宇树敲钟，波士顿动力再易主：中美机器人大战胜负已分？ ...

不灭的英灵 · 发表于 2026-9-7 14:31:12

【文/ 朱兆一】
2026年8月19日，宇树科技正式登陆科创板。一个十年前还在杭州小厂房里拧螺丝、做机器狗的创业团队，成了A股第一家真正意义上的人形机器人龙头公司。
2025年，宇树营收已经达到16.99亿元，人形机器人出货量超过5500台。更值得注意的是价格变化。2023年至2025年，宇树人形机器人的平均售价从59.34万元降到26.04万元，再降到16.64万元；今年推出的R1基础型号，官方售价已经进入3万元左右。
几乎就在同一个时期，大洋彼岸的波士顿动力又一次经历股权变化。
这家公司1992年从麻省理工学院腿式机器人实验室走出来，几乎见证了现代足式机器人的全部历史。BigDog在山地里负重奔跑，Atlas可以跑酷、翻跟头，Spot机器狗一度成为全球机器人行业最著名的产品。2013年，Google收购波士顿动力；2017年，Alphabet把它卖给软银；2021年，现代汽车集团以11亿美元整体估值取得80%的控制性股权。2026年，软银又启动退出剩余持股，现代集团进一步推进全面控制。
把宇树敲钟与波士顿动力反复易主放在一起，很容易得出一个简单结论：中国机器人赢了，美国机器人输了。
事情当然没有这么简单。
波士顿动力今天依然拥有世界顶尖的机器人技术，Spot和仓储机器人Stretch已经商业化，新一代电动Atlas今年也进入产品化阶段，并计划进入现代汽车的制造体系。真正值得研究的地方，是为什么这家曾经长期代表全球机器人技术最高水平的企业，花了三十多年才走到今天，而中国的人形机器人产业却在短短几年中迅速进入降价、出货和资本化阶段。
这个差距背后，可能藏着人形机器人产业下一阶段最重要的答案。

王兴兴和宇树机器人敲钟
一、价格屠夫
过去人们谈机器人，经常被那些令人惊叹的视频吸引。
波士顿动力的机器人可以奔跑、跳跃、后空翻。每一次公开视频，都能在全球社交媒体刷屏。它在很长时间里定义了普通人对先进机器人的想象：机器人应该动作极其复杂，拥有接近动物甚至超过人类的运动能力。
中国企业走出的是另一条路线。
宇树们最重要的能力，并不只是让机器人完成某个高难度动作，而是如何大幅度降低价格并让一个产业链彻底转变。
宇树招股书里有一组非常有意思的数据。2023年，公司人形机器人平均售价59.34万元，当年只卖出5台；2024年平均售价降到26.04万元，销量达到412台；2025年价格继续下降到16.64万元，销量迅速增加到5215台。三年时间，售价下降超过七成，销量从个位数进入数千台。
今年的R1进一步把价格带到了消费级汽车的区间。虽然几万元的机器人距离真正进入家庭仍然很远，但价格曲线已经发生了根本变化。
宇树、优必选以及大量中国机器人创业公司的意义，都应该放在这条曲线上理解。
中国拥有全球最完整的消费电子、汽车零部件、电机、减速器、传感器和精密制造供应链。当新能源汽车、无人机和智能手机积累的制造能力开始向机器人外溢，机器人身上的关节、电机、结构件和控制器就开始进入快速降本循环。
这可能是中国制造过去二十年反复上演的一幕。
无人机最早也是昂贵的专业设备，后来深圳把它变成大众消费品；新能源车最初也被认为成本太高，随后动力电池、电子电气架构和供应链规模迅速成熟。现在，同样的产业逻辑正在机器人身上发生。
因此，中国机器人企业眼下最重要的贡献，未必是创造了世界上动作最漂亮的机器人，而是开始证明一件更朴素的事情——机器人可以量产。
没有这一关，所有关于“机器人时代”的讨论都只是实验室里的未来学。
二、波士顿动力踩过的雷
理解这一点之后，再回过头看波士顿动力，就会发现它的问题十分典型。
这家公司长期追求机器人身体能力的极限。液压Atlas代表了这种工程哲学的巅峰。它能够高速运动、保持平衡，完成大量当时其他机器人难以想象的动作。可一旦进入商业世界，问题就出现了。
客户不会因为机器人会后空翻就购买机器人。
工厂需要计算一台机器人每天能够工作多少小时，维修成本是多少，能替代多少劳动，多久能够收回投资。仓库关心每小时搬多少箱货，发生故障之后多久恢复。家庭用户未来考虑的问题可能更加直接——一台机器人如果比一辆汽车还贵，为什么我要买它？
波士顿动力花了很长时间才完成这种思维转换。
Spot在2020年正式商业化，Stretch随后直接瞄准仓库卸货，并已经进入DHL、Gap、马士基等客户体系。2024年，公司宣布退役液压Atlas，全面转向电动版本。2026年的新版Atlas已经明确指向汽车制造，第一批产品将进入现代和Google DeepMind，现代计划从2028年开始在美国工厂正式部署。
这恰恰证明，波士顿动力自己也在改变。
它过去三十年回答的问题更多是“机器人怎样才能像动物和人一样运动”，现在必须回答的是“机器人到底替谁干什么活”。
所以波士顿动力给行业留下的最大教训，可能并非美国机器人技术路线错误，而是先进技术距离成功产品永远还有很长一段路。身体做到世界第一，如果价格、可靠性和任务价值无法进入客户账本，技术优势就很难转换成商业优势。
宇树们恰恰从相反方向杀了进来。
先把身体做得够用，再不断降成本、扩大出货、积累数据，然后继续升级。
可是，当硬件的价格开始迅速下降，新的瓶颈又出现了。

波士顿动力的机器狗
三、“大脑”
9月1日，马斯克在美国举行的G20创新部长级会议上谈人形机器人时，给出了一个很值得注意的判断。
他认为，通用人形机器人的实用价值，可以大致理解为三个因素相乘——AI软件能力、机器人内部AI芯片的能力，以及机电系统的灵巧程度，尤其是手的灵巧程度。三项能力同时快速提高，最终才会让机器人的实际价值出现爆发式增长。
这个判断非常重要，因为它意味着机器人行业正在跨过一个分水岭。
过去几年大家主要竞争身体。谁站得稳，谁跑得快，谁能后空翻，谁的关节成本低，谁能把机器人从几十万元降到几万元。这场比赛中国企业打得很好，中国庞大的制造业体系也提供了天然优势。
下一阶段的问题会变成机器人究竟会不会干活。
把一个机器人放进陌生厨房，让它找到杯子、打开冰箱、判断牛奶在哪里，再根据人的一句自然语言命令完成任务，这和让机器人按照预设程序跳一段舞完全是两回事。
这里需要的是视觉理解、语言理解、空间推理、任务规划、长期记忆以及对物理世界的理解。
机器人必须开始拥有“大脑”。
这恰恰是美国目前最强的地方。OpenAI、Google DeepMind、Anthropic、Meta拥有全球最强的一批基础模型；英伟达占据AI算力核心位置；特斯拉则试图把自动驾驶积累的视觉和端到端模型能力迁移到Optimus上。
中国的优势在另一端。
我们拥有机器人身体、供应链、制造能力以及巨大的工业场景。如果几万台甚至几十万台机器人真正进入工厂，它们每天产生的数据，本身又会成为训练机器人“大脑”的新燃料。
因此，中美人形机器人竞争很可能出现一个非常有意思的结构。
美国希望把最强的大脑装进机器人，中国希望先把足够便宜的身体铺进真实世界。谁能够先完成“大脑—身体—数据—再训练”的闭环，谁才可能真正掌握下一代机器人的平台。
宇树上市以后真正需要回答的问题，也会从“机器人还能降多少钱”逐渐转向“机器人到底能学会多少事情”。
四、一定要人形？
人形机器人行业越热，这个问题反而越应该问。
人类为什么是两条腿、两只手？很大程度上因为几百万年的生物进化塑造了今天的身体。机器并不需要重复这条进化道路。
工厂运输货物，轮子往往比双腿稳定；仓库搬箱子，一台移动底盘加机械臂可能比完整人形机器人便宜得多；清洁地面，扫地机器人也没有必要长出脑袋和两条腿。
波士顿动力自己的商业实践就很有启发。真正较早找到清晰商业场景的Stretch，是一台移动底盘加机械臂的仓储机器人，并没有刻意模仿人的完整形态。
人形当然也有巨大的优势。
我们今天所有建筑、楼梯、门把手、汽车、工具、生产线，几乎都是按照人的身体设计的。如果机器人拥有与人相似的身高、手臂和手，它就能够直接进入现有环境，不需要整个社会重新改造基础设施。
这可能才是“人形”最强大的经济学理由。所以未来真正成功的机器人产业，很可能不会只有一种标准答案。
工厂会存在轮式机器人、机械臂和人形机器人的混合系统；仓储会选择效率最高的结构；家庭和养老场景可能更偏向接近人的形态；极端环境又可能产生完全不同的机器身体。
最终决定价值的，是机器人能不能理解环境、使用工具、完成任务。
从这个角度看，宇树上市和波士顿动力三十年的曲折，其实共同把机器人产业推到了一个新的起点。
第一阶段，人类解决了机器人能不能站起来的问题；第二阶段，中国供应链开始解决机器人能不能便宜地造出来的问题；下一阶段真正困难的，是让机器知道自己站起来以后究竟应该干什么。
当几十年前令人震撼的机器人后空翻逐渐变成一个普通功能，资本市场最终会发现，人形机器人真正昂贵的部分已经从钢铁、关节和电机，慢慢转移到了它的“大脑”。
而到了那一天，我们也许会发现，人形机器人这场战争最后争夺的，甚至已经不再是“人形”。
真正争夺的是谁能第一个造出理解物理世界、能够不断学习、可以使用人类工具的通用机器智能。
机器人究竟长什么样，反而成了第二个问题。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。

绫绡卡卡 · 发表于 2026-9-7 14:31:25

请叫宇树玩具公司

leung21 · 发表于 2026-9-7 14:31:38

@DeepSeek 宇树上市了，波士顿动力却易主，中美机器人真要变天？

		自动登录	找回密码
密码			立即注册

宇树敲钟，波士顿动力再易主：中美机器人大战胜负已分？ ...

浏览过的版块