中美两条路线——通用大脑 vs. 成本屠刀
原创出品 | 龙鹰镖局
中美博弈大变局，百年未有新财富
2026年5月，两个数字几乎同时出现在新闻头条上。
特斯拉宣布：Optimus的专用工厂在得州Giga正式动工——这个工厂的设计产能是1,000万台/年。Fremont的一线（100万台/年）将在7月启动量产。
宇树机器人提交了上交所科创板IPO招股书。招股书披露：2025年出货5,500台人形机器人——超过特斯拉、Figure、Apptronik、Agility等所有西方对手的总和。售价$13,500起。毛利率60%。
两个数字。两种哲学。两条路线。
美国在造”一个能干100种活的通用大脑”——价格可以等，但智能必须先到位。 中国在造”最便宜的人形机器人”——先把价格杀到$10,000以下，智能可以慢慢迭代。
这不是谁对谁错的问题。这是两种文明对待技术的方式。
一、美国的三个梦想
美国的人形机器人赛道上，有三匹马在跑。它们的跑法完全不同。
第一匹：特斯拉——“规模是唯一的护城河。”
马斯克的逻辑看似简单到粗鲁：先把功能做满（28个执行器+14根丝杠+40个空心杯电机），再用超级工厂把成本压到$20,000。Fremont的一线1,000,000台/年。得州Giga的二线10,000,000台/年。
但这条路有一个前提：你需要一个能用的产品。 而2026年4月，马斯克在Q1财报会上承认——他无法预测2026年的产量。“一开始会非常慢。”
（ps：2025年1月，马斯克说那年要造10,000台Optimus。2026年1月，他承认零台Optimus在做”有用的工作”。现在他说的是”literally impossible to predict”。这不是悲观——这是物理世界对一个习惯了指数增长的企业家说的实话。）
特斯拉的赌注不在2026年。它的赌注在2028-2030年：当Fremont和得州的超级产线同时开动，当端到端神经网络和神经世界模拟器在67,000+ H100等效GPU上成熟，Optimus将不再是”能不能用”的问题——而是”能不能便宜到谁都用得起”的问题。
第二匹：Figure——“智能是唯一的瓶颈。”
如果特斯拉是”硬件优先”，那Figure就是”AI优先到骨子里”。
Brett Adcock，这位连续创业者（之前做了Archer Aviation的eVTOL），2022年创立Figure时自掏腰包39B——18个月内翻了15倍。投资方包括Bezos、Microsoft、Nvidia、Amazon。
Figure 03已经在BMW的Spartanburg工厂连续运行了11个月。30,000+辆X3的生产周期。94%的正常运行时间。每天20小时的连续班次。 3月展示了8种自主清洁技能。不是demo——Production。
但Figure的核心赌注不在工厂里。在Adcock的这句话里：
“人形机器人是一个智能问题，不是一个制造问题。”
这意味着什么？意味着他认为——谁拥有最好的AI，谁就赢。制造可以外包（Foxconn已经签约，2027年产能10万台/年）。价格可以先不管（Figure 03卖$200,000+/台）。关键是那个在你机器人胸腔里运行的Helix VLA模型——能不能在你告诉它”清理客厅”之后，自己推理出需要扫哪些地方、怎么分类杂物、先从哪里开始。
这也是为什么Adcock在2025年底做了一个震撼行业的决定：解雇OpenAI。
OpenAI是Figure的投资者和AI合作伙伴。他们合作了一年。然后Adcock发现——“我们内部做机器人AI的团队，绕OpenAI跑圈。我们在这方面就是比他们强太多了。“于是他单方面终止了合作。Helix从OpenAI的生态中完全剥离。
（ps：Adcock的原话更狠——“I fired him.” 指Sam Altman。这是在公开采访中说的。这是一种信号：当Figure认为AI是唯一的竞争壁垒时，把AI外包给另一家公司——特别是一家未来可能成为对手的公司——是不可接受的。这个逻辑跟特斯拉为什么自研FSD芯片、为什么苹果自研M系列芯片——是一模一样的。）
第三匹：波士顿动力——“慢就是快。”
如果说特斯拉和Figure是在冲刺，那波士顿动力就是在走马拉松。Atlas的电动版2024年发布，月产约4台。部署~50台在试点中。目标是2028年在现代汽车HMGMA工厂正式上岗。
（ps：波士顿动力的CEO Robert Playter很坦率。他说他们的目标不是”最多”，而是”最可靠”。这背后是另一种哲学：在物理世界中做机器人，质量控制比出货量重要一万倍——因为一次安全事故就能毁掉十年的品牌积累。ASIMO就是这么死的——本田造了22年，最后因为”不能保证摔倒时旁边没有小孩”而退役。）
三条跑线的终点是同一个：一台通用的、可靠的、可负担的人形机器人。 但他们的起点和路径完全不同。
特斯拉从规模出发。Figure从智能出发。波士顿动力从可靠性出发。
而中国，从价格出发。
二、中国的屠刀
2026年3月，宇树机器人提交了IPO招股书。这是全球第一份来自人形机器人公司的公开财务文件。里面有几个数字值得全文阅读：
2025年收入：17.1亿人民币（86M），同比增长674%。 人形机器人出货量：5,500+台——全球第一。 最便宜的型号（G1）：$13,500。
一个在2023年人形机器人收入只占1.9%的公司，两年内把这块做成了收入的半壁江山，而且赚钱了。
怎么做到的？
宇树的创始人王兴兴是一个非典型传奇。2016年，他在杭州的公寓里手工造出了第一台四足机器人。没有博士学位。没有顶级实验室背景。就是自己钻研、自己造。
（ps：宇树的创业故事有一种”大疆一代”的味道。同样是硬件创业者、同样自研核心组件、同样先做”小玩意”（无人机/机器狗）建立供应链能力、然后用价格屠刀杀入更大的市场。王兴兴在招股书里写的话也很像汪滔会说的：“先让机器人走到足够多的地方，再让它变聪明。”）
宇树的秘密武器是垂直整合。它自己造电机、减速器、编码器、关节模组、控制器、传感器、灵巧手、LiDAR、摄像头。外购零件只占成本的14-18%——几乎只采购电池电芯和存储芯片。
这个策略的结果是：人形机器人平均售价从2023年的59万人民币降至2025年的16.8万人民币——降了72%，但毛利率反而从44%涨到60%。
越卖越便宜，越便宜越赚钱。 这不是魔法——这是垂直整合的制造杠杆。当你把减速器的采购价从日系供应商的3,200元砍到自己造的1,300元——你不是在降本，你是在把别人的利润变成自己的。
但宇树的招股书也暴露了一个隐秘的真相。这个真相被埋在第87页的一个客户分类表格里：
宇树74%的人形机器人卖给了高校和研究机构。17%卖给了”商业展示”用途——商场门口、展览馆里、科技峰会上的迎宾机器人。真正部署在工厂里干活的——9%。而且就算在这9%里，一半以上是”企业接待和引导”，不是实际生产。
5,500台出货量。全球第一。但绝大多数没有在做”有用工作”。
这和特斯拉形成了尖锐的对比。特斯拉的1,000+台Optimus几乎全部在工厂内部部署——搬运、分拣、装配。Figure的BMW部署是真正的汽车生产。但它们加起来不到2,000台。
而宇树的5,500台——大多数在大学的机器人实验室里，被研究生用来写论文、测算法、跑仿真。或者站在商场门口，挥着手说”欢迎光临”。
但这恰恰是宇树策略的精髓。
三、两个飞轮
让我们把”做有用的工作”这个维度暂时放下，来看一个更深层的问题：数据飞轮。
特斯拉的数据飞轮是这样转的：
自家工厂的Optimus每天工作8-24小时 → 传感器和摄像数据实时回传 → 在Cortex超算上训练 → OTA更新到所有机器人 → 机器人变聪明→可以处理更多任务 → 部署更多机器人 → 更多数据。
这个飞轮的优点是数据质量极高（真实工厂，真实任务，真实失败模式）。缺点是场景太单一——你的机器人只学会了在特斯拉工厂里搬东西。换一个环境、换一个任务——可能完全不会。
宇树的数据飞轮是反过来的：
5,500台机器人散布在全球 → 大学实验室、展会、商店、工厂 → 每一个场景都不同 → 数据极其多样化但质量参差不齐 → 从中提取通用的”如何在物理世界中生存”的基模。
这个飞轮的优点是场景覆盖极广。缺点是几乎没有任何一个场景是深度的。你的机器人是”什么都见过一点但什么都不精通”的万事通。
这两条路线，完美地映射了美国和中国在更广泛的技术战略上的分歧。
美国走的是深度优先。在一个垂直领域（工厂）中把数据质量做到极致，然后试图泛化到其他领域。这是登月工程式的路径——“我先征服这个山头，然后征服下一座。”
中国走的是广度优先。先把机器人卖到一切可能的场景中——哪怕只是站在门口说”欢迎光临”——收集一切可能的数据，然后从数据中寻找模式。这是农村包围城市的路径——“我先渗透所有角落，总有一个角落会爆发。”
哪一种会赢？
没有人知道。但宇树的招股书里有一条线索：IPO募资300M——将近一半——全部用来训练AI模型。
宇树知道自己的优势在硬件上——$13,500的G1，60%的毛利率，没人能在这个价位上跟它打价格战。但宇树也知道——硬件的护城河正在变浅。 谐波减速器在国产化。行星滚柱丝杠在以每年80%的速度降本。六维力传感器正在从万元级走向千元级。
当硬件差异被磨平——竞争将回到软件上。回到那个VLA模型上。回到”机器人在陌生环境中遇到意外情况时怎么办”上。回到那个——布鲁克斯说了四十年的——“从99%到99.9%” 上。
这也是为什么宇树在同时开发两套AI架构（VLA+WMA），并且把WMA（世界模型+动作）作为”更高确信度的赌注”——因为WMA让机器人在行动之前先预测物理世界的反应，而不是从大量试错数据中暴力学习。
这条路能不能走通——2026年没有答案。2028年也不一定有。但宇树的5,500台机器人在全球的每一个角落，每一天，都在生产数据。当那个模型成熟的那一天——5,500个数据源会变成55,000个，再变成550,000个。
到那时候，宇树的真正护城河就不是$13,500的价格了。
是分布在全球的十万台机器人，每天都在学。
结尾：一万种活法
2026年6月，全球大约有7,000到8,000台商用机器人正在运行。5,500台是宇树的。1,000+是特斯拉的。150是Figure的。
这总共不到一个中等规模工厂的工人数量。但赌注是万亿级别的。
Brett Adcock说：“全球GDP的大约一半——$30-40万亿——是劳动力工资。如果机器人能做到这些工作，这将是人类历史上最大的生意。”
马斯克说：“我们将以人类历史上任何复杂制造品中最快的速度扩产。”
王兴兴说：“先让机器人走到足够多的地方，再让它变聪明。”
三句话。三个赌注。
Adcock赌的是——智能会先解决。 马斯克赌的是——规模会让一切变得便宜。 王兴兴赌的是——便宜会让规模自然到来。
没有人知道谁会赢。但有一件事是确定的：
美国人正在建造一台能思考的机器。中国人正在建造一台能被买得起的机器。而第一个同时做到这两点的国家——将定义下一个时代的权力版图。
这不是关于机器人。是关於谁先抵达那个——“叠衣服比下围棋难一万倍”的莫拉维克悖论——被工程师、供应链和资本合力击穿的那个点。
到那一天。龙鹰镖局的口号就不再是一句口号了。它将是财务报表上的数字。
“人形机器人是一个智能问题，不是一个制造问题。” ——Brett Adcock，Figure CEO
「具身智能大系列」
- 第一篇至第五篇：思想史·技术史·悖论·解剖·架构
- 第六篇：《中美两条路线——通用大脑 vs. 成本屠刀》
- 下一篇预告：《从智能手机到人形机器人——中国供应链的第二次「iPhone时刻」》
参考数据来源：Tesla Q1 2026 Earnings Call；Unitree IPO招股书（2026.03）；Figure/Sourcery Brett Adcock专访（2026.04）；Presenc AI Humanoid Market Tracker（2026.05）；Tanay Jaipuria Unitree分析（2026.05）；China Tech Pulse；Electrek；Embodied Global