2026 年 7 月 2 日，宇树科技科创板 IPO 注册生效，成为 A 股"具身智能第一股"。从获受理到注册生效仅 104 天，创下科创板预先审阅机制落地以来最快审核纪录。这家以四足和人形机器人闻名的公司，带着 5500 台人形出货和 20 亿研发投入的募资方案，站到了聚光灯下。宇树的上市不仅是一家公司的里程碑，更标志着具身智能产业从"实验室炫技"迈向"规模交付"的关键拐点。

一、产业背景：政策、资本与技术的三重驱动2025 年，具身智能首次写入政府工作报告；2026 年，“十五五"规划将其纳入国家未来产业重点战略布局。政策窗口已经打开。与此同时，资本持续加码：根据 36 氪研究院测算，中国具身智能市场规模已从 2018 年的 2133 亿元增长至 2025 年的 9150 亿元，预计 2026 年突破 1.09 万亿元，年复合增长率超过 20%。技术层面，行业正在跨越从 Lv2 向 Lv3 跃迁的关键期——从"演示"到"稳定交付任务”。特斯拉 Optimus Gen-3 已启动小批量试产，优必选人形机器人切入工业场景，宇树则在消费级和工业级市场双线布局。## 二、VLA 模型：机器人的"大脑皮层"VLA（Vision-Language-Action，视觉-语言-动作）模型是当前具身智能的核心技术路线。它把视觉感知、语言理解和动作生成统一在一个端到端模型中，让机器人能够根据自然语言指令和视觉输入直接输出动作。VLA 的优势在于通用性。传统机器人系统通常需要针对每个任务单独编程，而 VLA 模型可以通过少量示范或语言指令泛化到新任务。例如，机器人看到"把桌上的红色方块放进抽屉"这样的指令，可以直接规划抓取、移动、放置的完整动作序列。但 VLA 也有明显局限：1. 泛化能力不足：在训练数据分布外的环境中，模型容易失效；2. 数据稀缺：高质量的机器人操作数据远少于文本或图像数据；3. 实时性挑战：端到端推理需要在毫秒级完成，对边缘算力要求高。## 三、世界模型：从"反应"到"推演"为了弥补 VLA 的不足，头部企业开始引入世界模型（World Model）。世界模型让机器人能够在想象中"推演"不同动作的后果，从而在真实执行前筛选更优方案。“VLA 负责执行，世界模型负责推演"的双系统协同，正在成为头部企业的主流技术路线。短期来看，VLA + 强化学习足以解决工厂、商业等结构化场景；中期来看，必须引入世界模型才能让机器人泛化到家庭、开放环境。世界模型的价值在于降低试错成本。在真实世界中，机器人每一次失败都可能造成设备损坏或人身风险；在仿真世界中，机器人可以进行大量虚拟尝试，只把验证过的策略迁移到现实世界。## 四、宇树的量产路径与商业模式宇树科技 IPO 募资主要投向四个项目：智能机器人、AI 算法、核心零部件和产能扩建。其商业模式呈现三个特点：1. 硬件规模化：通过自研电机、减速器、控制器等核心零部件，降低整机成本；2. 数据闭环：已出货的数千台机器人持续采集真实场景数据，反哺模型迭代；3. 场景分层：从教育、科研等轻度场景切入，逐步扩展到工业巡检、物流搬运等高价值场景。5500 台人形出货是一个重要信号。虽然与智能手机、汽车相比这个数字很小，但在机器人行业，这意味着产品已经从原型阶段进入小批量交付阶段。## 五、产业挑战：从能用到好用尽管前景广阔，具身智能仍面临三重制约：- 模型泛化不足：当前机器人大多在特定场景下表现良好，跨场景迁移困难；- 数据稀缺：真实机器人数据获取成本高，仿真到现实的迁移仍存在"现实鸿沟”；- 硬件成熟度：电池续航、关节耐久、感知精度等硬件指标尚未完全满足全天候作业需求。这些挑战决定了具身智能不可能像 ChatGPT 那样一夜爆发，而是需要渐进式积累。2026 年可能是"量产拐点"，但距离大规模普及仍有距离。## 六、对 AI 开发者的启示具身智能的兴起为 AI 开发者打开了新的赛道。除了传统的模型训练，机器人领域还需要：- 多模态融合：视觉、语言、动作、力觉等多源信息的联合建模；- 仿真与迁移：从虚拟环境到真实世界的策略迁移技术；- 边缘推理优化：在有限算力下实现低延迟感知-决策-控制闭环。对于想要进入这一领域的开发者，建议从 ROS2、Isaac Sim、MuJoCo 等工具入手，关注 VLA 和世界模型的最新论文与开源项目。## 七、结语宇树 IPO 是具身智能产业化的标志性事件，但它只是起点。从 VLA 到世界模型，从实验室到工厂，从数千台到数百万台，具身智能正在经历一场漫长的技术-产品-商业循环。2026 年，我们或许正在见证这个循环的第一次真正加速。