跳至主要內容

宇树科技员工系列：素材包与 Agent 面试题

沉默王二约 5681 字大约 19 分钟

宇树科技员工系列：素材包与 Agent 面试题

数据截止 2026 年 8 月 10 日，来源见文末。宇树正处于发行上市窗口期，发布前请核对最新公告。

一、标题评估

宇树科技员工：入职五年了，薪资一共涨了 58%，主要是入职时的基数太低了，不过现在很知足了（附Agent面试题）

可以用，44 字，长度正好在你的区间里，口语自然，没有编造痕迹。

逻辑上完全自洽，这一点值得说明：宇树成立于 2016 年，五年前也就是 2021 年入职，那时候公司主力产品还是卖给科研院所的四足机器人，2023 年全年营收才 1.59 亿元，给不起高薪，「入职时基数太低」是真实成立的。而 2025 年营收已经 17.08 亿元，同比增长 335%。一个人在公司营收翻了十倍的五年里薪资只涨 58%，这个反差就是整篇文章的引擎。

唯一可以商榷的是，标题把最强的钩子留在了正文。宇树这几天正在发行上市，8 月 6 日已经公告发行价 150.80 元、发行市值 609.93 亿元，这是本周科技圈热度最高的事。标题不提，读者点进来之前不知道这是一篇有时效性的文章。

如果你想把钩子前置，用这版，45 字：

宇树科技员工：入职五年薪资一共涨了58%，基数太低是主要原因，不过公司要上市了，现在很知足（附Agent面试题）

只多了六个字，「很知足」三个字的分量完全不同了。写「要上市了」而不是「上市了」，因为截至目前只公告了发行价和路演安排，具体上市日以交易所公告为准。

两版都能用。原版胜在朴素，反差在正文里揭开，阅读快感更强；加强版胜在标题就有信息量。我推荐加强版，因为公众号的竞争在列表页，不在正文里。

二、核心素材

上市与发行

  • 8 月 6 日公告发行价 150.80 元/股，发行市值 609.93 亿元，A 股人形机器人第一股。
  • 预计募集资金总额 60.99 亿元，净额 59.17 亿元，募投项目 42.02 亿元。
  • 8 月 7 日网上路演，随后进入申购流程。
  • 社保基金为第一大战略配售方，合计获配约 93.34 万股。
  • DeepSeek 以 1.41 亿元获配约 93 万股，锁定期 36 个月。腾讯等其他战投锁定 12 个月。DeepSeek 用 36 个月的锁定期和三倍于常规的承诺，把大模型和具身智能的合作绑在了一起，这是这次发行里最值得写的一条信息。

员工持股（这是整篇文章的情绪核心）

  • 1 号员工持股资管计划：161 名中层骨干参与，认购金额约 2.185 亿元，人均约 135 万元，锁定期 12 个月。
  • 2 号员工持股资管计划：10 名核心层参与，认购金额 5300 万元，锁定期 36 个月。创始人王兴兴认购 1500 万元，另有三名核心成员各认购 900 万元。
  • 董监高还受 25% 的年度减持比例限制，实际变现周期更长。

写作提示：这一段必须写准，否则会被懂行的读者纠正。员工持股是自己掏钱认购，不是公司白送，人均 135 万元是真金白银的投入，而且要锁 12 个月甚至 36 个月。所以标题里那句「现在很知足」不是躺赢的知足，是一个五年只涨 58% 薪资的人，拿出上百万认购自家股票、还要再等一年才能动的那种知足。这个层次感比单纯的「一夜暴富」故事有价值得多，也更真实。

业务与财务

  • 营收：2023 年 1.59 亿元，2024 年 3.93 亿元，2025 年 17.08 亿元，同比增长 335.36%，三年复合增长率 226.78%。
  • 利润：2025 年扣非净利润 6.00 亿元，同比增长 674.29%；2023 年还亏损 1801.91 万元。经营活动现金流 6.72 亿元。
  • 毛利率：主营业务 60.27%，其中四足机器人 55.49%，人形机器人 62.91%。
  • 收入结构（2025 年 1 至 9 月）：人形机器人 5.95 亿元占 51.53%，四足机器人 4.88 亿元占 48.47%。人形首次超过四足成为第一大收入来源。
  • 出货量：四足机器人累计销量超 3 万台；人形机器人 2023 年 H1 全年卖 5 台，2024 年 G1 全年 410 台，2025 年出货超 5500 台，全球第一。

一个必须写进去的冷静视角

人形机器人的客户结构（2025 年 1 至 9 月）是：科研教育 73.60%，商业消费 17.39%，行业应用 9.01%。而在那 9.01% 的行业应用里，企业导览又占了 50% 到 70%，真正的工业应用只占 29.29%。

也就是说，卖得最好的人形机器人，绝大部分买家是高校和实验室，剩下的多数在做展厅接待。这个行业距离真正的规模化产业落地还很远。

这一段是整篇文章从「造富故事」升华成「行业观察」的关键。它也回答了标题里那个隐含的问题：为什么在一家营收三年翻十倍的公司里，一个五年老员工的薪资只涨了 58%——因为这个行业还在早期，收入结构还没有跑通，公司把钱压在了研发上。

研发投入与技术方向

  • 募资 42.02 亿元的用途中，智能机器人模型研发项目占 20.22 亿元，比例 48.13%；机器人本体研发 11.10 亿元；新型产品开发 4.45 亿元；制造基地建设 6.24 亿元。研发相关投入占募资的 85.15%。
  • 2025 年 9 月，宇树开源了 UnifoLM-WMA-0 世界模型架构，包含两个模块：一是仿真引擎，作为交互式模拟器为机器人学习提供合成数据；二是策略增强，与动作头对接，通过预测未来的交互过程来优化决策性能。该架构面向跨本体的通用机器人学习设计，能够预测未来动作视频，可完成叠木块、整理文具、放置物体这类操作任务。
  • 公开报道显示宇树在双轨推进 WMA（世界模型动作）与 VLA（视觉语言动作）两条大模型路线。

写作提示：这一段是从「机器人公司」接到「AI Agent」的桥。宇树把近一半募资投向模型研发，说明它的自我定位已经从卖硬件转向了造大脑。加上 DeepSeek 的战略配售，大模型和机器人本体的结合就是这篇文章落到面试题的自然通道。

三、Agent 面试题（12 题 + 1 道场景题）

具身智能方向，和宇树的业务直接相关。

01、具身智能里，大模型和传统控制算法应该怎么分层？

答题要点：分三层来看。底层是实时控制，包括平衡、步态、力控、避障，要求毫秒级响应和确定性，由传统控制算法和专用小模型承担，大模型绝对不能进这一层。中间层是技能库，把「抓取」「放置」「行走到某处」封装成参数化的原子动作，这一层可以是学习出来的策略，也可以是编程实现的。最上层是任务理解与规划，由大模型把人的自然语言指令翻译成技能序列，并在执行失败时重新规划。判断某个功能该放哪一层的标准是延迟要求和失败代价，延迟要求越严、失败代价越不可逆，越要往下沉、越要用确定性方法。

02、世界模型和 VLA 是两条什么样的路线？各自解决什么问题？

答题要点：VLA 是端到端路线，输入视觉和语言，直接输出动作，优点是链路短、不需要显式建模环境，缺点是需要海量真机数据，且行为不可解释、失败时难以定位。世界模型路线是让模型先学会预测「如果我做这个动作，环境会变成什么样」，再基于预测做决策，优点是可以用预测能力生成合成数据来缓解真机数据不足，也能在动作执行前做内部推演从而减少试错，缺点是预测误差会累积，长时序预测容易失真。两条路线不是互斥的，实践中常见的做法是用世界模型做仿真和数据生成，同时用它的预测能力去增强 VLA 的策略，这也是把两者结合的典型思路。

03、真机数据成本这么高，仿真到真机的差距怎么补？

答题要点：差距来自三方面，物理参数不准（摩擦、质量分布、电机响应）、视觉渲染不真实、以及仿真里没有的意外情况。对应的手段：域随机化，在仿真中随机化物理参数和视觉外观，逼迫策略学到对参数不敏感的行为；真机数据做微调，仿真训练打底，少量真机数据做最后对齐；系统辨识，用真机数据反过来校准仿真器的参数。评估上要注意仿真里的成功率和真机成功率往往差距很大，只报仿真指标是没有说服力的。近年比较有效的思路是用真实交互视频训练世界模型，再用世界模型当仿真器，这样生成的数据在物理规律上更接近真实。

04、遥操作采集的数据为什么值钱？怎么保证质量？

答题要点：遥操作数据的价值在于它是「带正确动作标签的真实交互数据」，这是互联网视频给不了的——网上有大量人做家务的视频，但没有对应的关节角度和力矩序列。质量控制有几个关键点：操作者的动作要平滑且符合机器人的运动学约束，人手的习惯动作机器人未必能复现；要覆盖失败和恢复的过程，只采集成功轨迹会导致策略遇到偏差就无法纠正；要记录多视角和本体感知信号，不能只有主视角图像；要做数据清洗，剔除操作者犹豫、误操作、中途暂停的片段。另外要注意采集场景的多样性，同一个房间采一万条的价值远低于一百个房间各采一百条。

05、机器人任务执行失败了怎么恢复？和软件 Agent 的重试有什么本质不同？

答题要点：软件 Agent 的重试通常是幂等的，失败了再调一次接口，世界状态没变。物理世界不是——抓空了物体可能被碰倒，倒水倒洒了液体已经在桌上，重试的前提是先恢复到一个可重试的状态。所以具身 Agent 的失败处理必须包含三步：检测（通过力反馈、视觉验证判断动作是否真的完成，而不是相信控制指令已下发就等于成功）、评估（当前状态与预期状态的偏差有多大，是否还在可恢复范围内）、恢复（先执行一个复位动作回到已知状态，再重新规划）。工程上最容易忽略的是检测这一环，很多系统默认动作执行成功，导致错误一路累积。

06、把「整理这个货架」这类长时序任务分解成机器人能执行的动作，难点在哪？

答题要点：难点不在于分解本身，大模型做任务分解已经比较可靠，难点在于分解结果的可执行性和状态跟踪。可执行性是指模型分解出的步骤必须落在机器人的技能库里，模型不知道机器人不会做什么，所以要把技能库作为工具描述给到模型，并约束它只能使用列表内的动作。状态跟踪是指长任务执行过程中环境在变化，第三步的前提可能在第二步执行后已经不成立，所以不能一次性规划完就闭眼执行，需要边执行边校验前提条件。另外要设计中断和续接，长任务被打断后要能从中间状态继续，而不是从头开始。

07、机器人的多模态感知怎么接进 Agent 的上下文？

答题要点：不能把原始图像流直接塞进上下文，一是 Token 消耗巨大，二是模型对连续帧的冗余信息利用率很低。正确做法是分层抽象：感知模块把原始信号处理成结构化的场景描述，比如物体列表、位置、姿态、可抓取性，Agent 消费的是这份描述而不是像素。需要视觉细节时再按需请求特定视角的关键帧，把「看一眼」设计成一个工具调用。本体感知信号（关节角度、力矩、电池、温度）作为状态信息定期注入，但要做变化检测，只在显著变化时更新。这样设计的另一个好处是感知模块可以独立升级，不影响上层的任务逻辑。

08、端侧算力有限，大模型怎么部署到机器人本体上？

答题要点：按频率和延迟要求切分。高频低延迟的控制环必须在本体，通常运行在专用芯片上，模型规模很小。任务规划这类低频高算力的部分可以放云端，因为规划一次可以执行几十秒。中间的感知理解通常放本体的边缘计算模块，用量化后的中等规模模型。切分的核心约束是断网可用性，机器人在断网时必须能安全停下并保持已有任务的完成度，不能因为云端不可达就失控。另外要考虑功耗，机器人是电池供电，算力和续航是直接矛盾的，这一点和服务器场景完全不同。

09、物理世界的动作不可逆，机器人 Agent 的安全边界怎么设计？

答题要点：安全不能依赖模型的判断，必须有独立的、确定性的安全层。设计上分三道：第一道是物理限制，力矩上限、速度上限、工作空间边界由硬件和底层固件强制执行，任何上层指令都无法突破。第二道是动作白名单和前置校验，Agent 提出的动作在下发前由安全模块校验，比如靠近人时禁止高速运动。第三道是人在回路，涉及人身安全和高价值物品的动作需要人确认。还要有紧急停止的独立通道，不经过任何软件栈。回答这题的关键是能说清「安全层必须独立于 Agent，且是确定性的」，把安全判断交给大模型是最大的设计错误。

10、怎么评测一个具身 Agent？成功率之外还要看什么？

答题要点：成功率是最粗的指标，且容易被任务难度的选择操纵。更完整的评测要看几个维度：泛化性，换一个没见过的场景、换一个同类但外观不同的物体，成功率掉多少；鲁棒性，在执行中人为施加扰动（挪动物体、遮挡视线），能否恢复；效率，完成任务的时间和动作数，绕了很多弯路的成功和干净利落的成功价值不同；安全性，过程中有没有发生碰撞、超力矩、危险接近。评测的组织方式上，要区分仿真评测和真机评测，真机评测成本高但不可替代，通常做法是仿真跑大规模回归，真机跑小规模的关键场景集。还要注意评测集必须和训练场景严格隔离。

11、一个仓库里几十台机器人，多个 Agent 怎么协同？

答题要点：分层协同。全局层做任务分配和资源调度，这一层用运筹优化而不是大模型，因为要求最优性和确定性。个体层每台机器人有自己的执行 Agent，负责本地感知和动作执行。冲突解决放在中间层，比如通道占用、充电桩争抢，用预约机制或者集中式仲裁，不要让机器人之间自由协商，那样收敛慢且不可预测。大模型在这个体系里主要做两件事：把人的调度意图翻译成优化目标，以及在出现规则没覆盖的异常时提出处置方案。要强调的是，多机协同的难点是通信延迟和状态不一致，设计时要假设每台机器人看到的全局状态都是过期的。

12、机器人的记忆怎么设计？和对话 Agent 的记忆有什么不同？

答题要点：对话 Agent 的记忆主要是语义和事件，机器人多了一个关键维度——空间。需要三类记忆：空间记忆，环境地图、物体的位置和状态，这类记忆要能持续更新，因为物体会被移动；任务记忆，正在执行的任务的进度和中间状态，用于中断后恢复；经验记忆，某个抓取姿势在这个物体上失败过，下次换一种，这类记忆直接影响策略选择。三者的更新频率和存储方式都不同：空间记忆需要几何结构而不是文本，通常存在场景图或地图里；任务记忆是短期的，随任务结束而归档；经验记忆是长期的，需要做泛化，不能只记住具体实例。另外物理世界的记忆有个特殊问题——过期，你记得杯子在桌上，但别人拿走了，所以取用记忆前要做验证。

场景题：给一台人形机器人设计「把桌上的东西收拾好」这个任务的 Agent，你会怎么落地？

答题要点：这题可以放最后，也最能看出候选人有没有想过真实问题。分五步说。第一步是任务澄清，「收拾好」是模糊指令，需要 Agent 主动确认或者用常识补全，垃圾扔掉、书本归位、餐具送厨房，这套映射从哪来是第一个设计决策。第二步是场景理解，识别桌上的物体、判断每个物体的类别和归属位置，这里要处理未知物体，遇到不认识的东西是跳过还是询问。第三步是排序，先拿什么后拿什么会影响成功率，比如先移走挡住其他物体的大件。第四步是执行与验证，每个动作后验证是否真的完成，抓取失败要重试并在多次失败后放弃并记录。第五步是收尾汇报，告诉用户完成了什么、有哪些没做以及原因。加分项是能主动提到安全边界，比如遇到易碎品或者不确定的物品应该询问而不是自作主张，以及提到这个任务的评测应该怎么设计。

四、正文结构建议

  1. 开头贴员工原声。
  2. 立刻给出反差：这个人所在的公司，2023 年营收 1.59 亿元，2025 年 17.08 亿元，三年翻了十倍，本周发行价定在 150.80 元，发行市值 609.93 亿元。
  3. 讲员工持股：161 名中层骨干人均认购约 135 万元，锁定 12 个月；10 名核心层锁定 36 个月。说清楚这是自己掏钱认购，不是白送。这一段把「知足」两个字的分量做实。
  4. 泼一盆冷水，也是全篇最有价值的部分：人形机器人 73.60% 的客户是科研教育，行业应用只占 9.01%，其中还有大半在做展厅导览。这个行业离规模化落地还远，公司把钱都压在研发上，所以老员工的薪资涨得慢。这不是公司抠门，是行业阶段决定的。
  5. 转技术：42.02 亿元募投里近一半投向模型研发，2025 年 9 月开源 UnifoLM-WMA-0 世界模型，双轨推进 WMA 和 VLA。加上 DeepSeek 以 1.41 亿元战略配售并锁定 36 个月，大模型和机器人本体正在往一起走。
  6. 转到 Agent 面试题。
  7. 结尾回到那个五年只涨 58% 的人：他等的不是这次上市，是这个行业真正跑通的那一天。

五、发布前核验

来源

  • 新浪财经 宇树科技 IPO 定价 150.80 元，发行市值近 610 亿元：https://finance.sina.com.cn/esg/2026-08-06/doc-inimmayv4469097.shtml
  • 北京商报 宇树科技发行市值 609.93 亿元：https://www.bbtnews.com.cn/2026/0806/601498.shtml
  • 新浪财经 宇树科技 IPO 造富：161 名员工持股安排：https://k.sina.com.cn/article_7879922977_1d5ae152106801i0iy.html
  • 21 财经 宇树科技超百名员工参与 IPO：https://m.21jingji.com/article/20260806/herald/598013f30b6a88c4f56855d8abd98516.html
  • 经济观察网 深度拆解宇树科技招股书：https://www.eeo.com.cn/2026/0320/813654.shtml
  • 新华网 宇树科技通过科创板上市审核：https://www.news.cn/fortune/20260601/c6a6d3341daa43dcab1668fc816f88d5/c.html
  • 新浪科技 宇树开源 UnifoLM-WMA-0 世界模型架构：https://finance.sina.com.cn/tech/digi/2025-09-15/doc-infqqunc4408005.shtml
  • 量子位 宇树开源机器人世界大模型：https://www.qbitai.com/2025/09/332582.html