科技前言

宇樹科技創始人王興興在亞布力論壇上放出的那句“狠話”：“今年年中，中國人形機器人百米沖刺將突破10秒大關，超越博爾特。”

這聽起來像是一次對物理極限的宣戰，但這句話背后藏著一個更根本的疑問：如果單純追求移動速度，輪式底盤的效率顯然更高，無論是倉儲物流的AGV還是自動駕駛汽車，都能在平坦路面上輕松達到幾十公里每小時。為何整個產業還要耗費巨資，讓雙足機器人去挑戰博爾特？

答案在于，雙足高速移動并非目的本身，而是當前具身智能技術的金字塔尖。攻克這一極限過程中沉淀的技術能力，正在形成向下兼容的產業基座，最終支撐起從工業巡檢到家庭服務的全場景應用。

這種“尖頂突破、逐級下沉”的技術邏輯，正在重塑人形機器人產業的競爭格局。

從“能跑”到“能干活”的技術漏斗

當機器人以10米/秒（36公里/小時）的速度奔跑時，單腳與地面的接觸時間僅有約80毫秒。在這彈指一揮間，控制系統需要完成地面反作用力的實時預測、全身31個關節的力矩協同、以及騰空相的重心調整。這相當于把機器人的硬件和算法同時推入“極端工況實驗室”——電機要在360N·m的峰值扭矩下瞬間響應，碳纖維結構要承受超過體重十倍的沖擊載荷，而感知-決策-執行的閉環必須在千赫茲級頻率下運轉。

王興興強調的“運動能力是真正能干活的先決必要條件”，正是指這種極端壓力下打磨出的技術體系。當宇樹H1在2025年8月的機器人運動會上以3.8米/秒的配速跑完1500米時，它驗證的不僅是耐力，更是高動態環境下的熱管理魯棒性和控制穩定性。這些能力“降速”到工業場景的3-4米/秒時，轉化為跨越電纜溝、避障繞行時的動態平衡；進一步下沉到家庭場景的1-2米/秒時，則表現為被寵物突然沖撞時的防跌倒能力。

換句話說，雙足奔跑的極限探索，本質上是在為整個具身智能領域建立“動態穩定”的技術基線。輪式機器人在結構化路面上的效率優勢，建立在“環境適應性犧牲”之上；而雙足的速度突破，恰恰是為了證明機器人能夠在非結構化地形（廢墟、樓梯、碎石路）中保持比人類更高的機動效率。

速度競賽的真實景：

不是單點突破，而是系統權衡

當前全球雙足速度競賽的參與者，并非簡單的“門派對立”，而是在“速度-穩定-泛化”這個不可能三角中尋找不同的平衡點。

01

宇樹科技選擇了輕量化的電驅激進路線

H1整機僅47公斤，通過北京通研院的OmniXtreme框架，將生成式預訓練與強化學習結合，在仿真環境中讓數千個虛擬機器人“摔過數百萬次”，再遷移到實體。這種路徑犧牲了部分負載能力（H1難以長時間負重20公斤以上奔跑），但換取了極高的控制頻率和響應速度。其3.3米/秒的紀錄（2025年8月）是在標準跑道上實測的平均速度，而非跑步機上的瞬時峰值。

02

鏡識科技則走向另一個極端

其全尺寸機器人Bolt重達75公斤，通過在跑步機上實測達到10米/秒的瞬時速度（2026年2月），但這一定義需要嚴格限定：這是在特制履帶上實現的峰值速度，且目前尚未展示在復雜地形中維持該速度的能力。鏡識的“仿跳鼠小腿”結構優化了質量分布，但嚴格的多剛體動力學建模對算力要求極高，目前更接近實驗室極限的探索。

03

眾擎機器人T800同樣值得關注

這款70公斤級機器人在2025年已展示出12公里/小時（3.33米/秒）的瞬時速度，且膝關節峰值扭矩達到450N·m，高于宇樹的350N·m。眾擎的路徑更強調高扭矩爆發與續航平衡（4-5小時續航），瞄準的是倉儲物流中“負重沖刺”的實用場景，而非單純的競速。

04

特斯拉Optimus與Figure AI則代表了數據驅動派的務實選擇

特斯拉將自動駕駛的端到端神經網絡遷移至機器人控制，通過FSD芯片實現視覺SLAM與步態規劃的結合，目前最高速度約3.8米/秒（8.5mph），但強調在工廠環境中的泛化能力。Figure的Helix模型雖用神經網絡替代了10萬行傳統控制代碼，但其System 0僅負責底層物理本能，高層規劃仍依賴視覺-語言模型，目前的步態更接近“快走”而非“沖刺”。

這些路徑并非互斥的“門派”，而是不同場景需求的映射：宇樹和鏡識在探索物理極限以建立技術高地，眾擎在尋找負載與速度的甜蜜點，而特斯拉和Figure則在驗證數據規模效應能否替代傳統物理建模。未來的終極方案很可能是融合——物理模型提供基礎動力學約束，神經網絡處理高維感知，強化學習優化特定技能。

工程現實的硬約束：速度背后的隱性成本

在追逐“超越博爾特”的敘事中，一些基本的工程約束常被忽略，而這些約束恰恰決定了技術突破能否走出實驗室。

01

測試條件的差異性

鏡識Bolt的10米/秒是在跑步機上實現的峰值速度，而宇樹H1的3.8米/秒是1500米實地跑的平均速度。兩者不可直接對比：跑步機提供了恒定的摩擦系數和緩沖支撐，而實地跑需要應對地面不平、風向、轉彎離心力等變量。王興興預測的“百米10秒”突破，若要在標準田徑場地上復現，仍需克服啟動加速度、步態過渡和急停緩沖等一系列工程難題。

02

速度計算的準確性

宇樹H1在1500米比賽中的成績為6分34秒40，換算平均速度應為3.80米/秒。這種細微差別在工程上意味著電機選型和能耗計算的根本不同。

03

能耗與可靠性的隱性成本

當雙足機器人以10米/秒奔跑時，關節電機處于極限功率輸出狀態，減速器磨損和發熱量呈指數級上升。目前多數人形機器人的續航僅能維持1-2小時的高強度運動，這距離工業場景要求的8小時連續作業仍有鴻溝。輪式AGV在平坦路面上的能耗效率（每公里能耗）目前仍比雙足高出一個數量級。

04

結構疲勞與維護成本同樣不容忽視

高速奔跑時，機器人腿部結構承受的循環載荷遠超常規工況，碳纖維復合材料的疲勞壽命、關節軸承的磨損速率、線束的振動耐受性等，都需要在極限測試中得到驗證。這些隱性成本往往在實驗室演示中被掩蓋，卻在實際部署中成為決定成敗的關鍵。

商業閉環的探索：從舞臺表演到場景深耕

技術金字塔的攀登需要市場的血液供養，而血液的來源往往比技術本身更能決定這座塔最終是通天還是坍塌。

除夕夜，宇樹以全球首次全自主集群武術表演引爆輿論——連續花式翻桌跑酷、彈射空翻（騰空高度超3米）、單腳連續空翻、兩步蹬墻后空翻、Airflare大回旋七周半，這些原本屬于專業武術運動員的高難度動作，被24臺機器人在無鏡頭切換的直播畫面中一氣呵成，瞬時跑位速度達到4米/秒，動作同步誤差控制在0.1秒以內。

銀河通用、魔法原子、松延動力也在舞蹈、小品、微電影中各展所長，這場看似“炫技”的表演，實則是中國產業硬生生開辟出的金字塔基座——通過租賃模式、商演經濟、教育展示等“非典型”場景，讓機器人本體在尚未準備好進工廠之前，就實現了規模化的物理鋪陳與成本攤薄。智元通過“擎天租”平臺以輕資產方式切入商演市場，宇樹將G1開放給個人開發者作為科研入口，這些舞臺不僅提供了現金流，更完成了公眾認知教育與供應鏈磨合。相較于特斯拉Optimus“成熟后再放量”的制造業邏輯，中國路徑選擇了生態培育邏輯：允許機器人在“半成熟”狀態下通過表演獲得市場喂養，用短期商業閉環反哺長期技術迭代。

現在的問題變成，當雙足奔跑這類技術塔尖持續向上攀升時，這個由表演經濟和租賃模式構成的金字塔基，是否足夠厚實以支撐其重？

當前人形機器人的普遍定價仍在幾萬至幾十萬美元區間，即便中國供應鏈能將成本壓至美國同類產品的三分之一，距離真正的“普惠”仍有鴻溝。春晚帶來的品牌背書和關注度，成功推動了地方政府、國企、社區開放場景作為試驗場，但這種制度驅動的需求能否轉化為可持續的市場需求，仍需時間驗證。

值得關注的是，從表演到應用的過渡已在悄然發生。宇樹機器人已開始進入電力巡檢、倉儲物流等場景進行試點；智元的租賃平臺正從商演向教育、展示、體驗等多元化場景拓展；眾擎T800的高扭矩特性使其在負重搬運場景中展現出獨特優勢。這些探索雖然規模尚小，卻為技術落地提供了真實的數據反饋和場景驗證。

問題的關鍵不在于“跑得快有沒有用”——F1賽車技術最終下放到民用車，極限探索自有其價值——而在于中國能否在表演經濟的窗口期內，加速完成從“舞臺展示”到“場景深耕”的基座轉換，把金字塔基的擴大和金字塔尖的拔高變成一組飛輪：塔基的每一次擴大，都將成為塔尖向上沖刺的助跑距離，至于能否在標準田徑場上跑進10秒，博爾特只是一個里程碑。

我們要的是，更高，更快，更強！