来源：AI 云科技财经

宇树上市首日 , 资本市场用真金白银投下了一票。

8 月 19 日 , 宇树科技登陆科创板 , 发行价 150.8 元 , 开盘一度冲至 1100 元 , 较发行价上涨超过 600%, 市值迅速进入数千亿元区间。

在此之前 , 宇树从 IPO 获受理到过会只用了两个多月 , 网上申购户数接近千万 , 中签率不足万分之二。按照发行价计算 , 其发行市盈率已超过 200 倍。

如果只看一家硬件制造公司的当期利润 , 这样的估值并不好解释。

市场究竟在给什么定价 ?

答案首先是人形机器人。

过去两年 , 具身智能成为 AI 产业最受关注的新叙事之一 : 大模型解决信息世界里的理解和生成 , 而机器人试图让 AI 进一步进入物理世界。

宇树恰好站在两个产业周期的交叉点上 , 一边是人工智能 , 一边是先进制造。

但回到招股书 , 宇树还有另一个重要身份——它本质上仍然是一家研发、生产和销售机器人的制造企业。

资本市场追逐的是一家 "AI 明星公司 ", 但它最终仍然要回答制造业最基本的问题 : 产品能不能稳定生产、成本能不能下降、供应链能不能支撑 , 以及需求放量后产能能不能跟上。

宇树在招股书中也提到 , 随着产品销量持续提升 , 公司 " 亟需建立规模化、智能化的制造体系 "。

1. 从机器人 Demo 到智能制造代表

过去几年 , 人形机器人最容易出圈的 , 是能不能跑马拉松、舞跳得够不够齐、能不能登上春晚。

但到了 IPO 阶段 , 资本市场看的就不只是 " 节目效果 " 了。

一年能卖多少台、单台成本是多少、毛利率能否稳定 ...... 当问题从 " 它会什么 " 逐渐变成 " 它能卖多少 ", 说明人形机器人正在进入工业化验证的语境。

宇树的发展路径已经体现出这一点。

创业早期 , 王兴兴曾用 200 块钱手搓双足机器人 , 并在之后大量自行解决电机、减速器等核心零部件问题。

这种选择早期更多是迫于供应链不成熟、技术路径限制和成本约束 , 但随着业务扩大 , 它逐渐形成了另一种能力 : 对核心零部件、整机设计和生产过程保持更强的控制。

招股书显示 , 机器人整机和核心部组件主要在宇树内部完成生产装配 , 而非核心零部件及部分工序采用采购和外协加工。

这套生产模式最直接的结果 , 是成本。

2023 年至 2025 年 , 宇树人形机器人的平均售价从 59.34 万元降至 26.04 万元 , 再降至 16.64 万元 ; 同期销量则从 5 台、412 台增长到 5215 台。

更值得注意的是 , 价格大幅下降 , 并没有换来整体利润率的同步下滑。

同期宇树主营业务毛利率从 44.22% 升至 56.74%,2025 年进一步达到 60.13%。2025 年综合毛利率为 60.44%, 同期优必选为 37.67%、越疆 46.49%、云深处 52.83%、乐聚智能 40.78%。

也就是说 , 宇树不是简单地靠少挣钱换低价 , 而是在降低售价的同时 , 把成本降得更快。

谁把成本降下来了 ?

根据招股书 ,2025 年宇树主营业务成本约 6.68 亿元 , 其中直接材料占 81.73%。换句话说 , 机器人要降本 , 首先要从零部件下手。

但有意思的是 , 宇树的降本并不是等来了上游普遍降价。

招股书显示 , 主要原材料市场供应充足 , 采购价格总体保持稳定。2025 年前五大原材料供应商采购额只占原材料采购总额的 22.54%, 并不存在对某一家上游的高度依赖。

成本真正降下来的原因 , 更多来自宇树自身。核心部件尽量自研自产 , 非核心零部件借助成熟供应链。

随着销量扩大 , 生产工艺持续改进 , 采购议价能力也随之增强。招股书将毛利率提升明确归因于生产降本、采购降本以及核心部组件的全栈自研。

也就是说 , 宇树把机器人做便宜 , 并不是因为零件突然便宜了 , 而是因为同样一套供应链 , 被它用得越来越高效。

2. 募投项目透露出的另一条主线

此次规划的 42.02 亿元募投资金中 ,20.22 亿元投向智能机器人模型研发 , 是最大的一笔 ; 机器人本体研发 11.10 亿元 ; 新型机器人产品开发 4.45 亿元 ; 制造基地建设 6.24 亿元。

这个资金结构颇有意味。

过去十年 , 宇树靠 " 身体 " 跑了出来。把核心零部件做出来 , 把成本打下来 , 再借助中国供应链实现规模化。但上市之后 , 最大一笔募投资金投向的却是机器人的 " 大脑 "。

换句话说 , 中国具身智能现在呈现出一种鲜明的结构 : 身体已经跑得很快 , 大脑仍需要重投入。

模型决定机器人会不会理解环境、规划任务和真正干活。制造则决定一个已经会干活的机器人 , 能不能被稳定、快速、低成本地生产出来。前者决定技术上限 , 后者决定产业化速度。

这恰恰是中国在下一轮 AI 竞争中容易被低估的一张牌。

2025 年 , 中国制造业增加值达到 34.7 万亿元 , 制造业总体规模连续 16 年保持全球第一 , 占全球制造业增加值比重持续保持在 28% 以上。

真正重要的还不只是规模 , 而是背后形成的完整工业网络 : 零部件供应商、模具厂、设备商、工程师、生产线 , 以及长期积累的制造经验。

对于机器人、AI 眼镜、无人设备这些仍在快速迭代的产品而言 , 这套体系最大的价值 , 是缩短从技术到商品之间的距离。

找供应商、试制、改结构、重新开模、调整工艺、扩大产能 ...... 这些事情看起来离 AI 算法很远 , 却最终决定一项新技术能不能快速变成一个真正卖得出去的工业产品。

宇树此次把相当一部分募投资金投向制造基地 , 背后折射出的可能不只是单家公司的扩产需求。

当 AI 越来越多从数字世界走向机器人、汽车和各种智能硬件 , 过去几十年积累起来的制造体系 , 也可能成为中国 AI 产业化的一项重要基础能力。

当然 , 这种预期最终仍然需要收入、利润和规模化交付来兑现。

3. 工厂也需要重新适应 AI 硬件

AI 硬件快速发展 , 不只是创造新的制造需求 , 也在反过来改变工厂。

机器人、智能眼镜、无人车等新产品普遍迭代快、改版频繁、SKU 增加。研发端一次修改 , 就可能传递到图纸、BOM、采购、工艺和排产。制造体系需要的不只是更高自动化 , 而是更快响应变化。

因此 , 过去制造业更多关注机器辅助人工提升效率 , 今天开始出现另一类需求 : 让系统本身参与判断自动流转。

今年 1 月 , 工信部等八部门发布《" 人工智能 + 制造 " 专项行动实施意见》, 提出到 2027 年推出 1000 个高水平工业智能体 , 并将排产调度、订单处理、库存预警、供应链管理等列为重点场景。

变化已经在制造企业内部发生。海尔将 AI 用于选型、排产和工艺调整 ; 美的荆州洗衣机工厂上线 14 个智能体 , 覆盖 38 个生产场景 ; 联想将 AI 用于智能排产、视觉防错和设备预测性维护 ; 宁德时代也在利用 AI 检测、能源管理和数字孪生优化生产。

类似变化也在产业另一侧发生。今年 4 月完成近 10 亿元 D 轮融资的黑湖科技 , 披露其工业 AI 已覆盖设计、排程、生产、质检等场景 , 服务近 4 万家工厂。其中 , 拆单 Agent 可将过去数小时的图纸解析压缩至约 1 分钟 , 在已落地场景中的准确率超过 95%。

单看一家公司的产品并不重要。更值得关注的是 , 从制造龙头自建智能工厂 , 到机器人企业建设规模化产线 , 再到工业 AI 进入生产判断环节 , 几条原本平行的产业线正在交汇。

一边 ,AI 正在获得身体 ; 另一边 , 制造 AI 产品的工厂也需要一个更聪明的 " 大脑 "。

过去几年 ,AI 产业竞争主要发生在芯片、算力和模型。

宇树之后 , 下一阶段的问题会越来越现实 : 谁不仅能把 AI 研究出来 , 还能更快、更稳定、更低成本地把它制造出来。

而这个问题 , 最终要在工厂里回答。