作者｜鱼丸 编辑｜星奈 媒体｜AI大模型工场 从2016年的孤军奋战，到如今千人级别的团队规模，王兴兴九年磨一剑，实现了从技术追随者到行业引领者的华丽转身，终于在2025年11月15日完成了上 市辅导。 王兴兴曾说："在推动一些中规中矩的上市流程，某种意义上一直把公司上市当作去学习和成长的过程，就比如说面对中考、高考，我觉得这是企业迈向 更成熟的管理，更成熟的运营，一个阶段性的事情，也是对我们过去9年多时间的一个交代，也是对股东的一个交代。" 来时步步艰辛，再看已是繁花似锦。这场历时短短132天的考试，宇树显然满分上岸，但它多年来的努力，我们还需逐帧学习、逐帧分析。 01 一身孤勇，从初创到领航 2013年，就读于上海大学机械工程专业的硕士生王兴兴，受到波士顿动力BigDog机器人的启发，就此展开了他的具身智能生涯。 当时的他没有沿用当时行业主流的液压驱动方案，而是开创性地采用外转子无刷电机直驱技术路线，独立完成了全自由度四足机器人XDog的研发。 令人惊喜的是，这条技术路线有效简化了机械结构，降低了研发与制造成本，成为了宇树科技"低成本高性能"核心技术路线的基础。 时间辗转来到了2015年，王兴兴的XDog ...

人形机器人应用场景拓展 - 人形机器人在进博会中从展品转变为实际岗位的“打工人”，承担接待导览、产品介绍和乐队演奏等任务 [1] - 工业领域应用场景展示，海克斯康的工业人形机器人AEON行走速度是人类的四倍，可执行质量检测、抓取和搬运等多重任务 [1] - 机器人制作咖啡等服务的展示，表明其应用正从展示向实际服务操作延伸 [3] 人形机器人技术进步 - 机器人“身体”灵活性显著提升，通过“拳击赛”等形式展示其接近人类的肢体动作和腾挪闪避能力 [3] - 运动控制领域进步明显，但具身智能大模型领域仍需加强，这是全球面临的共同挑战 [4] - 技术迭代遵循“本体-数据-模型-场景”的飞轮逻辑，优质本体产生高质量数据，驱动算法突破和场景优化 [4] 人形机器人未来发展关键 - 未来发展关键在于“脑子”是否足够聪明，即具身智能模型的进展速度 [3][4] - 需要在模型结构、数据采集方式和质量上进行更多思考，以支持机器人承担更多元的工作 [4] - 算法结合场景试错后，为本体优化、数据采集方向和算法迭代提供新指引 [4]

小鹏科技日与IRON机器人 - 小鹏发布新一代人形机器人IRON，采用“骨骼-肌肉-皮肤”仿生设计理念[2] - IRON机器人具备仿生灵动双肩和22个自由度的灵巧手，可完成拿取细小物件等复杂精细动作[2] - 在流动性宽松态势下，多家机构看好机器人产业，认为IRON将激发市场活力并引领行业[2] 宇树科技对人形机器人发展的观点 - 宇树科技董事长王兴兴认为人形机器人及具身智能发展的关键在于机器人大模型[3][5] - 王兴兴指出真正的具身智能“ChatGPT时刻”是机器人在陌生场景中能完成80%指令任务[5] - 当前模型泛化能力不足，需创新并提升数据规模与质量，但数据采集与质量评判存在难题[5] 牛津大学软体机器人技术突破 - 英国牛津大学团队研发出无需电子元件、马达或计算指令，仅靠空气压力运作的软体机器人[6][8] - 该机器人不依赖中央控制系统，通过自身结构与外界物理作用实现运动协调，为具身智能开辟新方向[8] - 采用模块化气压单元设计，模块可拼装成不同机器人，能自主产生节律运动，未来有望应用于极端环境[8] 字节跳动在机器人领域的投入 - 字节跳动招聘人形具身机器人操作算法资深专家，月薪95K-120K，年薪可达百万级别[9][12] - 公司持续投入具身智能领域，2023年成立机器人团队，并多次发布VLA大模型产品[12] - 通过投资多家公司和发布高自由度灵巧手，字节跳动正打造模型+硬件双轮驱动框架[12] 优必选商业订单进展 - 优必选中标“自贡数投人形机器人数据采集中心项目设备采购”，金额为1.59亿元，预计11月交付[13][15] - 中标产品为可自主换电的具身智能人形机器人Walker S2[15] - 仅Walker系列人形机器人，截至目前全年累计获得订单金额已超过8亿元[15] 机器人行业企业生态 - 行业涵盖工业机器人、服务与特种机器人、医疗机器人、人形机器人、具身智能及核心零部件等多个细分领域[20][21][22][23] - 产业链企业数量众多，包括优必选科技、宇树、埃斯顿自动化、亿嘉和、元化智能、绿的谐波等代表性公司[20][21][22][23]

公司动态与产品发布 - 公司于11月6日通过官方视频号发布了全身遥操作平台 [1] - 在人类遥操作下，G1机器人能同步完成耍长棍、打拳、踢足球等动作以及洗碗、抹台、吸尘、丢垃圾、开冰箱等家务 [1] - 公司创始人王兴兴在11月5日的论坛上表示，最近几个月公司正在进行人形机器人全身动态遥操作，为机器人大规模数据采集奠定基础 [1] 行业技术发展趋势 - 公司认为任意动作下被强力干扰倒地后能快速自恢复是未来几年人形机器人的标配能力 [1] - 人形机器人发展最关键的制约因素是机器人大模型的发展速度 [1] - 具身机器人目前的发展状态相当于ChatGPT发布前的1至3年左右，尚未达到真正做出来的临界点 [1] 市场应用前景 - 未来当机器人大规模应用时，可进入工厂、家庭等各种场景，满足干活的刚需 [1] - 公司一直在推进机器人“真的干活”这件事 [1]

公司动态与战略 - 宇树科技创始人王兴兴强调推进机器人“真的干活”是核心目标，认为机器人在工厂、家庭等各种场景下的应用是刚需[1] - 公司创始人身份已更新为宇树科技股份有限公司创始人、董事长[1] 行业技术发展现状 - 人形机器人行业目前最关键的制约因素是机器人大模型的发展速度，且当前发展速度被评价为“稍微有点慢了”[1] - 具身机器人目前的发展状态被类比为ChatGPT发布前的几年，尚未达到真正做出来的临界点[1] 未来技术能力展望 - 未来几年人形机器人必将标配在强干扰情况下摔倒后能快速恢复动作的能力[1]

市场表现与资金流向 - 周三（11月5日）A股市场成交额为1.87万亿元，较上一交易日缩量453亿元[4] - 沪指涨0.23%，深成指涨0.37%，创业板指涨1.03%[4] - 上证主力资金净流入275.25亿元，深证主力资金净流入197.26亿元[4] - 电力设备、煤炭商贸、环保等行业涨幅居前，计算机、非银、通信、传媒等行业小幅下挫[1] - 电力设备板块表现明确，包含储能、配电、锂电等细分领域[2] 宏观经济与政策 - 10月中国仓储指数为50.6%，较上月回升1个百分点[1] - 自2025年11月10日13时01分起，停止对部分原产于美国的进口商品加征关税[5] - 自2025年11月10日13时01分起，暂停实施24%的对美加征关税税率，保留10%的税率[8] - 中国与多个太平洋岛国签署《提升经济伙伴关系框架协定》，旨在扩大双边贸易与投资合作[6][7] 行业与产业发展 - 京津冀计划到2027年打造超2000亿元产业规模的北斗时空产业集群，推广应用终端产品80万台（套）以上[10] - 大众中国将自研系统级芯片，应用于L3及以上级自动驾驶车型[12] - 宇树科技认为具身机器人发展阶段类似于ChatGPT发布前的1-3年左右[11] 基金市场动态 - ETF两市成交额报4972.52亿元，其中股票型ETF成交1121亿元，债券型ETF成交2460.57亿元[13][14] - 公募基金三季报显示TMT板块获加仓明显，龙头公司持股集中度回升[15]

中美贸易关系动态 - 自2025年11月10日13时01分起，停止对原产于美国的部分进口商品加征关税 [6] - 在一年内继续暂停实施24%的对美加征关税税率，保留10%的对美加征关税税率 [6] - 对15家美国实体停止出口管制措施，对另外16家美国实体继续暂停相关措施1年 [7] - 继续暂停部分不可靠实体清单措施1年，并停止另一部分相关措施 [8] - 停止将原产于美国的进口非色散位移单模光纤的反倾销税税率适用于相关截止波长位移单模光纤 [9] 储能与能源产业 - 截至9月底，中国新型储能装机规模超过1亿千瓦，较"十三五"末增长超30倍，占全球总装机比例超过40% [9] - 华北地区新型储能装机3118万千瓦，占全国30.4%；西北地区装机2672万千瓦，占全国26.1%；华东地区装机1655万千瓦，占全国16.1% [9] - 安徽省推动黄金产业资源整合，鼓励新建黄金独立选矿厂、堆浸场日处理规模分别不低于500吨、2000吨 [10] - 东方园林与国能日新签署投资合作协议，把握储能业务发展机遇 [24] 机器人及先进制造 - 宇树科技创始人预计国内智能机器人领域单家企业平均增长率在50%—100% [4][10] - 具身机器人最关键的核心要素是机器人大模型，目前发展阶段类似于ChatGPT发布前的1—3年左右 [10] - 卡倍亿加速人形机器人用零部件项目的研发进程和业务布局 [24] - 苏常柴A拟与控股股东共同发起设立股权投资基金，投资于先进制造项目 [24] - 三角防务与西门子能源签署燃机项目开发协议及框架订单协议 [23] 公司资本运作与经营动态 - 贵州茅台拟以15亿至30亿元回购股份并注销，同时派发中期现金红利合计300亿元，每股23.957元 [4][12] - 华兰股份控股股东拟以3000万元至6000万元增持公司股份 [22] - 神马电力正筹划在越南、罗马尼亚投资建厂事宜 [14] - 嘉元科技就电池负极集流体材料采购事项等与宁德时代签订框架协议 [18] - 特变电工、漳州发展、中能电气等公司表示近期生产经营正常，内外部环境未发生重大变化 [13][17][20] 行业分析与展望 - 游戏行业三季度利润同比大幅增长，头部公司因优质产品贡献增幅显著，行业景气度呈向上趋势 [26] - 啤酒板块当前处于底部区域，2025年关注宏观政策预期带来的消费场景修复机会，来年基本面量价更好兑现的确定性更高 [27]

行业发展趋势与展望 - 具身智能被视为最火热的科技赛道之一，其发展的关键核心要素是机器人大模型，目前发展阶段类似于ChatGPT发布前的1至3年左右 [1] - 行业乐观估计今年全国智能机器产业平均每家公司增长约为50%至100%，中国工业机器人对外出口增长速度超过51%，预计智能机器人增速更快 [1] - 具身智能的"ChatGPT时刻"将表现为：在陌生场景中，机器人通过语言或文字指令可完成约80%的任务，成功率约80% [1] 技术发展现状与挑战 - 机器人大模型（具身智能模型）的进展速度慢于业内预期，尚未达到临界点，但方向已经明确 [2] - 目前主流模型包括基于视频生成的世界模型和架构清晰的VLA+RL模型，但前者对算力需求极大，中小型公司难以运行，后者泛化能力不足 [3] - 宇树科技正在进行深度强化学习的全身运控以及人形机器人全身动态遥操作，为大规模数据采集奠定基础 [2] - 未来几年人形机器人的标配能力是任意动作下被强力干扰倒地后能快速自恢复 [2] 宇树科技公司动态与产品 - 公司于10月20日发布H2仿生人形机器人，高180厘米，重70公斤，具备舞蹈、功夫表演及模特走秀等运动控制能力 [4] - 公司此前已推出G1、H1、R1三款人形机器人，其中R1于7月25日发布，售价3.99万元起，因高性价比引发市场关注 [4] - 公司于10月29日预告将发布新品，宣传海报暗示或为四足机器人，动力性能约等于Go2的两倍 [3] - 公司于10月23日完成工商变更，企业名称由"杭州宇树科技股份有限公司"变更为"宇树科技股份有限公司"，王兴兴由董事变更为董事长，公司注册资本约3.64亿元人民币 [5]

行业发展趋势与前景 - 具身智能是近两年最火热的科技赛道之一，机器人大模型是当下及未来最关键的的核心要素 [1] - 在个人乐观估计下，今年全国智能机器产业平均每家公司增长约为50%至100% [1] - 今年中国工业机器人对外出口增长速度超过51%，预计智能机器人的增速更快 [1] 具身智能的“ChatGPT时刻” - 具身智能的“ChatGPT时刻”定义为：在生活陌生场景中，通过语言或文字指令，机器人可完成约80%的任务，成功率约80% [1] - 目前行业发展阶段类似于ChatGPT发布前的1至3年，已发现方向但尚未达到技术临界点 [1][3] - 任意动作下被强力干扰倒地后能快速自恢复，被认为是未来几年人形机器人的标配能力 [3] 技术模型路径与挑战 - 目前具身智能有两种主流模型：架构清晰的VLA+RL模型和基于视频生成的世界模型 [4][5] - VLA+RL模型面临泛化能力不足的挑战 [5] - 基于视频生成的世界模型对算力需求巨大，中小型机器人公司难以承担 [5] 宇树科技公司动态与产品 - 宇树科技于10月20日发布H2仿生人形机器人，高180厘米，重70公斤，具备舞蹈、功夫表演及模特走秀能力 [8][9] - 公司此前已推出G1、H1、R1三款人形机器人，其中R1于7月25日发布，售价3.99万元起，以高性价比引发市场关注 [10] - 公司于10月29日预告将发布一款新品，宣传海报暗示或为四足机器人，动力性能约为Go2的两倍 [7] 公司治理与资本结构 - 公司于10月23日完成工商变更，名称由“杭州宇树科技股份有限公司”变更为“宇树科技股份有限公司”，王兴兴由董事变更为董事长 [11] - 公司成立于2016年8月，注册资本约3.64亿元人民币，经营范围包括智能机器人研发、销售及工业机器人制造等 [11] - 公司股东包括王兴兴、汉海信息技术（上海）有限公司、宁波红杉科盛股权投资合伙企业（有限合伙）等 [11]

行业核心观点 - 人形机器人行业当前最关键的制约因素是具身智能大模型的进展速度，其发展被认为类似于ChatGPT发布前的1-3年[1][5] - 行业发展的一个重要里程碑目标是实现“在80%的陌生场景中完成80%任务”的能力，这将是该领域的“ChatGPT时刻”[5][6][7] - 尽管深度强化学习的全身运控在2024年进步明显，但“端到端能干活”的具身大模型技术进步相对较慢[5] 关键技术挑战：模型与数据 - 当前智能体模型面临的核心挑战是泛化能力不足，在特定场景下成功率可达100%，但更换操作物体或环境后成功率会骤降至70%甚至更低[8][9] - 模型架构需要更具突破性的创新，现有多种结构尝试后仍无法满足泛化需求[8] - 数据层面面临采集难度大和质量评估标准不完善的双重挑战，并非盲目追求数据量越多越好[8] 主流技术路径与瓶颈 - 行业主流训练路径包括VLA+RL（视觉-语言-动作结合的强化学习）和基于视频生成的世界模型[8] - 视频生成世界模型存在视觉生成与物理执行的对齐误差问题，模型能生成高质量场景视频但无法让机器人按此逻辑精准行动[9] - 当模型同时承担几十种任务时性能会下降，显示出现有系统的多任务处理能力有限[9]