优必选追上了宇树人形机器人双雄的真实差距与行业启示2023年底优必选在港交所挂牌拿下了“人形机器人第一股”的名头2024年宇树凭借多款人形产品频繁刷屏从四足机器狗一路卷到双足人形。很多人的第一反应是优必选是不是终于追上了宇树如果只看新闻热度这个问题似乎成立。但把两家公司的技术路线、产品矩阵、商业化路径放在一起拆解你会发现“追上”这个说法过于简化了。它们根本不是在同一条跑道上跑只是终点都被叫做“人形机器人”而已。本文会从技术栈、成本结构、商业落地、资本运作和真实短板五个维度去比较这两家公司试着回答一个更实际的问题在当下这个时间点优必选和宇树各自处在什么位置差距到底在哪里行业又能从这场对决里学到什么。如果你是做机器人、自动驾驶或智能硬件相关开发的工程师或者正在关注人形机器人赛道的投资人、产品经理这篇文章值得你花十分钟读完。1. 为什么这个问题值得认真回答人形机器人赛道的讨论长期存在两个极端一边是资本市场把“人形”当灵丹妙药看名字就兴奋另一边是产业界认为双足形态只是噱头工业场景里轮式和机械臂才是更优解。优必选和宇树恰好站在这两个极端的中间而且都非常有代表性。优必选是国内最早把“人形机器人”做到可商用量产的公司之一从教育机器人起步逐步走向toB服务场景。宇树则是从四足机器狗切入市场靠极致的性价比和开源生态在科研机构和海外市场撕开了一条口子再顺势推出人形产品。把这两家公司放在一起比较本质是在比较两条完全不同的产品策略优必选的逻辑是先有客户和场景再打磨产品强调在真实行业里做试点、跑验收、拿订单。宇树的逻辑是先有极致性价比的硬件再让市场和开发者定义用途通过社区和科研需求快速迭代。这两种逻辑没有绝对的对错但它们决定了团队配置、研发投入、供应链管理和收入结构的天壤之别。如果只看一两款产品的参数对比很容易误判两家公司的真实竞争力。所以这篇文章不只是回答“谁追上谁”更是想帮读者建立一套评估人形机器人公司的框架看技术要看哪些指标看商业要看哪些信号看长期要看哪些变量。2. 起点与路线两条不同的进化路径要理解今天的差距得先看两家公司怎么走到今天这一步。优必选成立于2012年早期最出圈的产品是教育机器人。它的核心优势是人形外观的工业设计和伺服舵机技术在很长时间里它都是国内少数能把“像人的机器人”做成消费级和商用级产品的公司。后来陆续推出Walker系列、熊猫机器人等产品目标场景越来越聚焦在展厅接待、商业导览、智慧园区、教育科研等toB领域。宇树成立于2016年起步产品是四足机器狗。它的核心能力是电机驱动系统的一体化自研和低成本量产。机器狗在线性执行器、关节电机、运动控制算法上的积累后来被平移到人形机器人上形成了高动态、高性价比的产品特点。两家公司路线的差异可以简单归纳为这张表维度优必选宇树起步领域教育机器人、服务机器人四足机器狗、科研平台核心优势人形整机集成、行业渠道、品牌认知电机自研、成本控制、硬件迭代速度产品形态Walker系列、熊猫机器人、商用服务机器人Go2、B2四足系列H1、H1-2、G1人形系列目标市场展厅、教育、商业服务、行业试点科研、海外开发者、教育、行业试点商业模式偏项目制、大客户制偏产品制、渠道分销制这个对比能说明什么说明宇树的产品更接近“标准品”可以规模化出货优必选的产品更接近“方案品”需要围绕大客户做定制化交付。两种模式在早期发展阶段没有高下之分但到了规模化阶段边际成本和收入确认模式会很不一样。当然宇树的产品在导入工业场景时也面临一个问题通用人形机器人到底能替代哪个岗位、产生多少实际效益目前仍然缺乏足够大规模的验证数据。这个问题优必选同样存在只是它更早开始拿试点项目积累了不少行业经验。这意味着两件事第一两家公司都在从“展示型机器人”往“作业型机器人”转型第二这个转型的速度直接决定了它们谁能先进入真正的商业正循环。3. 核心技术路线拆解电机、执行器与运动控制人形机器人的技术难点集中在三个层面关节执行器、运动控制算法、感知与决策系统。三家公司的差异在这三个层面的体现非常鲜明。3.1 关节执行器自研 vs 外购人形机器人全身通常有十几个到几十个关节每个关节都需要电机、减速器、编码器和驱动器高度集成。这个部件的成本几乎占了整机成本的一半以上。宇树的路径是深度自研。它从四足时代就开始自研关节电机和高力矩密度执行器把电机、减速器、编码器集成在一起体积小、重量轻、成本低。这种自研能力带来两个直接好处一是物料成本可以压到很低二是产品改型时响应速度极快。这也是宇树能把人形机器人价格打到远低于行业平均水平的核心原因。优必选的路径更依赖产业链整合。早期的Walker系列在核心伺服舵机上投入很多但在面向工业场景的高力矩密度执行器上更多是联合供应商定制开发。这样做的好处是可以借助成熟供应链快速出产品风险是成本结构和迭代速度受制于人。从行业趋势看自研执行器正在成为人形机器人公司的标配能力。毕竟只有把核心硬件掌握在自己手里才能真正控制性能和成本。3.2 运动控制从模型预测控制到强化学习运动控制是人形机器人最难的部分。双足行走的稳定性、上下楼梯的适应性、摔倒后的自主爬起每一个都是工程上的硬骨头。传统的人形机器人运动控制主要依赖模型预测控制MPC和全身动力学控制WBC。这些方法依赖精确的动力学模型鲁棒性强但对参数很敏感调参成本极高。最近一两年强化学习RL在机器人运动控制领域取得了明显突破。通过大规模并行仿真环境训练策略再把策略迁移到真机机器人的运动能力有了大幅提升。宇树在H1-2等产品上展示出更自然的行走和跑步姿态很大程度就得益于强化学习仿真训练这套工程方法。这种技术路线的差异对开发者的直接影响是传统MPC方法需要大量机器人动力学、控制论知识工程师门槛很高。强化学习方法更依赖数据采集、仿真环境和算力资源算法团队可以快速迭代行为策略。未来三到五年两种方法会长期共存MPC保证安全性和稳定性RL负责复杂地形和动态避障。能在两者之间找到平衡点的团队才有机会在真实场景里大规模落地。3.3 感知与决策人形机器人越来越像“具身智能终端”过去的人形机器人感知系统以激光雷达和RGB摄像头为主决策逻辑更多是规则式的检测到障碍就停下检测到目标就移动。这套系统在结构化环境里够用在面对长尾场景时往往力不从心。现在行业正在快速转向多模态大模型 视觉语言模型的技术路线。机器人的“大脑”不再只是识别物体而是需要理解任务指令、拆解动作序列、感知环境反馈并实时调整行为。这是优必选和宇树都在加码的方向但两家公司的切入角度不同优必选背靠国内的云服务和AI生态更擅长把大模型能力封装成行业解决方案比如展厅讲解、前台接待、养老陪护等垂直场景的对话与交互。宇树的优势在硬件接口的开放性和开发者社区更容易让第三方算法团队在上面做二次开发跑自己的感知和控制模型。对工程师来说这意味着人形机器人开发的门槛正在从“机械和控制”转向“AI和系统集成”。如果你已经在做计算机视觉或大模型应用开发进入这个赛道其实比想象中容易。4. 商业化落地实验室明星与行业客户的差距技术再强最终要回到一个问题机器人卖出去了吗用在什么场景产生了多少实际价值这是优必选和宇树目前差距最大的地方。4.1 优必选的商业场景深耕行业客户订单颗粒度更大优必选最典型的商业化路径是大客户、大订单、行业试点。它早年进入教育市场通过学校实验室、STEAM课程等场景建立了稳定的出货渠道。后来转向商业服务场景在商场、展厅、银行、机场等场所投放导览接待机器人。近年来优必选开始进入工业场景探索人形机器人在汽车制造、3C电子等产线上的应用。它的优势在于已经在多个行业建立了可复述的客户案例和交付经验上市公司身份也更容易获得大客户的信任。劣势在于这类项目周期长、定制化多、边际成本不容易下降收入稳定但增长相对受限。4.2 宇树的商业场景科研市场起家产品化程度更高宇树的商业化路径是另一套逻辑。它最早靠四足机器狗切入科研市场高校实验室、AI研究院是最重要的客户群。这类客户有几个特点预算充足、愿意尝鲜、对二次开发接口要求高而且一旦满意就很容易复购和推荐。人形机器人推出后宇树延续了这套打法。它的产品以标准品形式销售用户可以在官方渠道直接下单价格透明交付周期短。这种模式让它在海外市场尤其是北美和欧洲的科研机构中建立起了相当强的品牌认知。4.3 短期商业判断谁离钱更近从商业闭环的角度看两家公司目前的答案不太一样优必选离“行业客户的钱”更近因为它已经证明了可以拿到百万甚至千万级的项目订单宇树离“全球开发者的钱”更近因为它已经用标准品和合理定价打开了海外科研市场。哪种模式更健康取决于接下来的三年里通用人形机器人到底能不能在工业场景里形成规模化需求。如果能优必选的项目经验会成为壁垒如果不能宇树的低成本和灵活性会更有生存空间。5. 成本与供应链谁能先把价格打下来人形机器人一直面临一个老问题什么都好就是太贵。过去动辄几十万美元的造价让绝大多数应用场景都无法产生合理回报。而价格能不能降下来取决于供应链能力。5.1 人形机器人的成本结构一台人形机器人的成本大致分布在以下部分部件成本占比估算说明关节执行器40% - 50%电机、减速器、编码器、驱动器传感器10% - 15%激光雷达、深度相机、IMU、力传感器计算平台10% - 15%工控机、AI加速模块、通信模块结构件10% - 15%外壳、骨架、连接件、线束电池5% - 10%高能量密度锂电池其他5% - 10%装配、测试、软件许可、包装运输从这张表可以清楚看到关节执行器是决定整机成本的最大变量。谁能把执行器的成本降下来谁就能把整机价格打到行业地板。5.2 宇树的成本优势来自哪里宇树在成本控制上的优势核心来自三个环节核心部件自研自产电机、减速器、编码器自己做省去中间商差价和专利授权费。产品线复用四足和人形机器人在电机、主控板、遥控器等部件上大量共用摊薄了研发和采购成本。销售渠道扁平官网直销为主减少了代理商和集成商的成本加成。这套组合拳让宇树的人形机器人价格显著低于同级别竞品对科研客户和价格敏感型客户非常有吸引力。5.3 优必选的成本压力在哪里优必选在整机集成和行业定制上有经验但它的产品形态决定了成本不容易低。大型双足人形机器人的结构更复杂零部件定制比例高缺乏四足产品线来均摊成本。同时面向行业项目的交付需要大量定制开发和现场实施这部分人力和服务成本很难通过规模效应快速下降。所以优必选未来的成本竞争力取决于它能否把“行业定制能力”转化为“标准化产品能力”把一次性的项目交付变成可复制的产品输出。这条路走通了利润率和增长空间都会打开走不通就会长期困在项目制公司的估值逻辑里。6. 真实短板两家公司各自的难题商业和技术路线再清晰也不代表没有短板。这里把两家公司的问题摊开来说。6.1 优必选盈利模式与规模化之问优必选顶着“人形机器人第一股”的光环上市但资本市场对它的质疑也一直存在——营收体量、毛利水平和盈利拐点。教育市场的采购受财政预算影响明显商业服务机器人市场还处于早期培育阶段而工业人形机器人的实际替代率依然很低。这些因素叠加导致优必选的收入增长容易遇到天花板。它需要证明的不只是“能卖出产品”而是“能持续卖出高毛利产品”。从技术角度看优必选在双足运动能力上也在面对宇树等新势力带来的压力。过去它靠先发优势和品牌积累占据市场认知但现在年轻一代团队正在用更快更便宜的方案冲击它。6.2 宇树产品成熟度与应用深度之问宇树的优势是便宜、快、灵活但这也带来一个问题产品更多是“开发者平台”而不是“行业解决方案”。科研客户可以接受一个需要自己调参、自己开发算法的机器人但工厂客户不会。制造业客户需要的是“开箱即用、稳定运行、出了问题有人负责”的完整设备。宇树在这方面的行业服务能力跟传统工业机器人厂商比还有明显差距。另一个潜在风险是低成本和高性能之间往往存在平衡。如果为了打价格战过度压缩物料成本长期运行稳定性和故障率可能成为隐患。这一点在科研场景里影响不大但一旦进入7x24小时连续作业的生产线问题就会暴露出来。6.3 共同难题人形形态的“必要性证明”抛开关起门来比技术两家公司要共同面对一个终极问题双足人形形态在真实工业和服务场景里真的比轮式机器人和机械臂方案更经济吗目前行业内比较一致的判断是结构化的室内场景轮式底盘 机械臂通常更便宜、更稳定、更容易维护。楼梯、台阶、狭窄通道、不规则地形等场景双足人形才有不可替代的通过性优势。所以谁能在非结构化场景里找到真实付费需求谁就能证明人形形态的独特价值。在这之前所有人形机器人公司的估值里都有一部分“信仰溢价”。7. 对工程师与开发者人形机器人技术栈如何入门如果你被这个话题点燃想进入人形机器人行业或者想知道现在开始学什么技术最值钱这里给你几条可落地的建议。7.1 涉及的核心技术栈人形机器人开发大致分三层技术层次核心内容代表技能硬件层电机控制、嵌入式开发、传感器驱动C/C、MCU、RTOS、CAN通信系统层机器人操作系统、仿真、通信ROS 2、DDS、simulation算法层运动控制、感知、决策、大模型Python/C、PyTorch、强化学习、SLAM对于大多数没有电机控制背景的应用开发者更适合从系统层和算法层切入。7.2 一个最小可行的实践路径在真机价格还很高的情况下最适合入门的路径是仿真环境 开源算法。以目前在机器人领域常用的仿真平台为例你可以用下面这套组合快速跑通“双足机器人行走”的最小实验# 拉取仿真环境镜像示例使用 MuJoCo 相关容器环境 # 注意不同版本的仿真平台和依赖差异较大请以官方文档为准 docker pull mujoco:latest # 启动容器并挂载本地工作目录 docker run -it --rm \ -v $(pwd)/robot_ws:/workspace \ mujoco:latest \ bash进入仿真环境后可以用下面的Python脚本加载一个人形机器人模型并让它在平地场景中保持站立# 文件路径robot_ws/demo_balance.py # 该示例演示在 MuJoCo 仿真环境中加载人形机器人模型并执行简单的站立控制 import mujoco import glfw # 1. 加载模型文件请替换为实际模型路径 model mujoco.MjModel.from_xml_path(humanoid.xml) data mujoco.MjData(model) # 2. 初始化图形窗口 glfw.init() window glfw.create_window(1200, 900, Humanoid Balance Demo, None, None) mujoco.GLContext(window) scene mujoco.MjvScene(model, maxgeom1000) context mujoco.MjrContext(model, mujoco.mjtVisFlag.mjVIS_DEFAULT) viewport mujoco.MjrRect(0, 0, 1200, 900) # 3. 仿真主循环让模型在一个固定高度尝试保持平衡 while not glfw.window_should_close(window): # 设置目标的关节角度这里简化为初始姿态 target_pos data.qpos.copy() # 这里可以接入后续要学习的强化学习策略根据观测计算关节力矩 # data.ctrl[:] policy(data.get_obs()) # 推进一步仿真 mujoco.mj_step(model, data) # 更新场景和渲染 mujoco.mjr_render(viewport, scene, context) glfw.swap_interval(1) glfw.poll_events() glfw.terminate()这段代码的逻辑很简单加载模型、初始化渲染窗口、循环执行仿真。真正的运动控制策略就是把代码中data.ctrl那一行替换成你的MPC控制器或强化学习策略输出。想从零到一完成这个实验你可以按下面的顺序逐步展开先安装Python环境和MuJoCo依赖跑通模型加载。在仿真环境里实现一个简单的站立控制器比如PD控制器。尝试用手动设置目标关节角度的方式让机器人完成下蹲、迈步等动作。接入强化学习框架在仿真环境里训练一个行走策略。评估训练后的策略在复杂地形中的表现。这一套流程完整走下来你对人形机器人运动控制的认知会比单纯看新闻和参数表深入得多。7.3 值得关注的开源资源如果想进一步深入建议关注这些方向的开源工具和数据集仿真环境MuJoCo、Isaac Lab、PyBullet运动控制算法MPC、WBC、强化学习PPO、SAC在机器人中的实现感知算法视觉语言模型在机器人操作任务中的应用开源平台Unitree的SDK和接口文档、ROS 2的机器人描述文件与驱动层代码这些资源会在你学习过程中起到关键的脚手架作用。8. 常见误区避免被资本叙事带偏关于优必选和宇树市场上有很多“看起来有道理”但实际经不起推敲的判断。这里列出几个典型的误区。误区真实情况上市公司 行业第一上市更多反映资本路径选择不等于技术全面领先参数高的机器人 更先进自由度高、负载大只是指标稳定性和性价比同样重要人形机器人马上能上生产线目前多是试点验证阶段规模化替代还有距离宇树便宜 技术不如优必选低成本本身就是技术能力和供应链能力的体现优必选项目多 商业化更成功项目制收入不等于健康毛利要看回款和复购这些误区的共同点是用单一维度的信息去判断一个复杂的系统工程。人形机器人的竞争从来不只是某一个参数的竞争而是硬件、算法、供应链、渠道、资本和落地场景的系统性竞争。对普通从业者来说保持清醒的方法是关注一家公司的研发投入占比、核心部件自研率、毛利率变化和客户复购率。这四个指标比发布会上的参数更具参考价值。9. 结论与其问“追没追上”不如看清两条路回到标题的问题优必选追上了宇树吗把两家公司的现状完整梳理一遍后我的判断是在技术迭代速度和产品性价比上优必选还没有追平宇树。宇树凭借后发优势和自研供应链在人形机器人的运动能力、生产效率和价格控制上建立起了明显的代际优势。在行业落地和品牌信任上优必选依然保持领先。它更早进入商业化场景拥有上市公司信用背书和大客户合作经验这是宇树短期内不容易直接复制的资产。更准确的表述是两家公司各自走在不同的产业周期节点上。宇树正在完成从“技术公司”到“产品公司”的跃迁优必选正在完成从“项目公司”到“平台公司”的转型。谁能先把这条路走通谁才是真正的赢家。对行业观察者而言与其纠结“谁是第一”不如持续关注三个更本质的问题人形机器人能否在汽车、3C、物流等场景中产生比传统自动化方案更高的ROI。核心零部件成本能否在三年内降到足以支撑百万台级量产。大模型能力能否真正把人形机器人从“可遥控的机器”变成“可协作的同事”。这三个问题才是决定优必选、宇树以及其他所有人形机器人公司命运的终极变量。你可以把今天这篇文章当作一个观察坐标半年后再回来看这两家公司的进展会更有意思。