最近几天机器人行业的群聊几乎被同一份文件刷屏——宇树提交的招股书。大家最先讨论的通常是营收规模和上市动作本身但我反复琢磨的是文件里那个清晰到近乎朴素的路线排序“先本体再模型、先运动再干活”。这十二个字在AI叙事最狂热的年份里显得有些不合时宜可它偏偏被写进了招股书并且被一整套收入结构验证着。这篇内容想聊聊我的读法这个顺序是怎么来的技术上有哪些支撑又有哪些地方其实在走险棋。适合关注人形机器人赛道、做具身智能相关研发或者单纯好奇“机器人为什么现在才从PPT走向量产”的朋友。1. 招股书里的三个硬指标收入结构、毛利率与核心件自研1.1 四足机器人才是现金牛人形机器人更像期权看招股书的人通常先看总营收。宇树的盘子确实在快速放大从几年前的亿元级别一路涨到十亿元级别这个增长曲线放在机器人行业里相当扎眼。但比总量更值得看的是产品结构到今天为止四足机器人依然是绝对收入主力人形机器人更多是“增速快、基数低”的早期业务。这个结构本身就在印证“先运动再干活”的节奏。四足机器狗最大的意义不是酷炫而是它先于人形机器人找到了能走量的付费场景——教育、巡检、表演、消费娱乐、开发者尝鲜。一台工业级四足可以卖到几万甚至十几万一台消费级机器狗也能稳定出货。正是这些真实订单撑起了后续人形机器人研发所需要的现金流。我见过太多机器人公司产品发布会上惊艳全场但一年出货量不到三位数团队全靠融资输血。宇树的选择恰恰相反先用四足把收入做出量级再让人形机器人慢慢长大。看招股书第一眼不要只盯着“机器人”三个字要看它是靠什么活着走到今天的。1.2 境外市场的毛利溢价与消费级打法还有一个容易被忽略的信号境外收入占比很高而且境外业务的毛利率通常显著高于境内。同样一台机器狗在海外高校实验室、开发者社区和商业客户手里议价空间和国内政企项目完全不同。这说明宇树在定价策略上复用了消费电子打法——不是按项目制去投标而是按标准品去做全球零售和渠道分发。境内外毛利率的差异也透露了一个行业规律硬件一旦做成标准品毛利率的天花板很大程度上取决于品牌溢价和渠道效率。宇树在海外开发者社区有相当高的知名度这给它省下了大量市场教育成本。很多人觉得机器人公司就该拼技术参数但招股书里的毛利率数字说明技术最终要变现拼的是产品定义和渠道能力。1.3 核心件自研成本曲线的护城河招股书里最容易被扫过去的部分是核心零部件的自研比例。关节电机、减速器、控制器、传感融合——这些构成机器人“肌肉骨骼”的关键环节宇树基本是自己设计、自己生产。自研的意义业内已经聊过很多次成本、供应链安全、迭代速度。拿关节模组来说它在四足和人形机器人的BOM成本里占比极高。如果靠外购电机和减速器一台机器人的毛利空间会被大幅压缩新品迭代时还要等供应商排产。自研之后团队可以随时改设计、调参数把一个关节的重量从600克压到400克把峰值扭矩提高20%而不需要跟外部厂商反复沟通。这种“肌肉记忆”级的供应链能力恰恰是“先本体”路线能在硬件上持续迭代的基础。2. “先本体”不只是口号硬件质量决定了数据飞轮的入场资格2.1 “模型”这个词的双关样机模型与AI模型在机器人行业里谈“模型”一定要先分清楚语境。大多数人现在听到模型第一反应是神经网络权重、大语言模型、扩散模型。但工程师嘴里的“模型”也可能指样机原型、三维几何模型、动力学模型。宇树的“先本体再模型”在我看来说的并不是“不碰AI”而是“先把本体模型做扎实再往上面堆AI模型”。这是一个很工程化的排序先解决物理载体的可靠性、成本、一致性再谈算法层的智能。原因也很简单——大模型再强也不能让一台会散架的机器凭空跑起来。AI是大脑但大脑需要一副能承受现实摩擦的身体。这个双关是理解整篇招股书技术路线的一把钥匙。很多人只盯着“模型”的AI含义却忽略了机器人公司的起点永远是一堆金属、线缆和电机。把本体做扎实不是保守而是给模型一个可以落地的物理底座。2.2 没有量产本体就没有真实物理数据具身智能的训练瓶颈从来不是显卡而是数据。我认识的几乎所有做机器人AI的团队都卡在同一堵墙上真实数据不够。多数创业公司的机器人只有几十台原型机做强化学习训练时只能靠仿真数据加上域随机化Domain Randomization但仿真和真实之间永远存在Gap。宇树走的是另一条路通过四足机器人稳定的出货量让成百上千台机器在真实环境里跑动采集真实的动力学数据、地形交互数据、电机温度数据和故障数据。这些真实物理数据是模型训练中最核心的“真值校正”资产。仿真数据可以给你一个大方向但真实数据告诉你电机在温度升高后扭矩会怎么掉、地面摩擦系数在潮湿环境下会怎么变、落地冲击会让关节间隙扩大到什么程度。没有量产本体这些数据连采集的机会都没有。这就是“先本体”最务实的收益用硬件销量换数据质量。2.3 真实数据集的反哺从域随机化到真实校正用仿真数据训练运动策略有一个绕不开的问题叫Sim2Real仿真到现实迁移。一个在仿真里学得很完美的空翻动作放到实体机器人上可能因为零点零几秒的控制延迟、几毫牛的摩擦力差就直接摔碎。要缩小这个Gap主流做法是加大域随机化范围让策略在仿真里见过足够多的“变异情况”。但现实更加残酷域随机化只能覆盖你想象得到的差异想象不到的差异只能靠真实试错去发现。而真实试错需要本体够结实、够便宜、够容易批量复现。恰恰是这一点让“先本体”和“再模型”形成了闭环。本体销量越大损坏维修的成本摊得越薄团队就越敢让机器人在真实环境里做高难度动作测试采集到的数据质量就越高训练出来的模型就越能在真实世界可靠运行。这不是一个先后的口号而是一条互相强化的正反馈链路。3. “再模型”这一步从经典控制到数据驱动策略的演进3.1 MPC与WBC运动控制的基本盘早期四足机器人靠的是模型预测控制MPC加全身控制WBC。原理是把机器人简化为一个质心动力学模型在一个短预测时域内求解最优关节力矩让机器人按照期望的步态和速度运动。这种方法的优点是稳定、可解释、泛化能力强缺点是计算量大、对动力学模型精度敏感。即使是今天MPC和WBC依然是四足与人形机器人运动控制的基本盘。它们决定了机器人能不能站住、能不能走稳、能不能在受到外力推搡时快速恢复平衡。很多外行以为运动控制就是“上强化学习”实际工程里经典控制理论仍然是机器人的安全网。3.2 滑动窗口滤波这类“老模型”为什么至今不可替代这里我想多说一句关于“滑动窗口滤波模型”。在做四足或人形机器人的姿态估计时IMU和关节编码器只能提供历史观测而机器人需要的是当前时刻的姿态和速度。滑动窗口滤波的思路是用一个固定时间窗口内的批量观测做状态优化而不是只依赖单帧数据。这种做法的好处是对跳跃、落地冲击、足端打滑带来的异常值有极强的鲁棒性。单帧滤波可能因为一个瞬间的加速度尖峰产生姿态突变但滑动窗口优化会把这一帧放到整段历史里权衡把异常值稀释掉。很多人以为机器人AI化之后这类经典模型会被端到端神经网络彻底替代。实际上在状态估计底层滑动窗口优化和卡尔曼类滤波依然是标配神经网络更多负责上层策略生成和感知理解。3.3 运动智能的模型布局强化学习、模仿学习与开源生态从2024年前后宇树明显加大了AI模型层面的投入一个标志性动作是向社区开源了人形机器人G1的全身运动训练数据集包含真实机器人的关节位置、速度、力矩和状态信息。这个动作背后是典型的生态打法开源换数据、换算法反馈、换人才关注度。用真实数据做强化学习训练配合行为克隆和模仿学习是目前运动智能模型的主流路径。训练流程大概是先在仿真环境里大规模训练策略再通过域随机化和真机数据微调把策略迁移到实体机器人上。这个过程中有团队甚至会尝试用扩散模型做轨迹生成——把动作轨迹当作一种数据分布去拟合生成更平滑、更自然的运动序列。模型架构本身并不神秘真正拉开差距的是训练数据的规模和质量而这又回到了“先本体”那条路。3.4 运动模型的轻量化部署算力约束下的工程博弈还有一个容易被忽略的现实问题运动模型通常不是跑在云端而是跑在机器人机载的嵌入式控制器上。这就意味着模型既要足够强又要足够轻。一个在2080Ti上跑得很流畅的模型部署到机器人主板上可能帧率掉一半。所以在工程实践里模型蒸馏、量化、剪枝这些轻量化手段和模型架构本身同等重要。这也是为什么我看很多机器人AI团队技术水平不差但产品迟迟不能落地——他们把太多精力放在模型效果上忽略了端侧算力和实时性约束。宇树在消费级产品上跑通了这个环节说明它已经把“模型能上机”这个工程问题解决了。4. “先运动”解决的真问题动得稳、跑得快、扛得住撞才轮得到干活4.1 运动是操作的“先验条件”一个简单的逻辑抓取、插拔、搬运、焊接全部动作都发生在机器人到达目标位置之后。如果机器人走过去的过程都摇摇晃晃、脚底打滑那么手臂的力控就失去了稳定基座。想象一下让人在水面上做俯卧撑上肢力量再强也没用。机器人的操作也是同理身体姿态的稳定性是操作精度的前置条件。所以“运动先于操作”不是产品节奏的偏好而是物理世界的硬约束。运动能力不到位操作能力就是空中楼阁。4.2 空翻、跑跳背后的真实难度状态估计与落地冲击以人形机器人H1的平地空翻为例这个动作在普通人看来是炫技在工程师眼里是状态估计和冲击控制的极限测试。空中阶段没有地面反作用力姿态估计只能依靠IMU积分和动力学模型预测误差会随时间累积。一个微小的姿态偏差在腾空过程中会被放大导致落地姿态完全错误。落地瞬间地面冲击力可能达到机器人自重的数倍关节要在极短时间内从位置控制切换为力矩柔顺否则不是电机过载就是结构损坏。这套能力用到真实场景就是适应楼梯、斜坡、碎石地等复杂地形以及抵抗外部推搡和突发扰动。空翻不是目的它只是运动控制能力的一个极限压力测试。4.3 被低估的细节能耗、震动与噪声干活机器人在真实场景里还有三个被严重低估的指标能耗、震动、噪声。工业现场对温度、噪声和稳定性有明确要求客户不会接受一台工作两小时就过热降载、或者震动大到影响精密装配的机器人。这三个指标恰恰是运动控制质量的直接体现。运动控制做得好关节力矩分配合理能耗就低步态规划平滑震动就小齿轮间隙和电机控制配合精准噪声就小。这些细节不会出现在发布会PPT上但每一次客户验收看的就是这些“土指标”。所以运动能力不只是上台表演的评价标准更是商业化落地时最直接的检验门槛。5. “再干活”要翻越的三座山力控、长程任务与数据来源5.1 第一座山从移动平台到操作臂的力控断层四足机器人解决的是“到达”人形机器人要解决的是“完成”。操作的本质是接触接触就需要力控。夹住一颗鸡蛋、拧紧一颗螺丝、拖动一个重物这些动作需要关节层面的力矩反馈和柔顺策略和运动控制完全是两套工程体系。运动控制追求的是姿态稳定和轨迹跟踪操作控制追求的是接触力的精确调节。一个做惯了运动控制的团队转到操作控制时经常会遇到一个断层机器人站得很稳但一用手臂碰物体就晃因为力控算法和运动控制算法在底层没有融合。这也是为什么宇树的G1、H1虽然运动能力出色但在复杂操作任务上仍处于早期验证阶段。运动强不代表操作强这是两座不同的山。5.2 第二座山长程任务与任务编排“干活”意味着长程任务把螺丝放进孔里、打三颗、换一面、再打三颗、检测扭矩、记录数据整个过程持续十几分钟。现阶段大模型可以做任务分解给出一个看起来合理的步骤列表但它在物理常识上是缺失的经常提出理论上可行、实际撞墙的方案。把大语言模型、视觉语言模型VLM和运动规划接到一起中间有大量接口问题需要解决。语言模型输出的是文本指令机器人控制器要的是状态机和轨迹序列VLM可以提供目标检测和抓取位姿估计但要把它和力控策略融合还需要大量的中间层工程。这个环节模型能力反而不是最大的瓶颈接口工程才是最耗时的地方。5.3 第三座山操作数据从哪里来运动数据可以靠机器人自己跑出来操作数据很难。目前主流做法是遥操作采集演示、动捕服录轨迹、仿真合成数据再加少量人机协同。遥操作需要操作员每天花大量时间在机器人旁边做演示数据采集成本极高仿真数据可以规模化生成但和真实操作的物理特性始终存在偏差。操作数据的采集成本直接决定了操作模型训练的上限。这恰恰是“先运动再干活”在现实中的另一个体现等你先把运动做稳了机器人可以稳定地站住、移动、保持姿态操作数据采集才变得可行。让一个站都站不稳的机器人去做数据采集采集到的数据本身就是噪声。6. 产业路线之争模型派、本体派与渐进派的节奏差6.1 三条路线的典型打法与风险对照在具身智能赛道里目前大致有三条路线我试着列个对比表路线核心主张典型动作主要风险模型派先押注基础模型本体可以外购或后置集中资源训练视觉语言动作模型VLA、世界模型缺乏真实物理数据闭环模型难以落地验证本体派只做硬件平台算法交给生态把电机、结构、系统做到极致开放接口同质化竞争失去智能化溢价渐进派先本体后模型先运动后干活用四足走量积累数据再逐级叠加模型模型迭代偏慢通用操作能力可能落后宇树的路线属于第三种。它不赌一个超前的模型就能带来代际跨越而是先把硬件和运动做成本能再一步步往模型层加码。从招股书的收入结构看这条路线目前已经被商业化验证过了——至少比只讲故事的效率高得多。6.2 宇树节奏的隐忧模型滞后与通用性天花板当然这条路也有明确的隐忧。最大的风险是模型维度的滞后。如果其他团队先突破了通用操作大模型并且找到了稳定的数据采集方案宇树的硬件优势可能会被逐步稀释。硬件可以采购数据闭环却可以复制——到时候比拼的就是谁先积累起规模化的操作数据。另一个风险是通用性天花板。以运动能力为卖点的产品在通用任务理解上容易给人“只会动、不会干”的印象。如果后续人形机器人在操作任务上迟迟打不开局面它可能会被市场归类为“高级玩具”而不是“生产力工具”。这个标签一旦贴上要撕下来很难。6.3 为什么这个顺序在商业上更稳商业上渐进派有一个模型派暂时没有的武器真金白银的销售收入和真实场景反馈。收入支撑研发投入数据反哺模型迭代这是一个可以自我循环的飞轮。在当前阶段产业客户和资本市场都对“能跑能跳”更买账而对“未来能干活”的主观预期估值波动要大得多。从融资和上市的角度看宇树用四足机器人的稳定收入为整个人形机器人故事提供了安全垫。即便人形机器人短期打不开销量公司依然活得很好而一旦操作模型取得突破它又有现成的硬件平台和用户基础可以快速铺开。这个顺序是否最优现在下结论还太早但它确实把风险控制在了一个能承受的范围内。老实说我一开始看到“先本体再模型、先运动再干活”这十二个字觉得有点像工程直男的自我说服。但后来复盘了几家倒在“模型优先”路线上的公司再回头看宇树的财务曲线我慢慢理解了这套排序的现实逻辑。具身智能不是发表一篇论文就能交付的东西它最终比拼的是本体、模型、商业化这三件事的咬合速度。如果你也在做机器人或者考虑下场我个人的建议是先用你自己的产品把某一个物理场景跑通哪怕这个场景很土再谈模型和智能。这个顺序在大模型叙事最狂热的年份里显得不太性感但它大概率是活得最久的那条路。 
长河君 · 2026/10/15 10:58:51 · 阅读 1.2k 从宇树招股书看人形机器人路线：先本体再模型、先运动再干活
最近几天机器人行业的群聊几乎被同一份文件刷屏——宇树提交的招股书。大家最先讨论的通常是营收规模和上市动作本身但我反复琢磨的是文件里那个清晰到近乎朴素的路线排序“先本体再模型、先运动再干活”。这十二个字在AI叙事最狂热的年份里显得有些不合时宜可它偏偏被写进了招股书并且被一整套收入结构验证着。这篇内容想聊聊我的读法这个顺序是怎么来的技术上有哪些支撑又有哪些地方其实在走险棋。适合关注人形机器人赛道、做具身智能相关研发或者单纯好奇“机器人为什么现在才从PPT走向量产”的朋友。1. 招股书里的三个硬指标收入结构、毛利率与核心件自研1.1 四足机器人才是现金牛人形机器人更像期权看招股书的人通常先看总营收。宇树的盘子确实在快速放大从几年前的亿元级别一路涨到十亿元级别这个增长曲线放在机器人行业里相当扎眼。但比总量更值得看的是产品结构到今天为止四足机器人依然是绝对收入主力人形机器人更多是“增速快、基数低”的早期业务。这个结构本身就在印证“先运动再干活”的节奏。四足机器狗最大的意义不是酷炫而是它先于人形机器人找到了能走量的付费场景——教育、巡检、表演、消费娱乐、开发者尝鲜。一台工业级四足可以卖到几万甚至十几万一台消费级机器狗也能稳定出货。正是这些真实订单撑起了后续人形机器人研发所需要的现金流。我见过太多机器人公司产品发布会上惊艳全场但一年出货量不到三位数团队全靠融资输血。宇树的选择恰恰相反先用四足把收入做出量级再让人形机器人慢慢长大。看招股书第一眼不要只盯着“机器人”三个字要看它是靠什么活着走到今天的。1.2 境外市场的毛利溢价与消费级打法还有一个容易被忽略的信号境外收入占比很高而且境外业务的毛利率通常显著高于境内。同样一台机器狗在海外高校实验室、开发者社区和商业客户手里议价空间和国内政企项目完全不同。这说明宇树在定价策略上复用了消费电子打法——不是按项目制去投标而是按标准品去做全球零售和渠道分发。境内外毛利率的差异也透露了一个行业规律硬件一旦做成标准品毛利率的天花板很大程度上取决于品牌溢价和渠道效率。宇树在海外开发者社区有相当高的知名度这给它省下了大量市场教育成本。很多人觉得机器人公司就该拼技术参数但招股书里的毛利率数字说明技术最终要变现拼的是产品定义和渠道能力。1.3 核心件自研成本曲线的护城河招股书里最容易被扫过去的部分是核心零部件的自研比例。关节电机、减速器、控制器、传感融合——这些构成机器人“肌肉骨骼”的关键环节宇树基本是自己设计、自己生产。自研的意义业内已经聊过很多次成本、供应链安全、迭代速度。拿关节模组来说它在四足和人形机器人的BOM成本里占比极高。如果靠外购电机和减速器一台机器人的毛利空间会被大幅压缩新品迭代时还要等供应商排产。自研之后团队可以随时改设计、调参数把一个关节的重量从600克压到400克把峰值扭矩提高20%而不需要跟外部厂商反复沟通。这种“肌肉记忆”级的供应链能力恰恰是“先本体”路线能在硬件上持续迭代的基础。2. “先本体”不只是口号硬件质量决定了数据飞轮的入场资格2.1 “模型”这个词的双关样机模型与AI模型在机器人行业里谈“模型”一定要先分清楚语境。大多数人现在听到模型第一反应是神经网络权重、大语言模型、扩散模型。但工程师嘴里的“模型”也可能指样机原型、三维几何模型、动力学模型。宇树的“先本体再模型”在我看来说的并不是“不碰AI”而是“先把本体模型做扎实再往上面堆AI模型”。这是一个很工程化的排序先解决物理载体的可靠性、成本、一致性再谈算法层的智能。原因也很简单——大模型再强也不能让一台会散架的机器凭空跑起来。AI是大脑但大脑需要一副能承受现实摩擦的身体。这个双关是理解整篇招股书技术路线的一把钥匙。很多人只盯着“模型”的AI含义却忽略了机器人公司的起点永远是一堆金属、线缆和电机。把本体做扎实不是保守而是给模型一个可以落地的物理底座。2.2 没有量产本体就没有真实物理数据具身智能的训练瓶颈从来不是显卡而是数据。我认识的几乎所有做机器人AI的团队都卡在同一堵墙上真实数据不够。多数创业公司的机器人只有几十台原型机做强化学习训练时只能靠仿真数据加上域随机化Domain Randomization但仿真和真实之间永远存在Gap。宇树走的是另一条路通过四足机器人稳定的出货量让成百上千台机器在真实环境里跑动采集真实的动力学数据、地形交互数据、电机温度数据和故障数据。这些真实物理数据是模型训练中最核心的“真值校正”资产。仿真数据可以给你一个大方向但真实数据告诉你电机在温度升高后扭矩会怎么掉、地面摩擦系数在潮湿环境下会怎么变、落地冲击会让关节间隙扩大到什么程度。没有量产本体这些数据连采集的机会都没有。这就是“先本体”最务实的收益用硬件销量换数据质量。2.3 真实数据集的反哺从域随机化到真实校正用仿真数据训练运动策略有一个绕不开的问题叫Sim2Real仿真到现实迁移。一个在仿真里学得很完美的空翻动作放到实体机器人上可能因为零点零几秒的控制延迟、几毫牛的摩擦力差就直接摔碎。要缩小这个Gap主流做法是加大域随机化范围让策略在仿真里见过足够多的“变异情况”。但现实更加残酷域随机化只能覆盖你想象得到的差异想象不到的差异只能靠真实试错去发现。而真实试错需要本体够结实、够便宜、够容易批量复现。恰恰是这一点让“先本体”和“再模型”形成了闭环。本体销量越大损坏维修的成本摊得越薄团队就越敢让机器人在真实环境里做高难度动作测试采集到的数据质量就越高训练出来的模型就越能在真实世界可靠运行。这不是一个先后的口号而是一条互相强化的正反馈链路。3. “再模型”这一步从经典控制到数据驱动策略的演进3.1 MPC与WBC运动控制的基本盘早期四足机器人靠的是模型预测控制MPC加全身控制WBC。原理是把机器人简化为一个质心动力学模型在一个短预测时域内求解最优关节力矩让机器人按照期望的步态和速度运动。这种方法的优点是稳定、可解释、泛化能力强缺点是计算量大、对动力学模型精度敏感。即使是今天MPC和WBC依然是四足与人形机器人运动控制的基本盘。它们决定了机器人能不能站住、能不能走稳、能不能在受到外力推搡时快速恢复平衡。很多外行以为运动控制就是“上强化学习”实际工程里经典控制理论仍然是机器人的安全网。3.2 滑动窗口滤波这类“老模型”为什么至今不可替代这里我想多说一句关于“滑动窗口滤波模型”。在做四足或人形机器人的姿态估计时IMU和关节编码器只能提供历史观测而机器人需要的是当前时刻的姿态和速度。滑动窗口滤波的思路是用一个固定时间窗口内的批量观测做状态优化而不是只依赖单帧数据。这种做法的好处是对跳跃、落地冲击、足端打滑带来的异常值有极强的鲁棒性。单帧滤波可能因为一个瞬间的加速度尖峰产生姿态突变但滑动窗口优化会把这一帧放到整段历史里权衡把异常值稀释掉。很多人以为机器人AI化之后这类经典模型会被端到端神经网络彻底替代。实际上在状态估计底层滑动窗口优化和卡尔曼类滤波依然是标配神经网络更多负责上层策略生成和感知理解。3.3 运动智能的模型布局强化学习、模仿学习与开源生态从2024年前后宇树明显加大了AI模型层面的投入一个标志性动作是向社区开源了人形机器人G1的全身运动训练数据集包含真实机器人的关节位置、速度、力矩和状态信息。这个动作背后是典型的生态打法开源换数据、换算法反馈、换人才关注度。用真实数据做强化学习训练配合行为克隆和模仿学习是目前运动智能模型的主流路径。训练流程大概是先在仿真环境里大规模训练策略再通过域随机化和真机数据微调把策略迁移到实体机器人上。这个过程中有团队甚至会尝试用扩散模型做轨迹生成——把动作轨迹当作一种数据分布去拟合生成更平滑、更自然的运动序列。模型架构本身并不神秘真正拉开差距的是训练数据的规模和质量而这又回到了“先本体”那条路。3.4 运动模型的轻量化部署算力约束下的工程博弈还有一个容易被忽略的现实问题运动模型通常不是跑在云端而是跑在机器人机载的嵌入式控制器上。这就意味着模型既要足够强又要足够轻。一个在2080Ti上跑得很流畅的模型部署到机器人主板上可能帧率掉一半。所以在工程实践里模型蒸馏、量化、剪枝这些轻量化手段和模型架构本身同等重要。这也是为什么我看很多机器人AI团队技术水平不差但产品迟迟不能落地——他们把太多精力放在模型效果上忽略了端侧算力和实时性约束。宇树在消费级产品上跑通了这个环节说明它已经把“模型能上机”这个工程问题解决了。4. “先运动”解决的真问题动得稳、跑得快、扛得住撞才轮得到干活4.1 运动是操作的“先验条件”一个简单的逻辑抓取、插拔、搬运、焊接全部动作都发生在机器人到达目标位置之后。如果机器人走过去的过程都摇摇晃晃、脚底打滑那么手臂的力控就失去了稳定基座。想象一下让人在水面上做俯卧撑上肢力量再强也没用。机器人的操作也是同理身体姿态的稳定性是操作精度的前置条件。所以“运动先于操作”不是产品节奏的偏好而是物理世界的硬约束。运动能力不到位操作能力就是空中楼阁。4.2 空翻、跑跳背后的真实难度状态估计与落地冲击以人形机器人H1的平地空翻为例这个动作在普通人看来是炫技在工程师眼里是状态估计和冲击控制的极限测试。空中阶段没有地面反作用力姿态估计只能依靠IMU积分和动力学模型预测误差会随时间累积。一个微小的姿态偏差在腾空过程中会被放大导致落地姿态完全错误。落地瞬间地面冲击力可能达到机器人自重的数倍关节要在极短时间内从位置控制切换为力矩柔顺否则不是电机过载就是结构损坏。这套能力用到真实场景就是适应楼梯、斜坡、碎石地等复杂地形以及抵抗外部推搡和突发扰动。空翻不是目的它只是运动控制能力的一个极限压力测试。4.3 被低估的细节能耗、震动与噪声干活机器人在真实场景里还有三个被严重低估的指标能耗、震动、噪声。工业现场对温度、噪声和稳定性有明确要求客户不会接受一台工作两小时就过热降载、或者震动大到影响精密装配的机器人。这三个指标恰恰是运动控制质量的直接体现。运动控制做得好关节力矩分配合理能耗就低步态规划平滑震动就小齿轮间隙和电机控制配合精准噪声就小。这些细节不会出现在发布会PPT上但每一次客户验收看的就是这些“土指标”。所以运动能力不只是上台表演的评价标准更是商业化落地时最直接的检验门槛。5. “再干活”要翻越的三座山力控、长程任务与数据来源5.1 第一座山从移动平台到操作臂的力控断层四足机器人解决的是“到达”人形机器人要解决的是“完成”。操作的本质是接触接触就需要力控。夹住一颗鸡蛋、拧紧一颗螺丝、拖动一个重物这些动作需要关节层面的力矩反馈和柔顺策略和运动控制完全是两套工程体系。运动控制追求的是姿态稳定和轨迹跟踪操作控制追求的是接触力的精确调节。一个做惯了运动控制的团队转到操作控制时经常会遇到一个断层机器人站得很稳但一用手臂碰物体就晃因为力控算法和运动控制算法在底层没有融合。这也是为什么宇树的G1、H1虽然运动能力出色但在复杂操作任务上仍处于早期验证阶段。运动强不代表操作强这是两座不同的山。5.2 第二座山长程任务与任务编排“干活”意味着长程任务把螺丝放进孔里、打三颗、换一面、再打三颗、检测扭矩、记录数据整个过程持续十几分钟。现阶段大模型可以做任务分解给出一个看起来合理的步骤列表但它在物理常识上是缺失的经常提出理论上可行、实际撞墙的方案。把大语言模型、视觉语言模型VLM和运动规划接到一起中间有大量接口问题需要解决。语言模型输出的是文本指令机器人控制器要的是状态机和轨迹序列VLM可以提供目标检测和抓取位姿估计但要把它和力控策略融合还需要大量的中间层工程。这个环节模型能力反而不是最大的瓶颈接口工程才是最耗时的地方。5.3 第三座山操作数据从哪里来运动数据可以靠机器人自己跑出来操作数据很难。目前主流做法是遥操作采集演示、动捕服录轨迹、仿真合成数据再加少量人机协同。遥操作需要操作员每天花大量时间在机器人旁边做演示数据采集成本极高仿真数据可以规模化生成但和真实操作的物理特性始终存在偏差。操作数据的采集成本直接决定了操作模型训练的上限。这恰恰是“先运动再干活”在现实中的另一个体现等你先把运动做稳了机器人可以稳定地站住、移动、保持姿态操作数据采集才变得可行。让一个站都站不稳的机器人去做数据采集采集到的数据本身就是噪声。6. 产业路线之争模型派、本体派与渐进派的节奏差6.1 三条路线的典型打法与风险对照在具身智能赛道里目前大致有三条路线我试着列个对比表路线核心主张典型动作主要风险模型派先押注基础模型本体可以外购或后置集中资源训练视觉语言动作模型VLA、世界模型缺乏真实物理数据闭环模型难以落地验证本体派只做硬件平台算法交给生态把电机、结构、系统做到极致开放接口同质化竞争失去智能化溢价渐进派先本体后模型先运动后干活用四足走量积累数据再逐级叠加模型模型迭代偏慢通用操作能力可能落后宇树的路线属于第三种。它不赌一个超前的模型就能带来代际跨越而是先把硬件和运动做成本能再一步步往模型层加码。从招股书的收入结构看这条路线目前已经被商业化验证过了——至少比只讲故事的效率高得多。6.2 宇树节奏的隐忧模型滞后与通用性天花板当然这条路也有明确的隐忧。最大的风险是模型维度的滞后。如果其他团队先突破了通用操作大模型并且找到了稳定的数据采集方案宇树的硬件优势可能会被逐步稀释。硬件可以采购数据闭环却可以复制——到时候比拼的就是谁先积累起规模化的操作数据。另一个风险是通用性天花板。以运动能力为卖点的产品在通用任务理解上容易给人“只会动、不会干”的印象。如果后续人形机器人在操作任务上迟迟打不开局面它可能会被市场归类为“高级玩具”而不是“生产力工具”。这个标签一旦贴上要撕下来很难。6.3 为什么这个顺序在商业上更稳商业上渐进派有一个模型派暂时没有的武器真金白银的销售收入和真实场景反馈。收入支撑研发投入数据反哺模型迭代这是一个可以自我循环的飞轮。在当前阶段产业客户和资本市场都对“能跑能跳”更买账而对“未来能干活”的主观预期估值波动要大得多。从融资和上市的角度看宇树用四足机器人的稳定收入为整个人形机器人故事提供了安全垫。即便人形机器人短期打不开销量公司依然活得很好而一旦操作模型取得突破它又有现成的硬件平台和用户基础可以快速铺开。这个顺序是否最优现在下结论还太早但它确实把风险控制在了一个能承受的范围内。老实说我一开始看到“先本体再模型、先运动再干活”这十二个字觉得有点像工程直男的自我说服。但后来复盘了几家倒在“模型优先”路线上的公司再回头看宇树的财务曲线我慢慢理解了这套排序的现实逻辑。具身智能不是发表一篇论文就能交付的东西它最终比拼的是本体、模型、商业化这三件事的咬合速度。如果你也在做机器人或者考虑下场我个人的建议是先用你自己的产品把某一个物理场景跑通哪怕这个场景很土再谈模型和智能。这个顺序在大模型叙事最狂热的年份里显得不太性感但它大概率是活得最久的那条路。