宇樹科技的招股書里，藏著對工程奇跡“保質期”的焦慮

文 | 新立場Pro

3月20日，上交所官網掛出受理公告時，宇樹科技的IPO之路走得就像一部剪掉所有障礙戲份的公路片。2025年5月完成股改，7月簽署輔導協議，11月通過驗收，2026年2月最高法院在一項專利侵權案中終審判決宇樹勝訴，合規障礙隨之出清，一個月后上交所完成受理。

從決定上市到叩響科創板的門，宇樹只用了不到一年。

按發行10%股份計算，宇樹的初始發行市值將至少達到420億元。一年前突擊入股的股東，賬面浮盈已有三倍。順為、紅杉、經緯、騰訊、美團、阿里，十多輪融資里進來的名字，幾乎構成了一份中國科技投資的名人錄。若順利掛牌，宇樹將成為“杭州六小龍”中第一家登陸A股的企業，順帶摘走“A股人形機器人第一股”的頭銜。

當然，敲門的姿勢并不能定義門后的房間。具身智能與AI的緊密聯系，與DeepSeek、強腦科技等公司并稱“杭州六小龍”，使得宇樹被順理成章地裝進了“互聯網科技”這一現成的容器，這些公司共享同一套估值邏輯，即持續燒錢，用研發換技術壁壘，用虧損換市場份額，等待規模化盈利的臨界點到來。

這是互聯網和AI公司慣有的路徑，資本市場對此有充分的定價經驗，也有充分的耐心。問題在于，宇樹造的是實物，賣的是硬件，賺的是制造業的錢。

王興興2016年在杭州注冊宇樹時，手里只有一臺讀研期間親手搭的四足機器人樣機XDog。這款機器人的第一個關鍵決策是一個工程選擇：用外轉子無刷電機代替當時主流的液壓驅動系統，降低成本，減少機械復雜度，代價是犧牲部分原始性能。這是一個典型的制造業思維，比起在實驗室里追逐極致的性能參數，把賬算平、把成本打下來，才是技術走向商業化的唯一解。

投資者押注的是：規模越大，成本越低，直到某個臨界點之后利潤率開始垂直攀升。宇樹的現實與此相反，每多出貨一臺機器人，供應鏈、制造、交付的成本也隨之等比增長。沒有飛輪，只有線性。

這道裂縫在2026年開始變寬。特斯拉用汽車產線的規模邏輯重新定義人形機器人的成本地板；國內大廠手握算力、數據和生態，投資宇樹是暫時的路徑選擇，而非永久的分工協議。工程化優勢的保質期，比宇樹的招股書所呈現的要短。

供應鏈上的護城河

精密制造企業的高毛利往往來自供應鏈，而非算法。

互聯網企業以及AI企業的估值建立在三個底層假設上：輕資產、網絡效應強、邊際成本趨近于零。OpenAI訓練一個模型，邊際用戶的服務成本接近可忽略；Spotify多上線一首歌，不需要額外建一條生產線。這種結構決定了互聯網以及AI公司的核心價值在于規模擴張之后利潤率的躍升。

正因如此，市場愿意容忍高額虧損，相信今天的燒錢是在購買未來某個臨界點之后的超額回報。

精密制造企業的邏輯與此截然不同。臺積電的價值不在于它發表了多少半導體論文，而是它能把7納米芯片的良品率提升至93.5%。這是需要資本、時間和工程經驗長期積累的能力，護城河真實，但有限。它保護的是今天這條產品線。宇樹的商業結構，與后者高度吻合。

技術方面，宇樹的研發重心在運動控制模型的工程迭代和零部件自研上，即讓機器人在真實物理環境中穩定行走、保持平衡、完成翻滾跑跳。業內對此有一個精準的標簽：本體派。在當前階段，這個分配生產出了市場愿意買單的產品。

這里需要先厘清一個經常被敘事遮蔽的技術演進脈絡。現代機器人運動控制的學術基礎，主要來自兩個方向：蘇黎世聯邦理工2020年發表的強化學習論文，其開源的rsl_rl框架已成為全球幾乎所有人形機器人公司訓練運動控制器的底層工具；以及DeepMind更早期的DeepMimic工作，奠定了基于動作捕捉數據的模仿學習路徑，是今天機器人豐富動作能力的真正基礎。

宇樹在這些開放成果的基礎上完成了出色的工程化與產品化，從論文到可量產的產品，這個過程的價值是真實的，但屬性是工程轉化。這與高通、聯發科將ARM公版架構做成芯片的邏輯相似，商業價值極高，技術護城河的寬度則是另一個問題。

其次是財務結構，2025年前三季度，宇樹主營業務收入幾乎全部來自產品銷售，即人形機器人、四足機器人、機器人組件的銷售收入，占比合計超過99.5%。其中，人形機器人毛利率高達62.9%，行業均值毛利率在35%至47%之間。差值主要來自制造，宇樹從四足機器人時代積累的電機、減速器、傳感器自研能力，被平移到人形機器人上，在同等性能指標下，把BOM成本壓到競爭對手難以匹配的水平。

這也與創始人的個人風格一脈相承。據《智能涌現》報道，王興興對成本的執著貫穿公司運營的每個角落。流傳最廣的一個細節是，某次王興興拆開會議室遙控器的電池，隨后在公司大群艾特所有人，說某品牌電池“性價比不高”。

公司內部甚至流傳其“無房、無車”，住在公司附近的公寓，每天步行上班。宇樹位于杭州的辦公樓陳設極簡，據稱是從某國企接手的舊樓。節儉意識滲入組織文化之后，與零部件全棧自研的戰略選擇疊加，共同構成了宇樹成本競爭力的兩條腿。

此前，官方數據顯示，宇樹2025年全年研發費用約9000萬元，研發費用率7.7%，行業可比公司平均27.92%。騰訊引進的OpenAI精英研究員姚順雨，據傳個人年薪超過1億元，一個人的薪酬超過宇樹這家機器人公司整年的研發預算。

當然，這個對比在傳播層面足夠刺激，但在邏輯層面站不住腳。將一位頂尖AI實驗室研究員的薪酬與一家供應鏈驅動的制造型公司的研發預算并列，是衡量框架本身在犯錯，而非被衡量的對象。就像寶馬的核心競爭力不需要靠發表論文來證明；宇樹的競爭力來自量產成本，這與AI研發人員的配置邏輯并不處于同一軌道上。

工程奇跡的保質期

回看招股書，“當前階段”這個定語，才是宇樹整篇招股書里最值得反復推敲的詞組。

在需求還不清晰的階段，先把確定性強的事做到極致，是宇樹過去幾年的核心判斷。這個判斷在2025年之前幾乎沒有破綻。

去年前三個季度，宇樹用2257萬元的廣告費撬動了全國覆蓋的品牌曝光，隨即轉化為銷量：實際出貨超5500臺純人形機器人、超1.8萬臺四足狗，營收達到17億元，同比增長335%，扣非凈利潤6億元，同比增長674%。這種商業轉化效率，是科研型公司很難復制的。

但工程驅動路線存在一個內生的天花板。波士頓動力花了二十年，用精密液壓系統和手工調試的控制器，才讓Atlas完成了令人嘆為觀止的后空翻。但2019年前后，蘇黎世聯邦理工的研究團隊用強化學習訓練了ANYmal的運動策略，實現了從跌倒中恢復和高速奔跑，成本和開發周期與前者不在同一量級。工程經驗積累了二十年的壁壘，被算力和數據的規模效應以加速度抹平。

而特斯拉Optimus構成的威脅，已經超出了產品競爭的范疇，它在重新定義這個行業的成本地板。馬斯克在2025財年Q4及全年財報業績會上確認，弗里蒙特工廠的原Model S/X產線正在改建為Optimus機器人產線，年產能目標為100萬臺。這意味著特斯拉已經在用汽車制造的規模邏輯來定義人形機器人的成本結構。

當一條產線的設計年產能是百萬臺，單位硬件成本的下降曲線，與年產數千臺的公司根本不在同一個維度。彼時，人形機器人定價空間會被從兩端同時壓縮。

國內大廠的威脅性質則不同。美團、騰訊、阿里系資本雖已入股宇樹，但這些公司同時擁有宇樹遠不具備的資源：算力儲備、海量場景數據、軟件生態和渠道網絡。大廠選擇投資而非自建，是當前階段效率最優的路徑，這個判斷隨時可能隨行業成熟度的提升而改變。

最先坐不住的，是高德。近日，社交媒體上有多位網友發布視頻稱，在高德地圖樓下遇到高德機器狗過馬路和買奶茶。我們從視頻中看到，機器狗身上印有高德地圖logo，可證實為高德機器狗。高德相關負責人日前表示，高德已在具身智能領域開展深入布局，并積極探索四足機器人、人形機器人等硬件產品形態，預計近期將有首款四足機器人發布。

另一方面，當前具身智能領域的主流需求仍是展示性的：商業演出、展覽導覽、科研驗證。這些場景對AI能力的要求寬松，機器人能穩定運行、動作流暢即已滿足，宇樹的小腦優勢在這個階段充分變現。但行業正在向生產力需求緩慢遷移：工廠裝配、物流分揀、家庭服務。這些場景要求機器人理解模糊指令、應對非結構化環境、完成長程任務規劃。決定勝負的變量已經切換了。

一旦具身智能的大腦技術出現實質性突破，數據、算力和生態的戰略價值，會從配套資源變成決定性資產。宇樹的供應鏈優勢，在這個新競爭維度里的權重會大幅下降。

因此，42億元募資額中，超過20億元將用于具身大模型研發。這是宇樹試圖完成路線躍遷的公開聲明，也是對低研發策略不可持續性的隱性承認。其在招股書中坦言：若“大腦”技術未能取得重要進展，將使得通用機器人的大規模應用進程存在不確定性。

言外之意，宇樹現在做到的一切，是在大腦缺席的情況下完成的，而這恰恰卻是機器人的下一階段的核心。

2026年被稱為具身智能的“上市大年”，超過20家公司明確了上市計劃，驅動這一浪潮的，與其說是行業走向成熟，倒不如說是彈藥告急。大量競爭對手需要靠一輪接一輪的融資維持運轉，研發節奏被融資窗口牽著走。

宇樹的現金流正向，反倒讓它擁有一種真實的戰略靈活性：在等待大腦技術成熟的窗口期內，可以持續迭代本體，擴大出貨，積累數據，同時用IPO募集的資金推進大模型研發，而不必在每隔幾個月就分心去講一個新的融資故事。

然而，充裕的彈藥和時間，僅僅是為宇樹買到了一張通往下一戰的門票。自宇樹的核心戰略從“造好一個高性價比的軀體”轉向“訓練一個泛化的大腦”，原先那套引以為傲的硬件工程體系就已走到極限。

《新立場》認為，橫亙在宇樹面前的挑戰，主要在三個維度。

大模型訓練需要的除了錢，還有數據。具身智能的數據飛輪，必須依靠大規模的真實場景部署來驅動——沒有足夠多的機器人在足夠多的真實環境中運行，就沒有訓練通用機器人大腦所需的數據。宇樹目前的出貨規模在全球范圍內領先，但相比訓練一個具備真正泛化能力的基礎模型所需的數據量，仍然差距懸殊。

人才結構同樣面臨重構。175名研發人員中，精通強化學習、世界模型、VLA架構的頂尖研究員占多少比例，從9000萬元的研發預算反推，這個數字很可能不足以支撐一個真正有競爭力的基礎模型研究團隊。

硬件層面同樣存在物理約束。宇樹自己承認，目前的機器人本體電池續航僅約2小時，而大型AI推理對算力和能耗的要求，與這個續航預算之間存在嚴重矛盾。從“小腦”量級的模型，到真正具備場景理解能力的幾十B參數規模，算力需求的躍升將遠超當前硬件所能承載的范圍。

2016年，王興興用一臺自制的四足機器人起步，他當時問的問題是：能不能把它做便宜。十年之后，站在科創板門口，那個問題的答案已經變成了宇樹最扎實的資產，也是它最狹窄的入口。

接下來需要回答問題是能不能把它做聰明。但這個問題，招股書給不出答案。