标签: 人形机器人

  • 智元一气化三清

    声明:本文来自于微信公众号 字母榜,作者:薛亚萍

    宇树以420亿元目标估值冲击IPO时,智元则在走一条不一样的路,孵化与拆分业务,以子公司的方式独立融资

    觅蜂科技是智元今年2月孵化的数据公司,最近刚刚完成了新一轮数亿元的天使+融资;更早一点,去年12月孵化的租赁平台擎天租,已经融资四轮至A轮,估值达到70亿元。

    从智元内部拆分出来的灵巧手业务,在今年1月以“临界点”品牌独立运营,半年内连续融资三次,目前估值高达10亿美元,背后更有腾讯参与投资;还有刚刚拆分出来的四足狗业务智元酷拓,目前虽无融资消息,但已在排兵布阵。

    算下来,仅擎天租和临界点这两家子公司的估值加在一起就已经接近智元机器人本体,后者估值大约在150亿元。

    2025年以前,智元的打法之一是对外投资布局,而今年以来,明显加快了内部孵化与业务拆分,将细分业务以子公司形式独立运作、各自融资,甚至不排除未来独立上市的可能。

    这条路线与宇树截然不同。宇树是抱元守一,聚焦在机器人本体上,把硬件做到极致然后卖出去,所有业务打包在一起冲击420亿元的IPO估值。智元则是化整为零,把零部件、数据等基础设施分拆出来独立发展,自己则专注于具身智能大模型。

    A

    智元机器人的上一轮公开融资停留在去年8月,算下来已经将近一年没有投融资消息。在头部具身智能公司加速吸金的背景下,这种“静默”颇为少见。

    但若细看不难发现,近半年智元的叙事重心已从本体融资,转向了孵化和拆分业务的独立融资。这些独立出来的子公司,均由智元控股,法人代表多由智元合伙人担任,实际控制人皆为智元创始人邓泰华。

    先来看孵化的两家公司,一家是租赁平台,一家是数据公司。

    擎天租算是智元孵化的第一家公司,定位于机器人租赁平台,成立于2025年12月,智元持股52%。法人代表为智元合伙人、营销服总裁姜青松,同时也是这家公司的董事长。半年内完成了四次融资至A轮,估值达到70亿元,节奏之快可见一斑。

    目前,这家公司CEO为飞阔科技创始人李一言。今年2月,阿里“中供铁军”首任校长、资深渠道建设专家李立恒,与阿里商业战略与组织变革专家王明峰加入,分别出任擎天租联席总裁与首席战略官。

    智元孵化的另外一家公司是数据公司。

    今年2月,智元成立了数据公司觅蜂科技,法人代表是智元合伙人、具身业务部总裁姚卯青。智元持股75%,实际控制人同为邓泰华。目前这家公司已经累计完成数亿元融资。

    今年以来,数据成为具身智能行业的基础性战略资源。当机器人本体还在烧钱的时候,提供训练数据的“卖铲人”已经闷声发财了。譬如估值20亿美元的光轮智能,其一季度订单就有5.5亿元。

    姚卯青也曾说,数据会比终端应用更早形成商业回报。

    除了直接孵化新业务,智元也将一些非核心业务逐渐拆分出来,譬如灵巧手和四足机器狗业务。智元的三大业务线是远征、精灵和灵犀,机器狗及灵巧手此前并不在智元的核心业务范畴。

    今年1月,智元将灵巧手业务拆分出来,成立公司临界点。法人代表是智元合伙人、通用业务部总裁王闯。智元持股67%,腾讯持股1.6%,目前估值已达10亿美元。

    灵巧手是具身智能的关键环节。当前该细分领域估值最高的灵心巧手已达200亿元,寻求新一轮融资为410亿元,几乎接近宇树科技上市目标估值。

    灵巧手有多重要?

    今年6月,黄仁勋宣布和宇树合作打造人形机器人的时候,还同时宣布了另外一家合作公司,就是灵巧手公司Sharpa。

    到了4月份,智元又将四足机器人业务拆分出来,成立智元酷拓,这是从灵犀产品线独立而来的。其中,智元持股80%,深圳智酷持股20%,后者实控人为智元监事会主席卫云龙。而智元酷拓的实控人仍然是邓泰华。

    图片

    图源:智元官网

    实际上,去年7月智元的四足机器狗才面世。但是据报道,对于智元酷拓,智元创始人邓泰华准备亲自出任负责人,并组建核心管理团队。

    这一业务独立的原因颇为直接。智元酷拓首席运营官邱恒称,智元的判断是,四足本身就是个巨人,要单独拿出来跑。

    当前在四足机器人市场上,宇树为行业第一,全球出货量约占70%的市场份额,去年收入约5亿元。

    而邱恒预计,今年智元酷拓营收将达5亿元,到2030年的目标是年出货30万台、营收100亿元。足以看到智元的野心不小。

    纵观智元这一系列布局,大多指向产业链中的基础性设施与“卖铲人”角色,用子公司的独立融资,替代单一本体的融资。

    B

    智元这样做,出于什么考量?

    一方面,将这些业务拆出来,每一个都可以独立面对资本市场,按照自己的赛道逻辑去估值。

    比如数据公司,今年在资本市场上备受追捧,觅蜂科技成立当月就能拿到红杉领投的数亿元融资;灵巧手公司临界点,不到五个月估值就冲到10亿美元。

    如果这些业务都放在智元本体内部,它们只是集团的一条业务线,估值逻辑会被本体的人形机器人故事覆盖,很难单独释放价值。

    拆出来之后,每个业务都可以讲自己的故事、拿自己的钱。整体融到的资金规模和估值效应都远超打包在一起的效果。

    以擎天租和临界点为例,两家公司估值加在一起约140亿元,已接近于智元机器人本体约150亿元的估值。更关键的是,它们各自的天花板远未触及,同赛道的灵巧手公司灵心巧手估值已达200亿元,数据公司光轮智能估值约20亿美元。而这两条赛道,智元恰好都有布局。

    拆分业务,也是为了更好完成商业化探索。

    目前具身智能本体的商业化路径尚不明朗,但做基础设施的已经赚到了钱。这一点,在四足机器人业务拆分时,智元联合创始人彭志辉说得直白:“四足机器人拆出来,是为了能够更专注地解决特定场景的问题,从而去实现更快的商业化落地,进一步促进子公司与母公司一样形成商业闭环。”

    甚至不排除独立上市的可能。在接受媒体采访时,李一言称,“擎天租这个平台本身将是完全独立融资、独立上市的。”

    恒业资本创始合伙人江一分析称,2026年具身智能行业只认能跑通的ROI,智元把不同的业务拆开,等于布设多张精准捕捞网。如拆分出“临界点”独立运营,不仅能补充自己,还能跨界吃掉整个行业的红利,做全行业的生意。

    更深一层来看,拆分出来的业务也让智元的行业定位发生了变化,智元成了“具身智能基础设施的提供者”。

    这些拆分出来的业务,不光是智元自己用,更是面向整个行业。

    如临界点交付的8000台灵巧手、逾万台夹爪,都不是只提供给智元机器人,对外面向整个具身智能产业;擎天租平台接入的除了智元,还有宇树科技、加速进化等机器人;觅蜂科技的数据平台,建立的也是一个行业级的数据网络。

    这套逻辑很像AI行业里,那些卖芯片的、卖算力的、卖电子布的等基础设施的跑出来一样。具身智能行业也是一样,不管哪家机器人公司,灵巧手、训练数据、租赁平台都是绕不开的基础设施。

    智元方面在回应字母榜时也称,智元还是一直想做生态链的链主角色。

    而智元的这种打法,离不开一个人。仔细观察就能发现,智元孵化和拆分的这些公司,背后实际控制人皆为邓泰华。

    这个名字在过去两年里没有稚晖君那么出圈,但他才是智元真正的操盘手。

    邓泰华曾是华为计算产品线总裁,主导过鲲鹏和昇腾AI计算生态的构建,正是他当年邀请了在华为任职的彭志辉(稚晖君)一起出来创业。过去两年稚晖君凭借个人IP站在台前,给智元带来了关注度,但真正在背后制定战略的人一直是邓泰华。

    邓泰华擅长“大公司”打法,智元的生态布局就是“1+5+N”。

    其中“1”是智元机器人整机与具身智能大模型。“5”则是智元重点孵化、独立拆分的五大子公司,除了上述的四家之外,还有一家是2025年由智元孵化的智鼎机器人,聚焦商用清洁场景,智元持股75%,实控人同为邓泰华。“N”则是智元的一系列对外投资或生态合作伙伴。

    按照这样的生态布局,未来智元系推动多家公司独立上市,并非没有可能。

    C

    换句话说,宇树赌的是一家公司上市,而智元赌的是一群。

    去年,智元和宇树还经常被放在一起讨论,他们是最有可能先跑出来的两家具身智能公司。宇树筹备科创板IPO,智元则拿下上市公司上纬新材的控股权。

    宇树的打法很直接,把所有业务打包在一起,冲击IPO。根据招股书,宇树的业务包括人形机器人、四足机器人、机器人组件及其他。宇树拟募资42.02亿元,目标估值是420亿元。

    这一估值其实并不是很高。目前,全球人形机器人估值最高的是FigureAI,估值约为390亿美元,是宇树的6倍多。

    这里当然有市场差异原因,还有一层原因就是大脑的研发。FigureAI并未大规模量产,但是却靠着自研具身智能大模型获得高估值。

    显然,智元也是按照FigureAI的路线来走的。

    智元给自己的定位一直都是“具身智能大模型公司”。四足机器人、数据平台、灵巧手这些业务拆分成子公司运营,分工很明确,智元本体做大脑,子公司做硬件和基础设施。

    这样一来,智元还能继续按照具身智能大模型的逻辑来获得估值。同时,不影响拆分出去的子公司在自己的赛道里融资。

    所以,宇树和智元本质上是两家不同形态的公司。宇树押注的是当下可规模化、可盈利的硬件市场,商业模式清晰,所以IPO也快。但隐忧也同样明显,一旦市场饱和或价格战打响,市场就会被挤压。

    一季度,受市场竞争等压力,宇树营收为4.2亿元,同比增长68.49%,而上年同期同比增长为332.64%,增速放缓。最近,宇树宣布人形机器人R1售价从3.99万元下调至2.99万元。

    智元押注的是生态。本体做大模型,子公司做基础设施。从财务角度看,仅擎天租和临界点两家子公司的估值加在一起,就已经逼近智元本体150亿元的估值,相当于“再造了一个智元”。

    但风险同样不容忽视。各子公司能否在各自赛道里持续拿到钱、持续跑出来,存在很大的不确定性。

    更让人关注的是,当前,具身智能大模型研发虽是共识,但整体进展尚未有大的突破。放到智元身上,智元机器人已经将近一年没有新的融资动态,最后一轮公开融资停留在2025年8月。

    彭志辉对此的解释是,智元目前更看重自我造血和商业化的能力提升,对外部一级市场融资没有那么迫切。

    几天前,智元宣布第15000台通用人形机器人量产下线。上一次第10000台量产下线的日期是3月底。也就是说三个月,智元量产5000台。这一数据几乎相当智元去年一年的量。

    按照智元每三个月5000台量产的节奏,理想状态下2026年其量产至少将达到2万台。

    但问题在于,这个节奏能不能持续?其次,宇树面临的市场竞争压力,智元是否也将会遭遇?

    这些问题的答案,最终要落到商业化的真实进展上。

    2025年,智元营收为10.5亿元。邓泰华立下的军令状是,计划2027年实现100亿元营收,并开启第二曲线,至2030年实现超1000亿元营收。

    从10.5亿到100亿,两年时间几乎要翻十倍。智元的生态布局能否撑住这样的增速?子公司矩阵又能在其中贡献多少?这些问题,目前还没有答案。

  • 终于,具身智能的“真机数据”难题有了新解法

    声明:本文来自于微信公众号 深响,作者:林之柏

    2026年,具身智能迎来新一轮空前热潮。

    春晚舞台上宇树“人机共武”、魔法原子“实景演出”相继出圈,荣耀“闪电”则在北京亦庄人形机器人半程马拉松刷新人类男子半马世界纪录,公众热情被一再点燃。资本侧同样反应积极,中国市场上估值超过100亿人民币的具身智能公司已超过20家。技术也在持续突破:从VLA到世界模型的迭代、到灵巧手的进展,具身智能逐步从Demo(演示)走向Deployment(实际部署)。

    但不得不说的是,热闹背后,一个核心难题始终横亘在行业面前:高质量真机数据极度匮乏。

    中国信通院报告明确指出,具身智能是一个“由数据驱动的智能系统”。对于具身智能而言,数据是决定行业发展上限的关键变量。如果缺乏高质量数据,机器人就无法实现精准操作和场景泛化。

    国家发改委相关新闻发言人也在最近的发布会上表示,下一步将加快具身智能训练基础设施建设,更好地支撑数据采集和“大小脑”模型训练,以提升具身智能在不同场景的通用能力。

    而且不同于大语言模型能规模化爬取文本数据,具身智能所需的描述人类运动、精细操作的真实数据少且难得。目前,全球文本数据早已达到万亿token级别,但高质量真机操作数据仍停留在百万小时规模。

    在这个战略重地,成立于2025年2月、已累计完成数亿元融资的灵御智能选择了一条另类的路线:它不加入本体长相的内卷,而是定位为做面向具身智能的高精度物理世界数据基础设施提供商,为行业提供高质量的本体和数据服务。

    具身智能的数据困局与

    「不可能三角」

    具身智能的数据困局由来已久,这是行业运行惯性、早期技术局限等一系列因素共同造成的。

    目前,业内获取数据的方式主要有四种。

    第一种是仿真数据,即在模拟环境中生成机器人操作数据。这种方式最大问题是“虚实鸿沟”,仿真环境就算再精细,也很难准确还原现实世界的各种物理细节,比如物体之间的摩擦力、传感器运行时的噪声等。这些细节误差,可能导致机器人无法适应真实工作环境。

    第二种是人类行为数据,主要来源于视频,让机器人学习人类的操作动作。但人类的身体结构和机器人的机械结构存在差异,这就形成了“构型鸿沟”:人类的动作很难直接映射到机器人身上,比如手指灵活度、肢体协调性,数据实用性大打折扣。

    第三种是人类示教数据,通过手持设备、动捕系统,或者拖动机械臂进行操作示教。这种方式更贴近机器人运动习性,但依然无法完全解决“构型鸿沟”,而且采集效率低,很难实现规模化。

    第四种是真机遥操数据,由人类远程控制机器人完成任务,同时记录整个操作过程。这种方式优缺点都很明显:优势是更接近真实物理世界,获得更高质量、多模态、可泛化的数据;短板在于采集成本高。

    市面上品质较高的真机遥操机器人售价普遍偏高,按照行业通用的一年使用期计算、加上各类杂项成本,单任务每次的数据成本大概在3-5元,这还没算大量设备、场地、操作人员开销。

    面对数据困局,巨头与学术界的探索同样未能提供公用解法:

    比如特斯拉采用的封闭生态模式,数据质量够硬,但仅供自身使用;斯坦福大学研发团队推出的ALOHA方案,借助远程操控系统,由用户同时控制底座和两个机器手臂来完成更多样的任务,数据精细,只可惜更偏向实验室场景,难以满足工业级需求;国内的本体厂商则大多采用重资产模式,自搭场地、系统,投入大、效率偏低。

    上述种种数采模式的优劣,业内争议不断,但无论哪种路线,似乎都无法突破具身智能数据的“不可能三角”:高质、高效、高性价比。

    正因此,行业急需一种“工业化、标准化、低成本”的数据生产方式——而这,正是灵御智能试图解决的核心问题。

    打破「不可能三角」

    灵御智能的另类解法

    不同于很多强调“拟人化”表达、通用展示能力的机器人企业,灵御智能不执着于“做一个最像人的机器人”,反而关注一个更实际的问题:如何让机器人稳定、高效地进入真实任务场景,持续产生高质量数据。

    这种差异化定位,让其跳出了主流赛道,在“高质、高效、低成本”这三个看似矛盾的需求之间,找到平衡点。

    首先是提升效率,更注重动作采集执行速度和稳定性。

    在第二届中关村具身智能机器人应用大赛上,灵御的机器人在每个实际场景中的操作时间,都是同类竞品的30%甚至更低,展现出极强的执行速度。

    而得益于更强的动作完成能力、力控柔顺性,灵御的机器人具备更高稳定性。力控柔顺的机器人,能像“人”一样自带细腻“手感”,敏锐感知细微的受力分布、找准发力点。这让机器人更自如地应对复杂任务,单日有效采集时间达10小时以上,任务完成条数超800条,大大提高采集效率。

    第二届中关村具身智能机器人应用大赛测试项目

    其次是成本控制。灵御智能的核心产品TA机器人售价在10万-20万元区间,加上人工和各类杂项成本,单年成本控制在30万元以下,每小时成本仅100-150元,单任务每次的数据成本约0.6元,和umi数据采集成本相当。

    为什么灵御智能可以做到“低成本”?关键有两点。

    一是不盲目死磕昂贵硬件,而是从算法层面寻找突破口,这与SpaceX用不锈钢替代钛合金的思路很像,主打“花小钱办大事”。

    比如受力监测,业内通常会给每个关节配备谐波减速器和六维力传感器,就像在机器人身上安装一个高精度“电子秤”,靠物理手段监测不同运动状态下的受力变化,数据极尽精细,但硬件成本很高。

    灵御智能则采用低减速比的行星减速器,通过监测电机电流变化来估算受力。这套方案胜在“实在”:电流反馈的物理精度不如传感器,但配合500赫兹的控制频率,系统每两毫秒就能获取一次受力数据,实时调整刚度;再加上高精度标定和全局逆解算法,用更高性价比方案,实现了全柔性力控下的毫米级定位精度。

    齿轮背隙优化也是同理。传统机械方案要做到极小背隙,不仅要把齿轮的加工精度拉满,中心距、预紧力甚至需要逐台人工微调校准,成本高,还容易受温度变形影响出现故障;灵御智能用廉价传感器监测齿轮相对位置,通过算法实时补偿背隙,最终实现的等效精度反而更高。

    这些做法,其实是对机器人行业“硬件为王”思维的修正:过度依赖高端机械部件来提高数据精度,不仅推高了成本,还限制了生产力。算法+硬件的相互配合,节省成本之余,也并不会影响数据稳定性。

    二是在产品设计逻辑上,始终以数据采集效率为核心进行优化。

    比如砍掉脖子关节,用广角摄像头提供接近人眼的大视野,操作员无需控制机器人扭头,就能覆盖全部视野;采用模块化设计,最容易磕碰损坏的小臂和手腕部分可以快速拆卸更换、无需整机返厂大修,大幅降低了维护成本和停机时间。

    此外,还有更为关键的高数据质量。

    灵御智能TA机器人集中发力时间、空间和信息密度三个维度。

    时间维度上,TA机器人实现了S100、x86、激光雷达、相机全硬件亚微秒级同步,从系统底层保证多传感器数据在统一时间轴上的高度一致性,杜绝“相机已经拍到动作,传感器还没记录受力”等情况。

    灵御智能联合创始人、首席科学家莫一林透露,团队把端到端的流程拆分成20个环节,每个环节的耗时都用示波器精确测量。

    同时,相机提供严格的曝光开始时间、6路相机触发实现纳秒级同步,从相机曝光到数据进入内存的整体延迟最低可控制在40毫秒。为此,灵御智能从CMOS选型阶段就与供应商联合开发、定制曝光时间等参数,从源头保证时间精度、对齐多模态数据。相比之下,很多公司仍在使用通用USB摄像头、内置预处理芯片,无法精准把控延时效果。

    这和苹果、特斯拉等厂商的思路是一致的。苹果iOS生态的流畅性、稳定性为什么一直有口皆碑?正是因为它从芯片、系统到镜头等零部件一手抓,高度集成、高度统一。

    信息密度上,TA机器人对力控数据、头部4k双目视觉数据、腕部2k双目视觉数据和遥操作眼动数据全覆盖,整体数据topic数量为行业最多。

    空间精度上,TA机器人实现了0.1mm的重复定位精度和1mm的绝对精度,均处于行业领先水平。重复定位精度保证了单台设备在重复执行任务时的稳定性,绝对精度则确保不同机器人之间的数据一致性,避免了因设备差异造成偏差。

    不得不说,TA机器人的高质量数采,正正解决了行业的大难题。

    此前业内很多公司都存在重复定位精度不足、不同设备采集数据不兼容、过于追求单一维度的精确度等问题。好不容易采集到数据,要么动作、受力存在偏差,要么精度达标但传感器数据不同步、信息残缺,以至于数据看起来丰富,但无法准确反映真实操作场景。

    更重要的是,在传统操作思路里,数据采集、上传、清洗、标注、模型训练等环节容易出现脱节,低质量数据不仅无法提高训练质量,还会成为“负资产”。

    而灵御智能对空间、时间和信息密度的兼顾,能最大限度避免数据脱节、信息单一,且数据集无需额外校准,可直接用于模型训练,既节省了后续成本,也真正实现了数据的可泛化价值。

    立足于效率、成本和数据质量三重支撑,灵御智能显然迈出打破「不可能三角」的关键一步。在这基础上,灵御智能得以更进一层:构建“数据飞轮”,形成难以替代的核心竞争力

    过去,大部分机器人数据采集都属于纯投入模式:企业需要专门搭建采集场地、组织人员、运行设备,再把采集到的数据回流给模型团队,流程繁琐、效率低下。而灵御智能改变了这一逻辑——在它的方案中,机器人本身既是执行终端,也是数据入口。

    在灵御智能的端云协同架构中,云端并不是简单承担远程控制角色,而是与端侧实时控制、本体执行、任务调度和专家模型形成协同。机器人在真实场景中完成任务的同时,视觉、力控、关节状态等多模态数据持续回流,进入清洗、标注和训练流程,反过来推动模型能力迭代。

    其中,灵御TA机器人承担着进入真实场景的物理执行角色,自研的低延迟通讯架构负责连接云端智能与机器人本体,而高质量真机数据飞轮则持续反哺模型训练和能力迭代。

    这就形成了“部署—数据—训练—进化”的完整闭环:部署规模越大,真实场景越丰富,系统获得的数据就越多;数据越多,模型能力就越强,进而提升机器人的执行能力,反过来又能采集更多高质量数据,实现自我强化。

    图片

    “数据飞轮”的成型,离不开全链路的协同能力,这是灵御智能独有的竞争壁垒。

    行业内很多公司能做好机器人本体,但不一定能把云端AI稳定接入真实物理任务;有些公司能做好模型,但缺乏低延迟通讯技术和可落地的执行本体,而灵御智能实现了各环节的深度协同。

    灵御智能和英特尔的合作是典型例子。此前,英特尔已开始使用灵御机器人开展模型训练和数据采集,并提供云边协同、数据处理与算力支持。双方合作跑通了“数据—模型—执行”的闭环雏形:从真实任务中采集高质量数据,用于云端模型训练,再将优化后的模型下发到机器人本体,进行执行验证。

    往后,类似的合作案例可能会越来越多,这也印证了其技术路线的可行性。

    从卷模型到卷数据

    打破具身智能能力上限

    随着具身智能逐步告别概念炒作和样机演示,进入规模化量产、商业化落地的关键阶段,行业也从“卷模型”转向“卷数据”。竞争重心正发生彻底改变,决定系统能力上限的,不再只是模型本身,而是它是否拥有足够丰富的真实场景数据。

    这种产业演进轨迹,与自动驾驶行业高度重合。正如特斯拉的核心壁垒从来不只是自动驾驶算法,还有其庞大的车辆部署规模,持续采集海量、真实路况数据。这些数据,才是调优算法应对极端天气、突发路况等长尾问题的关键。

    具身智能正走向类似的路径:机器人只有走进各种复杂环境,持续与真实世界交互,才能获得足够的数据。

    这便能看出灵御智能的独特性:形成从设备、部署到数据交付的完整闭环,服务于科研机构、数据采集中心及复杂非结构化场景客户,推动机器人数据从实验验证走向标准化、规模化生产。这让其成功获取了物理世界的数据入口,为机器人进入更复杂、更真实的任务环境提供数据基础设施。

    就像大模型时代的Scale AI,其价值不仅仅在于提供数据标注服务,更在于帮助行业建立了标准化的数据生产体系;在具身智能的领域,行业也需要灵御智能这样的企业填补基础设施层的空白。

    灵御智能这种成为“基础设施”的决心也贯穿在CEO金戈设定的2026年度目标中:全年出货量突破800台机器人;完成商业闭环验证,在1-2个真实工作场景中,证明机器人能够为客户带来正向ROI;构建数据资产,一年内为行业提供至少百万小时、经过标准化处理、可直接用于模型训练的高质量真机数据集。

    这三个目标其实是环环相扣的:只有机器人部署规模上去,才能产生足够丰富的场景数据;只有跑通商业闭环,才能证明基础设施的商业价值;只有数据飞轮转起来,才能发挥基础设施的网络效应——而这背后,或许也藏着整个具身智能行业未来几年的真实发展方向。

    未来,真正成熟的机器人,不会只存在于实验室和演示视频里,它们会走进餐厅、仓库、医院、工厂、商场,持续与真实世界发生交互;它们也会像今天的联网汽车一样,在工作过程中不断学习、不断进化;而每一次抓取、移动、任务失败与修正,都会成为下一轮模型迭代的养分。

    届时,机器人产业真正重要的,可能不再是“制造机器人”,而是如何建立一张持续连接物理世界的数据网络谁能率先建立数据基础设施,谁就更有机会找到这张数据网络的入口。

  • 宇树的野望,等待兑现

    声明:本文来自于微信公众号 光子星球,作者:文烨豪

    继去年11月IPO上市辅导工作完成之后,宇树科技的IPO路途迎来了新进展。

    3月20日晚,上交所正式受理宇树科技科创板IPO申请,而在此之前,宇树科技已完成上交所预先审阅,包括答复两轮问询。

    据悉,宇树科技本次IPO公开发行不低于4044.64万股,拟募资42.02亿元,若成功登陆科创板,其或将成为A股“人形机器人第一股”。

    在此之前,在行业语境里,宇树科技给外界留下了稍显“偏科”的形象——本体、“小脑”能力强悍,但“大脑”仍待提升。但从此次募资方向来看,现阶段的宇树科技,似乎想要打破此番滤镜,朝着多个领域全面出击。

    IPO

    宇树招股书,具身智能的一道剖面

    现阶段,具身智能赛道虽然热闹,但由于产业身处早期,大部分玩家尚未上市,直到今天仍是一个信息极度匮乏的行业。大多数时候,外界只能通过演示、发布会、采访等碎片,去拼凑出一个模糊的行业轮廓。

    正因如此,宇树科技作为赛道头部玩家,其招股书好似撕开了一道口子,让外界足以窥见具身智能产业的真实面貌。

    从经营数据看,“被撕开”的第一层,是增长本身。

    招股书显示,2022年至2025年前三季度,宇树科技分别实现营收1.23亿元、1.59亿元、3.92亿元和11.67亿元;净利润从-2210.05万元、-1114.51万元,转为9450.18万元,并在2025年前三季度达到1.05亿元。

    由此不难看出,宇树科技这些年增长态势相当猛烈,尤其是在2025年将人形机器人送上春晚舞台之后——随着产品销量的快速放量,宇树科技预计2025年全年营业收入将超过17亿元,同比增长335.36%;扣非净利润超过6亿元,同比猛增674.29%。

    由亏转盈,再步入放大阶段,这样的曲线在商业语境并不罕见。但问题在于,具身智能赛道尚在早期,技术路径仍在分岔,商业化场景亦没有大规模跑通,而宇树科技竟已经完成了从亏损到盈利的跨越。

    此番错位,使这条本该顺理成章的曲线,显得格外不寻常。而究其原因,宇树科技之所以能盈利,既源于极好的销量表现,亦源于机器人产品极高的毛利率。

    从销售表现来看,宇树科技四足机器人报告期内累计销量超3万台,全球市场份额连续多年第一;人形机器人从2023年开始量产,报告期内人形机器人销量累计近4000台,且2025年度出货量已超5500台。

    而体现到收入层面,从招股书来看,宇树科技的核心收入由四足机器人与人形机器人构成。2022年,四足机器人收入占比仍高达76.57%,是绝对主力;而到了2025年1-9月,这一比例下降至42.25%。

    与此同时,人形机器人收入占比从2023年的1.88%,迅速提升至51.53%,并在当期实现5.95亿元收入,首次超过四足机器人的4.88亿元,成为新的增长引擎。

    另一方面,得益于电机、减速器、控制器等核心零部件的自研自产,宇树科技在规模增长的同时,利润空间亦进一步释放。招股书显示,2025年1-9月,公司主营业务毛利率高达59.45%,较2024年的56.41%进一步提升,盈利质量持续优化。

    因此,对于具身智能“叫好不叫座”的声音,宇树科技这份招股书,至少在财务数据层面,给出了确切的回应。

    只是,财务模型的成立,并不等同于商业模式的成熟。就具身智能赛道而言,尽管已从“能不能做成”走到了“有没有人买单”的阶段,但需求仍然停留在分散验证阶段,大规模商业化野望仍然悬在半空。而这,也是宇树科技,以及更多具身智能玩家,现阶段需要去努力回答的题。

    商业化,如何穿越荆棘

    在商业化层面,具身智能赛道现阶段仍未定型,可能性与风险几乎同时存在。

    招股书显示,2023年,宇树科技人形机器人在科研教育的收入占比达100%,而2025年1-9月,这一比例已下降到73.60%。

    换言之,不到两年时间,人形机器人长出了几近三成的新需求。

    具体来看,2025年1-9月,宇树人形机器人在商业消费方面收入占比17.39%;行业应用方面收入占比9.01%。

    行业应用方面,以企业导览、智能制造、智能巡检等为主。其中,用于活动、介绍等场景的企业导览需求占比在50%-70%区间。

    结合宇树科技前述财务数据,具身智能赛道很可能不是一个需求先跑出来、供给随后填满的行业,而是典型的供给先行型行业。

    人们为它鼓掌,不是因为离不开、需要它;而生产出来的人形机器人,亦非响应已经存在的需求,而是通过持续迭代、尝试、验证,把原本可能并不存在的需求,慢慢发掘出来。

    问题在于,如何穿越技术与产品尚未成熟,略显逼仄遍布和不确定性的中间地带?

    具身智能本身的“玩具”或“景观”属性,或许正是其跨越鸿沟的阶段性解法之一——无论是前述企业导览,还是现阶段火热的机器人租赁,本质皆是把机器人当作看点,而非真正干活的工具。

    这并不是缺陷,事实上,很多重要的技术创新,都曾在“无用”与“有用”间有所停留。以无人机为例,早期也曾一度被视作“玩具”,但随着不断迭代、试错,如今无人机早已在航拍、测绘、农业植保场景,找到了自己的价值。

    玩具也好,景观也罢,一大特点就是不需要能力。现阶段的人形机器人,一段舞蹈、几句对话,加上一点点“像人”的姿态,就足以支撑一场完整的交付。

    若把这套能力拆开,会发现台上活蹦乱跳的机器人,内核极其简单——不过是几种动作的组合,话语的重复,实际上只是围绕少数能力循环展开。

    因此,从表面上看,将不成熟的技术兑现的问题,似乎迎刃而解,可实际上,这一场景门槛不是能力不够,而是交付无法脱离人力因素而独立存在。

    在此背景下,宇树科技在“单机能力”上堆叠叙事的同时,也将精力转向另一件事,即研发集群控制系统,让多台机器人同时被控制,被调度、编排。

    这看似是技术升级,实则是对机器人演出这门生意底层逻辑的改写。

    以机器人租赁为例,过往企业租赁机器人进行表演,每台人形机器人都会对应到具体的操作人员,因此规模既没有导致成本下降,也无法带来线性收益,反而带来了额外的复杂度。而群控体系一旦成熟,原本需要逐台干预的人力将被取代,从而将规模效应彻底释放。

    当然,远期来看,这不过是具身智能发展路途中的一条岔路,至于窗口期会持续多久,当下无人能断言。只知道在窗口尚未合拢时,宇树科技就已不再满足于掌声,而开始转向那些更慢、也更难的路径。

    宇树的野望,不止IPO

    上世纪80年代,机器人研究者莫拉维克曾有过一个著名的论断,即莫拉维克悖论。

    大意是像下棋这样,对人类来说困难的事情,对机器反而容易;而感知、行动这类对人类来说近乎本能的事情,对机器却极其困难。

    而这,几乎可以直接套用在当下的AI与具身智能行业上。AI模型已经可以写诗、写代码,甚至创作一部电影,但一台人形机器人想要稳定快跑,或是抓取物体,依然困难。

    某种程度上,这也是此前的宇树科技,略显“偏科”的原因之一。

    据悉,具身智能现阶段重点由两部分组成,一侧是同本体绑定甚强的“小脑”,负责高稳定性、高复杂度、高动态响应的运动控制;另一侧也就是“大脑”,负责理解环境、感知意图、自主决策和任务规划等维度。

    其中,由于缺乏原生数据、数据质量较差,导致具身智能行业,在“大脑”方面的训练难度颇高。因此,宇树科技过往的选择,是将大部分精力投入本体与小脑层面——先造出一副好身体,再等待一颗聪明的大脑。

    而现阶段,除了较为传统的VLA模型,站在视频模型肩膀上的世界模型,虽仍存在着痛点与难点,但正为行业培育“大脑”带来新的可能性。

    基于此,从本次IPO来看,一路高举高打的宇树科技,似乎有了更大的野心。

    招股书显示,宇树科技计划将募集资金中的20.22亿元用于智能机器人模型研发项目,11.10亿元用于机器人本体研发项目,4.45亿元用于新型智能机器人产品开发项目,6.24亿元用于智能机器人制造基地建设项目。

    值得一提的是,满产满销的宇树科技,下一阶段不仅想要扩建产能,其募资大头更是流向模型研发环节。换言之,全面出击的宇树科技,不仅想要强化自身的规模效应,更是已盯上了“大脑”,试图将过往的短板补齐。

    因此,对宇树科技而言,冲刺登陆科创板固然重要,但真正决定这家公司未来去向的,是接下来的那段长路——能否拿出“最强大脑”、能否跑进产业深处,才是更难、也更关键的几道关。