Woofun AI 消息，DeepSeek 以 1.408 亿元认购宇树科技科创板 IPO 战略配售新股，标志着两家致力于极致降本的企业在资本与技术层面完成深度绑定。

这一动作不仅是一次财务投资，更揭示了行业底层逻辑的转向：当智能与身体的成本双双跌破临界点，技术普及的核心驱动力将从‘性能提升’转变为‘浪费的容忍度’。DeepSeek 与宇树的联手，旨在通过降低‘思考’与‘行动’的双重门槛，推动具身智能从昂贵的实验室设备演变为可被大规模试错的基础设施。

在人工智能领域，‘斩杀线’已成为衡量模型性价比的残酷标尺。7 月 31 日，DeepSeek V4 Flash 更新后，在 Artificial Analysis 发布的模型智能水平与使用成本坐标图中，其表现极具颠覆性。纵轴代表智能指数，横轴代表调用成本，V4 Flash 以 50 分的智能指数紧贴全球第一梯队，而单轮测试平均成本仅为 3 美分。

这一数据点被推向坐标系左上角，形成了极强的竞争壁垒：比它便宜的模型能力不足，比它聪明的模型价格高昂。自 2024 年 V2 发布以来，DeepSeek 持续压低机器‘想一次’的成本，迫使行业重新审视定价逻辑。如今，若模型性能未显著超越 DeepSeek，其高昂价格便难以自圆其说。彭博在讨论中国模型对美国 AI 公司的价格压力时，甚至直接使用‘Death Zone’（死亡区）一词，印证了这种成本优势带来的市场挤压效应。

与 DeepSeek 在算法侧的降本并行，宇树科技创始人王兴兴在硬件侧践行着相似的工程哲学。回顾宇树的创业历程，其核心基因源于早期资源匮乏下的极致创新。王兴兴在读研究生期间开发 XDog 时，因无力承担昂贵的液压系统，转而研究低成本电机；因买不起成熟方案，便亲自绘制驱动板、编写程序并搭建控制系统。

这种‘先问有没有更便宜办法’的朴素工程习惯，奠定了宇树的技术底色。王兴兴曾回忆，2010 年在杭州制作双足机器人时，机械部分总成本仅两百块钱。多年后，面对外界关于成本极限的质疑，他坚定表示：‘不要跟我们比降成本，我们可以继续降低很多。’这种对成本的极致敏感，使宇树在机器人硬件领域建立起独特的竞争优势。

8 月 6 日，宇树科技公布科创板 IPO 战略配售结果，DeepSeek 以 1.408 亿元认购新股，双方合作细节随之披露。根据协议，宇树在需要模型训练服务和技术方案时将优先考虑 DeepSeek，而 DeepSeek 在需要机器人硬件及探索具身智能应用时则优先考虑宇树。

这一安排并非简单的供应链互补，而是两家公司在降低‘思考’与‘行动’成本上的殊途同归。DeepSeek 致力于让 AI 推理更便宜，宇树致力于让机器人本体更廉价，两者的结合旨在打通具身智能从算法到落地的全链路成本瓶颈。这笔投资金额在 AI 行业虽不惊人，但其象征意义在于：两家坚持‘白菜价’策略的企业，首次将各自的成本曲线无缝对接，共同探索技术普及的新路径。

DeepSeek 的降本路径深植于架构创新，而非单纯的补贴策略。以 DeepSeek-V2 为例，其总参数达 2360 亿，但每处理一个 Token 仅激活 210 亿参数，通过混合专家（MoE）架构大幅降低计算负载。相较上一代，V2 的训练成本减少 42.5%，KV Cache 减少 93.3%，最大生成吞吐提高 5.76 倍。到了 V3 模型，这一思路进一步深化，正式训练消耗 278.8 万 H800 GPU 小时，同时通过低精度训练和通信优化提升效率。今年 5 月，DeepSeek 将 V4-Pro 原本 75% 的促销折扣转为永久价格，旗舰档价格继续下探。CEO 梁文锋强调，其定价原则基于真实成本，不长期贴钱也不追求暴利，这种可持续的低价策略构成了其核心竞争力。

Woofun AI 整理数据显示，宇树科技的硬件降本逻辑同样体现为对工业细节的极致把控。2025 年接受《晚点》采访时，王兴兴解释了 H1 从 9 万美元降至 G1 低配版 9.9 万元人民币的盈利逻辑。他指出，成本是核心 KPI，商业行为必须保证合理利润，而利润来源于对电机、减速器、电路板、关节及线束等部件的精细化优化。一块电路板少几厘米、一个关节少两个零件、线束走法的改变，这些看似微小的调整叠加后，直接导致售价断崖式下跌。王兴兴强调，真正决定机器人价格下限的，不是规模效应带来的供应商降价，而是内部工程设计的极致压缩。

这种‘一分钱掰成两半花’的工业时代质感，使宇树能够在保持盈利的同时，不断刷新人形机器人的价格底线。

宇树的销售数据直观反映了人形机器人从实验室高价设备向大众化采购的转变。2023 年，第一代全尺寸人形机器人 H1 上市，全年仅售出 5 台，平均售价高达 59.34 万元，主要客户为需要专项预算的科研机构。2024 年，更小型的 G1 进入市场，销量激增至 410 台，平均售价降至 26.07 万元，开始进入高校和开发团队。至 2025 年前九个月，人形机器人销量达到 3551 台，平均售价进一步降至 16.76 万元。价格每下降一个台阶，便吸引新一批买家，从专项预算审批转变为部门预算，最终成为普通采购。

这种价格演变过程，标志着技术正跨过普及的临界点，进入无需为每次使用精打细算的阶段。

具身智能的训练困境在于‘真机’与‘算力’的双重高成本，而廉价化正是破局关键。当前训练循环包括现实世界中的真机操作（如伸手、走路、拿东西）和计算世界中的数据清洗、标注、推理与验证。真机昂贵导致团队无法让大量机器人全天候试错，算力昂贵使得低价值数据难以反复训练。因此，研究人员倾向于选择高成功概率的任务，回避琐碎问题。

然而，现实世界充满不确定性：杯子放在桌边 3 厘米与 5 厘米的区别、毛巾湿了一半的抓取点、抽屉卡住时的应对策略、塑料袋中苹果数量变化对手臂动作的影响。这些琐碎问题单看无足轻重，却是机器人进入家庭、仓库等场景必须面对的常态。DeepSeek 与宇树的合作，通过降低真机和算力成本，使机器人拥有更多‘无产出’的试错时间，从而积累应对复杂场景的经验。

经济学中的‘杰文斯悖论’为 AI 普及提供了理论注脚。1865 年，英国经济学家 William Stanley Jevons 研究发现，蒸汽机效率提升导致煤炭消耗增加而非减少，因为廉价动力激发了新需求。

这一现象在 AI 领域同样显现：当模型昂贵时，用户精打细算 Token 价格表，砍掉高成本功能；当智能变得廉价，人们开始将其用于不重要的小事，如整理会议记录、挑错文章。 1911 年，怀特海在《数学入门》中指出，文明进步在于扩大无需思考的重要操作。目前 AI 尚未完全达到此阶段，开发者仍因每百万 Token 差价更换供应商，机器人公司仍在寻找易算账的场景。但随着成本下降，智能将像电力和网络一样，成为无需为每次使用做决策的基础设施，人们在使用时将变得‘大手大脚’且毫无愧疚。

1.408 亿元的投资链接的是一张关于‘机器犯错成本’的账单。当前，因成本高昂，每条真实数据需认真采集，每轮训练需精挑细选，每台机器人需尽快产出价值。未来，当智能普及，机器人在仓库角落练一下午抓箱子失败三百次、Agent 试几十条路径、实验室多放几台机器人无需写采购理由，这些场景将变得平常。AI 未来的关键指标不再是单价，而是社会对机器‘浪费’的容忍度。DeepSeek 让思考接近廉价，宇树让身体接近廉价，最终目标是为机器提供足够便宜的一生，使其能在反复尝试和不断犯错中，将无数看似无意义的失败转化为真正的智能。这是继电力普及之后，技术从‘稀缺资源’向‘公共基础设施’演进的又一里程碑。