宇树科技正在成为近期 A 股市场最受关注的科技公司之一。

10 月 26 日，宇树科技（688836.SH）股价继续大涨，早盘一度上涨超过 9%，最高触及 682 元/股。截至午间收盘，股价报 674.01 元，总市值达到 2726 亿元。此前的 10 月 23 日，宇树科技刚刚录得 20% 涨停。自 10 月 16 日以来，七个交易日累计涨幅超过 60%。

市场热情背后，是人形机器人技术进步预期的不断升温。10 月 21 日，宇树科技发布 H2-X 人形机器人，展示了高台跳跃、前滚翻等复杂动作。次日，宇树创始人王兴兴在世界物理 AI 大会上表示，随着大模型能力持续提升，物理 AI 已经出现取得关键突破的苗头。

就在宇树股价持续上涨之际，野村证券于 10 月 25 日发布最新全球机器人研报，提出了一个看似反直觉的判断：随着机器人运动控制算法越来越容易训练，真正决定行业竞争格局的，可能不再是运动软件，而是硬件一致性和规模化制造能力。

这一判断来自加州大学伯克利分校最新发表的 SuperMimic 研究。该技术使人形机器人全身运动控制器的训练计算量下降超过 1,000 倍。过去需要 128 块 GPU 连续运行一周才能完成的任务，如今仅需一块 H100 GPU、三小时训练，就能取得更好的基准测试成绩。

研究团队还将这一控制器部署在真实的宇树 G1 人形机器人上，成功完成包括侧滚翻、空翻在内的复杂动作。

这意味着，过去需要庞大算力投入才能获得的机器人运动能力，正在变得越来越廉价。

不过，野村认为，这未必意味着领先机器人企业的竞争优势将随之消失。相反，当更多企业能够训练出优秀的运动控制算法，另一种能力可能变得更加稀缺：能否以足够低的成本，批量制造出性能稳定、硬件参数高度一致的人形机器人。

根据野村的行业调研，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，仍然是难以迅速复制的竞争壁垒。

对于近期股价持续走强的宇树而言，野村这份研报提供了一个值得关注的投资视角：机器人行业的下一阶段竞争，可能不再是谁能让机器人做出最复杂的动作，而是谁能把这些动作稳定地复制到成千上万台低成本产品上。

一块 GPU 顶过去一个集群，机器人训练成本下降千倍

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》。该论文已被机器人学习会议 CoRL 2026 接收，作者包括知名机器人学者 Pieter Abbeel 和 Koushil Sreenath。

研究聚焦于人形机器人领域的一个核心难题：如何让机器人掌握大量不同的身体动作，同时避免训练成本随着动作数量增加而急剧上升。

传统人形机器人运动控制训练通常依赖强化学习。研究人员首先在物理模拟器中建立机器人模型，再让机器人反复尝试不同动作，通过大量试错逐渐学会行走、奔跑、跳舞及空翻。

这种方法虽然有效，但需要消耗大量计算资源。随着训练动作数量增加，模拟器需要执行更多运算，训练成本随之上升。

以现有运动控制系统 SONIC 为例，其训练过程使用了 128 块 GPU，持续约七天，总计消耗约 21,000 GPU 小时。

SuperMimic 则改变了机器人的训练方式。

研究人员不再让机器人完全依赖物理模拟器进行反复试错，而是首先训练一个描述机器人自身物理运动规律的模型，再让运动控制器在这个模型内部进行学习。

这一模型能够预测机器人采取不同动作后，身体会如何运动，因此可以替代大量传统物理模拟过程。

实验结果显示，SuperMimic 在单块 H100 GPU 上训练三小时后，其运动跟踪表现便超过了 SONIC 已发布的模型。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 的失败数量达到 179 个。进一步使用两块 GPU 训练 9.8 小时后，SuperMimic 在这一测试集上的失败数量降至零。

这意味着，相比过去需要数万 GPU 小时的训练流程，新方法仅需数个至数十个 GPU 小时，就能获得具有竞争力的运动控制效果。

野村认为，这是迄今为止最清晰的证据之一，表明人形机器人全身运动控制的训练正在变得廉价。更重要的是，这项技术已经从模拟环境进入真实机器人。

研究团队将训练完成的控制器部署到了宇树 G1 人形机器人上，成功实现侧滚翻、360 度空翻等复杂动作。这说明，通过新方法在模拟环境中训练的运动控制策略，至少在实验所展示的动作范围内，能够迁移到真实硬件上运行。

对于机器人行业而言，这种效率提升可能改变运动控制技术的开发门槛。过去只有拥有大量 GPU 资源和专业算法团队的企业才能承担的训练任务，未来可能被更多规模较小的团队完成。

为什么训练效率能提高千倍？

SuperMimic 的关键突破，并不是增加训练数据，而是改变机器人学习动作的方式。

野村指出，由于人形机器人执行不同动作时，使用的是同一套身体结构，因此不必针对每一个动作都重新学习完整的物理规律。

研究团队利用这一特点，建立了一个可供大量动作共享的机器人身体模型。无论机器人是在行走、跳舞还是翻滚，控制器都可以在这个模型内部学习如何调整关节，从而减少对传统物理模拟的依赖。根据论文，SuperMimic 的效率提升主要来自三个方面。

首先是运行速度。在典型批量规模下，习得的世界模型运行速度比传统物理模拟器快超过 10 倍；在最大测试批量规模下，速度提升最高达到 62 倍。

其次是训练方式。传统强化学习依赖大量随机试错，机器人需要不断尝试不同动作，再根据反馈调整控制策略。

SuperMimic 使用的世界模型具有可微分特性，可以为控制器提供更加直接的梯度信息，帮助其判断应当如何调整动作，而不必完全依赖随机探索。仅这一改变，就将所需训练步数降低了约 64 倍。

最后是规模扩展能力。当训练动作数据从 1 小时增加到 264 小时时，世界模型的预测误差仍保持相对稳定。这意味着，即使机器人需要掌握的动作越来越多，训练计算量也不必同比例增加。

三种效率改进叠加，使 SuperMimic 实现了超过 1,000 倍的 GPU 小时降幅。

不过，野村也强调，SuperMimic 和 SONIC 的训练条件并不完全一致。前者使用的动作数据量少约 2.3 倍，同时采用了更新型号的 GPU，因此不能将全部算力差距简单归因于算法改进。论文作者认为，这些因素仍不足以解释如此巨大的计算效率差异。

此外，SuperMimic 也并不意味着人形机器人已经具备了通用智能。

目前研究主要覆盖平地上的身体动作，不涉及复杂地形或物体操作。世界模型完全使用模拟器数据进行训练，而非真实世界中的物理交互数据。

大规模基准测试中的动作也属于训练动作，因此测试集上的零失败，并不代表机器人已经能够应对所有未知动作和复杂环境。

野村将其定义为机器人「小脑」层面的进展，即负责身体运动与平衡的控制能力取得突破，而不是负责复杂任务理解、规划和推理的「大脑」，也不是负责精细操作的「双手」。

换句话说，SuperMimic 大幅降低的是让机器人学会运动的计算成本，而不是解决了机器人自主完成实际工作所需的全部技术问题。

野村：宇树的真正优势，可能不再是运动算法

相比 SuperMimic 本身的技术突破，野村更关注其对机器人产业竞争格局的影响。

过去，运动控制算法是人形机器人厂商的重要竞争壁垒。能够让机器人稳定行走、跳跃、奔跑甚至完成高难度特技动作，往往需要长期算法研发、大规模计算资源和反复的工程调试。

但 SuperMimic 表明，这一壁垒可能正在降低。如果过去需要庞大 GPU 集群才能完成的运动控制训练，如今可以通过一块 GPU 实现，那么越来越多企业就有机会获得性能较高的运动控制系统。

根据野村的行业调研，中国已有约 300 家企业能够交付某项关键运动控制功能。报告认为，宇树在硬件与运动控制领域一至两年的领先优势可能正在收窄，而 SuperMimic 等技术进展将进一步降低运动算法的开发门槛。

不过，野村并未因此认为宇树将失去竞争优势。恰恰相反，随着运动控制软件逐渐变得容易获得，宇树在硬件制造方面的积累可能变得更加重要。

问题在于，一套算法能够让一台机器人完成复杂动作，并不意味着它能够在上千台机器人上稳定运行。人形机器人通常拥有二十多个关节，每个关节都涉及执行器、传动结构、传感器以及精确的运动学标定。即使两台机器人采用完全相同的设计，实际生产过程中也可能存在细微差异。

例如，不同设备的关节零点、尺寸公差和传动性能可能有所不同。当这些误差分布在二十多个关节上时，整台机器人的运动表现就可能出现偏差。

野村指出，SuperMimic 在模拟环境中使用的机器人模型，其关节标定偏差仅为 ±0.01 弧度。这种对硬件参数一致性的要求，凸显了机器人从实验室走向规模化制造时面临的挑战。假设一家企业开发出能够让机器人完成空翻的优秀控制器，但由于批量生产的机器人之间存在硬件差异，这套控制器只能稳定运行在少数几台设备上，那么企业仍需要投入大量时间进行逐台标定、调试甚至重新训练。

在这种情况下，即使算法本身的训练成本大幅下降，硬件不一致带来的部署与维护成本仍然可能很高。野村认为，能够解决这一问题的关键，是长期积累的硬件设计、供应链管理、质量控制和规模化制造经验。这些能力很难通过购买 GPU 或复现一篇论文，在短时间内获得。这也是野村认为宇树相对于部分自建硬件的机器人模型公司，仍然具有竞争优势的重要原因。

随着运动软件训练成本不断下降，机器人行业的竞争可能从过去的算法能力，逐渐转向硬件精度、产品一致性、成本控制以及规模化交付。

执行器占成本最高 75%，谁将受益？

硬件一致性的重要性，也意味着机器人产业链的价值分配可能发生变化。

野村估算，执行器约占人形机器人零部件成本的 50% 至 75%，是整机硬件成本的重要组成部分。执行器负责将控制指令转化为实际的关节运动，其精度、响应速度、稳定性和制造一致性，直接影响机器人执行复杂动作的能力。

随着运动控制算法越来越容易获得，整机厂商之间的软件能力差异可能缩小，而执行器等核心硬件的制造质量与成本优势可能更加突出。

这意味着，具备高精度执行器制造能力、稳定供应链和严格质量控制体系的零部件企业，可能成为机器人行业发展的重要受益者。

对整机企业而言，未来竞争的关键也可能不再是单台机器人能否完成某项高难度动作，而是能否在控制成本的同时，让大批量产品保持一致的性能。

野村由此认为，未来具备高水平硬件一致性控制能力的机器人公司及关键供应商，可能比单纯依靠运动控制软件的企业更有优势。

对于宇树而言，这一判断具有重要意义。随着运动算法开发成本不断下降，宇树过去依靠运动控制能力建立的领先地位，可能面临更多竞争者的追赶。但其在硬件设计、成本控制与规模化制造方面的积累，也可能成为下一阶段更难被复制的竞争壁垒。

需要注意的是，SuperMimic 证明了特定全身运动控制任务的训练计算效率可以大幅提高，并不意味着机器人运动软件会立即完全标准化。真实环境部署、系统集成、安全控制及产品可靠性仍需要持续的工程投入。

因此，野村的判断更接近对未来竞争方向的推演，而不是认为运动控制软件已经失去商业价值。

股价 7 天涨超 60%，宇树接下来需要证明什么？

回到资本市场，宇树近期的股价表现显示，投资者正在重新评估人形机器人行业的技术进展与商业化前景。

10 月 21 日，宇树发布 H2-X 人形机器人，展示更加复杂的动态运动能力。10 月 22 日，王兴兴在世界物理 AI 大会上表达了对物理 AI 技术突破的积极预期。

随后，宇树在 10 月 23 日录得 20% 涨停，10 月 26 日早盘继续上涨超过 9%。截至午间收盘，总市值已达到 2726 亿元。

但值得注意的是，机器人运动控制技术进步，并不必然意味着整机厂商的盈利能力同步提高。SuperMimic 所揭示的效率提升，可能让更多公司以较低成本进入运动控制领域，进而提高市场竞争强度。只有能够将技术优势转化为产品性能、成本优势以及规模化交付能力的企业，才有机会进一步建立可持续的商业壁垒。

对于近期股价快速上涨的宇树而言，这种区分尤其重要。

10 月 20 日晚间，宇树曾发布股票交易异常波动公告。公司表示，截至当日，其滚动市盈率达到 388.25 倍，显著高于所属通用设备制造业 39.51 倍的平均水平。

公司同时提示，人形机器人行业仍处于商业化早期，技术成熟度、下游需求以及产业链配套能力均存在不确定性。如果行业大规模商业化落地进度不及预期，未来营收增长及业绩释放可能受到影响。

因此，从投资角度来看，SuperMimic 所代表的技术变化至少提出了两个需要持续观察的问题。

首先，当人形机器人运动控制技术的训练成本不断下降，领先企业能否继续保持差异化优势？

其次，当越来越多企业掌握复杂运动能力，哪些厂商能够依靠硬件一致性、供应链和量产经验，将技术能力转化为稳定的商业回报？

野村给出的答案更倾向于后者。

当机器人学会行走、跳跃甚至空翻变得越来越便宜，真正难以复制的，可能不再是某一套运动控制算法，而是把这些能力稳定地装进成千上万台机器人之中的制造体系。

对于宇树而言，这可能正是其下一阶段最值得关注的竞争优势，也将是市场高估值需要持续验证的核心问题。