Die heimischen Kollegen beneiden die Silicon Valley um ihr Geld, während die Silicon Valley beneidet, dass Unitree eine gute Verfassung hat.

Am 25. Mai hat Unitree Technology die Antragsunterlagen für die Notierung an der Science and Technology Innovation Board (STAR Market) veröffentlicht. Das Prüfungsverfahren findet am 1. Juni statt. Seit der Veröffentlichung des Prospekts hat die Diskussion um das Unternehmen nicht aufgehört.

Werden zu wenig in die Forschung und Entwicklung investiert? Können 5.500 verkaufte humanoide Roboter einen Unternehmenswert von 42 Milliarden Yuan rechtfertigen? Bedeutet die halbierte Nettogewinnrate im ersten Quartal dieses Jahres, dass das Wachstum nicht aufrechterhalten werden kann? Selbst der Prospekt gibt zu, dass das "Gehirn" des Roboters noch nicht fertiggestellt ist. Diese Zweifel basieren auf soliden Logiken und Daten. Wenn man Unitree als ein etabliertes Unternehmen in einer etablierten Branche ansieht, sind alle Argumente zutreffend.

Hier liegt aber genau das Problem.

Deckt die Forschungs- und Entwicklungsquote den Branchenmittelwert? Ist die Marktmarge stabil? Ist die Kundenstruktur ausreichend breit gestreut? Können die Gewinne dauerhaft erzielt werden? Diese Bewertungskriterien sind für Branchen entwickelt worden, in denen die Marktstruktur bereits stabil ist, die technologischen Ansätze festgelegt sind und das Geschäftsmodell bewährt ist. Sie eignen sich für die Elektrogeräte-, Mobiltelefon- und sogar die Elektromobilitätsbranche. In diesen "heranwachsen" Branchen konkurrieren die Unternehmen um Betriebseffizienz, und die Finanzzahlen liefern die Antworten.

Unitree Technology | Quelle: GeekPark

Die Branche, in der Unitree sich heute befindet, ist jedoch keine solche etablierte Branche.

Embodied Intelligence ist einer der heißesten Wettbewerbsfelder in der globalen Technologieentwicklung. OpenAI, Anthropic, Tesla, Figure und Google - die führenden Silicon Valley - Unternehmen setzen Milliarden von US - Dollar pro Jahr in die Entwicklung von künstlicher allgemeiner Intelligenz (AGI) für die physische Welt ein. Dies ist ein Wettbewerb in der Frühphase, in dem die technologischen Ansätze noch nicht festgelegt sind, das Geschäftsmodell noch nicht funktionstüchtig ist und die Massenproduktion noch nicht begonnen hat. In einem solchen Wettbewerb entscheidet nicht, welche Firma die richtige Forschungs - und Entwicklungsquote erreicht, sondern wer zuerst am Eingang des nächsten Paradigmas steht.

Wenn man die Bewertungskriterien für etablierte Branchen auf einen Wettbewerb in der Frühphase anwendet, ist die daraus resultierende Beurteilung wahrscheinlich völlig daneben.

In letzter Zeit hat GeekPark mehrere intensive Gespräche mit Branchenexperten für Embodied Intelligence und Large Language Models in Silicon Valley geführt. Die von dort zurückgebrachten Informationen lassen mich zu einer anderen Einschätzung kommen: Die gegenwärtige finanzielle Prüfung von Unitree verwendet wahrscheinlich die falschen Bewertungskriterien. Der wahre Wert des Unternehmens liegt nicht in den Finanzberichten des Prospekts, sondern in seiner Position in der globalen Embodied - Welle.

01

Silicon Valley startet heimlich die zweite Hälfte des Embodied - Wettbewerbs

Heute hat sich in Silicon Valley ein Konsens gebildet: Das AGI - Kriegsfeld in der digitalen Welt gilt in den führenden Silicon Valley - Unternehmen als grundsätzlich gelöst. Die zweite Hälfte spielt sich in der physischen Welt ab.

Sam Altman hat in mehreren öffentlichen Anlässen ähnliche Einschätzungen geäußert, und OpenAI ordnet seine Ressourcen entsprechend neu an.

Das beste Beispiel dafür ist Sora. Die meisten Menschen sehen Sora nur als ein AI - Produkt zur Erstellung von Kurzfilmen und Anime. Innerhalb von OpenAI ist Sora jedoch von Anfang an als "Welt - Simulator" konzipiert, das Ziel ist es, ein Basis - Modell zu entwickeln, das die Funktionsweise der physischen Welt versteht. Die Videogenerierung ist nur ein Nebeneffekt dieser Fähigkeit. In diesem Jahr wurde die C - Seite - Produktlinie von Sora stark reduziert, und die freigesetzte Rechenleistung und die Kernforscher wurden an das Roboterteam vergeben, um Modelle zu trainieren, die in der physischen Welt agieren können.

Sora | Quelle: Visual China

Anthropic verhält sich ähnlich wie OpenAI. Das Unternehmen, das sich bisher gegen die Multimodal - Generierung ausgesprochen hat, hat im März dieses Jahres heimlich ein Roboterteam gegründet. Mit anderen Worten, das "nur Sprachmodelle entwickelnde" Anthropic existiert nicht mehr. Wenn OpenAI und Anthropic beide in Embodied Intelligence investieren, bedeutet dies, dass es sich nicht mehr nur um eine Branchenwahl handelt, sondern um die zweite Hälfte des Large - Language - Model - Wettbewerbs. Wer nicht mitspielt, ist aus.

Was noch bemerkenswerter ist, ist, dass die Vorgehensweise der führenden Silicon Valley - Unternehmen in diesem Wettbewerb völlig anders ist als die in der chinesischen Embodied - Intelligence - Branche.

Sie beeilen sich nicht mit der kommerziellen Umsetzung.

Nach der Logik in Silicon Valley befindet sich die Embodied Intelligence in der Frühphase eines sich rasch entwickelnden Paradigmas. Wer sich zu früh auf einen bestimmten Anwendungsfall konzentriert, um Geld zu verdienen, wird zu einer "Geschäftsdienstleistungsfirma". Die Unternehmensbewertung solcher Firmen basiert auf dem Preis - Gewinn - Verhältnis. Sobald eine Firma in diese Logik gerät, wird sie gezwungen, Entscheidungen auf der Grundlage kurzfristiger Einnahmen zu treffen und verliert die Fähigkeit, bei Paradigmenwechseln agil zu bleiben.

Deshalb investieren die besten Silicon Valley - AI - Unternehmen lieber große Summen in die Erforschung von Basis - Modellen und Datenparadigmen, anstatt sich um Aufträge zu kümmern oder um die Schlagzeile "der erste humanoide Roboter in der Fabrik" zu kämpfen. Sie warten nicht auf kurzfristige Einnahmen, sondern auf den Moment, in dem das Datenparadigma wirklich funktioniert.

Dies unterscheidet sich stark von der Situation in der chinesischen Embodied - Intelligence - Branche in den letzten Jahren. In China versuchen fast alle Firmen, ihre Roboter in Fabriken, Krankenhäuser und Ausstellungen zu bringen. Der Grund ist einfach: Chinesische Start - Ups haben Schwierigkeiten, das geduldige Kapital wie in Silicon Valley zu erhalten, das auf langfristige technologische Investitionen setzt. Die meisten Unternehmen sind gezwungen, "unterwegs Eier zu legen", also gleichzeitig Umsetzung und Finanzierung voranzutreiben.

Beide Ansätze sind nicht richtig oder falsch. Um den globalen Embodied - Wettbewerb zu verstehen, muss man jedoch zuerst eine grundlegende Frage beantworten: Was warten die führenden Silicon Valley - Unternehmen eigentlich ab, obwohl sie bereit sind, Geld zu verbrennen, anstatt sich mit der Umsetzung zu beschäftigen?

02

Unitree hat die richtige Position im neuen Paradigma eingenommen

Die führenden Silicon Valley - Unternehmen haben in der letzten Zeit viel Geld in die AGI für die physische Welt investiert. Der größte Konsens, der daraus hervorgegangen ist, ist jedoch keine bestimmte Technologie, sondern eine grundlegende Einschätzung:

Das "Gehirn" eines Roboters ist im Wesentlichen ein Problem der Multimodal - Modelle.

Ein Roboter, der in der physischen Welt arbeiten kann, muss die Umgebung sehen (Visuelle Wahrnehmung), Befehle hören (Sprachverarbeitung), die Gewicht und die Haltbarkeit der gegriffenen Objekte fühlen (Kraftfeedback) und dann Bewegungen ausführen (Gelenkbewegungen). Die Darstellung, Ausrichtung und Generierung dieser verschiedenen Eingabe - und Ausgabemodalitäten auf eine einheitliche Weise - dies ist genau das, was Multimodal - Large - Language - Modelle tun. Das Gehirn eines Roboters ist im Wesentlichen ein Multimodal - Modell.

Die Techniken zur Training und Skalierung von Multimodal - Modellen sind in den letzten Jahren bereits ziemlich gut erforscht.

Das eigentliche Hindernis für die Embodied Intelligence ist nicht die Modellfähigkeit.

Sondern die Daten.

Es gibt in der Robotikbranche derzeit nicht genug Daten in ausreichender Menge, Vielfalt und Qualität, um Massenproduktion von Pre - Training zu ermöglichen. Das wichtigste Problem in der gesamten Branche ist es, ein neues Datenparadigma zu finden - ein Datenmechanismus, der Daten in Massenproduktion generieren und für das Pre - Training von Robotergehirnen effektiv einsetzen kann.

Um dieses Problem herum führen die führenden Silicon Valley - Unternehmen verschiedene Experimente durch. Einige versuchen, Videos aus erster Person als Trainingsdaten zu verwenden, andere verbessern die Simulation, um die virtuelle Umgebung der realen physischen Welt näher zu bringen, wieder andere überarbeiten die Fernsteuerungs - Datenerfassung, und einige setzen Roboter in vertikalen Anwendungsfällen ein, um Daten aus realen Interaktionen zu sammeln. Alle diese Ansätze befinden sich noch in der Experimentierphase und haben sich noch nicht etabliert.

Dies bedeutet, dass die führenden Silicon Valley - Unternehmen den Einsatz von Robotern in vertikalen Anwendungsfällen im Wesentlichen nicht dazu nutzen, um Roboter in Fabriken zu verkaufen und Geld zu verdienen, sondern um die Grenzen des Datenparadigmas in diesen Anwendungsfällen zu erforschen. Das Roboterteam von OpenAI, das neue Roboterteam von Anthropic und die World Labs von Fei - Fei Li arbeiten im Wesentlichen an demselben Ziel: das skalierbare Datenparadigma zu finden.

Außerdem bedeutet dies auch, dass es derzeit nicht der richtige Zeitpunkt ist, dass Roboterfirmen einfach durch hohe Investitionen einen Durchbruch beim "Gehirn" erzielen können.

Tatsächlich machen die meisten Roboterfirmen denselben Fehler wie in der NLP - Branche in der Vergangenheit: Sie überspringen das Pre - Training und gehen direkt zur Ausrichtung, oder sie versuchen, Anwendungsfälle umzusetzen, obwohl die technologischen Voraussetzungen noch nicht gegeben sind. Dies ist wahrscheinlich die bittere Lehre, die die Embodied - Intelligence - Branche gerade lernt.

Im Hinblick auf die gesamte Branche bedeutet dies, dass in der nächsten Phase der Embodied Intelligence zwei Dinge gleichzeitig passieren werden:

Zum einen wird die Erforschung des Datenparadigmas fortgesetzt. Dies ist für alle Firmen, die auf das "Gehirn" setzen, unerlässlich. Sowohl die führenden Silicon Valley - Unternehmen als auch die chinesischen Start - Ups für Embodied - Large - Language - Modelle investieren Geld, machen Fehler und warten auf den Moment, in dem sich das Paradigma etabliert. Dieses Vorhaben muss unbedingt durchgeführt werden, aber niemand kann sagen, wann es erfolgreich sein wird.

Zum anderen muss der Roboter - Körper verbessert werden. Dies ist besonders wichtig, weil es unabhängig von der Etablierung des Paradigmas ist. Unabhängig davon, welchen Weg die Gehirntrainingstechnologie nimmt, braucht ein Roboter am Ende einen zuverlässigen Körper. Ein Roboter, der leicht stürzt, überlastete Gelenke hat, bei Überhitzung ausfällt oder alle zwei Stunden gewartet werden muss, kann kein Paradigma - Modell unterstützen.

Das bedeutet, dass die Investition in den Roboter - Körper auch in Zukunft nicht vergeudet wird, unabhängig davon, wie sich das Datenparadigma entwickelt. Sobald sich das Paradigma etabliert hat, können Firmen mit starken Körper - Fähigkeiten schneller die machbaren Lösungen in einsetzbare Produkte umsetzen.

Im globalen Vergleich: Tesla hat kürzlich die kleine - Serienproduktion des Optimus Gen - 3 angekündigt, Figure befindet sich noch in der Demonstrationsphase, und Boston Dynamics hat schon dreimal Aktien verkauft, aber bisher keine Massenproduktion und Gewinn erzielt.

Nur Unitree hat humanoide Roboter in großer Anzahl verkauft und in realen Anwendungsfällen eingesetzt, wo sie kontinuierlich arbeiten.

Im Jahr 2025 betrug die Gesamtmenge der weltweit verkauften humanoiden Roboter etwa 13.000 Einheiten, von denen Unitree mehr als 5.500 verkauft hat, was fast die Hälfte ausmacht. Bei Vierbeinern hat Unitree insgesamt über 30.000 Einheiten verkauft und hat seit mehreren Jahren die weltweit höchste Marktanteil. Diese Roboter sind in Hochschul - Labors, Forschungsinstituten, Geschäftsgebäuden und industriellen Inspektionsstellen auf der ganzen Welt im Einsatz - jeder einzelne von ihnen arbeitet in der realen physischen Welt.

Deshalb wird in Gesprächen mit Branchenexperten für Embodied Intelligence und Large - Language - Models in Silicon Valley, wenn es um chinesische Roboterfirmen geht, fast immer zuerst Unitree genannt.

Unitree spielt keine Tricks. Es verfolgt nicht Ziele, die die technologischen Grenzen nicht wirklich erweitern. In der Phase, in der sich das Datenparadigma noch nicht etabliert hat, hat es sich entschieden, sich auf das zu konzentrieren, was nicht vergeudet wird: den Roboter - Körper so gut wie möglich zu gestalten, besser als alle anderen in der Welt.

Dieses "Verbessern des Roboterkörpers" ist bei Unitree nicht nur ein leeres Wort, sondern eine Methode, die sich fast seit zehn Jahren etabliert hat. Seit dem ersten Vierbeiner - Roboter Laikago im Jahr 2017 definiert Xingxing Wang, der Gründer mit technischem Hintergrund, die Produkte so, dass er zuerst fragt: "Kann dieser Roboter stabil hergestellt werden?", "Wie wird der Kunde ihn verwenden?", "Wie oft kann er fallen, bevor er nicht mehr funktioniert?" Erst dann entwirft er die Struktur, die Motoren und das Steuerungssystem des Roboters.

Unitree humanoide Roboter und Unitree Vierbeiner - Roboter | Quelle: Visual China

Diese Methode hat sich in den letzten zehn Jahren bei den Vierbeinern bewährt und hat zu einem unverwechselbaren technologischen Know - how und einer tiefen Supply - Chain - Integration geführt. Als der humanoide Roboter im ersten Halbjahr 2023 eingeführt wurde, konnten die Fähigkeiten in der Motor - und Gelenkentwicklung wiederverwendet werden, so dass der humanoide Roboter von Anfang an auf einer gut durchdachten industriellen Basis stand.

Unitree hat sich auch an den vergangenen spektakulären Ereignissen beteiligt, wie dem Tanzen beim Frühlingsfest, dem Gewinn der Goldmedaille bei der Weltroboter - Meisterschaft und verschiedenen kommerziellen Präsentationen. In der Logik von Unitree sind diese Ereignisse jedoch keine Ziele, sondern Tests. Jede öffentliche