Ist es jetzt an der Zeit für die Industrie-AI bei IPOs an der Hongkonger Börse?

Text | Wang Yi

Im Jahr 2026 befindet sich die Hongkonger Börse in einem von KI dominierten IPO-Zyklus.

Im Vergleich zur Hektik um Hardtech und der Welle der doppelten Börsengänge an der chinesischen A-Aktien-Börse im vergangenen Jahr hat sich die Hauptlinie der IPOs an der Hongkonger Börse dieses Jahr deutlich hin zu Künstlicher Intelligenz verschoben, und der Markt zeigt eine höhere Toleranz gegenüber Bewertungen und ein größeres Engagement.

Seit Anfang des Jahres sind an der Hongkonger Börse mehrere KI-Unternehmen mit Marktkapitalisierungen von über 100 Milliarden Yuan aufgetaucht: Die Marktkapitalisierungen von großen Modellherstellern wie Zhipu und MiniMax sind auf mehrere hundert Milliarden Yuan gestiegen. Xunce hat im Laufe des Jahres einmal um 500 % gestiegen und ist damit in die Milliardenklasse aufgestiegen. Chipunternehmen wie Tianshu Zhixin und Biren Technology haben ebenfalls die Schwelle überschritten.

Aus den Finanzdaten geht hervor, dass der Umsatz und die Gewinne dieser Unternehmen noch nicht allzu hoch sind. Der entscheidende Wandel besteht jedoch darin, dass die Kommerzialisierung der KI von der "Erwartung" zur "Erfüllung" übergeht. Rechenleistung, Daten und Modelle beginnen, eng mit realen Bedürfnissen verknüpft zu werden, und die Marktpreise für zukünftige Ergebnisse werden ebenfalls vorverlegt.

Vor diesem Hintergrund beginnen die führenden Unternehmen im Bereich der industriellen KI, sich auf den Kapitalmarkt zu konzentrieren. Die Anträge von IndustriekI-Intelligenzagenturunternehmen wie Simu Technology erweitern nicht nur die KI-Karte der Hongkonger Börse, sondern rücken auch eine realistischere Frage in den Vordergrund:

In der ersten Linie der industriellen Szenarien: Wie viel prüfbaren und skalierbaren Wert kann die KI tatsächlich schaffen? Und wenn große Modell- und Chipunternehmen bereits Marktkapitalisierungen von über 100 Milliarden Yuan haben, wie weit kann die aktuelle Welle von IPOs im Bereich der industriellen KI tatsächlich gehen?

01

Industrielle KI: Skalierte Implementierung

Die Einbringung von KI in den Produktionsprozess ist das Kernthema der intelligenten Transformation der Fertigungsindustrie. Dies ist jedoch nicht einfach ein technologisches Experiment, sondern eine notwendige Wahl, die auf Veränderungen in der Bevölkerungsstruktur und steigenden Arbeitskosten basiert.

Für Unternehmen wird die Substitution von Menschen durch Maschinen und die Verbesserung der Ausschussquote durch Algorithmen von einem Pluspunkt zu einer unabdingbaren Notwendigkeit. Aus der Perspektive des industriellen Trends hat Cisco in einem Forschungsbericht festgestellt, dass die Anwendung von KI in der industriellen Produktion bereits aus der Experimentierphase herausgekommen und weit verbreitet ist. 59 % der Hersteller haben bereits eine skalierte Implementierung begonnen.

Allerdings verdeckt das Wort "Implementierung" die entscheidenden Unterschiede. Die meisten Hersteller konzentrieren ihre Implementierungen eher auf standardisierte Szenarien wie lokale Inspektionen und vorausschauende Wartungen. Nur wenige haben tatsächlich in Kernbereiche wie Prozesssteuerung und Produktionsplanung eingestiegen. Dies ist auch der Grund, warum der Umsatz der meisten chinesischen IndustriekI-Unternehmen auf 100 Millionen Yuan beschränkt bleibt. Nur wenige führende Unternehmen können 1 Milliarde Yuan erreichen. Es ist nicht, dass der Markt zu klein ist, sondern dass die industriellen Produktionslinien eine fast zwanghafte Forderung nach Sicherheit stellen. Die "wahrscheinlichkeitsbasierte Ausgabe" von großen Modellen steht in Konflikt mit diesen Anforderungen. Hinzu kommt, dass die Produktionsdaten hochgradig fragmentiert sind und die Unternehmen legitime Bedenken hinsichtlich Netzwerk- und Datensicherheit haben. Daher ist der Fortschritt der KI-Implementierung in den tieferen Ebenen schwieriger als erwartet.

Deshalb konzentrieren sich die KI-Breakthroughs zunächst auf die hochwertige Fertigungsbranche, die über bessere Infrastruktur und einen höheren Automatisierungsgrad verfügt. Die Umfrage im "Leitfaden für die Integration von Industrie und KI" bestätigt diese Verteilung: Die KI-Nutzungsraten in Branchen wie Halbleiter und Elektronik, Automobil und Energie sind führend. Diese Branchen verfügen über bessere Datenbasis und Engineering-Fähigkeiten und haben mehr Motivation, KI zur Lösung komplexer Produktions- und Forschungsfragen einzusetzen.

Abbildung: KI-Nutzungsraten in industriellen Subbranchen. Quelle: "Leitfaden für die Integration von Industrie und KI", 36Kr-Sortierung

Mit der skalierenden Implementierung in diesen führenden Branchen ändert sich auch das Geschäftsmodell der industriellen KI: Von der frühen Validierungsphase, die hauptsächlich auf maßgeschneiderte Projekte abzielte, geht es schrittweise hin zu einer skalierbaren und replizierbaren Lieferung. "Intelligenz als Service" hat nun eine realistische Grundlage. Es ist jedoch zu beachten, dass diese Skalierbarkeit derzeit noch von führenden Kunden und bestimmten Szenarien abhängt und es noch einen langen Weg bis zur breiten Verbreitung gibt. Dies bedeutet aber auch, dass es ein breites Marktpotential gibt.

Dieser Wandel spiegelt sich auch in der Unternehmensführung wider. Die Branche geht von der Einzelvalidierung zur kommerziellen Expansion über. Das Wachstum des Umsatzes der führenden Unternehmen ist das direkteste Signal. Nehmen wir Simu Technology als Beispiel. Sein Umsatz erreichte 2025 1,086 Milliarden Yuan, und die Anzahl der Kunden überstieg 730. Der Anteil der Umsätze der fünf größten Kunden sank von 39,3 % auf 22,0 %, und die Kundenstruktur wird zunehmend diversifiziert.

Betrachtet man die Branchenverteilung, konzentriert sich die skalierte Implementierung von Simu Technology ebenfalls auf die hochwertige Fertigungsbranche, einschließlich Verbrauchselektronik (3C), Alternative Energien, Präzisionsfertigung und Schienenverkehr. Die meisten dieser Kunden sind führende Unternehmen in ihren Branchen, wie Tesla, Luxshare Precision, Goertek, BOE und Keda Lithium. Diese Branchen zeichnen sich durch komplexe Produktionsprozesse, einen hohen Automatisierungsgrad und eine hohe Sensibilität für die Ausschussquote und die Effizienz aus und sind daher die ersten Szenarien, in denen die industrielle KI ihren Wert realisieren kann.

Für die Akteure im Bereich der industriellen KI ist die kommerzielle Skalierung kein ferner Traum, sondern eine realistische Tatsache. Aber diese Realität bedeutet auch strengere Prüfungen - wenn die KI aus dem Labor herauskommt, zahlt die Produktionslinie nicht für etwas, das "ungefähr" stimmt.

02

Industrielle KI-Intelligenzagenturen: Die realistische Antwort

Im industriellen Wertschöpfungsketten ist die Produktion der Bereich, in dem die KI am leichtesten Wert schaffen kann - die Effizienzsteigerung und die Kostensenkung können oft direkt in Unternehmensgewinne umgesetzt werden.

Das Problem ist jedoch, dass die meisten Implementierungen der industriellen KI derzeit noch auf der Ebene der "Detektion - Alarmierung" bleiben - die KI erkennt Defekte, und die Menschen behandeln sie dann. Es ist schwierig, tatsächlich in die Kernbereiche der Produktionslinie einzudringen. Um die Ausschussquote und die Effizienzkurve wirklich zu verändern, muss die KI von den "Augen" zu den "Händen" werden und in der Lage sein, Geräte direkt anzusteuern, Parameter anzupassen und Aktionen auszuführen.

Genau dies ist die Frage, die die "Industrielle KI-Intelligenzagentur" zu beantworten versucht.

Einfach ausgedrückt, ist eine industrielle KI-Intelligenzagentur ein KI-System, das in industriellen Szenarien "Wahrnehmung - Schlussfolgerung - Ausführung" durchführen kann: Mit einem großen Modell als Kern, kombiniert mit Branchen-Daten und Geschäftsprozessen, kann es sowohl Produktionsprobleme verstehen als auch Systeme oder Geräte zur Durchführung von Aufgaben nutzen. Ihre Form kann ein großes Modell oder ein industrielles Software-System sein, auch ein Roboter oder ein integriertes Hardware-Software-Produkt.

Nehmen wir als Beispiel eine Produktionslinie für Handy-Motherboards. Eine herkömmliche KI kann Ihnen sagen, dass die Leerlötrate in diesem Los um 3 % höher als der Standard ist, und dann stoppt der Ingenieur die Produktion und führt Einstellungen durch. Eine industrielle KI-Intelligenzagentur kann jedoch in Echtzeit die besten historischen Parameter vergleichen, die Paste-Dicke und die Reflow-Löt-Temperatur des nächsten Boards automatisch anpassen und, nachdem sich die Qualität bei mehreren aufeinanderfolgenden Boards verbessert hat, die neuen Parameter in das Steuerungssystem der Produktionslinie festschreiben - ganz ohne menschliche Intervention. Dies ist der wesentliche Unterschied zwischen "Analyse" und "Ausführung" und der Grund, warum die Fabriken bereit sind, kontinuierlich zu zahlen.

Aus der Ausrichtung der ausländischen Hersteller geht hervor, dass sich in Bezug auf die industrielle KI-Intelligenzagentur ein Konsens bildet, aber die Wege sind unterschiedlich.

Beispielsweise hat Siemens kürzlich den Engineering-Intelligenzagenten Eigen eingeführt, der direkt an der Engineering-Konfiguration und der Erzeugung von Steuerlogiken beteiligt sein kann und eher ein softwareorientierter Engineering-Intelligenzagent ist.

ABB greift von der Seite der Hardware-Roboter an und integriert KI-Fähigkeiten in die Ausführungsseite, damit sie in der realen Umgebung Vorgänge ausführen kann. Cognex hingegen integriert KI-Fähigkeiten in Maschinenvision-Geräte und realisiert die Intelligenz der Geräte durch die Verbesserung der Wahrnehmungs- und lokalen Entscheidungsfähigkeiten.

Man kann sehen, dass trotz unterschiedlicher Wege der Gemeinsamkeitspunkt darin besteht, dass alle die KI von einem Analysetool zu einer Ausführungseinheit im Produktionsprozess bringen.

Chinesische Hersteller neigen eher zu einem ganzheitlichen Ansatz, der Hardware und Software kombiniert.

Nehmen wir Simu Technology als Beispiel. Es hat ein ganzheitliches System aufgebaut, bestehend aus "KI-Infrastruktur (untere Ebene) - große Modelle und allgemeine industrielle Plattform (Mittelstand) - Randwahrnehmung und Roboter-Endgeräte (Anwendungsebene)". Insbesondere die Roboterprodukte, die mit dem industriellen multimodalen großen Modell IndustryGPT ausgestattet sind, werden zunehmend zum Wachstumskern.

Die Finanzdaten spiegeln auch diesen Wandel wider. Zwischen 2023 und 2025 stieg der Umsatz von Simu Technology von 485 Millionen Yuan auf 1,086 Milliarden Yuan, was einem durchschnittlichen jährlichen Wachstum von etwa 50 % entspricht. In derselben Zeit stieg der Anteil der Einnahmen aus industriellen KI-Intelligenzagenturen (Roboter, Rand-KI-Sensoren, Intelligenzagentur-Software-Systeme) von 62,4 % auf 78,5 %, und das Geschäft konzentriert sich zunehmend auf die Intelligenzagenturen.

Genauer betrachtet stieg der Anteil der Einnahmen aus dem Roboterbusiness von 29,0 % auf 40,1 % und erreichte 2025 436 Millionen Yuan, was einem durchschnittlichen jährlichen Wachstum von über 70 % entspricht. Dies bedeutet auch, dass das Schwergewicht der kommerziellen Aktivitäten der industriellen KI sich hin zu ausführenden Intelligenzagenturen verschiebt.

Ein weiteres bemerkenswertes Signal ist die Steigerung des Wertes pro Kunde. Nehmen wir weiterhin Simu Technology als Beispiel. Der Umsatz pro Kunde seiner Roboterprodukte stieg von 1,826 Millionen Yuan im Jahr 2023 auf 3,630 Millionen Yuan im Jahr 2025. Dies zeigt, dass die Akzeptanz der Kunden für die relevanten Produkte in der Branche steigt. Andererseits kann es auch bedeuten, dass die Tiefe der industriellen KI-Implementierung zunimmt und nicht nur die Anzahl der Kunden wächst.

03

Die Betriebsprüfungsphase der führenden Unternehmen

Für die chinesischen Akteure im Bereich der industriellen KI ist die realistischere Frage, nachdem die Geschäftsrichtung klarer geworden ist und der Umsatz beginnt zu wachsen: Kann die Cashflow-Situation die langfristigen Investitionen und den kontinuierlichen Betrieb unterstützen?

Die industrielle KI ist ein typischer Langzeit- und Hochinvestitions-Sektor. Es ist sowohl erforderlich, kontinuierlich in die Forschung und Entwicklung von Hardware und Software zu investieren als auch in der vertikalen Branche langfristig Prozess- und Szenario-"Know-how" zu sammeln.

Nach Statistiken von CIC Consulting lassen sich die derzeitigen chinesischen Akteure in der industriellen KI-Intelligenzagentur in zwei Kategorien einteilen: Ausländische traditionelle Industriekonzerne und einheimische Start-up-Unternehmen. Letztere stützen sich eher auf Finanzierungen und zunehmende kommerzielle Fähigkeiten, während die ersteren auf der Grundlage ihrer traditionellen Geschäftstätigkeiten einen stabilen Cashflow haben.

Deshalb wird die Qualität des Cashflows natürlich zu einem der Schlüsselindikatoren für die Bewertung chinesischer IndustriekI-Unternehmen am Kapitalmarkt.

Als Unternehmen mit einer relativ hohen Marktanteil (5,8 %) in der chinesischen industriellen KI-Intelligenzagenturbranche ist Simu Technology zweifellos ein Schlüsselsample für die Kapitalmärkte, um die Eigenfinanzierungsfähigkeit der Unternehmen in diesem Sektor zu bestätigen.

Aus den Daten der Börsengangsunterlagen geht zunächst hervor, dass Simu Technology unter dem Druck eines zunehmenden Verlusts steht - der Nettverlust auf dem Bilanzbuch stieg von 546 Millionen Yuan im Jahr 2023 auf 991 Millionen Yuan im Jahr 2025. Aber wenn man den Verlustursachen weiter nachspürt, wird man feststellen, dass dies in Wirklichkeit auf Störungen durch nicht-kashflowrelevante Posten im Rahmen der Rechnungslegungsstandards zurückzuführen ist.

Es gibt zwei Hauptgründe für den zunehmenden Buchverlust.

Der erste ist die Änderung des Fairwertes der Vorzugsaktien (im Jahr 2025 minus 239 Millionen Yuan). Obwohl es wie ein Verlust klingt, ist es tatsächlich so, dass sich der Unternehmenswert erhöht hat, und die früher an Investoren vergebenen Vorzugsaktien wertvoller geworden sind. Die Rechnungslegungspflicht verlangt, diesen "Wertzuwachs" als Aufwand zu verbuchen. Dieser Posten hat keine Auswirkung auf den tatsächlichen Cashflow, aber er kann diejenigen, die sich die Gewinn- und Verlustrechnung ansehen, erschrecken.

Der zweite ist die Aktienvergütung. Entsprechend hat das Unternehmen im Jahr 2025 475 Millionen Yuan an Anreizprogrammen für die Kernleitung und das technische Team verbucht.

Dieser Art von "Buchverlust" ist ein allgemeines finanzielles Phänomen, das Technologieunternehmen während des Börsengangsprozesses durchlaufen. Viele bekannte KI-Unternehmen haben in der Vergangenheit ähnliche hohe Verluste aufgrund der Erhöhung des Unternehmenswertes verbucht. Wenn man diese nicht-kashflowrelevanten Fakt