美国时间近期，人形机器人公司Agility Robotics完成与特殊目的收购公司（SPAC）的合并，正式登陆纳斯达克。交易投前估值25亿美元，PIPE融资约2.01亿美元，由富士康领投。这一事件被部分国内市场解读为公开市场首次为人形机器人确立定价锚，但交易结构与财务数据表明，其参照意义需要附加严格前提。
Agility此次并非传统承销IPO，而是SPAC合并上市。据披露，超过六成SPAC老股东选择赎回，信托资金从4.24亿美元缩减至1.64亿美元。叠加约2.01亿美元的PIPE普通股融资及其他资金约1亿美元，交易毛募资合计约4.65亿美元，且尚未扣除交易费用，实际到手净额更低。这意味着上市后公司需同时面对股权稀释、流动性偏弱与破发风险，短期内难以形成稳定的公开定价基准。
从基本面看，据Agility向美国SEC提交的S-4合并注册文件，公司2025年净销售额为178.2万美元，运营亏损约1.4018亿美元，净亏损约1.3809亿美元。以178.2万美元营收对应25亿美元投前估值，投前市销率约1400倍。该倍数更适合作为叙事参考，而非长期定价依据。
收入结构方面，2025年净销售额中关联方收入为113.2万美元，第三方独立客户收入为65.0万美元。在人形机器人早期阶段，战略投资方采购样机开展联合验证属于行业常态，但据S-4审计附注，现有大量落地部署仍带有研发试验属性。核心问题不在于收入是否来自第三方，而在于这些收入是否具备可复制、可规模化的商业价值。
市场广泛提及的超3亿美元多年期订单，实为Digit 5的三年期框架协议，单一客户、附带认股权证，交付额度按部署进度解锁，属于上限规模而非不可撤销的确认收入。S-4对该订单的关键界定是收入实现取决于合同里程碑和特定产品功能或规格，1000台机器人并不等同于1000个独立购买决定。GXO是已产生实际运行时长的存量客户，并非该3亿美元订单的签约主体。早期工业机器人与RaaS的大额框架单普遍采用里程碑与验收门槛模式，订单是否包含保底采购量，比3亿美元的上限数字更具判断价值。
公司在投资者日提出机器人小时成本仅为人工的46％，该结论基于月费8500美元、叠加部署成本、按五年周期摊销的假设。测算未计入故障停机、人工值守、场景改造、保险和持续运维开支，且强约束条件是机器人需持续满负荷、高稼动率运行。仓储业务受淡旺季影响波动明显，稼动率恰是RaaS总拥有成本测算中最大的变量，直接宣称成本已优于人工属于过度简化。
国内流传的宇树市值530亿美元、约为Agility二十倍的对比同样需要校准。宇树于2026年8月登陆科创板，发行市值609亿元人民币，发行价150.8元，上市后股价大致处于2600亿至2800亿元区间，10月底收盘对应市值约2600亿元出头，折合约366亿美元。530亿美元系将瞬时盘中高点视为常态、混用人民币与美元口径所得。业务口径上，宇树营收还包含四足机器人、教育机器人、运动控制模组等成熟业务，而Agility几乎全部资源押注仓储场景的Digit人形机器人，以多业务集团整体市值对标单一场景整机公司的投前估值并直接计算倍数，并不严谨。此外，宇树前三季度归母净利润3.87亿元，扣非净利润3.49亿元，同比下滑18.78％，单季度归母净利润同比下降17.37％，国内头部厂商同样面临业绩压力。
从路线看，Agility走垂直专用RaaS路径，Digit聚焦仓储搬运、分拣与货架上下料，运动层采用强化学习，任务层依靠传统规划加云端调度，先锁定订单再逐步扩产。其核心指标包括单场景累计运行时长、RaaS复购、长期服务合同与单位交付对应的现金消耗，天然适配专用人形机器人，并不适合衡量通用人形平台。宇树则先压低本体成本、构建规模化硬件底座，再依靠开发者生态与行业客户拓展应用。用仓储RaaS的复购指标衡量通用移动开发平台，类比失当。
但需注意，Agility长期叙事的终点仍是通用人形机器人，Digit 5只是锚定仓储场景的商业化抓手。25亿美元估值不仅为仓储搬运业务定价，也包含专用场景验证后向更多场景扩张的期权价值。美国走专用、中国走通用的二分框架同样过于粗糙，宇树也在布局工业巡检与科研场景，国内大量团队采用底座加垂直行业定制的混合路线。两套标尺并非完全隔绝，同赛道内估值溢价与折价会跨路线传导：若Agility持续跑出健康的RaaS现金流并推动估值上行，市场将倒逼通用机器人团队披露场景试点回款与单场景总拥有成本；反之，一旦其交付不及预期，整条人形赛道包括通用底座标的都可能遭遇估值下杀。
对国内拟IPO的人形机器人企业而言，Agility上市传递的信号并非美股愿意为纯叙事型整机项目支付高溢价，而是公开市场对收入质量、交付节奏与现金消耗的审视正在前置。短期观察点在于上市半年内流通盘是否稳定，中期则取决于Digit 5在2027年上半年的交付节奏。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
