近日，矿山无人驾驶企业踏歌智行正式向港交所主板递交上市申请，由华泰国际担任独家保荐人。
踏歌智行成立于2016年，由北京航空航天大学教授余贵珍创办，总部位于安徽合肥，是国内较早专注于露天矿封闭场景无人驾驶运输解决方案的企业。成立至今，踏歌智行已累计融资突破15亿元。
此次港股IPO，是踏歌智行进一步融资扩大业务和市场规模之举，其融资主要将用于无人驾驶AI大模型技术和产品开发及产业链上下游投资并购。但在尚未形成“造血”机制前，这条路并不好走。
市场份额行业第三
踏歌智行的核心产品为自主研发的“车—地—云”一体化矿山无人驾驶运输系统“旷谷”，业务模式主要分为三块：一是专用车辆解决方案，即与车企合作开发并销售搭载自研系统的矿用宽体车及配套设施；二是第三方车辆改装方案，为客户存量矿卡提供无人驾驶化改造；三是智能运营服务，包括远程调度、运维管理、数据服务等。
资料显示，踏歌智行在2018年开始改造国内首台无人矿卡，在2020年实现国内首个安全员下车的无人矿项目，在2022年落地首批L4级多车协同运输项目，其技术落地节奏处于行业前列。
截至2025年底，踏歌智行已在全国落地31个智能矿山项目，累计交付557辆无人矿用运输车（含114辆刚性矿卡）；其中14个项目通过官方认证，认证数量位居中国市场第一。
按收入口径计算，踏歌智行在国内矿山无人驾驶解决方案市场占有率约13.3%，排名第三，仅次于易控智驾和希迪智驾。
与所有无人矿卡企业一样，踏歌智行的客户以大型国有能源与有色金属矿企为主，包括国家能源集团、江西铜业、包钢集团等。2023—2025年，踏歌智行前五大客户收入占比从84.9%升至88.2%。相较而言，易控智驾2022—2024年前五大客户占比分别为99.9%、94.4%和83.7%，逐年下降。这表明，踏歌智行存在着大客户过于集中的风险。
尚未形成“造血”机制
财务数据显示，2023—2025年，踏歌智行分别实现营业收入1.90亿元、1.52亿元和5.27亿元，2025年同比增长246.2%；报告期内，净亏损分别为3.13亿元、3.45亿元和1.64亿元，三年累计亏损高达8.22亿元，而同期累计营收仅8.69亿元，亏损额几乎与营收规模持平。
毛利率方面，2023年和2024年的综合毛利率分别为-24.8%、-45.5%，2025年虽毛利率转正至4.8%，但并非由于核心竞争力提升，而是依靠低毛利车辆销售、规模短期冲高实现了账面改善。
踏歌智行的业务结构变化足以说明其盈利的脆弱性：高毛利属性的智能运营服务收入占比从2023年的40.5%下滑至2025年的18.9%；第三方车辆改装业务未能实现盈利；唯一实现盈利的是专用车辆销售业务，该板块毛利率仅13.6%，但2025年该业务收入占比飙升至71.4%，成为营收的绝对主力。
踏歌智行的现金流状况也不乐观。2024年末，踏歌智行的现金及现金等价物较同比2023年末暴跌97%，仅剩285.5万元。2025年经营性现金流虽短暂转正至3788万元，但流动负债净额仍达2.56亿元，短期偿债压力大。
此外，踏歌智行的研发费用从2023年的8060万元降至2025年的5779万元，研发费用率从42.4%骤降至11.0%。在矿山无人驾驶这一技术密集型赛道，踏歌智行持续削减研发投入，令人费解。
踏歌智行在招股书中将“投资或并购产业链上下游企业”列为核心募资用途之一，投资及收购目标包括在核心传感器、线控底盘及无人驾驶其他关键软硬件组件方面具有强大研发及生产能力的上游供应商，及在矿山无人驾驶运营方面具有强大交付能力的下游服务运营商。目前踏歌智行前五大供应商采购占比高达84.0%，核心硬件、车规级零部件、整车资源高度依赖少数厂商。
对赌之下的“被动”上市
招股书披露，踏歌智行多轮融资均附带严苛的上市对赌约定：需在约定期限内完成合格上市，否则投资方有权要求公司及创始股东按投资本金+8%年单利回购股份。
招股书显示，因未能在约定时间完成上市，踏歌智行于2024年末确认10.54亿元的可赎回优先股负债，直接造成其账面资不抵债。2025年12月，踏歌智行通过补充协议解除了企业层面的回购义务，但创始股东余贵珍的个人回购责任并未豁免。根据最新约定，余贵珍的对赌义务仅在本次港股IPO申报阶段暂时中止，一旦上市失败、撤回或终止，个人回购条款将即刻恢复生效。
踏歌智行的投资方涵盖国家能源集团旗下低碳基金、合肥国资、宝通科技等，具备鲜明的“硬科技+国资背书”特征。关于早期投资者的退出机制，国内某无人驾驶商用车的核心管理层此前对经济观察表示，地方国资和产业资本并不是长期陪伴型资本，它们均有明确的退出周期与回报要求，在国资保值增值、产业资本回款诉求下，推动上市成为全体股东一致选择，被投资公司没有拒绝的余地。
如果此次港股上市成功，踏歌智行将有希望扭转被动局面。根据招股书规划，踏歌智行募集资金将重点解决当前的经营短板。除投资或收购产业链上下游企业外，首要用途是研发端到端无人驾驶大模型、云端多智能体智能调度大模型，全地形自学习车辆控制算法、与OEM联合开发双向无驾驶室无人驾驶矿用运输车，以及在中亚、非洲、澳洲组建本地化的市场拓展和运营团队，加速海外市场扩张。
