2025年春晚，一群身着花棉袄的机器人所呈现的扭秧歌节目，无疑给广大观众留下了深刻印象。这场兼具新奇与幽默的表演，成功将宇树科技推向了大众认知的“顶流”位置。如今，提及机器人领域，宇树科技已成为许多人心中的首选品牌。
仅一年零四个月之后，这家曾活跃于舞台的公司即将登陆科创板。6月1日，宇树科技顺利通过上市审核，即将成为“A股人形机器人第一股”。从提交招股书到成功过会，宇树科技仅用了73天。
然而，在热闹的表象下，大多数人对于这些会跳舞、会翻跟头的机器人除了表演之外的实际用途，以及它们能创造何种商业价值，尚缺乏清晰认知。在关注度极高的行业背景下，作为知名度领先的企业，宇树科技能否持续保持其领先地位？
一、宇树科技的机器人客户构成及用途分析
宇树科技在2025年实现了16.99亿元的营业收入，较2024年的3.93亿元增长了332.64%，展现出卓越的增长速度。到2026年第一季度，营收增速放缓至68.49%，并预计上半年增速将维持在35.62%至45.41%之间。公司坦承，基于营收基数大幅提升、行业热度趋于平稳以及市场竞争加剧等多重因素，公司未来可能难以维持过去的高速增长态势。
具体来看，四足机器人曾是公司收入的绝对主力。2023年，四足机器人贡献了主营业务收入的75.78%。然而，到了2025年，人形机器人的收入占比已攀升至51.78%，首次超越四足机器人。
2025年，宇树科技售出5215台人形机器人，平均售价为16.64万元；同期售出23037台四足机器人，平均售价为3.03万元。尽管人形机器人的单价远高于四足机器人，但其价格下降速度也较快，从2024年的均价26.04万元，在一年内下降了36%。
更值得关注的是其客户群体和购买目的。四足机器人的客户结构相对均衡，2025年前三季度，科研教育领域占比31.58%，商业消费占42.30%，行业应用为26.12%。其中，商业消费首次超越科研教育，成为最大的收入来源，主要得益于线上销售的显著增长。宇树科技预期，短期内电力巡检、消防救援等行业场景将率先落地，而中长期则看好消费级市场。
相比之下，人形机器人的客户构成则呈现出明显的“偏科”现象。同期，其收入中科研教育领域占据73.60%，商业消费占17.39%，行业应用仅为9.01%。在行业应用中，企业导览又占据了约50%至70%的份额。换言之，人形机器人的主要买家仍是高校、科研机构及科技公司，其购买目的主要集中于算法验证、二次开发和课题研究。真正用于工厂进行搬运、质检、装配、巡检等实际作业的比例目前仍很小。
科研教育类客户通常对价格不敏感，且在当前人形机器人产品选择有限的情况下，宇树科技每次推出新品，老客户往往会继续追加采购。正如回复函所示，科研教育领域的线下复购率从2023年的49.71%上升至2024年的59.38%，2025年前三季度也维持在56.58%。复购客户的平均购买金额从2022年的34.95万元增长至2025年前三季度的139.07万元。
高复购率固然是利好消息，但另一方面也可能暗示新增客户的增长速度相对放缓。例如，商业消费领域的复购率有所下降，公司解释这主要是因为知名度提升后新增客户数量增加，导致收入快速增长。
科研教育市场不仅客户群体相对狭窄，而且科研需求验证的更多是“技术可行性”，而非“商业可行性”或“市场广度”。宇树科技在招股书中判断，中短期内人形机器人将主要应用于科学研究、应用开发、教育教学、文化表演、智能服务等领域；其最终目标是中长期进入工厂车间和千家万户，为工业、家庭及社会场景提供服务。
无论是四足机器人还是人形机器人，它们都面临着一个共同的挑战：如何从“有人购买”转化为“能应用于更广泛的场景”。这之间横亘的不仅是时间，更有一系列尚未攻克的瓶颈。
二、宇树科技在大规模商业化道路上尚缺什么？
首先需要明确具身智能中的三个关键概念：“本体”、“小脑”和“大脑”。本体指的是机械结构、关节、灵巧手等物理硬件系统；“小脑”负责运动控制，如行走、保持平衡、翻跟头，确保机器人“站得稳、走得顺”；而“大脑”则对应具身大模型，主要负责理解任务、规划动作并适应新环境。这三者中的任何一个短板都将影响整体性能。
目前，机器人领域的参与者各有所长，有的擅长“大脑”研发，有的则更偏重“本体”技术。对于“本体派”而言，一个尴尬的局面是：机器人虽然在跑跳、空翻等单项能力上表现出色，但一旦置身于真实的生产线或家庭环境，面对多变场景和任务时，往往会显得力不从心。而“大脑派”则面临另一端的问题。模型在仿真环境中的惊艳表现，搭载到真实机器上时，可能出现响应迟缓、结构误差、通信延迟等工程难题。模型能力最终受限于物理载体本身。
宇树科技早期研发投入主要集中在本体和小脑方面，直到2024年才开始加大对具身大模型，即“大脑”方向的研发投入。宇树科技的竞争优势也集中在本体和小脑技术上。其四足机器人出货量全球第一，人形机器人能够完成原地后空翻和侧空翻，这都得益于其扎实的运动控制算法和硬件自研能力，这一点在行业内得到了广泛认可。
在王兴兴看来，投入“大脑”研发风险较高，因为AI领域变化极快，无人能保证谁能做到最好或最快；而硬件公司的发展则相对稳定。这种策略既成就了宇树在出货量和市场份额上的优势，也导致了目前所面临的瓶颈。
在回复函中，宇树科技坦言，当前制约其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，以及灵巧手的精细度和耐用性不够。其中，具身大模型的泛化能力尤为关键。提升机器人的通用性，降低其对特定场景编程的依赖，使其具备广泛的通用操作能力，才能真正成为生产力工具。
例如，在工业场景中，存在多行业非标变量，如油污地面、动态堆放物料等，而现有训练数据多来源于实验室或定制场景，难以覆盖跨场景的差异；在家庭场景中，高度非结构化的家居环境和个性化的用户需求，也远超现有训练数据的能力范围。
目前，具身大模型的路线尚未收敛，VLA模型、WMA模型和双系统等多种技术路线并行发展。这也是AI领域变化快、“大脑”研发风险高的体现之一。业内玩家普遍采用VLA（视觉-语言-动作）大模型架构，使机器人能够观察场景、理解指令并直接生成动作。例如，银河通用的GraspVLA和TrackVLA、千寻智能的Spirit-V1.5、Physical Intelligence的π-0等模型，都遵循此路线。其中一些模型已被整合到产品管线中，开始进行实际任务的数据跑通和迭代。
宇树科技则以WMA（世界模型）为重点发展方向，同时布局VLA和WMA两条路线，并已开源UnifoLM-WMA-0和UnifoLM-VLA-0两个版本。招股书显示，其自主研发的通用具身大模型已在其自有工厂等试点场景进行研发测试和部署验证。最新进展是，2026年5月，宇树发布了新一代大脑WVLA2.0，并在G1机器人上实现了会议室自主整理功能；同期，G1还进入东京羽田机场参与行李搬运实测项目，该项目将持续至2028年。
与已在宁德时代工厂实现规模化应用的千寻智能相比，宇树科技G1在东京羽田机场的地勤项目更偏向于“试点验证阶段”。宇树科技IPO募资中，近一半（约20亿元）将投入到“大脑”相关研发，涵盖大模型和小脑模型技术攻关、训练基础设施建设以及真实世界数据采集三个层面，计划在三年内发布“通用人形机器人具身基础模型”，目标是具备场景泛化、指令泛化、动作泛化和任务泛化四大核心能力。
三、宇树科技目前拥有哪些竞争优势？
加强“大脑”方面的投入，其目的恰恰是为了充分发挥宇树科技现有优势的更大价值。在此之前，有必要先分析这些优势的真实情况及其局限性。
首要优势是制造效率和成本控制。从2023年到2025年，宇树科技的毛利率从44.22%增长到60.13%，这还是在产品售价持续下调的背景下实现的。这背后是其关键零部件的自主研发能力和规模化出货带来的成本优势。公司自行生产电机、减速器和关节模组，大规模采购还能进一步压低价格，同时四足和人形机器人共用供应链也摊薄了成本。当然，科研型和展示型需求对价格敏感度较低，也是毛利率较高的原因之一。
然而，当市场转向家庭或工厂应用时，工厂主会更关注机器人的投资回报周期以及相较于雇佣工人的成本优势。届时，制造效率的优势可能依然存在，但毛利率很可能无法保持如此高的水平。荣耀公司在半马项目中的出色表现从侧面说明了一些问题。尽管荣耀的人形机器人团队成立仅一年多，其半马项目启动时间更晚，却取得了显著成果。
这并非否认宇树科技的工程壁垒，但它揭示了一个趋势：随着核心零部件供应链和运动控制算法基础设施的日益成熟，后来者在运动能力上的追赶周期正在缩短。
第二个优势是跨平台复用。人形机器人的部分零部件与四足机器人具备通用性，两者在关节、结构、电池、算法等核心模块可以实现技术共享和复用。这不仅降低了研发和模具成本，也加速了产品从原型到量产的进程。这种复用机制使得宇树科技在双足运动控制方向上发展更快、成本更低。
然而，复用解决的是如何以更低的成本制造，而非制造什么产品才能畅销。当前的机器人行业类似于汽车行业的起步阶段，产品形态千差万别。后来，大规模生产场景催生了福特T型车加上流水线这一最优解，行业才逐步趋于统一。今天人形、轮式、四足机器人并存的局面，未来可能会收敛到一种通吃的最优形态，也可能每个成熟场景都会演化出自己的最优形态。
从这个角度看，宇树科技同时布局四足、人形和轮式版本，不仅是对冲风险，也是为不同的终极市场做准备。在硬件最终形态确定之前，复用策略能帮助宇树赢得局部竞争，但它无法决定公司是否选对了最终的战场。
第三个优势是庞大出货量带来的数据积累。设备产生的物理交互数据是宝贵的稀缺资源。正如特斯拉利用数百万辆汽车的驾驶数据训练FSD，宇树科技的逻辑也类似：出货的机器人越多，数据就越多，模型也就越智能。
然而，具身智能数据与自动驾驶数据之间存在关键区别。特斯拉车主在驾驶时，每次刹车、变道都会自然产生标注信号。而机器人的物理交互数据，需要明确的任务目标和成功失败反馈才具价值。目前，宇树科技的设备主要流向科研和展示场景，任务类型尚不够多元化。尽管翻跟头、跳舞、跑酷等动作令人惊艳，但对于训练一个能够在工厂工作的“大脑”而言，其价值有限。
制造效率的优势会随着供应链的成熟而被其他竞争者追赶，复用优势的发挥取决于最终产品形态是否与宇树所选路径吻合，而数据闭环则仍缺乏有效的训练反馈。这些并非宇树科技所独有的问题，而是整个行业仍在探索的阶段。走得越快，这些问题就会越早显现，而能否成功跨越这些障碍，将是宇树科技未来几年需要交出的答卷。