锦秋基金被投企业宇树科技IPO：回看六个瞬间，走向新的十年

2025 年，锦秋与宇树，在具身行业新的起点上

2025 年，锦秋基金与王兴兴和宇树科技走到了一起。

很遗憾，因为锦秋基金成立晚，这不是一个从 0 到 1 的故事。

当锦秋决定投资宇树时，这家公司已经不是那个需要四处寻找投资人、在质疑声中证明自己的初创企业。相反，宇树早已成为行业共识的标杆，融资额度都高度稀缺。

在这样的阶段，锦秋基金进入到了股东名单，背后是创始人对锦秋基金的长期信任，认可锦秋基金对具身赛道的理解。

当时，锦秋基金认为：

• 宇树科技不仅是事实上的全球人形机器人市占率第一，而且具有非常强的生态优势，当时全球 80% 具身相关的论文都是基于宇树本体研发的。
  

• 强化学习带来人形机器人运动控制的技术飞跃。人形机器人全身控制算法正经历迭代演进：自 2024 年起，模仿学习引导结合强化学习训练的范式逐渐成为主流路径，人形机器人的全身控制能力实现质的飞跃，堪称一次全新的技术革命。

因此，在锦秋看来，人形机器人行业才刚刚翻过序章。

对宇树来说，这不是故事的终点，而是商业模式开始被验证、长期价值开始兑现的起点。

这是一家"即将开始加速”的公司。

持续打动我们的是，王兴兴多个场合、多次反复向锦秋提及的那句话——“要把机器人做到人人用得起的价格”。

在锦秋基金成立前，锦秋基金部分同事已与宇树科技结识。比如，锦秋基金合伙人臧天宇表示，2020 年认识宇树开始，就发现宇树极致专注。

在科创板上市仪式上，王兴兴提到的是也是，“十年来，我们心无旁骛。”这也某种程度上印证了锦秋对宇树的“极致专注”印象。

一句话轻描淡写地总结了过去，规划了未来。数年默默无闻的孤独坚持，聚光灯下依然心无旁骛地想把机器人带进寻常百姓家。

这不仅是宇树科技真实的创业之路，是王兴兴今天发言中最令人动容的一句话，也是锦秋一直想要寻找的创业者的画像——可以十年心无旁鹜去做成一件有意义的创新。

宇树在硬件工程上极致追求。在人人都在谈论大模型、谈论算法的时代，宇树选择了一条更笨也更难的路——把机器人本体做到极致。

卓越的运动控制能力、极致的成本控制、扎实的供应链管理、量产落地的工程能力，这些或许不常被视为“最性感的核心技术”，却是一家机器人公司真正走向成功的决定性基石。

事实已经证明了这一点：宇树是全球首家在 IPO 前实现人形机器人规模化盈利的企业。

宇树的故事，对这一代 AI 和硬科技创业者而言，是莫大的激励。

2025 年 11 月，王兴兴在「2025 锦秋CEO峰会@Experience with AI」提到，AI 创业最激动人心的事情，就是总会有人去创造出这个世界上还没有的东西。

这与锦秋一直以来的信念一致：让怀揣好奇心的创新者，用想象力推动世界改变。

我们希望一代中国创业者，不需要华丽的背景，不需要动听的故事，只要你真的能把东西做出来，真的能创造价值，时代就会给你舞台。

VISION LEADS, WONDER WINS。

锦秋 × 宇树：六个瞬间 

• 瞬间一：“科技树”ㅤ

2025 年 11 月 1 日，王兴兴在「2025锦秋会」与锦秋基金合伙人臧天宇一起讨论“人形机器人的机遇和挑战”。

王兴兴说，宇树这个名字的意思就是“科技树”。

他小时候喜欢科技，最大的梦想是实现一些比较酷的、比较前沿的技术和产品。"真正的科技推动这个世界的进步”。

他说，“我觉得这是这辈子最值得做的一件事情，不然的话人生挺无聊的”。ㅤ

• 瞬间二："2016-2017 年是最难的时候”

问他创业过程中遇到过最大的问题是什么。

他想了想，说，“其实无论现在还是过去，无论读书的时候还是创业的时候，每天、每个月、每年的挑战都非常非常多”，“可能原本担心的事情可以不用担心了，就又有新的烦恼”，“但最艰难的时候，还是 2016、2017 年，公司刚创办的时候”。

但他是乐观的。"AI创业最激动人心的事情，就是总会有人去创造出这个世界上还没有的东西”，“可能今天大家觉得进展不太顺利，但是明天效果就非常非常好”。

问他平常怎么排解压力。他说“也没有太多方式。晚上自己想一些技术问题，或者看看资料，有时候也会看看动漫”。

• 瞬间三：“泛化”

2025 年，整个行业都在讨论大模型、讨论参数、讨论谁的算法更先进。

11 月时，王兴兴的判断不完全一样：“我觉得目前的 AI 工具本身是够的”，“真正的问题不在工具，是泛化”，“一直觉得，AI 的模型如果没有泛化那就没有价值”。

“单工序的、几个工序的工作，用模仿学习或者强化学习训练，很快就能上手，甚至可以达到 100% 的成功率。但真正的泛化——几十倍、几百倍的泛化，把生活中或者工厂里大部分场景全面覆盖——确实还没有看到特别大的明显方向。"

他有一个很有意思的观察：语言能力或者逻辑生成是高级的能力，而走路、全身控制这些能力是相对基础的。“比较聪明的狗、鹦鹉或者一只猩猩，都能干一些活的，只要训练得好。"

ㅤ

• 瞬间四：“白送"与“皮卡丘”

2025 年底，聊到价格战。行业里还在讨论小人形卖到一万以内，他想的是更远的事情。

“如果具身 AI 模型真的大规模突破了，大家发现它的价值非常非常大，那时候工业化的巨头都进来，资源可能比现在整个社会上的资金翻 100 倍甚至 1000 倍——那时候真的很多机器人可能真的是白送”，“放在家里，采个数据就好。放到工厂里，机器人产生多少价值，大家分成就好。”

聊到四足的未来。他说，等 AI 模型更加突破了，能力更强了，产品形态会更加发散。"比如说你自己家里想养个皮卡丘，你想家里养个小狮子，很多人都有这种想法的。"

• 瞬间五："AI 越强，硬件要求越低”

"AI 能力越强，对硬件的要求反而越低。"他说，“目前我们用的方案相对来说比较适合量产，不容易出问题”，“如果后期发现有更好的、能量产、效果不错的，我可能就换掉了”。

ㅤ

• 瞬间六：锦秋小饭桌

2025 年 8 月 9 日，锦秋小饭桌，王兴兴、地瓜机器人 CEO 王丛、首形科技 CEO 胡宇航、星尘智能联创方科、诺亦腾机器人 CEO 戴若犁等人围坐一堂，从本体、大脑、交互、数据、算力五大维度，共同探讨具身智能的机会与挑战。

王兴兴当时的判断是：生成式世界模型或许值得探索，但对数据和算力要求极高，更适合大厂去主导攻坚。

彼时宇树科技已是行业顶流，但热度似乎没有在王兴兴身上留下太多。

当天活动结束后，他和锦秋聊了很久，核心话题围绕一个：怎么吸引优秀的 AI 人才。

 🖊 2025 年 8 月 9 日 锦秋小饭桌留念

ㅤ

锦秋与具身智能：一场长期主义的下注

在投资宇树科技之前，锦秋已在具身智能赛道完成全产业链布局——从上游传感器、关节、数据，到中游大脑、本体，再到下游场景落地，覆盖星尘智能、因克思、乐享科技、WorldEngine 等十余家公司。

宇树上市、硬件方案成熟，标志着具身智能的创业公司竞争进入下半场。

但真正的竞赛——机器人智能、场景落地、生态构建——才刚刚开始。

Physical Intelligence 的 Pi0 确立了 VLA 路线，一度被视为“具身 GPT-2 时刻”。但一年半过去，VLA 遭遇明显瓶颈：泛化能力未见突破，模型性能随环境、物体、视角、指令的变化波动剧烈。

从 VLA 到 WAM 再到具身原生基模，多条路线仍在并行探索。VLA 借语言模型的梯子，WAM 借视频生成模型的梯子，本质都是用已有基模解决数据稀缺问题。

下一步很可能走向 VLA 与 WAM 融合的 MOE 形态，按任务类型自动路由。Pi0.7 已开始整合轻量化 World Model 做子目标生成，就是信号。

更远期看，具身原生基座模型是必然方向。

VLM 和视频生成模型的训练目标都不是建模物理规律，权重浪费严重；而具身是端侧场景，对推理效率极致敏感。随着 Ego 视频、UMI 等数据积累，WAM 路线将逐步演进为具身原生模型。

• 数据 scaling 是核心卡点

最大的瓶颈不是算法，而是如何规模化获取高质量真实世界数据。

自动驾驶用千万级 clips 的数据才做到 L3，且只是单一构型、单一任务。具身的环境多样性、任务复杂度、行动空间都高出数个量级，要做出及格线以上的模型，数据量预计在数千万甚至上亿小时，遥操作无法在可控成本内实现。这也是行业从 VLA 转向 WAM 的核心推力。

当前数据工程有两条主线：

预训练：押注 human data——人类在真实环境中采集，兼顾规模和多样性。UMI 路线、第一人称视频是主流方向。

后训练：弥合仿真与真实物理的 gap，依赖真机数据。策略 rollout + RL 是当前构建真实世界数据闭环的主要方式。

ㅤ

高自由度灵巧手是类人操作的终极方案。随着世界模型+Ego 视频的兴起，学习对象直接变成人手——手部骨骼重建、DexUMI 等无本体采集方案，让灵巧手数据得以快速 scale，一步到位的思路正在被更多人接受。

但硬件仍是瓶颈。无论直驱还是绳驱，都存在难以调和的工程 trade-off：寿命、可靠性、散热、负载之间此消彼长，需要从材料到驱动方式的底层创新。

触觉是视觉的重要补充。VTLA 证明了触觉对单点精密操作的价值，ViTacFormer 进一步验证了其对长程多步任务的必要性。

但触觉同样卡在硬件——缺少一款高可靠、高一致性、可低成本量产的触觉传感器，视触觉、压阻、电容、压电等路线各有取舍。

ㅤ

通用泛化尚远，场景先行可能是更快建立数据闭环的路径。

选择真正有价值的场景，锁定一个有限的任务集，设计更高效的数据采集方式、更精巧的数据集、更适配的机器人本体，让模型在一个小闭环上跑起来，形成领域专家模型和端到端产品。

这是渐进式通往通用的路线，也有更高的商业确定性。

• 落地是系统工程，不只是一个大脑模型

未来的具身机器人不是一个单一模型，而是一套围绕具身模型的 Agent 系统。这和数字世界的 Agent 一样，需要构建完整的"Harness"工程。场景先行的另一个价值，就是提前在真实环境中打磨这套系统。

PI 的演进印证了这个趋势：从“物理智能层”概念的提出，到 MEM（长短期记忆框架）解决非马尔可夫性、RL Token 解决高效强化微调，再到 pi0.7 的多模块 Agent 形态。

模型真正开始落地后，工程化才刚刚开始。

宇树的新十年 

从在寝室里手搓的四足机器人雏形，到 2025 年成为全球具身智能领跑者；从杭州一间不起眼的办公室，到即将敲响科创板的钟声。