获得更多资金和资源之后，宇树接下来要做什么？
文丨Li Yuan
文章来源｜极客公园(ID:geekpark)
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涨超 6 倍，总市值突破 4400 亿元。
当市场盯着这家「机器人身体最强公司」的股价时，一个更重要的问题随之出现：获得更多资金和资源之后，宇树接下来要做什么？
当天中午，王兴兴参加了宇树的上市答谢午宴。这几乎是公司上市后的标准动作：感谢一路支持的政府、股东和合作伙伴，再回望一遍创业十年的艰辛。
但在略显磕巴地完成这些常规致谢后，王兴兴没有就此结束，而是突然把话题转向技术，开始讲述宇树上市后真正准备投入的一套系统。
他的状态也随之变化。表达明显流畅起来，语速越来越快，从大模型讲到自动编程，从仿真训练讲到真机测试，再讲到机器人技能的自我进化。
显然，这部分内容他已经想了很久。
当 AI 进入机器人研发全过程
王兴兴讲的并不是宇树即将发布的某个模型或产品，而是他对机器人技术下一阶段的判断：只做一个 AI 模型或者视频模型，整体竞争力和迭代速度已经不够。下一阶段真正重要的，是能否把模型、工具、仿真、真机和评价连接成一个系统。
AI 不只会成为机器人的大脑，还会进入机器人的研发过程，帮助人类设计、训练和迭代机器人。搭建这样一套系统的循环将是具身智能企业最重要的竞争力。
今天，要让机器人学会一项新技能，工程师仍然需要手工推动多个环节：寻找论文和算法、编写训练代码、调整仿真参数、部署真机测试，再根据机器人的表现修改程序。
王兴兴认为，这套开发方式仍然非常原始。AI 已经具备编程、信息检索、视频生成和结果分析能力，完全可能把这些环节逐步连接起来。
按照他描述的路径，AI 首先自动查询最新论文和开源代码，选择可能适用的方案，生成机器人的训练程序。代码随后进入仿真环境，也可以借助视频生成模型构造训练环境和素材。
完成仿真后，训练结果被部署到实体机器人上。机器人能否保持平衡、动作是否准确、任务成功率有多高，都需要在真实世界中重新验证。
最后，AI 再对真机表现进行评价和打分，同时保留人工评价，把结果反馈给系统，进入下一轮代码生成和训练。
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。
而每次训练成功的结果都不只是一次任务完成，而是为所有同类机器人增加一个可以复用的新能力，最终推动机器人智能进化。
在王兴兴看来，这套系统可以持续借用全球基础模型的进步。即使宇树自身的编程能力没有同步提升，只要底层模型变强，自动搜索、编程、训练和评价的能力也会一起提高。
在早期，仍然需要人来定义机器人应该完成什么任务、采用什么算法、如何判断成功，以及系统不能突破哪些安全边界。但按照王兴兴的判断，一旦这套闭环跑通，在现有算力条件下，它的编程和迭代速度可能超过一支数百人规模的 AI 团队。
这个循环被王兴兴称为「物理 AI 机器人自进化 V1.0」，是他眼中未来机器人算法能够加速迭代的关键。
关键是真机部署
在王兴兴描述的这套系统里，最容易被注意到的是 AI：自动寻找论文、生成代码、运行仿真，再评价训练结果。
但真正决定这套循环能不能成立的，并不是 AI 会不会写代码，而是生成的结果能否进入足够多的实体机器人，在真实世界中反复测试，并把数据重新送回系统。
这也是机器人与今天的 AI 模型竞争最不同的地方。
最近两年，AI 领域出现了一个明显趋势：模型能力快速进步的同时，能力扩散也在加速。开源模型、公开论文，以及 AI 对编程、实验和评测的参与，让新能力能够更快被复现和追赶，单次模型领先所能维持的时间正在缩短。
这意味着，在纯数字世界中，模型能力本身并不能成为绝对壁垒。
但机器人多了一道环节：真机部署。
在王兴兴的设想中，未来数据将来自多种来源：编程、仿真、测试和评价本身都会产生数据。真机则负责为这套数字循环提供最难伪造的现实反馈。
因此，在王兴兴构想的智能飞轮中，前半段的基础模型、代码生成和仿真能力可能越来越普及，真正拉开差距的，是循环进入物理世界之后的部分：谁拥有更多性能稳定的机器人，谁能以更低的成本部署真机，谁又能把真实世界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乃至数万台机器人，真机反馈数据可能在短时间内快速增长。
这恰好是宇树积累了近十年的优势。
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。相比仍在样机和小批量阶段的公司，宇树已经拥有更大规模的本体生产和交付基础。
它也掌握机器人自研电机、关节、运动控制和整机集成等关键能力。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、控制系统和硬件，而不必等待多个供应商逐层配合。
过去，这些能力帮助宇树把机器人造得更强、更便宜。进入王兴兴描述的系统之后，同一套能力还可能转化为新的优势：以更低成本部署更多真机，更快验证 AI 生成的方案，再把真实世界中的成功与失败送回训练系统。
当然，卖出去的机器人并不会自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，并把不同场景中的数据有效回流，仍然是这套设想必须解决的问题。
但宇树至少拥有启动这个循环最昂贵的一部分：足够成熟的机器人本体，以及把机器人规模化制造出来的能力。
当克制转化为爆发力
王兴兴很少在方向尚不清晰时，提前讲一个宏大的未来。
创业早期，宇树没有追逐当时最吸引眼球的液压机器人，而是选择成本更低、更容易量产的电驱路线。这个选择看起来没有那么炫，却更符合王兴兴对产品和商业化的判断。
他对人形机器人也曾长期保持谨慎。
在人形机器人的市场需求和技术路径尚不明确时，王兴兴多次拒绝进入这个赛道。2023 年，宇树用大约半年时间推出首款人形机器人 H1，核心项目只有 3 名全职员工。看起来突然的爆发，背后其实是四足机器人时代积累的电机、关节和控制算法，被快速迁移到了新产品上。
宇树对机器人「大脑」的态度，很可能也遵循着相同的节奏。
过去两年，机器人「大脑」成为最热的方向。宇树并非没有布局模型，但在技术路线与数据场景尚未明确时，它没有急于在真实数据采集和工厂部署训练上大规模重注。相比维持一条尚未验证的领先叙事，宇树仍把更大优势建立在确定性更高的本体、运动控制和量产能力上。
但这场午宴上的讲话说明，王兴兴并非没有思考机器人的智能问题。他更像是在等待模型、算力和开发工具发展到一个可以被工程化利用的节点。
现在，这个节点可能正在到来。
在此之前，宇树已经开始布局具身模型，先后开源了 WMA 和 VLA 模型。上市后，这项投入还将明显加码。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，是金额最大的单项。
上市给了宇树更多资源，也让王兴兴有能力把过去相对克制的投入，转化成一场更大规模的工程实践。
过去十年，王兴兴证明了机器人身体可以被工程化、量产化，并以更低成本走进市场。
上市之后，他想验证的是另一件事：机器人的学习与进化，能不能同样变成一项可以规模化的工程。
*头图来源：极客公园
热门跟贴