长跑具身智能这条赛道的人应该都记得2025年底那则消息宇树科技的科创板招股书正式获受理。我第一时间把招股书翻了一遍最触动我的反而不是营收和利润数字而是藏在发展脉络里的十二个字——先本体、再模型先运动、再干活。这十二个字几乎可以当成过去几年具身智能赛道最实用的工程哲学来读。我为什么觉得它值钱因为过去两年行业内到处都在喊“大模型机器人”仿佛模型足够强机器人什么都能干。但真下场做过产品的人都知道模型只是其中一环硬件本体、运动控制、数据采集、供应链成本每一环都有可能让项目直接翻车。宇树的招股书等于把答案写在脸上先把能跑能跳的本体做扎实再把AI模型叠加上去先让机器人学会稳定运动再谈干活。这篇文章适合机器人创业者、四足和人形机器人开发者、投资人以及所有想理解具身智能落地顺序的人。与其跟风喊口号不如把这个路线拆开揉碎看清每一环背后的逻辑。1. 招股书里那条最值钱的产品路线先本体再模型1.1 从四足到人形招股书里能读出的产品节奏翻完招股书一个很清晰的产品漏斗就出来了。宇树的产品谱系从四足机器人铺开消费级Go2负责跑量和教育市场工业级B2负责巡检、物流、应急等更重的场景人形机器人这边则是G1、H1、H2依次迭代。招股书显示公司营收已经做到2025年上半年4.3亿元同比增速超过230%四足机器人仍然是收入主力人形机器人则处在快速放量的早期阶段。这个结构说明什么说明宇树不是靠PPT讲故事而是先靠四足本体建立现金流。四足机器人的技术成熟度和成本控制都更容易实现在巡检、科普教育、消防救援、赛事表演这些场景里能直接卖出去并产生利润。人形机器人则被放在“下一代平台”的位置上它需要更多自由度、更复杂的力控、更成熟的AI模型所以放到后面打。这种先易后难、先本体后模型的产品节奏恰好把“公司养产品”和“产品养公司”这两件事拧在了一起。很多创业团队一上来就想做通用人形加全链路大模型最终被成本拖死宇树的打法是先用四足把工程和供应链能力熬出来再往人形走。1.2 “先本体再模型”到底是句什么话字面上看“本体”指的是机器人的物理硬件平台关节电机、减速器、传感器、计算单元、电池以及把它们组装成能跑能跳系统的工程能力。“模型”指的是AI模型包括运动控制模型、感知模型以及这两年大家常提的视觉-语言-动作模型VLA。为什么说“先本体”因为对于具身智能模型不是一个可以悬空的软件模块。它的训练需要海量真实交互数据这些数据必须由本体产生。一台连站都站不稳的机器人哪怕接上最强的模型采回来的数据也是噪声大、可复用性低反过来一个运动足够稳定、出货量足够大的本体天然就是一台数据采集机器人。很多人把这句路线图理解成“宇树不重视模型”这是误读。准确的说法是模型不是不做而是不能抢跑。本体的稳定性和出货量决定了模型能拿到什么质量的数据、能在什么物理约束下生效。厨房里要先有锅碗和食材菜谱才有意义。硬件都没跑量模型训练就成了无源之水。2. 为什么必须先把本体做出来硬件先行的三个硬道理2.1 数据是模型的食物本体是数据的入口做具身智能的模型最稀缺的不是算力而是真实世界的数据。就拿“抓取水杯”这个动作来说模型需要看到杯子在不同光照、不同材质、不同位置下的图像还需要真机的关节角度、力矩反馈、末端位姿轨迹。这些多模态数据只能靠真实本体在真实环境里一遍遍跑出来。仿真是可以生成数据的捷径但仿真和真机之间存在一道著名的鸿沟行业里叫sim-to-real gap。域随机化、系统辨识、数字孪生所有手段都只能缩小鸿沟不能消灭它。招股书里那一长列硬件布局——关节模组、传感器、整机装配——都是在为数据采集和模型落地铺路。没有硬件的模型就像没有食材的厨师没有模型的本体就像没菜谱的厨房。宇树的路径是先把厨房建好再请厨师回来。在这个逻辑下“先本体”不是不重视AI而是用硬件优势去喂养AI。四足机器人的价格一旦降到万元级高校买得起搞科研创业公司买得起做二次开发电网、消防这些行业客户才敢批量采购。本体的规模越大单台边际成本越低数据采集量越大模型训练素材越丰富。这个正循环的开端必须落在本体上。2.2 供应链和成本决定你能做多快机器人行业有个残酷的常识BOM成本直接决定产品能不能铺开。一台四足机器人的关节电机、减速器、编码器、电池占了成本大头如果全部外购成本很难压下来出货量就成了空中楼阁。宇树的“先本体”不只是技术路线更是商业路线。从招股书和一些公开信息里能看出核心关节模组自主设计和制造供应链高度内化。这在工程上意味着更快的迭代节奏今天发现电机发热异常明天就能改版用户反馈某个关节噪声大两周内就能出新一代固件。这种能力在纯软件公司里难以想象但在硬件公司里就是生死线。我自己的经验是外购关节方案一旦出问题排期和沟通成本会让你一个季度都动弹不得。当四足机器人的价格被打到万元级整条产业链的生态就活了。这里想强调一个容易被忽略的观点硬件便宜了开发者才敢拿它做破坏性实验。很多高校实验室的机器狗都是每天在楼梯、碎石、泥地这种恶劣环境里跑坏的但正是这种磨损才换来了真实环境中的长尾数据。这部分价值是几万块钱的仿真软件给不了的。2.3 运动控制的工程验证也只能在真机上练很多外行人以为“运动控制”是想算法的事写个强化学习网络就能让机器人学会走路。真金白银踩过坑的人会告诉你最耗时间的从来不是训练出策略而是让策略在真机上稳定复现、持续不坏。我带巡检项目时遇到过特别典型的例子。仿真里步态跑得再漂亮一放到真机上地面摩擦系数、电池电压波动、关节发热带来的阻尼变化每一个因素都会让策略退化。宇树从早年的A1到Go2再到B2流传出来的测试视频里有大量的碎石路、湿滑路面、斜坡测试甚至被人踢一脚仍能站稳的场景。这类鲁棒性不是靠模型加持出来的是靠本体硬件和运动控制一遍遍打磨出来的。所以“先本体”的另一层含义是先用本体把运动鲁棒性、接触感知、结构强度这些底层问题解决掉之后叠加模型时才不会被基础问题反复打断。我见过太多团队算法投入巨大最后卡在电机抖动和机身发热上得不偿失。3. “先运动再干活”如何落地从Go2到H2的能力栈3.1 运动能力是干活的入场券“运动”和“干活”的分界是整句话里最值得琢磨的部分。运动对应的是locomotion让机器人平稳行走、跑跳、上下楼、爬坡干活对应的是manipulation和任务执行比如开门、搬箱子、插拔充电枪、操作阀门。为什么运动要排在干活前面因为所有上层智能都依赖一个稳定的视点和稳定的力反馈。设想一艘颠簸的船上让你端着相机去对焦远处的目标手抖眼花根本不可能完成。机器人也一样四足或双足的身体姿态不稳定相机画面一直在晃场景理解、目标检测、末端定位的误差就会全部放大机械臂在末端执行任务时力反馈也会被自身晃动污染。我习惯用一个生活化类比先在平地上把走路练稳才谈得上一手端着咖啡一手开门。运动能力越强“端着咖啡的手”就越有余量。这也是为什么宇树把大量资源投入到跑跳、后空翻这类看似炫技的动作上——表面上是秀肌肉实际上是在积累动态扰动下的平衡控制能力这正是后续干活任务必备的底层素质。3.2 运动控制落地时绕不开的技术点这一节给想动手的同行一些参考。运动控制自上而下大概分四层状态估计、步态规划、腿足控制、运动规划与避障。状态估计靠的是IMU、关节编码器、压力传感器等融合。这里有个经常被忽略的工程细节IMU数据直接使用噪声很大通常会用滑动窗口滤波模型先做平滑处理再用互补滤波或扩展卡尔曼滤波融合姿态。滑动窗口滤波计算量小、延迟低非常适合实时嵌入式环境。看起来是老技术但像Go2、B2这种出货量大的本体底层跑的就是这种扎实的工程细节。步态规划负责生成支撑相和摆动相。传统方法用足端轨迹曲线加重心轨迹规划这几年强化学习成了主流在Isaac Gym这类仿真环境里训练策略再用域随机化迁到真机。这里要特别提醒一点奖励函数设计非常容易翻车。只奖励前进速度机器人会走出各种魔性步态必须叠加身体平稳、关节平滑、能效约束等正则项才能得到可用的步态。二次开发接口是开发者最该关注的部分。很多团队冲着宇树go2二次开发接口来的这套SDK和CAN接口确实做得很开放你可以在上位机上拿到机器人的实时状态数据比如机身姿态、关节角度、电流反馈也可以下发目标速度和姿态指令。这意味着你可以绕开原厂App接入自己的感知和规划算法。我见过不少创业团队就是在这类开放本体的基础上做导航和巡检应用省去了重新造底盘的时间。3.3 从会运动会干活中间隔了怎样的金字塔我把从运动到干活的过程拆成四层金字塔稳定运动、感知定位、灵巧操作、任务规划。稳定运动这层四足机器人已经比较成熟这也是宇树先把四足立起来的原因。感知定位这层靠的是深度相机、激光雷达和SLAM算法难度不大但工程量大。灵巧操作是真正的分水岭它需要力控关节、灵巧手、高刷新率视觉伺服还要解决接触过程里的动态力变化。任务规划这层目前最缺的不是模型而是长程任务的数据——让机器人连续完成“走过去、拿起杯子、递给对面的人、再回来”既需要运动稳定又需要操作泛化。人形机器人H2之所以被寄予厚望是因为它的形态更适合人类环境里的干活任务有双臂可以协作、有更高自由度覆盖更多姿态、灵巧手可以做精细操作。但有一点必须清醒人形机器人的每一步都比四足更难自由度多了控制复杂度和成本都会指数级上涨。所以“先运动再干活”在人形上同样适用只是这条台阶更长。4. 模型在宇树路线里的真实位置不是不做而是分步做4.1 具身智能需要的是分层模型不是一个“大”模型提到“模型”很多人会想到ChatGPT那样的大语言模型。但具身智能的模型是一个分层结构从下往上大致是运动控制模型、感知模型、任务与多模态模型。底层运动控制模型负责把“往前走”“保持平衡”这些指令变成关节扭矩。常见实现是强化学习策略网络输入IMU和关节状态输出关节力矩指令推理延迟要求极高通常跑在实时嵌入式端。中层感知模型负责环境理解比如障碍物分割、可通行区域识别用的是语义分割和深度估计网络跟NLP里那些长文本模型完全是两个路子。高层模型才是大语言模型、视觉语言模型和VLA负责理解指令、拆解任务、生成动作序列。三个层次研发节奏完全不同。运动控制需要真机调参感知需要数据标注任务层需要高质量操作数据。宇树把“模型”放在本体的后面恰恰是在为三个层次分别蓄力硬件平台成熟了运动控制可以持续优化出货量上去了感知和任务层的真机数据才能攒起来。很多人觉得宇树“慢”其实它是在用本体出货的方式悄悄把这三层模型的口粮都备齐了。4.2 模型训练的数据闭环仿真优先还是真机优先我的经验是运动控制可以仿真优先操作任务必须真机优先。仿真的优势是成本低、批量大适合探索步态、测试突发扰动劣势是物理近似误差始终存在。所以主流做法是仿真训练加域随机化再拿到真机上微调形成“仿真爬坡、真机验证”的闭环。操作任务则是另一回事。抓取、插接、装配这类动作接触动力学极其复杂仿真很难模拟出真实的摩擦力和柔顺性。行业通用做法是遥操作采集一个人用VR手柄或主臂操作本体让机器人记录轨迹、力矩和图像再拿这些数据训练模仿学习或扩散策略。宇树大规模出货的本体在这种采集链条里就是最基础的工具本体越多能采集的数据越多样长尾场景覆盖越广。招股书里没有直接写这句结论但隐含的商业逻辑很清楚继续卖本体就是在为下一代具身模型铺数据入口。这也是为什么我判断宇树后续大概率会加深在“数据服务”或“模型训练平台”上的布局。4.3 从模型的角度宇树的护城河到底是什么这两年出现了一批“只有模型、没有本体”的具身智能公司。它们做得不错但也普遍面临一个困境训练数据要通过合作方采购或租赁真机来获取数据来源受制于人仿真比例一旦过高模型在物理世界的泛化就会打折扣。宇树的护城河不是某个参数数量吓人的大模型而是“自研本体大规模出货数据自主采集”的组合。招股书里研发人员占比接近六成说明软硬一体化是真实投入。这条路一旦跑顺后续在模型层无论是自研还是生态合作都握有非常主动的牌。更进一步说具身智能赛道最终拼的是“物理经验”的积累什么样的电机组合适合什么样的动作什么样的传感器配置能支撑什么样的算法这些经验必须靠真实的硬件迭代来沉淀。这比单纯刷模型分数要慢但更难被复制。5. 对从业者的实战启发如何抄这份作业5.1 选场景先找一个能产生现金流的运动场景我觉得最值得抄的作业是先找一个“运动能力本身就能卖钱”的场景而不是一上来就做通用智能。巡检是典型的例子机器狗能爬楼梯、能走碎石路、能应对雨雪天气本身就比轮式机器人有优势客户愿意为这个能力付钱。教育科研、赛事表演、演示接待也是类似核心卖点是运动能力和可编程性而不是复杂的AI。“先运动再干活”放到创业语境里就是愿景可以远但第一代产品要做近。第一代产品先做到稳定运动加一个明确的刚需比如电力巡检、消防侦察、物流末端配送通过实际交付来建立工程能力再逐步叠加AI功能。这个顺序反过来大概率就是烧钱烧到团队散伙。5.2 团队和研发节奏硬件、控制、算法三波人带团队时我的建议是分三波配置。第一波主攻机械结构、嵌入式系统、运动控制目标是让本体稳定出货。第二波主攻感知、SLAM、路径规划让机器人在真实环境里自主移动。第三波才是模型团队做操作学习、任务规划、多模态指令理解。团队比例上硬控和系统至少要占一半。过去一年见过太多项目算法工程师比硬件工程师多十倍结果连稳定的测试平台都没有策略在真机上跑几次就失败。研发节奏上先把运动控制做成“稳定可复现”的工程再谈操作泛化和智能规划。这里的“稳定可复现”指的是同一套代码部署到三台机器狗上跑出来的行为和性能基本一致这是很多团队在硬件一致性上栽跟头的点。5.3 避坑清单我踩过的和看别人踩过的第一个坑是模型抢跑。项目连站都站不稳就急着训练抓取模型结果是采集数据全部作废算法团队每天都在给硬件擦屁股。第二个坑是自研一切。不是所有组件都值得自己做尤其是标准传感器、通信模块这些成熟器件能买就买把精力集中在关节模组和控制算法上。第三个坑是忽视量产一致性。实验室样机跑得再好批量装配时螺丝力矩不同、电机参数离散性能就飘了。招股书里最容易被忽略的信息其实是供应链备货和售后服务体系。量产机器人的基本盘不是发布会的demo而是备件库存、故障返修、现场调试这些脏活累活。宇树的四足能跑量说明它这套基础设施已经跑通了。想抄作业的团队第一步不是招算法大牛而是先把交付和售后的链条想清楚。6. 常见问题与排查技巧实录6.1 开发与落地中的常见问题速查我在各类机器人项目里整理过一份通用问题表这里挑几条和“本体运动控制模型”相关的典型情况供有需要的同行直接对照检查。问题现象常见原因解决思路真机步态比仿真退化严重sim-to-real gap物理参数估计不准加大域随机化范围用真机采集数据对策略做微调IMU姿态漂移、相机画面抖动大滤波参数不合理或融合算法缺失先用滑动窗口滤波做平滑再融合编码器做互补滤波或卡尔曼滤波二次开发接口延迟高总线带宽不足或上位机调度问题优先使用实时接口减少协议封装层控制上行数据频率操作任务训练不收敛数据质量差、奖励过于稀疏先做遥操作采集高质量示教再用模仿学习或扩散策略减少对稀疏奖励的依赖批量产品性能不一致装配公差和器件批次差异建立出厂调校流程针对关节零位、力传感器偏移做自动化标定这些问题的排查逻辑其实是相通的先确认本体是否稳定再排查模型和数据。顺序对了很多看起来诡异的Bug都能快速定位。反过来说如果每次调试都从模型参数开始找原因最后多半会绕回硬件本身。6.2 围绕招股书的几个特别观察最后说几个我作为从业者特别关注的细节。第一宇树对四足机器人的定位非常务实它把四足当作已经商业化的主力产品线而不是通往人形的过渡品。这意味着四足还有相当长的生命周期行业里做四足应用和二次开发的公司不是站错了赛道而是站在了当下现金流最稳的位置。第二人形机器人虽然话题度高但在商业数据上仍然处在放量初期。这说明“先运动”阶段的本体积累其实是在为“干活”阶段的模型和数据做储备。现在急着证明人形能干活的公司很容易被量产和成本拖垮反过来能像宇树一样用四足养人形才是更稳的打法。第三开源本体平台和二次开发文档看起来远不如大模型发布会热闹但长期看它们决定了整个生态里有多少开发者愿意围绕这个本体写代码。我接触过的不少高校团队和创业公司最初都是被开放接口吸引进来的最后这些开发者又成了本体的最佳推销员。这个飞轮比发布会上的参数更值钱。我自己做项目时有一条不成文的判断标准看一个机器人公司的价值先看它能稳定出货多少台本体再看它在模型和数据上的布局。这个习惯就是从宇树那句“先本体再模型、先运动再干活”里学到的。路线听起来简单但真按照这个顺序执行能省下大量团队试错成本。如果你正在做自己的机器人项目不妨先停下来问一句我的本体稳了吗这句话值得贴在团队的白板上。