610亿是宇树科技的上市估值。但你翻下它的业绩，2025年一整年收入17个亿，净利润2.78亿。说实话，一家还在拼技术、拼产能的机器人公司，能赚钱已经很不容易了。近千亿的市值放在这儿，市场赌的显然不是它今天能赚多少钱。那这么大的市值背后，宇树科技能讲一个什么样的故事？这就是本期的话题。
宇树现在的客户主要是高校，但从招股书来看，未来真正的客户会是制造业、物流服务业等等。但不论客户是高校还是工厂，在这些客户的采购决策里，最终在意的是两个东西：性能和成本。
一台人形机器人有三个部分：大脑、小脑和本体。大脑负责想——感知环境、理解任务、规划动作；小脑负责控——把大脑的意图变成本体每一个关节的实时指令；本体就是骨骼肌肉，负责执行和感觉回传。比如你让机器人洗个碗，大脑先上线，摄像头看到碗在哪、洗碗池在哪，判断怎么走过去。
大脑把这套工作序列交给小脑，小脑把序列分解成本体每一个关节的具体指令——左脚抬几度、右膝弯几度，然后再扔给本体。本体接到指令后开始工作：肩关节电机旋转，手肘弯曲，手指闭合，抓住碗。整个过程一两秒就能完成。大脑定计划，小脑下指令，本体只管动。所以你看，整个机器人就是算法和硬件构成的。大脑和小脑的核心是算法，本体的核心是一堆零部件。
宇数科技的故事到底在讲什么？它怎么在算法和硬件上实现比别人更优的成本和性能？
先看成本。人形机器人的成本由算法和硬件两部分构成。硬件成本可以类比为BOM成本，主要是关节模组和其他单元：关节模组2.75万，其他单元1万多，一台机器的BOM成本约4万块钱。算法成本主要是研发费用的分摊，也就是算法或大模型研发分摊到每一台机器上的成本。
这里有一个关键点：硬件是堆的，算法是分摊的。硬件是堆的，意思是每多造一台机器人就多花一台的料钱，硬件成本跟销量成正比。算法是分摊的，意思是算法大模型的研发费用是固定的，造一台和造一万台花的研发费可能是一样的。在会计上，硬件是可变成本，算法是固定成本。
那决定谁的成本更低的因素是什么？从单个机器人成本考虑，一台的BOM成本是4万。长远来看，供应链成熟之后，竞争对手的BOM也会下降，差距会收窄。时间长了，由硬件组成的可变成本拉不开太大差距。但固定成本不一样。算法大模型的研发费用固定，只要销量比竞争对手高，每台机器人分摊的成本就会变低。所以成本的优势来源于销量，销量的优势会导致固定成本分摊更小。
当然，成本更优只是宇数故事的一部分，还有另外一部分就是性能。现在整个人形机器人行业集体处于“能炫技不能干活”的阶段。短视频里看着挺震撼，但拉到真实的工厂场景，全行业的人形机器人还不能真正意义上干活。从人形机器人的构成来说，决定性能的不是本体的零部件，也不是小脑的控制算法，而是大脑。
大脑是做规划的，它规划的算法不是人提前编好的，而是自己生成的。毕竟物理世界里的变量是无穷无尽的——杯子在哪、光线怎么样、地上有没有障碍物，人不可能穷举所有规则。既然是生成的，这个大脑就和ChatGPT一样，本质上都是大模型。大模型强不强，主要看数据喂得多不多。
就像某机器人创新中心发布的报告，要让机器人学会倒水，需要反复训练2000到3000次。但机器人需要的数据和ChatGPT那种语言大模型的数据完全不一样——ChatGPT吃的是互联网语料，机器人需要的是真实物理世界里命令和动作的配对数据，我叫它行为数据。
要获取行为数据，就要让机器人在真实的物理世界里干活，然后传感器把每个关节的动作完整记下来，录一次一条，录一万次就是一万条。这和自动驾驶一个逻辑：更多的车在外面跑，就能回传更多的驾驶数据，算法就会更强。机器人也一样，要想获取更多的行为数据，就要让更多的机器人在物理世界里跑。
总结来说，性能的优势也来源于销量。销量优势会带来更多的数据，更多的数据会增强大脑的能力。所以宇数讲了一个什么样的故事？成本的优势来源于销量——卖得多，摊得薄；性能的优势也来源于销量——卖得多，数据多，大脑强。更优的成本和性能又促进了更大的销量，从而形成一个飞轮效应。一旦这个飞轮效应形成，竞争对手就很难破了，因为要重塑这个飞轮花费的资金要多得多得多，还可能遭到领先者如宇数们的围堵。
但这只是故事的后半段。毕竟就像上面说的，机器人还没有走进工厂打螺丝。故事的另一部分——上半段——是怎么开始让机器人进工厂打螺丝。逻辑和下半段一样，无非也是两个核心：成本和性能。只不过飞轮没转起来之前，成本不能靠摊销——规模上不去，摊销不了几个钱；性能也不能靠实际场景的数据——都没进去工厂，哪来的实际场景数据？
所以故事的上半段，成本得靠BOM成本，性能得靠模拟场景收集数据。BOM成本的核心是什么？关节模组，它占BOM成本的六成左右。一个关节模组的工作原理是：大脑发来的指令，通过小脑的控制算法驱动电机减速器运动。
对于关节模组来说，决定成本的大头其实是控制算法——控制算法越强，对硬件精度的要求越低，硬件成本也就越低。人形机器人还处于早期阶段，让关节模组算法强、成本低的核心就是自研——自己造电机，自己写控制算法。这也是宇数科技当前成本优势的主要来源。按照招股书的披露，宇数核心零部件的自研率很高：电机、减速器、编码器、灵巧手全部都在自研。
自研可以让宇数科技和竞争对手之间形成一定的时间差，在这个时间差内，宇数科技相比于竞争对手还是有BOM成本优势的。一个新玩家想把关节模组的成本打下来，得先造出自己的电机，写好控制算法，再跟减速器和编码器联调，每一步都不是一笔钱就能加速的。宇数从第一代狗到第三代狗，关键模组换了三代，控制算法改了好几年，竞争对手就算用的时间再少，也不可能立马实现。
当然，长时间来看，供应链成熟后，BOM成本的差距会被一步步抹平。道理放在性能上也是一样的——没有销量规模，也要在性能上和竞争对手拉开一定的时间差。性能靠数据强化大脑，在飞轮没转起来之前，没有实际场景的数据，性能要拉开差距，主要靠主动采集。目前主动采集的手段主要有两个：一个是摇操作——很多人戴着VR远程遥控机器人抓东西、搬箱子、拧螺丝，然后把动作序列完整录下来，自动标注，喂给大模型。
另一个是股东赞助场地——在宇数的股东名单里有吉利等制造业企业，宇数的机器人已经进了未来吉利的工厂打螺丝。实际上摇操作拉不开时间差——建一个摇操作工厂，雇一批人戴着VR远程操控，现在大多数人形机器人公司已经开始这么干了。
总结一下，在故事的上半段，性能的提升主要靠的还是资本。不然宇数的招股书中募资说明为什么这么写？IPO的42亿里，20.2亿砸向了智能机器人模型的研发，要攻克的难题之一就是高质量的数据采集。所以故事的上半段，宇数在讲的是：用控制算法积累的BOM成本优势和资本投入的性能优势，在下半段飞轮来临之前，形成和竞争对手之间的时间差。
如果把整个故事拼在一起，就是：上半段是时间差，下半段是飞轮效应。两个故事的节点，就是宇数人形机器人的成本和性能先满足了去工厂打螺丝的条件。
现在你已经知道了整个故事的脉络。要成为故事的配角，参与到整个故事当中，你还得知道当前故事进行到什么阶段。很明显，现在的故事还在前半段，而且宇数科技相比于竞争对手还有一定的时间差优势。
但作为配角，不想死得太早的话，你可能还要回答两个问题：宇数的时间差有多久？宇数会第一个到达这个节点？我不太确定，但烧钱的投资人或许知道。不过你作为配角想活得久一点，还有一个方案：等宇数真的跨过了节点再选择参与。但谁又不想早点在片头出现，而不是在片尾出现？
回到开头：市场能给宇数科技近千亿市值的原因，或许赌的是宇数科技可以用四足的数据、自研的关节控制算法的优势，成为第一个进入工厂打螺丝的人形机器人。那会是宇数科技吗？或许你也有自己的答案。今天的故事就讲到这儿了。
热门跟贴