宇树科技在技术上做了哪些布局？

一、硬件自主化：核心零部件全栈自研

1. 自研驱动系统与传感器

宇树科技从创业初期就坚持核心零部件自主研发，包括电机、驱动器、减速器和传感器，以此降低采购成本和集成难度。

自研策略使得零部件阶段的毛利被压缩，整机成本可控，同时避免依赖外部供应商可能带来的供应链风险。

其推出的H1人形机器人以10m/s的奔跑速度刷新世界纪录，并预计在数月内超越博尔特的速度，硬件运动能力达到行业领先水平。

2. 产品矩阵：从四足到人形

经过近10年发展，宇树科技已成为全球四足机器人和人形机器人出货量最多的公司。

产品迭代覆盖行走、舞蹈、功夫格斗到简单服务等场景，能力范围持续拓展。

二、AI模型攻关：聚焦泛化能力与架构创新

1. 明确核心瓶颈在“大脑”

王兴兴多次强调，当前机器人硬件已基本够用，真正瓶颈在于AI模型的泛化能力和通用性不足。

机器人在固定场景训练可接近100%成功率，但场景稍一改变成功率就会暴跌，根本问题出在模型架构。

2. 对VLA模型持怀疑态度，探索新路径

在2025年世界机器人大会上，王兴兴公开表示“VLA模型是相对傻瓜式的架构”，过度依赖高质量数据且适应性差。

他提出更值得关注的两个方向：世界模型（先在虚拟环境预测未来再决策）和视频生成模型（先生成任务视频再翻译为控制信号）。

这一判断成为宇树科技技术路线的重要指引，使其在主流VLA路线之外提前布局下一代模型架构。

3. 定义技术临界点的量化标准

王兴兴明确将“ChatGPT时刻”定义为：机器人在80%的陌生环境中，凭借语音指令自主完成80%–90%的任务。

他认为这一目标最快在两三年内可实现，届时机器人将从“展示道具”变为真正能干活的生产力工具。

三、数据策略：破解放数据稀缺难题

1. 物理世界数据天然稀缺

与语言模型可获取海量文本数据不同，机器人真实交互数据难以直接获取，必须自主采集或重构低数据依赖模型。

宇树科技正探索强化学习等自主学习方法，力求在数据有限条件下实现高效训练。

2. 重视数据合成与利用效率

公司也尝试人工采集、数据合成等应对路径，并强调先实现机器人通用大模型者将引领全球AI与机器人产业。

王兴兴认为机器人数据被过分关注，当前最大问题仍是模型本身，而非数据量。

四、全球共创：开源协作与生态共建

1. 坚持全球合作共创

宇树科技的成果建立在全世界AI与机器人领域共同开发和分享技术成果的基础上，并非闭门造车。

公司积极参与开源社区，加速技术成果共享，降低全行业创新成本。

2. 推动数字丝路与智能时代融合

王兴兴在论坛上提出，科技应成为开放包容的合作纽带，愿与各国伙伴一起以开放促进合作，让智能机器人成为构建网络命运共同体的友好终端。

这种全球共创观有助于宇树科技吸收全球顶尖算法成果，加速自身技术迭代。

五、产能与资本布局：募资42亿攻坚底层技术

1. IPO募资投向核心技术研发

宇树科技已获证监会同意注册，拟募资42.02亿元，其中超20亿元用于智能机器人“大脑”与“小脑”的底层模型攻关。

资金还规划用于机器人本体研发、新型智能机器人产品开发及年产7.5万台人形机器人、11.5万台四足机器人的制造基地建设。

2. 通过双重股权机制保障长期研发

公司采用AB股架构，王兴兴持有A类股份（每股10票表决权），合计控制约68.78%的表决权，确保技术路线和长期研发不受短期资本干扰。

六、成本控制：从“不好用”中发现商机

1. 低成本创新思路

王兴兴创业时发现市面上机器人因采用工业级电机和驱动器而笨重昂贵，于是自研小型驱动器和高性能电机，以极低成本和优秀性能实现突破。

他指出，“平时觉得‘不好用’的东西，就存在商机”，这一理念贯穿宇树科技在零部件、制造工艺等多环节的成本控制。

2. 向消费级场景渗透

在王兴兴看来，ToC产品做成功后，可以降维打击ToB业务，其成本控制与产品定义能力有助于加速机器人进入家庭等复杂场景。