宇树科技获数亿元融资，红杉中国领投——做具身智能的「大脑」

具身智能：从「会动」到「会想」

如果说过去五年的机器人行业关注的核心是「能不能动」，那么 2025-2026 年，这个问题已经升级为「能不能想」。

宇树科技（Unitree Robotics）是全球四足机器人领域当之无愧的头部玩家。其 Go 系列、B 系列四足机器人以极具竞争力的价格和出色的运动性能打入了全球市场，在工业巡检、科研实验、娱乐展示等场景已有大量部署。然而，宇树本轮融资的叙事重心已经悄然转移——从「更好的腿」，转向「更聪明的大脑」。

此次获得红杉中国领投的数亿元融资，宇树的战略意图清晰：构建具身智能的核心 AI 系统，让机器人真正理解环境、完成推理、并执行复杂的现实世界任务。

红杉中国为何押注？

红杉中国在中国 AI 领域的投资嗅觉历来敏锐。从早期布局旷视、商汤，到近年重仓 Moonshot AI（Kimi）、智谱 AI 等大模型公司，红杉的逻辑始终是「在技术范式转换节点，押注有机会成为基础设施的团队」。

领投宇树本轮融资，红杉的判断逻辑可以从以下几个维度理解：

一、具身智能是大模型落地的「最后一公里」。 语言模型、多模态模型在数字世界已经展现出强大的理解和推理能力，但现实世界的物理交互仍然是 AI 的盲区。具身智能正是填补这一盲区的关键——它让 AI 从「屏幕后的幽灵」变成能在物理世界中感知、决策、行动的实体。

二、宇树的硬件基础是稀缺的护城河。 构建具身智能需要大量真实的机器人运动数据。宇树已经出货数千台机器人，积累了其他初创公司难以企及的运动数据资产。这些数据是训练具身智能「大脑」的原材料，也是后来者最难复制的竞争壁垒。

三、时机窗口正在关闭。 特斯拉 Optimus、Figure、1X、波士顿动力等海外玩家正在加速推进，国内的宇树、优必选、傅利叶智能、智元机器人也在激烈竞争。能在这个阶段完成大额融资、加速研发的团队，将在未来 2-3 年内拉开决定性差距。

具身智能「大脑」的技术挑战

感知：理解物理世界

具身智能系统首先需要解决的是「看懂世界」的问题。这远比图像分类或目标检测复杂——机器人需要理解三维空间关系、物体的物理属性（重量、材质、易碎程度）、以及动态变化的环境。

宇树正在构建的感知系统融合了多模态输入：

• **视觉**：RGB 相机 + 深度传感器（LiDAR/ToF），提供精确的三维环境重建
• **触觉**：末端执行器的力反馈，感知接触力度和物体特性
• **本体感知**：关节角度、加速度计、陀螺仪，持续校正自身位姿
• **语音/语言**：接收自然语言指令，理解任务意图

这些传感器数据的融合处理，需要实时运行在机器人本体的边缘计算单元上——延迟是机器人控制的致命敌人，任何需要云端往返的感知决策都可能在毫秒级的物理交互中造成失误。

推理：从感知到决策

这是具身智能最核心、也最困难的部分。一个真正智能的机器人，需要完成的不是单步动作的执行，而是多步骤任务的规划和动态调整。

以「帮我把桌上的咖啡杯放进洗碗机」为例，这看似简单的指令，背后需要机器人完成：定位咖啡杯→评估抓取策略→规划移动路径→规避障碍物→调整抓握力度→打开洗碗机→正确放置→关闭洗碗机。其中任何一步出现意外（杯子滑动、洗碗机卡住），系统都需要实时感知并重新规划。

宇树的技术路径是将**大语言模型（LLM）**作为高层任务规划器，结合专门训练的**运动控制模型**执行底层动作。这种「大脑+小脑」的架构，正在成为具身智能领域的主流范式——大模型负责理解和规划，运动模型负责精确执行。

学习：在现实中持续进化

与纯软件 AI 不同，具身智能的训练数据必须包含大量**物理交互数据**。这也是为什么宇树的硬件出货量成为核心竞争力的原因——每一台在真实环境中运行的机器人，都是一个数据采集节点。

宇树正在构建的数据飞轮逻辑是：

1. 大规模出货机器人 → 采集真实运动和交互数据

2. 用这些数据训练和迭代具身智能模型

3. 更好的模型提升机器人能力 → 扩大市场份额 → 更多数据

这与特斯拉 FSD 的数据飞轮逻辑如出一辙，但应用于更广泛的操作场景。

产业格局：具身智能的「战国时代」

国内竞争版图

2025-2026 年，中国具身智能赛道进入前所未有的热度。

智元机器人获得多轮融资，主打工业场景的双臂操作机器人，已在部分制造业客户处完成小批量部署。优必选作为早期人形机器人玩家，凭借与比亚迪、东风等车企的合作，在汽车制造产线上找到了商业落地点。傅利叶智能专注于康复医疗和特殊场景，差异化定位明确。

宇树的独特之处在于，它是目前中国**唯一一家在四足机器人领域达到全球竞争力**的公司，同时又在向人形机器人和具身智能「大脑」方向延伸。这种「硬件规模化已验证 + AI 能力补课」的组合，给了资本充分的想象空间。

国际竞争对手的压力

特斯拉 Optimus Gen 2 已经在特斯拉工厂内部开始量产测试，Musk 公开表示将在 2025-2026 年向外部客户销售。Figure 的 Figure 02 完成了与宝马工厂的合作部署。1X 的 NEO 已在挪威的数据中心完成安保巡逻任务。

与这些对手相比，宇树的优势是**成本控制能力**——其四足机器人的售价比同类海外产品低 50-70%，这一价格优势在具身智能时代同样可能转化为市场渗透速度。

本次融资的战略意图

加速「大脑」研发

红杉领投的这笔数亿元资金，宇树最核心的用途是**建立具身智能研究院**，大规模招募 AI 研究人才（尤其是强化学习、多模态大模型、机器人控制领域）。这是宇树从「硬件公司」向「AI + 硬件」公司转型的关键投资。

数据基础设施建设

真实世界数据采集和标注的成本极高。宇树计划建立专门的数据采集实验室，模拟各种家庭、工业、商业场景，系统性地扩充训练数据集。同时，与现有客户合作，在部署场景中采集脱敏后的真实运营数据。

生态合作布局

具身智能不是一家公司能单独完成的事业。宇树正在构建以自身为核心的生态：

• 与芯片厂商（英伟达、高通、寒武纪）合作，优化端侧推理性能
• 与场景方（制造业、物流、酒店）共同开发垂直场景解决方案
• 开放 SDK，吸引第三方开发者为宇树机器人开发应用

商业化路径：离真正的「大脑」还有多远？

诚实地看，具身智能目前仍然处于**从实验室到有限商业部署**的过渡阶段。能够在非结构化环境中自主完成复杂任务的机器人，尚未出现——包括特斯拉 Optimus 在内，目前展示的大多数任务，都是在相对受控的环境下完成的。

宇树面临的核心挑战是**泛化能力**：一个在实验室里训练好的操作模型，在面对真实世界的随机扰动时（光线变化、物体位置偏移、意外障碍），往往会显著下降。解决泛化问题，需要更大规模、更多样的训练数据，以及更强的模型架构。

但这正是红杉押注的逻辑所在——谁能最先解决泛化问题，谁就能定义具身智能的未来。宇树的硬件规模优势，让它在这场数据军备竞赛中，比大多数对手多了一张底牌。

行业展望：具身智能将重塑哪些产业？

短期来看（2-3 年内），具身智能最可能的商业落地场景是：

• **工业制造**：重复性高、环境相对结构化，是最快能跑通商业模式的场景
• **物流仓储**：分拣、搬运、盘库，已有多家公司完成小规模部署
• **危险环境作业**：电力巡检、矿山勘探、核污染处理

中长期（5-10 年），如果「大脑」问题得到突破，具身智能将进入：

• **家庭服务**：这是最大的单一市场，也是技术难度最高的场景
• **医疗辅助**：手术辅助、护理支持、康复训练
• **农业**：精准农业、采摘、播种

宇树此次融资，是中国具身智能产业从「追赶」走向「领跑」的一个重要信号。红杉中国的背书，不只是资本，更是对宇树战略方向的一次公开的信心投票。具身智能的「大脑」之争，才刚刚开始。