞争进入白热化阶段,科沃斯、追觅科技等纷纷加码研发与价格战;另一方面,海外市场汇率波动、贸易政策调整等外部压力持续显现。

石头科技陷入“增收不增利”的困境,市值从千亿高位一路缩水,昔日光环逐渐褪去。如今启动港股IPO,成为这家在A股市场挣扎的企业寻求破局的关键砝码。

扫地机器人卷成红海,石头科技增收不增利

“以前一千来块的扫地机器人,扫拖功能完全够用。现在商家一个劲加集尘、自动上下水这些功能,看似解放双手,实则又费钱又占地方”,不少打工人的吐槽,道出了扫地机器人行业的现状。

随着产品同质化越来越严重,再加上消费者花钱更理性,打工人的消费逻辑彻底变了。“没必要为花哨功能多花钱”成了共识,实用性和价格匹配度,才是消费者最看重的点。

需求转变直接倒逼行业。以前商家靠加功能抬价,现在只能转向“走量”,但效果并不理想。一位从业者直言,“扫地机器人产品类型太单一,海外市场容量还在缩小,用户现在就认高性价比。”

这就导致2025年行业红海化进程进一步加速。

奥维云网数据显示,2025年上半年,中国扫地机器人线上总销量达231.93万台,同比增长 45.98%,但头部品牌份额占比高度胶着。科沃斯以24.8%的线上市占率领跑,石头科技 23.69%紧随其后,小米、云鲸、追觅分列三四五位,彼此差距仅数个百分点。

更难的是,扫地机器人品牌还面临着多面的冲击。美的、海尔等传统家电巨头,凭着成熟的线下渠道和供应链优势,从低端市场往上挤;小米、追觅等互联网品牌,则靠高性价比和快速技术迭代,在线上强势突围,彻底打乱了行业格局。

在这样的背景下,石头科技越来越被动。为了保住市场份额,品牌只能砸钱做营销。2025年前三季度,石头科技的销售费用为31.8亿元,同比增长103.8%,营收占比为26.36%。

重金营销换来了营收的暴涨,却没带来利润的同步增长,石头科技陷入了“增收不增利”的尴尬。2025 年前三季度,其营收120.66 亿元,同比增长 72.22%,已经接近2024年全年水平,全球出货量大幅增长,甚至在韩国等海外市场登顶占有率第一。

但光鲜业绩的背后,是盈利能力的挑战。2025年前三季度,归母净利润10.38亿元,同比下降29.51%,净利润已连续四个季度大幅下跌。

现金流方面,石头科技也捉襟见肘。受原材料采购、研发费用激增影响,其经营活动产生的现金流量净额为-10.6亿元,“找钱”成了当下的核心任务。

一边是营收、出货量的亮眼表现,一边是净利润下滑、现金流告急的困境,若不能尽快平衡增长与盈利,石头科技的困局或将持续。

冒险的跨界:重金押注洗衣机,创始人造车

社交平台上,关于石头科技洗衣机的吐槽不绝于耳:“买来一年坏了好几次”“售后基本没有”“声音和拖拉机一样”,这些抱怨在小红书、微博等平台形成热议。

消费者吐槽洗衣机的背后,却是石头科技曾寄予厚望的重金押注。

作为“扫地茅”的跨界尝试,其洗衣机业务三年磨一剑:2020年启动研发,2022年关键技术专利陆续曝光,2023年首款洗烘一体机正式面世。直到2024年5月,创始人昌敬公开宣布成立洗衣机事业部,将其定位为“第二增长曲线”。

去年11月,洗衣机BU CEO谢濠键也曾透露,2024年,石头科技在这个领域的研发投入预计超4亿元。

然而,巨额投入并未换来预期回报,市场表现与投入规模形成鲜明落差。从财务数据来看,石头科技包含洗衣机在内的智能电器产品销售额,2023年为5.5亿元,2024年增至10.7亿元,虽实现翻倍增长,但对照行业体量仍显渺小。据奥维云网数据,2024年中国洗衣机市场零售额已达1014亿元。

与海尔、美的等传统品牌动辄百万台的年销售规模相比,石头科技目前存在难以逾越的差距。

终端市场的反馈同样印证了这份落差。北京地区一位石头科技销售人员向Tech星球透露,门店客流几乎都奔着扫地机器人而来,极少有消费者主动关注石头科技的洗衣机产品。

在洗衣机业务尚未站稳脚跟时,石头科技创始人昌敬还将目光投向了门槛更高的新能源汽车赛道,开启了一场更为激进的跨界冒险。

2021年1月,昌敬便联合威马汽车前CTO闫枫,在上海注册成立洛轲智能科技有限公司,宣告“第二次创业”造车,推出极石汽车。

这场重金押注的造车之旅,同样未能掀起预期水花。极石汽车公布2025年交付数据,全年累计交付15318台,同比增长近3倍,12月单月交付2528台,但这一成绩在白热化的新能源汽车市场中仍是“小巫见大巫”。

一位此前在极石汽车工作的人员向Tech星球透露:“卖这个车,很多时候要看运气,和很多品牌相比,实在太冷门了。”

产品矩阵单一的问题更成为制约发展的关键,截至2025年底,其在售车型仍仅有极石01一款,虽主打露营场景,收获部分细分市场用户认可,但难以覆盖更广泛的消费需求。

尽管极石汽车是完全独立于石头科技的创业项目,但两者共享昌敬的核心资源。2023年3月至2024年6月,昌敬通过两次减持石头科技股份,累计套现8.88亿元,这一操作引发投资者对“主业资金被分流”的质疑,从而加剧了资本市场对石头科技发展前景的担忧。

能否靠港股IPO与具身智能翻盘

行业红海内卷叠加跨界业务不及预期,过去几年,石头科技遭遇股东信心滑坡。

除了昌敬8.8亿元的套现,据石头科技2024年年报数据,前十大股东中4家机构集体减持,小米系顺为资本直接退出十大股东行列,雷军阵营也选择离场,顶流资本的相继撤退,进一步加剧了企业资金压力与市场焦虑。

在此背景下,港股IPO成为石头科技的“救命稻草”。

一方面,海外市场已成为其核心增长引擎。2024年海外收入63.87亿元,占比53.6%超国内市场。据灼识咨询的数据,在全球五大核心市场中、美、日、韩、德均位列前三,德、韩市场更是登顶双第一。

此次上市既能借助港交所国际化平台募资,缓解现金流压力,也能为海外渠道扩张、本地化运营提供资金支持,巩固优势市场。

押注海外市场、推进港股IPO的同时,石头科技更试图切入大热的具身智能赛道,为自身破局及资本市场估值注入新的想象空间。

根据石头科技公布的具身智能方案,其在2025年推出的G30 Space探索版,搭载其具身智能方案核心,全球首创5轴折叠仿生机械手,可在清扫过程中自动识别并拾取袜子、数据线等地面障碍物。

京东平台数据显示,该机型售价处于5500-6000元区间,而对比石头科技其他型号动辄数万的销量,其销量仅刚突破1000台。

一位消费者告诉Tech星球,他认为这种“拾取袜子、捡拾垃圾”的功能略显鸡肋,更像是品牌为抬价设置的噱头。

而一位机器人行业从业者则表示,从行业视角来看,现阶段具身智能与扫地机器人的融合空间尚浅。尽管机械手技术被视为未来家庭服务机器人场景的核心延伸方向,但就当前落地效果而言,相关功能的实用性仍显有限,尚未形成足以打动市场的核心价值。

对于当下的石头科技而言,考验已经浮现:港股IPO能否顺利补血、缓解资本压力?具身智能的技术探索,究竟是突破行业内卷的关键,还是仅为吸引资本的短期故事?

当消费者不再为“噱头功能”买单、资本回归理性,石头科技需要用更扎实的市场表现与技术落地能力回应质疑。(任雪芸)

原文链接: 千亿“扫地茅”跌剩300亿,石头科技跨界冒险
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
🔥 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