英偉達「幫」宇樹估值重回2000億

商湯SenseNova及其聯合研究團隊將其部署到8個真實機器人平臺，覆蓋五類不同形態，且沒有向GPT-6-Astra提供任何示範。模型只獲得了人類編寫的結構化信息，包括機器人接口、關節限制、攝像頭位置、安全約束，以及部分平臺上的操作提示。在這些條件下，同一個GPT-6-Astra確實能夠控制不同形態的機器人完成剛性物體抓取與放置任務：18次測試成功了17次。在宇樹G1上，GPT-6-Astra通過底層控制接口，完成了3次機械臂操作中的2次，以及全部3次轉身、行走和停止任務。

王興興曾在8月份的WRC（世界機器人大會）上強調「泛化」，希望把技術做到泛化能力更好的情況再進行推廣。從這次測試中可以看到，GPT-6在多形態多平臺的機器人上的適應性已經完全超過了兩個月前的水平。

但僅僅抓放、行走還不足以讓機器人投身真正的實際生活。這次的報告判斷：GPT-6-Astra已經在很大程度上跨過了具身能力的門檻，但距離能夠實用部署的具身智能仍有相當差距。盡管實際應用中還有或大或小的問題，但這一次測試證明了具身智能不再只是講故事的背景板，而是實打實地讓具身智能這個概念落地。

王興興在WRC上還說，「目前全世界具身智能的最大的瓶頸就是AI模型的輸入和輸出跟機器人對齊程度不夠。能執行你的任務，但是最後幾毫米的偏差他沒辦法很好地跟真實世界匹配」這是迄今爲止語言大模型還需要去解決的部分。

「就是我要去拿這個東西的時候，我看到已經快要拿住了，最後一點點觸覺它沒辦法很好的去修正它」

「因爲語言模型大家知道，一個文字，你輸入的是什麼輸出的是什麼，他是嚴格限制在向量空間裏面。他基本上不會有大的偏差。而且它的輸入、輸出沒有大的損失。但對於機器人來說，每次的輸入輸出他都有偏差和損失」王興興對此認爲未來幾年一定能夠解決。

與此同時，專門訓練的機器人基礎模型應運而生。

具身智能的ChatGPT時刻

10月20日，DreamZero團隊創立的Dream Labs完成了9000萬美元種子輪融資，同時上線Dream API：全球首個開放給公衆的機器人大腦API。開發者注冊後把機器人接上API就能用。模型部署在全球多個數據中心，機器人在哪裏都能快速響應。價格方面，除了每小時3美元的Dream-1，還有更快更輕的Dream-1-flash，每小時2美元。

但Dream Labs不僅要讓「每個人都能用」，還要「讓每個機器都能用」。Dream-1也的確具備這樣的能力。這是在訓練時與生俱來的能力。它的訓練不靠文字或部署在某個機器上面，而是從人們或機器完成任務的視頻中來訓練。模型同時學習預測視頻和動作，所以「控制一臺機器人」和「想象這臺機器人接下來會做什麼」變成了同一個問題。這是物理AI模型的優勢。因此完成任務的機器對Dream-1來說只是一個「物體」，所有「物體」的動作都是爲了完成指令的一種表示，語言模型那種具體在一臺機器上的具體指令對它來說並不重要，也就從源頭上消除了反復輸入指令的問題。

拿疊衣服舉例，GPT-6控制下的機器人，需要增加深度信息後才能疊毛巾、桌布這類參數一致的柔性物體，但完整的疊衣服任務始終做不了——完全不同的布料、形狀、褶皺、重心變化，對語言模型來說太難精確判斷。Dream-1已經能完成疊衣服的指令，官網把折疊類家務列爲主打能力之一，真機零樣本就能完成疊毛巾。這也能看出視頻訓練與語言指令對模型理解結果的影響。

在獨立第三方評測機構Robocurve發布的RoboDojo-RC Tier 1評測中，Dream-1每次任務嘗試的平均得分達到59%，是第一個超過50%的模型，高於Claude Opus 5.5（48%）、Gemini 4 Argon（48%）、GPT-6 Astra（47%）、GPT-6.1 Sol（42%）等最新大模型，也高於MolmoAct2（19%）和GR00T N1.7（10%）等機器人模型。

除了得分，Dream-1還更便宜、更快：每次任務嘗試的成本約0.15美元，和得分次高的Gemini 4 Argon相比，得分高1.2倍，成本卻低約16倍。平均用時1.4分鍾，和最快的大模型GPT-6 Astra（ultrafast）相比，得分高1.3倍，速度快1.7倍。每個模型配置都在真實世界中測試了120次。

這並不意味着Dream-1是一個完全成熟的機器人模型。模型只決定夾爪最終到哪裏，不控制手臂怎麼到達，在障礙物附近或關節極限處可能出問題；面對和已見過的機器人差別很大的本體，可能預測出不可行的動作；而且，零樣本和一次適配之間仍有差距。Dream Lab聯合創始人兼CTO葛雲皓表示：「縮小這個差距是我們的主要目標之一。零樣本越強，任何一臺新機器人就越接近開箱即用」。

無論如何，如同葛雲皓說的那樣，「就像ChatGPT第一次面向公衆發布那樣，機器人也終於迎來了第一個開放給公衆的通用大腦API。它可能還不完美，但總有人需要邁出第一步」

宇樹：兩次都在現場

兩次實驗中，宇樹機器人的G1和R1分別在場。這不是巧合。宇樹機器人家喻戶曉，但兩次實驗爲什麼都使用了宇樹，它和其他的機器人差在哪裏？

從產業穩定性來看，宇樹2026年上半年營收11.52億元，同比增長48.54%；歸母淨利潤2.74億元。這個盈利數字放在整個行業裏看，格外突出。同期，優必選上半年虧3.39億元，上市以來累計虧損超過35億元；智元2025年全年虧8354萬元，營收10.5億元。真的把機器做出來、賣出去、還賺到錢的，只有宇樹一家。

跟其他的機器人相比，宇樹還具有極大的價格優勢。弗若斯特沙利文的數據顯示，2026年上半年全球人形機器人收入排名中宇樹排第三，市場份額15.3%。這個數據看似和上文矛盾，實則不然。收入更高的企業，銷量更少，這並不矛盾。宇樹G1定價9.9萬起，是行業裏最便宜的全尺寸人形之一；其他廠商工業級人形機器人單價普遍在20萬到50萬元區間。由此可以看出，同品類的機器人，拋開所有營收數據，宇樹也是流通最廣、價格更低，短期內商業化潛力更大的選擇。

一旦具身大腦真正落地，宇樹一定身體硬件的是第一選擇之一。

具身智能的拐點，第一次這麼近

回到市值上漲，爲什麼宇樹受到的影響如此之大，二級市場投的是什麼？

宇樹出貨量一直很高，這並不是影響宇樹漲價的因素。在ChatGPT-6發布的時候，摩根大通依然給了「減持」評級，理由很直接：估值過高，透支預期。這也證明此前一直沒有一個讓市場信服的「大腦」，那麼機器人就只是一個形狀或多或少像人的工具，而非具身智能。

但宇樹市值回到2000億的那天，GPT-6和Dream-1在同一個月裏，從兩個不同的方向，給出了同一個結果：大模型已經發展到不靠機器人數據，也能控制機器人幹活。

當所有機器人都能接上同一個大腦的時候，誰的硬件在市面上流通量最大，誰就會成爲默認的測試平臺、默認的數據來源、默認的落地方案。宇樹1.8萬臺的累計出貨量，9.9萬起的單機價格，唯一盈利的財務狀況，成了它搶佔生態位的護城河。這將宇樹的地位從被調侃的機器人玩具一下拔高成爲了具身智能穩定的載體。