作者：齊笑 ，編輯：嘉辛

2025年春晚，一群穿著花棉襖的機器人表演的扭秧歌，無疑是觀眾印象最深刻的節(jié)目之一。這個帶點詭異又帶點好笑的節(jié)目，把宇樹送到了大眾認知里的“頂流”位置。

只要聊到機器人，大多數(shù)人第一時間想到的就是宇樹。

一年四個月之后，這家公司從舞臺跑到了科創(chuàng)板。6月1日，宇樹科技正式過會，即將成為“A股人形機器人第一股”。從遞交招股書到過會，宇樹科技只用了73天。

可熱鬧歸熱鬧，大多數(shù)普通人并不清楚，那群跳舞、翻跟頭的機器人除了表演，還能干什么、能為誰創(chuàng)造什么樣的商業(yè)價值。聚光燈背后，知名度走在第一梯隊的宇樹會不會一直是贏家？

一、誰在買宇樹的機器人？

宇樹科技在2025年的營業(yè)收入達到16.99億元，相比2024年的3.93億元增長了332.64%。這個增速相當突出。

到2026年第一季度，收入增速回落到了68.49%，并預計上半年收入增速在35.62%— 45.41%。公司承認，由于營收基數(shù)大幅提升、行業(yè)熱度逐步緩和、市場競爭日趨激烈，可能無法保持較高水平的發(fā)展增速。

拆開來看，四足機器人曾經(jīng)是絕對的主力。

2023年，四足貢獻了主營收入的75.78%。到了2025年，人形機器人的收入占比已經(jīng)上升到51.78%，第一次超過了四足機器人。

2025年，宇樹賣了5,215臺人形機器人，均價16.64萬元；四足機器人賣了23,037臺，均價3.03萬元。人形機器人的單價遠高于四足機器人，但價格下降得也快，2024年均價還是26.04萬元，一年就降了36%。

往前看，比賣了多少更重要的是“誰在買？”“買來干什么？”

四足機器人的買家結(jié)構(gòu)相對均衡。2025年前三季度，科研教育占31.58%，商業(yè)消費占42.30%，行業(yè)應用占26.12%。商業(yè)消費第一次超過科研教育，成為最大收入來源，主要驅(qū)動力是線上銷售放量。

宇樹判斷，短期看電力巡檢、消防救援等行業(yè)場景會先落地，中長期則看好消費級市場。

人形機器人則“偏科”明顯。同期，人形機器人的收入里科研教育占了73.60%，商業(yè)消費占17.39%，行業(yè)應用只有9.01%。而在行業(yè)應用當中，企業(yè)導覽又占了大約50%到70%。

換句話說，人形機器人的主要買家還是高校、科研機構(gòu)和科技公司，買回去主要用于算法驗證、二次開發(fā)和課題研究。真正進入工廠從事搬運、質(zhì)檢、裝配、巡檢的占比還很小。

科研教育類的客戶往往對價格不太敏感，并且，在當前人形機器人產(chǎn)品選擇有限的情況下，宇樹每推出一款新品，老客戶往往會持續(xù)加購。

正如回復函里所提到的，科研教育領(lǐng)域線下復購率從2023年的49.71%上升到2024年的59.38%，2025年前三季度也維持在56.58%；復購客戶的平均購買金額從2022年的34.95萬元漲到了2025年前三季度的139.07萬元。

復購率高當然是好事，但另一面可能也說明新增客戶的增速沒那么快。比如商業(yè)消費領(lǐng)域的復購率有所下降，公司解釋說主要是因為知名度提升后新增客戶多了、收入快速增長。

一方面，科研教育類市場客戶群體較窄，另一方面，科研類的需求驗證的仍然是“技術(shù)能不能跑通”，而不是“商業(yè)能不能跑通”或者“市場夠不夠廣”。

宇樹招股書判斷，中短期內(nèi)，人形機器人仍將主要集中應用于科學研究、 應用開發(fā)、教育教學、文化表演、智能服務等領(lǐng)域；中長期的目標才是走進工廠車間、千家萬戶，為工業(yè)、家庭及社會場景提供相關(guān)服務。

不管是四足機器人還是人形機器人，二者面對的是同一個挑戰(zhàn)：從“有人買單”到“能應用到更廣泛的應用場景中”，中間橫著的不僅是時間，更有一系列尚未突破的瓶頸。

二 、 大規(guī)模商業(yè)化，宇樹還缺什么？

先來厘清“本體”“小腦”“大腦”這三個具身智能的關(guān)鍵概念。

本體是機械結(jié)構(gòu)、關(guān)節(jié)、靈巧手這些物理硬件；小腦負責運動控制，走路、保持平衡、翻跟頭，讓機器人“站得穩(wěn)、走得順”；大腦對應的是具身大模型，負責理解任務、規(guī)劃動作、適應新環(huán)境。

這三層任何一個短板都會拖累整體表現(xiàn)。

現(xiàn)在的機器人玩家有的長于“大腦”，有的則更偏“本體派”。

對于本體派來說，一個尷尬的局面正在浮現(xiàn)：機器人在跑跳、空翻這類單項能力上表現(xiàn)驚艷，但一旦被丟進真實的生產(chǎn)線或家庭環(huán)境，面對多變的場景和任務，就會顯得力不從心。

而對于大腦派來說，問題出在另一邊。模型在仿真環(huán)境里表現(xiàn)驚艷，但搭載到真機上，可能會出現(xiàn)響應遲緩、結(jié)構(gòu)誤差、通信延遲等工程問題。模型能力，終究還是受限于物理載體本身。

宇樹早期研發(fā)投入更側(cè)重本體和小腦方面，從2024年才開始加強對具身大模型，即大腦方面的研發(fā)投入。

宇樹的競爭優(yōu)勢也集中在本體和小腦。四足機器人全球出貨量第一，人形機器人能完成原地后空翻和側(cè)空翻，靠的是扎實的運動控制算法和硬件自研能力。這一點行業(yè)里沒有爭議。

在王興興看來，做大腦風險也比較高，因為沒人能保證誰做的最好或誰做的最快， AI領(lǐng)域變化非常非常快；而做硬件的公司，可能變化不會太大。

這種規(guī)劃，既成就了宇樹在出貨量、市場份額上面的優(yōu)勢，也造就了現(xiàn)在的瓶頸。

在回復函中，宇樹坦言，當前制約其通用機器人進入工廠和家庭的核心瓶頸有兩個：具身大模型的泛化能力不足，靈巧手的精細耐用程度不夠。

其中，具身大模型的泛化能力更重要。也就是說，提升機器人通用性、降低其對特定場景編程依賴的核心，讓機器人具備廣泛的通用操作能力，才能真正成為生產(chǎn)力工具。

例如，工業(yè)場景中存在多行業(yè)非標變量（如油污地面、動態(tài)物料堆放），現(xiàn)有訓練數(shù)據(jù)多源于實驗室或單一定制場景，難以覆蓋跨場景差異；家庭場景中，高度非結(jié)構(gòu)化的家居環(huán)境、個性化的用戶需求，也遠超現(xiàn)有訓練數(shù)據(jù)得邊界。

當前，具身大模型的路線并沒有收斂，VLA 模型、WMA 模型和雙系統(tǒng)等多種技術(shù)路線并行發(fā)展。這也是AI領(lǐng)域變化快，做大腦風險高的表現(xiàn)之一。

業(yè)內(nèi)玩家普遍采用包括VLA架構(gòu)，也就是視覺-語言-動作大模型，讓機器人看到場景、理解指令、直接生成動作。銀河通用的GraspVLA和TrackVLA、千尋智能的Spirit-V1.5、Physical Intelligence的π-0 等模型 ，都走的是這條路。有的已經(jīng)被整合進了產(chǎn)品管線，開始在實際任務中跑數(shù)據(jù)、做迭代。

宇樹以WMA（世界模型）為重點方向，同時押注VLA和WMA兩條路線，已開源UnifoLM-WMA-0和UnifoLM-VLA-0兩個版本，招股書顯示，其自研的通用具身大模型已在自有工廠等試點場景進行研發(fā)測試、部署驗證。

最新的動態(tài)是，2026年5月，宇樹發(fā)布了新一代大腦WVLA2.0，并在G1上落地了會議室自主整理功能；同期，G1進入東京羽田機場，參與行李搬運實測，項目將持續(xù)到2028年。

相較于已經(jīng)進入寧德時代的工廠規(guī)模化打工的千尋智能來說，宇樹科技G1在東京羽田機場的地勤項目更偏“試點驗證階段”。

宇樹IPO募資中近一半，約20億元，將投向大腦相關(guān)研發(fā)，覆蓋大模型和小腦模型的技術(shù)攻關(guān)、訓練基礎設施搭建、真實世界數(shù)據(jù)采集三個層面，計劃三年內(nèi)發(fā)布“通用人形機器人具身基礎模型”，要具備場景泛化、指令泛化、動作泛化和任務泛化四大能力。

三、宇樹手里有哪些牌？

補大腦這門課，恰恰是為了把宇樹手里已有的牌打出更大的價值。但在這之前，有必要先看看這幾張牌的成色與局限。

第一張牌是制造效率和成本控制。

2023年到2025年，宇樹的毛利率從44.22%增長到了60.13%，這還是在產(chǎn)品售價不斷下調(diào)的情況下。背后是自研關(guān)鍵零部件和規(guī)模化出貨帶來的成本優(yōu)勢。電機、減速器、關(guān)節(jié)模組自己做，采購量大了還能壓價，四足和人形共用供應鏈也攤薄了成本。

當然，科研型、展示型需求一般價格不太敏感，也是原因之一。

而當下游變成家庭或者工廠，工廠老板會算這臺機器多久回本，比招工人劃算多少，到那時候，制造效率的優(yōu)勢可能會繼續(xù)存在，但毛利率大概率不會這么漂亮。

在半馬中表現(xiàn)出色的榮耀能從側(cè)面說明一些事情。在參加半馬之前，榮耀的人形機器人團隊成立才一年多，開始半馬項目的時間更晚。

這不是說宇樹的工程壁壘不存在，但它指向一個趨勢：當核心零部件的供應鏈和運動控制算法基礎設施越來越成熟時，后來者在運動能力上追趕的周期正在縮短。

第二張牌是跨平臺復用。

人形機器人的部分零組件與四足機器人具有通用性，兩者在關(guān)節(jié)、結(jié)構(gòu)、電池、算法等核心模塊可以實現(xiàn)技術(shù)共享與復用。這攤薄了研發(fā)和模具成本，也加快了產(chǎn)品從原型到量產(chǎn)的進程。復用讓宇樹在雙足運動控制這個方向上跑得更快、造得更便宜。

但復用解決的是怎么造得更便宜，不是造什么才賣得出去。

當前的機器人行業(yè)有點像起步期的汽車行業(yè)，形態(tài)千奇百怪。后來大規(guī)模生產(chǎn)場景倒逼出了福特T型車加流水線這個最優(yōu)解，行業(yè)才收斂下來。

今天人形、輪式、四足并存的局面，未來可能會收斂到一個通吃的最優(yōu)形態(tài)，也可能每個成熟場景都會倒推出自己的最優(yōu)形態(tài)。

從這個角度看，宇樹同時布局四足、人形和輪式版本，不只是在做風險對沖，也是在為不同的終局做準備。在硬件終局落定之前，復用能幫宇樹贏得局部戰(zhàn)役，卻決定不了它是否選對了終極戰(zhàn)場。

第三張牌是出貨量帶來的數(shù)據(jù)。

設備產(chǎn)生的物理交互數(shù)據(jù)是稀缺資源。就像特斯拉會用幾百萬輛車的駕駛數(shù)據(jù)訓練FSD，宇樹的邏輯也類似，出貨的機器人越多，數(shù)據(jù)越多，模型就越聰明。

但具身智能數(shù)據(jù)和自動駕駛數(shù)據(jù)有一個關(guān)鍵區(qū)別。特斯拉的車主開車時，每一次剎車、每一次變道都在自然地產(chǎn)生標注信號。而機器人的物理交互數(shù)據(jù)，需要明確的任務目標和成敗反饋才有價值。

目前宇樹的設備主要流向科研和展示場景，任務類型還不夠多元。翻跟頭、跳舞、跑酷這些動作雖然驚艷，但對訓練一個能進工廠干活的“大腦”來說價值有限。

制造效率會被供應鏈成熟追趕，復用的優(yōu)勢取決于終局形態(tài)是否利好宇樹選擇的路徑，數(shù)據(jù)的閉環(huán)還缺有效的訓練反饋。這些不是宇樹獨有的問題，而是整個行業(yè)都還在摸索的階段。走得越快，就要越早面對這些問題，至于能不能跨過去，那是它接下來幾年要交的答卷。