宇樹的機器人在短短兩周內接連測試了兩個「大腦」。圖源：第一財經。10 月 12 日，王興興在第二十六屆中國國際工業博覽會上表示，GPT-6 的發布對具身智能行業的認知影響深遠，該公司團隊也將其部署至機器人進行任務測試，效果表現相當不錯。他還提到：「現在我個人對 AI 的信仰反而與日俱增，過去十多年我犯的最大錯誤就是對 AI 的信任不夠。至今可能很多人還未充分使用或擁抱 AI。」
10 月 15 日，宇樹股價收盤 405.10 元，為上市兩個月以來最低價，市值達 1638 億。10 月 19 日，英偉達 DreamZero 團隊公佈全球首個開放給公眾的機器人大腦 API，搭載了該團隊的首個模型 Dream-1。在測試了包括宇樹 R1 在內的 27 個機器人後，這些機器人在未經訓練的情況下，能夠即插即用，零成本上手，完成疊毛巾、關抽屜、將耳機掛到鈎子上以及「將不是獼猴桃的水果放進籃子」等指令。
同日下午，宇樹市值重回 2000 億。短短四天，宇樹市值從谷值上漲超過 22%，截至今日收盤，市值達 2083 億，依然保持在 2000 億以上。這讓人不禁好奇究竟發生了什麼變化。市值上漲的同時有兩項測試都給出了判斷：具身智能不再只是可能。
模型跨過具身能力的門檻。ChatGPT-6-Astra 發布時表示：「歡迎來到 AGI 時代」，自述該模型的發布標誌著 AGI 時代的來臨。OpenAI 稱其為「全球智能程度最高且最符合人類意圖的模型」，既然宣稱能夠理解人類意圖，那麼它的理解程度究竟如何？是否能像人類一樣理解物理世界？為了更進一步瞭解 GPT-6-Astra 是否具備在具身智能上操控的能力，商湯聯合大曉機器人、Ropedia、新加坡南洋理工大學和東京大學的研究團隊進行了測試，涉及包括宇樹 G1 人形機器人在內的多款真機。
商湯 SenseNova 及其聯合研究團隊將其部署至 8 個真實機器人平台，涵蓋五類不同形態，且未向 GPT-6-Astra 提供任何示範。模型僅獲得了人類編寫的結構化資訊，包括機器人接口、關節限制、鏡頭位置、安全約束，以及部分平台上的操作提示。在這些條件下，同一個 GPT-6-Astra 確實能夠控制不同形態的機器人完成剛性物體的抓取與放置任務：18 次測試中成功了 17 次。
在宇樹 G1 上，GPT-6-Astra 通過底層控制接口，完成了 3 次機械臂操作中的 2 次，以及全部 3 次轉身、行走和停止任務。
王興興曾在 8 月份的 WRC（世界機器人大會）上強調「泛化」，希望將技術推廣至具更好泛化能力的情況。從此次測試中可以看出，GPT-6 在多形態多平台的機器人上的適應性已完全超過了兩個月前的水平。但僅僅抓放、行走還不足以讓機器人真正融入現實生活。報告判斷：GPT-6-Astra 已在很大程度上跨過了具身能力的門檻，但距離能夠實用部署的具身智能仍有相當距離。儘管實際應用中仍有或大或小的問題，但這次測試證明瞭具身智能不再只是講故事的背景板，而是真正讓具身智能這個概念落地。
GPT-6-Astra 在具身智能測試中的成功表現
王興興在 WRC 上還表示：「目前全世界具身智能最大的瓶頸就是 AI 模型的輸入和輸出與機器人對齊的程度不夠。能執行你的任務，但最後幾毫米的偏差無法很好地與真實世界匹配。」這是迄今為止語言大模型仍需解決的部分。「例如，我在取這個東西時，看到已經快要拿住了，最後一點點觸覺卻無法很好地修正。」他認為，未來幾年必定能解決這個問題。
與此同時，專門訓練的機器人基礎模型應運而生。10 月 20 日，DreamZero 團隊創立的 Dream Labs 完成了 9000 萬美元的種子輪融資，並同時上線 Dream API：全球首個開放給公眾的機器人大腦 API。開發者註冊後將機器人接入 API 即可使用。模型部署在全球多個數據中心，無論機器人位於何處均可快速響應。價格方面，除了每小時 US$3 (約 HK$23)的 Dream-1，還有更快更輕的 Dream-1-flash，每小時 US$2 (約 HK$16)。
但 Dream Labs 不僅希望讓「每個人都能用」，還要「讓每個機器都能用」。Dream-1 確實具備這樣的能力。它的訓練不依賴文字或部署在某個機器上，而是從人們或機器完成任務的影片中進行訓練。模型同時學習預測影片和動作，因此「控制一台機器人」和「想象這台機器人接下來會做什麼」變成了同一個問題，這是物理 AI 模型的優勢。
因此完成任務的機器對 Dream-1 來說僅僅是一個「物體」，所有「物體」的動作都是為了完成指令的一種表達，語言模型那種具體在一台機器上的具體指令對它來說並不重要，從源頭上消除了反覆輸入指令的問題。以疊衣服為例，GPT-6 控制下的機器人需要在增加深度資訊後才能疊毛巾、桌布這類參數一致的柔性物體，但完整的疊衣服任務始終無法完成——完全不同的布料、形狀、褶皺、重心變化，對語言模型而言過於困難以精確判斷。
Dream-1 已能完成疊衣服的指令，官方網站將折疊類家務列為主打能力之一，真機在零樣本情況下便能完成疊毛巾。
在獨立第三方評測機構 Robocurve 發布的 RoboDojo-RC Tier 1 評測中，Dream-1 每次任務嘗試的平均得分達到 59%，成為第一個超過 50%的模型，得分高於 Claude Opus 5.5（48%）、Gemini 4 Argon（48%）、GPT-6 Astra（47%）、GPT-6.1 Sol（42%）等最新大模型，也高於 MolmoAct2（19%）和 GR00T N1.7（10%）等機器人模型。
除了得分，Dream-1 還更便宜、更快：每次任務嘗試的成本約為 US$0.15 (約 HK$1)，與得分次高的 Gemini 4 Argon 相比，得分高 1.2 倍，但成本卻低約 16 倍。平均用時 1.4 分鐘，與最快的大模型 GPT-6 Astra（ultrafast）相比，得分高 1.3 倍，速度快 1.7 倍。每個模型配置均在真實世界中測試了 120 次。
這並不意味著 Dream-1 是一個完全成熟的機器人模型。模型僅決定夾爪最終到哪裡，並不控制手臂如何到達，於障礙物附近或關節極限處可能出現問題；面對與已見過的機器有很大差異的本體，可能預測出不可行的動作；而且，零樣本與一次適配之間仍有差距。Dream Lab 聯合創始人兼 CTO 葛雲皓表示：「縮小這個差距是我們的主要目標之一。零樣本越強，任何一台新機器人就越接近開箱即用。」
無論如何，如同葛雲皓所言，「就像 ChatGPT 第一次面向公眾發布那樣，機器人也終於迎來了第一個開放給公眾的通用大腦 API。它可能還不完美，但總有人需要邁出第一步。」
宇樹：兩次都在現場。此次實驗中，宇樹機器人的 G1 和 R1 分別在場。這並非巧合。宇樹機器人家喻戶曉，但兩次實驗為何都使用了宇樹，它與其他機器人之間有何不同？從產業穩定性來看，宇樹 2026 年上半年營收達 11.52 億元，同比增長 48.54%；歸母淨利潤 2.74 億元。這一盈利數字在整個行業中顯得格外突出。同期，優必選上半年虧損 3.39 億元，自上市以來累計虧損超過 35 億元；智元 2025 年全年虧損 8354 萬元，營收 10.5 億元。
真正能將機器做出來、賣出去、還賺到錢的，只有宇樹一家。
與其他機器人相比，宇樹還擁有極大的價格優勢。弗若斯特沙利文的數據顯示，2026 年上半年全球人形機器人收入排名中，宇樹排第三，市場份額 15.3%。這一數據看似與前文矛盾，實則不然。收入更高的企業，銷量更少，這並不矛盾。宇樹 G1 的定價從 9.9 萬元起，是行業中最便宜的全尺寸人形之一；其他廠商的工業級人形機器人單價普遍在 20 萬元到 50 萬元區間。由此可見，在同品類的機器人中，撇開所有營收數據，宇樹也是流通最廣、價格更低，短期內商業化潛力更大的選擇。
一旦具身大腦真正落地，宇樹必定是身體硬件的第一選擇之一。
具身智能的拐點，第一次如此接近。回到市值上漲，為何宇樹受到如此大的影響，二級市場投的是什麼？宇樹出貨量一直很高，這並不是影響宇樹股價上漲的因素。在 ChatGPT-6 發布時，摩根大通依然給予「減持」評級，理由很直接：估值過高，透支預期。這也證明此前一直沒有一個讓市場信服的「大腦」，因此機器人僅僅是一個形狀或多或少像人的工具，而非具身智能。
但宇樹市值回到 2000 億的那天，GPT-6 和 Dream-1 在同一月份裡，從兩個不同的方向，給出了同一結果：大模型已經發展到不依賴機器人數據，也能控制機器人工作。當所有機器人都能接入同一個大腦時，誰的硬件在市場上流通量最大，誰就會成為默認的測試平台、默認的數據來源、默認的落地方案。宇樹 1.8 萬台的累計出貨量，9.9 萬元起的單機價格，唯一盈利的財務狀況，成為它搶佔生態位的護城河。
這將宇樹的地位從被調侃的機器人玩具一下拔高，成為了具身智能穩定的載體。
一開始，人們認為宇樹能夠獨立實現「具身智能」，引發了一陣狂熱的盛宴；冷靜下來後，人們又認為不能將預期押寶在一個硬件公司。如今具身智能自己給了市場一個答案：頭身分離、腦機結合。這也給了人們許多想像空間。未來硬件會越來越便宜，大腦越來越多，具身智能正在一步一步走進人類生活。