具身智能：从Demo炫技到收入真实性大考

执行摘要：2025年具身智能赛道进入资本验证期：梅卡曼德上市即炮轰「攒局型」企业制造虚假收入，宇树股价腰斩、梅卡曼德破发，IPO门槛迫使行业交代真实商业化能力。与此同时，云基础设施支撑长尾落地、国产算力与整机协同加速、通用大模型冲击具身基座模型立论，行业正从技术叙事转向商业模式与收入可持续性的产业拷问。

行业现状：热潮与挤水分并存

从Demo炫技到真实收入的分水岭

2025年，具身智能行业呈现出一种耐人寻味的双面性：一面是密集的上市潮与持续高涨的技术展示热度，另一面则是资本市场对商业模式的冷峻审视。宇树上市后股价腰斩、梅卡曼德上市即破发，行业热度与二级市场表现之间的巨大反差，标志着具身智能正式进入真实收入验证阶段。

资本市场的逻辑正在发生根本转变。过去，投资机构愿意为技术愿景和Demo演示付费；如今，随着一批头部公司叩响IPO大门，“收入从哪里来、能否持续”成为监管机构与投资者共同追问的核心命题。这种压力不仅作用于排队上市的企业，也传导至整个行业——已上市公司的股价表现，事实上成为行业商业模式的公开投票器。

邵天兰开炮：收入真实性争议公开化

9月10日，梅卡曼德创始人邵天兰在港股上市不到十天之际，于朋友圈连发长文，抨击所谓「攒局型」具身智能创业模式，指控部分企业利用「数采中心」、租赁公司及关联交易制造不可持续的收入，并称其做法「不合法、不道德、不聪明」。他在回复评论中直接点名正在推进IPO、以高估值和上过春晚而广为人知的银河通用。

被点名的银河通用随即两度回应，先称「不参与无谓的口水战」，随后选择报警处理。这场由刚获得资本市场验证的创始人发起的公开质疑，将行业内长期私下流传的收入真实性争议彻底公开化，也意味着行业信任战正式打响。

数采自买自卖：模式质疑的产业逻辑

邵天兰风波的核心，指向一种被称为「数采自买自卖」的业务闭环：机器人公司设立数据采集中心扫货订单，再回购自产数据，资本在圈内循环空转。从产业逻辑看，数据采集本身具合理性——具身智能模型训练确实依赖大量真机操作数据，数采业务也有真实市场需求。争议的焦点不在于数采业务是否存在，而在于其收入的质量：当买方与卖方存在关联关系时，这类收入能否反映真实的第三方市场付费意愿，能否支撑IPO所需的收入真实性审查。

这正是「挤水分」的实质。IPO门槛对收入可持续性、关联交易透明度的严格要求，迫使所有冲刺上市的企业交代真实的商业化能力。口水战双方孰是孰非尚待事实厘清，但风波的产业意义已经清晰：资本市场正在用上市标准对行业的收入结构进行一次系统性筛选。

落地突围：从展台风向看真实场景

与口水战同期发生的，是行业落地叙事的悄然转向。雷峰网走访灵初智能、艾欧智能等公司后观察到，今年WAIC和WRC的展台风向已从炫技Demo转向物流、工业、家庭等真实场景。行业普遍认识到具身智能的「最后20%」长尾问题：前60%-80%的功能验证进展很快，但真实任务涉及网络不稳定、未知情况处理、数据回传训练、人工远程接管等挑战，需要连接、数据、算力、模型乃至Agent一整套云基础设施支撑。

在供给端，产业链协同也在加速。黑芝麻智能与遨博智能已完成首批Aura Devkit开发套件交付，建立项目申报、联合研发、商业供货三层合作体系，并以消费电子装配用双臂协作机器人作为标志性产品，联合清华大学等组建联合体申报链主企业项目。国产算力与整机厂商的深度绑定，正在为规模化落地补齐基础设施短板。

三条叙事线的交汇

当前具身智能行业实质上处于三条叙事线的交汇处：信任线（收入真实性大考）、技术线（落地长尾与基座模型价值重估）、平台线（从机器人本体到物理世界智能基础设施）。特斯拉Cybercab在得州付费运营的示范效应，以及GPT-6 Astra展示的物理世界理解能力，进一步抬升了行业对「大脑」与平台型企业的想象——蚂蚁灵波等公司被视为2026年回答「谁能成为平台型企业」的样本。

本章小结

具身智能正站在从资本故事走向商业实证的临界点。上市潮带来的不是终局，而是一场更严格的入场考试：收入真实性、关联交易透明度、商业化可持续性取代技术叙事，成为估值的核心变量。邵天兰与银河通用的冲突，无论最终事实如何，都已将「挤水分」变成全行业无法回避的公开议程。那些能够穿越信任危机、在真实场景中沉淀可验证收入的企业，才有资格谈论下一阶段的平台化竞争。

竞争格局：梯队分化与阵营博弈

具身智能产业在2025年前后进入资本化密集期，整机、大脑、数采三类玩家的竞争格局逐渐清晰，而伴随企业批量冲刺IPO，资本市场的估值逻辑正从故事叙事转向对收入真实性与持续性的拷问，行业内部围绕商业模式的分歧也随之公开化。

三类玩家的格局分化

整机玩家是产业链条中离收入最近的一环，以宇树、遨博智能、梅卡曼德等为代表，其竞争焦点在于规模化交付能力与场景适配。遨博的协作机器人路线表明，整机厂商正通过与上游算力企业深度绑定来强化落地能力。黑芝麻智能与遨博已完成首批Aura Devkit开发套件交付，双方建立项目申报、联合研发、商业供货三层合作体系，并联合清华大学等机构申报制造业重点产业链链主企业项目，标志性产品指向消费电子装配用双臂协作机器人。这类“国产算力+整机”的组合，代表整机阵营从单点出货走向产业链协同的打法。

大脑玩家瞄准的是感知、决策、控制一体的具身基座模型，其核心叙事是成为物理世界的智能基础设施——当同一套大脑可控制海量机器并支持第三方部署，具身智能公司有望对标操作系统、云与大模型API的平台型商业形态。蚂蚁灵波等公司被业内视为中国回答“谁能成为平台型企业”的样本。但这一阵营的技术前提正受到冲击：GPT-6 Astra已能识别物品与空间关系并生成可交互的仿真环境，动摇了“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，具身基座模型的差异化价值边界被重新审视，大脑阵营的叙事护城河面临收窄风险。

数采玩家与数采业务则是争议的旋涡中心。数采中心本应是为模型训练提供数据燃料的基础设施，但行业出现了“数采中心扫货、机器人公司回购自产数据”的资本圈内循环模式，数据自买自卖难以构成对外部客户的价值交付，其收入是否等同于真实商业化能力，成为市场质疑的焦点。

已上市企业的资本表现分化

已上市与冲刺IPO企业的资本市场表现呈现明显分化。宇树上市后股价腰斩，梅卡曼德自身亦告破发，这与一级市场曾经的高估值形成反差。与此同时，梅卡曼德创始人邵天兰在上市第10天于朋友圈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，并点名正在推进IPO的银河通用，称其做法“不合法、不道德、不聪明”；银河通用两度回应并报警处理。这一冲突将行业内长期存在的收入真实性争议公开化，也标志着以“已获资本市场验证”自居的一方，与被质疑方之间的行业信任博弈正式打响。

从产业逻辑看，这场风波的本质是IPO门槛下的出清压力：当监管审核要求企业交代“真实收入”，依赖关联交易和数采闭环撑起来的报表难以为继，先上市者有动力揭露存量泡沫、巩固自身稀缺性，后上市者则面临更高的证明门槛。口水战本身不改变技术路线，但加速了市场对商业模式含金量的重新定价。

估值逻辑的转向：从故事到收入的持续性

当前估值逻辑的迁移有两条主线。其一是收入真实性：投资者不再满足于订单总量，而是穿透订单来源，区分外部客户付费、关联方循环与政府补贴的比例。其二是落地确定性：雷峰网走访灵初智能、艾欧智能等公司后观察到，今年WAIC与WRC展台风向已从炫技Demo转向物流、工业、家庭等真实场景。但真实任务存在明显长尾效应——前60%-80%进展很快，最后20%需要大量时间填补，涉及网络不稳定、未知情况处理、数据回传训练、人工远程接管等环节，需要连接、数据、算力、模型乃至Agent一整套云基础设施支撑。这意味着收入持续性不仅取决于订单，还取决于企业能否补齐最后20%的交付能力，云厂商也因此获得新的卡位机会。

综合来看，具身智能的竞争格局正从“赛道共识”走向“梯队分化”：整机阵营比拼交付与产业链协同，大脑阵营争夺平台叙事的定义权但面临通用大模型的挤压，数采环节则在真实性拷问下被迫规范。下一阶段，能穿越估值分化存留下来的，将是那些收入来自真实外部客户、且具备补齐长尾落地能力的企业。

本章基于公开报道与行业走访信息整理，相关企业争议以监管认定与司法程序结论为准。

产业链上游：算力与数据供给

具身智能的产业化竞争，本质上是一场上游资源禀赋的竞争。算力决定了机器人的“大脑”能跑多快，数据决定了“大脑”能学多好。本章从国产算力供给与数据采集两条主线切入，观察产业链上游的真实格局。

一、国产芯片赋能：从单点合作走向体系化协同

在算力侧，国产芯片厂商正加速切入机器人赛道。黑芝麻智能与遨博智能已完成首批Aura Devkit开发套件交付，用于遨博协作机器人的产品开发。这一合作的产业意义在于三点：

其一，合作模式具备体系化特征。 双方建立了项目申报、联合研发、商业供货三层合作体系，而非简单的采购关系。这意味着国产芯片供应商正在从“卖器件”向“共同定义产品”的角色演进，芯片厂商深度参与整机端的开发节奏。

其二，产业协同延伸至产学研层面。 双方联合清华大学等高校和企业组建联合体，申报制造业重点产业链高质量发展行动链主企业项目，黑芝麻智能作为核心实施主体，承担具身智能计算芯片及模组的研发与产业化任务。标志性产品指向消费电子装配用双臂协作机器人——这是一个对精度、双臂协同和成本敏感的工业场景，是检验国产算力方案成熟度的合理试金石。

其三，国产替代逻辑与成本曲线吻合。 协作机器人的规模化落地对BOM成本高度敏感，国产算力方案在性价比和供应链稳定性上的优势，恰好在“前60%-80%的场景快速落地”阶段具备竞争力。多位云专家指出，具身智能存在明显长尾效应，最后20%的真实任务需要连接、数据、算力、模型乃至Agent一整套云基础设施支撑——这意味着上游供给实际上是“芯片+云”的双层结构，国产算力的机会窗口覆盖端侧推理与云端训练两端。

二、数据采集的价值边界：数采中心争议的产业逻辑

数据是具身智能的另一条上游命脉，但2025年9月爆发的一场行业冲突，将数据采集业务的真实价值边界问题公开化。

事件的直接导火索是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，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，并在评论区点名正在推进IPO的银河通用，称其做法“不合法、不道德、不聪明”。银河通用于两度回应，先称“不参与无谓的口水战”，随后报警处理。梅卡曼德自身亦面临市场拷问——其上市后股价破发，同期宇树上市后股价腰斩，行业热度与二级市场表现形成明显反差。

剥离各方立场，争议指向一个结构性的产业问题：数采中心扫货、机器人公司回购自产数据的模式，究竟构成真实商业能力，还是资本在圈内循环空转？

从产业逻辑看，数据采集本身确是具身智能的刚需——真实场景数据稀缺，遥操作采集、仿真合成是主流供给方式。问题在于交易结构：当数据的买方与卖方存在关联关系，收入确认的真实性与可持续性便难以验证。在IPO审核趋严、市场追问“真实收入”的背景下，这类收入的成色成为监管与投资者共同关注的焦点。这场冲突的积极意义在于，它迫使行业把数据业务从“讲故事”拉回“算账”：数据资产是否有独立第三方买单、数据质量能否转化为模型性能提升、单位数据成本能否随规模化下降，才是衡量数采业务价值的可验证标准。

三、上游供给的真实图景

综合来看，具身智能上游呈现出“算力确定性强、数据价值待验证”的分化格局：

此外，GPT-6 Astra等通用大模型展现出的物理世界理解与仿真生成能力，正在冲击“必须专门训练机器人基座模型”的行业立论，这一变化可能重塑上游数据的需求数量与结构——若通用基座能力外溢，自建数采体系的边际价值将被重新定价。

上游的确定性供给正在就位，而数据环节的商业化真实性考验，恰是具身智能从Demo走向收入的必经一课。

产业链中下游：整机与场景落地

展台风向之变：从Demo到真实场景

2025年的WAIC和WRC展台呈现出与以往明显不同的气质。雷峰网走访灵初智能、艾欧智能等多家具身智能公司后观察到，展台风向已从炫技Demo转向物流、工业、家庭等真实场景的落地展示。这一转变背后，是行业对商业化验证的迫切需求——在IPO门槛与资本市场的“真实收入”追问下（详见前章），能够展示可交付、可复制的场景解决方案，远比一段精心编排的演示视频更具说服力。

场景转向的同时，行业也清醒地认识到落地的难度分布。多位云专家指出，具身智能存在明显的长尾效应：任务完成的前60%-80%进展很快，而最后的20%需要大量时间填补。真实任务环境中涉及网络不稳定、未知情况处理、数据回传训练、人工远程接管等一系列挑战。这意味着，机器人要真正“干活”，仅靠本体和端侧模型远远不够，还需要连接、数据、算力、模型乃至Agent在内的整套云基础设施支撑。这最后20%的能力，很大程度上“藏在云里”——对云厂商而言，这构成了具身智能时代的新业务机会；对整机厂商而言，云侧能力正在成为整机竞争力的一部分。

协作机器人：量产交付的确定性路径

在整机层面，协作机器人是当前交付确定性最高的品类之一。黑芝麻智能与遨博智能的合作是国产算力赋能机器人规模化的典型案例：双方已完成首批Aura Devkit开发套件交付，用于遨博协作机器人产品的开发。合作采用项目申报、联合研发、商业供货三层体系，并联合清华大学等高校和企业组建联合体，申报制造业重点产业链高质量发展行动链主企业项目，标志性产品为面向消费电子装配的双臂协作机器人。黑芝麻智能作为核心实施主体，承担具身智能计算芯片及模组的研发与产业化任务，配合整机集成攻关和示范应用。

这一案例的产业意义在于两点：其一，国产算力芯片进入协作机器人主控链路，整机—芯片的垂直协同开始成型，供应链自主性增强；其二，以消费电子装配等工业场景为切入点的双臂协作产品，指向的是可量化ROI的工业客户需求，收入来源清晰，与“数采自买自卖”式的资本循环形成鲜明对照。

Cybercab：付费运营开启商业化样本

如果说协作机器人的量产交付验证了工业场景的收入模式，特斯拉则提供了另一种商业化样本。9月，特斯拉Cybercab在得州奥斯汀开展付费运营，标志着无人驾驶出租车从技术演示阶段正式进入“用户付费”阶段。参考素材指出，机器人价值的核心正从外形转向以感知、决策、控制为主体的“大脑”：当同一套大脑可以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。

付费运营的关键在于收入性质的变化——收入来自终端用户的真实使用付费，而非关联方采购或资本运作。这种模式将运营规模、单车成本、接管率等运营指标直接暴露在市场检验之下，是“收入真实性”最直观的验证方式。文章同时提示，2026年的中国市场、以蚂蚁灵波为代表的具身智能公司，将成为回答“谁能成为平台型企业”这一问题的重要样本。

产业链结构透视

中下游的竞争逻辑

综合来看，产业链中下游的竞争逻辑正在发生三重变化：

第一，交付能力取代演示能力成为核心竞争力。 展台从Demo转向场景，本质是采购方（工业客户、物流客户）开始用落地效果而非技术想象评估供应商。

第二，收入结构决定估值叙事的可持续性。 宇树上市后股价腰斩、梅卡曼德破发的市场表现表明，即便成功上市，缺乏可持续真实收入支撑的估值难以维持。协作机器人的量产交付与Cybercab的付费运营，代表了两条以真实收入为基础的路径：前者依赖工业客户的设备采购与交付，后者依赖终端用户的运营付费。

第三，云与大脑成为中下游的新护城河。 最后20%的长尾能力依托云基础设施，机器人大脑的平台化潜力则指向操作系统级的产业地位。中下游企业若只做本体集成，将逐步沦为产业链中利润最薄的一环；具备“本体+大脑+云”整合能力的厂商，才有机会在场景落地中占据主导。

对产业观察者而言，下一阶段的检验标准已经明确：不看融资额与估值，而看交付量、付费用户数与单位经济模型。中下游的落地成色，将直接决定具身智能这轮产业周期能否穿越资本市场的信任考验。

数据与基础设施：云成最后20%关键

从Demo到干活的分水岭

2025年，具身智能行业的展台风向发生了明显变化。据雷峰网走访灵初智能、艾欧智能等多家具身智能公司后的观察，今年的WAIC和WRC上，厂商展示的重点已从炫技式Demo转向物流、工业、家庭等真实场景的落地能力。这一转向背后，是资本市场对“真实收入”的追问日益严苛——梅卡曼德上市后创始人邵天兰公开质疑部分企业通过数采中心与关联交易制造不可持续收入，宇树上市后股价腰斩、梅卡曼德自身破发，都印证了单纯依靠技术演示和资本运作撑起估值的模式难以持续。

行业共识正在形成：机器人能否真正“干活”，取决于能否补齐最后20%的落地鸿沟。而多位云专家指出，这最后20%恰恰藏在“云”里。

长尾场景的严峻挑战

具身智能存在明显的长尾效应：前60%-80%的通用能力进展很快，可以通过预训练和仿真快速覆盖；但剩下20%的真实任务，需要大量时间逐一填补。这些长尾场景的现实约束包括：

• 网络不稳定：真实作业环境（工厂车间、仓储库区、家庭）网络条件复杂，无法保证云端推理的低时延连接；
• 未知情况：真实环境中长尾事件频发，模型必须具备持续学习与快速迭代能力；
• 数据回传训练：现场产生的第一手交互数据需要高效回传至云端，用于模型再训练与版本更新；
• 人工远程接管：当机器人遇到无法处理的情况时，需要低时延的远程接管通道作为安全兜底。

这意味着，机器人真正投入运营，需要连接、数据、算力、模型乃至Agent一整套云基础设施的支撑，而非单一的“大脑”模型或本体硬件所能独立完成。

这一闭环揭示了具身智能运营的本质：它不是一次性交付的产品，而是一个需要持续数据供给、持续模型迭代的“活系统”。数据回传与远程接管能力，正在取代硬件参数，成为衡量落地成熟度的核心指标——也正因如此，成为当前商业化落地的最大瓶颈。

国产算力补位与基座模型变数

在算力侧，国产供应链正在加速补位。黑芝麻智能与遨博智能已完成首批Aura Devkit开发套件交付，用于遨博协作机器人产品开发，双方建立了项目申报、联合研发、商业供货三层合作体系，并联合清华大学等高校和企业组建联合体，申报制造业重点产业链高质量发展行动链主企业项目，标志性产品为面向消费电子装配的双臂协作机器人。这一合作表明，机器人专用计算芯片及模组的国产化，正在为规模化落地提供算力底座。

与此同时，基座模型路线正面临重新审视。GPT-6 Astra在开发者测试中展现出对物理世界的理解能力——不仅能识别含容器和液体图片中的物品与空间关系，还能生成可交互的仿真环境。此前行业普遍立论“数字大模型不懂物理世界，需专门训练机器人基座模型”，Astra的表现使这一立论首次受到强烈质疑。若通用大模型的能力持续外溢，具身基座模型的差异化价值边界将被压缩，机器人公司的竞争重心将进一步转向数据资产与场景运营——而这些恰恰依赖云基础设施的沉淀能力。

云厂商的新机会

上述变化共同指向一个结构性判断：具身智能的价值核心正从外形与本体转向以感知、决策、控制为主体的“大脑”，而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。

对云厂商而言，这意味着三重机会：

1. 数据基础设施：数采、回传、清洗、标注、版本管理的一体化数据管道，是所有具身智能公司的刚需，也是当前行业争议（数采业务是否构成真实商业化能力）的核心所在——规范化的云侧数据服务有望将灰色地带透明化；

2. 算力与训练平台：模型迭代需要的弹性算力、仿真环境托管、OTA下发通道，天然适配云的商业模式；

3. 远程运营层：低时延远程接管、车队级监控调度，构成机器人安全运营的兜底能力，也是To B客户付费意愿最强的环节。

值得注意的是，参考素材中已有观点将2026年的中国、以蚂蚁灵波为代表的具身智能公司视为回答“谁能成为平台型企业”的合适样本。平台型竞争的入场券，归根结底取决于数据闭环的运营深度。

小结

具身智能的商业化验证，正在从“能否做出Demo”转向“能否持续产生真实收入”。前80%的通用能力决定了故事的上限，最后20%的长尾落地决定了收入的真实性。连接、数据、算力、模型、Agent一体化的云基础设施，是补齐这20%的必要条件，也将在行业挤水分的过程中，成为区分“攒局型”企业与真实运营型企业的试金石。对云厂商而言，这是一条从通用云计算向物理世界智能基础设施延伸的新曲线；对机器人公司而言，云能力的缺失与否，将直接决定其能否穿越IPO后的估值考验。

趋势判断：平台化与基座模型之争

2025年以来的具身智能行业，正同时经历两条主线的撕扯：一边是IPO门槛下的收入真实性拷问，宇树上市后股价腰斩、梅卡曼德破发，梅卡曼德创始人邵天兰更在上市第10天公开质疑部分企业通过数采中心与关联交易制造收入，银河通用两度回应并报警，行业信任战公开化；另一边，通用大模型对具身基座模型差异化立论的冲击、以及「大脑」平台化叙事的兴起，正在重塑竞争的底层逻辑。收入大考淘汰的是旧故事，而平台化与基座模型之争，将决定下一个故事由谁来讲。

一、通用大模型冲击：具身基座模型的立论危机

具身基座模型创业的核心叙事长期建立在一个假设之上：数字大模型不懂物理世界，机器人需要专门训练的物理世界基座模型。但GPT-6 Astra的表现首次动摇了这一立论——开发者将含容器和液体的图片交给Astra，它不仅识别物品与空间关系，还能生成可交互的仿真环境。这意味着通用多模态模型对物理常识的理解深度，可能远超行业此前的判断。

这对具身基座模型公司构成双重压力：其一，若通用模型能以更大参数规模、更短迭代周期逼近甚至覆盖物理世界理解能力，专用基座模型的差异化价值边界将被持续压缩；其二，通用模型厂商具备算力与数据飞轮优势，具身公司若不能在机器人控制、运动生成、真机数据等维度建立独立护城河，很可能沦为通用基座之上的微调层。行业正在重新回答一个问题：通用大模型覆盖不了的那部分，究竟是多大的一块。

值得注意的是，竞争并非单向替代。真实任务落地存在明显长尾效应——雷峰网走访灵初智能、艾欧智能等公司后观察到，前60%-80%进展很快，最后20%涉及网络不稳定、未知情况处理、数据回传训练、人工远程接管等系统性挑战，需要连接、数据、算力、模型乃至Agent一整套基础设施支撑。这「最后的20%」恰恰是通用大模型厂商短期内难以独立完成的，也为垂直整合者保留了窗口。

二、从「身体」到「大脑」：平台化叙事的兴起

9月特斯拉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与硬件，转向以感知、决策、控制为主体的「大脑」。产业逻辑的推演是：当同一套大脑可以控制海量机器并支持第三方部署，具身智能公司就可能成为类似操作系统、云和大模型API的物理世界智能基础设施。

这一叙事的产业支撑正在多点成形。硬件侧，黑芝麻智能与遨博智能完成首批Aura Devkit开发套件交付，双方建立项目申报、联合研发、商业供货三层合作体系，并联合清华大学等组建联合体申报制造业重点产业链链主企业项目，国产算力与整机协同的路径已经打通；软件与运营侧，WAIC和WRC展台风向已从炫技Demo转向物流、工业、家庭等真实场景；云基础设施侧，机器人真正干活所需的云端闭环，构成云厂商的新机会。三层能力叠加，指向同一个终局判断——「大脑」或成物理世界智能基础设施。

三、2026年：平台型企业竞争格局初步明朗

综合各方信号，行业对格局收敛时点的判断相对一致：2026年的中国，是回答「谁能成为平台型企业」的合适样本，以蚂蚁灵波为代表的具身智能公司被视为观察对象。筛选标准将不再依赖Demo与估值，而是三项硬指标：

• 真实收入的可持续性——IPO与二级市场已将关联交易、数采自买自卖等模式证伪，收入来源与质量成为入场券；
• 对通用大模型的差异化能力——能否在运动控制、真机数据、物理闭环上守住通用模型暂难触及的阵地；
• 平台化架构的验证度——同一套大脑跨机型、跨场景、支持第三方部署的落地证据，以及云端基础设施的整合深度。

三条路径的演进逻辑可概括如下：

平台化竞争的本质，是具身智能从资本驱动的「攒局」叙事，转向技术、商业与基础设施三重验证的产业竞争。2026年之前，真伪玩家将在收入质量与平台能力的双重检验中分离——能够穿越大考、守住差异化并在真实场景中形成规模部署的企业，才有资格竞争物理世界智能基础设施的入场券。