3月28日，优必选发布了2023全年财报。财报显示，2023年，优必选实现全年总收入10.55亿元，同比增长4.7%；经调整EBITDA亏损5.15亿元，相比上一年度进一步收窄。两项业务实现双位数增长：智慧物流全年贡献3.89亿元的收入，同比增长47.9%；消费级机器人及其他硬件贡献了2.53亿元的收入，同比增长91.5%。这是优必选于2023年12月底上市后，公布的首份财报。

2023年，优必选研发投入达4.9亿元，同比增长14.5%，占同期总营业收入的46.4%，近四年平均研发投入超50%，长达12年的研发投入形成的全栈式技术布局已经成为优必选人形机器人的“护城河”。

2023年，优必选获得授权专利500余项。截至2023年12月31日，优必选全栈式技术拥有2100余项机器人及人工智能相关专利，相比2022年大增31.25%，其中逾1200项为发明专利，占比达57%，逾400项为海外专利，占比近20%。根据2023年人民网研究院发布的《人形机器人技术专利分析报告》统计，优必选在人形机器人有效专利数量上全球第一。

2023年，优必选人形机器人商业化进展明显，率先探索人形机器人在工业场景的应用，研发工业人形机器人Walker S，并与行业优秀合作伙伴一起推进人形机器人在汽车制造领域的落地应用，联合打造试点示范工位，共同推动面向工业场景的人形机器人规模化应用。

人形机器人已经进入产业化落地阶段，智能制造尤其是汽车制造或将成为其首个大规模应用的领域。目前，工业人形机器人Walker S已经进入蔚来第二先进制造基地总装车间进行实地“培训”，实现全球首例人形机器人在汽车工厂流水线与人类协作完成汽车装配及质量检查作业。工业人形机器人Walker S，其身高1.7米，外观比例更接近人类，可替换末端执行器。Walker S搭载了41个高性能伺服关节以及多维力觉、多目立体视觉、全向听觉和惯性、测距等全方位的感知系统，拥有全面升级的视觉定位导航、手眼协调操作、步态控制、多模态路径规划垂域模型等技术，机器人的自主运动及决策能力大幅提高，可在工厂流水线实现精准安全同步的作业。

智能物流方面，2023年，优必选低速无人物流车产品取得从0到1的突破，首次发布L4级无人物流车Chitu赤兔，L4级无人物流车Chitu赤兔在某知名新能源车企园区内试运行，通过替代传统叉车和牵引车，实现物料在封闭园区的无人化配送。

消费级机器人获全球好评。第一代猫砂机器人获得全球用户一致好评，第二代猫砂机器人和旋风强吸扫地机器人已实现量产，旋风强吸扫地机器人更是成为Kickstarter众筹的热点产品。

人工智能教育业务进行了重大的技术升级，研发了新一代的教育平台，接入了AI大模型应用，进一步强化AI功能，从感知、体验到探究，全方位地提供高质量的 AI学习资源给中小学师生，成为集教学、编程、实训、评价和管理等功能于一体的综合型智能教育平台。此外，还成功推出了一款具备丰富AI属性、开放性强且易拼搭的通用拟态拼搭机器人UGOT，并搭配AI教育相关课程推出市场，得到市场的广泛认可。

智慧康养业务携手日本认知症照护第一品牌美邸，以AI与机器人技术赋能康养产业，共同打造世界顶尖的康养服务机器人与解决方案,致力于提升全球范围内康养机构、社区和居家康养应用的智能化水平。

以人形机器人和人工智能为核心战略，优必选致力于推动人形机器人走进各行各业和千家万户，为此将专注于人形机器人、多模态感知和大模型技术以及具身智能三大领域，助力产业实现高质量发展，加快形成新质生产力。

优必选智慧康养机器人

优必选表示，将继续以人形机器人和人工智能为核心战略，致力于推动人形机器人走进千家万户，未来期望在具身智能技术上实现突破。

首先，持续投入人形机器人的软硬件研发，提升人形机器人的运动能力、智能化程度以及作业能力。深度融合最新的人工智能技术，例如多模态语言大模型，在多模感知、推理、任务决策和规划领域开展研究，以技术和场景双驱动推动人形机器人在工业和服务等场景进行应用落地。

其次，将多模态感知和大模型技术作为重要战略，通过对激光、图像、视频、语音和文本等的多模态信号进行融合处理和分析，提升机器人的感知能力，研究大模型机器人，提升多模态感知、数据分析、推理决策以及动态场景的多任务泛化能力。主要研发方向包括基于图像与多模态数据的联合输入，将传统的机器视觉场景理解向更接近人机交互的推理型理解拓展，提升交互自然度；以激光雷达和视觉摄像头为主要传感器，研究场景的高层次语义信息理解；研发多模态大模型，融合数据、知识和常识，构建机器人大脑。

再次，研究具身智能技术，提升机器人的物理世界交互、操作和学习能力，让机器人可以自主执行复杂任务甚至陌生任务。主要研发方向包括提升机器人对复杂场景、复杂地形的感知能力和理解能力，提升全场景的自主移动能力；构建仿真环境还原物理世界，将物理真实数据和虚拟仿真数据相结合，提高机器人执行任务的灵活性和拟人性；构建和完善具身智能软硬件架构和平台，迭代机器人的搬运、抓取、操作和交互技术，提升机器人对物理世界的理解和学习能力。