宇樹科技呢單新聞，前兩日最搶眼係上市首日暴升，一開市股價去到1100元，市值一度衝上4449億元人民幣。但去到8月20日收市，股價已經回落到687元，市值大約2779億元。即係市場癲狂咗一日之後，開始冷靜返少少。同一時間，杭州又出現一間所謂機械人學校，畀企業送機械人入去受訓、測試、評估，將來仲可以攞指定工作能力證書。表面睇好似幾得意，機械人返學，但我覺得呢件事一啲都唔荒謬，反而係成個人形機械人產業最重要嘅問題：機械人要返工之前，真係要先返學。

今日我唔係想淨係講宇樹股價升定跌，而係想借宇樹呢個例子，解釋一次人形機械人真正困難喺邊度。因為好多觀眾見到機械人打拳、跳舞、跑步，就以為距離返工好近。但其實一部機械人識表演，同一部機械人可以喺真實世界穩定工作，係兩回事。

宇樹官網寫，R1 Air 由4900美元起，R1 係5900美元，G1 由13500美元起。呢個價錢的確好有衝擊力。以前人形機械人係實驗室級別、非常昂貴嘅設備；而家幾萬到十萬人民幣級別，已經買到一部人形機械人返去試。呢個係中國供應鏈嘅能力，唔可以睇小。但問題係，呢啲產品好多時唔係買返去就即刻可以做工人。佢更準確嘅定位，係畀學校、研究機構、企業、工程師買返去試驗、訓練、二次開發。尤其係 EDU 版本、高階版本、加算力模組、加靈巧手、加感測器嘅版本，重點唔係消費者買返屋企用，而係作為一個訓練平台。宇樹真正值錢嘅地方，唔係今日賣幾多部機械人，而係佢可唔可以令更多人用低成本硬件去收集數據，建立應用，再慢慢形成具身智能生態。

所以我哋要先分清楚三類機械人。第一類係展示機械人。佢可以行路、跳舞、打拳、翻身，拍片好睇，發佈會好震撼。呢類能力唔係冇價值，因為運動控制、平衡、關節、電池、散熱都係技術。但展示能力唔等於工作能力。第二類係訓練機械人。佢係一個平台，畀研究人員收集數據、寫控制程式、試 AI 模型、做仿真同現實之間嘅轉換。宇樹好多產品，其實就係喺呢個位置。平價硬件最大意義，係令更多人可以開始試，而唔係證明佢已經可以大規模代替人返工。第三類先係真正工作機械人。佢要可以喺冇人逐步指揮、冇人喺後面救機嘅情況下，自己理解任務、拆解任務、完成任務，遇到例外識得修正，危險時識得停低。到呢一步，佢先開始由展示品變成勞動力。點解咁難？因為機械人一同物理世界接觸，複雜度即刻爆升。Elon Musk 講 Optimus 嘅時候都承認，尤其係隻手，非常難。手唔係有五隻手指就得。佢要有足夠靈活度，又要有力度，又要控制得準，又要有彈性，唔可以夾爛嘢，亦唔可以傷到人。人類隻手做呢啲事，好似好自然，但其實係極高難度嘅感知同控制系統。

我哋用一個最普通嘅例子：摺衫。你以為摺衫好簡單，其實對機械人嚟講已經係大考。首先，佢要喺屋企入面移動，知道自己喺邊，枱喺邊，洗衣機喺邊，衣櫃喺邊，途中唔可以撞到人，唔可以撞到傢俬，亦要避開地上嘅雜物。呢個已經係三維定位同安全避障。第二，佢要搵到件衫。但件衫唔一定平放喺枱面，可能掛喺椅背，可能跌咗喺地，可能同毛巾、褲、床單撈埋一齊。佢要識得分辨：邊件係衫，邊件係毛巾，邊件係乾淨，邊件係污糟。第三，佢要判斷物料。棉質、絲質、羊毛、牛仔布、運動衣，每種處理方法都唔同。邊啲可以熱水洗，邊啲要冷水，邊啲可以乾衣，邊啲乾衣會縮，邊啲要手洗。呢啲對人類嚟講係生活常識，對機械人嚟講係大量分類、判斷同經驗。第四，佢要真正操作。將衫放入洗衣機，揀啱模式，洗完拎出嚟，判斷乾唔乾，再去摺。摺嘅時候，衫係軟嘅，會變形，袖口、領口、皺位每次都唔同。機械人唔可以只係照一條固定程式做，因為現實世界唔會每次都將件衫擺到一模一樣。第五，摺完之後，佢仲要知道放去邊度。呢件係邊個嘅衫？放邊個衣櫃？邊個抽屜？係掛起定摺起？如果放錯，對家庭嚟講已經係失敗；如果放錯喺工廠或者醫療場景，可能就變成更大問題。

你睇，淨係一個「幫我洗衫摺衫」，已經包括語音理解、任務拆解、三維定位、物件識別、材質判斷、靈巧操作、力度控制、安全避障、空間記憶同錯誤修正。人類覺得最普通嘅家務，對人形機械人嚟講，係一整套物理世界考試。呢件事甚至某些層面比 full self-driving 更複雜。自動駕駛已經夠難，Tesla 累積咗過百億英里級別數據，都仲要面對長尾問題：路面反光、施工牌擺錯位、有人突然衝出嚟、車線唔清楚。但車始終多數喺道路上行，有交通規則，有車線，有地圖，有相對固定嘅場景。

人形機械人唔同。佢進入嘅係三維世界。屋企、工廠、護老院、辦公室，每個地方都唔同。物件會變形，人會突然移動，指令會唔清楚，環境冇標準化。你冇辦法靠 programming 寫晒所有情況。因為長尾太多，例外太多，變故太多。所以機械人學校重要，就係因為佢回應咗呢個核心問題：數據唔夠。機械人要學識真實世界，唔可以淨係睇影片，唔可以淨係靠工程師寫規則。佢要喺真實或接近真實嘅場景入面，一次又一次失敗，一次又一次收集數據，再放返入模型同仿真系統裏面訓練。

Tesla 做 Optimus，會先放喺自己工廠訓練，因為工廠比較容易。Figure AI 同 BMW 合作，亦係放喺汽車生產場景入面試。NVIDIA 做 Isaac GR00T、Jetson Thor 呢類平台，目的都係提供機械人訓練、仿真、推理同部署嘅基礎設施。即係話，真正競爭唔只係邊個硬件平，而係邊個掌握數據、算力、模型、工具鏈同訓練平台。

宇樹嘅低價硬件，可能係中國路線嘅優勢：先將機械人做平，做多，畀更多人試，然後透過大量使用去收數據、改模型、搵應用。但呢條路成功與否，唔係睇一場發佈會，亦唔係睇上市首日升幾多，而係睇佢能唔能夠形成數據飛輪。更多機械人出貨，帶來更多真實場景；更多真實場景，訓練出更好模型；更好模型，令機械人完成更多工作；完成更多工作，客戶先願意續約、擴大部署、真正畀錢。呢個循環跑得通，宇樹就唔只係一間機械人製造商，而係一個具身智能平台。跑唔通，幾千億市值就只係資本市場對未來嘅提前想像。

所以今日睇宇樹，最重要唔係笑佢股價回落，亦唔係神化佢首日暴升。真正要睇嘅係：佢賣出去嘅機械人，到底係變成展示品，定係變成訓練平台；而訓練平台最後又能唔能夠變成真正工作能力。人形機械人最大難題，唔係似唔似人，而係可唔可以喺真實世界長時間、安全、穩定、低成本咁完成一件有經濟價值嘅工作。呢一步未過，佢就仲係展示品同研究平台；呢一步過到，先係真正勞動力。下一次有人再畀你睇機械人打拳跳舞，你可以欣賞，但唔好太快落結論。真正成績表唔係佢跳得幾好睇，而係佢返完一個月工之後，客戶仲肯唔肯畀錢續約。