随着上交所披露宇树科技科创板 IPO 上会安排，并公开更新后的招股说明书及审核意见落实函回复，这家中国具身智能赛道的代表企业再次成为市场关注焦点。尤其引人注意的是，宇树在相关文件中集中提示了多项经营与行业风险。这种较为少见的主动风险披露，也让外界更直观地看到：在人形机器人高速前进两年之后，行业正进入一个需要放慢节奏、重新校准预期的阶段。
宇树科技的风险提示：增长放缓背后，是从冲规模到补能力的转身
从监管第二轮问询内容来看，问题几乎都落在人形机器人行业最核心的难点上，包括应用场景是否真实成立、核心技术路线如何验证、数据能力是否足够、供应链管理能否支撑规模化，以及产品性价比是否被高估等。宇树的回应，既是在说明自身经营状况，也在一定程度上折射出整个行业从概念驱动走向工程兑现的现实处境。
首先显现出来的，是收入增速放缓和盈利波动压力。依托四足机器人时期积累的本体设计与运动控制优势，宇树较快切入人形机器人市场，并在前期实现了明显增长。但随着营收基数抬升、行业热度回归理性、竞争者持续增加，增速下行几乎成为必然。数据显示，公司 2025 年营收达到 16.99 亿元，而到 2026 年一季度，营收增速已回落至 68.49%。与此同时，研发、销售等费用持续提升，利润空间受到挤压，扣非净利润出现同比下滑。公司预计 2026 年上半年收入仍会增长，但扣非净利润大概率继续承受压力。
这样的变化并不算反常，反而符合新兴产业从早期爆发走向中段验证的典型路径。此前不少机器人企业的增长，在相当程度上受益于科研教育、开发平台和展示类需求带来的阶段性红利。如今，这部分需求的边际拉动正在减弱，而真正决定行业高度的工业、服务等实际应用场景，还需要更长时间去验证其稳定性与经济性。如果下游落地速度不及预期，或者产品迭代跟不上市场节奏，收入增长仍可能继续承压。与此同时，募投项目推进效率、成本控制能力以及量产爬坡进展，也都会直接影响毛利率表现。
其次，是行业竞争加速下的领先优势稀释。宇树在回复中并未回避这一点。比如，特斯拉 Optimus Gen-3 已进入小批量试产阶段，未来无论是产能扩张、供应链整合还是 AI 能力迁移，都可能形成正面冲击。国内方面，整车厂、消费电子公司等跨界玩家也在加速进入人形机器人领域，这些企业往往拥有更雄厚的资金实力，同时在制造体系、渠道资源和产业协同方面具备天然优势。再加上机器人租赁等短期需求热度回落，压力也可能向上游传导，引发更直接的价格竞争，进而考验整个行业的溢价能力。
第三，是研发方向调整所伴随的不确定性。过去宇树的研发重点更偏向机器人本体与运动控制，也就是机械结构和“小脑”能力建设；而在具身大模型等更偏“机器人大脑”的方向上，投入相对审慎，真实场景数据采集和大规模训练也尚未全面铺开。随着公司计划在 2025 年下半年推出自研通用 WMA 模型和 VLA 模型，其研发重心显然正在向更高层的智能能力延伸。但问题在于，这类投入周期更长、回报更难短期验证，如果效果不及预期，未来竞争力就可能受到影响。这也解释了为何公司今年一季度费用增长明显，本质上是在为下一阶段的能力建设提前支付成本。
最后，是技术与人才层面的长期风险。资料显示，截至 2026 年 1 月 31 日，公司拥有境内外专利 262 项，但其中国内发明专利仅 20 项，整体专利护城河仍谈不上足够厚实。在竞争不断升温的背景下，知识产权保护、核心技术泄露以及关键人才流失等问题，都可能成为未来发展的隐忧。
需要看到的是，这些风险披露并不意味着企业主动看空自己，更像是在给市场提供一份更接近现实的行业画像。它反映的不是单一公司的短期波动，而是具身智能从资本热情进入工程兑现阶段后，必须面对的共性约束。
宇树所面对的，不只是公司问题，也是整个人形机器人行业的共同难题
如果把宇树的问询回复放到更大的产业背景中去看，就会发现，它暴露出的许多问题并非个例，而是当前人形机器人赛道普遍存在的挑战。
首先，商业化与产业化之间依然隔着明显距离。过去两年，人形机器人关注度迅速升温，但真正能够持续形成稳定规模收入的应用场景并不多。从目前公开信息看，包括宇树在内，不少企业的客户仍主要集中在高校、科研机构、开发者平台以及带有展示属性的应用场景。这意味着，当前大量机器人产品的销售，本质上仍在满足研究、开发和测试需求，而非已经大规模进入成熟生产体系。换句话说，行业现在更多卖出的是实验平台，而不是被广泛验证过的通用生产工具。
这并不是某个国家单独面临的问题，而是全球人形机器人行业共同处在的阶段。即便是最受关注的 Optimus，目前也仍停留在小批量试产阶段。放眼海外，许多明星公司同样尚未真正完成大规模工业落地。
原因并不复杂。人形机器人真正困难的，从来不是完成一段演示，而是在真实环境中长时间、稳定、低故障率地执行复杂任务。比如在工厂连续作业 8 小时以上，适应不断变化的工作环境，处理非结构化任务，同时兼顾维护成本和可靠性。这背后考验的不仅是硬件性能，更依赖长期训练、场景数据积累以及软硬件系统之间的高效配合。
这也引出了行业的第二个核心瓶颈：数据。大模型行业已经形成共识，数据的质量与规模决定了智能系统的上限。但人形机器人所需要的数据，与互联网 AI 所依赖的文本、图像数据完全不同。它需要的是机器人与真实物理世界交互过程中产生的数据，例如抓取、搬运、避障、平衡控制、空间关系判断等能力，都必须在真实场景中反复训练和修正，才能逐渐形成。
问题在于，这类数据极其昂贵。与互联网大模型相比，人形机器人的“数据工厂”建设难度更高，因为它不仅需要机器人本体，还需要部署环境、传感器系统、训练空间、稳定运行条件以及持续调试能力。也正因如此，谁能更早建立大规模、可持续的数据闭环，谁才更有机会在未来形成真正的具身智能壁垒。
第三个挑战，是竞争层级正在快速抬升。过去人形机器人赛道的较量，更多发生在创业公司之间；而现在，车企、消费电子厂商、互联网平台，甚至家电企业都在加速布局。它们带来的竞争压力，不只是资本投入更多，而是背后站着更完整的工业体系。
例如，车企在制造流程、供应链管理、自动化工厂建设以及大规模量产方面经验深厚；消费电子企业则在硬件集成、渠道覆盖与成本控制上更具优势。这意味着，未来人形机器人行业的竞争，未必只是某一项技术指标的比拼，而更可能演变为系统化工业能力之间的综合较量。
挑战之中仍有窗口：中国制造能力与开源生态正形成独特支点
不过，问题变得清晰，并不等于前景转弱。相反，宇树此次较为充分的风险提示，恰恰说明行业正从只强调想象空间，转向更重视投入产出和落地效率。通常只有当产业开始真正面对现实，它才有可能走向更成熟的发展阶段。对于中国企业来说，这种压力的另一面，也意味着新的结构性机会正在出现。
一方面，中国具备较完整的工业零部件供应链体系，以及较强的敏捷制造和协同能力，能够更快把实验室成果转化为工程化产品，加速软硬件一体化落地。另一方面，随着越来越多企业推动算法、软件栈和开发工具开源，中国也在依托庞大的开发者群体，逐步形成围绕真实机器人部署的具身智能开源生态。这种“开源软件生态 + 垂直硬件整合”的组合，有望显著提升产品迭代效率。
从行业时间窗口看，2026 年至 2028 年普遍被认为是中国人形机器人走向规模化应用的重要阶段。工业物流、智能制造等场景有望率先取得突破，而 RaaS，也就是“机器人即服务”模式，则可能帮助企业降低初始使用门槛。随着具身大模型不断成熟、数据飞轮逐步建立，机器人的通用能力也有望继续提升。届时，中国企业不仅有机会输出硬件产品，也可能在算法平台和行业解决方案层面形成更强影响力。
写在最后
从宇树科技最新披露的招股书和 IPO 问询回复来看，中国人形机器人产业正经历一次从高热度走向高难度的切换。增速回落、利润承压、“大脑”能力仍待加强、真实数据稀缺、竞争快速升级，这些都不是某一家企业的独有问题，而是整个行业走向真正产业化必须跨过的阶段。短期内，具身智能赛道确实需要先缓一缓、稳一稳；但从长期看，完整制造体系、持续完善的 AI 基础设施以及强大的供应链能力，仍然让中国具身智能产业保有可观的上升空间。
