机器人会翻跟头，却拧不开一个瓶盖

2026年上半年，全球人形机器人出货接近2.5万台，同比暴涨432%，其中七成多来自中国。可在同一个时间窗口里，把它们放进工厂、放进厨房的尝试，大多撑不过几分钟。会翻跟头的机器人和能干活的机器人之间，隔着的不是更强的电机，也不是更软的手指，而是一本根本不存在的「教材」。本文从宇树科技60%的毛利率、特斯拉Optimus的灵巧手和那本缺失的教科书说起，拆一拆人形机器人真正的瓶颈在哪，钱还能从哪赚。

🤸 本体已经卷疯，落地撑不过几分钟

本体的摩尔定律已经跑起来了，只是脑子没上同一班车。

这两年人形机器人的「表演履历」越拉越长：上春晚跳舞、发布会后空翻、卖萌握手样样精通。过去两年，人形机器人的本体是真的跑上了量产线。据IDC统计，2026年上半年全球出货接近2.5万台，同比增长432%，其中七成多来自中国。

价格曲线比出货曲线更陡。据厂商公开信息，宇树科技的双足机器人R1从3.99万元降到2.99万元，松延动力的「小布米」直接卖到9998元——双足机器人第一次被拉进万元以内。

身体越来越像样，脑子却没跟上。把它放进工厂、放进厨房，大多数时候撑不过几分钟，连「拧瓶盖」都做不稳妥、踏实。

原因行业里已经说得越来越清楚：没有人给它们编过教材，互联网上也找不到现成的。

这个循环里，前四步都在加速，唯独「教材」这一环是空的。出货量只是入场券，真正的分水岭在数据。

💰 60%的毛利率，撞上价格为王的下半场

宇树赚走的每一分毛利，都是同行未来的降价空间。

2025年，宇树科技营业收入16.99亿元，营业成本6.72亿元，毛利10.27亿元，综合毛利率60.44%。同一年的横向对比：优必选毛利率37.67%，越疆46.49%，云深处52.83%，乐聚智能40.78%，四家平均44.44%。宇树比平均数高出16个百分点——按16.99亿元的收入算，这16个百分点约等于2.72亿元毛利，和宇树全年2.78亿元的净利润几乎相当。

拆开产品线看，60.44%由三类产品撑起：

其中人形机器人贡献了5.48亿元毛利，占主营业务毛利的54.40%。

更有意思的是销量和均价的剪刀差：2023年宇树只卖出5台人形机器人，均价59.34万元；2024年卖出412台，均价26.04万元；2025年卖出5215台，均价16.64万元。两年间销量多了5210台，均价降了约72%，但综合毛利率反而从44.22%一路涨到56.74%、再到60.13%——这是规模换来的供应链话语权。

看价格表更直观：H1起售价49.98万元，H2为19.9万元，G1为8.5万元，R1为3.99万元，R1 Air为2.99万元。主力产品从高价全尺寸机型切换到量产中型机型，人形毛利率随之从87.67%回落到63.18%。

有从业者私下调侃：现在大家卖的是身体，赌的是脑子。价格战才刚开打，60%的毛利率守不住，也不必守——真正的赌注是下一阶段从「卖身体」切换到「卖能力」，而能力，来自数据。

✋ 拧不开瓶盖之前，先看擎天柱的手

灵巧手，可能是全行业单价最高的几个自由度。

当地时间10月21日，在特斯拉2026年第三季度财报电话会上，Optimus工程负责人仍将灵巧手列为最具挑战的硬件部位之一。马斯克点出了其中的矛盾：手指要足够柔软，能拿起易损物品，又要经得起反复使用的磨损，里面的传感器还不能因此受损。柔软、耐磨、传感精度，三个要求互相打架。

拿一个最日常的场景来拆：让机器人拾起桌上的眼镜，调好方向，再递给面前的人。

镜架贴着桌面，手指要找到能进入的缝隙；旁边放着一本书，可接近的位置又少了一截。机器人终于捏住一侧镜腿，把眼镜拿起来——刚才好用的抓点，可能正挡住接收者的手，为了给对方留出接手位置，它得先换一个抓点。拇指能到哪里，决定了可选抓点：绕到食指对面可以捏住细镜腿，移向镜框又可能接替另一根手指承托。两根指尖碰得上还不够，接触面的朝向也要对——若只能斜着擦过镜腿，稍一施力就可能把眼镜推走。

Shadow与Google DeepMind合作开发的DEX-EE只用三根手指形成围合抓握，服务于灵巧操作研究。五指构型能提供更多接触和接替支撑的选择，更接近人手使用工具时的抓法，但手指数量之外，各指能伸到哪里、能否分别动作，才决定这些选择能不能用上。

判断很直接：灵巧手不是孤立硬件，而是结构、传感、控制三位一体的系统工程。拧瓶盖失败，一半责任在手，另一半在没人教——而「没人教」这部分，才是更深的坑。

📖 互联网上没有那本教材

大模型踩在人类三千年的文本上起跳，机器人脚下是一片空地。

先说一个对比。大语言模型是幸运的：它出生的时候，互联网上已经躺着人类攒了几千年的文本。据OpenAI披露，GPT-3训练前的原始语料约45TB——这些「教科书」是现成的，摆在那里，谁都能拿去喂给模型。

机器人没有这种好运。它要面对物理世界，而物理世界从来没有留下一本现成的教科书。

拿「拧瓶盖」举例。对一个成年人，这是凭直觉就能完成的动作。可在它能被写进教材之前，得先被拆成：瓶盖的材质、螺纹的摩擦力、手腕该施加多大的力、旋转的角度，以及打滑之后怎么补救。少一样，动作就会失败。

你可以自己试一次：把这些变量逐条写下来，你会发现你根本说不清自己用了多大的力。这些变量，互联网这个「大模型粮仓」从来没有储存过——它存的是文字和图片，不是力度、触感、扭矩那些只能靠身体去感受的东西。

这就决定了具身智能的数据没法像文本一样「白嫖」——必须自己下场，一台一台机器人去采。

🧭 数据搬不动，老办法还灵吗

互联网数据的经济学是复制，具身数据的经济学是采集。

过去那套给数据确权、定价、记账的办法，建立在一个隐含前提上：数据是可复制、可搬运的。爬下来的语料，放进任何一个数据中心都能训练，确权之后交易、定价之后流转，逻辑都通。

具身数据不一样。它绑定特定本体、特定场景、特定力控参数——换一台机器人、换一个厨房，同一批数据未必还能用。「搬不动」，意味着这套数据的产权形态和交易形态都要被重新想象。

这也是价格战的另一层逻辑：本体出货量就是数据入口。谁部署出去的机器越多，谁的「教材」积累得越厚。宇树把人形均价两年打到16.64万元，某种程度上相当于在给数据采集车队发补贴——卖硬件是表，收数据是里。真机遥操作数据贵且稀缺，仿真合成数据又隔着一层现实差距，行业目前的共识正在从「先卖货」转向「边卖货、边采数据、边养模型」。

可以预判的是，具身数据的记账单位会变：不再按「份」计，而是按工时、按任务成功率、按场景覆盖度计。谁先把这套新记账法跑通，谁就握住了下半场的定价权。

小结

回到开头那件反直觉的事：机器人翻跟头，靠的是本体工程两年红利；拧不开瓶盖，暴露的是整条数据供应链的空白。出货曲线已经证明身体可以规模化——2.5万台、432%的增速、万元级定价；下一步看谁先把那本「教材」编出来，无论是靠真机采集、仿真合成还是遥操作众包。本体的价格战只是上半场，数据战才刚开哨。而那一枪，大概率不是在发布会打响的，是在某个工厂车间里、一次一次失败的抓取中打响的。