Unitree 科技新闻：王兴兴称真正的机器人突破尚未到来

本周最受关注的科技新闻背后，Unitree 在上市第二个交易日下跌 11%，而王兴兴传递了一个冷静的信息。这位创始人表示，机器人智能正接近“ChatGPT 时刻”，但决定性的软件突破可能还要两年至十年才会出现。

这种张力比任何单日股价波动都更重要。Unitree 的股票在 8 月 19 日登陆上海市场首日收盘时，较发行价上涨 460%。一天后，王兴兴承认，当下的人形机器人仍无法应对陌生环境，也无法可靠完成大多数家务任务。

Unitree 已经建立起规模可观的机器人业务，并成为中国大陆首家上市的人形机器人公司。然而，它眼前真正的对手不是 Tesla、Boston Dynamics 或其他制造商，而是“能够完成令人惊艳的动作展示”与“无需持续人工准备便能创造可衡量价值”的机器之间的差距。

Unitree 上市后，王兴兴说了什么

王兴兴的最新表态，令市场关注点从 Unitree 的上市首秀转向现代机器人尚未解决的智能问题。

8 月 20 日，在北京举行的世界机器人大会上，王兴兴表示，行业正朝着具身智能的“ChatGPT 时刻”迈进。具身智能是指能够感知周围环境、作出决策并通过实体机器执行行动的 AI。

日期很重要。Unitree 于 8 月 19 日在上海科创板开始交易，并非本月稍早完成定价和配售时。王兴兴是在第二个交易日发表大会讲话，当时公司刚经历异常火热的首日上市表现，股价则下跌了 11%。

根据王兴兴在大会上的发言，关键门槛是机器人能够进入一间陌生住宅，并完成约 80% 的指定任务。用户将通过日常语音或文本下达指令，而非进行专业编程。

这比跳舞、跑步、拳击或完成工厂演示要困难得多。进入陌生住宅的机器人必须识别物体、理解模糊指令、规划安全动作、从错误中恢复，并适应训练数据中未出现的环境条件。

王兴兴并未宣称 Unitree 已达到这一门槛。他表示，在乐观情况下，重大软件进展可能会在两三年内出现；而他的更宽泛估计则延伸至五年甚至十年。

这一时间跨度揭示出，围绕行业核心技术挑战仍存在多大的不确定性。两年的时间表支持对工厂和部署进行激进投资；十年的时间表则意味着，在相当长一段时期内，硬件产能的增长可能快于实用自主能力的发展。

王兴兴还指出，世界模型是 Unitree 目前资金和人员投入最大的领域。世界模型是一类 AI 系统，用于表征物理环境，并预测行动会如何改变环境。

他承认，Unitree 在物理 AI 模型的现实应用方面仍然落后。他还表示，由于决策软件仍是主要瓶颈，人形机器人尚不足以实现大规模部署。

这些承认使此次露面不只是一次创始人的庆祝性亮相。王兴兴是在 Unitree 上市后不久发言，该股盘中一度上涨 629%，首日最终上涨 460%。

公司通过此次发行募集约 61 亿元人民币。Unitree 表示，这些资金将用于先进机器人研发以及制造基地建设。

资本是真实的，但王兴兴传达的信息同样明确：单靠增加制造产能，无法独立解决智能问题。

为何这则科技新闻让机器人 AI 面临压力

Unitree 的上市迫使人形机器人行业以可靠工作能力的证据，替代视觉效果惊艳的演示。

该公司带着具有一定规模的运营能力进入公开市场。Unitree 报告称，2025 年营收约为 17 亿元人民币，其中超过 40% 来自海外客户。其产品包括人形机器人和通常被称为机器狗的四足机器人。

据 Associated Press 引述的 Omdia 数据，Unitree 和 AgiBot 在 2025 年各自出货超过 5,000 台人形机器人。全球总出货量约为 15,000 台，这使两家中国制造商在出货量上取得显著领先。

Omdia 估计，2026 年上半年，中国公司在全球出货约 18,500 台人形机器人。另一份中国行业报告则称，中国上半年总交付量超过 40,000 台，全球出货份额达到 97%。

这些估计采用不同的方法，因此不应被视为可以直接互换的数据。尽管如此，它们指向同一趋势：中国企业能够以西方同行尚未匹敌的规模制造并交付人形机器人平台。

这种生产优势并不能证明客户如何使用这些机器。Unitree 的上市首秀也凸显了公司披露中一个不那么亮眼的细节：Unitree 的大多数客户是高校和研究机构，许多人形机器人仍主要用于演示、表演和开发工作。

这些都是合理的市场。高校需要易于获取的平台，用于机器人学、强化学习、计算机视觉和人机交互研究。开发者也需要标准化硬件来测试新模型。

然而，研究需求不同于可重复的商业部署。工业买家必须衡量正常运行时间、任务完成率、集成成本、安全事故、维护需求和节省的人力成本。一场成功的会议演示几乎无法回答这些问题。

这种区别给 Unitree 带来压力，因为公开市场投资者最终会要求一家如今承载更高预期的公司拿出财务层面的证据。仅靠出货增长无法说明机器人正在成为有用的劳动力，还是仍只是昂贵的开发平台。

这也给竞争对手带来压力。AgiBot 必须证明其出货规模能够产生持久应用。其股票在香港交易的 UBTech，则必须在新上市的中国大陆竞争对手面前捍卫其工业部署战略。

西方开发商面临不同挑战。Tesla 可以将 Optimus 与其制造业务、AI 基础设施和资本实力相连接。Boston Dynamics 拥有数十年的移动机器人工程积累和工业客户关系。Figure AI 则凭借通用人形机器人工作的愿景吸引了关注。

但没有一家公司展示过这样一台机器：它能够进入任意工作场所、理解广泛指令，并在无需大量准备的情况下完成大多数任务。Unitree 的上市将这一共同局限摆到公开市场投资者面前。

行业被迫作出的回应很直接：机器人公司必须公布运营层面的证据，而不能依赖出货数字或精心编排的视频。

有用的证据包括：在真实设施中的持续任务完成率、两次人工干预之间的工作时长、对意外情况的恢复能力，以及完整部署的成本。买家还需要安全数据和集成时间表。

没有这些指标，投资者比较的就是不同类型的承诺。向大学实验室交付一台机器人，并不等同于一台能在仓库内多班次工作的生产机器人。

因此，这则科技新闻背后的核心问题并非中国能否制造人形机器人。它已经建立起显著的制造能力。问题在于，在市场预期超过客户价值之前，软件智能能否将这种产能转化为可靠劳动力。

真正的竞争：演示与部署

Unitree 最大的对手，是受控表演与通用工作之间的鸿沟。

受控演示从已知环境开始。工程师选择地面、物体、照明、任务顺序和安全边界。他们可以反复排练动作、调校软件，并移除可能导致失败的条件。

通用部署则颠覆了这些前提。仓库布局会改变，家庭中充满陌生物体，人们给出的指令往往不完整。门可能卡住，包裹会移位，地面可能变滑，工具也可能出现在意料之外的位置。

机器人还必须理解意图。“把杂货收好”包含一连串感知和规划难题。机器必须识别物品、推断存放位置、操控不同形状的物体，并避免作出不安全的决定。

大型语言模型之所以变得广泛实用，是因为一个界面可以处理多种信息任务。用户无需为每个问题构建单独程序，只需输入自然语言请求。

王兴兴提出的“ChatGPT 时刻”类比，设想了机器人领域类似的转变。用户描述想要的结果，而通用模型负责感知、规划、运动和错误恢复。

这个类比很有吸引力，但物理行动带来的后果不同于文本生成。错误的句子可以修改，错误的动作则可能损坏设备或伤害他人。

延迟同样重要。双足行走的人形机器人不能总是等待远程模型推理。它需要快速的本地控制，同时协调较慢的语义规划。

这就形成了分层架构。底层系统稳定关节和动作；高层模型则解释语言、识别物体、选择行动，并在环境变化时修订计划。

Unitree 多年来一直在改进底层能力。其机器人能够奔跑、跳跃、恢复平衡，并完成协调动作。这些能力反映了机械工程、执行器设计、运动控制和反复硬件迭代的成果。

缺失的一层是泛化能力，也就是在并未被专门排练过的情境中，成功运用已学行为的能力。王兴兴在 IPO 前称其为行业真正的分水岭，而他的最新发言进一步强化了这一观点。

Unitree 与 DeepSeek 的计划合作展示了公司打算如何弥合这一差距。在投资者路演期间，王兴兴表示，两家公司将围绕通用人工智能、高性能机器人和大型 AI 模型展开合作。

DeepSeek 带来模型开发能力，Unitree 则贡献硬件、控制系统和物理数据。这一组合与行业更广泛的“大脑与身体”战略相似。

但这仍是一项战略，而非通用自主能力的证明。语言能力不会自动转化为安全的物理控制。模型必须将视觉感知、空间推理、行动选择和快速反馈连接起来。

训练数据是另一项限制。互联网文本和图像帮助语言与视觉模型实现规模化，但高质量的机器人交互数据更为稀缺。物理数据采集需要时间、硬件、受控环境和监督。

仿真能够让机器人在虚拟环境中练习，从而扩充数据集。但模拟的摩擦力、物体行为、传感器噪声和人类动作，永远无法完美复现真实世界。在虚拟环境中训练的模型，仍需要大量实体验证。

因此，最具信息量的比较并不是 Unitree 与某一家特定竞争对手之间的较量，而是经过准备的演示与陌生任务之间的差别。

机器人可能在前者表现出色，却在后者严重失效。在企业分别披露这两类表现之前，亮眼的头条成绩可能掩盖买家真正需要关注的局限。

数据尚不足以证明大规模普及

Unitree 的营收和出货增长证明了市场需求，但尚不能证明自主类人机器人劳动力已经实现规模化。

该公司 2025 年营收约达 17 亿元人民币。根据其在 8 月投资者路演期间的表述，海外市场贡献了 43.65%。

美国约占营收的 13%。在美国联邦通信委员会以国家安全为由限制未来进口外国制造的类人及四足机器人后，这部分业务如今面临监管风险。

王兴兴表示，按当时公布的政策描述，Unitree 现有主要型号已获得 FCC 认证，仍可继续销售。他也在公司披露文件中承认，贸易限制可能进一步扩大。

机器人进口限制削弱了一个简单的全球增长叙事。Unitree 或许能保住现有认证产品的销售，却可能失去未来型号的市场准入。该公司也可能需要将扩张重心转向欧洲及其他市场。

产品结构带来了另一项不确定性。类人机器人吸引了大部分公众关注，但 Unitree 已建立基础的四足机器人业务仍然重要。汇总后的营收增长并不能说明通用类人机器人是否正在成为主导性的商业引擎。

公司已将研究、教育、应用开发、文艺表演和智能服务列为类人机器人的近期用途。工厂、家庭及更广泛的社会服务工作，则被放在更长远的时间线上。

这一划分与王兴兴最新的技术评估一致。当前系统能够在客户可控环境中，或客户需要可编程研究平台的场景下创造价值。它们仍不太适合开放式工作。

投资者还需要区分出货量和部署深度。客户购买一台机器人用于实验，与制造商在试点成功后订购数百台，意义并不相同。

重复订单将提供更有力的证据。从一个狭窄试点扩展至多个地点、班次或任务类别，同样如此。

Unitree 上市首日的飙升反映了市场对机器人行业潜在规模的热情。第二日的下跌则显示预期可能迅速重置，尽管两个交易日对长期价值的说明有限。

真正相关的问题不是股票在 8 月 20 日上涨还是下跌，而是该业务能否成长至其上市首日估值所隐含的规模。

王兴兴在路演中的回答强调，工厂和家庭机器人存在极其庞大的潜在市场。这一论点解释了机会所在，却没有解决时机或执行问题。

IPO 路演回应也表明，投资者当时已经在询问海外限制和较高的市盈率。Unitree 的回答在很大程度上依赖于未来市场扩张及其现有产品优势。

持怀疑态度的解读，并不要求假定这项技术会失败。它要求认识到，商业成熟度比围绕类人机器人的公众形象更为有限。

Unitree 的机器人通过武术、舞蹈、跑步及其他实体演示获得了全球关注。这些动作展示了其在平衡和控制方面取得的实质进步。

但它们并不能证明机器人能够独立决定并完成整班工作中有用的任务，也无法证明其总运营成本、维护需求、安全表现或投资回报。

Morningstar 分析师 Kangyuxiao Li 将竞争考验界定为：在大规模工业部署中实现可靠表现与有吸引力的回报。这一标准比出货排名更为严苛。

这也是企业买家应当采用的标准。一段精彩视频或许足以证明值得评估，只有稳定的经济性才能证明值得扩大部署。

中国的硬件领先遇上全球软件瓶颈

Unitree 的上市巩固了中国的制造业地位，同时也暴露出所有主要类人机器人开发者共同面临的软件限制。

中国的机器人供应链受益于电机、电池、电子产品、传感器、精密零部件和大规模制造方面的专业能力。同一工业基础曾帮助国内企业扩大电动汽车、无人机和消费电子产品的规模。

Unitree 借助这一环境，快速迭代机器人狗和类人机器人平台。它还通过让研究人员和开发者能够使用高性能机器，建立了品牌认知度。

由此形成的装机基础能够产生实体训练数据。更多机器进入更多实验室，为收集运动数据、失效案例、环境观察和人类示范创造了机会。

这一循环可能具有战略重要性。更好的数据能够改进模型，更好的模型会提高机器人的实用性，而更高的实用性则支持更多部署。更多部署随后又会产生额外数据。

然而，只有当企业能够捕捉到一致、合法可用且高质量的交互数据时，这一循环才会奏效。原始传感器视频并不会自动具备价值。开发者需要上下文、动作标签、结果，以及解释任务为何成功或失败的证据。

因此，研究机器人技术的团队正面临日益突出的知识管理问题。测试视频、模型笔记、安全审查、传感器日志和客户反馈分散在不同工具中。可搜索的技术知识库可以帮助工程师关联这些记录，而不取代正式的实验控制流程。

中国制造商并非唯一追求数据优势的参与者。Tesla 可以从其工厂收集数据，并在受控的生产环境中训练 Optimus。Figure AI 正与企业合作伙伴推进商业部署。AgiBot 和 UBTech 也在开展工业任务。

Boston Dynamics 在高要求环境中的移动机器人方面拥有丰富经验。其历史表明，出色的移动能力并不会自动造就面向大众市场的类人机器人业务。

每家公司都在选择从何处简化问题。工厂提供可重复的布局和可衡量的工作流程。仓库限制了物体和路线。实验室由于实验本身就是产品，能够容忍人工监督。

家庭则代表着更困难的终点。它们差异极大，包含脆弱人群和宠物，也较少具备专业维护的机会。家庭买家还期待自然的交互界面和广泛的能力。

因此，王兴兴提出在陌生家庭中完成约 80% 任务的目标，是一个雄心勃勃的成功定义。它结合了泛化能力、语言理解、操作、导航和安全性。

即使达到 80%，仍会引发实际问题。缺失的 20% 可能只是无伤大雅的不便，也可能包含安全后果最严重的任务。平均成功率无法替代针对具体任务的风险分析。

科技新闻叙事常常将类人机器人竞赛视为中国与美国之间的对抗。制造规模使这一比较具有意义，但它也可能掩盖双方共同的技术瓶颈。

尚无任何国家打造出一种通用机器人，能够可靠进入任意环境并完成大多数被要求的任务。中国目前拥有硬件和出货量优势，软件门槛仍未被跨越。

Unitree 的公开上市可能通过为模型、制造和数据收集提供资金，加速这场竞争。但它也带来了季度审视，以及将长期研究转化为更近期商业成果的压力。

这种组合可以加快开发，但也可能鼓励选择性指标。投资者应关注 Unitree 是否发布能让失败案例与成功案例同样清晰可见的部署证据。

三个信号将检验王兴兴的 ChatGPT 时刻

下一阶段将由部署质量、软件泛化能力，以及 Unitree 对海外限制的应对决定。

第一个信号是持续性商业部署的证据。关注客户是否从孤立试点扩展到跨多个设施或任务类型的更大订单。

最有力的公告将包括运行时长、任务完成率、人工干预情况、安全表现和部署经济性。没有这些细节的大额订单能够显示需求，却未必意味着实现了高效使用。

如果重复客户扩大部署，王兴兴的论点将获得支持。这将表明 Unitree 的机器正在走出实验室和演示场景。

如果大多数出货仍流向研究、教育和展览场景，市场或许是在自主能力成熟之前先扩大硬件规模。这不会抹去 Unitree 的业务价值，但会削弱对近期劳动力替代的预期。

第二个信号是世界模型和泛化能力可量化的进展。Unitree 和 DeepSeek 需要证明，机器人无需针对具体场景编程，也能处理陌生空间和任务。

一项有价值的演示应展示多个未见过的环境、标准化指令、重复试验，并披露失败案例。独立复现将比企业剪辑的视频更具说服力。

关键指标不是一次惊人的成功，而是在变化的物体、布局、光照和干扰条件下保持一致表现。

向王兴兴所设定的 80% 家庭任务门槛迈进，将加强与 ChatGPT 的类比。若结果局限于精心准备的环境，则表明运动控制的卓越程度依然超过通用智能。

第三个信号是 Unitree 对美国限制的回应。现有获得认证的型号或许能保住部分近期销售，但未来产品面临更大的不确定性。

关注 Unitree 是否加快在欧洲、亚洲和其他市场的扩张。同时也要关注美国规则是否扩大、维持不变，或为获批系统创造通道。

地域多元化将降低对单一国家的依赖。若更广泛的限制影响到新型号、零部件或研究客户，Unitree 的增长选择将被削弱，全球机器人技术的发展也会更加碎片化。

这些信号比短期股价波动更重要。它们直接检验 Unitree 能否将制造规模转化为可靠的机器人工作能力。

对于开发者和企业买家而言，务实的回应是进行严格评估。在比较系统之前，应记录任务定义、环境条件、干预率、失败情况和维护事件。

团队应在共享研究工作流程中保存这些发现，而不是依赖对演示的记忆。结构化的AI 知识库可以让长期评估过程中的证据更易于检索。

王兴兴的最新表态为机器人行业留下了一个明确挑战。Unitree 已进入公开资本市场，但通用类人智能尚未迎来自己的首次亮相。

下一条决定性的科技新闻不会是又一次后空翻，也不会是一轮剧烈波动的交易。它将是一台机器人进入陌生的工作场所，反复完成有用任务，并产出能够由独立客户验证的结果。