【文/王志帆 周远方 编辑/周远方】

宇树科技创始人王兴兴在亚布力论坛上放出的那句“狠话”：“今年年中，中国人形机器人百米冲刺将突破10秒大关，超越博尔特。”

这听起来像是一次对物理极限的宣战，但这句话背后藏着一个更根本的疑问：如果单纯追求移动速度，轮式底盘的效率显然更高，无论是仓储物流的AGV还是自动驾驶汽车，都能在平坦路面上轻松达到几十公里每小时。为何整个产业还要耗费巨资，让双足机器人去挑战博尔特？

答案在于，双足高速移动并非目的本身，而是当前具身智能技术的金字塔尖。攻克这一极限过程中沉淀的技术能力，正在形成向下兼容的产业基座，最终支撑起从工业巡检到家庭服务的全场景应用。

这种“尖顶突破、逐级下沉”的技术逻辑，正在重塑人形机器人产业的竞争格局。

从“能跑”到“能干活”的技术漏斗

当机器人以10米/秒（36公里/小时）的速度奔跑时，单脚与地面的接触时间仅有约80毫秒。在这弹指一挥间，控制系统需要完成地面反作用力的实时预测、全身31个关节的力矩协同、以及腾空相的重心调整。这相当于把机器人的硬件和算法同时推入“极端工况实验室”——电机要在360N·m的峰值扭矩下瞬间响应，碳纤维结构要承受超过体重十倍的冲击载荷，而感知-决策-执行的闭环必须在千赫兹级频率下运转。

王兴兴强调的“运动能力是真正能干活的先决必要条件”，正是指这种极端压力下打磨出的技术体系。当宇树H1在2025年8月的机器人运动会上以3.8米/秒的配速跑完1500米时，它验证的不仅是耐力，更是高动态环境下的热管理鲁棒性和控制稳定性。这些能力“降速”到工业场景的3-4米/秒时，转化为跨越电缆沟、避障绕行时的动态平衡；进一步下沉到家庭场景的1-2米/秒时，则表现为被宠物突然冲撞时的防跌倒能力。

换句话说，双足奔跑的极限探索，本质上是在为整个具身智能领域建立“动态稳定”的技术基线。轮式机器人在结构化路面上的效率优势，建立在“环境适应性牺牲”之上；而双足的速度突破，恰恰是为了证明机器人能够在非结构化地形（废墟、楼梯、碎石路）中保持比人类更高的机动效率。

速度竞赛的真实景：不是单点突破，而是系统权衡

当前全球双足速度竞赛的参与者，并非简单的“门派对立”，而是在“速度-稳定-泛化”这个不可能三角中寻找不同的平衡点。宇树科技选择了轻量化的电驱激进路线。H1整机仅47公斤，通过北京通研院的OmniXtreme框架，将生成式预训练与强化学习结合，在仿真环境中让数千个虚拟机器人“摔过数百万次”，再迁移到实体。这种路径牺牲了部分负载能力（H1难以长时间负重20公斤以上奔跑），但换取了极高的控制频率和响应速度。其3.3米/秒的纪录（2025年8月）是在标准跑道上实测的平均速度，而非跑步机上的瞬时峰值。

镜识科技则走向另一个极端。其全尺寸机器人Bolt重达75公斤，通过在跑步机上实测达到10米/秒的瞬时速度（2026年2月），但这一定义需要严格限定：这是在特制履带上实现的峰值速度，且目前尚未展示在复杂地形中维持该速度的能力。镜识的“仿跳鼠小腿”结构优化了质量分布，但严格的多刚体动力学建模对算力要求极高，目前更接近实验室极限的探索。

众擎机器人T800同样值得关注。这款70公斤级机器人在2025年已展示出12公里/小时（3.33米/秒）的瞬时速度，且膝关节峰值扭矩达到450N·m，高于宇树的350N·m。众擎的路径更强调高扭矩爆发与续航平衡（4-5小时续航），瞄准的是仓储物流中“负重冲刺”的实用场景，而非单纯的竞速。而特斯拉Optimus与Figure AI则代表了数据驱动派的务实选择。

特斯拉将自动驾驶的端到端神经网络迁移至机器人控制，通过FSD芯片实现视觉SLAM与步态规划的结合，目前最高速度约3.8米/秒（8.5mph），但强调在工厂环境中的泛化能力。

Figure的Helix模型虽用神经网络替代了10万行传统控制代码，但其System 0仅负责底层物理本能，高层规划仍依赖视觉-语言模型，目前的步态更接近“快走”而非“冲刺”。这些路径并非互斥的“门派”，而是不同场景需求的映射：宇树和镜识在探索物理极限以建立技术高地，众擎在寻找负载与速度的甜蜜点，而特斯拉和Figure则在验证数据规模效应能否替代传统物理建模。未来的终极方案很可能是融合——物理模型提供基础动力学约束，神经网络处理高维感知，强化学习优化特定技能。

工程现实的硬约束：速度背后的隐性成本

在追逐“超越博尔特”的叙事中，一些基本的工程约束常被忽略，而这些约束恰恰决定了技术突破能否走出实验室。首先是测试条件的差异性。镜识Bolt的10米/秒是在跑步机上实现的峰值速度，而宇树H1的3.8米/秒是1500米实地跑的平均速度。两者不可直接对比：跑步机提供了恒定的摩擦系数和缓冲支撑，而实地跑需要应对地面不平、风向、转弯离心力等变量。

王兴兴预测的“百米10秒”突破，若要在标准田径场地上复现，仍需克服启动加速度、步态过渡和急停缓冲等一系列工程难题。其次是速度计算的准确性。宇树H1在1500米比赛中的成绩为6分34秒40，换算平均速度应为3.80米/秒。这种细微差别在工程上意味着电机选型和能耗计算的根本不同。

更重要的是能耗与可靠性的隐性成本。当双足机器人以10米/秒奔跑时，关节电机处于极限功率输出状态，减速器磨损和发热量呈指数级上升。目前多数人形机器人的续航仅能维持1-2小时的高强度运动，这距离工业场景要求的8小时连续作业仍有鸿沟。轮式AGV在平坦路面上的能耗效率（每公里能耗）目前仍比双足高出一个数量级。

此外，结构疲劳与维护成本同样不容忽视。高速奔跑时，机器人腿部结构承受的循环载荷远超常规工况，碳纤维复合材料的疲劳寿命、关节轴承的磨损速率、线束的振动耐受性等，都需要在极限测试中得到验证。这些隐性成本往往在实验室演示中被掩盖，却在实际部署中成为决定成败的关键。

商业闭环的探索：从舞台表演到场景深耕

技术金字塔的攀登需要市场的血液供养，而血液的来源往往比技术本身更能决定这座塔最终是通天还是坍塌。除夕夜，宇树以全球首次全自主集群武术表演引爆舆论——连续花式翻桌跑酷、弹射空翻（腾空高度超3米）、单脚连续空翻、两步蹬墙后空翻、Airflare大回旋七周半，这些原本属于专业武术运动员的高难度动作，被24台机器人在无镜头切换的直播画面中一气呵成，瞬时跑位速度达到4米/秒，动作同步误差控制在0.1秒以内。

银河通用、魔法原子、松延动力也在舞蹈、小品、微电影中各展所长，这场看似“炫技”的表演，实则是中国产业硬生生开辟出的金字塔基座——通过租赁模式、商演经济、教育展示等“非典型”场景，让机器人本体在尚未准备好进工厂之前，就实现了规模化的物理铺陈与成本摊薄。

智元通过“擎天租”平台以轻资产方式切入商演市场，宇树将G1开放给个人开发者作为科研入口，这些舞台不仅提供了现金流，更完成了公众认知教育与供应链磨合。相较于特斯拉Optimus“成熟后再放量”的制造业逻辑，中国路径选择了生态培育逻辑：允许机器人在“半成熟”状态下通过表演获得市场喂养，用短期商业闭环反哺长期技术迭代。

现在的问题变成，当双足奔跑这类技术塔尖持续向上攀升时，这个由表演经济和租赁模式构成的金字塔基，是否足够厚实以支撑其重？当前人形机器人的普遍定价仍在几万至几十万美元区间，即便中国供应链能将成本压至美国同类产品的三分之一，距离真正的“普惠”仍有鸿沟。

春晚带来的品牌背书和关注度，成功推动了地方政府、国企、社区开放场景作为试验场，但这种制度驱动的需求能否转化为可持续的市场需求，仍需时间验证。值得关注的是，从表演到应用的过渡已在悄然发生。宇树机器人已开始进入电力巡检、仓储物流等场景进行试点；智元的租赁平台正从商演向教育、展示、体验等多元化场景拓展；众擎T800的高扭矩特性使其在负重搬运场景中展现出独特优势。这些探索虽然规模尚小，却为技术落地提供了真实的数据反馈和场景验证。问题的关键不在于“跑得快有没有用”——F1赛车技术最终下放到民用车，极限探索自有其价值——而在于中国能否在表演经济的窗口期内，加速完成从“舞台展示”到“场景深耕”的基座转换，把金字塔基的扩大和金字塔尖的拔高变成一组飞轮：塔基的每一次扩大，都将成为塔尖向上冲刺的助跑距离，至于能否在标准田径场上跑进10秒，博尔特只是一个里程碑。我们要的是，更高，更快，更强！