宇树的下一步关键布局，是搭建一整套机器人进化系统，让全球 AI 的持续突破，真正转化为机器人能力不断加速升级的引擎。

作者|Li Yuan

8 月 19 日，宇树科技正式登陆科创板。上市首日，公司股价一度较发行价上涨超过 6 倍，总市值突破 4400 亿元。

当市场聚焦这家「机器人身体最强公司」的股价表现时，一个更值得关注的问题也随之浮现：在获得更多资本、资源与市场关注之后，宇树科技下一步究竟要做什么？

当天中午，王兴兴出席了宇树的上市答谢午宴。这几乎是企业上市后的标准流程：感谢一路支持的政府、股东与合作伙伴，也回顾公司创业十年的曲折历程。

但在稍显磕巴地完成这些常规致谢后，王兴兴并没有就此结束，而是突然把话题切换到技术层面，开始系统讲述宇树上市后真正准备重点投入的一套新体系。

他的状态也很快发生变化。表达明显更流畅，语速越来越快，从大模型谈到自动编程，从仿真训练讲到真机测试，再延伸到机器人技能的自我学习与持续进化。

显然，这部分内容他已经思考了很长时间。

01

当 AI 进入机器人研发全流程

王兴兴所讲的，并不是宇树即将发布的某一款模型或机器人产品，而是他对下一阶段机器人技术路线的判断：如果只做一个 AI 模型或视频模型，整体竞争力与迭代效率已经远远不够。接下来真正重要的，是能否把模型、工具、仿真、真机和评估体系连接成一个完整闭环。

AI 不仅会成为机器人的“大脑”，还会深入机器人研发流程本身，协助人类完成设计、训练、测试与迭代。谁能率先搭建这样一套系统化循环，谁就可能拥有具身智能时代最核心的竞争优势。

今天，如果要让机器人掌握一项新技能，工程师仍然需要手动推进多个环节：查找论文与算法、编写训练代码、调整仿真参数、部署到真机测试，再根据机器人实际表现持续修改程序。

王兴兴认为，这种机器人开发方式仍然相当原始。如今 AI 已经具备编程、信息检索、视频生成和结果分析等能力，完全有可能把这些研发环节逐步串联起来，形成自动化的机器人训练系统。

按照他描述的路径，AI 首先会自动检索最新论文和开源代码，筛选可能适用的技术方案，并进一步生成机器人的训练程序。随后，代码进入仿真环境，同时也可以借助视频生成模型构造训练场景和训练素材。

完成仿真之后，训练结果会被部署到实体机器人上。机器人能否稳定保持平衡、动作是否精准、任务成功率究竟有多高，都必须在真实世界中再次验证。

最后，AI 再对真机表现进行评估和打分，同时保留人工评价机制，把结果重新反馈给系统，进入下一轮代码生成、仿真训练与能力优化。

整套链路由此形成：

寻找技术方案—生成代码—仿真训练—真机测试—评价结果—再次训练。

而每一次训练成功的结果，都不只是完成一次单独任务，更意味着为所有同类机器人沉淀一个可复用的新能力，最终持续推动机器人智能升级与能力进化。

在王兴兴看来，这套系统最大的价值之一，在于能够持续借力全球基础模型的发展。即使宇树自身的编程能力没有同步提升，只要底层大模型不断增强，自动检索、自动编程、自动训练和自动评价的能力也会随之提升。

在早期阶段，仍然需要人来定义机器人应该完成什么任务、选用什么算法、如何判断任务成功，以及系统不能突破哪些安全边界。但按照王兴兴的判断，一旦这套闭环真正跑通，在现有算力条件下，它的编程效率和迭代速度，甚至可能超过一支数百人规模的 AI 研发团队。

这个循环被王兴兴称为「物理 AI 机器人自进化 V1.0」，也是他眼中未来机器人算法实现加速迭代的关键系统。

02

关键在于真机部署能力

在王兴兴描述的这套系统中，最容易吸引外界注意的部分是 AI：自动查找论文、自动生成代码、自动运行仿真，再自动评估训练结果。

但真正决定这套循环能否成立的，并不是 AI 会不会写代码，而是这些生成结果能否部署到足够多的实体机器人上，在真实世界中高频反复测试，并将真实数据重新回流到训练系统。

这也是机器人行业与今天 AI 模型竞争逻辑最不同的地方。

最近两年，AI 领域出现了一个非常明显的趋势：一方面模型能力快速提升，另一方面能力扩散速度也在加快。开源模型、公开论文，以及 AI 对编程、实验和评测环节的参与，让新的能力更容易被复现、追赶和复制，单次模型领先所能维持的时间越来越短。

这意味着，在纯数字世界里，模型能力本身很难成为绝对壁垒。

但机器人多出了一道关键门槛：真机部署。

在王兴兴的设想中，未来数据将来自多个来源：编程、仿真、测试和评估本身都会不断产生数据，而真机则负责为这套数字循环提供最真实、最难伪造的物理世界反馈。

因此，在王兴兴构想的智能飞轮里，前半段的基础模型、代码生成与仿真能力，未来可能会越来越普及；真正拉开差距的，将是循环进入物理世界之后的部分：谁拥有更多稳定可靠的机器人，谁能以更低成本完成真机部署，谁又能把真实场景中的反馈持续送回训练系统。

王兴兴设想，未来如果能够同时部署数千台甚至数万台机器人，真机反馈数据就可能在短时间内快速积累，形成新的训练优势。

而这，恰恰是宇树近十年持续积累下来的核心优势。

招股书披露，报告期内宇树四足机器人累计销量超过 3 万台，2025 年人形机器人出货量超过 5500 台。相比仍处于样机验证或小批量阶段的机器人公司，宇树已经具备更大规模的机器人本体生产与交付基础。

同时，它还掌握了机器人自研电机、关节、运动控制和整机集成等关键技术能力。当一段训练代码在真机上出现问题时，宇树可以同时调整算法、控制系统与硬件，而不必等待多个供应商逐层配合，这会显著提升研发效率。

过去，这些能力帮助宇树把机器人做得更强、更便宜。进入王兴兴所描述的系统之后，同样一套能力还可能被放大为新的竞争优势：以更低成本部署更多真机，更快验证 AI 自动生成的方案，再把真实世界中的成功和失败持续反馈回训练系统。

当然，已经卖出去的机器人并不会天然变成宇树的训练数据。如何获得用户授权、建立统一的数据采集标准，并把不同应用场景中的数据高效回流，仍然是这套机器人训练闭环必须解决的关键问题。

但至少，宇树已经拥有启动这一循环最昂贵、最难复制的一部分：足够成熟的机器人本体，以及将机器人规模化制造出来的能力。

03

当长期克制转化为爆发力

王兴兴很少会在方向尚未清晰之前，提前描绘一个过于宏大的未来叙事。

创业早期，宇树没有追逐当时最吸引眼球的液压机器人路线，而是选择了成本更低、也更容易实现量产的电驱方案。这个选择看上去不算炫目，却更符合王兴兴对机器人产品和商业化落地的判断。

他对人形机器人也曾长期保持谨慎态度。

在人形机器人的市场需求和技术路线仍不明确的阶段，王兴兴曾数次拒绝进入这一领域。直到 2024 年，宇树仅用大约半年时间就推出了首款人形机器人 H1，而当时核心项目团队仅有 3 名全职员工。看似突然的突破，实际上是四足机器人时代积累下来的电机、关节和控制算法，被快速迁移到了新产品之上。

宇树对机器人“大脑”的态度，很可能也遵循着相似的节奏。

过去两年，机器人“大脑”赛道热度迅速升温。宇树科技虽然也在模型方向有所布局，但由于技术路线和数据场景尚未完全明朗，并没有急于在真实数据采集和工厂部署训练上大规模投入资源。相比维持一条尚未被验证的领先叙事，宇树科技更倾向于把更大的优势建立在确定性更高的机器人本体、运动控制和量产制造能力之上。

但这场午宴上的发言也说明，王兴兴并非没有思考机器人智能化的问题。他更像是在等待模型、算力与开发工具，发展到一个可以被真正工程化利用的关键节点。

现在，这个节点或许正在到来。

在此之前，宇树已经开始布局具身智能模型，先后开源了 WMA 和 VLA 模型。上市之后，这方面的投入还将明显加大。招股书显示，宇树四个募投项目拟使用资金合计约 42.02 亿元，其中智能机器人模型研发项目拟投入 20.22 亿元，是投入金额最大的单项。

上市不仅给了宇树更多资本和资源，也让王兴兴有能力把过去相对克制的投入，逐步转化为一场更大规模的工程实践。

过去十年，王兴兴已经证明，机器人“身体”可以被工程化、量产化，并以更低成本进入市场。

上市之后，他想进一步验证的是另一件事：机器人的学习、训练与进化，能否同样成为一项可以规模化复制的工程能力。

*头图来源：极客公园