百座数采中心，撑起谁的IPO？

2026年9月，梅卡曼德创始人邵天兰在朋友圈发文，称部分高估值具身智能企业依托关联交易、数采中心和地方资源包装营收、冲刺IPO（信源：邵天兰朋友圈原文，经公开发布；该说法系企业负责人个人指控，截至发稿未经监管机构或司法程序认定）。截至2026年8月，全国公开披露的集中式数采中心已达106家，其中84家投运（信源：虎嗅统计，口径为公开报道可查的披露信息，不含未公开项目）。本文讨论两个问题：数采中心的建设潮是否结束；运营阶段的数据真实性与商业化问题。文末附数据与信源说明，文中涉及判断处均已标注。

🔥 两年106家：数采中心的建设节奏

【事实】 根据虎嗅截至2026年8月的统计，全国公开披露的集中式具身智能数采中心共106个。该口径以公开报道和项目方披露为准，未覆盖未公开的私有训练场，实际存量可能高于此数。

节奏变化如下（口径：以项目公开披露的启动/签约时间为准，月均值为区间内项目数除以月数，尾数四舍五入）：

• 2024年3月至2025年3月：月均约2.7个项目启动；
• 2025年4月至2026年1月：月均约7.3个项目启动；
• 建设高峰出现在2026年一季度；
• 截至2026年8月，106家中84家已投运，占比79.25%。

从项目启动与投用两条曲线的时间差看，两者大约相隔2至5个月，与从业方披露的“签约—装修—设备进场—投运”周期基本吻合。这意味着当前已投运的84家，主要对应2025年底至2026年初的签约潮，而非当前的新增需求。

【判断】 新启动项目减少、前一轮项目陆续投运，行业正从“密集开工”进入“集中运营”阶段。运营阶段的核心问题——开机率、数据流向、数据是否进入训练管线——与建设阶段不同，将决定这批资产的最终价值。

⚠️ 邵天兰朋友圈争议：指控内容与各方回应

【事实】 2026年9月，邵天兰在朋友圈发文。据公开发布的朋友圈内容，其表述为：部分高估值具身智能企业“依托关联交易、数据采集中心及地方资源包装营收数据，以此冲刺IPO”。他随后在评论区点名银河通用。

银河通用官方随后公开回应，称不愿参与行业口水纷争，将持续深耕技术研发、场景落地与商业化推进（信源：银河通用官方声明）。截至发稿，上述指控无监管调查或司法程序的公开信息佐证，属于单一信源的企业负责人个人说法，读者应注意其未经独立核实。

【事实】 更早的公开报道来自金融时报。2026年8月，金融时报在《谁在买中国机器人？》一文中描述了一条交易链条：机器人企业与地方政府共建数采中心，由数采中心采购其机器人，随后把采集的数据卖回机器人企业。该链条被部分海外媒体称为“循环融资”。

【事实与判断的区分】 需要说明：链条本身是中性的——地方政府支持产业、企业自建数据闭环，均为正常商业操作，金融时报报道亦未指控具体企业违规。问题在于闭环的独立性（此为分析框架，非事实认定）：如果机器人订单来自本体企业参股的数采中心，数据买方又是本体企业自身，营收和数据量就缺乏外部交叉验证的依据。

【单一信源，未经证实】 据多位接近数采基地的从业者透露（受访者要求匿名，相关说法未经涉事公司证实），部分中心存在开机率不足、采集任务以演示和拍摄为主的情况，数据买方主要为共建的本体企业。其中一位从业者的原话是：“场地是新的，机器人是新的，任务单是旧的。”此说法属匿名信源转述，无法独立核实，请读者自行评估其可信度。

【判断】 若上述情况属实且具有普遍性，数采中心对部分公司而言正在从基础设施变为报表工具，其资产估值和行业融资环境都会受到扭曲；若不属实，行业则需要更有力的公开数据（如开机率、外部付费客户占比）来自证。两种情形下，增加披露都是成本最低的解决方式。

🔋 采集能力与付费需求：一组对照数据

【事实，信源为个人估算】 物理AI数据创业者黄大荣提供的对照数字如下（口径：黄大荣本人在公开交流中的估算，非官方披露）：

• OpenAI积累的原始数据已达千万小时级别（黄大荣估算，称其为保守口径）；
• 为其供给数据的海外机构，单月采集量可达百万小时；
• 国内简智、光轮两家企业同样具备单月百万小时的采集能力（企业自述口径，未见第三方验证）；
• 国内市场上大规模采购Ego数据的买家数量有限。

补充说明：所谓Ego数据，指采集者头戴相机或AR眼镜、以第一视角记录人与物体交互的多模态数据，用于训练人形机器人完成观察、抓取等任务。OpenAI的数据积累未获官方确认，海外机构采集能力亦为行业估算，均应视为量级参考而非精确数字。

【判断】 这组数字若大体成立，说明国内的问题不在采集能力，而在付费需求：供给端扩张快于需求端，上百座中心的产能对应的真实外部付费需求有限。当一个市场里最大的买家和卖家高度重合，价格发现机制会失灵——这是数据交易环节需要被验证的核心问题。需要强调，“需求不足”目前主要依据从业者访谈和企业自述推断，尚无系统性的市场交易数据支撑。

💡 GPT-6 Astra测试：大模型与物理任务的边界

【事实】 GPT-6 Astra发布后，银河通用团队将其放进机器人测试，并尝试与机器人基础模型π0.5结合（信源：银河通用团队对外分享的测试情况）。测试结果：GPT-6 Astra在语义理解、空间推理上表现突出；但进入需要复杂接触、力度控制和双手协同的物理任务后，仍存在大量无法完成的case；在部分接触类任务上，经过专项训练的端到端模型表现更好。

【判断】 这一测试结果表明，“图文大模型+动作模型”的组合并不天然等同于可完成物理作业的机器人系统。机器人需要的不只是理解世界，而是在世界中行动——感知、决策、执行和反馈需要持续耦合，而这种耦合依赖物理任务数据训练。这是基于单次测试的推断，样本和任务范围有限，不宜过度外推。

【事实】 另一公开信息是：OpenAI已在扩充机器人团队，并公开表示在建设规模化的机器人数据采集体系（信源：OpenAI招聘信息及公开表态）。

【判断】 若头部通用AI公司同时投入能力、资本和数据基础设施，具身智能竞争的主战场可能从运动控制转向物理任务数据壁垒。据接近头部本体企业的人士透露（匿名信源，未经公司证实），多家公司内部已将“数据是否真实进入训练管线”列为数采投入的考核项。对中国具身智能公司而言，关键问题是能否建立物理世界的数据壁垒——数采中心的战略价值在此，但前提是数据真实进入训练管线，这需要可验证的披露而非自述。

🚦 出清之后，数采中心的三种可能走向

【判断】 以下为作者基于前述事实的分析框架，非事实陈述。106家数采中心可能走向三种分化：

【单一信源】 据多位接近地方产业方的人士透露（匿名信源，未经相关方证实），部分基地已调整设备采购计划，从单纯采购人形整机转向真机与仿真混合的采集方案，以降低单位数据成本。

【判断】 数采中心的终局更可能是数据工厂，而非“地产+机器人展馆”。其估值最终应收敛到一个可验证的问题上：单位数据能给模型带来多少真实增益。数据量和场地规模是过程指标，不应作为估值依据。IPO叙事可能退潮，但物理世界数据的长期稀缺性是另一回事，两者应分开评估。

🏁 小结

106家是数采中心故事的开始，不是结束。建设潮给出了场地和设备，接下来的运营阶段会给出答案：谁的数据真实进入模型，谁的营收经得起交叉验证。当OpenAI等公司将数据基础设施作为重点投入方向，中国具身智能企业面临的问题不是训练场规模，而是能否跑通“采集—训练—落地—反哺采集”的可验证闭环。

附：数据与信源说明

文中标注【判断】的内容为作者观点；标注【单一信源】或【匿名信源】的信息未经独立核实，仅供读者参考。