106座数采中心，藏了多少水分？

两年，106座人形机器人数采中心在全国拔地而起，大部分由政企共建。听起来是产业基建的大跃进，但一位数据采集商的话更接近真相："这门生意明年会是什么光景，还很难说。"

梅卡曼德创始人邵天兰的公开发声，把部分机器人企业借数采中心包装虚假营收的乱象摆上了台面。数采，正在从"产业基建"滑向"报表注水"的代名词。而比道德风险更值得追问的是：如果数据本身不是目的，这门生意的终局到底在哪里？

💰 一笔钱转一圈，三方都有成绩

当数据本身不重要时，数采就成了会计科目。

走进一座典型的数采中心，画面是这样的：一排排人形机器人立在工位前，招聘来的操作员戴着遥操作设备，一遍遍重复抓取、放置、开合的动作。数据被采集、标注、打包，然后——被当初卖机器人的那家公司花钱买回去，用于模型训练。

企业把机器人卖给中心，收入计入营收；中心用这些机器人采数据；企业再掏钱把数据买回来。一笔资金，在数采中心、机器人企业与当地政府之间转了一圈，三方都拿到了"成绩"：企业有了营收和估值故事，中心有了设备与就业指标，地方有了产业落地的新名片。

据财经媒体报道，采集商老台曾替一家机器人公司"走了一笔账"，签下约数百万元的合同——一方购买硬件，另一方购买数据，双方没有完成实物交割，只做了账务往来。他的一位同行还透露，有一家数据公司短时间内完成多轮融资，靠众包采集数据，把投资人的钱"合法套了出来"。

必须说句公道话："卖设备—回购数据"这套模式本身没有原罪。真机遥操作数据确实是当下具身智能最稀缺的燃料，中心化采集在早期也确实降低了单个企业的数据获取成本。问题出在时机——当机器人企业集体奔赴上市，数采中心被异化为做高账面收入、推高估值的"工具"，数据有没有价值反而成了其次。

📉 资本开始追问：这些收入是谁付的？

泡沫破裂的方式，往往不是崩塌，而是没人再接盘。

风向变得很快。一位投资人的表述相当直白：以前市场热的时候，订单量、出货量、收入增速很容易直接推高估值，"现在大家会追问这些收入是谁"——追问的潜台词是，收入背后是真实的产业需求，还是关联方的账务安排。

这个转变对数采生意是釜底抽薪式的。原因很简单：在左手倒右手的闭环里，数采订单的最大客户往往就是机器人企业自己，或者由政府资金间接支撑。一旦资本评估标准从"收入增速"切换到"收入成色"，这类收入的估值折价会立刻显现。

据多位接近数采中心的人士透露，更令从业者不安的是，人形机器人的订单开始集体挤水分，明星企业的估值泡沫似乎也被戳破。下游本体厂商自顾不暇，数采这个寄生在其融资叙事上的生意，日子只会更紧。

从四象限看得很清楚：政企共建数采中心技术门槛不高，商业价值高度依赖补贴与关联交易，属于典型的"存量玩家"区间，一旦资本逻辑切换，位置会迅速下坠。真正站进"领跑者"象限的，是真实场景数据回流和跨构型数据复用——前者数据天然带场景标签，后者一份数据养多颗模型。这也预告了数采生意的两条出路：要么深扎场景，要么做数据的"通用货币"。

🧠 一脑多形：机器人行业最大的浪费有解了

如果每换一种身体都要重新采数，数据永远填不满。

数采泡沫之外，还有一个更根本的成本黑洞：同样的任务，每换一种机器人，就可能需要重新采集数据、重新训练模型。如果未来有上万种机器人，难道要训练上万颗"大脑"？这正是具身智能行业最昂贵的浪费。

香港具身智能实验室联合总监、香港中文大学助理教授李钟毓，是这个问题最较真的研究者之一。这位1996年出生的年轻人，本科毕业于浙江大学机械电子工程专业，2025年拿到加州大学伯克利分校机械工程博士学位，早期研究双足机器人运动控制，后来把重心转向不同机器人之间的数据、模型与能力迁移——也就是业内说的"一脑多形""一脑多态"。

他的逻辑很务实：人形机器人被看中的是通用性，但现实任务对身体的要求千差万别——有的需要两米长的机械臂，有的要求重载，有的要把东西举得很高、移动得很快；末端执行器也一样，有些任务用柔性夹爪或吸盘就能完成，完全没必要配置复杂的灵巧手。即使再过五年、十年，也很难有某一种机器人把所有事情都做完。

目前，香港具身智能实验室已与24家产业伙伴、投资机构及科创企业展开合作，名单里包括智元机器人、宇树科技、云深处、仙工智能、舞肌科技等——头部本体厂商集体下注，说明跨构型迁移已经不是论文里的概念，而是产业降本的刚需。

对数采行业而言，跨构型研究是一记警钟，也是一张船票：如果数据可以被不同本体共享，纯靠堆人时采数的模式会被摊薄；但反过来，谁掌握了数据与模型的迁移方法，谁就从"劳动密集型数采工"升级为"智能时代的数据炼油厂"。

📏 三把尺子量具身智能，卡在第三步

模型是翻译官，Agent是场景决策者，物理载体是手脚——缺哪一环都不算走完一步。

回到行业情绪本身。宇树科技创始人王兴兴关于具身智能"一两年"的预期曾点燃市场，但具身智能的时间表似乎总随GPT版本号前移——市场把语言模型的进步，误读成了具身智能的进度。

把这件事拆开量，需要三把尺子：第一把量模型，它负责把感知与指令"翻译"成可执行的理解；第二把量Agent，它要在具体场景里做决策；第三把量物理载体，也就是真正在物理世界动手动脚的本体。三把尺子量下来，行业走完了一整步的，卡在第三步。

而第三步的迭代方向，只有一个标准——真实场景的数据主权。遥操作工位上采集的数据再整齐，也是"表演式任务"；只有机器人在真实产线、真实仓库、真实商业空间里干活产生的数据，才携带真实的物理分布与失败样本。这也解释了为什么数采中心模式注定是过渡态：它能在早期把数据管线跑通，却无法替代场景本身。

对从业者来说，下一步的动作其实很清晰：数采不会消失，但会换一种活法。要么跟着真实场景走，成为本体厂商在工厂、物流现场的数据合伙人；要么押注跨构型，做数据复用的标准制定者。至于继续靠政府共建和关联订单续命的玩家，窗口正在关闭。

结语：数采不该是牺牲品，但泡沫必须先挤干

数采这门生意，起于真实的数据饥渴，却在融资与上市的催促下长出了水分。106座数采中心里，有真正在为具身智能垒地基的，也有 purely 在做账的——市场正在用"追问收入成色"的方式完成一轮自然淘汰。

往前看，两个变量将决定数采的终局：一是跨构型数据复用的技术成熟速度，它决定数据的边际成本能否指数级下降；二是机器人商业化落地的真实进度，它决定有没有值得采集的场景。两者兑现之日，才是数采从"会计科目"变回"产业基建"之时。届时活下来的，一定是最懂场景和数据的那批人，而不是最会讲故事的那批。