最近，宇树科技科创板 IPO 获受理，这件事几乎点燃了整个机器人行业。
但在其披露的招股书中，有一个细节，被很多人忽视了。
招股书显示，2025 年 1 月到 9 月，宇树科技向北京银河通用机器人股份有限公司销售商品金额为 1,514.38 万元。
主要销售产品为四足机器人、 人形机器人、机器人组件。银河通用采购这些机器人产品，主要用于其「自身技术研发」和「二次开发后对外销售」。
如果只把它当成寻常的 B 端销售，这件事看起来并没有什么特别。
但要是把它放进当下的机器人产业格局里，这 1,500 多万元，背后其实也反映出了一定的产业分工关系。
买机器人，到底买的是什么？
问题的关键不在买了多少，而在买来干什么。
从逻辑上看，一家做人形机器人的公司，去采购另一家的人形机器人，本身就不寻常。除非它真正需要的，是机器人背后的另一种能力。
宇树的机器人在几次登上春晚演出后，其本体硬件的稳定性大家都已比较熟悉了。这也是其机器人被很多科研机构、甚至同行采购，用于训练运动、干活能力的重要原因。
经过最近一两年的高强度曝光，现在大家基本上都知道了机器人能力的主要来源就是模型，要想真正走进人们的家庭和生活中，机器人必须要有好的模型能力，在这个过程中，硬件本体就充当了平台的作用，上限还是要靠模型算法。
所以对于不太了解机器人行业的小白来说，很多时候看到的宇树机器人运动、干活，它们相关能力的模型算法并不一定来自宇树。
从此前银河通用最近的动态来看，其发布的机器人打网球视频中，硬件本体是宇树 G1，算法则是银河通用发布的「LATENT」，可以让人形机器人掌握长程动态打网球的能力。
该算法通过收集前后移动、正反手挥拍、横向步伐等碎片化动作，可以让机器人自主学习运动技能。
也就是说，LATENT 的思路就在于利用可获得的数据，学习复杂且不可简化的运动能力，而不是依赖难以获得的类似比赛跑动的数据。
如果顺着这条线往下看，会发现银河通用的路径，其实非常清晰，也会明白为什么这家公司的估值超过了 200 亿元。
银河通用超 200 亿元估值背后
今年 3 月初，银河通用机器人宣布完成 25 亿元新一轮融资，这也是国内已公开披露的机器人行业单笔最大融资金额，银河通用的估值也随即超过了 200 亿元。
如果深入去看，能支撑银河通用超 200 亿元估值的，其实是一套完整的能力结构。
机器人为什么近一两年这么火，关键就在于 AI 的发展，它让机器人的能力有了快速提升，同时机器人也承载了带着 AI 落地的希望。
所以这其中的关键就是场景落地，很多公司选择从能力出发，先把机器人做到更强，再去找应用。
银河通用的重点则是场景，落地应用就是其区别于其他机器人公司的一个关键，毕竟如果只停留在 Demo 阶段，机器人很难形成真实价值。
把它的布局拆开来看，大致是四个方向：
- 工业制造：与汽车厂等企业合作，机器人进厂干活，累计订单规模数千台。并推出了工业重载机器人 Galbot S1，臂最大负载达 50 公斤。
- 文旅新消费：在国内落地超 100 家「银河太空舱」来做机器人零售等工作。
- 即时零售与智慧药房：在 24 个城市落地，单店管理超 5,000 种 SKU，机器人可以自主拣货、打包。
- 医疗康养：与医院合作，推动机器人在病房、药房、导诊等场景落地。
为什么目前机器人场景落地这么重要，因为一旦进入真实场景，就会发生一件更重要的事情，开始持续产生数据，这些数据也可以反过来促进机器人的能力提升。
在具身智能领域，模型能力的提升，离不开数据。而银河通用的路径，也在一定程度上构建了一个闭环：场景、数据、模型、更好的任务能力、更多场景。在这个循环中：
- 每一次任务执行，都会产生新的数据
- 每一轮模型更新，都会提升成功率和效率
- 能力提升后，又可以进入更复杂的场景
这就形成了一个「越跑越快」的系统，所以机器人落地应用关键不仅仅在于经济价值，数据飞轮同样是关键一环。所以从长期来看，场景、数据和模型都是关键的竞争壁垒，甚至缺一不可。
在此前的 GTC 2026 上，银河通用创始人兼 CTO 王鹤就表示，把模型部署到真实世界自主干活后，回流数据会进一步提升模型的效能。
而且数据来源上，王鹤强调了多本体合成仿真数据，有了多本体合成仿真数据、人类行为数据和互联网数据做预训练后，再通过少量的真机遥操数据做后训练，从而可以得到一个高效的机器人的具身模型。
另外，在目前整个行业都在关心的模型算法领域，银河通用的路线也有所不同。
一般情况下，机器人的运动能力靠小脑，任务规划能力靠大脑，行业内也通常把这两者分开来做。
银河通用则是将「大脑、小脑、神经控制」统一到了一个端到端模型 AstraBrain 当中，避免割裂开发带来模块间信息损耗的问题。
并且，AstraBrain 通过强化学习框架，可以让机器人在虚拟世界中经历亿万次「试错博弈」，习得「如何与物理世界交互」的通用能力，让机器人能够像人一样「边看边想边做」。
所以大体来看，银河通用不是单纯的硬件公司，也不是纯模型算法公司，更像是一个「系统整合者」，这些能力的总和，也是其估值能超过 200 亿元的关键。
行业开始分化，四条不同的路径
如果把银河通用放回整个行业里来看，会发现这家公司之所以看起来不一样，是因为整个机器人行业，本身就已经开始分化了。
不是所有人都在做同一件事，四条不同的路径已经显现。
一种是宇树这条重视硬件本体的路线，这条线目前为止相当成功，从招股书上可以看到，2025 年，宇树科技实现营业收入 17.08 亿元，同比增长 335.36%；实现扣非净利润超 6 亿元，同比增长 674.29%，主要原因为当期产品销量快速增长。
在机器人行业快速发展的这一两年里，不少开发者、具身企业都在采购宇树的机器人，来训练模型算法，这也让宇树去年的业绩实现了大增。
不过值得注意的是，宇树并没有因此停下，招股书中披露，宇树科技计划将募集资金中的 20.22 亿元用于智能机器人模型研发项目，这是一个相当大的投入。所以，未来宇树在整个行业中的「角色」，势必会与现在不同。
另外一种就是重场景落地的路线，就像银河通用一样在工业、文旅等场景逐渐落地机器人，从而实现场景反推数据和模型，核心在于机器人能力的持续提升，这条路一旦形成数据闭环，就很难被复制，也会在场景上实现先发优势。
此外就是特斯拉、Figure 这类企业，最终目标是实现类似汽车产业那样的万亿级规模化生产。
在这条线上，我们会经常看到马斯克对外畅谈 Optimus 百万甚至千万台级别的产能，Figure 老板期待实现每三十分钟生产一台机器人，不过这条路线需要软硬件全栈自研和超大规模量产，周期长的特点也需要大量资金投入。
所以，Optimus 的背后是全球首富马斯克，Figure 则拥有机器人行业全球最高的约 2,700 亿元估值。
最后一条路线是机器人的上游，不直接做机器人本体，主要围绕仿真环境、数据生成能力和 AI 训练算力等方面提供基础设施，也可以理解为机器人时代的「操作系统 + 电力系统」。
这一层决定的，是整个行业的训练效率、数据规模和能力上限。比如英伟达为机器人提供了仿真平台，Isaac Sim 可以在高保真、物理精确的虚拟环境中，完成机器人的设计、仿真、测试、AI 训练与验证，降低实体测试成本。
四条路径，各有侧重，也各有壁垒。但一个更明显的趋势是，硬件本体与模型算法之间，正在形成清晰的协作关系，不是每家公司都需要自研所有环节，也不是所有能力都必须封闭在内部。
它们看似在走不同的路，但最终指向的是同一个终点，让机器人真正走出 Demo，在真实世界里创造价值。