社区

如果说“密度”决定了立体仓库的容纳上限，那么“柔性”则直接决定了托盘立库在复杂商业环境中的适应性和竞争力。 传统堆垛机方案（ASRS）在仓储业已沿用多年，但在当下碎片化订单、多渠道融合的复杂业态下，其原有的“刚性”优势，正在演变成对业务发展的“限制”：设备仅适配整托盘存储和大批量出入库，无法应对高频、散件的拆零拣选。运力在项目之初便被锁定，无法随业务波动动态调节。堆垛机与巷道强绑定的模式，带来单点故障即封锁整条巷道作业的风险。 作为新一代托盘立库解决方案，极智嘉 SkyCube 托盘到人方案通过独特的上存下拣架构与强大的多机调度能力，在多个维度展现出显著的系统柔性。 业务场景的柔性 首创“上存下拣”，一仓满足多业态混合履约 SkyCube方案将整托存储、箱式拣选、拆零拣选能力集成于同一套系统当中，既可以满足面向线下门店的 B2B 门店的整盘补货，也可以承接 B2C 电商的零散订单履约，真正实现一仓适配多元业务。 吞吐产能的柔性 模块化部署“按需加车”，扩仓不停产 传统堆垛机受限于受限于固定巷道，跨巷道调度难度大、耗时长。在面对季节性业务高峰或后期业务扩容时，难以在单巷道内动态、高频地增配硬件。若要追加新巷道，更需面临土建改造和长时间停产停工。 SkyCube方案运力动态调配，货架轨道全网互通。日常淡季维持低密度车辆运行；大促高峰期，企业可动态增加上层四向穿梭车与底层 P 系列移动机器人的数量，吞吐产能随需而变。 该方案支持扩仓不停产，得益于模块化部署的特性，未来扩容时无须中断现有工厂生产，亦无须改造基础硬件，货架可像积木般向外延伸追加，新车引入即可并线运行，实现平滑扩容。 系统生命力的柔性 无惧“单点故障”，全网动态重构的极高容错率 传统堆垛机系统属于单点耦合结构，若某台堆垛机发生故障，其所处巷道内的所有货位和货物都将被物理锁死，库内作业将面临局部瘫痪。 SkyCube方案

威华达控股 9 月 21 日甩出重磅公告，拟通过配发新股引入 AI 战略股东特斯联，双方将依托合资平台深度绑定，正式踏入场内热度很高的 AI 算力基础设施赛道。 对威化达这家老牌多元金融平台而言，这更像是一场奔着长期去的战略合作，也是一次落地的产业战略升级。 读懂本次战略合作的核心框架 威华达控股（00622.HK）发布公告称，以每股2.70港元向Nova Scope Ventures Limited发行11.8亿股新股，对价约31.86亿港元，以此引入AI战略股东特斯联。 交易完成后，特斯联关联主体Nova Scope Ventures Limited将持有威华达控股14.53%股份，威华达控股、特斯联将各自持有双方合资平台光智特科约一半权益，双方通过股权层面的双向持股形成产业能力与资本平台的互补性结合。双方将依靠各自产业及技术优势达成深度战略协同，深化AI产业布局。 新股依托股东大会给到的一般授权完成发行，不需要再走股东大会表决流程，落地效率值得期待。更关键的是，这笔交易被公司列为长期重大投资——威华达看重的从来不是一锤子买卖，而是快速切入 AI 产业的战略机会。 合资平台的核心技术与业务底色 作为双方合作载体的光智特科，是 AI 基础设施、模型服务及智能体应用领域的领先供应商，也是国内少有的具备全栈能力的玩家。企业自研推理引擎与异构计算编排系统，最大亮点在于可跨芯片、跨集群、跨云端统一调度算力，支持境内外 GPU 混合部署。 这套体系直接把传统人工分配算力的模式升级为模型反向定制、AI 自主调度资源，以此提升硬件利用率与 Token 产出效率；向下融合国产计算生态、兼容多元芯片架构，向上通过Agent提升Token产能，形成AI软硬一体化的价值闭环。 从中小型分布式训练到万卡级大型集群项目，这家企业都具备成熟的实施能力，已经落地不少标杆项目，客户覆盖互联网、汽车、能源

IDC在面向中国市场的2026年预测中判断，到2028年，50%的企业将把推理类应用部署到边缘侧，以支持收入增长、客户体验改善或内部流程优化。大模型应用的讨论重心，正在从"模型能做什么"转向"模型在哪里运行、以什么成本运行，以及如何进入业务流程"。 这不是一个假设性的问题。对于那些正在评估AI自动化方案的企业而言，云端还是端侧，已经是一道必须做出选择的题。 云端AI在企业场景撞上的三堵墙 过去两年，以ChatGPT、Claude为代表的云端大模型几乎重新定义了人们对AI的预期。然而当企业试图将这些能力真正嵌入自己的业务流程时，三个结构性的问题开始浮出水面。 第一堵墙是数据安全。当AI需要操作电脑界面——读取财务报表、处理客户数据、操作内部系统——它必须持续截取屏幕画面进行理解。在云端架构下，这些截图需要上传到远程服务器，而屏幕上往往承载着企业最敏感的信息。即便服务商承诺"不存储"，数据曾经离开设备的事实本身，在《数据安全法》和GDPR的合规框架下已经构成风险。对于金融、医疗、政务等行业，"数据不出域"不是偏好，是刚性要求。 第二堵墙是成本。云端模型按Token或调用次数计费，而GUI操作场景下，AI需要高频处理高分辨率屏幕截图——每一次"看屏幕"都是一次视觉推理调用。一个真正有用的AI助手应当具备主动性：自动检查邮箱、预判会议安排、监控系统异常。但在云端架构下，每一次主动运算都是平台侧的成本支出。当数百万用户同时使用，主动服务频次越高，平台费用越不可控。这从根本上限制了云端AI的"主动性"——不是不想主动，是主动不起。 第三堵墙是可用性。目前市面上的端侧AI方案，大多停留在"能聊天"的阶段。真正能在本地设备上看懂屏幕、理解界面语义、操作桌面软件的GUI智能体，几乎是空白。企业想要的不只是一个本地跑的语言模型，而是一个能替人干活的端侧操作助手。 趋势转折：硬件、框架、算法同步

9月1号希音在港股挂牌，发行价48.56港元，募了132亿港元，今年港股最大的时尚品牌IPO。 说实话，我一开始对这公司没什么特别感觉。印象里就是"便宜衣服、款式多、发货快"，典型的中国供应链出海，赚的是辛苦钱。直到我把招股书从头到尾翻了一遍，有些东西才慢慢浮出来——不是那些增长数字，是它花钱和花时间的方式，让我觉得不太一样。 一件小事：工程师蹲车间，研究一个缝纫机零件 先说一个最打动我的细节。 服装厂做那种带珠片亮片的礼服裙，缝纫机针走线的时候经常被珠子卡断，面料还容易扎破洞。这毛病在行业里存在几十年了，设备厂觉得工序太小众，不愿意投人投钱去改。结果希音的工程师跑到广州番禺的车间里，蹲在现场搞出了一种鸟嘴形状的缝纫机压脚——圆珠自动被拨到两边，针从缝隙里顺过去，一次成型。 就这一枚几毫米宽的小零件，解决了一个几十年没人碰的"小问题"。 仅2026年一季度，这类自研工具就向供应商交付了1200件。希音这些年累计开发了180多项类似工具，平均让工序效率提升了35%。 你说一个年收入几百亿美元的公司，工程师蹲车间研究一枚压脚图啥？图的是十年后。 这种投入上不了新闻头条，但希音背后有1700多个自研系统常年跑着、迭代着——覆盖趋势预测、生产调度、物流配送，全链路都是自己写的代码。所以它库存周转能做到36天，阿迪达斯164天，优衣库母公司迅销114天。这个差距不是哪个季度冲出来的，是十几年一件件小事堆出来的。 我对长期主义最朴素的理解就是：把钱和耐心，持续投进那些短期根本看不到回报的地方。 一个信号：它不光自己卖货，开始往外"送水电"了 再说个容易被忽略的数据。 希音的服务收入占比，2023年才2.7%，到今年一季度已经涨到14.3%了。啥意思？它开始把供应链、物流、流量这套能力开放给别的品牌和设计师用了。 那个叫SHEIN Xcelerator的项目，名字挺洋气，事儿其实特朴素：

明略科技的270天股份锁定期已经届满，市场围绕流通盘变化的讨论随之升温。 但解禁只是股份从“限制流通”转为“可以流通”，并不等同于相关股东一定减持。对一家刚完成业务模式升级的AI公司来说，我更关心的，是其Agentic Services能否从首年破亿元继续走向规模化。 因为决定明略科技中长期价值的，终究还是收入、效率和商业模式。 明略的底牌，是积累了近20年的企业数据 这一轮AI浪潮发展到今天，市场对大模型参数的兴奋已经有所降温，企业客户开始追问一个更实际的问题：AI到底能帮我多赚多少钱，或者节省多少成本？ 这恰好是明略科技长期深耕的方向。 公司成立于2006年，主要围绕企业营销和运营场景提供数据智能产品及解决方案。与面向个人用户的通用AI产品相比，企业级AI需要面对更复杂的数据权限、业务流程和效果衡量标准。 一家消费品牌想要优化营销，不能只生成几张海报，还需要完成市场洞察、内容策划、素材生产、渠道分发和效果复盘；一家连锁企业想提高门店效率，也不能只部署聊天机器人，还要把AI接进订单、员工管理和客户服务流程。 明略科技过去积累的价值，就在这些真实业务场景里。 截至2025年，公司已经服务约2100家品牌客户和超过24万家企业用户，大客户续约率达到96%。长期客户关系带来的不只是收入，还有企业经营过程中不断产生的多模态数据、行业知识和反馈样本。 大模型本身可以快速迭代，真实商业数据和工作流经验却很难在短期内复制。这构成了明略科技发展企业级Agent的重要基础。 从“看懂数据”走向“交付结果” 明略科技2025年最值得关注的变化，是正式推出Agentic Services业务。 过去的数据智能业务，主要帮助客户采集、整合和分析数据，再将洞察结果交给客户。Agentic Services向前多走了一步：AI不仅负责分析，还参与内容生产、营销投放和运营执行，最终围绕客户设定的业务目

近期无人货运赛道的热度正在持续攀升：东风OpenVAN 4000台启动批量交付，顺丰198台无人车跑通昼夜运营，特斯拉Robovan官宣2027年量产。而刚登陆港股的 “物理AI第一股” Momenta，也在7月底正式亮出了自己的Robovan业务，成为又一个下场无人货运的头部智驾玩家。 和很多从零起步的创业公司不同，Momenta的Robovan从一开始就带着鲜明的 “量产降维” 属性 —— 把已经在百万台乘用车上验证成熟的R7 世界模型、无图智驾方案，直接复用到无人货运场景。这也让它成为当前赛道里，最懂规模化落地的玩家之一。 一、别人从零造车，它带着百万级数据入场 在小编看来，Momenta切入Robovan赛道，最大的优势不是技术从零突破，而是把已经跑通的量产能力直接平移，形成了对传统方案的降维打击。 核心差异体现在三个关键点： 无图方案摆脱高精地图依赖：和行业多数依赖高精地图的无人配送车不同，Momenta 把乘用车量产验证的无图智驾技术引入Robovan，不用逐城绘制高精地图，车辆交付效率大幅提升，落地成本也显著降低。这对于需要快速拓展城市的城配场景来说，是决定性的优势。 一套世界模型复用全场景：依托R7 世界模型基座，Momenta用同一套大模型同时支撑乘用车智驾、Robotaxi、Robovan、Robotruck多条业务线。百万台量产车积累的海量真实路测数据，可以反哺货运场景的算法迭代，数据飞轮的转动速度远高于单一赛道玩家。 车规级标准打底：得益于和全球主流车企的量产合作经验，Momenta Robovan从研发之初就遵循车规级标准，在可靠性、安全性、量产一致性上，比改装类方案高出一个量级。 二、落地进度超预期，双线跑通 从目前披露的信息来看，Momenta的Robovan绝非PPT项目，已经进入真实场景落地阶段。 7月27日，Momenta正式官宣Robo

6月10日，中国智能零售柜领域的头部运营商——深圳市丰宜科技集团股份有限公司（运营品牌”丰e足食”）正式向港交所主板递交上市申请。招股书显示，按2025年已安装智能零售柜数量及商品交易总额（GMV）计，丰宜科技均位列中国第一，市场份额分别为21.5%和11.5%，年末POS/智能柜规模达18.4万个，覆盖72座城市、100多个零售场景。 这不仅仅是一家无人零售公司的上市故事，更代表着无人零售从”硬件铺设”走向”系统运营”的行业拐点。丰宜科技的核心逻辑，是用AI决策、直营点位和商品供应链共同支撑，构建一张可复制的近场智能零售网络。 规模第一：装机量与GMV双领跑，盈利指标同步改善 丰宜科技的历史可追溯至2017年11月，最初作为顺丰控股的附属公司成立，后经历多轮融资及管理层收购，逐步独立发展。招股书显示，公司是业内首家实现智能零售柜大规模部署的运营商，于2019年便与硬件制造商合作开发出成本仅为传统自动售货机约30%的智能零售柜，领先行业三至四年解决了机械卡住、交易缓慢、无实时库存追踪及高成本维护等痛点。 从经营指标看，丰宜科技在规模扩张的同时，盈利质量持续改善。2023年至2025年，公司GMV从14.5亿元增至23.4亿元，复合年增长率为27.1%。收益从12.44亿元增至20.09亿元，毛利率由52.4%提升至55.8%。经调整EBITDA从2023年的0.57亿元增至2025年的1.91亿元；调整后净利润于2025年达到1.19亿元，且各期间均保持经营现金流为正，成为行业内首家实现持续规模化盈利的智能零售柜运营商。 轻场景战略：低客流不等于低价值，单点门槛被重新定价 丰宜科技的核心差异化在于长期聚焦”轻场景”市场。与传统零售渠道主攻高流量商业场景不同，公司重点覆盖办公室、工厂、酒店、物流仓储、健身房等点位——这类场景客流相对分散，但需求稳定，传统便利店覆盖成本较高，而

此前我们聊过不少AI概念股，今天看看刚纳入港股通、近期关注较大的"全球Agentic AI第一股"——明略科技。 先看业绩。2025年，明略科技实现营收14.3亿元，同比增长3.2%。其中数据智能业务板块收入12.6亿元，基本盘稳固；更值得关注的结构性变化是，新增代理服务（Agentic Services）业务首年即实现营收1亿元。 这意味着公司不再只是传统数据智能服务商，Agentic AI能力已开始产品化并产生规模化收入。从"技术储备"到"收入兑现"，是估值逻辑切换的关键信号。 盈利端更能说明问题。2025年归母净亏损64.15亿元，主要是优先股公允价值变动导致的非经营性亏损，不影响实际经营现金流。经调整净利润4204.3万元，成功扭亏为盈。AI赋能下的经营杠杆效应已经开始显现。 技术层面，公司自研的多Agent开源协作平台Octo已在内部高效运转；端侧GUI-VLA智能体模型Mano-P在多个公开基准测试中取得领先成绩；5月发布的首款AI Native硬件Octic，标志着从纯软件向软硬一体延伸。 在与香港教育大学的合作中，明略科技开放了商业智能体平台DeepMiner、Octo、CoCraft等核心工具，这些都是经过大量企业级场景打磨的生产力工具，而非实验室Demo。 6月4日，明略科技与香港教育大学签署战略合作备忘录，共建"AI+教育"联合研究平台。双方将围绕联合科研、课程融合、实习游学、员工进修四大方向展开深度合作。 香港教育大学副校长陈智轩教授表示，这次合作实现了"政策导向、产业需求与学术发展的完美交会"。对明略而言，这意味着Agentic AI从商业场景向教育科研横向拓展，香港作为国际化桥头堡，既能验证技术普适性，也为全球化人才储备和学术背书打下基础。 Agentic AI赛道确实吸引了**、阿里、腾讯等巨头入局，但明略科技的差异化优势在于近二十年的行业数据

GTC Taipei扔下了一颗炸弹。 英伟达CEO黄仁勋亲自站台，Sharpa Wave + NVIDIA Isaac GR00T + 宇树H2，三方联手的参考人形机器人正式亮相。 这事的含金量，绝不是发布一款新品那么简单——这是在给整个行业定标准、搭骨架。而这场盛宴最大的隐形赢家之一，是站在Sharpa身后的禾赛。前两天的股价已经先涨为敬，虽然现在港股小幅回调，但应该是利好兑现后的获利回吐，反而是上车的好机会。 首先，sharpa和禾赛的关系，远比表面深。感兴趣的兄弟可以去搜一下晚点对李一帆他们的采访，看完你就懂了——这三个哥们简直是个天才，怎么每次创业都这么行？ 话说回来，禾赛作为全球激光雷达头部，和英伟达的深度合作也已经很久了。 早在今年的三月份，在 NVIDIA GTC 2026 发布会现场，黄仁勋身后的「Global L4 and Robotaxi Ecosystem Building on NVIDIA」巨幅生态图谱中，禾赛（HESAI）就作为合作伙伴被重点标注了。 但这只是旧地图。今年4月，禾赛宣布战略升维到空间感知，这又是一步好棋。因为当Sharpa、宇树、英伟达三方联手做人形机器人时，禾赛作为物理AI关键的基础设施供应商，实际上是在给三家同时卖铲子： 举个例子，在 NVIDIA 最新的人形机器人参考设计中，英伟达提供大脑（算力+开发平台），宇树提供身体（H2本体），Sharpa提供双手（触觉灵巧手），禾赛则为Sharpa提供“肌肉”（机器人动力模组）。以后全球开发者想做人形机器人，大概率就按这个架构来了。参考设计一旦成为事实标准，上游供应链的订单就是确定性最高的。 具身智能的卖水人：禾赛跨赛道基础设施的价值重估 说到宇树，不得不提宇树科创板IPO过会，73天创纪录，420亿起步市值，A股"具身智能第一股"箭在弦上。资本市场对人形机器人的狂热已经挡不住了。

5月29日，思格新能源正式发布全球首个“AI + 新能源”全域能源智能体——SigenAgent，并同步推出“AI in All”全球战略。 $思格新能(06656)$ 在发布会现场，思格新能源董事长许映童表示，SigenAgent的运行逻辑可以概括为用户定目标，AI来思考，设备去执行。“今天思格发布的，不只是一款新产品，也不只是一次技术升级。我们交付的，是一种全新的能源生活方式。” 对业界来说，这场发布会也意味着新能源行业正在从“设备智能化”迈向“能源自主化”，AI已经成为新能源行业新的操作系统。 新能源行业为什么需要AI 随着全球光储渗透率快速提升，新能源行业进入到一个新阶段。欧洲、北美、澳洲等市场，光储一体化已经从“可选”走向“标配”，光伏与储能装机比例，也从2024年的8:1快速压缩至2026年的4:1。这意味着，每增加一度光伏发电，背后对储能调节和智能控制的需求都在快速增长。 同时，整个能源系统也变得越来越复杂。在欧洲市场，用户需要盯着动态电价寻找最佳充放电时机；在澳洲，电价一天可能波动几十次；在中国工商业储能场景中，企业不仅要考虑峰谷套利，还要兼顾需量电费、负荷管理和备用电源。 因此，以前依赖人工经验和固定策略的能源管理方式，已经逐渐触达能力边界，行业开始期待出现一种“会思考”的能源系统，而思格SigenAgent的出现，正好满足了这种期待。 思格SigenAgent：能源行业首个全域智能体 在发布会上，许映童对SigenAgent全域能源智能体的定义非常明确：“这不是一个简单的AI助手，而是一套能够理解用户目标、拆解能源任务、生成运行策略、调动设备协同运行，并持续优化结果的智能能源系统。” 他表示，过去人与能源设备之间的关系是“用户操作设备”，而SigenAgent想实