宇树IPO的真相：7成订单来自高校，科研温室里，恐难养出能进厂干活的人形机器人

文/洪大宽，本文2005字。

最近整个科技创投圈，都在为宇树科技沸腾。

A股人形机器人第一股顺利冲刺IPO，亮眼盈利数据、全球靠前的整机出货量、能跑能跳还能完成后空翻的硬件表现，各路财经稿件清一色吹捧：国产人形机器人迎来资本化高光时刻，属于国产机器人的黄金时代正式到来。

但凡只顺着通稿看热闹，很容易被赛道热度裹挟，笃定这是一家已经跑通商业化、站稳市场龙头的硬核科技企业。可做商业研判，从来不能只看光鲜的对外演示画面，一定要钻进招股书细细复盘客户结构、营收来源、业务依赖度。

宇树确实厉害，这点没必要否认。创始人王兴兴深耕硬件多年，自研关节、动力控制系统，把机器人肢体运动能力做到国内第一梯队，舞台展演、花式动作演示观感拉满，也是它能快速出圈的核心底牌。

但抛开光鲜的表演，这家即将登陆二级市场的公司，藏着绝大多数自媒体不愿深挖的商业模式软肋：它绝大多数营收，并不是来自工厂流水线、商用服务、家庭消费这类大众认知里的终端市场，七成左右客户，集中在全国各大高校、科研院所。

说白了，现阶段宇树的赚钱模式，依托的是科研采购红利，而非市场化刚需。

很多外行看不懂其中差别，简单认为，能卖给高校，自然就能批量卖给企业。实际上，科研采购和工业商用，完全是两套不一样的考核逻辑、定价逻辑、产品逻辑。

高校采购机器人，诉求非常纯粹。第一要硬件性能强悍，动作花样越多、运动上限越高，越适配课题研究、实验室项目；第二预算属于专项科研经费，对价格敏感度很低，不需要极致压缩整机成本；第三采购目的是做学术试验、发表论文、完成课题结题，并不强求机器人日复一日高强度持续劳作。

为科研场景打造的产品，主打上限性能，容错率很高。哪怕日常故障率偏高、运维繁琐，实验室有专门技术人员调试修复，完全不影响使用。依托这片市场，宇树稳稳拿到高毛利订单，攒下亮眼财报，成为六小龙里面为数不多实现正向盈利的企业，拿到IPO入场券，顺理成章。

可二级市场投资人，以及普通股民期待的，从来不是持续依靠高校输血。资本下注人形机器人，赌的是未来海量工业用工替代、家政商用落地，是万亿级大众市场。

工业场景对机器人的要求，和科研场景截然相反。工厂流水线看重三样东西：耐用稳定性、低廉后期运维成本、标准化重复劳作能力。能不能原地空翻、花式跳跃，毫无用处。车间昼夜不停运转，需要机器人耐损耗、少故障、上手简单，一线普通工人就能调试，而不是依靠专业研发人员常驻维护。

过去数年，宇树把绝大多数精力倾注在打磨肢体“小脑”，运动控制做到顶尖，却迟迟没有在具身智能大模型这块大规模落地。硬件身法无可挑剔，自主识别环境、自主规划工作任务的“大脑”，一直属于短板。

这也是当下最现实的两难处境。

IPO募资到手之后，摆在王兴兴面前就两条路。第一条，继续深耕熟门熟路的科研赛道，守住高利润基本盘，营收稳当，风险极小，但天花板肉眼可见。国内高校科研经费每年体量固定，不可能无限扩张订单，赛道增量早已触顶，没办法撑起资本市场给出数百亿估值。

第二条路线，掏出巨额募资猛攻AI大脑，补齐自主决策短板，冲刺工业、商用场景。可这条路注定持续烧钱，会直接稀释多年攒下来的净利润。原本靠着硬件优势稳稳盈利，一旦加码大模型研发，短期内盈利数据势必下滑，又会面对二级市场的业绩拷问。

不少同行现阶段亏损煎熬，宇树靠科研赛道独善其身，看似是捷径，实则也是围城。

还有一个不容忽视的行业现状：宇树现如今赖以立足的自研硬件关节优势，窗口期正在急剧缩短。

早前国内减速器、伺服电机零部件供应链偏弱，能够完整自研整套硬件方案的企业寥寥无几，依靠这套壁垒，轻松拉开差距。而今整条产业链飞速内卷，上下游零部件方案愈发成熟，同行追赶速度飞快，业内普遍预判，单纯硬件层面的领先优势，仅剩一到两年。

等到各家都能做出动作流畅的人形机器人，比拼的核心就不再是会不会跳舞空翻，而是能不能自主干活。硬件红利褪去之后，缺少智能大脑加持，先前的优势会快速抹平。

不少投资人感慨，宇树是国产人形机器人赛道里最优的IPO样板。这话没错，它用最低试错成本跑出盈利模式，为整个赛道打通资本化通路。但样板可以参考，却没办法复制。

别家企业一心扎进工业商用，直面残酷市场厮杀，屡屡亏损；宇树绕道科研蓝海安稳盈利，属于特定阶段顺势踩中的机遇，往后同行再复刻这条路径，早已没有充足空间。

写到最后总结几句实在话。

不要借着宇树IPO官宣，就笃定人形机器人全民商用时代已然来临。眼下层出不穷的发布会展演、晚会出镜、样机特技动作，更多属于行业技术彩排，并非规模化商业化成熟标志。

科研温室能够培育出性能顶尖的样机，造出好看的财报数据，却淬炼不出可以奔赴各行各业打工的机器人。

宇树已经拿到二级市场入场门票，接下来真正的考验，从来不是能不能继续做出惊艳的特技动作，而是如何跳出舒适的科研存量市场，拿着募资补齐智能短板，从实验室样机，转向能落地创收的商用产品。