文 | 市值榜，作者 | 齐笑，编辑 | 赵元
9 月 24 日，梅卡曼德机器人交出上市后的成绩单。
9 月 1 日，梅卡曼德以 101.7 港元的发行价上市，超额认购倍数达 3835 倍，25.25 万人参与申购，一手中签率仅 3%。然而，上市首日，梅卡曼德就破发了。
让梅卡曼德进一步出圈的是其创始人邵天兰的公开发文，文中他将矛头指向行业里的几种现象：靠关联交易制造收入、没有 PMF（产品市场适配）、成立两三年便急于上市。
一个刚刚上市、刚经历创纪录认购热度的公司的创始人，却转身给整个行业降温，与其说这是一次常规的 IPO PR，不如说是邵天兰借着上市带来的聚光灯，把一些长期形成的行业判断摆到了台面上。
自 2021 年获得红杉、美团、源码等的投资后，梅卡曼德极少对外发声，几乎处于隐身状态。直到今年上市，这家成立十年的机器人公司才突然重新进入聚光灯下。
上市后的短短 23 天里，伴随着股价、创始人言论和首份财报的接连出现，梅卡曼德获得了成立以来少见的高密度关注。
当一家机器人公司创始人批评同行的故事时，它自己的增长和估值，又建立在什么之上？
一、万亿市场和一万个一亿的市场
" 远看是个万亿市场，近看是一堆一亿的市场。" 邵天兰用这句话形容机器人行业的处境，也就是市场足够大，但需求稀碎，真正落到每一个具体场景里，都是一笔规模有限、交付复杂的生意。
2016 年，邵天兰从德国回国创业。此前，他在德国获得机器人学硕士学位，并有机器人企业研发经验。和几位清华校友一起，他成立了梅卡曼德机器人，英文名 Mech-Mind，意为 " 机器人大脑 "。
那一轮创业浪潮里，AlphaGo 战胜李世石是一个标志性事件。人工智能和机器视觉的快速进步，让邵天兰看到了机器人智能化的可能性。
真正让他决定从哪里切入机器人行业的，是在德国看到的另一个问题。
一个七八人的研究生团队，可能要花一周编程，才能让机器人完成一件在人看来一两句话就能讲清楚的事情。机器人有执行能力，却缺少对环境和任务变化的适应能力。换一个物体、一道工艺或一个现场，程序又要重新调整。
这让邵天兰意识到，机器人真正需要补上的，是 " 看、想、规划 " 的能力。
正如前面的判断，机器人天然是为了解决非标、长尾的需求，如果每一单都当作定制项目来做，那么规模就会永远被工程师人数和现场部署时间所限制。未来要形成更大的出货规模，就必须让眼睛、大脑和手形成相对标准化的分工。
梅卡曼德据此确定了产品方向：把感知、识别、规划等能力做成标准化组件，适配不同机器人本体和应用场景，尽可能把一次项目里的经验变成可以重复销售的产品。
2017 年，梅卡曼德推出第一代 Mech-Eye 工业级 3D 相机及配套的视觉与编程软件，并在德国汉诺威工业博览会上亮相。同年底，公司拿下第一个客户。
截至目前，梅卡曼德的产品已在全球累计部署超过 3 万台（套），适配 40 多个品牌、1000 多个型号的机器人手臂，覆盖工业臂、协作臂、移动机器人、双臂等多种构型，累计服务超过 1600 家客户。
2026 年上半年，海外收入占比已达到 41.9%，同比增长 68.3%。
邵天兰认为，出海有两个现实原因。一方面，发达国家的高标准客户能够反过来推动产品升级，" 所有 ToB 的好公司最后一定是被一些高标准的客户带起来的 "；另一方面，工业品的跨区域差异相对有限，一套成熟的产品可以在不同国家复制。如果中国企业不主动进入海外市场，未来海外同行同样会进入中国市场。
从全球市场位置看，梅卡曼德已经取得了一定领先优势。
灼识咨询数据显示，按 2025 年收入计算，梅卡曼德在全球 AI+3D 视觉引导通用智能机器人组件市场的份额约为 22.1%，排名第一，安装量同样排名第一。
但这个 " 第一 " 对应的，是一个规模有限的市场。一方面是，采用的市场口径本身较窄；另一方面是，行业还处于早期。
从渗透率看，AI+3D 视觉引导技术目前在通用智能机器人领域的整体渗透率仅为 5.1%，预计 2030 年提升至 10.6%，2035 年达到 22.2%。
梅卡曼德已经在一个尚未充分渗透的市场建立了领先位置。从长期来看，比 22.1% 的份额更值得关注的，是这个细分市场能否随着机器人智能化普及继续扩容。
二、故事在 " 脑、手 "，收入在 " 眼 "
外界给梅卡曼德的定位是 " 具身智能眼脑手第一股 "。
" 眼 " 是工业级 3D 相机、3D 测量仪器及配套软件；" 脑 " 是多模态大模型 Mech-GPT；" 手 " 则是仿生五指灵巧手 Mech-Hand。
梅卡曼德将这三类产品划分为智能机器人引导（含工业级 3D 相机及相关软件）、智能检测与测量（含 3D 测量仪器及相关软件）、新一代基石组件三条产品线（如自有多模态大模型及灵巧机械手），并强调 " 眼脑手 " 可以作为统一系统运作。
代表 " 脑 " 的 Mech-GPT 和代表 " 手 " 的 Mech-Hand，没有出现在独立收入科目中。
这组数据也意味着，目前真正贡献收入的仍然是已经成熟的 " 眼 "，而 " 脑 " 和 " 手 " 尚处于商业化早期。
梅卡曼德给出的时间表是，Mech-GPT 和 Mech-Hand 预计 2026 年末开始规模推出，2027 年下半年形成实际商业规模收入。
估值故事已经讲到了 " 脑 " 和 " 手 "，收入表里却仍主要是 " 眼 "。
这种时间差，在产品的销售和交付方式上也存在。
招股书披露，相机、Mech-GPT、Mech-Hand" 作为一个统一系统运作，并以套件形式提供 "。也就是说，目前脑和手随相机一起出货，按单件计价。
这些套件主要通过系统集成商流向终端，招股书显示，2025 年，系统集成商渠道贡献了 81.5% 的收入，2026 年第一季度为 94.6%，终端客户包括汽车制造商、工业制造商、物流仓储运营商等。
对于商业化早期的新产品，这种方式可以直接借助相机已有的客户和系统集成商网络。但从交付逻辑看，脑和手与标准化 3D 相机存在明显差异。
相机部署后主要输出点云和视觉数据，后续工作站集成可以由集成商完成。因为眼睛的能力最具共性，不管面对什么场景，都是识别物体、判断状态、精确定位。
而执行的能力却千差万别。Mech-GPT 涉及环境理解、任务规划和动作执行，Mech-Hand 涉及抓取和操作中的末端控制与适配，它们对机器人本体、应用场景和任务数据的依赖，比一台相机要深得多。
这意味着，梅卡曼德可以继续沿用 " 标准化产品 + 系统集成商 " 的渠道模式，但脑和手要规模复制，对梅卡曼德自身的技术支持、应用开发和现场服务能力要求更高。集成商依然承担最终交付，但梅卡曼德需要把复杂算法、参数调试和现场经验沉淀成标准方案，再交给集成商复制。
这个沉淀过程需要在足够多的真实场景中反复验证，才能形成 " 场景反馈 - 算法优化 - 产品升级 " 的循环。
而依赖系统集成商的销售方式，可能会让公司对终端客户一手需求的感知变得间接，场景反馈的链条也被拉长。
此外，销售给系统集成商而非终端客户的模式，也会影响从 " 订单 " 到 " 收入确认 " 的时间。
梅卡曼德披露，收入 " 于资产控制权转移至客户时确认，一般于产品最终验收时确认 "。
2026 年上半年，梅卡曼德新签订单 3.35 亿元，订单同比增长 75.3%，高于收入 54.7% 的增速。订单增长快于收入，这也印证了签单到最终验收之间确实存在时滞。
三、增长的下一阶段考验
邵天兰曾说，对于一家早期公司，增长优先于盈利。梅卡曼德的财务数据也具备典型的成长期特点。
盈利端尚未摆脱亏损。2023 年至 2025 年，梅卡曼德净亏损分别为 4 亿元、2.8 亿元和 3.6 亿元，经调整亏损呈现出明显的收窄趋势。2026 年上半年，亏损 1 亿元，与去年同期相比略有收窄。
收入端增长迅速。2023 年至 2025 年，梅卡曼德收入从 1.81 亿元增至 2.69 亿元、3.89 亿元，年复合增速约 46.6%。2026 年上半年收入达 2.37 亿元，同比增长 54.7%。
与此同时，新签订单 3.35 亿元，同比增长 75.3%，在手订单 1.77 亿元，同比翻倍；客户复购率 93.9%，留存收入是去年同期的 1.72 倍。
增长越快，竞争边界也越大。未来的挑战也可能不只来自同类机器人视觉公司。
首先看业务层面。
梅卡曼德在机器人引导这一核心市场已有一定先发优势。上半年，AI 检测与测量收入虽只有 2106 万元、占比 8.9%，但同比增长 128.4%，明显快于机器人引导业务。
这块业务若继续扩大，对手名单也会变化。检测场景标准化程度更高，对精度、稳定性与长期运行的要求更明确，这恰是传统巨头长期积累的领域。
这种竞争已经开始向 3D 和 AI 延伸。Zebra 在 2025 年完成对 3D 机器视觉公司 Photoneo 的收购；基恩士在推进搭载 AI 能力的 VS-G 视觉系统；康耐视则推出 OneVision，将 AI 视觉应用的训练、部署与管理平台化。检测业务越大，与它们的正面竞争就越难回避。
再来看产业链位置。
梅卡曼德过去的逻辑，是让同一套 " 眼 " 适配不同品牌与型号的机器人，以开放组件的方式扩大市场空间。但随着头部本体厂商开始向 " 大脑 " 和智能控制能力延伸，这种开放生态也可能面临压力。
以宇树为例，公司已围绕具身大模型布局 WMA（世界模型 - 动作）和 VLA（视觉 - 语言 - 动作）两条技术路线，并探索通过机器人数据、模型训练和本体能力形成闭环。
短期看，本体厂商仍需要借助外部成熟组件，加速产品落地；但长期看，如果头部机器人企业逐渐将视觉、规划和控制纳入自身技术体系，梅卡曼德 " 一脑多形 " 的开放生态可能受到挑战。
组件公司的竞争重点也将从 " 能否提供能力 "，转向 " 是否拥有足够的数据积累、跨平台适配能力和产业生态 "。
第三是范式层面的变化。
本体厂商的自研是第一个信号，更大的变量来自大模型本身。
如果未来出现具备更强通用任务理解和规划能力的基础模型，机器人 " 脑 " 的能力可能越来越趋向通用化。梅卡曼德自己就在押注这个方向，Mech-GPT 正是 " 贯穿感知、理解与执行的智能认知纽带 "。
这并不意味着通用大模型会直接替代工业视觉。工业机器人需要的不只是理解任务，还有毫米级定位、实时响应、长期稳定运行以及对复杂工业环境的适应能力。这些能力仍然依赖长期积累的工业数据和应用经验。
但这些变量可能重新定义机器人产业链中的价值分配。过去，感知、理解、规划、执行往往由一套完整的工业系统共同承担；未来，随着通用智能能力增强，产业链中的价值可能重新向模型、数据和生态集中。
从 3D 视觉到大模型，再到灵巧操作，梅卡曼德正在进入一个更大的市场，也进入一个更复杂的竞争环境。未来几年，决定公司价值的，是能否把工业场景积累转化为数据、算法和生态优势，让 " 眼脑手 " 的叙事最终落到账面业绩上。
