视觉具身智能第一股诞生：一家场景先行的公司已抢跑上市

一年一度的2026世界人工智能大会（WAIC）即将举行。作为全球人工智能产业的重要风向标，具身智能等关键生产力工具及其应用场景成为大会重要看点之一。颇具标志性意义的是：就在WAIC开幕前夕，一家从视觉感知做到具身执行、技术栈横跨“视觉大模型→视觉智能体→具身机器人”的AI公司——瑞为技术，正式登陆港交所，被市场贴上“视觉具身智能第一股”的标签。

在生成式AI热度仍在、机器人量产尚需时日的当下，一家以“让机器看懂世界”起家的视觉公司，为何能率先走到具身智能的资本市场前台？它的路径，或许可以作为观察这一轮AI从“模型能力”转向“产业能力”的一个样本。

从Vision AI到Physical AI，赛道重心在迁移

过去两年，以大语言模型为代表的生成式AI快速发展，不断刷新内容生成能力，也推动人工智能进入新一轮发展热潮。如今，随着技术持续演进，人工智能的发展重心正逐步从数字世界延伸至真实世界。从Vision AI到Vision Agent，再到Physical AI和具身智能，技术路线的演进背后，是AI产业竞争逻辑的切换：从比参数、比生成质量，转向比谁能把技术放进真实场景、形成稳定商业模式。

横向对比来看，生成式AI仍在探索更加成熟的商业模式；人形机器人等规模化落地仍需时间；相比之下，依托成熟视觉感知技术和丰富产业场景的视觉具身智能，反而率先跑通了价值兑现的路径，并广泛应用于智慧机场、智慧商业、工业制造、物流仓储、安全驾驶等领域，形成了相对成熟的商业模式。

瑞为的发展路径正体现了这一趋势。公司提出的视觉智能体技术路线，实现了Vision AI向Vision Agent的持续演进，而此次登陆港交所，不仅进一步凸显了企业级视觉具身智能“技术+场景”双轮驱动的发展优势，也为企业级垂直AI、场景化具身智能建立了新的资本价值坐标。随着资本市场关注重点从模型能力转向产业能力，视觉具身智能正在成为AI进入真实世界的重要连接点，也成为这一轮产业升级中率先受到资本青睐的新赛道。

一家“先做大脑、再做手脚”的视觉公司

瑞为技术成立于2012年，创始人詹东晖为南京大学计算机系出身、华为系背景，公司早期从“让机器看懂机场”切入——这是一个典型的“窄门”场景：合规门槛高、招投标周期长、全国枢纽机场数量有限，但一旦进入便是长周期绑定。

招股书显示，按2025年收入计，瑞为在中国民航企业视觉智能产品市场市占率8.7%，排名第一，产品覆盖全国约三分之二的千万级客流枢纽机场、约三分之一的民航机场。以此为基础，公司把同一套视觉智能技术底座复用到智慧商业、安全驾驶两大场景，形成“智慧民航+智慧商业+安全驾驶”三业务线。

技术栈上，公司披露已形成覆盖“视觉感知（RecoSee）—视觉认知（RecoAware）—视觉推理（RecoThink）”的三层智能体架构，并通过VTFLA（Visual-Tactile-Fusion Language-Action）具身架构向执行端延伸——晓蚁行李转运机器人即是这一架构在机场场景的落地尝试，目前已在部分千万级机场试点。

对于AI企业而言，技术迭代日新月异，但真正决定长期竞争力的，已不再只是模型能力，而是持续兑现产业价值的能力。尤其在视觉具身智能领域，技术能否进入真实场景、形成稳定商业模式，并持续服务实体经济，正成为资本市场衡量企业价值的重要标准。

资本下注的，不只是一家公司

招股书亦显示，瑞为IPO前引入了英特尔、赛富、盈峰资本、中信证券旗下中证投资、深投控基金等机构。这组股东名单的看点在于：既有国际芯片原厂，也有“机场系+国资+券商系”的产业与资本组合——上海机场集团旗下的泓宇航空产业基金亦在股东之列，与瑞为的民航主业形成场景协同。

资本接连下注的逻辑，不完全是押注瑞为这一家公司，更像是押注“视觉具身智能持续赋能实体经济”这条赛道——尤其是在生成式AI仍在找商业模式、硬件机器人仍在找规模的当下，能同时具备“技术栈+场景锁定+已验证收入”的样本并不多。

视觉具身的下一程

随着Physical AI持续发展，视觉能力也正由“感知入口”升级为连接感知、认知与执行的重要基础能力——以上海为例，各地正加快布局AI应用场景，正面向全市征集50余个城市级示范场景，为垂类应用落地提供“训练场”。从智慧机场到工业制造，从物流仓储到智慧交通、城市治理，越来越多实体产业正成为AI价值释放的新空间。

瑞为在招股书里披露的下一步包括：基于VTFLA具身架构的商用“晓蚁”行李转运机器人、发布新一代VTFLA端到端具身大模型、启动轮式双臂机器人研发、并借助上市募资加大研发投入与国际化布局。

但放在更大的图景里，瑞为的个案意义可能大于公司本身——它折射的是AI竞争进入的下一个阶段：从“模型能做什么”转向“产业能用它做什么”，从技术创新迈向产业创新。未来几年，能持续把技术放进真实场景、兑现产业价值的AI公司，才会被资本市场持续定价。

而视觉具身智能，很可能是这一轮里最先跑出规模化样本的赛道之一。