具身智能：从叙事热潮到收入拷问的产业转折

执行摘要：2025年具身智能密集上市，宇树腰斩、梅卡曼德破发，邵天兰公开质疑数采中心与关联交易制造的虚假收入，行业信任战爆发。本期报告从产业格局、上中下游链条、数据与竞争要素切入，剖析商业化落地最后一公里的云基础设施支撑、基座模型价值重估，判断行业正从资本叙事转向真实收入与平台化能力验证的转折期。

一、行业现状与竞争格局

2025年下半年，具身智能行业进入一个标志性节点：头部企业密集上市，资本市场却给出了远低于预期的回答。宇树科技上市后股价快速腰斩，梅卡曼德港股上市即告破发，此前一级市场积累的高估值叙事与二级市场的定价之间，出现了显著落差。这一反差并非个别公司的偶发事件，而是整个行业从叙事驱动转向收入验证的转折信号。

上市潮与估值反差

过去两年，具身智能是融资热度最高的硬科技赛道之一，人形机器人整机、协作机器人、灵巧手、具身大模型等细分方向均涌现出高估值企业。当首批代表性企业陆续走到公开市场，其信息披露的真实性要求显著提高——招股书、问询函与市场定价机制，共同构成对“真实收入”的第一次系统拷问。

结果并不乐观。宇树作为人形机器人整机关注度最高的企业，上市后股价腰斩，反映出市场对其收入结构、商业化节奏与长期估值空间的分歧；梅卡曼德作为机器视觉与机器人软件方向的代表企业，上市即破发，说明即便技术能力获得认可，收入规模与可持续性仍不足以支撑此前的一级市场估值。热点与估值的反差表明，行业正在进入挤出水分的阶段：概念溢价被快速压缩，收入质量成为新的定价锚。

“收入真实性”争议公开化

更具标志性的事件是行业内部信任战的爆发。梅卡曼德上市第10天，创始人邵天兰在朋友圈连发长文，公开指控部分具身智能企业利用“数采中心”、租赁公司及关联交易制造不可持续的收入，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”。银河通用随即两度回应，先称“不参与无谓的口水战”，其后报警处理。这场风波迄今仍是企业间的公开争议，相关指控未经监管或司法认定，但其折射出的产业问题具有普遍性。

争议核心在于数采业务的会计与商业实质。具身智能训练依赖大规模真实场景数据，由此催生了数据采集中心这一业态。当出现“数采中心扫货、机器人公司回购自产数据”的资本圈内循环时，收入是否来自真实外部客户、是否构成可持续的商业化能力，就成为资本市场必须回答的问题。IPO门槛下的问询机制，实质上把这一问题制度化了——收入真实性从行业潜规则的灰色地带，变成了上市审核的显性变量。

从产业逻辑看，这一冲突并非偶然。具身智能目前普遍商业化落地乏力，真实场景收入有限，部分企业此前依靠资本运作维持估值增长，上市意味着这套模式必须接受公开定价的检验。邵天兰以自身“已获资本市场验证”的立场发起挑战，客观上加速了行业对收入质量的自我审视。

竞争格局：从Demo竞赛到落地能力分层

在口水战之外，行业的真实分化也在同步发生。今年WAIC和WRC展台上，风向已从炫技Demo转向物流、工业、家庭等真实场景落地。走访显示，具身智能存在明显长尾效应：前60%-80%的能力进展很快，但最后20%的真实任务执行需要大量时间填补，涉及网络不稳定、未知情况处理、数据回传训练、人工远程接管等系统性挑战。

这一长尾正在重塑竞争格局的分层：

• 基础设施层：云厂商获得新机会，机器人真正干活需要连接、数据、算力、模型乃至Agent一整套云基础设施支撑；芯片层面，黑芝麻智能与遨博智能已完成首批Aura Devkit开发套件交付，以国产算力赋能协作机器人，并联合清华大学等组建联合体申报重点产业链项目，构建“项目申报—联合研发—商业供货”三层合作体系。
• 模型层：差异化价值边界正被重新审视。GPT-6 Astra展示了对含容器、液体物品的物理空间关系理解，并能生成可交互仿真环境，这使“数字大模型不懂物理世界、必须专门训练具身基座模型”的行业立论首次受到强烈质疑。
• 平台层：价值核心正从本体外形转向感知、决策、控制构成的“大脑”。当同一套大脑可控制海量机器并支持第三方部署，头部公司有望成为物理世界的智能基础设施。特斯拉Cybercab付费运营提供了海外参照，2026年以蚂蚁灵波为代表的中国企业，则被视为回答“谁能成为平台型企业”的关键样本。

阶段判断

综合来看，行业正处于三个转变的叠加期：估值体系从一级市场的叙事定价转向二级市场的收入定价；商业模式从数据自循环的“攒局”模式转向真实外部客户验证；竞争维度从本体与Demo能力转向云、算力、模型的系统落地能力。上市潮带来的信息披露与定价压力，正在成为挤出水分的机制——能够通过“真实收入”检验的企业将获得分化后的市场认可，而依赖资本循环维持估值的企业将面临持续压力。行业的下一个分水岭，不在于谁能讲出更好的故事，而在于谁能率先跨越商业化落地的最后20%。

二、产业链全景：上中下游拆解

经历了一年多的叙事驱动阶段后，具身智能产业链的结构正变得清晰可辨。上游算力与本体制造、中游整机与方案商、下游场景落地，三个环节的成熟度与商业逻辑各不相同，而2025年9月的行业风波与资本市场表现，正在把这条产业链的真实成色逐一检验。

上游：算力芯片与本体制造率先兑现收入

在上游环节，最值得关注的是国产算力芯片向机器人领域的渗透。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。双方建立了项目申报、联合研发、商业供货的三层合作体系，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。

这一合作的标志性产品是消费电子装配用双臂协作机器人，双方还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。值得注意的是，这类上游合作以真实产品交付和联合研发为纽带，其收入形式是开发套件与芯片模组供货，属于产业链中最容易被验证的商业化部分。相比中游整机企业的估值博弈，上游算力供应商的收入结构更接近传统半导体产业逻辑。

本体制造环节，协作机器人厂商已具备规模化交付能力，遨博与黑芝麻的合作即说明，本体的“身体”问题在工业场景中已基本就位。

中游：整机与方案商面临收入真实性拷问

中游的具身智能整机与方案商是本轮产业转折的中心。9月，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，并点名正在推进IPO的银河通用。银河通用两度回应，先称“不参与无谓的口水战”，随后报警。相关报道指出，行业普遍存在数采中心扫货、机器人公司回购自产数据的现象，资本在圈内循环空转。

这场冲突的产业背景是密集上市窗口期：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明显反差。当一级市场估值逻辑切换为二级市场的收入验证，中游企业必须回答“收入从哪里来、能否持续”这一命题。数据采集业务是否构成真实商业化能力，成为争议核心——数采本身有技术价值，但若收入主要来自体系内循环，则难以支撑估值。

与此同时，中游也在分化。部分公司聚焦垂直场景方案，部分公司则瞄准基座模型与平台化路径。业界认为，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，2026年中国市场、以蚂蚁灵波为代表的公司被认为是观察这一问题的样本。不过，GPT-6 Astra展示的物理世界理解能力，使“必须专门训练具身基座模型”的立论首次受到质疑，中游基座模型公司的差异化价值边界正被重新审视。

下游：展台风向从Demo转向真实场景

下游落地的信号在2025年WAIC和WRC展会上已经显现：展台风向从炫技Demo转向物流、工业、家庭等真实场景落地。这一转变意味着客户不再为能力演示付费，而是为可交付的任务结果付费。

但真实场景的落地仍有明显长尾。雷峰网走访灵初智能、艾欧智能等公司后观察到，具身智能任务的前60%-80%进展很快，最后20%需要大量时间填补。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，机器人真正干活需要连接、数据、算力、模型乃至Agent一整套云基础设施支撑。这解释了为何中游方案商普遍与云厂商深度绑定，也为云厂商打开了新机会窗口——落地的“最后20%”，很大程度上藏在云里。

产业链结构图示

小结

从产业链视角看，具身智能的成熟度呈明显的梯度分布：上游算力与本体以产品交付兑现收入，确定性最高；中游整机与方案商正处于收入真实性拷问的风暴眼，商业模式面临二级市场重定价；下游场景从Demo走向真实任务，但最后20%的落地成本远超预期，需要云基础设施补齐。产业链各环节的收入质量，而非技术演示，将成为下一阶段竞争的分水岭。

三、数据采集与收入真实性争议

2025年9月，具身智能行业的收入真实性争议从私下议论走向公开化。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」和关联交易制造不可持续的收入，并以「攒局型」企业指称这一模式，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」，随后报警处理。这场风波的核心并非技术路线之争，而是数据采集业务能否构成真实商业化能力的争议。

数采扫货与自产数据回购

被质疑的模式在行业内并不新鲜。其典型结构是：具身智能公司设立或关联的数采中心大量采购自家机器人（即「数采中心扫货」），机器人公司再回购这些设备在采集过程中产生的数据，收入与支出在关联主体之间循环。这一过程中，资本在圈内空转，形式上产生了订单和收入，但并未形成外部客户与真实市场需求的验证。

支持者认为，数据采集是具身智能训练的刚需，真机数据稀缺，自建数采体系属于合理的前期投入；质疑者则指出，当采购方、数据提供方与收入确认对象高度重合时，这类交易难以证明产品获得了独立第三方的认可，其收入质量与可持续性存疑。

关联交易与「攒局」模式

「攒局」模式的关键在于关联交易构造的收入闭环。通过数采中心、租赁公司等关联主体，企业可以在报表上呈现规模化的收入增长，支撑高估值叙事——部分被点名企业具有「名气大、估值高、上过春晚」的特征。这种模式在一级市场融资阶段尚可依靠故事维持，但当企业进入IPO流程，监管对收入真实性、关联交易披露和客户独立性的审核，使问题无法回避。

IPO门槛下的「真实收入」追问

邵天兰选择在自身上市后发声，具有明确的产业逻辑：梅卡曼德已经历资本市场的公开定价与审核检验，其立场相对更有说服力。而宇树上市后股价腰斩、梅卡曼德自身破发的市场表现，也说明二级市场对具身智能的估值正在从叙事回归基本面——收入从哪里来、能否持续，成为上市公司撑住估值的关键命题。

在这场争议中，监管审核实质上充当了「挤水分」的机制。IPO对关联交易、收入确认政策的严格问询，迫使企业公开交代收入结构，长期存在于行业内部的灰色地带被摆上台面。对行业而言，这一轮公开交锋的积极意义在于推动区分两类公司：一类依靠外部真实客户订单形成收入，如黑芝麻智能与遨博智能建立的「项目申报—联合研发—商业供货」三层合作体系，其收入来自产业链协作与终端场景；另一类则依赖内部循环维持报表增长。

争议背后的商业化焦虑

争议的深层背景是具身智能商业化落地的不确定性。行业普遍承认存在明显长尾效应：真实任务中前60%-80%的进展较快，最后20%需要大量时间填补，涉及网络不稳定、未知情况处理、数据回传训练与人工远程接管等问题，机器人真正干活需要云基础设施的完整支撑。在真实场景收入难以快速规模化的阶段，数据采集及相关业务成为部分企业收入结构中的主要来源，这正是争议的触发点。

从产业演进看，本轮风波标志着具身智能从叙事驱动转向收入拷问的转折。无论监管结论如何，资本市场与产业界已开始以「真实收入」作为衡量标准，依赖关联交易维持估值的空间正在收窄，具备真实场景交付能力的企业将获得更清晰的估值区分。

四、落地最后一公里：云与基础设施

从炫技Demo到真实场景的行业风向转变

2025年WAIC和WRC的展台风向出现了明显变化：具身智能企业的展示重心从吸引眼球的炫技Demo，转向物流、工业、家庭等真实场景的落地能力。这一转变并非主动选择，而是被现实倒逼的结果——资本市场对具身智能企业的估值逻辑正在收紧，收入真实性与可持续性成为核心拷问。

行业当前的信任风波印证了这一点。梅卡曼德创始人邵天兰在港股上市第10天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收入，并点名正推进IPO的银河通用，后者两度回应并报警。无论各方立场如何，这场争议暴露出的行业事实是：数采中心扫货、机器人公司回购自产数据的模式，让部分收入停留在资本圈内循环，未能证明真实的商业化能力。当IPO门槛要求企业交代“真实收入”时，落在仓库、产线和家庭里的真实任务执行能力，才是收入故事的最终支撑。

长尾效应：前80%与最后20%的时间错配

走访灵初智能、艾欧智能等具身智能公司后，行业对真实落地的难度形成了一个共识性判断：具身智能存在明显的长尾效应，前60%-80%的任务进展很快，最后20%需要大量时间填补。

这组数字背后是两类完全不同的工程问题。前段任务依赖的感知、抓取、搬运等能力，可以通过大规模预训练和仿真环境快速逼近可用水平；而最后20%的真实任务，则面临一组系统性挑战：

• 网络不稳定：真实作业环境（仓库深处、工厂车间、家庭角落）的网络条件远非展厅可比，机器人不能因断网而停摆；
• 未知情况：长尾场景无法在训练集中穷举，机器人必须在开放环境中处理训练时未见过的状况；
• 数据回传：每一次失败和成功都是宝贵的数据，需要低成本的回传链路支撑模型迭代；
• 人工远程接管：在机器无法处理的瞬间，需要远程人工接管机制兜底，这本身要求低延时通信和成熟的人机协作系统。

机器人干活，需要一整套云基础设施

多位云专家的判断是：机器人真正干活，需要连接、数据、算力、模型乃至Agent一整套云基础设施支撑。这意味着具身智能的竞争维度正在从单机能力扩展到系统基础设施。

具体而言，这套基础设施至少包含四层能力：

端侧算力的国产化补充也在同步推进。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，标志性产品为消费电子装配用双臂协作机器人。端侧芯片解决机器人的即时决策问题，云端基础设施则解决全局调度、持续学习和远程兜底问题，两者构成互补的算力格局。

云厂商的新机会与平台化竞争

对云厂商而言，具身智能是一个结构性新机会。机器人规模化部署后，每台设备都是持续的连接节点、数据源和算力消费者，其基础设施需求与移动互联网时代的App、大模型时代的API同构，且因为涉及物理世界安全，对可靠性和远程接管能力的要求更高。

更长期的竞争在于“大脑”的平台化。业界观察认为，机器人价值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。2026年的中国市场，被认为将是检验谁能成为平台型企业的重要样本。

结语：从收入叙事到能力验证

将本章视角放回全篇的“收入拷问”：数采收入之所以受到质疑，是因为它无法证明机器人在真实场景中干活的能力；而真实落地能力之所以难以证明，正是因为最后20%的长尾任务需要完整的云与基础设施体系。谁能率先打通连接、数据、算力、Agent的闭环，谁就能把“最后20%”从时间黑洞变成竞争壁垒——这既是技术命题，也是下一阶段估值分化与商业模式验证的分水岭。

五、基座模型价值重估与竞争要素

具身智能的核心投资逻辑，长期建立在一个隐含假设之上：数字世界的大模型不理解物理世界，因此必须由机器人公司专门训练具身基座模型，构成独立的「大脑」技术栈。GPT类多模态模型对物理世界理解能力的持续突破，正在动摇这一假设的根基，并促使行业重新审视具身基座模型的价值边界与护城河来源。

一、GPT类模型对具身基座差异化立论的冲击

以GPT-6 Astra为代表的多模态模型展现出超越以往的认知能力：面对一张包含容器和液体的图片，它不仅能识别物品属性与空间关系，还能生成可交互的仿真环境。这直接挑战了「数字大模型不懂物理世界」的行业共识——如果通用基座模型能够通过多模态数据逐步习得物理直觉、空间推理乃至场景生成能力，那么专门训练机器人基座模型的必要性就需要重新论证。

对具身基座模型公司而言，冲击体现在三个层面：其一，差异化叙事被压缩，专用基座相对通用模型的性能溢价需要用可量化的任务指标证明；其二，数据护城河的逻辑面临挑战，通用模型厂商掌握的互联网级多模态数据规模，远超机器人公司通过数采中心获取的数据量；其三，技术路线出现分叉的可能，即「通用大模型+具身适配层」与「独立具身基座」两条路线的竞争公开化。

二、竞争要素的重构：从模型本身到系统闭环

值得注意的是，基座模型价值的重估并不意味着具身智能公司的价值被稀释，而是竞争的重心从「是否有大脑」转向「大脑之外还有什么」。从产业实践看，真正的竞争壁垒正在向以下要素迁移：

雷峰网对灵初智能、艾欧智能等公司的走访显示，具身智能落地存在明显长尾效应：前60%-80%的进展很快，最后20%需要大量时间填补，涉及网络不稳定、未知情况处理、数据回传训练等系统工程问题。这意味着，单点模型能力（无论来自通用大模型还是专用基座）不足以构成完整壁垒，能否搭建连接、数据、算力、模型到Agent的一整套闭环体系，才是分水岭。

三、信任危机与价值验证的叠加

基座模型叙事承压的同时，行业正经历收入真实性的拷问。9月，梅卡曼德创始人邵天兰在港股上市10天内公开发文，指控部分「攒局型」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。这一冲突的产业背景是：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反差，「收入从哪里来、能否持续」成为估值支撑的关键命题。数采业务能否构成真实商业化能力的争议公开化，与基座模型价值重估形成共振——当「大脑」的稀缺性本身受到质疑，缺乏真实场景收入的主体将面临更严格的估值审视。

四、平台化可能性的窗口

另一条叙事线索同样值得关注：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转向以感知、决策、控制为主体的「大脑」。若同一套大脑可控制海量机器并支持第三方部署，具身智能公司有机会成为类似操作系统、云和大模型API的物理世界智能基础设施。在这一图景下，竞争的关键不是与GPT类模型比拼多模态理解，而是谁能率先完成「模型—机器—场景—数据回流」的平台闭环。

小结：GPT类模型的物理理解能力冲击了具身基座模型的差异化立论，但并未终结竞争，而是抬高了对护城河的认定标准——从模型叙事转向真实收入、系统闭环与平台化能力。2026年前后，行业大概率将围绕「通用模型适配」与「专用基座闭环」两条路线，以真实场景交付数据一决高下。

六、趋势判断：平台化与商业化验证

2025年下半年以来，具身智能产业的叙事重心正在发生一次显著迁移：从“本体炫技”转向“收入拷问”，从“单点产品”转向“平台卡位”。这一迁移由三重力量共同推动——资本市场的上市门槛、技术路线的重新审视、以及真实场景落地的长尾挑战。

1. 商业化验证成为第一考题

9月，梅卡曼德创始人邵天兰在港股上市第十天公开质疑部分具身智能企业通过数采中心、租赁公司及关联交易制造不可持续收入，并点名正在推进IPO的银河通用；后者两度回应，其中一次选择报警。这场公开冲突的本质，并非简单的企业恩怨，而是IPO门槛下“真实收入”追问的行业化显影。

其背后的产业逻辑值得客观拆解：部分公司依赖“数采中心扫货、机器人公司回购自产数据”的模式，资本在圈内循环空转，短期内可做大营收数字，但缺乏外部客户验证，一旦进入上市审核或二级市场定价，收入质量即被重新审视。宇树上市后股价腰斩、梅卡曼德自身破发，进一步说明行业热度与资本市场表现之间的落差——收入从哪里来、能否持续，已成为上市公司撑住估值的关键命题。

2. 价值核心从本体转向“大脑”

技术侧的判断正在收敛：机器人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”。两个信号值得关注：

其一，特斯拉Cybercab已在得州奥斯汀开展付费运营，验证了“大脑+本体”分离架构的商业可行性——当同一套智能系统可控制海量机器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的物理世界智能基础设施。

其二，国产算力链正在补齐“大脑”的底座。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，并联合清华大学等组建联合体申报制造业重点产业链链主项目，标志着具身智能计算芯片正从实验室走向协作机器人产品的规模化开发。

但“大脑”的立论本身也面临挑战：随着GPT-6 Astra展现出对物理物品、空间关系的理解乃至生成可交互仿真环境的能力，“数字大模型不懂物理世界、必须专门训练具身基座模型”这一行业核心叙事首次受到强烈质疑。具身基座模型的差异化价值边界正在被重新审视，这将直接影响谁有能力定义平台层标准。

3. 云基础设施决定落地深度

雷峰网走访灵初智能、艾欧智能等公司后的观察显示，2025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。多位云专家指出，具身智能存在明显长尾效应：前60%-80%进展很快，最后20%需要大量时间填补——网络不稳定、未知情况处理、数据回传训练、人工远程接管等问题，要求连接、数据、算力、模型乃至Agent一整套云基础设施支撑。这意味着平台型企业的护城河不只在模型本身，更在云端闭环能力。

4. 2026：平台格局初步显现

综合以上变量，产业演进的路径可以概括如下：

展望2026年，三个判断值得提出：

• 分化加速：具备真实外部客户收入、场景数据闭环能力的公司将与传统“攒局型”企业拉开估值与融资差距，行业信任战已由梅卡曼德事件正式揭幕。
• 平台卡位赛开启：当本体供应链趋于成熟，竞争焦点集中于“大脑”与云端基础设施。2026年的中国市场，以蚂蚁灵波为代表的具身智能公司，是观察谁能成为平台型企业的合适样本。
• 验证标准趋严：IPO审核与二级市场定价将持续倒逼收入真实性披露，关联交易与数采自循环模式的估值溢价将系统性收缩。

总体而言，具身智能正从叙事热潮进入商业化验证期。谁能率先完成“真实收入—数据闭环—平台化”的正循环，谁就更有机会在2026年初现的格局中占据物理世界智能基础设施的位置。