宇树科技219倍市盈率背后：人形机器人要跨过几道坎？

“中一签宇树到底能赚多少钱？今天早上看说赚16万，后来说20万，现在又改35万了。”本周股市一开盘，媒体群里就有人发出这样的困惑。大家都默认，只要中签，就等于白捡一笔巨款。 同一时刻，具身智能公司的员工也在“喜提巨款”。有朋友透露，猎头市场已经出现千万级别的算法工程师薪资；而过去同样的岗位，最高不过两三百万。千万年薪，前所未见。 高PE、高薪酬同时出现，金钱狂欢掩盖了一个容易被忽略的矛盾：招股书显示，宇树科技的市盈率为219倍。也就是说，在利润不增长的前提下，公司需要219年才能赚回当下的市值。 紧随其后排队等待上市的具身智能公司，比如智元机器人、乐聚智能、云深处，市盈率也不会低。而行业内高薪抢人，意味着研发成本还会进一步上升，这又会侵蚀利润。那么，高PE何时才能兑现？ 有人说，早期科技企业的极高估值，就像是拿幼儿园小朋友的成绩单，去推断他上大学后会有怎样的表现。我们的主业是解读技术，人形机器人从稚嫩到成熟的技术发展，可能是这个故事里最具确定性的信息。所以，不妨借着宇树上市，从技术逻辑聊一聊：机器人需要几次“折叠”，才能把未来变成现实。 宇树的高估值并不是孤例。在全球科技竞赛的大背景下，只要美股有对标的国产硬科技，市场都乐于给出极高溢价。比如，长鑫科技的估值是海外存储三巨头的三到五倍；寒武纪的估值也远远匹配不了当下的业绩增速；华虹半导体更曾拥有800倍市盈率。这些数字背后，都包裹着“国内大市场+战略产业安全”的逻辑，把价值进一步放大。 人形机器人同样具备这种逻辑。 一来，具身智能已纳入重点培育的战略性新兴产业。今年，全国31个省份的“十五五”规划纲要已全部发布，其中25个省份提及“具身智能”。尤其是在长鑫科技这类“十年磨一剑”的项目上市之后，政府引导基金进入具身智能产业的概率大增。 二来，国产机器人是未来行业用工和国防军事的重要力量，有极强的大内需逻辑。换个角度看，美国不想让我们发展的，往往就是我们要重点发展的。前不久特朗普政府颁布了禁止进口中国人形机器人的禁令，也说明这已经成为未来的竞争焦点。 因此，给人形机器人公司更高估值，在长期逻辑上成立。 不过，长期合理，不代表当下估值一定合理，更不代表它一定能被市场消化。 最典型的例子是波士顿动力。十多年前，Atlas的后空翻、Spot在废墟中穿行，几乎定义了我们对机器人的想象。但因为无法量产、商业化成谜，波士顿动力最终被韩国资本收购。 所以，当宇树们寻找全球对标时，最可能的参照对象，或许是特斯拉与Figure AI。这两家美国公司代表了当前人形机器人最具价值的两个锚点：一是智能水平，二是规模落地。 智能拉高了能力上限。特斯拉Optimus依托自研的端到端神经网络，把视觉语言动作模型（VLA）搭载到人形机器人上，是目前为数不多真正拿出VLA落地的公司。Figure AI自研的Helix 02模型，业界普遍反馈协同运作能力强，可以承担一些泛化任务。叠加量产与规模化落地的优势，特斯拉和Figure AI都已经把机器人送进工厂：Figure 02在宝马美国工厂参与了超过3万辆BMW X3的生产；Optimus也在特斯拉自有工厂内分拣电池、搬运零件，开始商业化运行。 那么，国内具身智能厂商是否具备这两个特点？都有，但还不够成熟。 国内企业正在全力跟进VLA等技术路径，但技术壁垒客观存在。目前，像特斯拉这样的巨头，已经不愿在发布会上公开VLA等核心算法的细节，以防中国厂商学习和解密。这意味着，国内企业必须靠自己蹚出一条技术路径。 客观来看，对标特斯拉与Figure AI，国内具身智能厂商虽有差距，但没有实质上的掉队。具身智能公司为算法工程师开出几百上千万年薪，目的或许就在于此——需要花重金打造一个媲美特斯拉的国产具身智能“大脑”。至于多久才能出现，犹未可知。 此外，宇树们已经支撑起人形机器人的量产，但怎么把这些机器人送进工厂产线，才是真正难的问题。 目前，人形机器人的“就业场所”大多集中在制造、消防、电厂巡检等To G/To大B市场。国内或许只有大型政企有资金、有意愿为早期的人形机器人提供实验场景，但这类客户数量有限，对客情洞察、定制服务的要求又非常高，这对以标准化硬件销售为长的机器人企业来说，是一大挑战。 与海外对标的科技公司，完成一次能力上的“折叠与对齐”，是国内具身智能厂商的第一步。而挑战才刚刚开始。 宇树219倍的市盈率，部分来自A股“人形机器人第一股”的稀缺性——宇树目前是市场上唯一的人形机器人整机龙头。但是，随着智元机器人、乐聚智能、云深处相继进入问询流程，宇树仍然稀缺吗？或者说，这里面有哪一个，是别人长期都追不上的？恐怕要打一个问号。 就拿具有先发优势的宇树来说，它恐怕并非拥有不可逾越的护城河。目前的主要优势体现在四足机器人积累的技术与市场基础上，但在人形机器人的智能化、量产、场景落地等关键环节，竞争才刚刚开始。高估值能不能兑现，不是看上市时的喧嚣，而是看它能不能一次次完成技术、产品与商业化的“折叠”。