Mit Embodied Intelligence auf dem Vormarsch an die Börse: Wer erobert im „ersten Jahr der Kommerzialisierung“ die Marktspitze?

Im Jahr 2026 ist der Bereich der verkörperten Intelligenz extrem heiß gelaufen.

Am 6. Juli entfachte eine Aktualisierung auf der offiziellen Website der Shanghai Stock Exchange die gesamte Technologiebranche: Der Prüfstatus des IPOs von Unitree Robotics auf dem Sci-Tech Innovation Board änderte sich zu „Registrierung wirksam“.

Vom Eingang des Antrags am 20. März bis zur Genehmigung durch die China Securities Regulatory Commission am 2. Juli durchlief das Unternehmen den gesamten Prüfprozess des Sci-Tech Innovation Board in nur 104 Tagen – ein neuer Rekord seit der Einführung des Vorprüfmechanismus.

Nach dem Emissionsverfahren errechnet sich eine anfängliche Marktkapitalisierung von Unitree Robotics von mindestens 42 Milliarden Yuan. Die „erste Aktie des humanoiden Roboters“ an der A-Aktien-Börse wird bald offiziell notiert. Dies ist kein Einzelfall: Ein Wettlauf um Börsengänge im Bereich der verkörperten Intelligenz, der sowohl den Primär- als auch den Sekundärmarkt erfasst, ist in vollem Gange.

Das Kapital rast voran

Vom Primärmarkt bis zur IPO-Pipeline

In der ersten Hälfte dieses Jahres überstieg die Finanzierung im Primärmarkt für verkörperte Intelligenz 34,5 Milliarden Yuan. Einzelne Finanzierungsrunden von über 1 Milliarde Yuan sind zur Normalität geworden.

Seit die 2-Milliarden-Yuan-Finanzierungsrunde der B-Runde von Fourier Intelligence Investoren wie ByteDance, Alibaba, Meituan und Xiaomi anzog, setzte die 2,5-Milliarden-Yuan-Finanzierung von Galaxy Universal sogar einen neuen Rekord – der dritte Fonds des Nationalen Großfonds beteiligte sich zum ersten Mal am Bereich der verkörperten Intelligenz.

Bis Ende Juni gab es im Inland bereits 25 Einhörner mit einer Bewertung von über 10 Milliarden Yuan im Bereich der verkörperten Intelligenz, von denen 15 erst in der ersten Hälfte dieses Jahres dazugekommen sind.

Die Kapitalbegeisterung übertrug sich schnell auf die IPO-Phase. Nachdem Unitree Robotics mit seinem raschen Durchlauf der Prüfung den ersten Schritt gemacht hatte, folgte ihm Deep Robotics: Sein IPO-Antrag auf dem Sci-Tech Innovation Board wurde im Mai angenommen, mit einem geplanten Kapitalbeschaffungsvolumen von 2,503 Milliarden Yuan.

Dieses Unternehmen, das sich auf vierbeinige Roboter spezialisiert hat, hat mit seiner „Jueying“-Serie in spezialisierten Szenarien wie Strominspektionen und Bergwerkserkundungen Fuß gefasst. In der zweiten Hälfte des Jahres 2025 schloss es nacheinander die C-Runde und die Pre-IPO-Runde mit einem Gesamtbetrag von mehreren hundert Millionen Yuan ab.

An der Hongkonger Börse zeigte sich sogar ein Phänomen von Massennotierungen: Bis Mitte des Jahres waren unter den Unternehmen, die sich in der IPO-Warteschlange befanden, 51 im Bereich Robotik und verkörperte Intelligenz tätig – das entspricht 12,7 % aller in der Warteschlange stehenden Unternehmen.

Die Börsenregelung für spezialisierte Technologieunternehmen nach Regel 18C war der größte Treiber: Sie ermöglicht nicht profitablen Technologieunternehmen den Börsengang und senkte die Hürden erheblich. Woan Robotics beschaffte 1,693 Milliarden Hongkong-Dollar, während Huayan und Estun jeweils über 1 Milliarde Hongkong-Dollar einnahmen.

Hinter diesem IPO-Wettlauf hat sich eine branchenweite Übereinstimmung herausgebildet: Verkörperte Intelligenz wird allgemein als die nächste Generation von Computing-Plattformen nach dem mobilen Internet und Cloud Computing angesehen.

Wer zuerst an die Kapitalmärkte gelangt, erhält ausreichend Ressourcen, um bei der Massenproduktion, technischen Iterationen und dem Aufbau von Ökosystemen die Nase vorn zu haben.

Grundlogik der vier technologischen Pfade

Und ihre zu überwindenden Hürden

Hinter der oberflächlichen Kapitalhektik sind die Trennung und das Zusammentreffen technologischer Pfade die eigentliche Hauptlinie der Branche.

Aktuell haben sich im globalen Bereich der verkörperten Intelligenz vier klare technologische Wege herausgebildet. Sie entsprechen unterschiedlichen Grundlogiken, unterschiedlichen technologischen Herausforderungen und bestimmen die völlig unterschiedlichen IPO-Narrativen und Bewertungslogiken der Unternehmen.

Die „Bewegungssteuerungs-Fraktion“ ist der Mainstream der Roboterindustrie. Ihre Kernbarrieren liegen in der Starrkörperdynamik und hochpräzisen Aktoren. Vertreter sind Boston Dynamics und Unitree Robotics.

Ihr Technologie-Stack gliedert sich von oben nach unten in drei Ebenen: Die unterste Ebene besteht aus hochleistungsdichten Gelenkmodulen, die aus rahmenlosen Drehmomentmotoren, Harmonischen Getrieben, Doppelencodern und Treibern hochintegriert sind. Die Spitzendrehmomentdichte pro Gelenk, die Drehmomentsteuerpräzision und die Antwortbandbreite sind die Kernindikatoren.

Am Beispiel des bei humanoiden Robotern üblichen Kniegelenks: Führende inländische Unternehmen erreichen bereits Spitzendrehmomente von über 300 N·m, halten das Gewicht unter 2 kg und übertreffen eine umgekehrte Übertragungseffizienz von 85 % – damit liegen sie praktisch auf dem Niveau der internationalen Spitzenklasse.

Dies ist die physikalische Grundlage aller Bewegungsfähigkeiten und zugleich der Bereich, in dem die inländische Substitution am weitesten fortgeschritten und die Patentbarrieren am stabilsten sind.

Die mittlere Ebene umfasst die Ganzkörperdynamiksteuerung (WBC) und die modellprädiktive Steuerung (MPC).

Erstere löst innerhalb von Millisekunden die Drehmomentverteilung für Dutzende von Freiheitsgraden des gesamten Körpers, damit der Roboter auch bei Störungen das Gleichgewicht hält. Letztere nutzt rollierende Optimierung, um die Bewegungsbahn der nächsten Sekunden vorauszuberechnen – so ermöglicht sie stabiles Gehen, Laufen, Springen und das Umgehen von Hindernissen.

Dass die vierbeinigen Roboter von Unitree schwierige Aktionen wie Rückwärtssalto und schnelles Parkour ausführen können, liegt vor allem an der tiefen Zusammenarbeit zwischen MPC-Algorithmus und Hardware-Aktoren: Der Steuerzyklus wurde auf unter 1 Millisekunde komprimiert.

Die oberste Ebene ist eine Strategiebibliothek für Bewegungen durch Verstärkungslernen (RL). Herkömmliche Steueralgorithmen hängen von manueller Parameteranpassung ab – jede Art von Gelände und jeder Gangart muss von Ingenieuren einzeln eingestellt werden. Durch tiefes Verstärkungslernen hingegen kann der Roboter in Simulationsumgebungen durch Millionen von Fehlversuchen automatisch Bewegungsstrategien erlernen, die dann über Sim2Real auf das echte Gerät übertragen werden.

Aktuell haben führende Unternehmen Strategiebibliotheken mit hunderten von Bewegungsfertigkeiten aufgebaut. Die Roboter können ihre Gangart je nach Umgebung automatisch wechseln – ihre Anpassungsfähigkeit an Gelände hat im Vergleich zu herkömmlichen Lösungen eine Größenordnung zugenommen.

Der Vorteil dieses Pfades liegt in seiner soliden Grundlage: Die Hardware ist massenproduzierbar, die Leistung ist quantifizierbar und die Zuverlässigkeit ist nachgewiesen. Deshalb ist er auch der kommerziell am stabilsten verwurzelte Pfad, der die Gewinnanforderungen am leichtesten erfüllt.

Die „VLA-End-to-End-Fraktion“ ist eine neue Kraft im Zeitalter der KI. Ihre Kernlogik besteht darin, Wahrnehmung, Verständnis, Entscheidungsfindung und Aktionsausgabe durch große Modelle zu vereinheitlichen. Vertreter sind das US-Unternehmen Figure und das inländische Unternehmen Agibot – dies ist zugleich der Pfad mit der stärksten Narrativkraft und der höchsten Bewertungsprämie am Markt.

Das Kernstück der Technologie ist die dreimodale Ausrichtung von Vision-Language-Action (VLA): Der Roboter erfasst Umgebungsbilder über einen visuellen Encoder, gibt diese zusammen mit natürlichen Sprachbefehlen in das große Modell ein, und das Modell gibt direkt End-to-End die Gelenksteuerbefehle aus – ohne dass dazwischen manuell die Module „Wahrnehmung – Planung – Steuerung“ aufgeteilt werden müssen.

Das von Google DeepMind vorgestellte RT-2-Modell hat erstmals die Machbarkeit dieses Pfades nachgewiesen: Es kann abstrakte Befehle wie „Wirf das abgelaufene Fläschchen in den Mülleimer“ verstehen und auf nie gesehene Objekte und Szenarien verallgemeinern.

Im Vergleich zu herkömmlichen hierarchischen Architekturen liegt der größte Wert des VLA-Pfades in seiner Verallgemeinerungsfähigkeit. Frühere Industrieroboter konnten nur vorprogrammierte feste Aktionen ausführen – bei einem Wechsel des Objekts oder der Position mussten sie neu eingelernt werden.

Durch groß angelegtes Vortraining hingegen verfügt das VLA-Modell über die Fähigkeit zur Null-Shot- oder Few-Shot-Übertragung und kann sich schnell an neue Aufgaben anpassen. Das ist das Kernmerkmal allgemeiner Roboter und der grundlegende Grund, warum die Kapitalmärkte hohe Bewertungen gewähren.

Die „Weltmodell-Fraktion“ verfolgt den Ansatz, Roboter in der digitalen Welt zu trainieren. Ihre Kernidee ist es, die Datenerfassung mit echten Geräten durch groß angelegte Simulationsübungen zu ersetzen – so lassen sich die Datenkosten um mehr als zwei Größenordnungen senken. Vertreter sind Tesla Optimus, Physical Intelligence sowie große Technologieunternehmen wie Alibaba und Tencent aus dem Inland.

Ihr Technologie-System ruht auf drei Säulen:

Erstens: Hochpräzise physikalische Simulations-Engines. Sie müssen nicht nur die Bewegung starrer Körper, sondern auch komplexe physikalische Phänomene wie flexible Objekte, Flüssigkeiten, Reibung und Kollisionsverformungen simulieren. Je näher die Simulation der realen Welt kommt, desto besser funktioniert die Sim2Real-Übertragung.

Die von Tencent auf Basis von Spiel-Engines entwickelte Plattform HY-World erreicht bereits eine physikalische Simulationsgenauigkeit im Millimeterbereich und unterstützt das parallele Training von zehntausenden Robotern.

Zweitens: Die Technik der Domain Randomization (Bereichszufall).

Da die Simulation die Realität nie zu 100 % nachbilden kann, werden in der Simulation aktiv Parameter wie Beleuchtung, Textur, Objektform und Reibung zufällig verändert. So lernt das Modell in einer riesigen Vielfalt von Variationen die grundlegenden Gesetzmäßigkeiten und kann sich an die Ungewissheiten der realen Welt anpassen. Dies ist aktuell die gängigste Lösung für das Problem der Sim2Real-Domänenlücke.

Drittens: Die Szenenrekonstruktion mittels Neural Radiance Fields (NeRF). Mit wenigen echten Bildern lassen sich dreidimensionale digitale Szenarien schnell rekonstruieren. Dadurch kann der Roboter Aufgaben in einer digitalen Zwillingsumgebung der Realität üben, und die trainierten Strategien werden auf das echte Gerät übertragen – das senkt den Aufwand für die Vor-Ort-Einrichtung erheblich.

Das ultimative Ziel der Weltmodell-Fraktion ist es, das „Scaling Law“ der verkörperten Intelligenz umzusetzen: Ähnlich wie bei großen Sprachmodellen steigt die Intelligenz kontinuierlich an, solange mehr Rechenleistung und mehr Simulationsdaten investiert werden.

Genau darin liegt die Kernkompetenz von Tesla Optimus: Mit einem Supercomputer-Cluster kann es gleichzeitig Millionen von Robotern in Simulationsumgebungen trainieren – die Datenakkumulation läuft weit schneller als mit echten Geräten.

Doch dieser Pfad hat unumgängliche Engpässe: Die Simulationsgenauigkeit bei Szenarien mit feinen Kontaktvorgängen ist nach wie vor unzureichend. Bei Aktionen wie dem Eindrehen einer Schraube oder dem Einstecken eines Steckers, die auf winzige Kraftrückmeldungen angewiesen sind, weicht die Kontaktmechanik in der Simulation stark von der Realität ab – selbst wenn das Modell in der Simulation perfekt trainiert ist, scheitert es leicht am echten Gerät.

Darüber hinaus fehlt es reinen Algorithmus-Unternehmen im Allgemeinen an Fähigkeiten für die Hardware selbst. Die meisten geben ihre Technologie in Form offener Plattformen weiter und können kaum eigenständig End-to-End-Produkte auf den Markt bringen.

Die „Szenarien-Systemtechnik-Fraktion“ strebt nicht nach Allgemeinheit, sondern konzentriert sich auf spezielle industrielle, logistische oder spezialisierte Szenarien, um tiefgehend angepasste Systemlösungen zu entwickeln. Vertreter sind die industrielle Linie von UBtech, Pudu Robotics und das spezialisierte Robotik-Geschäft von Deep Robotics.

Sie verfolgen keine bahnbrechenden neuen Algorithmen, sondern setzen auf die ingenieurmäßige Integration ausgereifter Technologien: Sie optimieren visuelle Erkennungsalgorithmen für festgelegte Szenarien, kombinieren sie mit einer gemischten Kraft- und Positionssteuerung für präzise Arbeiten und binden die Roboter mithilfe branchenspezifischen Know-hows in die bestehenden Abläufe der Produktionslinien ein.

Beispielsweise liegt bei Schraubbefestigungs-Robotern für Automobilproduktionslinien der Kern nicht in großen Modellen, sondern in der Genauigkeit der visuellen Lokalisierung, der Genauigkeit der kraftgesteuerten Drehmomentsteuerung und der Zuverlässigkeit für den 24/7-Betrieb. Bei vierbeinigen Robotern für Strominspektionen sind die Kernmerkmale die Geländegängigkeit in komplexem Umfeld, die Genauigkeit der Infrarot-Temperaturmessung und die Echtzeit-Inferenzfähigkeit auf Edge-Geräten.

Die technologischen Barrieren dieses Pfades liegen nicht in einzelnen Algorithmen, sondern in der Fähigkeit zur Systemtechnik und der Akkumulation branchenspezifischer Daten. Je mehr Projekte ein Unternehmen in einem bestimmten Szenario umsetzt, je reicher seine Daten sind, desto ausgereifter ist seine Lösung und desto niedriger sind seine Kosten – dadurch entsteht ein positiver Kreislauf.

Diese Fraktion ist die kommerziell am stabilsten verwurzelte und hat den gesündesten Cashflow. Viele Unternehmen sind bereits profitabel, aber wegen des begrenzten Entwicklungspotenzials liegen ihre IPO-Bewertungen in der Regel deutlich unter denen der vorherigen Fraktionen.