宇树科技上市首日市值破千亿 中国具身智能开启“下半场”竞逐
2026年8月19日，宇树科技正式登陆A股，成为国内“人形机器人第一股”。公开信息显示，宇树上市首日市值突破千亿级别，刷新了具身智能赛道的融资纪录。这一估值标志着资本市场对中国机器人产业从实验室走向规模化量产阶段的集中定价。
量产只是产业发展的前半段。复旦大学可信具身智能研究院副院长吴祖煊在接受采访时，将中国具身智能的全球竞争格局概括为八个字——“本体稍稍领先、大脑基本同步”。这意味着，在机器人“身体”已经能够跑起来的当下，如何让它们真正“聪明”起来，已成为下一阶段的核心赛点。
供应链筑基：本体制造确立先发优势
中国机器人本体产业的快速崛起，并非源于单点技术突破，而是得益于完整制造业体系的支撑。小型伺服电机、谐波减速器、碳纤维结构件等核心零部件，在国内产业链中均能实现数日内打样和小批量交付。吴祖煊指出，这种供应链的密度和响应速度，使得中国机器人企业能够加速本体设计、量产和迭代，通过规模化出货获取用户反馈，进而推动产品快速改进。
从全球视角看，波士顿动力的Atlas虽仍是液压驱动路线的技术标杆，但受限于高昂成本与量产难度；特斯拉Optimus尚处于工厂内部测试阶段，距离大规模商业化尚有时日。相比之下，国内宇树、智元、傅利叶等企业已率先在四足和人形机器人领域实现批量出货。高工机器人产业研究所（GGII）2025年发布的报告显示，中国机器人本体出货量在全球市场中的占比持续提升，供应链成本优势是主要驱动力。
软硬结合：AI算力成“大脑”升级关键
“造出身体”与“造出智能”是两个维度的挑战。吴祖煊将具身智能拆解为“身、脑、手”三个维度：在“身”（本体结构）方面，中国凭借制造业基础处于相对领先；但在“脑”（决策与规划模型）方面，国内企业与Physical Intelligence、谷歌DeepMind等海外团队基本处于同一起跑线，尚未形成代际差距。
目前的短板主要集中在训练算力。训练具备跨场景泛化能力的具身大模型，虽无需动用万卡GPU集群，但仍需可观的高性能计算资源。中国信通院2025年发布的《中国算力发展指数白皮书》指出，国内AI算力供给总量增长迅速，但高端芯片获取仍面临约束。这一瓶颈直接制约了具身智能模型的训练规模和泛化能力的提升。
场景适配：人形机器人的现实逻辑
针对“为何在特定场景中效率不如轮式或机械臂，行业仍押注人形机器人”的疑问，吴祖煊给出了基于基础设施兼容性的解释：门把手高度、楼梯宽度、操作台布局等人类社会基础设施均为人类体型设计。若引入全新形态机器人，意味着需重建整套物理环境，这在经济上极难实现。人形机器人的核心价值在于能够直接复用现有空间和工具体系，降低部署成本，同时也是人机共融中最易被社会心理接受的形态。
吴祖煊同时强调，这并不意味人形适用于所有场景。消防救援中轮式机器人可能更稳，精密装配线上六轴机械臂更精准。未来机器人形态将呈“千形百态”，即不同任务与场景将适配不同本体，而非押注单一形态。
技术焦点：灵巧手成硬件新战场
灵巧手正成为硬件领域的新焦点。传统夹爪自由度低，任务执行有限。拧瓶盖、插拔线缆、翻转零件等基础���作，要求末端执行器具备多指协同能力。目前，英国Shadow Robot公司的产品性能突出，但单价高达数十万元，主要服务于科研场景。国内灵巧手领域近期出货量增长明显，部分国产方案在性价比上已形成竞争力。吴祖煊认为，灵巧手既是硬件问题，也是任务能力问题，随着具身智能向真实场景推进，其将成为机器人完成精细操作的必备硬件。
数据飞轮：资本助推产业闭环
2025年以来，机器人大脑成为投资热点，其逻辑在于具身智能模型能力高度依赖真实场景中的操作数据。只有足够多的机器人进入真实世界执行任务，才能形成“部署—采集数据—训练模型—提升能力—更多部署”的“数据飞轮”。
宇树的上市为这一循环注入新动能。资本市场的资金支持有助于推动更多本体进入商业场景，积累交互数据。吴祖煊期待本体厂商与大脑厂商形成快速联动迭代：本体成本下降、运动控制优化，大脑模型泛化能力提升，两者闭环互动，最终推动具身智能迎来属于自己的“GPT时刻”。
现实挑战：算力与泛化能力待解
尽管前景广阔，现实挑战仍存。首先是算力约束，高端训练芯片供应直接影响具身大模型迭代速度。其次是数据采集成本高企，不同于互联网文本数据，机器人操作数据需在真实物理环境中通过实际执行获取，效率与质量控制难度较大。
此外，跨场景泛化能力仍是公认的技术瓶颈。在实验室能熟练叠衣服的机器人，进入厨房可能完全“失灵”。如何实现跨本体、跨场景、跨任务的迁移学习，是学术界与产业界需共同解决的核心问题。
宇树上市标志着中国具身智能产业进入下半场。上半场竞争焦点在于降低成本与提升耐用性，下半场则转向对物理世界的理解与自主决策。本体的先发优势能否转化为系统性智能领先，取决于供应链能力与AI模型能力的深度耦合。这场竞赛才刚刚开始。
本文由AI辅助生成
