与陈哲的「具身季报 26Q1」：宇树招股书、人形再思考、英伟达世界模型、高自由度灵巧手

2026年3月，陈哲在英伟达GTC的展馆里转了一圈，回国后给这一季的具身智能排了个TOP5。他是Alphaist Partners的创始合伙人，工程师出身，在谷歌和黑莓做过产品和技术，回国后在五源资本待了七年，投过海柔、松灵、本末、地瓜这些机器人公司。去年底他成立了自己的美元基金，专门看早期AI和机器人。

这期是《晚点聊》的第一期具身智能季报，主持人是程曼祺。两个人从宇树的春晚表演一路聊到英伟达的世界动作模型，从Optimus一再延期的灵巧手聊到北京亦庄下个月要办的人形机器人马拉松。范围覆盖中美两地，也带回了不少GTC现场的一手信息。

陈哲在节目里说得很直白：很多判断最后不一定对，有的会被证实，有的会被证伪。这期季报的价值不在于给出标准答案，而在于把一个季度里真正值得看的变化挑出来，一件一件拆开。

五件事，覆盖了具身的五个模块 0:04:48

陈哲的Q1 TOP5是主观选择。他挑的标准来自市场和商业的综合判断，跟纯学术突破关系不大。

第一件，宇树春晚。二十多台G1在台上做功夫表演，陈哲认为这代表了中国在本体运控上的最高水平。第二件，Sharpa的灵巧手在CES的demo，长程自主组装风车，让很多人第一次看到高自由度灵巧手在全球范围内的实际水平。第三件，英伟达发布DreamZero和DreamDojo，提出WAM世界动作模型。第四件，银河通用的人形机器人打网球。第五件，波士顿动力新版电动Atlas。

这五件事刚好对应具身的几个关键模块：本体硬件、灵巧手这样的关键零部件、大脑和小脑、软硬件系统的整合。曼祺在节目里说，可以一个一个展开聊。

宇树春晚的门道，和一份毛利率63%的招股书 0:10:37

去年宇树上春晚，很多做机器人的人不以为然，觉得转手绢也不是真的手在转，背后有机械装置。今年这场表演之后，曼祺再跟创始人聊，业内的认可度高了很多。

陈哲拆了门道。运控在2025年经历了非常快的发展，宇树这次用到的技术和控制技巧，背后的论文基本是2025年年中甚至下半年才发布的。核心是动捕和模仿学习的能力变强了，真人的动作可以很快翻译到人形机器人上；强化学习的训练工具也更好了，粗糙的动捕数据能在仿真环境里被转换成更稳定的policy，再迁移到本体。

最关键的是一致性。台上二十多台人形机器人同时做弹射、大回环、连续翻滚，每台机器在环境里受到的干扰都不一样，最终却实现了非常高的一致性。这不只是调好一台机器，而是要在二十多台量产机上保证同样的反应，对硬件质量控制、运控算法稳定性要求都很高。陈哲认为这是宇树到目前为止相比所有公司最大的优势。

跟波士顿动力当年的跑酷视频比，区别在底层方法。那个年代靠的是MPC这类传统控制算法，一群有经验的老专家调参，视频也经过精心剪辑，背后有大量失败。宇树这次是强化学习加仿真加端到端训练出来的，对环境扰动的适应度强很多。每台G1头顶还顶着一个激光雷达，有初步的建图定位能力。

局限也很明显。这些舞蹈和表演本质上是事先编排好的固定动作，受到大的干扰很难自主决策，而且全是全身或下肢运动，没有涉及上肢操作。今天具身的大量研究围绕操作和复杂任务的接触理解，宇树在这块还没有做太多工作。

招股书里的数字更有意思。人形收入占宇树总收入的比例，2023年不到2%，2024年到27%，2025年前三季度超过51%。人形毛利率63%左右，在软硬一体产品里算很高。陈哲的判断是，今天人形绝大部分还是卖给科研市场，科研教具市场传统上就有七八十的毛利，60%算低的。定价高一部分因为市场缺乏竞争，一部分因为科研客户对价格不敏感，整个市场今天大概十亿人民币规模。

更难回答的问题是：G1发布20个月，为什么没有另一家公司真正抢到它的位置。陈哲给了几个原因。G1是一个定义非常成功的产品，宇树第一台人形H1是把四足狗站起来，王兴兴自己说只用了3个半人，三个工程师加他自己半个。G1是宇树第一台真正为科研市场正向设计的机器人，身高从1米8降到1米3，质量大幅下降，对电机功率密度、运动表现、电池都有帮助。1米3的小人形在科研场景能做的研究，跟1米8全尺寸没有本质区别，这个产品一上来就把场景满足得太好了，别的公司进去没有差异化。

硬件门槛是时间。宇树的四足机器人已经卖了几万台，每台至少12个电机，它真正完成过百万台电机的设计、生产和量产。今天做出一两台跟G1一样的样机不难，做到上千上万台的可靠生产，需要走过宇树走过的过程。陈哲说，大模型公司的领先优势可能只有3到6个月，硬件公司的优势可能有12甚至24个月。

宇树从来不是投资人喜欢的公司。2019年陈哲在杭州见到王兴兴，公司一年卖十几二十只机器狗，一千万人民币收入，盈利，不到十个人。朱啸虎公开说过不看好科教市场。陈哲的判断是，宇树的成功跟大疆类似，创始人真正热爱和笃定这个方向，不是因为有巨大的商业机会才去做。2017年一位前辈问王兴兴这事到底能做什么，王兴兴说不上来。

下一个阶段靠什么？招股书计划募资40亿，其中20亿投大脑研究，最近也发了VLA和世界模型的工作。陈哲认为从研究前沿性看是跟随主流水平，长期有期待。宇树核心管理层里没有特别强的AI背景的人，陈哲判断它会长期采取跟随策略，而且够用。理由是具身模型的价值离不开本体，宇树真正占据的是人形机器人全球科研市场的事实标准，所有最新研究都基于它的硬件，这个生态位很难被替代。

2025年宇树实际出货5500多台，2026年目标1到2万台。陈哲觉得能做到，增长看起来很线性，甚至可能更多。擎天租这类人形机器人租赁公司出现，说明表演和租赁需求在未来一两年会持续存在。

打网球、双足的价值，和一台可以360度转头的Atlas 0:28:22

曼祺看到陈哲把银河通用打网球列进TOP5有点意外，印象里机器人早就能打乒乓球、打网球，还有专门做陪练的轮式机器人。

陈哲解释，网球的球速可以到100公里每小时，在那么小的球场上，机器人只有非常短的时间做轨迹预判和实时响应。实时球类运动对任何形态的机器人都是大问题，对双足人形更难，要完成球路识别、判断、挥拍击球的整条链路，以2026年初的技术栈来说是非常复杂的工程。这个demo实现的是实时的感知决策加全身控制的闭环。

Andrej Karpathy在X上回复说，这肯定是AI生成的，肯定是CG。陈哲第一次看也有类似感觉。技术上突破点还好，银河在春节期间搭了一个很大的网球场，布了大量动捕设备采数据，对模型反复做强化学习训练。它大概率没有用板载算力和视觉处理球路，靠的是外部摄像头和外部算力。但陈哲认为，能不能做是最关键的，怎么优化是第二步。计算机科学的经验是，只要这件事可以做，人类一定能想到方法，让它在更小的算力、更小的资源上实现。

Figure在1月和3月也发了全身运控的demo，动作丝滑自然，背后能看出视频被精心编排、录制和剪辑过，但确实是真机自主执行，为了这个效果做了很多专门训练。这些demo在Q1的意义是打开大众对人形机器人的想象。

话题转到双足。曼祺提到很多人认为双足价值没那么大，不是高优先级。陈哲说自己很长时间也这么想，最近受到的冲击挺大。

他看了几段波士顿动力的访谈。人形机器人在结构化环境里移动，假设运动问题充分解决，大概只需要40×60厘米的空间，因为腿和身体自由度多，可以下探和上探很大的范围。全尺寸人形今天可以从地面搬运10到20公斤的箱子，最高触达2米3左右。轮式机器人要做同样的事，复杂度不比人形低。波士顿动力的Stretch是一个巨大的移动底盘加一条单臂，为了从集装箱或货架拿25公斤的箱子，整机重量大概一吨，因为升得高时下面要足够重，不然会翻。全尺寸人形哪怕比较重也就七八十公斤，十倍重量差。四轮四转是轮式里很理想的方案，八个主动电机，要适配不同高度还得加升降结构，电机数量不比人形少，底座更重，所有成本都会增加。

陈哲说整个机器人行业是供给高度受限的行业。一种能力真正稳定交付的时候，它能做的事、能创造的价值会快速释放。他之前是在放大双足的困难，低估了供给打开后的场景。

新版电动Atlas给了另一个信号：人形不一定非要像人，可以做一个超人。它的设计非常模块化，主要actuator只有两种，靠电机性能冗余实现多功能，类似协作臂跟工业机械臂的区别。头部和躯干可以360度完整旋转，真人做不到。一个人从面朝北转到面朝南要三四步转身，它转一下腰就行，左右腿甚至可以互换。生产和组装难度低，现场故障替换成本也低。陈哲认为这跟美国制造业的现状直接相关，美国非常缺熟练技术工人，所以要把结构设计得尽量简单易装配，用性能冗余和结构简化来解决安装维修问题。

Optimus的绳驱手，Figure的浮夸，和美国供应链的现实 0:42:29

美国最受关注的两家公司是特斯拉Optimus和Figure。Optimus Gen3已经设计定型，但原计划Q1发布，现在至少延到6月下旬，量产从今年10月可能延到明年。陈哲说这符合预期，行业里有一句话，Elon is always right，but his timing is always wrong。

硬件上挑战最大的是手。特斯拉在做非常高自由度的绳驱方案，量产和可靠性遇到巨大问题。绳驱把大量电机放在前臂，通过四十多根腱绳传动手掌和手指，组装时要在手腕和手掌那么小的空间里插入这么多腱绳，一致性、鲁棒性、可靠性都是难题，任何一根松动或损坏，再组装维修都很麻烦。Sharpa这样的直驱方案把电机直接放到每个指节关节，是完全不同的设计理念。

特斯拉选绳驱的理由是更仿生、更低重心，人手上的肌腱就是这样。陈哲一位朋友的反问很有意思：

你既然已经用了电机，你就不是肌肉，你从何而来第一性的类比？

肌肉可以再生，拉伤后通过恢复训练能自己康复，腱绳、电机、齿轮的磨损不可逆。肌肉的能量密度和力矩密度也远高于电机。用一个不是肌肉的东西模仿肌肉，性能又达不到，本身就不符合第一性。

马斯克在纯视觉和端到端上都非常强势固执，历史上多次被证明对，而且是逆着市场上几乎所有人的声音。陈哲说灵巧手会不会也一样，今天说不准，但2026年量产1万台的绳驱方案确实面临巨大挑战，值得观察特斯拉会不会换路线。今年1万台的出货预期，相比之前说的也缩水了。

Figure是融资最多、估值最高的美国公司。中国具身创业者对它的态度比较复杂，一方面觉得它时不时放出不错的成果，一方面觉得公司风格浮夸。陈哲开玩笑说他们值得一个奥斯卡最佳影视特效奖。创始人Brett Adcock之前做了一家叫Archer的飞行汽车公司，2021年上市，没多久离开，成立了Figure，之前还卖过第一家公司，据说去年或今年又成立了一家新的智能硬件公司。他擅长跟投资人讲愿景和故事，历史上一贯是快速把公司卖掉或者带上市。市场对他是否有足够专注度和韧性有很多争议。

但Figure过去一两年确实吸引了很多优秀的硬件和软件人才，给出的结果也很solid。它的Helix是一个双层加三层的架构，实现从低频到中频再到高频的全身运控统一框架，展示效果和内部反馈都说明能力在市场上领先。美国除了Optimus，并没有太多真正做全尺寸复杂人形硬件和模型的公司，Figure代表了美国目前的最高水平。

美国这类公司少，跟制造业和硬件供应链的衰退直接相关。在中国几百万成本可能就能出一台人形机器人，在美国很难想象。Figure融资多，另一面也体现了美国的国家战略，希望通过扶持头部企业带动制造业回流。大量供应商和零部件产业在美国已经不存在，完全本土生产需要大量前期投入。