融创优配官网 AI应用进入重估期私募衡量赛道长期价值

　　● 本报记者王辉

　　近日，宇树科技登陆A股，为具身智能板块提供了具备规模化盈利与批量出货能力的可比标的。市场情绪随之升温，人形机器人、AI Agent、AI办公等赛道进入价值重估期。多位一、二级市场的私募人士表示：宇树科技上市在一定程度上确立了当前人形机器人和AI应用赛道估值的参照系，但未必能成为相关板块可持续的估值锚。AI应用正从概念叙事走向订单验证，但兑现的节奏可能仍慢于“市场情绪的升温”。另外，尽管产业前景与静态业绩的“剪刀差”仍然显著，但私募机构依旧在积极衡量这一赛道的长期价值。

　　具身智能仍需经历多个拐点

　　宇树科技上市最直接的影响，是为人形机器人整机企业提供了一个资本市场的定价基准。明泽投资创始人马科伟认为，宇树科技作为A股首家实现规模化盈利且批量出货的人形机器人整机标的，其上市为具身智能板块确立了从“概念叙事”向“商业化兑现”切换的新估值标尺，并为后续未上市企业提供了“可比锚点”。凯联资本行业合伙人由天宇表示，一级市场对整机企业的定价逻辑、成长性预期和退出路径都变得更加清晰。

　　但“锚”的确立，并不意味着这个锚本身足够稳固。云脊资产CEO梁力认为，宇树科技在全栈自研和规模化降本上的领先地位，叠加“第一家上市的具身智能企业”的稀缺性溢价，使其定价难以成为整个板块可持续的估值参照。他给出了一个更清晰的产业坐标——具身智能仍处于“ChatGPT出现之前的几年”，产业最终需要跨过三个里程碑：技术可行性、生产可行性、经济可行性。

　　这一判断正在重塑一级市场的投向。众为中国合伙人徐薇将关注重心从整机转向“大脑”——具身模型类公司。徐薇的表述十分明确：模型的泛化能力决定了机器人能够覆盖的场景宽度与任务复杂度，也决定了具身智能的上限。硬件层面，她更关注灵巧手和端侧芯片这两块“技术难度最高、价值量占比更大”的拼图。

　　对此，马科伟认为，减速器、丝杠、电机、数据采集系统等具备技术壁垒的核心零部件环节更具确定性。

　　宇树科技上市提供的估值参照，正在被私募拆解为不同环节、不同阶段的差异化定价。整机的稀缺性溢价难以扩散，“大脑”与关键硬件的价值权重在上升。梁力的态度代表了相当一部分机构的现实选择：“具身智能可能仍需要经历多个拐点，这个过程中可能要经历长时间的低潮。”

　　AI应用：慢渗透的真订单

　　与人形机器人相比，AI办公与AI Agent等AI应用处于一个截然不同的产业阶段。马科伟将其定义为“政策背书、成本拐点、技术闭环”三重确定性于一体、且已步入规模化交付的AI应用主线。梁力认为，AI办公已经走到“渗透率开始往上”的阶段，技术上成熟，智能成本快速下降，经济性已经具备。知识工作者的总量远大于程序员，这意味着AI办公的潜在市场可能超过Coding（编程）。

　　但市场空间的巨大，并不等同于渗透速度的乐观。梁力提示了一个容易被忽视的结构性差异：泛知识工作的可验证性天然弱于编程，白领群体也没有程序员那样追求生产工具极致进化的动力。工作习惯与组织惯性构成了隐性的减速带。“渗透率会是一个缓慢上升的过程，并不能按Coding Agent的速度去外推。”他说。

　　这种“慢”，在商业化层面表现为从试点到付费的艰难跨越。由天宇观察到，AI Agent和AI办公项目的核心卡点，主要集中在企业数据治理、既有工作流嵌入、模型幻觉以及ROI验证上。部分项目虽然容易获得试点机会，但付费深度和续费表现仍有待验证。这意味着，区分真实订单与题材炒作的关键，不在于Demo（演示）的精彩程度，而在于能否进入客户的日常生产流程。

　　马科伟给出了可操作的去伪存真路径：通过产业链上下游调研、产品实测、AI业务拆分、竞争力解构及财务验证，聚焦具备真实订单转化、AI收入增量可见且估值合理的细分龙头。

　　由天宇的筛选框架更为量化——任务成功率、人工介入率、实际落地项目数量、合同金额、收入增长、客户复购和续费率。徐薇则从另外的维度划出边界：重点关注能够在大模型潜在能力边界之外形成独立价值的方向，对被大模型直接“内化”的应用保持警惕。

　　警惕纯概念标的

　　当具身智能仍在等待技术拐点、AI办公仍在爬升渗透率曲线时，私募的配置逻辑呈现出清晰的层次感。

　　马科伟给出的框架是“稳健底仓+弹性进攻”：短期侧重AI收入加速、具备行业壁垒、受益于推理成本下行的垂类应用，包括AI办公、AI金融、AI营销、物理AI和端侧AI，同时重点跟踪财报中的AI业务指标、Agent商业化落地进展以及海外对标企业的传导效应。梁力则表示，短中期对具身智能保持克制，AI应用层面的核心标准只有两个——“有没有更好的上下文，以及是不是已经嵌入目前的工作流”。

　　对今明两年最可能跑出规模收入的方向，受访者的判断趋于一致。由天宇认为Coding、内容生成和办公Agent最有可能率先兑现，因为这些场景数字化程度高、与降本增效需求结合直接、付费路径清晰。人形机器人则在科研教育、数据采集以及部分工商业服务场景中具备率先形成明确收入的条件。徐薇认为，大模型和视频生成模型均已具备明确的商业化落地场景。

　　但所有判断最终都指向同一个风险：估值与业绩兑现速度之间的赛跑。由天宇的表述最为直接：“部分项目收入和客户验证尚处早期，但估值已经提前反映了较高的远期成长预期。”马科伟列举的风险清单涵盖五个维度：大模型迭代对应用层价值的压缩、B端付费意愿不足、同质化价格战对利润的侵蚀、估值与业绩增速的匹配度以及AI监管政策的不确定性。他给出的底线原则是回避缺乏实质订单支撑的纯概念标的。

　　此外，徐薇表示：“对于未来可能被大模型直接‘内化’的AI应用，我们倾向于谨慎”。其所在机构也会持续跟踪大模型能力的发展演进，动态判断还有哪些领域仍有AI应用投资机会，再进行相应的布局。