8 月 19 日，宇树科技登陆科创板，首日股价一度较发行价涨超 6 倍，市值突破 4400 亿元。在上市答谢午宴上，创始人王兴兴首次系统阐述机器人「大脑」技术路线——不是发布某个模型，而是一套让 AI 进入机器人研发全流程的闭环系统。
王兴兴讲的不是某个即将发布的模型，而是一套系统：把模型、工具、仿真、真机和评价连接成一个闭环。AI 不只会成为机器人的大脑，还会进入机器人的研发过程，帮助人类设计、训练和迭代机器人。
按照王兴兴的描述，AI 首先自动查询最新论文和开源代码，选择可能适用的方案，生成机器人的训练程序。代码进入仿真环境，也可以借助视频生成模型构造训练素材。仿真完成后，训练结果被部署到实体机器人上，在真实世界中验证平衡、动作准确性和任务成功率。最后，AI 对真机表现进行评价和打分，同时保留人工评价，结果反馈进入下一轮迭代。
每次训练成功的结果，都不只是一次任务完成——而是为所有同类机器人增加一个可复用的新能力，最终推动机器人智能的持续进化。
注：上述闭环中，人类仍负责定义任务目标、算法选择、成功标准和安全边界。AI 负责执行搜索、编程、仿真调度和初步评价，形成人机协作的加速迭代。
在王兴兴描述的系统中，最容易被注意到的部分是 AI 能力。但真正决定这套循环能否成立的，不是 AI 会不会写代码，而是生成的结果能否进入足够多的实体机器人，在真实世界中反复测试，并把数据重新送回系统。
模型能力快速进步，能力扩散也在加速。开源模型、公开论文、AI 参与编程和评测，让新能力被快速复现和追赶。单次模型领先所能维持的时间正在缩短。
多了一道不可绕过的环节：真机部署。谁拥有更多性能稳定的机器人，谁能以更低成本部署真机，谁又能把真实世界的反馈持续送回训练系统——这正在成为拉开差距的关键。
在王兴兴的设想中，未来如果能够同时部署 数千乃至数万台机器人，真机反馈数据将在短时间内快速增长。这恰好是宇树积累了近十年的优势。
注：对比逻辑基于公开报道中对王兴兴讲话的转述。纯数字世界与物理世界的竞争壁垒差异，是理解具身智能产业格局的关键视角。
招股书披露的数据，勾勒出宇树在「身体」端的积累厚度：
相比仍在样机和小批量阶段的公司，宇树已经拥有更大规模的本体生产和交付基础。当一段训练代码在真机上出现问题时，宇树可以同时调整算法、控制系统和硬件，而不必等待多个供应商逐层配合。
当然，卖出去的机器人并不会自然变成训练数据。如何获得用户授权、建立统一的数据采集标准，并把不同场景中的数据有效回流，仍然是这套设想必须解决的问题。但宇树至少拥有启动这个循环最昂贵的一部分：足够成熟的机器人本体，以及把机器人规模化制造出来的能力。
注：销量数据来自招股书披露，柱形为相对比例示意，非严格线性缩放。模型研发投入为四个募投项目中的最大单项。
王兴兴很少在方向尚不清晰时，提前讲一个宏大的未来。宇树对机器人「大脑」的态度，遵循着与硬件路线相同的节奏：在技术路线与数据场景尚未明确时，不急于在真实数据采集和工厂部署训练上大规模重注。
没有追逐当时最吸引眼球的液压机器人，而是选择成本更低、更容易量产的电驱路线——更符合对产品和商业化的判断。
核心项目仅 3 名全职员工，用时约半年。看似突然的爆发，背后是四足时代积累的电机、关节和控制算法被快速迁移。
在具身模型方向开始布局，先后开源了 WMA 和 VLA 模型，积累模型工程经验。
募资到位后，模型研发成为最大单项投入。把过去相对克制的投入，转化成一场更大规模的工程实践。
现在，这个节点正在到来。在此之前，宇树把更大优势建立在确定性更高的本体、运动控制和量产能力上。上市给了它更多资源，也让王兴兴有能力验证那个更大的命题：机器人的学习与进化，能不能同样变成一项可以规模化的工程。
注：节点时间线基于公开报道与招股书信息整理。从电驱到人形再到模型开源，宇树的战略节奏呈现「硬件先行、软件跟进、系统整合」的递进特征。
宇树在「身体」端的工程化能力已经得到市场验证，上市给了它启动「大脑」循环的弹药。但真正的考验不在于能否建起这套系统，而在于真机反馈数据的规模和质量能否跟上模型的迭代速度——这将是所有具身智能公司从「样机展示」走向「规模进化」时必须跨越的门槛。
宇树科技已开源 WMA 与 VLA 模型，技术细节与后续进展可通过官方渠道查阅。
关注宇树科技 → 开源模型已公开