宇树与DeepSeek，相向而行

王兴兴重新调整了自己的时间规划。

两个月前，他预估具身智能取得突破还需两三年甚至五到十年。但近期宇树的市场表现并不理想。

在最近的工博会上，他将最快预期缩短至一两年。让他改变看法的是GPT-6：宇树团队将其部署在不同机器人上进行任务测试，他对效果感到满意。他还反思，过去十多年最大的失误是对AI的信心不足。

王兴兴在工博会现场透露，宇树已采用新模型开展机器人任务测试

在《宇树到底做错了什么？》一文中，我们探讨了宇树面临的挑战：机器人已实现销售，但赋予机器执行任务的智能仍需完善。如今，上游大模型开始协助机器人理解指令、规划步骤，而专门的具身模型也在展示通过单次示范学习新任务，以及将现有能力迁移至陌生环境的方法。

过去需要机器人公司逐项开发的部分能力，如今可从基础模型中获取。这使王兴兴得以重新评估，宇树还需投入多少时间和资金，才能让已生产的机器真正实用。

DeepSeek也在向具身智能领域靠拢。它已投资宇树，双方约定在模型和机器人业务上优先合作。近期有媒体报道，梁文锋正与具身智能创业者接触，评估自建团队或通过投资进入该领域。

宇树希望将模型进步转化为机器功能，而DeepSeek则致力于让自身模型学会行动。两家公司相向而行，接下来的目标不止于一次合作：当机器人变得实用后，这项业务的收入将如何分配？

大模型开始接管具身任务

Google演示了这样一个场景：用户用自然语言下达指令，Spot机器人去取爆米花。负责理解和组织这一过程的，是Gemini Robotics ER 2。它调用机器人的导航和机械臂接口，将用户需求转化为一系列动作。

该模型基于Gemini 3.5 Flash，并加入了具身推理训练。在Google的机器人系统中，它还能观察环境、规划步骤、跟踪任务进度，并将执行交由动作模型处理。通用多模态模型积累的理解能力，已有了进入机器人工作流程的实际路径。

开发通用机器人模型的Skild AI展示了机器人如何从一次示范中学习新任务。工作人员录制一段操作视频，交给已预训练的S1，机器人便尝试模仿执行。在一次盆栽测试中，从开始录制示范到机器人自主执行，团队用时11分钟，未为此新任务重新训练模型。

它还会根据实际情况调整方法。示范者使用浇水壶，而机器人面前只有一杯水，它便改用杯子。模型需从演示中理解目标，再利用已学能力完成它。

Skild的测试中，机器人改用水杯给植物浇水

过去，教机器人执行新任务通常需要数据采集和专项训练。S1展示了另一种产品形态：用户购买机器人后，可通过示范增加其用途。面对新需求，研发团队不必每次都启动新项目。

更为人熟知的Figure，则直接将机器人带入30个未采集训练数据的家庭，执行收玩具、铺床和叠毛巾等任务。房间布局、家具和物品都不同，机器人需自行寻找物品、移动身体，再动手操作。

只能说，大模型的能力依然全面。

在Figure的对比测试中，使用人类行为数据预训练的Helix 2.5，完整任务成功率达56%；而其他训练条件一致但未进行预训练的模型仅为9%。一次收玩具任务需将13至15件玩具全部放入篮子才算完成，安全人员介入即视为失败。

Figure的官方测试展示了收玩具、铺床和叠毛巾三种家庭任务

尽管这距离具身智能普及到家庭仍有差距，但这一演示已证明，预训练积累的经验有望降低新客户重新教授机器的成本。

从理解指令，到学习新任务，再到适应陌生环境，这些实验分别减少了机器人开发中的重复工作。通用模型经过具身训练后，开始承担任务理解和规划；具身基础模型则将可复用能力推进到操作动作。机器人公司需要自行开发的内容，正在随之改变。

宇树已开始实践。其自身的具身模型基于Qwen3-VL，并加入了交互预测和动作学习。王兴兴仍在研发模型，但无需重新设计基础架构。

这对宇树有利，也改变了其面临的竞争格局。宇树可利用上游模型为机器人增加功能，其他整机厂商也可尝试接入。产品经理接下来需要比较的是更具体的场景：同一任务中，哪台机器人运行更久、错误更少，客户更换任务时需投入多少工程师。

DeepSeek开始研究下一个议题

DeepSeek已将视觉能力进一步整合到Flash的Agent工作流中。先是V4-Flash-Vision-Exp开放图片输入，随后发布的V4.1-Flash明确加入了原生视觉理解。开发者可将图片和文本一起交给模型，再让它调用工具完成任务。

Flash的产品定位已体现在发布说明中。DeepSeek介绍V4.1-Flash时，专门解释了Agent的运行成本：模型反复处理任务记录会使用缓存；压缩缓存可减少这部分开支。据官方披露，新模型的KV缓存所占显存降至上一代的四分之一。它同时强调更快的推理、更高的吞吐量，并随之调整了API价格。

这也解释了为何模型厂商越来越重视Flash这类产品。一个Agent接到任务后，可能需要反复读取信息、调用工具、检查结果。每一步都需要等待和成本，出错后还需重来。应用开发者选择模型时，最终需计算完成整项任务所需的时间和费用。单次回答便宜但任务反复失败，也无法节省成本。

Google对Flash系列的定位同样明确：提高效率、缩短等待时间，使Agent能在生产环境中大规模运行。上述机器人推理模型Gemini Robotics ER 2，便基于Gemini 3.5 Flash，并加入了具身推理训练。模型公司为应用所做的效率改进，已有了进入机器人的具体路径。

这为DeepSeek留下了一条可分步执行的路线。它可先将已有的视觉和推理能力用于理解任务、规划步骤，动作执行可交给合作方。若继续向下开发动作模型，它需要学习机器与物体交互后的反应：杯子滑动时机械臂如何调整；物体移动后，下一次判断如何改变。

这些经验需从操作中积累。宇树的具身模型除了基于Qwen3-VL，还使用了约2500小时的真实机器人数据训练，覆盖不同设备和操作场景。对DeepSeek而言，购买机器人只是开始，它还需要有人一起进行实验，记录动作、结果和失败。

训练方法也需重新处理。研究机器人基础模型的Physical Intelligence发现，某些将视觉语言模型与动作模块直接联合训练的做法，会使机器人更容易忽略语言指令，也更难将已有知识用于操作。DeepSeek若要继续开发动作，需在学会操作的同时，保留已积累的理解和推理能力。

它与宇树的合作，正好可以放在这一路径中理解。DeepSeek以约1.41亿元参与宇树IPO战略配售时，双方已约定：DeepSeek未来探索具身智能，在同等条件下优先采购宇树的机器人和技术方案；宇树开展模型适配、调用和融合，也在同等条件下优先考虑DeepSeek的模型训练服务和方案。

双方约定，同等条件下优先采购对方的产品和服务

据外媒报道，DeepSeek还已同意领投Winverse AI的种子轮融资，交易当时尚未最终完成。创始人胡瀚此前在腾讯负责视觉语言和具身基础模型团队。梁文锋接触的，既有能提供机器的公司，也有专门研究机器人智能的人。

**宇树希望借助上游模型，减少自身重复开发的工作；DeepSeek向机器人企业靠近，则有机会获得屏幕内任务无法提供的操作经验。**但这些经验最终归谁使用，还需在合作中明确。现场数据能否用于训练，改进后的模型能否提供给其他整机厂，都会影响双方愿意投入的程度。

毕竟，DeepSeek要打造面向行业的模型业务，就必须将在宇树机器上学到的能力，迁移到更多设备和现场。Google已展示过同一动作模型控制不同本体的能力。模型公司走得越深，与整机厂之间需商定的研发和交付分工也会越多。

模型公司的商业化前景

到了这一步，DeepSeek的新一轮融资消息便有了更具体的意义。有媒体报道，公司第二轮融资拟募资约1000亿元，投前估值约5000亿元，梁文锋更倾向于能带来上下游资源的产业投资方。潜在投资者中有吉利，宁德时代也计划继续追加投资。

这是整家公司的拟融资，具身智能是它正在评估的方向之一。如果DeepSeek继续向机器人领域发展，汽车和电池企业能提供的研究条件就很有价值：机器可以购买，但生产线需要企业愿意开放，日常操作积累的数据也需获得使用许可。

同一场工博会对话中，王坚就提到，工业数据仍分散在企业内部，机器人和AI研究者很难直接使用。接受产业资本投资，可增加接触现场的机会。到了具体工厂，哪些数据可用、测试影响生产由谁负责，仍需逐一协商。

模型用于机器人，已有企业开始付费。Skild披露，首次商业部署后的十个月，它已有60多家付费客户，确认收入5000万美元，约九成来自操作类任务。公司未单独拆出纯模型许可费，这笔收入来自此前的商业部署。

Skild 官方视频展示的机械臂操作画面

资方会继续关注“边际交付成本”，即每增加一个客户，需要额外投入的适配研发、部署调试和现场支持成本。

Figure在未采集训练数据的30个家庭中测试家务，Skild则展示了通过一次示范尝试新任务。这些实验表明，已有能力有望减少服务新客户时的重复开发。

Flash能让模型减少资源消耗、更快完成任务。具身能力的复用，则有望减少现场开发。对于同时承担部署工作的模型公司，推理成本和交付成本都需计算：如果每个现场仍需反复派遣工程师调试，推理环节节省的成本可能被交付支出抵消。

降价也会改变DeepSeek自身的收入要求。同样的调用量，价格降低，ARR便减少。它需要更多使用量，或找到客户愿意持续付费的服务。机器人确实能增加模型的用途，但卖出一台机器，并不会自然给模型公司带来长期收入。

宇树已将机器人模型列入IPO募投研发项目，预算包括设备、人员和实施等投入，外部模型公司有机会争取其中的训练与技术服务需求。只是，DeepSeek虽持有宇树股份，王兴兴近期公开肯定的是GPT-6，宇树自身的模型也基于Qwen。尽管两者在靠近，但尚未完全融合。

对宇树而言，模型的进步能让同一台机器完成更多任务，也让客户减少开发费用。DeepSeek要争取的是，通过训练、更新和部署服务，让下一批客户减少现场开发，并愿意为模型的后续改进持续付费。