上过春晚的银河通用，被点名了

港股'具身智能眼脑手第一股'上市刚10天，梅卡曼德创始人邵天兰没发庆功宴照片，而是在朋友圈直接开了炮。

2026年9月，他连发数文，直指部分'攒局型'具身智能企业利用所谓数采中心制造虚假收入，并点名将冲刺港股IPO、上过2026年央视春晚的银河通用。一场隔空交锋，把行业最敏感的一环——数采中心商业模式，推上了风口浪尖。

核心判断先放这里：具身智能的钱，正在从'讲故事'转向'看数据成色'。数采中心这层窗户纸，迟早要被捅破，只是没人想到是上市十天的邵天兰先动的手。

🥊 一场朋友圈引发的地震

先看邵天兰给'攒局型'企业画的画像：位于北京、上海，名气很大、估值很高、上过春晚，大量利用所谓数采中心及与地方政府、投资方、供应商的关联交易，制造'虚假的、不可持续的收入'。

他的用词很重——'不合法、不道德，而且是不聪明的'。一个刚敲完钟的上市公司CEO，用这样的措辞公开点名同行，这在讲究'闷声发财'的机器人圈并不多见。

被点名的银河通用没有沉默。9月10日，公司通过官方公众号发布声明回应：'我们不参与无谓的口水战，不被短期噪声干扰。我们要做的，是把产品做好、把场景做实、把技术做深，继续专注做好自己的事。'

声明从研发投入和商业落地两方面阐述自身基本面，强调'具身智能的竞争力来自长期技术积累，而非短期急功近利的内卷'。没接具体的指控，但姿态给得很足：你看，我在干活。

据多位接近人士的说法，圈内对数采中心的微词由来已久，只是过去大家都在这条链上，谁也不愿先开口。邵天兰此刻开炮，时机耐人寻味——公司刚上市，融资压力卸了一半，而对手还在IPO排队途中。商业竞争的成分有没有？肯定有。但他说的问题存不存在？往下看数据。

💰 '攒局'链条怎么转

金句开场：如果一家公司的主要收入来自把东西卖给自己人，那不叫商业化，叫会计练习。

邵天兰推演的'攒局'链条逻辑并不复杂，可以用一张图说清楚：

问题出在哪？地方政府或国资平台出资设立数采中心，向机器人企业批量采购人形机器人用于数据采集——这本来是个中性甚至正向的产业政策工具，国家队出钱建基础设施，企业出设备，数据反哺模型。

但一旦走偏，链条就变成了闭环游戏：企业把设备卖给中心确认收入，中心再把数据卖回给企业，资金转了一圈，账面上多了一笔'收入'。邵天兰的警告是，这条路的代价是给自己挖坑：'今年做了这样的收入，明年不但要继续做而且还要做得更多，这样就会让企业进入一个持续作假和失血的旋涡。'

这句话是整场交锋里最有含金量的一句。它指出的不只是道德问题，而是商业模型的结构性缺陷——靠关联交易撑起来的收入曲线，必须每年加速才能维持叙事，而真实的商业化落地根本跟不上这个速度，最后就是失血。

⚠️ 数据的成色，比数量扎心

金句开场：机器人买了一大堆，模型真正吃进去的数据，可能不到一半。

数采中心到底建了多少？据信通院统计，截至2026年年中，国内建成投用的具身智能训练场已超70家，在建或规划的还有46家。加起来超过110家，这个基建速度放在全球任何市场都是独一份。

但硬件铺开了，数据质量呢？华东地区一家训练场的数据采集负责人接受《中国新闻周刊》采访时给出了一组扎心数字：他所在中心的有效采集率在1/3—1/2，而这已经高于行业百分之十几的平均水平。

换句话说，行业平均只有百分之十几的采集数据是真正有效的，大量训练数据从未真正进入模型。花几千万买回来的机器人，在训练场里日复一日地'表演'采集，产出的数据却进不了模型迭代链路——这钱花得值不值，一目了然。

一些数采中心重硬件采购，钱花出去了，数据能不能反哺模型、支撑实际作业，才是真正的分水岭。这也在提醒地方政府和国资平台：建训练场不等于发展产业，买机器人不等于形成数据资产。考核指标如果停留在'采了多少条'，那这个基建热潮的泡沫成分会越来越大。

📊 泡沫与头部并存

金句开场：骂泡沫的人刚上市，被骂的人正排队——这个行业从不缺反差。

值得玩味的是这场交锋双方的位置。梅卡曼德被称为港股'具身智能眼脑手第一股'，2026年9月刚刚完成上市；银河通用正在冲刺港股IPO，2026年还登上了央视春晚的舞台。两家都是行业头部，一个已上岸、一个在排队，隔着资本市场的门槛互相开火。

时间线拉出来看，节奏非常紧凑：

把镜头拉远，这场冲突的本质是具身智能商业化路径之争的公开化。一边是'政策订单+数据资产'叙事，靠与地方政府、国资平台的合作快速做出规模，冲估值、赶IPO窗口；另一边是'产品+场景'叙事，强调真实客户付费、数据真正回流模型。两条路线过去各说各话，如今撞在了资本市场的独木桥上。

泡沫和头部是可以并存的。行业里确实有公司在认认真真做场景交付，也确实有公司在玩转闭环收入。麻烦在于，从外部财报和PR稿件里，你很难分清谁是前者谁是后者。邵天兰的炮火之所以引发这么大动静，正是因为他试图替市场把这个区分做出来——尽管动机未必纯粹。

🔧 什么才是真分水岭

金句开场：数采中心的机器人再忙碌，也替代不了客户车间里的真实订单。

对具身智能公司来说，真正值得关注的三个信号，其实这场争论已经给出来了。

第一，看收入结构。客户是谁？是真实下游场景的付费方，还是关联度很高的数采中心和地方平台？前者代表商业闭环，后者可能只是资金闭环。

第二，看数据转化。训练场采集的数据有没有进入模型迭代、支撑实际作业能力提升？有效采集率百分之十几的行业均值，说明这个环节的浪费触目惊心。谁能把数据成色做上去，谁才有真正的护城河。

第三，看单位经济模型。邵天兰说的'持续作假和失血的旋涡'，翻译成投资人语言就是：这类收入不可持续且毛利存疑，每做一年窟窿更大。反过来，能靠真实场景订单覆盖交付成本的公司，才配谈规模化。

对地方政府和国资平台，这场争论同样是提醒：数采中心作为产业政策工具本身没错，但需要建立数据质量考核、引入第三方模型效果评估，别让'新基建'变成'新账本'。

写在最后

邵天兰点名的这家公司上没上过春晚不重要，重要的是，具身智能行业第一次有人当众撕开了数采中心商业模式的口子。

接下来大概率会发生三件事：拟IPO公司收入结构会被交易所和投资人翻得更细；数采中心的建设会从'建了多少'转向'数据卖给了谁、用在了哪'；而真正在场景里干活的公司，会获得一轮估值上的重新定价。

泡沫破灭从来不是行业的终点，而是定价体系的重启。上过春晚的还在台上，开炮的刚敲完钟——下一幕，看数据说话。