宇树机器人顶流上市，硬仗挑战一触即发

2025年春晚舞台上，一群身着花棉袄的机器人整齐扭起秧歌，画面既透着些许诡异又自带喜感，迅速将宇树科技推向公众视野的C位。如今提到机器人，多数人最先联想到的品牌，往往就是宇树。

时隔一年四个月，这家公司从舞台转战科创板。6月1日，宇树科技正式过会，即将成为“A股人形机器人第一股”，从递表到过会仅用时73天。

热闹背后，大多数人可能并不清楚，那些能跳舞、能翻跟头的机器人，除了表演之外的实际用途是什么？能为哪些群体创造何种价值？聚光灯之下，这家知名度最高的机器人公司，能否始终身处风口？

一、宇树机器人的核心买家是谁？

先看一组数据：2025年，宇树营收达16.99亿元，相比2024年的3.93亿元增长超过3倍。这一增速在科技行业中都算亮眼。

但到了2026年第一季度，增速回落至68.49%。公司也坦言，随着基数扩大、行业热度降温、竞争加剧，高速增长很难持续。

拆解收入结构，四足机器人曾是绝对主力。2023年，四足贡献主营收入的75.78%。到2025年，人形机器人收入占比首次超越四足，达到51.78%。

具体来看，2025年宇树卖出5,215台人形机器人，均价16.64万元；四足机器人卖出23,037台，均价3.03万元。人形机器人单价远高于四足，但降价速度也快——2024年均价还是26.04万元，一年内降幅达36%。

比销量更重要的是：谁在买？购买用途是什么？

四足机器人的买家结构较为均衡。2025年前三季度，科研教育占31.58%，商业消费占42.30%，行业应用占26.12%。商业消费首次超越科研教育，成为最大收入来源，主要依靠线上销售放量。宇树判断，短期内电力巡检、消防救援等场景会率先落地，中长期则看好消费级市场。

人形机器人的买家结构则明显“偏科”。同期，人形机器人收入中科研教育占73.60%，商业消费占17.39%，行业应用仅占9.01%。而行业应用里，企业导览又占大约一半到七成。

换言之，人形机器人的主要买家仍是高校、科研机构和科技公司，购买目的多为算法验证、二次开发和课题研究。真正进入工厂实际作业的，占比还很小。

这类客户对价格不太敏感，而且当前人形机器人可选产品有限，宇树每推一款新品，老客户往往持续加购。数据也印证了这一点：科研教育领域的线下复购率从2023年的49.71%升至2024年的59.38%，2025年前三季度仍维持在56.58%；复购客户的年均购买金额从2022年的34.95万元升至2025年前三季度的139.07万元。

高复购率虽是好事，但另一面可能意味着新增客户增速没那么快。商业消费领域的复购率有所下降，公司解释是知名度提升后新客户增多、收入增长较快。

这里有个问题值得留意：科研教育类市场客户群体本身规模不大，且这类需求验证的是“技术能否跑通”，而非“商业能否跑通”或“市场是否广阔”。

宇树也判断，中短期内，人形机器人仍会集中在科研、教学、表演、智能服务等领域；中长期目标才是进入工厂、家庭。因此，无论是四足还是人形，它们面临的共同挑战是一致的：从“有人买单”到“实现大规模落地应用”，中间横跨的不仅是时间，还有一系列尚未突破的瓶颈。

二、宇树距离大规模商业化还缺什么？

首先得厘清三个概念：本体、小脑、大脑。

本体是机械结构、关节、灵巧手等物理硬件；小脑负责运动控制，让机器人站稳、行走、翻跟头；大脑对应具身大模型，负责理解任务、规划动作、适应新环境。

三条腿中任何一条短板，都会让整体表现踉跄。

当前的机器人玩家，有的擅长大脑，有的偏重本体。

对于本体派而言，尴尬局面正在显现：机器人在跑跳、空翻等单项能力上表现惊艳，但一旦被置入真实生产线或家庭环境，面对多变场景和任务便力不从心。

而对于大脑派，问题出在另一边。模型在仿真环境中表现惊艳，但装到真机上可能出现响应延迟、结构误差、通信卡顿等工程问题。模型能力终究受限于物理载体本身。

宇树早期研发投入更侧重本体和小脑，从2024年才开始加大对具身大模型（大脑）的投入。

宇树的竞争优势也集中在本体和小脑。四足机器人全球出货量第一，人形机器人能完成原地后空翻和侧空翻，靠的是扎实的运动控制算法和硬件自研能力。这一点行业内没有争议。

王兴兴曾表示，做大脑风险较高，因为没人能保证谁做得最好或最快，AI领域变化太快；而做硬件可能更稳妥。

这种规划既成就了宇树在出货量和市场份额上的优势，也埋下了当前的瓶颈。在回复函中，宇树坦承，当前制约通用机器人进入工厂和家庭的核心瓶颈有两个：具身大模型的泛化能力不足，以及灵巧手的精细耐用程度不够。

其中，大模型的泛化能力更为关键。简单说，就是让机器人摆脱对特定场景编程的依赖，具备广泛的通用操作能力，才能真正成为生产力工具。

举例来说，工业场景中存在多行业非标变量——油污地面、动态物料堆放，现有训练数据大多来自实验室或单一场景，很难覆盖这些跨场景差异。家庭场景中，高度非结构化的环境和个性化的用户需求，更是远超当前训练数据的边界。

而且，具身大模型的技术路线至今没有收敛，VLA模型、WMA模型、双系统等多种路线并行发展。这也是AI领域变化快、做大脑风险高的表现之一。

业内主流做法是采用VLA架构（视觉-语言-动作大模型），让机器人看到场景、理解指令、直接生成动作。像银河通用的GraspVLA和TrackVLA、千寻智能的Spirit-V1.5、Physical Intelligence的π-0等模型都走这条路，有些已整合进产品线开始跑数据。

宇树则选择WMA（世界模型）作为重点方向，同时押注VLA和WMA两条路线，已开源UnifoLM-WMA-0和UnifoLM-VLA-0两个版本。招股书显示，其自研的通用具身大模型已在自有工厂等场景进行部署测试。2026年5月，宇树发布新一代大脑WVLA2.0，并在G1上实现会议室自主整理功能；同期，G1进入东京羽田机场参与行李搬运实测，项目将持续到2028年。

不过，相较于已进入宁德时代工厂规模化打工的千寻智能，宇树G1在羽田机场的项目更偏“试点验证”阶段。

宇树IPO募资中近一半（约20亿元）将投向大脑相关研发，覆盖大模型和小脑的技术攻关、训练基础设施搭建、真实世界数据采集三个层面，计划三年内发布“通用人形机器人具身基础模型”，需具备场景、指令、动作和任务四大泛化能力。

三、宇树手里有哪些底牌？

补大脑这门课，本质上是为了把手里的牌打出更大价值。但在那之前，先看看这几张牌的成色和局限。

第一张牌：制造效率与成本控制

2023年到2025年，宇树毛利率从44.22%增长到60.13%，这还是在产品售价不断下调的情况下实现的。背后是自研关键零部件和规模化出货带来的成本优势。电机、减速器、关节模组自产，采购量大还能压价，四足和人形共用供应链进一步摊薄成本。

当然，科研和展示型需求本身对价格不太敏感，也是原因之一。

但当下游换为家庭或工厂，工厂老板会核算的是“这台机器多久回本、比招工划算多少”。到那时，制造效率的优势可能还在，但毛利率大概率不会这么高。

一个有意思的对比来自荣耀。在半马中表现优异的荣耀，其团队成立才一年多，开始半马项目的时间更晚。这倒不是说宇树的工程壁垒不存在，但它指向一个趋势：当核心零部件供应链和运动控制算法越来越成熟时，后来者在运动能力上的追赶周期正在缩短。

第二张牌：跨平台复用

人形机器人的部分零部件与四足机器人具有通用性，两者在关节、结构、电池、算法等核心模块上可以共享。这摊薄了研发和模具成本，也加快了从原型到量产的节奏。复用让宇树在双足运动控制上跑得更快、造得更便宜。

但复用解决的是“怎么造得更便宜”，而不是“造什么才能卖得出去”。

当前的机器人行业有点像起步期的汽车行业，形态千奇百怪。后来大规模生产场景倒逼出福特T型车加流水线这个最优解，行业才得以收敛。今天人形、轮式、四足并存的局面，未来可能会收敛到一个通吃的最优形态，也可能每个成熟场景都会倒推出自己的最优形态。

从这个角度看，宇树同时布局四足、人形和轮式版本，不仅是在做风险对冲，也是在为不同终局做准备。在硬件终局落定之前，复用能帮宇树赢得局部战役，但决定不了它是否选对了终极战场。

第三张牌：出货量带来的数据

设备产生的物理交互数据是稀缺资源。就像特斯拉用几百万辆车的驾驶数据训练FSD一样，宇树的逻辑也类似：出货越多，数据越多，模型就越聪明。

但具身智能数据和自动驾驶数据有一个关键区别。特斯拉车主开车时，每一次刹车、每一次变道都在自然产生标注信号。而机器人的物理交互数据，需要明确的任务目标和成败反馈才有价值。

目前宇树的设备主要流向科研和展示场景，任务类型还不够多元。翻跟头、跳舞、跑酷虽惊艳，但对训练一个能进工厂干活的“大脑”来说价值有限。

制造效率会被供应链成熟追赶，复用的优势取决于终局形态是否利好宇树选择的路径，数据的闭环还缺有效的训练反馈。这些不是宇树独有的问题，而是整个行业仍在摸索的阶段。走得越快，就越要早面对这些问题。至于能否跨过去，是接下来几年要交的答卷。

来源：互联网