宇树暴涨 60% 背后：野村预警机器人护城河正从算法转向制造

据 Woofun AI 消息， () 近期股价剧烈波动引发市场高度关注，最新研报揭示行业底层逻辑正在发生根本性逆转，人形机器人的核心护城河正从算法研发向硬件制造能力迁移。

10 月 26 日，宇树科技早盘股价一度上涨超过 9%，最高触及 682 元/股，午间收盘报 674.01 元，总市值攀升至 2726 亿元。此前 10 月 23 日该股录得 20% 涨停，自 10 月 16 日以来七个交易日累计涨幅超过 60%。市场热情源于技术进步预期：10 月 21 日，宇树发布 人形机器人，展示高台跳跃等复杂动作；次日，创始人在世界物理 AI 大会上表示物理 AI 已出现关键突破苗头。

然而，就在股价持续走高之际，野村证券于 10 月 25 日发布全球机器人研报，提出反直觉判断：随着运动控制算法训练门槛降低，决定行业格局的将不再是软件，而是硬件一致性与规模化制造能力。

这一判断基于加州大学伯克利分校发表的 研究，该技术使人形机器人全身运动控制器训练计算量下降超过 1,000 倍。过去需 128 块 GPU 连续运行一周的任务，如今仅需一块 H100 GPU、三小时训练即可取得更优基准测试成绩。研究团队将该控制器部署在真实的宇树 人形机器人上，成功完成侧滚翻、空翻等复杂动作。

这意味着，曾经依赖庞大算力投入才能获得的机器人运动能力，正变得日益廉价且易于获取。

野村认为，这并不意味着领先企业的竞争优势消失，反而凸显了另一种稀缺能力：以低成本批量制造性能稳定、硬件参数高度一致的人形机器人。根据行业调研，中国已有约 300 家企业能够交付某项关键运动控制功能。宇树过去在硬件和运动控制方面领先行业一至两年的优势可能正在收窄，但其在硬件成本、供应链以及量产经验方面的积累，仍是难以迅速复制的竞争壁垒。

10 月 20 日，加州大学伯克利分校研究团队发布论文《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》，该论文已被 CoRL 2026 接收，作者包括知名机器人学者 Pieter Abbeel 和 Koushil Sreenath。研究聚焦人形机器人核心难题：如何让机器人掌握大量不同身体动作，同时避免训练成本随动作数量增加而急剧上升。传统方法依赖强化学习，在物理模拟器中建立模型并让机器人反复试错，虽有效但消耗大量计算资源，且随着动作数量增加，模拟器运算量随之上升。

以现有运动控制系统 为例，其训练过程使用 128 块 GPU，持续约七天，总计消耗约 21,000 GPU 小时。SuperMimic 则改变训练方式，不再完全依赖物理模拟器反复试错，而是先训练描述机器人自身物理运动规律的模型，再让运动控制器在该模型内部学习。该模型能预测机器人采取不同动作后的身体运动状态，从而替代大量传统物理模拟过程。实验显示，SuperMimic 在单块 H100 GPU 上训练三小时后，运动跟踪表现便超过 SONIC 已发布模型。在包含 129,514 个动作的基准测试中，SuperMimic 仅有 25 个动作失败，而 SONIC 失败数量达 179 个。进一步使用两块 GPU 训练 9.8 小时后，SuperMimic 失败数量降至零。