机器人走向百业，大脑会留在哪家？

AI模型江湖·行业篇 / 14 / 公司研究 · 宇树科技 · 2610

普通人的红利：产业 × 投资 × 交易，寻找AI时代的Google、Amazon ｜ 于AI诸相中，普皆共证菩提

本系列纯属个人兴趣，仅为AI江湖的八卦交流，不构成任何投资建议！如有侵权，联系删稿！｜2026年10月

先看结论

当前定位：自有模型层按炼气后期至筑基初期观察，不确认金丹。宇树已公开具身推理模型和动作专家训练代码，并提供采集、训练、部署工具；但技术路线和外部生产格局尚未收敛，开发者使用其本体，也不等于核心能力依赖其自有大脑。[1][2]

产业视角｜AI Native：机会是让更多团队获得感知、动作与验证条件，开展过去难以组织的机器人任务；不是把一个精彩动作，直接当成长期无人交付。

能力与持续性：发动机要分清本体、空间理解、动作学习与数据工具；工程化看任务的时间、质量、成本；平台化看开放、共生、团队怎样支持别人发展。

投资视角｜金印五阶：炼气后期至筑基初期是模型层定位：开放研发已有具体成果，技术定、格局定仍需实际任务检验；既不拿硬件采用替模型授阶，也不因模型尚早而否定硬件与工具价值。

交易视角｜风控五环：不以展示热度、本体销量或模型发布预支平台收益；硬件收入、模型业务与未来资金需求分别研究。

一｜江湖开场：身体很强，谁来决定它怎样持续工作？

看完汇川，再看宇树，问题从“设备怎样共同工作”，变成“这副身体由谁教、替谁干活”。机器人在镜头里出招，观众很容易把本体、控制、模型和应用看成同一种本领。可客户真正安排工作时，这几层可能来自不同主体。身体穿着谁的道袍，不代表大脑、工法和客户都归同一个宗门。

2026年9月，宇树UnifoLM-WLA官方仓库记下两次具体开放：11日发布ER系列模型权重，20日发布模型结构和训练动作专家的代码；同页仍把WLA-Base及部分微调代码列在未完成的开源计划中。[1]这不是“只有视频、没有研发”，也不是整套模型所有能力都已完整交付。

另一个重要入口是G1-D。官网把它定位为连接本体、数据采集和模型训练部署的平台，并支持PI、GROOT等外部模型框架。[2]这意味着宇树的路线不只有“请用我的大脑”，也包括“在我的工具和身体上，研究你自己的大脑”。开放可以吸引更多人进门，生意最后沉淀在哪里，还需要继续往里看。

本篇对自有模型层保持炼气后期至筑基初期的定位。原因是开放成果已经提供了真实的研究和开发条件，但不能由这些条件确认技术路线、外部生产份额以及客户核心依赖都已站稳。这不是把宇树整个公司降回早期，更不是说成熟的本体与工程积累毫无价值。

我看重的机会，是机器人原厂既了解身体怎样行动，也开始提供理解、学习和验证工具，因而有条件缩短从研究到实际任务的距离。但这个潜力会通向强硬件平台、强开发环境，还是客户持续依托的模型平台，不能只靠一个“通用人形”标签预定答案。

二｜产业视角·需求：开发者的试验与企业的生产，需求哪里不同？

开发者要的是一种可以反复试验的身体：能采数据、改程序、训练策略、观察失败。生产客户则要一段可以被安排进日常工作的能力：任务来了有人接，遇到异常不会继续乱做，结果能够验收。前者帮助造本领，后者购买本领的持续兑现，两种需求不能混为一张产品海报。

可以设想一家小型制造企业，经常更换外观相近的零件，希望机器人协助整理和供料。这是需求情景，不是宇树已经完成的客户实录。它需要的不是每种零件拍一个成功视频，而是换一批物料以后，怎样确认模型还认得准、抓得稳，出了问题怎样回到可控状态。

共同底座的机会，在于不同团队都要解决身体接口、数据记录、动作表达与验证等基础工作，而每家客户又有自己的场景与目标。若这些条件更容易获得，小团队也有机会尝试过去组织不起的机器人应用。这是AI Native的增能：不只让已有研究院多一台机器，也让更多人有资格开始研究和开发。

承责则要求把任务边界、执行状态、异常接手和验收连起来。丰裕要看可靠完成一项工作的全成本，而非本体报价更低；破界看能否找到原来难以实现的新操作方法；创生再看形成的工具能否供下一批开发者使用。五层是产业空间，不是某次发布已经拿到的五枚印章。

开放首先体现在愿不愿意让别人改、让别人建。G1-D所描述的开发环境允许选择不同模型；SDK2则提供应用与机器人之间的开发接口。[2][6]这些安排说明原厂没有把唯一入口限定为一套成品功能。接口的实际覆盖、许可与支持仍应按版本核对，但开放意愿已经有可辨认的技术载体。

开放还必须按资产拆开。代码可见、权重可下载、训练数据可取得和商业使用许可，分别回答不同问题。WLA项目注明了整体许可及第三方组件的原始许可适用。[1]因此，研究它是否愿意打开，要看真正开放的部分，而不是把一个下载按钮读成所有知识与权利全部无条件交付。

共生比“开发者很多”更进一步。硬件原厂可以销售本体与支持，模型团队可以提供算法，行业服务商可以把任务交给客户。只要各方能够形成自己的产品、客户和收益，这条街就有共同开张的可能。若伙伴只贡献演示和传播，却难以持续做生意，热闹还不能算经营生态。

允许第三方大脑上场，并不必然伤害宇树。它可能扩大身体和工具的用途，也可能让更多有效经验进入开发体系。代价是客户关系未必全部指向宇树自有模型。我的判断是，这不是开放好坏的道德选择，而是不同平台位置的分工：哪层被依赖，就在哪层研究价值，不能把所有热闹都记在大脑这一账上。

团队要处理的矛盾也很具体：本体量产、前沿模型、通用工具与行业交付都需要人和资源。只追研究新颖性，客户未必接得住；只追展示和出货，又可能忽视共用开发条件。现有开放动作说明团队愿意把部分研究交到社区，但能否长期支持伙伴，还要看版本维护、问题处理和实际交付怎样接上。

三｜产业视角·供给：本体、工具与UnifoLM，分别在炼什么？

宇树的发动机要从身体与学习之间的接口看起。模型怎样理解环境，动作怎样映射到不同执行器，反馈又怎样被记录，是一条需要共同工作的链。某个环节很强当然重要，但不能把空间理解、运动控制和完整任务成功率放到同一张榜单里，用最高的一项代表全部。

C算力工程包括训练、数据处理和目标设备上的推理。官方动作专家训练文档提供加载基础权重、组织数据及配置训练的方法，开发者可以调整训练资源。[5]这是把研究交给别人继续做的具体条件，却不是宇树现役训练集群或单位任务算效的盘点。工具支持分布式训练，与原厂拥有多少可用计算能力，要分别取证。

A算法效率需要先看清“哪个模型”。WLA项目介绍的是包含世界建模与动作能力的体系；ER-1模型卡则明确，它是基于Qwen3-VL-4B进一步训练的具身推理模型，强化空间与多图理解。[1][3]两者的作用和范围不同，不能把视觉理解评测，直接翻译成机器人已经可以独立完成全部任务。

这里的正向价值，是通用视觉语言能力经过行业化训练，有机会更好地理解物体位置、关系和操作条件。采用外部基座并不消除宇树的工作，但分析必须把上游通用能力与自身训练、动作系统的贡献分开。江湖高手可以合练，不能因为同台，就把所有人的内功都写成一家独创。

一个很有意思的工程细节，藏在动作与状态处理文档里：不同执行器的数据需要映射到统一表示，并使用掩码区分有效与缺失部分；坐标、单位和统计方式也必须一致。[4]这不是最容易登上发布会的内容，却直接关系到模型是不是把不同身体的动作当作同一种语言来学。

可以这样理解：一只夹爪的开合，和一只灵巧手的多个关节，不能仅因为都占一列数字就混为同义；缺少某个传感器，也不等于真实测量值为零。统一表达能减少拼接误差，但不是消灭身体差异。依据上述设计，我更愿意把它看作跨本体学习的基础工程，而不是“任意换身体都无需适配”的证明。

D数据工厂因此不只是多录机器人视频。数据要说明看到了什么、发出什么动作、实际发生什么、任务是否成功，以及哪些条件不同。官方训练与处理文档把格式、统计和转换分开，有助于继续研究；但工具支持这些步骤，不代表所有训练样本已经经过相同强度的独立质量检查。[4][5]

E经验飞轮还要跨过一条权利和结果的桥。开发者用宇树本体训练自己的策略，原厂未必取得完整任务轨迹，更不自动拥有客户场景的训练权。开源社区提交的通用修复、自有试验以及经许可的任务反馈，都可能形成改进；它们各自改善了什么，要有版本与任务证据，不能把机器人数量直接换成共同数据池。

表1｜发动机分层：哪些本领已经有内容

F要把模型训练、硬件研发、备件服务和客户验证的资金需求放在一起。本篇采用的技术资料不足以计算自有模型业务的独立现金与义务，因此不估算还能支持多少轮训练。硬件生意可以支持研发，也有自己的交付责任；一袋灵石不能同时在炼器房、训练场和售后账上各算一遍。

把发动机连起来，宇树已经不宜被描述为只有一副好身体：它在空间理解、动作学习和共同工具上都有具体动作。下一步要看这些环节能否在真实任务里协同，而不是把某个研究长板直接乘成本体数量，再宣布行业大脑已经形成。

四｜产业视角·交付：演示走向真实任务，还要过哪些交付关？

交付一台机器人、交付开发平台、交付持续完成任务的服务，是三种不同承诺。前两种也可以是有价值的产品，并不因为没有包办应用就失败。只是研究TQC以前，要先问客户究竟购买哪一种，谁承担训练、部署、现场管理与结果验收，不能让所有责任都藏在“端到端”里。

时间不只看代码公开的日期。开发者取得权重后，还要准备自己的数据、处理动作表示、完成训练和验证，才可能接到客户任务。官方动作专家文档给出了这些技术环节的入口，但没有给每个客户的最终验收周期。[5]功法寄到了，不等于弟子今天就能开馆授徒。

质量则要从一个真实任务连续跟下去。假设机器人替团队整理零件，抓起一件物品只是其中一步；是否拿对、放对，异常能否停止或由人接手，任务结束能否确认，同样影响质量。这里是验收情景，不是宇树已披露的客户成绩，更不是本篇完成的机器人测试。

产品自己的限制也值得认真读。G1-D页面提示，部分示例功能仍在开发测试，并提醒参数随场景和配置变化。[2]这不该被解读为产品没有价值，恰恰说明“页面上出现过”与“合同中承诺交付”必须分开。企业采购的是明确功能范围，不能让一段剪辑视频替整套长期任务签收。

成本要把本体、末端执行器、计算、数据采集、训练、现场调整、维修和人工接管合起来看。不同客户可能自己承担不同环节，便宜的购买价格不一定变成便宜的合格任务；昂贵设备也未必没有优势，关键是它能否以更可靠的方式减少重复投入与停工损失。

表2｜TQC：交付对象不同，验收终点不同

这也解释了为什么“数据平台全天采集”的产品描述，不能写成机器人全天无人完成业务。采集系统在线是一项能力，现场动作与客户结果又是一项能力。质量必须落到交付对象，不然账面上最容易得到的，是把不同层次的百分比加出一个不存在的全能机器人。

我的看法是，宇树正在把从研究到应用的工具条件做得更完整，这是值得肯定的供给进步；但实际客户的连续任务质量和完整交付成本，仍需要单独证据。与其急着比较谁在舞台上更像人，不如找到一项有价值的工作，看它能否被可靠地排进明天的生产计划。

五｜投资视角：用你的身体，是否意味着依赖你的大脑？

金印五阶首先要固定主评范围。本篇把G1-D开发条件、UnifoLM相关模型与机器人本体分开，重点判断自有模型层。它的战略锚可以是通用操作与具身学习底座，市场锚则要落在客户实际愿意付费的开发和任务，而不是把全部人类劳动收入都装进机器人公司的估值想象。

炼气后期至筑基初期的定位，承认了模型、代码和工具已有实质成果，也保留了两定尚未充分形成的现实。技术定不能因为某条路线在自家评测表现好就宣布完成；世界建模、视觉语言动作和分层控制怎样组合，还要在更多任务、身体和预算约束下验证。

格局定也要按层拆开。开发者采用一个本体，能够支持本体与开发环境的位置，却没有直接说明他们运行谁的策略，或者为哪个模型建立了长期方法。官网支持外部模型这一事实，正是分层观察的理由。[2]它可以扩大宇树的平台空间，同时意味着自有模型的市场位置不能从硬件关系中直接继承。

这里不能得出另一种简单结论：既然客户能用别人的模型，宇树就没有金丹机会。客户可以保留自己的应用与数据，同时持续依托供应商的某层底座；依赖也不要求客户没有第二个合作方。关键在于，保持同一业务目标和交付条件，撤换哪一层会重建客户的哪些有效能力。

可作两次检验。保留宇树本体与通用工具，只换任务模型，客户需要重做哪些训练、验证和运行方法？保留自己训练的模型，再换开发环境或身体，迁移工作又在哪里？这是分析路径，不是已经完成的实测。若难点主要在本体与通用工具，就在那里承认价值，不能全部算给自有大脑。

表3｜三层资产、三种证据，不共用一张修为证

占据的证据，应当是客户的一项重要持续能力已经建在可识别的自有模型体系上，而不只是试验过、展示过。固化再看新的任务或模型代际中，客户仍继续建设，旧投入没有失去有效性。现阶段缺少这类完整公开记录，说明不能确认，不说明它在现实中绝无可能发生。

两穿也有不同路径。本体和支持可以让原厂收入增长，伙伴可以在其上发展自己的应用；但自有模型是否开始影响终端选择、形成持续价值分享，还要分开追踪。开放帮助产业繁荣，不一定把全部收益收回原厂，却也未必损害原厂——要看哪层贡献被持续需要。

EDP解释的是往前走的条件。空间与动作能力要继续提高，工程要将完整任务交好，平台又要让别人有发展和挣钱的空间。只有客户行动把这些条件接起来，金丹才有经营含义。元婴更不能由硬件热度提前授予，它还要求分配实权与耐久收益共同成立。

六｜交易视角：技术热度、财务透明度与参与边界

本体、开发服务与模型平台有不同的收入、成本和竞争条件，不能拿一段技术演示拼出全部业务的估值。公开资料不足以桥接模型预算、现金和履约义务时，就保留未知，不以融资传闻或产品售价估算续航。沿准入、定仓、估值、共修、退出守边界：研究具身智能的可能性，不等于提前为自有大脑的稳定份额和金丹依赖付款。技术可以快速发布，客户长期生产仍须逐项兑现；热闹不能替未来收益作保。

七｜共修观察：找一项真实任务，跟到下一代

近期第一项，是找一位具名生产客户，把一项任务从投入运行跟到结果：使用哪一类本体、哪一个模型，谁做训练，谁负责验收和异常？重点不是收集更多精彩片段，而是弄清客户每天真正依靠谁完成什么工作。只有对象清楚，TQC与经营位置才有同一本账。

第二项，是看这个客户增加新任务时怎么做。是否继续使用宇树自有模型与训练方法，过去的评测、动作与工具资产是否仍有价值？还是主要保留身体，模型和工作环境转到另一个平台？两种方向都应记录，不能把继续采购硬件一律解释成模型固化。

对研发进展，也应跟随真实发布清单。完整模型、微调、数据和工具后续开放，会增加客户能够开展的工作；但新内容发布只是条件变化。开发者能否在清楚许可下形成自己的产品，是否有支持和维护，才把开源从新闻变成经营关系的起点。

支持进一步判断的，是实际任务结果可靠、合作各方分工清楚，客户新建设继续沿同一模型底座展开。反证则包括：任务长期依赖大量人工补救，自有模型只是随时替换的试验项，或者每次升级都让有效资产推倒重来。这样的发现应改变分析，而不是只挑好看的战报。

更远处，宇树若能让伙伴在其底座上持续组织应用，自己也从有价值的模型、工具或服务中取得合理收益，就有机会走向更深的经营位置。这不要求它亲自包办每一个行业，更不要求把客户所有数据收回门内；要求的是自己的持续进步，能成为别人持续创造的条件。

身体打开了，是让江湖多一片练功场；大脑站住了，则要让别人有理由在这里建设下一门生意。当前先把两定看清，不急着封神。下一篇转向中科星图：当练功场从一台机器人扩大成数字地球，空间信息怎样真正进入客户的经营？

资料与研究口径

本篇刊期为2610，资料截至2026年9月24日。自有模型层采用“炼气后期至筑基初期”的研究定位，不代表宇树全部硬件和开发业务的阶段。官方模型自述、开放清单、开发工具与客户生产结果分别理解；文中的任务情景和迁移问题不冒充实测。动态页面与仓库以该资料时点为准。

EDP采用CADEF／时间、质量、成本／开放、共生、团队。经营位置与能力持续性分别判断；未公开的客户留存、迁移代价、训练权利、伙伴收益和完整交付数据均不补造。

[1] 宇树科技｜UnifoLM-WLA-1.0官方仓库与开放清单

2026-09-24核对；新闻区列9月11日权重与9月20日代码发布。已公开部分与WLA-Base、部分微调代码计划分开；不采用自报领先或任务数量作客户依赖证明。 原文 ↗

[2] 宇树科技｜G1-D端到端开发平台

2026-09-24核对官网。数据工具、训练部署和外部模型支持用于说明开发条件；部分演示功能、不同配置及安全提示均保留其限制，不视为实际客户连续任务成绩。 原文 ↗

[3] 宇树科技｜UnifoLM-ER-1模型卡

2026-09-24核对。明确Qwen3-VL-4B基础及空间、多图等训练方向。具身理解与完整机器人控制分开，不将自评榜单写成统一实测胜负。 原文 ↗

[4] 宇树研究团队｜动作、状态与统计量处理说明

官方仓库技术文档，2026-09-24核对。支持统一表示、掩码、坐标与单位处理的工程说明；是开发规范，不是实际跨客户迁移测试。 原文 ↗

[5] 宇树研究团队｜从头训练动作专家

官方仓库训练文档，2026-09-24核对。支持数据、权重与训练配置的技术路径；不等同完整WLA-Base微调已开放，也不证明客户验收周期。 原文 ↗

[6] 宇树科技｜Unitree SDK2

官方开发仓库，2026-09-24核对。用于说明机器人应用开发与接口条件；不据此认定全量模型开放、业务接管或现场安全验证完成。 原文 ↗

研究说明：本文用于产业与企业研究交流，不构成任何投资建议。阶段为有证据边界的研究判断，未来情景不构成承诺。

声明：本文由 AI 辅助整理初稿。