具身智能挤水分：从资本叙事走向真实收入

执行摘要：具身智能赛道进入密集上市期，但宇树股价腰斩、梅卡曼德破发及邵天兰公开质疑行业虚假收入，暴露商业化落地乏力与收入真实性争议。技术侧，Figure Helix 2.5、类脑世界模型等进展推动能力边界扩展，而GPT类通用模型则冲击具身基座模型叙事。行业正从资本运作叙事转向真实收入与商业模式的验证阶段。

行业现状：上市潮与口水战

一、IPO窗口下的密集上市潮

2025年，具身智能行业迎来一波密集的上市窗口期。梅卡曼德、宇树科技、银河通用等头部企业先后进入资本市场或推进IPO进程，标志着这一赛道从风险投资驱动的初创阶段，进入接受公开市场检验的新阶段。

然而资本市场的反应并不如预期热烈。宇树上市后股价出现腰斩，梅卡曼德自身也在上市后遭遇破发。二级市场用估值回调表达了对具身智能商业模式确定性的疑虑：一级市场的高估值叙事，与上市公司真实收入和盈利能力之间存在明显落差。技术演示视频的传播热度，无法直接转化为可持续的收入增长预期。

二、上市第10天：邵天兰公开发难

9月10日前后，梅卡曼德创始人邵天兰在港股上市不到十天内，于朋友圈连发长文，公开质疑行业内存在「攒局型」企业。其核心指控包括：部分具身智能企业利用「数采中心」、租赁公司及关联交易制造不可持续的收入，以此支撑估值、推动上市。他在评论区直接点名正在推进IPO的银河通用，并称其做法「不合法、不道德、不聪明」。

所谓「攒局」模式的行业图景是：数采中心大规模采购数据，机器人公司回购自产数据，形成资本与数据在圈内循环空转的闭环。这种模式下，收入在财务报表上成立，但在商业逻辑上并未形成真实的外部客户需求。数据采集业务是否构成真实商业化能力，由此从行业内部的私下沉沦讨论，变为公开争议。

三、银河通用的回应：报警与声明

面对指控，银河通用进行了两度回应。首次回应态度克制，称「不参与无谓的口水战」；随后采取报警手段，以法律途径回应相关指控。从产业逻辑看，这既是维护企业声誉的商业选择，也意味着争议从舆论层面延伸至法律程序层面。在IPO关键期，针对收入模式的公开指控对发行审核与投资者信心均有实质影响，涉事方的法律回应具有现实的防御必要性。

四、行业信任战的产业逻辑

刚上市即开炮，是这一轮口水战最具标志性的细节。邵天兰以自身已获资本市场验证的上市地位为背书，向尚未上市的同行发起挑战。其博弈逻辑清晰：具身智能市场在技术路线收敛、商业化瓶颈显现的背景下，市场份额与后续融资资源将向少数企业集中；在IPO门槛对「真实收入」的追问下，率先完成上市的企业有动机通过划清界限，与仍依赖资本运作维持估值的企业实现切割。

五、争议背后的深层问题

这场口水战的爆发并非偶然。技术侧，Figure发布Helix 2.5、具脑磐石推出Cog-WM 1.0等进展，显示行业头部能力仍在快速迭代；但商业化侧，具身智能落地场景有限、订单可持续性存疑，部分企业长期依靠融资输血。当收入质量成为上市审核与二级市场估值的核心变量，行业过去依赖「数采自买自卖」维持收入规模的做法便难以为继。

从监管视角看，关联交易与收入真实性问题本就是IPO审核的重点关注领域。此次争议公开化，客观上加速了监管与市场对具身智能企业收入结构的审视，也可能推动行业收入确认标准的进一步规范化。

六、小结

上市潮将具身智能从资本叙事推向真实收入的拷问，而梅卡曼德与银河通用的正面冲突，则把行业长期潜伏的信任危机摆上台面。接下来，行业分化将围绕两条主线展开：一是收入真实性与商业模式的公开验证，二是技术能力——尤其是「机器人大脑」与跨环境泛化能力——能否支撑起平台级企业的估值逻辑。口水战终会降温，但真实收入的追问，将持续定义具身智能企业的资本市场命运。

资本表现：估值与股价背离

2025年9月，具身智能行业出现了一个耐人寻味的反差：一级市场热度不减、技术发布密集，而二级市场却给出了截然不同的答卷。宇树科技上市后股价腰斩，梅卡曼德上市即破发，两大头部企业接连遭遇资本重估。行业热度与资本市场表现的背离，标志着具身智能正从“讲故事的估值阶段”进入“验证收入的定价阶段”。

从追捧到重估

宇树科技作为人形机器人赛道的标志性企业，凭借春晚表演与关键技术突破积累了极高的大众关注度，其IPO一度被视为具身智能资本化的里程碑。然而上市之后，股价在短时间内跌幅达到约50%，高位接盘的投资者承受了显著损失。梅卡曼德的境遇同样不容乐观：作为机器视觉与机器人调度领域的代表性公司，其上市首日即跌破发行价，市场用真金白银表达了对当前商业化能力的保留态度。

这种背离并非偶然。一级市场对具身智能的估值建立在“技术奇点临近+市场空间巨大”的双重叙事之上，而二级市场投资者关注的却是另外三个问题：收入从哪里来、能否持续、毛利结构是否健康。当这两个评价体系发生碰撞，估值回调几乎是必然结果。

IPO门槛倒逼“真实收入”追问

pressure 之下，行业内部矛盾被公开化。梅卡曼德创始人邵天兰在上市第10天，于朋友圈连发长文，公开质疑部分具身智能企业利用「数采中心」和关联交易制造不可持续的收入，并在回复评论中直接点名正在推进IPO的银河通用，称其做法「不合法、不道德、不聪明」。银河通用随即两度回应，先称「不参与无谓的口水战」，其后选择报警处理。

这场风波的产业逻辑值得客观审视。所谓「攒局型」模式，指的是行业内存在数采中心大量采购数据、机器人公司回购自产数据的循环结构——资本在圈内空转，收入数字增长但并未形成真实的外部商业化能力。这种模式在一级市场估值逻辑下尚可维持，但IPO意味着收入真实性必须接受审计与公众监督，数据自买自卖构成的收入循环难以为继。邵天兰以自身已通过资本市场验证的立场发起挑战，本质上反映的是：当监管与市场开始追问真实收入，行业的收入质量问题无处遁形。

技术演示的叙事正在失效

资本趋于理性的另一重原因，在于技术演示对估值的撬动效应正在衰减。9月17日，Figure发布Helix 2.5模型，宣称机器人可零样本完成整理客厅、折毛巾、整理床铺等家务操作，并将Figure 03放入陌生环境测试。同期，上海具脑磐石发布类脑认知世界模型Cog-WM 1.0，号称无需预建地图和海量数据即可自主导航与操作。这些发布在技术社区引发讨论，却未能扭转二级市场的悲观预期。

更深层的冲击来自通用大模型。GPT-6 Astra在识别物品与空间关系的同时，还能生成可交互的仿真环境，这让“数字大模型不懂物理世界、必须专门训练机器人基座模型”的行业立论首次受到强烈质疑。当具身基座模型的差异化价值边界变得模糊，资本市场对“专有技术护城河”的定价自然打了折扣。

逻辑链条：背离如何发生

结语

估值与股价的背离，本质是两套定价逻辑的切换。一级市场愿意为叙事和想象力付费，二级市场只为可验证、可持续的收入付费。宇树的腰斩与梅卡曼德的破发不是具身智能的终局，而是行业挤水分的开始——当技术演示不再自动兑现为市值，真实收入与商业化落地能力将成为撑住估值的唯一支点。对于仍处上市通道中的企业而言，这一课来得越早，代价越小。

商业模式：数采与攒局困局

具身智能行业在密集IPO的窗口期，正经历一场关于“真实收入”的集体拷问。梅卡曼德创始人邵天兰在港股上市第10天，于朋友圈连发长文，公开指控部分具身智能企业利用“数采中心”和关联交易制造虚假收入，并在回复评论中直接点名正在推进IPO的银河通用，称其做法“不合法、不道德、不聪明”。银河通用两度回应，先称“不参与无谓的口水战”，随后报警。这场风波将行业内长期存在但未公开化的收入真实性争议，彻底摆上了台面。

攒局模式的运转逻辑

所谓“攒局型”模式，其核心链条是：具身智能公司设立或关联数采中心，数采中心向公司采购机器人本体，公司再回购由自家机器人采集的数据作为训练数据入账。一笔资金在资本圈内循环空转，却在报表上同时产生了设备销售收入与数据服务收入。行业普遍现象被概括为“数采中心扫货、机器人公司回购自产数据”，资本在圈内自买自卖，制造出账面收入规模，用以支撑高估值叙事和上市进程。

这一模式的致命之处在于其闭环属性：交易的买卖双方最终指向同一个资本主体，缺少真实的第三方付费方。一旦监管审核要求穿透披露最终客户与资金流向，此类收入的可持续性便难以自证。邵天兰选择在自身刚获资本市场验证的节点发难，客观上加速了这一隐性问题从行业默契走向公开博弈的进程。

IPO门槛下的收入真实性检验

宇树上市后股价腰斩、梅卡曼德自身破发，行业热度与二级市场表现形成鲜明反差，说明资本市场对具身智能的定价正在从“叙事估值”转向“收入质量估值”。收入从哪里来、能否持续、毛利结构是否健康，成为上市公司撑住估值的三个核心命题。

需要客观指出的是，邵天兰的指控目前仍属单方陈述，银河通用已通过报警和公开回应予以否认，双方争议尚无监管或司法层面的定论。但从产业逻辑看，争议的爆发本身具有标志性意义：当第一批具身智能企业集中叩响IPO大门，交易所对关联交易占比、客户集中度、收入真实性的问询，正在成为比技术演示更硬的筛选标准。数采业务本身并非伪需求——高质量真机数据确是行业稀缺资源——问题在于其是否构成独立、可持续的第三方付费商业模式，抑或仅是资本自循环的记账工具。

数据依赖之外的替代路径

攒局困局的深层背景，是当前具身智能技术路线对海量真机数据的强依赖。若数据获取成本始终高企，“数据即收入”的故事就总有被重演的诱惑。而技术侧的变化正在削弱这一依赖：Figure基于人类行为数据集Index预训练的Helix 2.5，已实现机器人零样本完成整理客厅、折毛巾等家务操作，证明具身智能具备跨环境迁移能力；上海具脑磐石发布的类脑认知世界模型Cog-WM 1.0，宣称无需预建地图和海量数据即可自主导航与操作，导航成功率较基线提升超10%；GPT-6 Astra生成可交互仿真环境的能力，更让“数字大模型不懂物理世界、必须专门训练机器人基座模型”这一行业立论首次受到强烈质疑。

这些进展指向同一个方向：具身智能的差异化价值正从“数据的搬运与标注”转向感知、决策、控制构成的核心能力。当技术不再以数据规模为唯一护城河，靠数采自循环维持收入的企业将同时失去商业模式与技术叙事的双重支撑。

结语

数采与攒局困局，本质是具身智能商业化落地乏力在财务层面的显影。真实收入的检验标准已经建立，行业分化不可避免：能向第三方客户交付可验证价值的企业将获得持续定价权，而依赖资本圈内循环的故事终将在穿透式审核下现出原形。

产业链：本体、大脑与场景

具身智能产业链大体可分为三层：上游为机器人本体与核心零部件，中游为以感知、决策、控制为核心的“机器人大脑”，下游则是真实场景中的付费运营与商业化验证。本轮行业调整的关键信号在于：价值重心正沿着这条链条快速上移。

一、本体硬件已就位，不再是瓶颈

从产业现状看，机器人“身体”的供给已经相对成熟。人形、轮式、四足等多种构型的本体均可批量制造，宇树等本体企业的上市进一步确认了硬件环节的产业化能力。具脑磐石发布的Cog-WM 1.0已在轮式人形和四足机器人等多构型本体上完成能力验证，也从侧面说明：不同构型的本体已能承载同一套智能系统进行测试与部署，本体环节的差异化空间正在收窄。

当身体不再是稀缺资源，竞争的焦点自然转向“大脑”。

二、价值核心转向机器人大脑

“大脑”包含三个层次：感知（理解物理世界）、决策（任务规划）、控制（运动执行）。近期多个事件共同指向这一环节的重要性：

其一，跨环境泛化能力成为大脑的核心指标。 Figure于9月17日发布Helix 2.5模型，基于人类行为数据集Index完成预训练后，搭载该模型的Figure 03被放入陌生环境，无需额外训练即零样本完成整理客厅、折毛巾、整理床铺等全身自主家务操作。这证明具身智能开始具备跨环境迁移的物理世界理解能力，可实时适应动态变化而无需从头训练——这正是“大脑”区别于“预设程序”的本质特征。

其二，摆脱海量数据依赖成为新方向。 Cog-WM 1.0作为基于类脑神经机制的隐空间预测世界模型，无需预建地图和海量数据即可自主导航与操作，导航成功率较BSC-Nav基线提升超10%，操作任务较π0.5最高提升16%。这为具身智能降低数据依赖、实现类人泛化提供了新路径。

其三，大模型的能力外溢正在挤压“基座模型”的叙事空间。 GPT-6 Astra不仅能识别含容器和液体的图片中的物品与空间关系，还能生成可交互的仿真环境。此前行业普遍认为数字大模型不懂物理世界、必须专门训练机器人基座模型，这一立论首次受到强烈质疑。具身基座模型的差异化价值边界正被重新审视——这既可能降低大脑环节的准入壁垒，也可能加速该环节的洗牌。

三、下游：付费运营与多构型验证

商业化验证在两条线上展开。一条是付费运营：特斯拉Cybercab已在得州奥斯汀开展付费运营，表明自动驾驶出租车这一“无方向盘的具身智能体”已进入真实收入阶段。当同一套大脑可控制海量机器并支持第三方部署时，具身智能公司有望成为类似操作系统、云和大模型API的物理世界智能基础设施——但这一平台型前景尚待验证，2026年的中国市场、以蚂蚁灵波为代表的公司被视为观察样本。

另一条是多构型落地验证：世界模型类技术已从单一本体走向轮式人形、四足等多元载体测试，工业与服务场景的部署测试同步推进。

四、收入真实性成为产业分水岭

下游商业化能力的不均质，也引发了产业链的信任博弈。9月，梅卡曼德创始人邵天兰在港股上市10天内公开质疑部分具身智能企业利用数采中心、租赁公司及关联交易制造不可持续的收入，并点名正在推进IPO的银河通用；银河通用两度回应并报警，行业收入真实性争议公开化。同期，宇树上市后股价腰斩、梅卡曼德破发，行业热度与二级市场表现形成反差。

客观来看，这场冲突的产业逻辑是清晰的：当行业密集进入IPO阶段，监管与资本市场对“真实收入”的追问成为硬约束，“数采中心扫货、机器人公司回购自产数据”的圈内循环模式难以持续。技术演示与商业模式的落差被公开定价，收入从哪里来、能否持续，成为企业撑住估值的关键命题。

五、产业链结构一览

小结

本体的就位让“身体”不再稀缺，产业价值加速向大脑集中；而大脑环节内部，世界模型、具身基座与通用大模型三条技术路线的竞争才刚刚开始。下游的付费运营与多构型验证给出了方向，但收入真实性的行业拷问表明：产业链能否闭环，最终取决于真实场景中可持续的付费意愿，而非资本叙事本身。

技术竞逐：世界模型与基座之争

当具身智能行业在资本市场经历「真实收入」的拷问时，技术路线层面的分歧同样在加深。2025年9月前后，两条代表性技术路径几乎同时取得阶段性进展：一端是以Figure Helix 2.5为代表的数据驱动路线，通过大规模人类行为数据预训练实现零样本迁移；另一端是以Cog-WM 1.0为代表的类脑路线，尝试从底层机制上摆脱对海量数据的依赖。与此同时，GPT类通用模型能力的跃迁，正在动摇具身基座模型存在的必要性假设。三条线索交织，构成了具身智能「大脑」之争的核心格局。

数据驱动路线：零样本迁移的验证

9月17日，Figure发布其称为「最先进」的神经网络模型Helix 2.5。此前，公司使用人类行为数据集Index对模型进行预训练，覆盖整理客厅、折毛巾、整理床铺三种家务行为。随后，搭载该模型的Figure 03人形机器人被放入陌生环境测试，结果显示机器人无需任何额外训练，即可零样本完成全身自主家务操作，并能实时适应环境动态变化。

这一结果的技术意义在于验证了「跨环境迁移」能力：模型对物理世界的理解可以从一个环境泛化到另一个环境，而不需要在每个新场景中重新采集数据、重新训练。对于长期受制于「一场景一模型」成本困境的行业而言，这是数据驱动路线最重要的进展信号。但值得注意的是，这一能力仍建立在人类行为数据集的大规模预训练之上——数据获取与处理成本，依然是该路线无法回避的投入项。

类脑路线：去数据依赖的探索

9月14日，上海具脑磐石在浦江创新论坛类脑具身智能分论坛发布Cog-WM 1.0，定位为全球首个基于类脑神经机制的隐空间预测世界模型。与数据驱动路线不同，该模型无需预建地图和海量数据即可实现自主导航与操作。官方披露的基准数据显示：导航成功率较BSC-Nav基线提升超10%，操作任务较π0.5最高提升16%，并已在轮式人形和四足机器人等多构型本体上完成能力验证。

Cog-WM 1.0的发布，为具身智能摆脱数据依赖、实现类人泛化提供了一条与Figure截然不同的路径。两条路线的对照关系可以概括如下：

需要指出的是，Cog-WM 1.0的多构型验证仍处于早期阶段，其宣称的性能提升来自厂商自设的基准对比，独立第三方复现尚未见诸公开信息。但作为一条明确指向「去数据依赖」的路线，它切中的正是数据驱动路线的软肋——在行业深陷数采中心收入真实性争议的背景下，降低数据依赖本身也具有商业叙事上的吸引力。

通用模型的降维冲击

更具颠覆性的变量来自具身智能领域之外。随着GPT-6 Astra的公开演示，开发者将含容器和液体的图片交给模型，它不仅能识别物品和空间关系，还能生成可交互的仿真环境。

此前，具身智能行业的核心立论之一是：数字大模型不懂物理世界，因此需要专门训练机器人基座模型。Astra的表现让这一立论首次受到强烈质疑。如果通用模型本身具备了物理世界的理解与仿真能力，那么具身基座模型的差异化价值边界就需要被重新审视——专用模型必须回答：在通用能力之上，究竟还有什么增量价值？

这一问题对创业公司的冲击尤为直接。机器人「身体」已经就位，而「大脑」的竞争者名单中，出现了拥有算力、数据和资金绝对优势的通用大模型厂商。具身基座模型公司要么证明专用能力存在不可替代的护城河，要么接受成为通用模型生态应用层的定位。

产业逻辑：从技术演示到平台卡位

三条路线的竞逐，本质上是对「物理世界智能基础设施」卡位的争夺。当同一套「大脑」可以控制海量机器人并支持第三方部署时，具身智能公司有机会成为类似操作系统、云和大模型API的平台型企业——这也是特斯拉Cybercab开展付费运营所指向的方向：机器人价值核心正从外形转向以感知、决策、控制为主体的智能系统。

但技术叙事与商业现实之间的落差不容忽视。行业正处在密集上市期，宇树上市后股价腰斩、梅卡曼德破发，收入真实性与可持续性成为资本市场对技术故事的第一道检验。在这样的环境下，Helix 2.5的零样本迁移和Cog-WM 1.0的去数据依赖，都不能仅停留在演示层面——能否转化为可计费、可复购的真实收入，才是技术路线之争的最终裁判标准。

具身智能的「挤水分」过程，与技术路线的分化是同步发生的。挤掉的是靠关联交易和资本循环维持的估值泡沫，留下来的将是那些在数据成本、泛化能力和商业闭环上真正跑通的公司。世界模型与基座之争远未分出胜负，但竞争的评判标准，已经从技术演示转向了真实世界。

趋势判断：真实收入与平台化

从叙事驱动到收入验证

2025年9月的具身智能行业，正经历一场从资本叙事走向收入实质的转折。梅卡曼德在港股上市后，创始人邵天兰公开质疑部分企业通过数采中心、租赁公司及关联交易制造不可持续的收入；被点名的银河通用两度回应，双方各执一词，行业长期存在的收入真实性争议就此公开化。这一冲突的本质，是IPO门槛将「真实收入」从模糊的招股书表述变成了必须接受市场检验的硬指标。

资本市场已经给出初步反馈：宇树上市后股价腰斩，梅卡曼德自身破发。热度与股价表现的反差表明，投资者正在剥离「人形机器人」概念本身的光环，转而追问三个基础问题——收入从哪里来、能否持续、客户是否真实。数采中心扫货、机器人公司回购自产数据的模式，本质是资本在圈内循环空转，无法构成面向外部客户的商业化闭环。当这类收入在上市审核与二级市场定价中被逐步「挤水分」，行业估值的支撑逻辑将不可逆地从故事转向可持续的经常性收入。

技术分化：大脑的价值边界正在重定义

与商业化的挤水分并行，技术层面同样出现价值重估。Figure发布Helix 2.5模型，基于人类行为数据集Index预训练后，Figure 03机器人在陌生环境中零样本完成整理客厅、折毛巾、整理床铺等全身自主家务操作，验证了跨环境迁移能力。而GPT-6 Astra对含容器和液体的图片不仅能识别物品与空间关系，还能生成可交互的仿真环境，首次对「数字大模型不懂物理世界、必须专门训练机器人基座模型」这一行业立论构成强烈质疑。

这意味着具身基座模型的差异化价值边界正被重新审视：如果通用大模型已经部分覆盖物理世界理解，专注「大脑」的创业公司必须在数据效率与泛化能力上证明不可替代性。具脑磐石发布的Cog-WM 1.0提供了另一条路径——基于类脑神经机制的隐空间预测世界模型，无需预建地图和海量数据即可自主导航与操作，导航成功率较基线提升超10%，操作任务较π0.5最高提升16%，并已在轮式人形和四足等多构型本体上完成验证。摆脱数据依赖、实现类人泛化，正在成为「大脑」层竞争的新分水岭。

平台化：物理世界智能基础设施的雏形

特斯拉Cybercab在得州奥斯汀开展付费运营，标志着机器人价值核心正从外形本体转向以感知、决策、控制为主体的「大脑」。产业逻辑正在收敛于一点：当同一套大脑可以控制海量机器，并支持第三方在自有硬件上部署，具身智能公司将具备类似操作系统、云服务和大模型API的平台属性——成为物理世界的智能基础设施。

这一路径的竞争门槛可以概括为四个环节的递进：

值得注意的是，真实收入与平台化并非两条平行赛道，而是递进关系：只有通过外部客户验证的真实收入，才能支撑大脑模型的持续迭代；只有通用化的大脑，才能脱离单一场景和单一本体，形成跨构型部署能力；而跨本体、跨环境的规模部署，最终沉淀为平台。数据自买自卖的「攒局型」企业，恰恰在第一环节即被阻断，后续的平台叙事无从谈起。

2026年的中国市场上，以蚂蚁灵波为代表、同时具备通用大脑能力与多场景落地的公司，被视为回答「谁能成为平台型企业」的合适样本。可以预期，未来12-18个月，行业将呈现明显的两极分化：一极是依靠关联交易维持收入、在IPO审核与二级市场持续承压的企业；另一极是以真实客户收入迭代通用大脑、向平台化演进的企业。

具身智能的「挤水分」不是行业的退潮，而是估值体系的重构。收入可持续性正在取代概念热度，成为企业能否撑住估值、穿越周期的关键判据。与此同时，Helix 2.5、Cog-WM 1.0等技术进展与GPT-6带来的基座模型价值重估，共同指向一个判断：行业终局不属于做硬件演示的公司，也不属于做数据套利的公司，而属于那些以真实收入为燃料、以通用大脑为核心、以跨本体部署为规模路径的平台型企业——它们有望成为物理世界的智能基础设施，正如操作系统之于软件、云之于互联网。