数采中心，谁在给机器人攒局？

2026年9月，梅卡曼德上市仅10天，创始人邵天兰在朋友圈连发数文，直指部分“攒局型”具身智能企业利用数采中心制造虚假收入，并点名上过2026年央视春晚、正冲刺港股IPO的银河通用。

这不是一场普通的口水战。它第一次把具身智能行业最敏感的商业模式——“数采中心换收入”——摆上了台面。一边是商务部披露的7月具身智能机器人销售额95.1%的增速，一边是有效采集率只有百分之十几的训练场，热闹与疑云，指向同一个问题：

具身智能的钱，到底流进了模型，还是流进了报表？

📉 一条朋友圈，炸出行业最敏感的生意

金句：敢于当面点名的，往往是最懂内情的人。

先看故事。2026年9月，邵天兰在朋友圈给“攒局型”具身智能企业画了一幅精准画像：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以及与地方政府、投资方、供应商的关联交易，制造“虚假的、不可持续的收入”。他直言这种做法“不合法、不道德，而且是不聪明的”。

被点名的银河通用没有沉默。9月10日，其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。”声明从研发投入和商业落地两方面阐述基本面，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”。

一面是刚敲钟的“具身智能眼脑手第一股”CEO，一面是同样在冲刺IPO的春晚明星公司，这个碰撞本身就有信息量。

据多位接近具身智能公司的人士透露，随着几家头部公司进入IPO通道，数采相关收入的真实性认定，已经成了投资人和中介机构绕不开的必查项。收入结构怎么构成、客户是谁、资金从哪来到哪去，这些在消费互联网时代的老问题，如今在具身智能赛道重新变得锋利。

产业逻辑其实不复杂：当一级市场估值见顶、二级市场成为唯一出口，收入质量就成了估值博弈的核心筹码。邵天兰选择在上市第10天发声，时机本身就是表态——他要跟某种叙事切割。这场交锋的真正意义，不是分出谁对谁错，而是让行业第一次公开讨论：什么是真收入，什么是循环 theatrics。

🔍 70家训练场，钱花了，数据呢？

金句：重硬件采购的基建逻辑，喂不饱靠数据吃饭的模型。

要看懂这场争论，得先看懂数采中心是什么。

这类中心多由地方政府或国资平台出资设立，向机器人企业批量采购人形机器人，用于数据采集。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。这是一场不折不扣的基建潮。

邵天兰推演的“攒局”链条是这样的：

简单说，就是地方政府出钱建中心，企业把设备卖给中心确认收入，中心再把数据“卖”回给企业，钱转一圈回来，收入落在报表上。邵天兰的警告在于：“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。”

钱花出去了，数据呢？这才是要害。

华东地区一家训练场的数据采集负责人告诉中国新闻周刊，他所在中心的有效采集率在1/3—1/2，这已经是高于行业平均水平的成绩——行业平均只有百分之十几。换句话说，训练场里跑着的机器人，大量采集的数据从未真正进入模型。

把这张表和那条资金循环图放在一起看，判断就很清楚了：数采中心本质上是个悖论结构——它的建设逻辑是基建逻辑，考核的是投资额、设备量、场地规模；而具身智能需要的是数据逻辑，考核的是数据能不能解释失败、覆盖长尾、迁移到不同本体。

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。按行业平均有效采集率算，大部分训练场目前还没跨过这条线。

💰 95.1%的增速里，有多少是真需求？

金句：增速是最容易看的数字，也是最会骗人的数字。

再看消费端的热闹。商务部消费促进司负责人在谈2026年7月消费市场时披露了一组数据：

同月，新能源乘用车零售渗透率达到65.1%，再创历史新高；1—7月社会消费品零售总额28.77万亿元。新型消费确实在向新向优发展，具身智能机器人接近翻倍的销售额增速，放在任何消费品品类里都足够耀眼。

但这里要做一个关键区分：商务大数据监测的是重点平台的销售额，反映的是C端真金白银的消费需求；而数采中心模式里的“收入”，是B端的关联交易确认。两套逻辑、两种含金量。

C端消费者掏钱买机器人，是市场投票，钱花出去就花出去了；B端数采中心的采购，如果是用关联方的资金买自家设备，那更接近左手倒右手——这正是邵天兰指控的核心。95.1%的消费增速是真的，但它救不了B端收入结构里的问题：一个公司可以同时出现在这两个故事里，报表的成色却完全不同。

产业判断是：2026年的具身智能，正处在“消费热情先行、企业收入存疑”的错位期。C端的热度会给行业输送信心和现金流，但如果头部公司的核心收入依赖数采循环，那消费端的火爆反而会掩盖问题、推迟出清。热度是氧气，也是麻药。

🧠 百万小时，喂不出GPT时刻

金句：普通道路跑100公里，可能不如菜市场一只塑料袋。

数采中心争议的深层，是一个更本质的技术问题：数据到底值多少？

2026年以来，具身智能融资持续升温，“十万小时”“百万小时”乃至“一亿小时”的数据规模论满天飞，仿佛只要喂够数据，具身智能就会自然迎来自己的“GPT时刻”。但在虎嗅AI100第八期闭门会上，酷哇科技联合创始人、世界模型算法负责人彭湃，千寻智能预训练负责人郭俊良，光轮智能战略与生态副总裁廉和，刻行时空联合创始人、CTO郑宇靖，与主笔陈伊凡的对谈，泼了几盆冷水。

闭门会留下几个硬核判断：

第一，“百万小时”暂时无法验证、也无法证伪——很多判断只是从语言模型的Token量换算来的。数据被录下来，不等于能用于训练；进入训练，不等于能让模型获得新能力。

第二，数据价值极度不均衡。正如那句话所说：“普通道路跑100公里，对模型的信息增益，可能不如菜市场的一只塑料袋。”如果一批数据无法解释失败、覆盖长尾、迁移到不同本体，也不能在部署后持续回流，再庞大的规模，也只是一笔昂贵的成本。

第三，路线之争短期未必成立——数据量够大时，VLA和World-Action Model未必有本质差距；“堆数据”要拆开看，视频预训练堆规模，真机后训练拼难例。

第四，也最扎心：人形未必先落地。轮式底盘加升降机构，可能就足以覆盖当前95%以上的任务。

这组判断直接审判了数采中心模式：如果行业平均有效采集率只有百分之十几，且大量数据来自低信息增益的场景，那么70多家训练场里跑的很多小时数，可能既喂不饱模型，也撑不起收入。技术瓶颈和商业模式缺陷，在这里是同一个问题。

⚠️ 泡沫与头部并存，落地才是分水岭

金句：潮水退去之前，人人都是数据驱动的。

回到这场风波本身。需要客观看到的是，数采中心并非全是泡沫——真实存在有效采集率达到1/3—1/2、高于行业平均的中心，也存在真实推动数据基础设施建设的力量。具身智能的数据饥渴是真实的，训练场的方向本身没有错，错的是把“建设动作”当成了“商业结果”。

同样需要看到的是，泡沫与头部并存。被点名的银河通用强调把产品做好、把场景做实、把技术做深；开炮的邵天兰刚刚带着梅卡曼德完成上市。无论双方立场如何，行业的共识正在收敛：接下来12到24个月，随着几家头部公司闯关IPO，数采收入的审计认定、数据有效性的技术验证、真实场景的商业化收入，会成为三条并行的检验线。

据多位接近行业的人士观察，这一轮争议之后，投资机构对具身智能项目的尽调重心，正在从“本体参数和融资故事”转向“收入结构和数据资产质量”。

对从业者来说，这场风波的价值不在于站队，而在于校准：少建一座空转的训练场，多跑一个真实场景；少报一小时无效数据，多解一个长尾难题。

小结：数采中心争议，本质是具身智能从“融资叙事”切换到“收入叙事”的阵痛。95.1%的消费增速证明需求是真实的，70多家训练场证明投入是凶猛的，但百分之十几的有效采集率提醒我们——基建不等于能力，收入不等于价值。下一个“GPT时刻”，不属于数据最多的公司，而属于数据最有效、场景最扎实的公司。潮水退去的速度，可能比想象中快。

（本文事实均来自公开报道与官方披露，观点仅代表作者判断）