Agibot menuju target pendapatan sepuluh miliar yuan, peningkatan volume robot humanoid bergantung pada pesanan dan data tugas
Agibot menetapkan target pendapatan 10 miliar yuan pada 2027, sepuluh kali lipat dari 1 miliar yuan yang dicapai pada 2025. Xiangcai Securities optimistis terhadap robot humanoid sebagai penerapan nyata AI fisik. Dalam jangka pendek, perhatiannya lebih tertuju pada produksi massal komponen, sedangkan persaingan jangka panjang bergantung pada kemampuan model dan data pekerjaan nyata untuk saling memperkuat.
Pertama diterbitkan di Unhidea：Tanggal sumber asli：
Pokok utama
Robot humanoid sedang beralih dari demonstrasi kemampuan bergerak menuju penerapan pada tugas nyata. Apakah target ekspansi Agibot dapat diterjemahkan menjadi peluang bagi rantai industri bergantung pada pesanan produksi massal serta iterasi berkelanjutan model dan data dari robot fisik.
Dari 1 miliar yuan menjadi 10 miliar yuan, target ekspansi apa yang ditetapkan Agibot?
Dalam konferensi mitra pada 17 April 2026, Agibot mengungkapkan bahwa pendapatan pada 2025 telah mencapai 1 miliar yuan. Perusahaan juga menetapkan target pendapatan 10 miliar yuan pada 2027 dan melampaui 100 miliar yuan pada 2030. Dengan pendapatan aktual 2025 sebagai dasar, target 2027 tersebut berarti peningkatan skala menjadi sepuluh kali lipat dalam dua tahun.
Rencana ini memberikan arah ekspansi kapasitas bagi rantai industri, tetapi produksi massal dan pesanan masih menjadi penghubung antara target dan pendapatan pemasok. Materi tersebut menempatkan industrialisasi pada tahap awal peningkatan volume “1–10”; Xiangcai Securities juga menyebut laju produksi massal dan validasi pesanan sebagai variabel paling langsung bagi rantai industri.
Saat robot beralih dari “bisa bergerak” menjadi “bisa bekerja”, bagaimana hambatannya berubah?
Xiangcai Securities menilai robot humanoid sebagai penerapan nyata yang penting bagi AI fisik, dengan kunci berupa pengubahan pemahaman visual, penalaran spasial, dan instruksi bahasa menjadi tindakan serta kemampuan kerja nyata. Karena itu, perhatian industri meluas dari struktur mekanis, kemampuan bergerak, dan biaya perangkat keras ke kecukupan data tugas nyata serta cara robot menyelesaikan pekerjaan secara mandiri.
Iterasi model dan aliran balik data dari robot fisik saling bergantung: penerapan dalam lebih banyak skenario produktif memerlukan terobosan kemampuan kecerdasan sekaligus data tugas nyata untuk mendukung pelatihan. Menurut jalur pengembangan industri yang dikemukakan Agibot, “bergerak seperti manusia” hanyalah tahap uji coba awal; perluasan penerapan selanjutnya bergantung pada peningkatan kecerdasan yang dihasilkan oleh roda gila data.
Mengapa peluang dalam rantai industri perlu dilihat secara terpisah untuk jangka pendek dan jangka panjang?
Xiangcai Securities menilai segmen yang lebih pasti diuntungkan dalam jangka pendek mencakup tangan robot yang cekatan, reduktor, sekrup penggerak, modul sendi, perangkat keras persepsi, dan peralatan pengumpulan data. Keterkaitannya terletak pada permintaan perangkat keras tersebut dari produksi massal robot; realisasi peluang tetap bergantung pada peningkatan volume aktual dan pesanan.
Dalam jangka menengah hingga panjang, lembaga tersebut lebih optimistis terhadap produsen robot yang unggul dalam kemampuan model fondasi embodied. Perusahaan di segmen menengah perlu mendorong iterasi perangkat keras sekaligus meningkatkan kemampuan perangkat lunak; materi tersebut menilai bahwa perusahaan dengan kemampuan produksi massal berkelanjutan lebih mudah memenuhi permintaan saat volume meningkat.
Di antara kerja sama yang tercantum dalam materi tersebut, Longcheer Technology berpartisipasi dalam pendanaan Seri B Agibot dan bekerja sama dengan Agibot pada skenario industri. Tim internalnya juga meneliti penggunaan robot dan AI untuk meningkatkan lini produksi. Kerja sama saat ini berupa eksplorasi bersama atas penerapan berskala besar, dengan hubungan bisnis yang spesifik pada lingkungan pabrik; materi tersebut tidak menyebutkan skala pesanan atau pendapatan yang telah terbentuk.
