4449 亿跌到 1750 亿，19.2 秒涨到 78.7%：这两周，具身智能把定价权交给了时间

10 月 9 日收盘，宇树科技的市值停在 1750 亿元。

往前数五十天，8 月 19 日它在科创板上市，发行价 150.80 元，首日开盘 1100 元，涨幅 629.44%，市值一度冲到 4449 亿元——那是 A 股人形机器人赛道从来没见过的数字。再往后数一天，10 月 8 日，股价最低摸到 427.80 元，较峰值跌去 61%，市值蒸发约 2700 亿。

同一周，另一组数字在往反方向走。NVIDIA 联合 MIT、香港大学、UCSD 放出的 Long-WAM，把机器人能看到的视觉历史从 0 秒拉到 19.2 秒，RoboCasa GR-1 上的任务成功率从 63.3% 涨到 78.7%。

一个数字在崩，一个数字在涨。看起来一个讲资本、一个讲技术，其实它们问的是同一件事：你的东西，在时间上站不站得住。

一、蒸发掉的 2700 亿，跌的不是业绩

先把事实摆清楚，因为「泡沫破了」这个解释太省事，反而容易看错。

宇树 2026 年上半年的财报并不难看：营收 11.52 亿元，同比增长 48.54%；归母净利润 2.74 亿元，是正的。放在整个具身智能行业里，这是极少数能自己赚钱的公司。

问题出在三个地方，每一个都和「时间」有关。

第一是筹码结构。 上市初期无限售流通股只占总股本的 7.44%，极小的流通盘配上打新情绪，开盘瞬间就能撬出千亿溢价。首日换手率 85.28%，大量中签筹码当天兑现离场。4449 亿从来不是机构的理性定价，是流动性造出来的幻觉。

第二是估值透支。 发行市盈率 219.23 倍，行业平均是 38.56 倍；上市初期动态市盈率一度突破 800 倍。这个价格已经把未来好几年的增长提前收走了，任何一点不达预期，都会变成估值的重力。

第三，也是最要命的一条：收入的来源结构。 超七成收入来自科研教育采购。买家主要是实验室和高校，不是产线：实验室买机器人是为了发论文、做演示，今年买了明年不一定再买；产线买一台是为了替掉一个工位，只要投资回收期算得过来，就会一台接一台地买。

同样是 11 亿营收，一个是「一次性项目收入」，一个是「可复现的经营性收入」，在估值上应该是两个行业。 市场用了五十天才想明白这件事，然后一次性把差价扣掉了。

监管的动作比市场更直接。2026 年 6 月，上交所修订科创板发行上市规则，一边把具身智能列入重点支持方向，一边明确要「从严把好发行上市准入关，防止带病申报和一哄而上」。9 月，据路透社报道，证监会向部分投行和投资机构发出非正式窗口指导，提高人形机器人企业的 IPO 审批门槛，重点看三件事：是否有经常性收入、亏损是否在收窄、是否有实质性的技术创新。

国家发改委则更早就在提示风险：2025 年 11 月指出半数以上人形机器人企业是初创或跨行入局，2026 年 8 月又要求「因地制宜，防止盲目跟风、一哄而上」。

这三条门槛里，最狠的是第一条。「经常性收入」不是「有收入」，是「同一批客户会重复付钱」。它测的不是技术，是商业模式在时间上的稳定性。

一级市场立刻给出了反应：2026 年上半年国内具身智能融资总额超过 900 亿元，催出 22 家估值过百亿的公司；到 7 月，单月融资约 120 亿元，环比下降 32.6%。有投资人的说法被多家媒体引用：「宇树上市之后，我们就没上会过具身项目了。」

这正好接上本专栏在 物理 Token 经济学 里算过的那笔账：一台机器人如果利用率低于 50%，按小时租出去打不过雇人。当时这是一个经济学判断；两个月后，它变成了招股书问询函上的问题。经济规律不会因为行业热就失效，它只是换一种方式找上门。

二、钱没有消失，只是换了收货标准

如果只看融资新闻的标题，会以为行业已经断粮。实际不是——钱在流，只是流向了不同的口袋。

最大的一笔来自模型层。 10 月 7 日，做机器人控制模型的 Field AI 完成 7 亿美元 B 轮融资（约 49.21 亿元），是当周全球最大单笔。一家不造本体的公司，拿到了比多数整机厂更大的支票。

国内最大的一笔来自「跨层」。 10 月 13 日，星尘智能宣布完成 10 亿元新一轮融资，估值 150 亿元。这是它半年内的第四轮：3 月起连续完成 A+、A++、B 轮，6 月 B 轮系列总额超 10 亿元、估值首次破百亿，三个月后估值到 150 亿。

星尘的特别之处在于跨了三层：本体（T1、S1）、大脑（Lumo 系列 VLA 与世界动作模型）、操作系统（Astribot OS）。它还有一个很硬的价格：T1 起售价 8.99 万元，而市面上能做高精细操作的人形机器人大多在几十万元。低价来自绳驱路线——电机后置、远端传动，减少对减速器和力传感器的需求；代价是绳子会蠕变、会磨损，寿命是这条路线要一直还的债。

创始人来杰对媒体说了一句话，我认为是这两周最值得记的行业判断：「行业降温是好公司的试金石。市场降温不是坏事，钱会流向真正有成果的公司。现在大家终于开始问对的问题了：你的商业模式跑到什么程度？你服务的是谁？」

更早期的钱也还在进。 10 月 10 日，成立才三个月的本溯智能完成种子轮，五源资本领投，做的是「动作原生」具身基础模型；10 月 18 日，杭州的格物通智完成近亿元天使轮，方向是「物理反演世界模型」的大规模预训练。这两笔都很小，但信号明确：在模型层，从零开始的公司仍然能拿到第一张支票。

把这几笔放在一起，会看到一条和 国产力量地图 里那张四层势力图不完全一样的规律。那篇的结论是「跨层数量」是这个阶段最可靠的实力指标——星尘半年四轮、估值翻倍，确实是跨层的胜利。但这两周补上了一个修正项：

跨层还不够，跨层必须跨到收入上。

星尘的 8.99 万元，就是把「本体 + 大脑 + OS」这个技术叙事翻译成了一个客户能算账的价格。而同样跨层、但产品卖不进产线的公司，这一轮就没有拿到同样的溢价。资本不是不给跨层付钱，是不给「跨层但没闭环」付钱。

真正冷下来的，是三类：纯本体代工、只有 Demo 的整机公司、以及靠数采中心做营收的玩家。最后一类最尴尬——它的收入来自政府或产业项目，本质是一次性的，正好撞在「经常性收入」这条门槛上。

三、19.2 秒：记忆不是免费的

现在说另一组数字。

机器人做连续操作时，单帧图像是不够的。一只杯子在画面里，你看不出它是在移动、还是已经放稳；一个任务做到哪一步，也不在单张图里。直觉上，给模型更多历史帧就好了——但历史越长，计算越慢，动作就越晚，抓取就越容易落空。这是闭环控制里最朴素的矛盾：记忆有用，但记忆要花时间。

Long-WAM 干的事，是把这条矛盾的两端同时往前推。

先看结果。RoboCasa GR-1 基准上，视觉上下文从 0 秒扩到 19.2 秒，成功率 63.3% → 78.7%，涨了 15.4 个百分点。LIBERO-Long 上，只加 2.4 秒历史，94.5% → 99.5%。RoboTwin 2.0 平均 94.4%，DOMINO 34.9%。真机上，Unitree G1 做动态叠杯，20 次里成 19 次；同一任务里 π0.5 和 Fast-WAM 都是 0/20。

但真正的发现在消融实验里，而且它比主结果重要得多：

长上下文只在「自回归预训练」的视频底座上有效。换成双向预训练的初始化，长上下文带来的是零净收益（no net gain）。

论文作者把这句话写得很克制：「access to history is not the same as using it」——能拿到历史，不等于会用历史。

为什么？因为两种预训练学的是不同的东西。自回归学的是 p(未来 | 过去)，训练时模型永远只能看左边、预测右边，学到的是「接下来会发生什么」的因果链；双向学的是 p(中间 | 两边)，它在训练时能同时看到过去和未来，擅长的是填空，而不是推演。到了推理那一刻，未来是不存在的——双向底座拿不到它最依赖的那一半条件，于是多给的历史只是更多输入，不是更长的因果链。

这就是本专栏在 上一篇 里只能怀疑、没法证明的那件事。当时一批世界动作模型论文的共同病灶是「联合训练出的未来看起来合理，却对动作指令响应很弱」，我们把它归因为「世界状态不听动作的话」，并推测双向预训练是错的地基。两周后，Long-WAM 把这句推测量化成了两组对照：同样的架构、同样的数据、同样的上下文长度，只换预训练的方向，收益从 +15.4 个百分点变成 0。

答案不是更大的模型，是训练的时间箭头。

架构上还有一个细节值得单独说。Long-WAM 用 Mixture of Transformers 把视频专家和动作专家耦合起来，注意力是非对称的：视频侧的 query 永远不读动作 token；动作侧的 query 可以读观察历史、部分去噪的未来 latent、以及动作块。 这个设计的含义很清楚——视频专家被禁止偷看动作标签，它学到的动力学必须是「世界自己会怎么演化」，不能是「为了配合这个动作而编出来的未来」。而动作专家可以看未来，所以整个系统的顺序是「先预测，再行动」，不需要解码像素。

预训练用的是 LongLive2.0-Robot，约 1 万「窗口等效小时」的机器人和第一视角视频（RoVid-X、AgiBot World、EgoDex、EgoVerse、VITRA），序列最长 30 秒，做 teacher-forcing 的 next-chunk 预测，不用动作标签。部署侧，RTX 5090 上每个动作块（含未来视频 latent 预测）耗时 107.4 毫秒，也能跑在 DGX Spark 和 Jetson AGX Thor 上。

107.4 毫秒这个数字，换算过来约 9.3 Hz。对照 双系统那篇 里的频率账：VLM 大脑在 7–9 Hz，小脑控制回路要 100–200 Hz。Long-WAM 落在「大脑」频段，它替代的是慢思考层，不是控制回路。 那种「世界模型可以端到端接管机器人」的说法，在延迟上仍然不成立；它接管的是「想清楚下一步做什么」，不是「这一毫秒关节该出多大力」。

局限也要写清楚。78.7% 是仿真基准，DOMINO 只有 34.9%，长程组合任务仍然很差；19.2 秒的窗口对需要几分钟的任务远远不够；1 万小时视频与语言模型 15 万亿 token 相比还差几个数量级——数据瓶颈 那堵墙没有因为这篇论文变矮。

四、两个数字，其实是同一个变量

把这两件事并排放，会发现它们的失败方式是对称的。

宇树的收入没有时间纵深：七成来自科研教育采购，今年买明年不一定买，每一笔都要重新去拿。双向预训练的模型也没有时间纵深：它见过历史，但没有学过「历史如何通向未来」，所以历史给得再多也用不上。

反过来，这两周拿到钱和拿到成绩的，都是同一种东西。

星尘的 150 亿估值，背后是「本体 + 大脑 + OS」和 8.99 万元这个价格——它把技术翻译成了客户能重复购买的东西。Field AI 的 7 亿美元卖的是控制模型，客户一旦装进产线就会持续付钱。Long-WAM 的 78.7%，靠的是 1 万小时视频里学出来的因果顺序，那个顺序换个任务也不会失效。

所以我对接下来六个月有两个判断。

第一，溢价会集中在两类公司：有真实复购场景的，和能把长程任务做成产品的。 前者是工业、物流、医疗这类「买回去就要天天用」的场景；后者是能处理「二十分钟、二十个步骤、中间会失败」的任务的系统。只会做单步演示的公司，无论本体多漂亮，都很难再拿到 2026 年上半年那种估值。

第二，「记忆」会变成下一个可评测的维度。 2026 年上半年，大家比的是单任务成功率；现在成功率已经开始饱和，接下来该比的是「20 秒之后还成不成」「被打断之后能不能接上」「同一个任务第二次做会不会更快」。这三个指标，恰好都是 Long-WAM 这类模型能回答、而传统 VLA 回答不了的。这是目前评测体系里的一块空白，也是一块可以下注的空白。

今天上午的 本周盘点 写了另一件事：这一周，行业在给「动作」编词典——跨本体的关节坐标、触觉与声音的统一表征、从视频反推受力。词典解决的是「动作怎么被描述」；记忆解决的是「动作怎么被接续」。两件事合起来，才叫长程操作。

回到开头那两个数字。市场看到的是 4449 亿跌到 1750 亿，我看到的更重要的数字是 19.2——前者说明市场不再为「未来会很好」付钱，后者说明「未来」第一次可以被学出来。

市场的折现率在变高，技术的可预测时长在变长。这两条曲线总会交叉。交叉的那一天，就是 按任务收费 真正成立的那一天：机器人替你干了多少活，按干了多少活付钱——而「干了多少活」，本质上是时间。

信息源说明：本文的官方一手信息包括 Long-WAM 论文（arXiv 2610.10528）及其项目页、NVIDIA 开发者博客关于世界动作模型的表述；宇树科技财务与股价数据来自公司公告、招股书及交易所披露；星尘智能、格物通智、本溯智能的融资信息来自公司官方宣布。媒体报道包括路透社关于证监会窗口指导的报道（非官方文件，属知情人士转述）、《财经》《经济观察报》《界面新闻》《凤凰网财经》对融资、估值与工博会的报道。第三方分析包括投资机构与行业观察者对融资降温、IPO 排队的统计与评论（IT 桔子、蓝鲸新闻等），此类内容仅代表转述方观点，不应视为官方结论。文中「双向预训练是错地基」的判断，在 Long-WAM 之前属本专栏基于多篇论文的推断，现由该论文的消融实验提供量化支持，但仍是单一团队的实验结果，尚待独立复现。