宇树，利润暴跌52%：钱呢？

会议室里，一台宇树G1人形机器人正在工作。 它走到白板前，识别并抓起一支散落的白板笔，转身走向房间另一头的笔筒，将笔准确放回。 接着，它后退几步，视野扫到桌上的遥控器，便走过去拿起，放到桌子另一端。 随后，它又收拾起散落的纸巾，即使中途被工作人员轻轻碰了一下，也没有停下，转身走向两米外的垃圾桶，将纸巾扔了进去。 整个过程，没有预设程序，也无需人工遥控，机器人只是接收了“收拾一下会议室”的简单指令。

这段发布于2026年5月25日的演示视频，展示了宇树科技最新WVLA2.0具身大模型的能力。 视频发布当天，也是宇树科技科创板IPO上会稿披露的日子。 在这份招股书里，一个更引人注目的数字是：2026年第一季度，公司营收4.23亿元，同比增长68.49%，但扣除非经常性损益后的净利润，却从去年同期的8483.65万元，降到了4025.36万元，同比下滑52.55%。

卖得更多，赚得却几乎腰斩。 钱去了哪里？ 财报里写得很清楚：2026年一季度，公司的研发费用同比净增了3832.8万元。 这笔钱，主要投向了机器人本体与结构研发、具身智能大模型以及运动控制算法。 简单说，钱烧在了给机器人装“大脑”上。

过去几年，宇树留给公众的印象更像一家“硬件秀”公司。 从2021年春晚四足机器人“犇犇”的蹦跳，到2025年春晚16台H1人形机器人扭秧歌转手绢，再到2026年春晚G1/H2机器人完成蹬墙后空翻。 这些高难度动作展示了卓越的运动控制能力，但也让外界产生疑问：除了表演，它还能做什么？

现在，宇树正在试图回答这个问题。 从会后空翻到会收拾会议室，其战略重心正从追求极限运动的“身体”，转向理解任务、自主决策的“大脑”。 WVLA2.0模型让机器人能理解“收拾会议室”这样的自然语言指令，并拆解成拾取、移动、放置等一系列动作，在干扰下也能稳定执行。 这标志着它从“会动的机器人”向“能干活的机器人”迈出了关键一步。

这种转变并非宇树一家的选择，而是整个行业风向的集体掉头。 2025年以来，资本和市场的关注点从“机器人能做什么动作”转向了“机器人能完成什么任务”。 IDC在《2026年具身智能机器人十大技术趋势》中指出，行业正走向“模型驱动，软件定义，硬件重构”。 未来的竞争，核心不再是电机和关节，而是算法与数据。

给机器人训练一个聪明的“大脑”，是当前行业最烧钱的环节。 这不同于训练一个语言模型。 机器人AI需要在物理世界中学习，它的训练材料不是文本，而是海量的动作、空间感知、力反馈和真实环境交互数据。 业内常说，现在最贵的不是硬件，是真实世界的数据。

采集这些数据的成本高得惊人。 根据行业分析，在2026年，通过真机进行高质量遥操作数据采集，每小时成本仍在118美元左右。 国内市场的价格约为每小时500至1000元人民币。 这仅仅是采集费用。 后续的数据清洗、标注、训练，成本还会再增加数倍。 一个中等复杂度的机器人项目，仅数据收集部分的成本就可能达到5万至20万美元。

成本高昂的根源在于试错代价。 聊天机器人答错可以重来，但物理世界的机器人一旦判断失误，可能导致设备损坏甚至安全事故。 因此，它需要经过远超软件模型的、海量且多样化的训练。 让机器人学会“端水不洒”这样一个简单动作，背后可能是几十万次的模拟与真实训练。

为了应对天价的数据成本，行业也在寻找出路。 一种思路是采用“虚实融合”的路线，即主要依靠成本较低的仿真合成数据训练，再用少量真机数据进行微调。 也有公司推出轻量化采集方案，例如仅用手机和简易支架替代昂贵设备，试图将单次任务采集成本从3-5元降低到0.6元以下。 然而，低成本采集往往伴随数据噪声问题，高质量数据的标注与治理依然依赖人工，全链路降本仍面临挑战。

另一个趋势是行业分工开始细化。 整机厂商不再追求100%全自研，上游专业零部件厂商开始提供高精度模组。 同时，软件层面正试图建立通用标准。 例如，有机构开源了“通用具身大脑”和标准化技能接口，让不同品牌、不同形态的机器人能够协同工作。 这类似于为机器人产业建立“安卓系统”，旨在破解“数据孤岛”和“异构难协同”的痛点。

宇树在此时选择将大量利润投入AI研发，是在押注行业的未来。 招股书显示，其IPO拟募资的42亿元中，有20.22亿元计划用于“智能机器人模型研发项目”。 这场景似曾相识。 几年前的特斯拉，也曾将卖车赚来的大部分利润，持续投入自动驾驶FSD和机器人Optimus的研发中。 短期利润承压，换取长期技术壁垒，是头部玩家在技术爆发前夜的常见策略。

2026年3月，我国首个《人形机器人与具身智能标准体系（2026版）》正式发布，标志着产业进入规范化发展的新阶段。 行业共识正在形成：机器人的终极价值，不在于“身体”能完成多么复杂的体操动作，而在于“大脑”能否理解指令、适应环境、可靠地完成实际工作。

宇树一季度利润表上的数字变化，正是这场深刻变革在财务上最直接的映照。 当行业竞赛从比拼硬件参数的“功夫模式”，切换到追求任务成功率的“打工模式”，所有参与者都必须面对一个现实：给机器注入智能的代价，远比让它动起来要昂贵得多。 这场关于“大脑”的军备竞赛，才刚刚开始。