具身智能的钱，在圈里打转？

📈 上市十天，他向全行业开了一枪

最好的爆料时机，永远是自己敲钟之后。

9月9日和10日，刚在港股上市不到十天的梅卡曼德创始人邵天兰，连续两天在朋友圈连发长文，把矛头对准行业里一种流行玩法——"攒局型"具身智能创业。核心指控很直接：一批企业利用关联交易制造虚假收入，其中"不乏名气很大、估值很高、上过春晚的公司"。

措辞最重的，是他在评论区直接点名了正在推进IPO的银河通用："这种做法是不合法、不道德，而且是不聪明的。"

银河通用的反应分两步。先是发声明称"不参与口水战，专注做好自己的事"，通篇没提梅卡曼德，但"真实"这个词反复出现——真实研发、真实壁垒、真实场景、真实的商业闭环。两天后，随着事件发酵，银河通用再次发声辟谣，并称已报案。

一边是刚上市具身企业创始人的"无差别扫射"，一边是被点名公司的报警回击，机器人行业的多事之秋，就这样在两条朋友圈和一条传闻里拉开了帷幕。

值得玩味的是发难者的身份。不是媒体，不是竞对，而是一家刚在港股敲钟的机器人公司创始人。据多位接近人士的说法，上市过程中见过的账本越多，越明白哪些数字经不起推敲——这大概是邵天兰敢掀桌的底气。

而几乎同时传开的另一条消息，让这场骂战有了更大的背景板：据外媒报道，证监会拟通过窗口指导收紧人形机器人企业IPO，对其提出经常性收入、亏损收窄和真实创新能力的要求。

两条朋友圈，一条传闻，指向同一个问题：这些机器人，到底卖给谁了？

⚠️ 五台机器人，只有一台在干活

行业里有句私下流传的调侃："现在的机器人'考编'比'进厂'容易多了。"

话虽刻薄，却戳中了一个事实：人形机器人出货量的繁荣，某种程度上并不是由终端真实需求拉动的。

先看数据。2025年，全球人形机器人出货量近1.8万台，其中国内厂商出货约1.44万台，占据绝对主导。单看数字，行业像是一脚踩进了爆发期。但把镜头拉近，机器人的去向就很微妙了。

换句话说，每卖出五台机器人里，大约只有一台真正进厂干活。而数采中心，成了这个行业最大的"客户"。

pie title 2025年人形机器人出货去向

"数采科研商演" : 78.4

"其他场景" : 21.6

这个结构意味着什么？意味着相当一部分"销售收入"的资金流向是这样的：机器人公司设立或参与数采中心，数采中心采购自家（或朋友圈）的机器人，机器人再去采集数据训练自家模型——钱在圈里打转。

据业内人士的说法，这种模式下，收入是真实的发票，采购是真实的合同，但需求的终端是同一个资本的闭环。产业链上的每一环都参与了交易，唯独没有外部客户为"机器人真的能干活"付费。

这就是邵天兰口中"攒局"的完整形态。它不造假发票、不虚签合同，每一步都合规合法，但整条链路缺少一个最关键的节点：真正愿意为产品买单的外部客户。

对二级市场而言，这是致命的。因为IPO看的是经常性收入和商业闭环，而"圈里打转"的收入，恰恰经不起"闭环之外"的检验。

🔋 邵天兰的两个核心观点，其实是同一件事

把邵天兰9月9日、10日两天朋友圈的内容总结起来，核心观点其实只有两个：

第一，企业至少应该证明PMF（产品-市场匹配），以及具备真实、持续且具备一定规模的收入。

第二，靠关联交易攒出来的收入，不算数。

这两个观点，本质上是同一件事：具身智能行业需要一次"需求侧体检"。

有意思的是，邵天兰自己就是从这场"体检"里活下来的。梅卡曼德做的是工业机器人视觉与操作方案，客户是制造业工厂——需求方在闭环之外，每一单都要靠真本事签下来。这种商业模式不性感，增速也不如人形机器人讲故事，但它有一个特点：收入是外部客户给的，不是自己转出来的。

而现在的问题是，人形机器人这条最热的赛道上，"圈外收入"的比例太低了。IDC的数据显示，智能制造和仓储物流合计占比仅18%左右。这个数字，和一级市场人形机器人公司动辄数十亿、上百亿的估值，形成了刺眼的反差。

银河通用的回应里，"真实"出现了四次。但"真实研发、真实壁垒、真实场景"这三个"真实"，加起来也未必等于"真实商业闭环"。研发是投入侧，壁垒是能力侧，场景是供给侧，只有"客户愿意持续付费"是需求侧。前三者可以靠钱堆出来，最后一个是市场给的。

据多位接近投资圈的人士透露，一级市场头部人形机器人公司的下一轮融资普遍延后，投资机构的尽调清单里，"客户结构"和"关联交易占比"被放在了前所未有的优先级。

泡沫不可怕，可怕的是泡沫破了之后，行业里没有留下能干活的公司。

💡 GPT-6来了，具身基座模型的故事还剩多少

如果说邵天兰掀的是行业的桌子，那OpenAI掀的，可能是具身智能公司讲故事的地基。

9月3日，OpenAI发布GPT-6 Astra，重点展示了电脑操作、浏览、软件工程、科学推理和专业工作的能力。官方没有公布机器人控制、接触动力学和力觉操作方面的评测，也没有将其直接定义为面向物理世界的具身模型。

但一个演示，让行业过去两年反复讲述的故事第一次遇到了强烈反问。

一名开发者将一张包含容器和液体的图片交给Astra，要求它生成一个可以交互的仿真环境。Astra完成了场景搭建，识别出图中的物品和空间关系，甚至将液体颜色还原得十分接近。过去，从单张图片重建可交互场景，是Real2Sim领域需要专门研究的问题——英伟达的SimFoundry等项目，就在尝试把真实环境转化为可供机器人训练和评测的数字空间。

Astra没有经过针对该场景的训练，仅凭一张图片就完成了初步还原。它没有模拟出液体之间的化学反应——这个细节划出了一条清晰的能力边界：Astra知道容器和液体长什么样，也能把它们放进一个可以运行的程序，却未必知道两种液体混合后会发生什么。

但能力边界的存在，救不了"看不懂物理世界"这个叙事。即使缺少大规模真机数据，通用多模态模型也可以认识物理世界中的绝大多数常见物品——杯子、抽屉、门把手、螺丝刀、药盒、货架、托盘和传送带，大量存在于互联网图片、视频、产品手册和论文中。通用多模态模型从这些数据里就能学会"看懂"。

这对具身智能创业公司的影响，可能比一次机器人演示更大。因为"大模型不懂物理世界，所以要重训一套机器人基座模型"这个故事里的"不懂"，正在被通用模型一点点蚕食。留给具身基座模型的护城河，只剩下接触动力学、力觉操作这类真正需要真机数据、真正需要物理交互的部分。

而这部分能力，恰恰是最贵、最慢、最难攒局的。

🚗 IPO闸门收紧，钱要往真需求流了

把所有线索放在一起，就能看到一幅完整的产业图景。

据外媒报道，证监会拟通过窗口指导收紧人形机器人企业IPO，并对其提出经常性收入、亏损收窄和真实创新能力的要求。这三个要求，每一条都精准打在"攒局型"模式的七寸上：

• 经常性收入——关联交易攒出来的收入，很难论证"经常性"；
• 亏损收窄——靠融资本维持的数采闭环，烧钱速度无法收窄；
• 真实创新能力——当Astra级别的通用模型开始"看懂"物理世界，没有真机交互数据积累的公司，创新能力从何谈起？

已经上市的宇树，股价连连下跌，市值从4449亿元的高点跌破2000亿元。这本身就是二级市场的一次预演——当流动性不再支撑故事，估值就会向真实交付能力回归。而一批正在冲刺上市的企业，也面临被砸饭碗的危机。

据多位接近监管的人士分析，窗口指导的本质不是打压行业，而是防止"圈里打转"的资金借IPO通道把风险转嫁给二级市场散户。这一点，和当年新能源、半导体行业的去泡沫节奏，逻辑上是一致的。

对行业而言，这未必是坏事。因为资金只有从"圈内循环"里退出来，才会去寻找真正的需求侧——那些需要机器人在工厂里拧螺丝、在仓库里搬箱子、在危险环境里替代人力的地方。18%的进厂比例，就是下一阶段竞争的起点。

邵天兰掀桌，银河通用报警，证监会收紧闸门，GPT-6蚕食叙事——四件事挤在9月发生，看似偶然，实则必然。具身智能行业热闹了两年，到了用真实需求检验成色的时候。

数据已经说明了问题：78.4%的出货流向数采、科研和商演，只有18%真正进厂。当资本不再为"圈里打转"的收入买单，当监管不再放行"攒局型"的IPO，行业必须回答那个最朴素的问题——你的机器人，卖给谁了？他能持续付费吗？

泡沫的出清是好事。上一轮互联网泡沫破灭后，活下来的是真正解决信息连接问题的公司；这一轮具身智能的出清，留下的应该是真正能进厂干活、被外部客户持续付费验证的公司。18%，是起点，不是终点。

留给讲故事的时间不多了，留给干活的时间，才刚刚开始。