宇树4000亿之后,具身智能该如何定价?

来源：投资界

具身算账时刻。

北京亦庄,人头攒动。

一年一度的世界机器人大会拉开帷幕。300余家全球知名企业携超2000件展品亮相,150余件产品全球或全国首发。会场内,人形机器人跳舞、做家务、拧螺丝,展台前围满了拍照的观众。跨维智能的物理AI引领者论坛外,里里外外挤满了人。

同一天,千里之外的上海交易所,宇树科技正式登陆科创板,缔造A股“人形机器人第一股”,开盘市值约4500亿元。

这是具身智能最热闹的一天,也是整个行业开始重新定价的一天。

“如果宇树的4000亿元,是给机器人公司标出的价格,那具身大脑独角兽应该值多少?”

在今年的亦庄,这是很多人最想问的问题。但真正逛完展会之后,他们发现答案远没有那么简单。同样顶着“具身智能”的标签,有的公司销售机器人本体,有的依靠项目集成交付,有的训练具身基础模型,还有的试图成为机器劳动力运营平台。它们面对的是不同的市场,形成的是不同性质的收入,若仍共享同一套估值逻辑,这或是一种错配。

宇树的4000亿元,为行业提供了一个参照系,也制造了一个新的难题:具身智能公司的价值,究竟该按什么来算?

投资人挤爆亦庄

寻找下一个宇树

“WRC可约”,AI投资人集体更新了微信签名。

今年的WRC,堪称一级市场行业大聚会。大量投资人奔赴北京,穿梭各个展台看样机、看演示、交换联系方式。一位投资人告诉我,看展第一天他加了20多个微信,手机备忘录里存满了待跟进的项目,“逛展路上,也总能碰到同行。”

跨维智能与蓝思科技合作的真实工业场景

热情背后是具身智能赛道的持续升温。今年以来,具身智能融资热潮历历在目,大量资金涌入。IT桔子数据显示,上半年国内具身智能赛道融资总额超900亿元,同比暴涨5倍,市场对物理AI的想象,正在被不断拉高。

过去,一级市场给具身智能公司的估值,更多依赖技术团队、融资背景、产品演示和未来市场空间。如今,宇树作为公开交易标的,第一次让资本市场可以用真实股价来审视一家人形机器人公司。

宇树的定价逻辑,到底是机器人出货量?是供应链和规模制造能力?是品牌和渠道?还是人形机器人未来进入家庭、工厂和商业场景的巨大想象?答案可能是所有因素的叠加。

这也意味着,宇树的估值不能被简单复制到所有具身智能公司身上。几年前,几乎每家公司都可以按照一个遥远的未来讲故事。随着宇树上市,每家公司都必须开始解释:自己究竟是哪一种生意。

“很多具身公司Demo做得很漂亮,可一旦问到规模化落地的成本,大家就开始含糊。”看了三年具身智能的投资人John说起他的观察。展台上的机器人,在灯光、物料全部调试好的理想环境里,动作行云流水,演示效果惊艳。但落地到真实工厂和复杂商业场景时,稳定性、适配成本的问题便暴露无遗,钱越花越多。

这不是一家公司的困境。大量机器人公司卡在同一个节点:技术很前沿,商业上却算不过账来。

问题就出在,当前许多机器人的落地仍然是一门高度定制化的项目生意。每进入一个新工厂、新产线或新任务,往往都要重新采集数据、训练模型和现场调试。企业增加的不是一套可以持续复制的能力,而是一个又一个需要从头交付的项目。场景越多,数据、训练、调试和人工成本也随之累积,边际成本并没有因为规模扩大而下降。“如果这些成本压不下来,卖一台就可能亏一台,规模越大,反而亏得越多。”John直言。

事实上,已经有人先一步意识到了这个瓶颈。

今年WRC上,当大多数人还在比拼样机性能时,跨维智能创始人兼CEO、香港中文大学(深圳)教授贾奎,把思考重心放在了另一个议题上——成本与效率。

他曾连续五年入选斯坦福全球Top2%顶尖科学家,深耕三维物理AI多年。早期在高校实验室,他更多追求的是算法和模型上的技术突破。这些年,贾奎亲历了具身智能的狂热,也目睹大批企业扎堆做Demo,用相似的故事、相似的路径争抢注意力。算力囤起来了,数据产线建起来了,但数据采集、训练、推理全链路的综合成本,却很少有人认真算过。

喧嚣之中,他开始反复思考通用具身智能的终极要义。

4500亿之后

具身大脑如何估值?

展台上的机器人看起来越来越相似,但展台背后的商业模式与技术范式,可能完全不同。

第一类公司,核心能力是机器人本体。它们的价值来自产品设计、供应链、成本控制、规模制造、品牌和销售渠道。资本市场判断这类公司的方式,与高成长硬件公司更为接近:卖出了多少台,收入增长多快,单机毛利如何,产品能不能标准化,能否形成全球市场份额。

第二类公司,核心能力是场景交付。它们能够把机器人部署进工厂、物流、零售和商业服务场景,收入主要来自方案设计、系统集成和项目验收。资本市场更关心项目毛利、交付周期、客户复购和现金回款。

这类公司的挑战在于,如果每获得一个新项目,都需要重新增加工程人员、重新调试现场,那么收入增长的同时,交付成本也会同步增长。业务规模可以做大,但很难获得软件和平台型公司的估值。

第三类公司,出售的是机器人的“大脑”。它们的核心资产不是某一种机器人,而是操作能力。判断这类公司的关键,不在于模型有多少参数、Demo有多惊艳,而在于同一套能力能够服务多少机器人、多少任务和多少场景。

如果一个模型只能服务一个项目,它仍然是项目能力;如果一项能力可以部署到不同机器人、不同客户和不同场景,它才有机会成为一种可以重复出售的智能资产。

本体公司看出货,项目公司看利润,具身大脑看能力通用与复用。

这位教授算了一笔账

“如果每增加一个场景都需要近似重新投入一遍这些成本,那么具身智能就无法形成真正的规模经济,本质仍然是一门依赖大量工程师交付的项目制生意。”贾奎在今年WRC跨维智能《物理AI引领者论坛》的演讲中表示。

“Physical Token经济学”由此诞生。

何为Physical Token?电力行业有千瓦时,云计算有GPU-hour,大模型有Token。贾奎认为,当AI从数字空间进入物理世界,智能的产出也需要一种更贴近真实任务的计量方式。他给出定义:

Physical Token,是物理智能体能够生产的单位可靠物理智能。

一旦智能产出可以被计量,行业才能进一步核算一项能力的生产成本,比较不同技术路径的效率,并追问那个更底层的问题:从第一项能力走向第十项、第一百项能力时,是否仍需重复支付相近的数据采集、模型训练、工程调试和真实世界试错成本?

在贾奎看来,通用物理智能能否成立,关键不在于单次Demo的成功率,而在于模型的能力边界能否持续扩张,同时让新增能力的边际成本不断下降。只有这样,具身智能才有可能实现规模经济。

换句话说,Physical Token经济学希望实现的是:让下一份智能比上一份更便宜。

这套理论,并非空谈。跨维智能的技术路线和商业逻辑,正是最好的实践参照。

2021年,贾奎创办了跨维智能。而他早在2018年前后就意识到三维感知的瓶颈不是算法,是数据——真实采集成本高、标注难,场景覆盖也十分有限。这个判断后来成了跨维智能技术路线的原点。成立以来,跨维智能始终在解答“如何让下一份物理智能,比上一份更便宜”这个核心命题。

五年里,这支队伍已然搭建了一套完整的技术解法:统一数据表达与预训练沉淀人类经验,Real2Sim与生成式仿真形成合成杠杆,Post-training与强化学习完成能力聚合,真实部署反馈推动飞轮扩张。具体来说:

首先,它将来自真人示教、真实机器人和仿真环境的不同数据,转化为机器人能够共同理解的表达。让不同来源的经验能够进入同一套学习体系,而不是每个项目重新积累一遍。其次,通过自研仿真引擎DexVerse?和生成式仿真技术,将少量真实经验扩展到更多物体、位置、光照和异常情况。过去需要两三天搭建的复杂仿真环境,跨维GS-World生成式世界模型可以压缩到十余分钟完成。

再次,把通用能力高效转化为任务级可靠能力。跨维依靠预训练沉淀空间、物体交互的通用物理常识,再通过后训练、强化学习,把通用基础能力,高效转化成分拣、装配等垂直场景可用的机器人技能,形成面向工业、商业、物流、医疗等具体任务的垂域专家模型。在特定垂域任务中,跨维专家模型的成功率可提升至99.99%,操作精度达到亚毫米级。

每一次部署产生高价值经验,降低下一次能力获取成本。真机部署之后,不必再把现场设备当做主要训练场,而是作为高价值数据采样器——失败、边界情况、新分布等现实物理世界的经验回流反哺基座模型。

正如在WRC 2026现场,跨维智能展示了手机装机流水线质检、商超自主扫码分拣,以及冰淇淋与爆米花连续出餐三类任务,分别对应工业制造、零售和商业服务。三个场景看起来彼此独立,但跨维智能真正想验证的是:同一套技术体系能否在不同场景之间迁移——用更少的新增数据、训练和现场调试,进入越来越多样的真实场景。

这也正是Physical Token经济学所描述的方向:当一套技术体系能够持续压低进入新场景的边际成本,规模化的前提才算真正成立。

投资界了解到,目前跨维智能已在智能制造、商业零售与文旅服务等领域落地50多个应用场景,沉淀1500余个成熟具身模型。真实任务中产生的数据持续回流训练体系,已成为基础模型迭代和下一项能力开发的重要来源。

新的分水岭

宇树上市,只是一个开始。

在它身后,浩浩荡荡的上市队伍正在排队。今年以来,今年已有超20家具身智能公司明确了上市计划。大约两个月前,跨维智能完成10亿元融资,估值突破百亿元,背后集结了市场化基金、地方国资和产业资本等多元投资方。

上市潮的另一面,是行业洗牌加速。

当具身智能开始进入资本市场的检验场,将被追问更多实质问题:已经卖出的机器人,有多少真正投入运行?一项能力可以部署到多少台机器人?现有客户是否会持续购买软件和服务?企业收入来自一次性卖设备,还是来自机器人整个生命周期?已经完成的项目,能否变成下一次收入的基础?

这些问题共同指向了一家具身智能公司的性质。

机器人出货量决定一家公司今天能够做多大,能力复用决定它是否具有大模型属性,持续运行和服务收入则决定它有没有可能成为机器劳动力平台。宇树4000亿元,为人形机器人提供了一个公开的价格锚。但它并没有回答,整个具身智能行业应该值多少钱。

未来,本体公司按照出货和制造能力定价,项目公司按照利润和现金流定价,具身大脑按照能力复用定价,机器劳动力平台则按照持续产生的收入定价。这意味着,具身智能下一轮竞争的胜负,比的不是谁的机器人更像人、谁的Demo更炫酷,而是谁有能力把智能变成一种可以计量、复制和持续出售的资产。

正如贾奎强调,一切技术终将回到企业经营的本质——脱离成本收益的盲目投入,很难长期持续创造社会价值。“通用具身智能的前提,是让物理世界的经验能够以经济可行的方式规模化。”

这或许是具身智能下半场最重要的思考框架。

下半场已至,单纯依靠炫酷Demo讲故事的企业,融资和生存压力会越来越大。一部分团队会持续陷在项目制循环里:项目越多,人力投入同步扩张,边际成本居高不下。而另一部分企业,通过数据基建、仿真体系、业务飞轮,持续压低获取新能力的边际成本,实现业务的规模复利,把稳定可靠的物理智能真正规模化地送入千行百业。

两种路径的差距,会随着时间越拉越大。而真正拉开距离的关键,正是一家具身公司的“算账能力”。毕竟,机器人的终局不是跳舞,是干活。而干活这件事,终究是要算账的。

当大家开始认真追问“生产一单位物理智能需要花多少钱,以及如何让下一份智能比上一份更便宜”时,这或许才是产业真正成熟的开始。