2026年世界机器人大会现场，王兴兴在台上承认：大模型已能较好解决规划和导航，但真正动手操作时仍然容易出错。同一块场地，机器人完成绘画、洗笔、换颜料、下围棋、室内导航，驱动它的是GPT-6 Astra，而非宇树自研模型。这家成立于2016年的杭州人形机器人企业，核心产品H2-X具备8小时续航、飞踢与4米高台跃下能力，运动控制位列全球第一梯队。
希鸥网观察到，宇树9月发布的UnifoLM-WLA-1.0已一个多月，这是一款6B参数的具身多模态大模型，基于约2500小时真机数据训练，单模型统筹64项任务，多项具身推理评测领先开源模型。但大会现场没有一个基于该模型的实操演示。观众看到的仍是GPT-6 Astra驱动画面。自研模型搭好了骨架，却还没走到舞台中央。硬件能抬车，软件却尚未拿到“现场证明”。
硬件优势在中国市场构不成壁垒。电机、减速器、控制器、激光雷达供应链已经成熟，后来者靠工程迭代就能快速缩短差距。2026年世界机器人大会上，能唱会跳的人形机器人随处可见。宇树的H2-X仍然亮眼，可这种亮眼正在被产业链的成熟度稀释。靠持续改进硬件维持先进性，对一家估值数百亿的公司来说远远不够。智能能力才是留在牌桌上的入场券。
王兴兴给具身智能的“ChatGPT时刻”定了量化标准：在约80%的陌生场景中，通过自然语言指令完成约80%的主要任务。这个标准意味着机器人要从“特定场景下的演示品”变成“通用环境中的可用产品”。核心瓶颈在于AI模型的输入输出与真实机器人之间的对齐，传感器读数有偏差，关节响应有延迟，抓取力度、摩擦力、遮挡和光线变化都会带来误差。
财务数据揭示了更底层的约束。招股书显示，宇树2023年至2025年三年合计研发费用约2.65亿元。对比大模型赛道，一个千亿级参数模型单次训练成本就在3000万至5000万元之间，多位具身赛道从业者透露具身大脑的日消耗在百万元级别。2.65亿元摊到三年、摊到模型数据评测开源生态多条线，能分给自研AI的弹药相当有限。这是一场不对称竞赛。
希鸥网认为，宇树当前的处境是“演示经济”向“交付经济”切换时的典型断层。GPT-6 Astra能替宇树完成现场演示，帮它维持技术声量，但也在悄然卡位：外部模型越可靠，自研模型的优先级越容易被稀释。王兴兴预测2027年迎来具身智能的“ChatGPT时刻”，这给了宇树一年多的追赶窗口。可对手不会停下来等，智元、银河通用、星海图们同样在押注具身大脑。窗口期里，自研模型如果迟迟拿不出稳定完成任务的现场证据，资本叙事就会从“第一梯队”滑向“硬件代工厂”。
桥水基金创始人瑞·达利欧在《原则》里讲过一个机制：让问题、错误、弱点、分歧都摆到桌面上认真讨论，而不是把真实想法藏在心底。这套逻辑对宇树的AI追赶同样成立。UnifoLM-WLA-1.0在评测中领先开源模型，但评测领先不等于现场能打。自研模型缺的那场“现场证明”，恰恰需要宇树把模型在真实机器人上的失败摆到台面上，用公开的失败案例换迭代速度，而不是等一个完美的演示。
达利欧还提到，换位思考会产生良好的集体决策，最好的情况像“开放源代码”那样，让最佳灵感随意流淌。具身智能的泛化难题——固定场景成功率接近100%，物品位置稍变就明显下降——不是宇树一家能独力攻克的。与其把2500小时真机数据捂在手里，不如把评测框架、失败样本、推理接口放到开源生态里让更多团队复用。宇树已经搭了开源生态的骨架，接下来要让这个骨架真正转动起来，用外部反馈倒逼模型进步。
“收拾一下客厅”背后包含识别、规划、抓取、移动、避障、纠错和失败重试。机器人不能只完成一次漂亮演示，它必须在陌生环境里反复成功。宇树的优势是从硬件到模型到数据到评测的垂直整合，这种整合本身就是一种反馈环式的发展路径。真正的自证不是再做一次更炫的飞踢，而是让UnifoLM-WLA-1.0下一次出现在展台时，驱动H2-X在陌生厨房里把易碎杯具稳稳放进洗碗机，并且不吓跑猫。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo
