宇树即将IPO，Figure甩毛巾动作惊艳！但当前99%的做法都错了

源济

宇树即将IPO，Figure甩毛巾动作惊艳！但当前99%的做法都错了

原创 王煜全 全球风口

2026年3月24日 17:40

本期要点：机器人究竟该怎么用？

---

你好，我是王煜全，这里是王煜全要闻评论。

自春晚机器人武打节目出圈以来，机器人几乎获得了全民关注。

从宇树机器人在春晚以及大街小巷跳舞，火爆大江南北，到Figure AI机器人在甩毛巾视频中，动作流畅、节奏自然，甚至带有明显的人类习惯性细节，让人感慨机器人的动作竟能如此逼真。

Figure AI的机器人演示视频

再到最近，3月20日，宇树科技科创板IPO正式被受理，拟募资42亿元。其业绩也非常亮眼，2025年营收达17亿元，同比增长超3倍，净利润高达6亿元，同比增长超六倍。

这些数据似乎在告诉市场，人形机器人可以卖得动。

另一边，机器人背后的模型也在快速推进。

3月10日，机器人公司Rhoda AI一出道就完成了4.5亿美元A轮融资。他们试图让机器人直接从互联网视频学习动作，从而绕过复杂的数据采集和训练流程，直接完成各项工作。

此外，近期也开始有公司专门去做机器人数据集了。

如前段时间，初创公司Ropedia推出了一个包含1000万条交互数据的数据集，它记录的不是简单的视频，而是动作、空间关系以及行为带来的结果，目的是解决机器人缺乏真实经验数据的问题，给机器人提供“做过这件事”的经验，而不只是“看过这件事”。

这些信息叠加在一起，让人感觉机器人行业在硬件、模型、数据三个方向同时加速，似乎通用机器人真的要来了——不久后，它就可以走进工厂和家庭，开始替代人类完成各种复杂工作。

但在我们看来，现在机器人最大的进展都是集中在模仿人类做出的动作，吸引了市场和产业的注意力，却让大家忽略了真正重要的事情。

---

误会

首先，我们要强调的是，动作像人不等同于能力接近于人。这是当前整个市场最容易产生的一个误判。

我们曾反复论证过，现在机器人的能力只是“能做出各种动作”，而市场需要的关键能力是“应该做什么动作”，并合理地规划动作，这取决于对环境和任务的理解。

一个人能完成一项任务，不只是因为做出了某个动作，更是因为他知道在什么环境下、用什么方式、以什么力度去做出这个动作，并在过程中不断根据反馈进行调整。也就是说，人类的动作，是理解之后的输出，是认知驱动的结果，而不是简单的复现动作。

今天的机器人，恰恰只是在复现人的动作。

当前的进展主要集中在两件事上：通过大规模视频数据或人的示范学习动作，再通过在虚拟仿真环境中进行强化学习，不断优化控制器的参数，提升动作的稳定性和成功率。

这和ChatGPT等大语言模型的演进非常类似，只不过ChatGPT通过海量文本学会像人一样说话，而机器人通过视频学会像人一样行动。

于是，我们看到越来越多的机器人行为极其像人。

但别忘了，无论如何，机器人还是在模仿，可它们显然不知道为什么要这样做。

例如Figure AI的机器人甩毛巾的动作是很逼真，但它只是复现了从人类那学来的一个固定轨迹。一旦毛巾变厚变长，或是变湿，它很可能就无法完成任务。因为它并不理解“甩”这个动作的目的，也很难像人类那样有手感，也就是瞬间能根据重量、惯性和反馈去调整力度。

在现有的技术基础上，我们得给机器人示范每一类毛巾该怎么甩，但这显然不太现实。而且如果机器人理解不了背后的规律，示范再多也没有意义。

那么，如果机器人只会邯郸学步，它们又能有多大作用？

也正因为如此，我们会看到，机器人大多是在“展示”，比如跳舞、打拳、翻跟头，或是在家具摆放整齐有序的家里干活，并没有真正变得可用。视频是越来越惊艳，能稳定跑在真实业务里的案例依然不多。

---

真机会

不过，听完前面的分析，你也别完全悲观地觉得，机器人就无用武之地。

我们常说，应当看清技术的能力边界，从而更理性地理解技术的发展阶段，并将技术落地于合理且有商业价值的场景之中。

每一轮技术突破，早期都伴随着能力被高估、发展路径被误判，但真正能够落地的，往往是那些尊重边界、顺势而为的应用方式。

因此，我们想指出的是，未来机器人的机会不在于更像人，而在更可控。

既然机器人很难理解陌生且复杂开放的环境，那与其等待机器人能完全应对复杂世界，不如反过来思考，能不能让它们在确定的环境中先把活干起来。

这样，答案也就清晰了：当前机器人产业真正可行的方向，并不是去一味追求开发可以适应一切的通用能力，而是把现有机器人放入那些环境稳定、任务明确、变量可控的场景，做一些力所能及的事情。

如果你觉得这个逻辑有些保守，我们可以回头看一看另一个高度相似的技术——自动驾驶。

2004年到2007年，美国国防高级研究计划局（DARPA）曾举办过一系列自动驾驶挑战赛，以求推动技术的发展。但早期参赛的车辆表现非常笨拙，连最基本的自动行驶都难以稳定完成。

当时人们也分裂为两个极端，一方认为自动驾驶一无是处，另一方则认为自动驾驶汽车将很快替代所有司机。

当然现在，我们已经看到，真正发生的是第三情况。从辅助驾驶，再到今天的Robotaxi，都已经开启了商业化。你会发现，自动驾驶技术的落地，靠的不是通用，而是针对其发展水平找到应用场景。

所以，机器人领域真正值得挖掘的，是那些有潜力落地的场景。

一方面，这些场景应当和机器人的技术匹配，也就是边界清晰、干扰因素少，任务明确且可拆解，而不是简单的一句“帮我收拾一下房间”，典型例子就是仓储分拣和危险区域的巡检。

不过，同时，另一方面，这些场景还要有较大容量，最好还要有高利润空间。

因为哪怕一个场景再和机器人适配，但需求低频、规模有限，或者已经有更低成本的替代方案存在，那么这个场景也很难真正支撑机器人的大规模应用和不断研发。

就像现在的表演市场，是典型的低频需求；而仓储物流场景，又有更好和更便宜的替代设备，留给人形机器人的空间并不大。

可见，在现实世界中，真正同时满足这么多条件的场景并不多。

这也提醒我们，机器人产业接下来真正的发展重点在于“找场景”。

这确实不容易，需要密集的试错，并持续打磨产品、积累数据，从而建立服务能力。但谁率先跑通商业模型，就有可能利用标准化和复制能力实现迅速扩张，并拥有远超后来者的先发优势。

比如云迹机器人公司，就是优先找到了酒店送物这个清晰的场景，从而建立了领先优势，并在去年成功上市的。