Citic, CICC e Morgan Stanley accompagnano una corsa industriale fondata su 15.000 unità dichiarate, grandi dataset e molti interrogativi su autonomia, ricavi e sicurezza
LA NOTIZIA IN BREVE – AgiBot prepara la quotazione alla Borsa di Hong Kong con Citic Securities, CICC e Morgan Stanley. La società cinese punta a finanziare una crescita che, secondo i dati aziendali, ha portato alla produzione di 15.000 robot entro giugno 2026 e a una quota del 39% del mercato mondiale degli umanoidi nel 2025. Il dato, però, misura le unità costruite e lascia aperta la distinzione tra macchine consegnate, installate e realmente operative presso clienti paganti.
Il cuore tecnologico del progetto è AgiBot World Colosseo, un archivio con oltre un milione di traiettorie robotiche, quasi 3.000 ore di attività e più di 100 macchine. Su questa base è stato addestrato GO-1, modello capace di interpretare istruzioni, pianificare azioni e controllare movimenti complessi. I test mostrano progressi in compiti come riordinare oggetti, pulire superfici e versare liquidi, ma il lavoro resta un preprint prodotto dallo stesso gruppo industriale.
L’IPO dovrà quindi chiarire ricavi, ordini, margini e autonomia reale. La sfida consiste nel dimostrare che gli umanoidi possono passare dalle dimostrazioni controllate a un impiego affidabile e conveniente in fabbriche, logistica e servizi.
Se vuoi andare oltre alla sintesi della nostra notizia leggi qui di seguito l’approfondimento
L’APPROFONDIMENTO – AgiBot, uno dei principali produttori cinesi di robot umanoidi, sta preparando una quotazione alla Borsa di Hong Kong e avrebbe affidato l’operazione a Citic Securities, China International Capital Corporation e Morgan Stanley. L’indiscrezione, raccolta il 22 luglio dal South China Morning Post, segna un passaggio decisivo: la società di Shanghai vuole trasformare la rapidissima crescita produttiva in accesso stabile ai capitali internazionali. Il progetto resta però in una fase preparatoria. Azienda e banche hanno evitato commenti pubblici, mentre tempi, dimensioni dell’offerta e valutazione attendono un prospetto ufficiale.
Indice
- 1 Che cosa sappiamo davvero della quotazione?
- 2 Perché la scelta di tre sponsor conta così tanto?
- 3 Chi è AgiBot e perché attira tanti capitali?
- 4 Quanti robot ha prodotto la società?
- 5 Che cosa vendono i diversi robot di AgiBot?
- 6 Come impara un robot a lavorare nel mondo reale?
- 7 Come funziona il modello GO-1?
- 8 Che cosa mostrano gli esperimenti?
- 9 Quali limiti separano questi risultati dall’autonomia generale?
- 10 Come si confronta AgiBot World con gli altri grandi dataset?
- 11 Quali interessi economici accompagnano la ricerca?
- 12 Perché la Cina sta accelerando sugli umanoidi?
- 13 Che cosa significa la quotazione per l’Italia?
- 14 Quali regole europee dovranno rispettare queste macchine?
- 15 Quali progetti pilota possono produrre risultati credibili?
- 16 Quali numeri decideranno il successo dell’IPO?
Che cosa sappiamo davvero della quotazione?
Le prime informazioni dettagliate sull’operazione risalgono all’ottobre 2025. Reuters riferiva allora che AgiBot puntava a una valutazione compresa tra 40 e 50 miliardi di dollari di Hong Kong, equivalenti a circa 5,1-6,4 miliardi di dollari statunitensi, con l’ipotesi di collocare sul mercato tra il 15 e il 25% del capitale. La società mirava inizialmente a depositare un prospetto preliminare nei primi mesi del 2026 e a completare la quotazione entro il terzo trimestre. Quelle indicazioni provenivano da fonti anonime vicine all’operazione e contenevano già una clausola essenziale: calendario, valutazione e quota offerta potevano cambiare.
Nel frattempo AgiBot ha modificato la propria forma societaria, passando da società a responsabilità limitata a società per azioni, un passaggio coerente con la preparazione di un’offerta pubblica. La nomina di tre sponsor mostra che il dossier ha raggiunto una fase avanzata di organizzazione, ma la presenza delle banche rappresenta l’avvio della verifica, non il suo superamento.
Leggi di più
Perché la scelta di tre sponsor conta così tanto?
Nel sistema di Hong Kong lo sponsor svolge una funzione diversa da quella evocata dal termine nel linguaggio pubblicitario. Coordina la preparazione dei documenti, esamina attività, clienti, fornitori, dati finanziari e prospettive dell’impresa, quindi deve disporre di basi ragionevoli per sostenere l’accuratezza delle informazioni presentate agli investitori. Le regole della Hong Kong Stock Exchange richiedono indagini di due diligence adeguate alla natura dell’azienda.
La Securities and Futures Commission ha inoltre richiamato gli intermediari sulla qualità dei prospetti, criticando descrizioni promozionali, modelli di business poco chiari e dati di mercato selezionati per amplificare la posizione competitiva del candidato. Per AgiBot questa verifica toccherà un punto delicato: separare i risultati industriali documentati dalle dichiarazioni aziendali, dalle dimostrazioni pubbliche e dalle previsioni su un mercato ancora giovane.
Leggi di più
Chi è AgiBot e perché attira tanti capitali?
AgiBot, conosciuta in Cina anche come Zhiyuan Robotics, nasce a Shanghai nel 2023 per iniziativa di Deng Taihua e Peng Zhihui, entrambi provenienti da Huawei. Deng guida la società come presidente e amministratore delegato, mentre Peng ricopre il ruolo di direttore tecnologico. In poco più di tre anni l’azienda ha costruito un catalogo che comprende umanoidi bipedi, piattaforme industriali su ruote, robot quadrupedi, mani robotiche e sistemi per raccogliere dati destinati all’addestramento dell’intelligenza artificiale.
Tra gli investitori indicati dalle ricostruzioni disponibili figurano Tencent, HongShan Capital, BYD, Hillhouse Investment, LG Electronics e Mirae Asset. La raccolta completata nell’agosto 2025 ha segnato il primo investimento di LG nel settore dell’embodied intelligence, l’intelligenza artificiale incorporata in una macchina capace di percepire l’ambiente, muoversi e manipolare oggetti. L’ammontare di quel finanziamento è rimasto riservato.
La valutazione attribuita ad AgiBot da PitchBook nel marzo 2025 raggiungeva 2,07 miliardi di dollari. Il valore indicato per l’IPO risulterebbe quindi più che raddoppiato in poco più di un anno, un’accelerazione che chiederà al prospetto di dimostrare la qualità dei ricavi, la solidità degli ordini e la sostenibilità dei costi industriali.
Quanti robot ha prodotto la società?
AgiBot dichiara di aver fatto uscire dalla linea produttiva il suo 15.000º robot il 28 giugno 2026. Il modello celebrato era un G2, una macchina industriale dotata di base mobile, braccia articolate e controllo della forza. Secondo la società, il passaggio da 5.000 a 10.000 unità avrebbe richiesto tre mesi, seguito da altre 5.000 unità entro la fine di giugno.
Questo dato fotografa la produzione cumulativa, una grandezza diversa dalle consegne, dalle installazioni operative e dalle vendite incassate. AgiBot afferma che una parte consistente delle macchine lavora già in logistica, commercio, accoglienza, istruzione e industria, ma il materiale pubblico offre ancora pochi dettagli sulla ripartizione tra unità vendute, dimostratori, piattaforme educative, robot utilizzati per raccogliere dati e sistemi impiegati stabilmente presso clienti paganti.
Per il 2025 l’azienda, citando una ricerca Omdia, attribuisce a se stessa 5.168 spedizioni e il 39% del mercato mondiale degli umanoidi. Lo stesso dato implica un mercato globale di circa 13.000 unità. Un’analisi Reuters basata su stime Morgan Stanley colloca invece le vendite complessive intorno a 12.000 macchine e sottolinea che molte unità sono confluite nella ricerca, nell’istruzione e nelle sperimentazioni, anziché in processi industriali continuativi. Le differenze dipendono anche da definizioni, periodi di rilevazione e categorie di prodotto; il prospetto dovrà chiarire i criteri utilizzati.
Che cosa vendono i diversi robot di AgiBot?
La serie A2 comprende umanoidi a grandezza naturale destinati alla guida dei visitatori, all’accoglienza e alle interazioni in showroom. La famiglia X2, più compatta, punta su intrattenimento, didattica e ricerca. La piattaforma G2 privilegia il lavoro industriale: usa una base su ruote, braccia con controllo della coppia e sensori per svolgere operazioni ripetitive in postazioni progettate per l’uomo. La serie D1 adotta una struttura quadrupede per ispezioni e ambienti complessi, mentre il C5 svolge attività di pulizia.
La varietà del catalogo rivela una scelta industriale precisa. AgiBot evita di affidare ogni applicazione alla forma bipede: una base su ruote offre maggiore stabilità, autonomia energetica e semplicità di controllo in fabbrica, mentre gambe e sembianze umane acquistano valore negli spazi costruiti intorno al corpo umano o nelle attività che richiedono interazione con il pubblico.
Come impara un robot a lavorare nel mondo reale?
Il principale progetto scientifico collegato alla società si chiama AgiBot World Colosseo. La notizia dell’IPO riguarda un’operazione finanziaria, mentre questo lavoro rappresenta la base tecnica più utile per capire quale patrimonio di dati e algoritmi AgiBot intende trasformare in valore economico.
La versione aggiornata del lavoro, depositata su arXiv nell’agosto 2025, descrive un dataset composto da 1.001.552 traiettorie, pari a 2.976,4 ore di attività, raccolte con più di 100 robot. Il sistema copre 217 compiti, 87 abilità e 106 scene, ricostruite in una struttura di circa 4.000 metri quadrati con oltre 3.000 oggetti. Gli ambienti simulano case, negozi, uffici, ristoranti e impianti industriali.
Una traiettoria registra la sequenza completa di percezioni e movimenti compiuti dal robot. Gli operatori guidano le macchine attraverso visori per la realtà virtuale o sistemi di motion capture. Otto telecamere, comprese unità RGB-D capaci di rilevare colore e profondità, registrano l’ambiente insieme alle posizioni delle articolazioni e delle mani con una frequenza di 30 hertz.
Il processo include una verifica umana prima e dopo la raccolta. Gli annotatori controllano la completezza dei dati, descrivono i compiti e conservano anche alcune sequenze nelle quali il robot commette un errore e riesce a recuperare. Questi episodi rappresentano circa l’1% del dataset e possono insegnare al modello a riconoscere una presa sbagliata, un oggetto caduto o una posizione imprevista.
Come funziona il modello GO-1?
Sul dataset AgiBot World il gruppo ha addestrato Genie Operator-1, abbreviato in GO-1. Il sistema collega tre livelli. Un modello visivo-linguistico interpreta immagini e istruzioni; un pianificatore trasforma l’obiettivo in rappresentazioni intermedie chiamate azioni latenti; un modulo di controllo converte infine quelle rappresentazioni nei movimenti continui di braccia, dita e base mobile.
Le azioni latenti funzionano come una grammatica del movimento. Il modello può osservare video di persone che piegano un indumento, versano acqua o spostano un oggetto e ricavare strutture utili, anche quando il video umano manca dei comandi articolari necessari a un robot. GO-1 usa come base InternVL2.5-2B, un modello con circa due miliardi di parametri, affiancato da un pianificatore formato da 24 livelli transformer e da un modulo di controllo basato su un processo di diffusione.
Il vantaggio teorico riguarda la quantità di dati disponibili. Testi e immagini esistono in miliardi di esempi; le dimostrazioni robotiche richiedono invece macchine, operatori, ambienti preparati e controlli di sicurezza. Le rappresentazioni latenti cercano di trasferire una parte dell’esperienza contenuta nei video umani al controllo fisico del robot.
Che cosa mostrano gli esperimenti?
Gli autori hanno confrontato modelli preaddestrati su AgiBot World con sistemi addestrati su Open X-Embodiment, uno dei principali archivi internazionali di esperienze robotiche. Nei test descritti, il punteggio medio passa da 0,47 a 0,77 negli ambienti già rappresentati nell’addestramento e da 0,38 a 0,67 nelle configurazioni fuori distribuzione, dove cambiano posizione degli oggetti, distrazioni visive o formulazione delle istruzioni.
GO-1 affronta compiti come riordinare bevande, piegare pantaloncini, pulire un tavolo, versare acqua o consegnare una bottiglia. Le prove assegnano un punto al completamento totale e punteggi frazionari alle esecuzioni parziali. Gli autori riportano un miglioramento medio di 0,12 punti grazie al pianificatore latente e un incremento di 0,18 punti quando l’addestramento utilizza dimostrazioni controllate manualmente anziché sequenze prive di verifica.
Il risultato sostiene una tesi rilevante: la qualità dei dati può contare quanto la loro quantità. Un archivio omogeneo, raccolto con lo stesso hardware e sottoposto a controlli, può superare dataset più estesi ma composti da robot, sensori e protocolli differenti.
Quali limiti separano questi risultati dall’autonomia generale?
Gli esperimenti documentano una prova di principio avanzata, svolta però su un numero circoscritto di compiti. Le valutazioni principali utilizzano dieci esecuzioni per combinazione di compito, scenario e metodo; il confronto dedicato a GO-1 comprende trenta prove per attività. Questi numeri aiutano a individuare differenze marcate, mentre una valutazione industriale richiede migliaia di cicli, turni prolungati, variazioni ambientali, usura meccanica e analisi degli incidenti mancati.
Il modello riceve inoltre un affinamento con dimostrazioni specifiche per i compiti valutati. Questa procedura migliora le prestazioni, ma riduce la distanza tra addestramento e prova. Il robot mostra capacità di generalizzazione entro variazioni definite dagli sperimentatori; l’autonomia generale richiederebbe adattamento affidabile a situazioni impreviste, oggetti sconosciuti e interazioni difficili da anticipare.
Lo stesso gruppo ha costruito il robot, raccolto il dataset, sviluppato l’algoritmo e svolto i test. Questa integrazione accelera la ricerca, ma rende essenziale una replicazione esterna. Il documento riconosce inoltre l’assenza di un ambiente simulato allineato ai test reali, strumento che faciliterebbe confronti rapidi e riproducibili.
Lo stato documentato resta quello di preprint su arXiv, con ultima revisione del 4 agosto 2025. La pagina accredita il Team AgiBot-World e altri 51 autori, indica Qingwen Bu come autore del deposito e precisa che i nomi seguono l’ordine alfabetico. Il progetto coinvolge Shanghai AI Laboratory, AgiBot e Shanghai Innovation Institute. La versione consultata non presenta sezioni dedicate a finanziamenti, conflitti d’interesse o brevetti, elementi che una pubblicazione scientifica completa dovrebbe rendere espliciti.
Come si confronta AgiBot World con gli altri grandi dataset?
Open X-Embodiment riunisce oltre un milione di traiettorie provenienti da 22 tipologie di robot e da 21 istituzioni. Il suo punto di forza risiede nella varietà dell’hardware e nella possibilità di trasferire competenze da una piattaforma all’altra. Quella stessa eterogeneità introduce differenze tra telecamere, controlli, qualità e punti di osservazione.
Il progetto DROID, coordinato da ricercatori di Stanford e di altre istituzioni, ha raccolto 76.000 dimostrazioni e 350 ore di attività in 564 scene distribuite tra Nord America, Asia ed Europa. DROID privilegia la diversità degli ambienti reali, mentre AgiBot World concentra la raccolta su hardware omogeneo e scenari ricostruiti secondo protocolli standard.
Nessun dataset risolve da solo il problema. La robotica deve bilanciare quantità, varietà, coerenza, sicurezza e rappresentatività. Un robot addestrato in una struttura industriale può raggiungere grande precisione in quel contesto e perdere affidabilità quando cambiano illuminazione, materiali, velocità della linea o comportamento degli operatori.
Quali interessi economici accompagnano la ricerca?
AgiBot sviluppa contemporaneamente hardware, software, dataset, strumenti di teleoperazione e servizi di raccolta dati. Questa struttura crea un vantaggio competitivo: ogni robot installato può generare nuove esperienze, migliorare i modelli e aumentare il valore dell’intera piattaforma.
Lo stesso meccanismo concentra però controllo e interessi commerciali. I risultati scientifici aiutano a promuovere i prodotti; le macchine vendute alimentano i dati; i dati rafforzano i modelli; i modelli sostengono la valutazione finanziaria. La trasparenza richiederà quindi una distinzione netta tra test interni, verifiche indipendenti, prestazioni ottenute tramite teleoperazione e attività svolte in piena autonomia.
Deng Taihua ha dichiarato durante una conferenza con i partner che il fatturato sarebbe passato da circa 60 milioni di yuan nel 2024 a 1,05 miliardi nel 2025. Il dato proviene da dichiarazioni manageriali riportate dalla stampa specializzata e attende il confronto con bilanci sottoposti a revisione. Il prospetto dovrà chiarire margini, perdite, investimenti in ricerca, contributi pubblici, concentrazione dei clienti e peso economico delle diverse linee di prodotto.
Perché la Cina sta accelerando sugli umanoidi?
Pechino considera l’embodied AI una tecnologia strategica per rinnovare la manifattura, compensare la riduzione della popolazione attiva e costruire nuove filiere industriali. Le linee guida del Ministero dell’Industria e dell’Information Technology indicavano la creazione di un primo sistema nazionale d’innovazione per i robot umanoidi entro il 2025 e una catena produttiva affidabile entro il 2027.
La Cina parte da una base industriale enorme. Nel 2024 ha installato 295.045 robot industriali tradizionali, pari al 54% delle nuove installazioni mondiali. Gli umanoidi entrano quindi in un ecosistema ricco di produttori di motori, riduttori, sensori, batterie, componenti elettronici e sistemi di visione.
Questa forza può abbassare i costi e velocizzare la produzione. Può anche favorire sovraccapacità, competizione sui prezzi e aziende dipendenti da incentivi o commesse dimostrative. Il passaggio decisivo riguarderà la capacità di sostituire installazioni promozionali con applicazioni che offrano maggiore produttività rispetto a robot industriali più semplici, affidabili e meno costosi.
Che cosa significa la quotazione per l’Italia?
AgiBot ha già scelto l’Italia come testa di ponte europea. Il 30 gennaio 2026 ha presentato a Milano le serie A2, X2, G2 e D1 e ha annunciato una collaborazione con SIR Spa, integratore italiano incaricato di adattare, installare e assistere i sistemi nei contesti locali. L’azienda indica manifattura, logistica, accoglienza, sicurezza, istruzione e ricerca tra i primi campi di applicazione.
Il mercato italiano offre condizioni favorevoli e ostacoli concreti. L’Italia rappresentava nel 2024 il secondo mercato europeo dei robot industriali, con 8.783 nuove installazioni, pur dopo una riduzione del 16% rispetto all’anno precedente. La presenza di distretti meccanici, automotive, alimentari, farmaceutici e logistici crea numerosi casi d’uso, soprattutto per operazioni ripetitive, movimentazione e controllo qualità.
Le piccole e medie imprese richiedono però tempi di integrazione brevi, manutenzione locale, formazione e ritorni economici misurabili. Un umanoide assume valore quando riesce a usare strumenti e postazioni esistenti senza costose modifiche agli impianti. Quando il compito resta identico per anni, un braccio robotico tradizionale o una macchina dedicata può offrire prestazioni superiori a costi inferiori.
Quali regole europee dovranno rispettare queste macchine?
I robot destinati al mercato europeo devono rispettare le norme sulla sicurezza delle macchine, sulla compatibilità elettromagnetica, sulle comunicazioni radio e sulla protezione dei dati. Il nuovo Regolamento europeo sulle macchine 2023/1230, obbligatorio dal 20 gennaio 2027, integra requisiti dedicati alle funzioni di sicurezza controllate dall’intelligenza artificiale e alla protezione informatica dei sistemi di comando.
L’AI Act, entrato in vigore il 1º agosto 2024, applica obblighi crescenti in base al rischio e può interessare i sistemi robotici quando l’intelligenza artificiale svolge funzioni di sicurezza o entra in ambiti regolati. Telecamere, microfoni, registrazioni delle attività e aggiornamenti remoti richiedono inoltre regole chiare su dati raccolti, conservazione, accesso e trasferimento internazionale.
Per le imprese italiane, la certificazione del singolo robot rappresenta soltanto una parte del percorso. L’integratore deve valutare l’intera cella di lavoro, le distanze dagli operatori, i possibili urti, le procedure di arresto, gli aggiornamenti software e le conseguenze di un errore di percezione o pianificazione.
Quali progetti pilota possono produrre risultati credibili?
La diffusione più solida partirà da compiti delimitati, ripetitivi e misurabili. Un progetto pilota dovrebbe confrontare il robot con il processo precedente, registrando tempo ciclo, errori, interventi umani, consumi, fermi, costi di manutenzione e incidenti mancati. La valutazione dovrebbe inoltre separare le ore autonome da quelle guidate a distanza.
Le imprese possono collegare i pagamenti a obiettivi verificabili di disponibilità e produttività, conservare registri degli aggiornamenti e affidare i test di sicurezza a soggetti indipendenti. Il coinvolgimento dei lavoratori permette di individuare rischi pratici che una dimostrazione preparata trascura: passaggi stretti, riflessi sulle superfici, oggetti spostati, rumore, polvere, persone che entrano improvvisamente nell’area operativa.
Sul piano scientifico servono benchmark condivisi, migliaia di cicli ripetuti e prove condotte da gruppi estranei all’azienda, mentre sul piano industriale servono assistenza, ricambi, durata degli attuatori, autonomia energetica e costi complessivi. Fondamentali anche i dati sul piano pubblico: occorrono informazioni sugli incidenti, standard di interoperabilità e programmi di formazione capaci di accompagnare la trasformazione del lavoro.
Quali numeri decideranno il successo dell’IPO?
La documentazione finanziaria dovrà mostrare quanti dei 15.000 robot prodotti siano stati consegnati, accettati e pagati; quante installazioni funzionino con continuità; quale quota dei ricavi provenga da hardware, software e servizi; quanto costino assistenza e sostituzione dei componenti; quale peso abbiano sussidi e grandi clienti. Gli investitori dovranno inoltre conoscere margini industriali, consumo di cassa, spesa in ricerca, ordini vincolanti e tasso di rinnovo dei contratti. Sul versante tecnologico conteranno ore di autonomia, frequenza degli interventi umani, percentuali di successo su compiti indipendenti, tempi medi tra i guasti e prestazioni dopo gli aggiornamenti.
Link utili:
South China Morning Post
Preprint scientifico AgiBot World Colosseo su arXiv
Note per i lettori
L’immagine usata per questo articolo è stata creata grazie all’utilizzo di un sistema di Intelligenza Artificiale
