爱游戏体育入口:

  宇树科技表示，随公司营收基数已大幅度的提高、行业热度有所缓和及市场之间的竞争日趋激烈，上半年营业收入的同比增速亦较年度复合增长率有所下降。

  按照发行价150.80元/股，宇树科技对应发行后市值约609.93亿元，发行市盈率为219.23倍，远高于通用设备行业38倍的中等水准。国新证券分析师曾发布研报指出：这一价格买的不完全是2026年的业绩，而是市场对人形机器人远期空间（万亿级市场）的提前折现。219倍市盈率隐含的核心假设是，宇树科技需在未来数年内，以远超行业均速的增长来消化当前估值。

  在公布上半年业绩的同一天，宇树科技发布了“超人”机器人视频。该人形机器人腿长0.85米，可原地跳高2米，极限速度12.66m/s，超越人类纪录。公司表示，全新整机仅用3个多月研发出来，未来几个月还有很大完善空间。这一发布被市场解读为上市前的“技术肌肉秀”，进一步推高了市场热情。

  8月10日晚，宇树科技公告称，网上发行最终中签率为0.01809759%，即不到万分之二，大幅低于市场此前预期，成为2026年以来最难中签的科创板新股之一。横向对比来看，常规科创板新股平均中签率0.03%—0.08%，同期高价新股频准激光中签率0.0201%，均高于宇树科技。此前大热的存储新股长鑫科技中签率0.47%，宇树科技中签难度是其26倍。

  但资本市场的热度仅维持了一天，宇树科技股价就开启了连续3天暴跌。“宇树科技股价的暴跌很好理解，股价炒太高，脱离基本面。”工业与信息化部信息通信经济专家委员会委员盘和林直言：“宇树科技的发行价其实就过高了。”

  “应用没有到达预期只是表现，真正没有到达预期的，是人形机器人大脑的发展。当前，人形机器人在机械能力上已经有了不错的进步，能够奔跑、旋转、跳跃，但这些能力并不能够满足市场需求。”盘和林告诉《中国新闻周刊》，实现这些能力的成本过高，且实现了能力也并不代表有用，市场需要人形机器人具有自主能力，而自主能力需要机器人大脑的发展，但大脑发展其实是个漫长的产业高质量发展过程。

  他举例，智能驾驶是最简单的具身智能，但目前就连智驾都还没有完全适应驾驶环境，更何况面对复杂工况的人形机器人。“假如没有大脑，当前人形机器人其实在工厂中打不过工业机器人，在家庭中打不过智能家电。”

  在他看来，目前人形机器人产业有两条路径：要么降低人形机器人的成本，但不降低性能；要么增加人形机器人的自主性，这需要算力、算法和数据三个基础共同发力，预计需要很漫长的研发投入。

  “智能一直是我们很重视的方向。我自己近几年花时间最多的就是机器人AI和AI模型的训练。全世界都很担心这件事，不单是我们公司，哪怕是现在的AI大厂、大公司，也很担心自己跟不上全球AI快速进步的节奏。”王兴兴近期在接受各个媒体采访时坦言，当今全世界内值得深入思考的方向是，怎样的机器人模型，才能真正让机器人在各种场景下通用地干活。“估计也是未来几年最重要、最核心的问题。”

  为什么机器人干活时成功率偏低？王兴兴解释，最根本的缘由是AI模型的输出与真实世界匹配度不够高。这是目前全世界最大的瓶颈，一旦突破，具身智能的ChatGPT时刻也就基本到来了。“数据怎么采集、怎么训练，也需要与模型有更高的匹配度。对机器人来说，最大的问题是训练模型与真实世界的对齐程度不够。”

  在宇树科技身后，一支庞大的机器人企业上市队伍正在排队。据不完全统计，包括云深处科技、乐聚智能等企业，超20家具身智能公司已明确上市计划。此外，智元机器人、银河通用、傅利叶智能、众擎机器人、星海图、松延动力则完成了股改，其中银河通用和星海图的最新轮融资被业内视为Pre-IPO轮。魔法原子也在快马加鞭，据其联合创始人顾诗韬透露，“最快可能在2026年登陆证券交易市场”。

  国新证券分析师指出，宇树科技的上市为行业确立了估值锚点，目前头部未上市具身智能公司估值已达200亿—300亿元，宇树科技在证券交易市场的表现将成为这一些企业后续融资、IPO定价的核心参照系。

  另一方面，行业洗牌也在加速。中信建投证券机械行业首席分析师许光坦曾对《中国新闻周刊》分析，行业还在发展初期，但光靠产能规划讲故事早就不灵了。资本将更重视企业商业化能力，落在客户是否愿意买单、产品是不是有性价比、企业能否盈利等具体问题上。

  随着本轮大批企业IPO集中兑现，具身智能领域将迎来更高维度的竞争。CIC灼识董事总经理余怡然在接受各个媒体采访时直接指出：“市场投资逻辑将要求企业具备刚需场景，突破能力、商业路径清晰的企业将进一步获得资源倾斜；缺乏可验证商业闭环、纯概念型的企业，将因高额运营与硬件折旧成本面临估值回调甚至加速出清。”

  8月20日，宇树科技创始人王兴兴在公司上市次日亮相2026世界机器人大会。他坦言，“泛化能力不够”是目前全球机器人产业面临的最大瓶颈。当前机器人模型执行移动、装配物品、搬动物品等任务，整体上没问题，但只要更换操作物品或稍微改变环境，成功率就会显而易见地下降。这是因为AI模型的“输出精度”与物理世界的“执行误差”无法对齐。机器人的每次输入输出都会产生偏差和耗损，正是这种误差的积累导致机器人在最后毫秒的微调阶段，无法有效修正触觉误差，以至于任务执行失败。

  对于未来，王兴兴表达了谨慎乐观：“无论是模型结构，还是数据采集方式、数据训练方式，今年比前几年清晰了很多。大家对这件事的关注度和资源投入，也比前几年大了很多。”