沃安机器人2026中期业绩说明会纪要

发布时间：2026-08-28 一、AI总结内容 一、核心要点 1. 2026年上半年沃安机器人实现营收5.22亿元，同比增长31.8%；毛利2.63亿元，同比增长22.5%；研发费用1.02亿元，同比增长73.3%；归母净亏损3830万元，主要受研发投入及汇兑损失影响。 2. 三大具身新品（家庭机器人H1、运动机器人Acemate、陪伴机器人Cutar Friend）上半年贡献收入6840万元，占总收入13.1%，成为AI具身业务核心增量。 3. 海外市场增长显著，欧洲、北美营收合计同比增长145.4%，占总营收比例从28.8%提升至42.1%，日元、美元贬值一定程度上影响报表收入。 4. 核心技术One Model 1.7在标准评测中平均任务成功率达99%，覆盖精细操作、高动态等场景；推进的REI（递归具身智能）实现机器人自主探索、策略更新，形成进化闭环。 5. 商业化布局方面，奶茶机器人、数据训练中心、网球机器人、陪伴机器人等新场景落地，下半年具身收入预计同比显著增长，明年占比将进一步提升。二、财务与运营分析 1. 产品结构上，AI具身家庭机器人贡献核心收入，新产品贡献具身系统收入增量的65%；AI家庭解决方案收入6890万元，同比增长显著。 2. 费用端，上半年销售费用率33.3%，较去年同期上升但较2025年全年下降1.3pct；研发费用率升至8%；管理费用率降至5.8%，运营效率提升。 3. 汇率波动方面，上半年日元兑人民币贬值10.8pct，公司通过外汇合约抵消部分影响，下半年将优化日本产品定价、拓展欧洲市场以降低汇率风险。三、技术与基础设施 1. 建立覆盖任务设计、数据采集、模型训练的完整数据管线，累计获得10万小时训练数据，全年目标达百万小时，侧重场景多样性而非重复堆积同一场景数据。 2. 算力配置采用自有+长期租赁的双层架构，锁定超300张H100等效算力，可支持3-5天完成百万参数级模型预训练，兼具稳定性与灵活性。 3. 核心研发方向包括模型训练与优化、数据生产体系、新产品开发，200名研发人员中近200人直接参与具身智能开发。 四、投资者关注问题回应 1. 具身业务商业化：下半年重点拓展奶茶机器人、数据训练中心、网球训练机器人、陪伴机器人场景，2027年开始早期家庭试点，2028年推进10万级量产。 2. 研发投入：60%用于研发人员薪酬，35%用于算力数据，其余用于新产品研发，形成模型、数据、产品的正向循环。 3. 欧美市场增长：核心驱动力为新品产品力、渠道拓展及营销投入，DTC模式下销售费用规模效应将逐步释放。 4. 家庭场景落地节奏：2027年推动50-100台机器人进入真实家庭验证，2028年推进万级及以上量产。 五、后续安排 9月将举办多场投资者见面会，展示新场景、新产品进展。 二、音频原文（转写） 大家好，欢迎参加沃安机器人2026年中期业绩说明会，为了保证会议顺利进行，所有参会者目前处于经营状态，下面开始播报免责声明。本次会议仅服务于邀请参会的广大投资者会议音频及文字记录的内容，仅供参会者内部使用，不得公开发布万安机器人，为授权人和媒体转发。本次会议相关内容未经允许和授权的转载转发均属侵权沃安机器人将保留丢丢起法律三个权利万安机器人。不承担因转载转发而产生的任何损失和责任市场有风险投资需谨慎提醒广大投资者谨慎做出投资决策。 首先介绍出席本次会议的领导有董事会主席ce.O李志成李总执行董事c.F.O胡志东胡总。投资者关系总监戚书阳齐总在会议开始前，我们提示各位投资者在主讲嘉宾发言结束后将留有提问时间。接下来有请公司主讲嘉宾发言谢谢各位投资者分析师媒体朋友大家下午好欢迎参加沃安机器人2026年中期业绩这个发布会，我是今天的会议主持沃安的呃投关总监，那么今天在线上跟我一同参会的，还有呃管理层有沃安董事会主席兼ceo啊，李志成先生以及执行董事兼cfo胡志东先生ceo，那么下面的话由我来简要回顾一下2026年上半年的财务摘要呃，截止2026年上半年公司收入5.22亿元，同比去年增加1.26亿元，呃，同比增长了31%点。 八市场的拓展是非常有成效的。其中人形机器人固安的呃弯肉h1 acemate cut friend作为三大具身新品开始。成为ai巨身业务增长的主要增量来源。在包括期内，人形家庭机器人开始向客户进行交付，连同2025年下半年推出的ai运动机器人acemates和ai陪伴机器人cutar friend3条巨生产品线贡献收入占公司上半年总收入的13.1啊，上半年毛利端的情况的话，呃毛利额为2.63亿元，同比增加了4840万元啊，增速为22.5%公司的盈利基础呢，得到了夯实上半年的毛利率为50.4啊，同比下降了3.8个百分点上半年日元和美元呢，对人民币分别也同比走弱了啊，10.8个百分比和四个百分点。 在阶段性汇率承压的环境下呢，公司依然保持了较高的利润率水准，那么公司持续投入one model的训练核心技术ai算力和数据采集推动模型和数据能力化产品的复用。上半年呢，公司的研发费用约为1.02亿元，同比呢增加了4300万元啊，增速呢是73.3%，那么公司在期内的话是亏损3830万元，主要受到研发投入的增长跟汇兑损失的影响。Million ratherrnb呃primarily because of r and d uh spend and uh expenses for1定的外x losses那么从全球市场的拓展来看呢？ So from a global expansion perspectivewe achieved a lot of growth for the north american marketwe increased by eighty five point seven percentto eighty five point呃呃one hundred thirty four point four million r m b up by ninety seven pointfive percent.同比增长145.4%，其中欧洲和北美呢收入的合计占比呢？ 由上年同期的28.8%提升至今年的42.1啊。在保持亚洲市场基本盘的同时，市场成为重要的european market has become an important source of re venue for us.Makingc.E.O李志成先生进行业务回顾和展望r c c e owill be talking to you about our business overview大家好，我是公司董事会主席c.E.O李志成接下来，我介绍公司在巨声智能技术和商业化方面的最新进展。 我们整个技术体系的起点就是我们一直强调的一脑多行核心是用一个统一的机器人大脑驱动不同平台的机器人完成不同的任务，这样模型能力可以跨本体复用任何一次模型的升级，也能够同步迁移到多个产品的能力。One model基本从零开始预训练模型中的世界模型voa，以及后训练强化学习等核心模块，全部由团队自主研发。我们不仅训练模型，也自己定义机器人任务，建设数据体系，完成真机部署和结果验证光model1.7的一项关。 关键进展是通过latent引变量，把世界模型对未来状态的预测传递给下游vovoa让环境理解任务，规划和动作，生成更加紧密的协同，同时保持很高的1个推理效率，这一页展示了到咖啡豆。叠衣服操作洗碗机好面包摆放方块和整理书本等任务。它们分别覆盖精细的姿态控制柔性物体理解常识续规划抓取定位和多目标点位控制。这些任务都是同一个模型，底座完成，我们不需要为每个任务。 重新开发一套独立的系统，而是通过不断的扩充同一个模型的任务词汇和物理经验，这就是一脑图形，能够持续积累持续用的价值。One model的每一次迭代都在实现三个变化能够完成的任务更多准确性更高，面对环境变化的泛化能力更强。机器人救助家庭需要的正是这种不断扩大的能力边界，那任务数量变多，只是第一步，大家更关心的是这些任务是否能够稳定准确的完成。在标准liberal评测中，one model1.7，取得了99%的平均任务，成功率领先页面中。 电视的派零五rootn1.5和openboa等多项公开模型的极限，这说明one model在空间理解物体交互和长时序操作等通用能力上已经达到了行业领先水平。同时，我们更加关注真实机器人上的表现在洗衣服叠衣服和。等操作日常任务中，平均成功率约为9%，在拔沙试管叠纸杯和倒咖啡豆等高精度任务中，平均成功率约为7%。在真人乒乓球对打这一高动态场景中，接球成功率也达到90%以上。 标准评测解决的是模型之间的横向比较。真机任务验证的是模型能够是否产生真正的产品价值两类结果放在一起，说明one model的能力已经同时经过标准环境日常操作高精度控制和高动态任务的交叉验证。更重要的是，这些能力没有停留在实验室数据上模型。已经进入h.E等机器人问题，并在商业化交互中持续接受真实环境的检验模型越来越接近说法。 任务覆盖越来越广，准确性越来越提高，意味着我们离机器人进入真正家庭，更进一步下一步要解决的问题。使机器人完成预训练和交付之后，能否持续学习？这就是下一页re.I要回答的核心问题。这一页请大家看一段真实运行的一个视频，大家可以看到现场并不是一台机器人完成重复完成一个固定的动作，而是多台h1和。 不同形态的机械臂在阵列式的环境中，同时执行叠衣服操作逻辑物体抓取防止和机器控制等不同任务。这段视频对应的就是我们在one model1.7之后重点推进的re.I，也就是我们称之为一规矩身智能。这里的recourse代表的是一个持续循环的学习过程，自主探索任务，执行限时验证策略更新，然后重新回到真实环境。机器人每完成一次任务，成功失败，路径效率和环境变化都会变。 这里也是一个学校啊，各种机器人，不同机器人可以运行在不同的不同的不同状态和不同的丰富的物理经验。机器人会比较不同策略的成功率稳定性和效率，持续寻找更优的任务贯彻方式。第二个关键能力是面对突发情况的重新判断，当物体位置发生变化，抓取出现偏差，或者原来的运作运动路径无法继续完成时，机器人会重新研制当前的状态，判断任务已经执行到了哪一步，再调整后续的动作。而不是机械的沿用绿色轨迹，第三个呢也是auto record，也就是自动研究系统，可以自动检索和下载这些数据，识别可能改善模型能力的方法，提出获取方案，再进入受控时间和预测，只有在真实任务中经过。 验证的改进才会进入科学模式版本auto research，让机器人见识到人类最新的研究成果真实世界验证能告诉他们哪些方法真正有效，两者结合可以显著提高模型迭代的速度和质量。嗯，经过验证的经验会回流到one model，并逐步回流到不同机器人媒体上，一台机器人探索出来的新能力可以成为整个机器人群体的共同能力。一批机器人同时探索可以进一步加快整个系统的进化平台，家庭就是1个典型的。 不断变化的开放环境，我们不可能在进入家庭之前以及预先存储所有的目击和突发情况。Rei的意义就是当机器人在安全边界内持续扩大资金的安全边界，预训练决定机器人从哪里出发。R.Ei会决定。最终能够走多远未来每一台交互的机器人，它既是一个产品，也是一个持续产生经验的学习节点。 这也是我们推动具身家庭起身进入真实家庭的关键。This is a key step for这一页展示的是我们电脑模型在高动态运动场景中的应用，也是大家一直非常关注的一个方向。左侧是机械臂版本的s mate进行网球对打，它已经能够在标准的全场使用标准的网球与专人进行高频对打并完成正手。嗯，反手呃，整个过程不依赖外资的更多捕捉设备，机器人基于文体搭载的双目识别模型，算法自主完成全球感知轨迹，预测实时决策和地球路从对手技术开始。 机器人需要在很短的时间内完成对事情导向和弱点的判断来生成相应的运动策略。行业里有一些运动机器人，也是需要在场地里面周围用transformat