王兴兴花了十年，把一个会走路的铁架子，做成了全球营收第一的人形机器人公司。现在他要证明，机器人不仅能走路，还能思考。

2026年7月9日，加州大学圣地亚哥分校的外科医生操控一台宇树G1人形机器人，完成了全球首例活体动物胆囊切除手术。这不是什么高科技噱头。手术台上是一只真实的小猪，胆囊被完整剥离，整个过程耗时不到两小时。

三个月前的7月2日，宇树科技科创板注册生效。从受理到注册，104天，刷新了科创板最快过会纪录。

两个事件中间隔了38天。但它们指向同一个方向：宇树正在从一家硬件公司，变成一家模型公司。

01 手术台上的铁架子

7月9日的UCSD手术室里，G1的机械臂比人类外科医生的手更稳。

这不是宇树第一次展示G1的操作能力。2025年，G1已经能在实验室里完成拧螺丝、倒水、分拣零件。但手术是另一回事。它要求毫米级的精度、实时的力反馈、以及对生物组织的理解。

招股书里，宇树把这项能力归因于一件事：自研的具身本体智能模型。

招股书的专业释义部分，宇树对具身本体智能模型的定义是机器人实现高稳定性、高复杂度、高动态响应运动控制能力的本体智能技术。翻译成白话，就是机器人的小脑。负责平衡、行走、抓取这些实时动作。

对具身大模型的定义则是机器人实现理解交互、自主决策、任务规划等能力的认知智能技术。这是大脑。负责理解指令、规划路径，做决定。

G1的手术能力，靠的是小脑。但宇树真正想证明的，是大脑。

手术新闻发布的当天，宇树没有发声。他们的公关策略一贯如此：产品说话，不炒概念。

但资本市场听到了。7月10日到7月17日，具身智能板块整体上涨4.2%，宇树概念股平均涨幅7.8%。绿的谐波涨了9.3%，奥比中光涨了11.2%。

市场在定价一个预期：宇树的模型能力，即将从实验室走向产品。

02 四条产品线

20.22亿是招股书上智能机器人模型研发项目的拟使用募集资金数额，占全部募投项目总额42.02亿的48.1%。

但数字本身不够性感。真正值得关注的是宇树已经落地的四条产品线。

第一条是UnifoLM-WMA-0。2025年9月15日发布，仓库unifolm-world-model-action，1075个star，是宇树所有模型仓库中星标最高的。WMA（World-Model-Action）不是VLA的升级版，而是一种完全不同的架构。

VLA的输出是动作。你给指令，模型给你关节角度。WMA的输出是两个东西：动作和下一帧世界状态的预测。它像一个可以自我验证的策略。

WMA-0有两个变体。Base版在Open-X数据集上微调，Dual版在宇树5个开源数据集上联合微调，支持决策模式和仿真模式双切换。

第二条是UnifoLM-VLA-0。2026年1月29日开源，仓库unifolm-vla，530个star。它基于开源的Qwen2.5-VL-7B模型构建。VLA-0在G1真机上完成了12类桌面操作任务。

第三条是UnifoLM-X1-0。2026年初发布，工业级具身大模型，核心任务为自主完成关节电机装配等标准化作业。目前处于小范围试点验证阶段。

第四条是UnifoLM-OminiA-0.3。7月20日发布，居家康养民用专属模型。编号是0.3，而不是1.0。

单模型统一架构是OminiA-0.3的核心差异。传统机器人行业普遍采用分段式分层架构。OminiA-0.3把感知、认知、规划、控制全部压缩进一个模型。

四条产品线的分工覆盖了宇树的全部场景想象。从工业产线到家庭客厅，宇树用不到一年时间，完成了UnifoLM系列的四次迭代。

招股书里，宇树坦承全球范围内具身大模型技术均处于研发测试阶段，但已经在自有工厂等试点场景进行部署验证。

对比一下行业投入。优必选的募投项目中，模型相关投入占比约30%。智元机器人尚未上市，但其公开的模型研发投入占总成本的40%左右。Figure AI的D轮融资中，约60%用于模型训练算力。宇树的48.1%介于智元和优必选之间，但有一个关键区别：宇树已经开源了两条路线的代码和权重。

这是王兴兴的策略：用开源换生态。WMA-0和VLA-0的开源，本质上是在定义行业标准。

03 从机器狗到机器人的收入曲线

看宇树的收入构成，能看到一条清晰的技术演进路径。

2022年，四足机器人收入占比76.57%，人形机器人为零。那一年宇树总收入1.21亿元。

2023年，四足占比75.78%，人形占比1.88%（296.71万元）。全年收入1.58亿元，增速30%。

2024年，四足占比降至59.53%，人形飙升至27.60%（1.07亿元）。全年收入3.87亿元，增速146%。

2025年1-9月，四足占比降至42.25%，人形跃升至51.53%（5.95亿元）。前三季度收入11.55亿元，全年经审阅营收17.08亿元，增速335%。

这条曲线的斜率在变陡。更重要的是，结构在翻转：人形机器人首次成为宇树最大的收入来源。

四足机器人是宇树的起家业务。2013年，王兴兴在实验室里搭出了第一款四足机器人XDog。2019年Go1上市，售价9500元，把机器狗从实验室拽进了消费市场。

人形机器人是宇树的野心所在。2023年8月发布H1，2024年5月发布G1（9.9万元起），2025年7月发布R1（2.99万元起）。价格每代下降约三分之二。

R1的定价策略很激进。2.99万元，比一辆比亚迪海鸥还便宜。这意味着人形机器人从实验室玩具变成了企业采购清单上的一个选项。

招股书显示，宇树2025年全年交付了5500台人形机器人。特斯拉Optimus 2025年交付约1000台，Figure AI约500台，智元机器人约5000台。宇树是全球交付量最大的人形机器人公司。

数据是训练大模型的燃料。燃料越多，模型越准。模型越准，产品越好卖。产品越好卖，交付越多，数据越多。这就是宇树招股书里提到的数据飞轮。

04 单模型统一架构

宇树的技术架构正在经历一次根本性重构。

传统机器人行业采用分段式分层架构。视觉模型负责环境感知，语言模型负责指令理解，控制模型负责动作执行。这种分体式架构存在明显短板：模块间信息传输存在损耗，整体响应延迟偏高，系统容错性较差。

OminiA-0.3代表了宇树对这个问题给出的答案：单模型统一架构。把感知、认知、规划、控制全部压缩进一个模型。

这个架构转变的意义在于，它打破了VLA和WMA的路线之争。单模型统一架构不需要拼。一个模型从输入到输出端到端完成所有任务。

硬件层是宇树最厚的护城河。自研M107关节电机、自研减速器、自研力传感器、自研激光雷达。宇树的核心零部件自研率超过80%。

本体智能层是宇树最强的差异化能力。四足机器人需要处理更复杂的平衡问题。四条腿的稳定性要求远高于两条腿。

具身大模型层已经有产品了。WMA-0、VLA-0、X1-0、OminiA-0.3，四条产品线覆盖了从世界模型研究到居家康养民用的全部场景。

招股书承认尚未将自研的通用具身大模型规模化应用于机器人产品。但诚实不等于没有进展。WMA-0和VLA-0已经开源，X1-0在工业场景试点，OminiA-0.3在居家场景演示。

行业内的共识是：2026年是具身大模型的验证之年。谁能拿出一个在真实场景中稳定运行的具身大模型，谁就能定义下一代人形机器人的技术标准。

开源的本质不是分享，是锁定。当全球开发者都在用UnifoLM的数据格式做训练，用UnifoLM的框架做推理，用UnifoLM的权重做微调时，宇树就掌握了具身大模型的底层协议。

王兴兴在招股书里写的全栈自研四个字，现在有了第二层含义：用开源换生态，用生态换标准，用标准换定价权。

这是比20亿更重的赌注。

05 104天过会的信号

科创板104天过会，这不是一个普通的数字。

对比一下行业内的其他案例：优必选从受理到上市用了约18个月，小米集团约8个月，比亚迪电子约10个月。

104天意味着什么？审核机构对宇树的商业模式和技术路线没有重大疑虑。在人形机器人这个尚处早期的赛道里，这种无异议本身就是一种背书。

招股书的审核过程也释放了一个信号。监管层对人形机器人产业的重视程度在提升。2025年底，工信部等八部门联合印发《人形机器人创新发展指导意见》，明确提出到2027年建成安全可靠的产业链供应链体系。

另一个信号是估值。行业普遍预计宇树上市后的市值在200-300亿元区间。以2025年扣非净利润6亿元计算，PE倍数约33-50倍。

优必选港股市值约150亿港元（约140亿人民币），智元机器人估值约100亿，Figure AI估值70亿美元（约500亿人民币）。

宇树的估值逻辑很清晰：宇树是全球交付量最大的人形机器人公司，拥有最完整的硬件自研体系和正在构建的模型能力。

06 从执行到理解

宇树的模型赌局，现在有四个关键变量。

第一个是真机数据的规模和质量。年产2500万条真机数据是招股书里的数字，但这些数据的标注质量、场景多样性、以及能否有效反哺模型训练，才是决定模型能力的关键。

第二个是WMA路线的技术成熟度。世界模型-动作范式是2026年初才浮现的方向，全球范围内还没有一家公司拿出成熟的商业化产品。宇树选择在这个时点All in WMA，赌的是先发优势。

第三个是商业化场景的拓展速度。人形机器人在工厂里的表现已经得到验证。OminiA-0.3的出现，意味着宇树正在把模型能力从工厂推向家庭。

第四个是单模型统一架构的工程化能力。OminiA-0.3把感知、认知、规划、控制全部压缩进一个模型，理论上消除了模块间的信息损耗和延迟。

从工业产线到家庭客厅，从关节电机装配到收拾卧室、分好药盒，宇树用不到一年时间完成了UnifoLM系列的四次迭代。

手术台上的G1是一个信号。宇树的硬件能力已经达到了医疗级精度。下一步，是让这台机器人在手术台上理解自己在做什么，而不是仅仅执行预先编程的动作。

从执行到理解，中间隔着一个大模型的距离。

王兴兴花了十年走到了这里。剩下的路，可能只需要两年。