具身智能产业观察：从估值叙事到真实收入

执行摘要：2025年9月，具身智能产业进入资本检验期：梅卡曼德与银河通用的收入真实性之争，将数采中心、关联交易等商业模式问题公开化；宇树股价腰斩、梅卡曼德破发，显示上市并非终点。与此同时，Figure Helix 2.5展示零样本家务能力，类脑世界模型与大模型进展冲击具身基座模型立论，技术路线与商业模式的分化正在加速行业洗牌。

行业现状：风口与水分并存

密集上市潮：高光时刻与冷峻现实

2025年9月，具身智能行业迎来标志性的密集上市窗口。梅卡曼德登陆港股，宇树科技完成上市，银河通用等企业也在推进IPO进程。资本市场曾对这一赛道抱有极高期待——人形机器人被视为继大模型之后最重要的技术叙事，“具身智能”成为一级市场估值攀升最快的标签之一。

然而，上市并不意味着故事的圆满收官，反而是更严格审视的开始。资本表现与行业热度迅速形成反差：宇树上市后股价腰斩，梅卡曼德自身也遭遇破发。一边是敲钟时刻的高光与媒体聚焦，一边是二级市场投资者用真金白银投出的谨慎票。这一冷峻反差传递出明确信号：市场愿意为技术愿景支付溢价的时代正在过去，收入的质量与可持续性正在成为估值的核心锚点。

IPO门槛倒逼“真实收入”交代

更深刻的行业转折发生在IPO门槛之下。上市审核对收入真实性、关联交易、业务独立性的要求，迫使具身智能企业首次系统性地向公众交代“真实收入”的构成。在一级市场，企业可以用“数据资产”“技术储备”“场景卡位”等叙事支撑估值；而在IPO审核与二级市场定价机制下，这些叙事必须转化为可验证、可持续的收入来源。

一个长期潜藏于行业内部的争议由此公开化：数据采集业务究竟构成真实商业化能力，还是资本循环的记账工具？ 据行业观察，部分企业存在“数采中心扫货、机器人公司回购自产数据”的运作模式——资本在圈内循环空转，收入在报表上成立，在商业逻辑上却难以自洽。IPO门槛恰好成为检验这一模式的试金石：当关联交易与自买自卖式收入必须被披露和解释时，水分便无处遁形。

行业信任战：从口水战到规则重建

9月，梅卡曼德创始人邵天兰在上市敲钟不到十天内连发朋友圈，抨击“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”。银河通用随后报警并两度回应，先称“不参与无谓的口水战”。

从产业逻辑看，这场冲突的本质并非个人恩怨，而是行业叙事切换期的必然摩擦。邵天兰以自身刚获资本市场验证的企业为立场支点，实质是在切割“已被验证”与“尚存水分”两个阵营，以抬高IPO门槛带来的竞争壁垒。对于被点名一方，估值与上市进程直接受影响，诉诸法律程序是其维护自身权益的理性选择。无论争议最终走向如何，其客观后果已经显现：收入真实性从行业默契话题变为公开审查对象，投资机构尽调趋严，后续IPO企业的信息披露压力显著上升。这一信任重建过程虽然伴随着阵痛，但对于淘汰投机模式、筛选真正具备商业化能力的公司而言，是行业走向成熟的必要环节。

风口仍在，水分正在被挤出

需要强调的是，挤水分并不等于否定行业前景。同期技术进展表明，具身智能的真实能力边界仍在快速拓展：Figure发布Helix 2.5模型，机器人可零样本完成跨环境的自主家务操作；具脑磐石发布类脑认知世界模型Cog-WM 1.0，探索摆脱海量数据依赖的泛化路径；特斯拉Cybercab已在得州开展付费运营，验证了“大脑+本体”商业模式的现实可能。技术侧的进步是真实的，资本市场的问题不在于赛道本身，而在于部分企业的估值与真实商业化进度严重脱节。

行业当前的核心命题，已经从“技术演示能否惊艳”转向“收入从哪里来、能否持续”。这是上市公司撑住估值的必答题，也是整个行业从叙事驱动走向收入驱动的分水岭。

从风口到洗牌：当前行业格局

综上，具身智能行业正处在典型的挤水分阶段：技术曲线持续上扬，而资本曲线剧烈回调；IPO门槛充当了挤出泡沫的过滤器，公开争议加速了信任体系的重构。对产业观察者而言，接下来的关键指标是真实收入增速、外部客户占比与毛利结构——这些硬指标，将决定哪些企业能穿越风口周期，成为行业真正的幸存者与主导者。

信任危机：口水战折射模式拷问

2025年9月的具身智能赛道，一场罕见的公开冲突将行业长期潜伏的矛盾推到了聚光灯下。

9月10日，梅卡曼德在港股上市第10天，创始人邵天兰在朋友圈连发长文，公开抨击具身智能行业的「攒局型」创业模式。他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，以推动上市，并在评论区直接点名正在推进IPO的银河通用，称相关做法「不合法、不道德、不聪明」。银河通用随后两度回应，先表示「不参与无谓的口水战」，后选择报警处理。

值得注意的是冲突的时机与姿态：邵天兰选择在公司刚完成上市、自身获得资本市场验证的节点发声，以「局内人」身份向同行发难。这一方面增强了指控的分量，另一方面也使争论超越了个人恩怨，演变为对整个行业收入真实性的公开质询。

「攒局」模式的产业逻辑

所谓「攒局」模式，其运转链条大致如下：资本方设立或投资数采中心大规模「扫货」采购机器人；机器人公司将产品出售给数采中心，后者采集的数据再被机器人公司回购；资金通过关联方在圈内循环，形成收入流。这一模式下，收入在报表上成立，却缺乏真正的外部客户与终端价值创造，资本在体系内空转。

这一模式得以盛行的深层背景，是具身智能商业化落地的普遍乏力。人形机器人尚未出现规模化付费的真实场景，而数据采集——被广泛认为是训练具身模型的必要环节——恰好提供了一个「看起来合理」的收入来源。当技术演示难以转化为订单，数据自买自卖便成为部分公司维持估值叙事的替代方案。

上市潮下的「真实收入」追问

冲突爆发的时点并非偶然。2025年具身智能企业密集冲刺IPO，宇树、梅卡曼德等相继上市，资本市场开始对招股书中的收入结构进行严格审视。而二级市场的反馈相当冷酷：宇树上市后股价腰斩，梅卡曼德自身亦告破发。一二级市场的估值倒挂，使「收入从哪里来、能否持续」成为上市公司撑住估值的核心命题。

在这一背景下，IPO门槛实质上扮演了「挤水分」的机制：上市要求企业公开交代收入的客户构成与商业实质，关联交易与自买自卖的收入模式难以通过尽调与市场检验。邵天兰的开炮，某种程度上是已过审企业对尚未过审同行的一次「规则声明」——也是对监管问询方向的提前呼应。

需要客观指出的是，目前相关指控与回应均属单方陈述，尚无监管处罚或司法认定，事件最终走向有待观察。但冲突本身揭示的行业分野已经清晰：

• 一类路径依赖资本运作与数据循环维持估值，其可持续性正受到市场与舆论的双重拷问；
• 另一类路径则试图以技术突破重构叙事基础。同期，Figure发布Helix 2.5模型实现零样本家务操作，具脑磐石发布类脑认知世界模型Cog-WM 1.0宣称降低数据依赖，特斯拉Cybercab开启付费运营——这些进展指向以真实技术能力换取真实付费的另一条商业逻辑。

梅卡曼德与银河通用的冲突，本质上是从「估值叙事」向「真实收入」切换期的必然摩擦。当行业无法再靠故事融资，收入真实性与商业化落地能力将成为下一个阶段分化的分水岭。

上游：本体与核心部件格局

一、本体供应格局：硬件成熟度领先于商业验证

在具身智能产业链中，本体（机器人整机制造）与传感器、执行器等核心部件构成物理基础层。从产业现状看，这一层的技术供给已相对充分：轮式人形、双足人形、四足等多构型本体均有量产能力，激光雷达、视觉传感器、关节执行器的国产供应链逐步完善。硬件的“身体已就位”成为行业共识——真正稀缺的不再是能动的机器，而是能可靠完成任务的智能。

但本体的成熟并不等于商业闭环的形成。参考素材显示，2025年9月具身智能板块密集上市后，宇树上市后股价腰斩、梅卡曼德上市即破发，市场热度与资本表现形成明显反差。这说明资本市场正在对上游本体企业的估值逻辑进行重定价：从“叙事驱动”转向“真实收入驱动”。收入从哪里来、能否持续，成为本体企业撑住估值的关键命题。

与此同时，行业收入真实性争议被公开化。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。从产业逻辑看，这一冲突的本质是：当数采中心扫货、机器人公司回购自产数据形成“资本在圈内循环空转”时，上游本体的出货量可能并不对应终端真实需求。IPO门槛下的“真实收入”追问，正在倒逼本体厂商证明订单来自客户而非关联方。

二、核心部件与「大脑」：价值重心从身体向控制层迁移

特斯拉Cybercab于2025年9月在得州奥斯汀开展付费运营，为行业提供了重要标杆：自动驾驶车辆以真实收费服务验证感知—决策—控制全链路，而非停留在演示阶段。这一事件的产业含义在于，机器人价值核心正从外形与硬件参数，转向以感知、决策、控制为主体的「大脑」。

更值得关注的是“同一套大脑控制多构型本体”的趋势。参考素材显示，具脑磐石发布的类脑认知世界模型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——该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%。当一套模型可跨本体迁移部署，“大脑”与“身体”解耦的供应格局开始成形：

这一格局下，上游环节的分工逻辑发生变化：传感器与执行器成为标准化部件供应层，竞争焦点是成本与可靠性；而「大脑」层具备平台属性。参考素材指出，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。Figure发布Helix 2.5模型、Figure 03在陌生环境零样本完成家务操作，进一步印证了大脑层的跨环境泛化能力正在快速提升。

不过，大脑层的差异化价值边界也正被重新审视。GPT-6 Astra不仅能识别物品与空间关系，还能生成可交互的仿真环境，此前“数字大模型不懂物理世界、需专门训练具身基座模型”的立论首次受到强烈质疑。这意味着上游大脑层并非高枕无忧：通用大模型的物理理解能力若持续逼近，专用具身基座模型的护城河需要重新论证。

三、格局小结

上游供应格局可概括为三点：其一，本体与核心部件供给充分但商业验证不足，收入真实性成为上市企业必须回答的问题；其二，价值重心从多构型本体向可跨本体部署的「大脑」迁移，平台型机会集中于感知、决策、控制层；其三，Cybercab付费运营与Helix 2.5的零样本泛化，共同指明了上游环节的验证标准——真实场景、真实付费、真实迁移能力。2026年，谁能以大脑层整合多构型本体并形成可复制的付费运营，谁将主导上游格局的下一轮洗牌。

中游：大脑模型的技术竞逐

具身智能的价值核心正在从“身体”转向“大脑”。当硬件本体的差异化空间收窄，感知、决策与控制所构成的模型能力，成为决定企业能否在估值叙事之外建立真实技术壁垒的关键。9月以来，三条技术路线的进展与碰撞，勾勒出“大脑”竞逐的基本格局。

Figure Helix 2.5：零样本家务验证跨环境迁移

9月17日，Figure发布其称“最先进”的神经网络模型Helix 2.5。该模型先以人类行为数据集Index进行预训练，覆盖整理客厅、折毛巾、整理床铺三类家务行为；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，并能实时适应动态变化而无需从头训练。

这组验证的产业意义在于两点。其一，预训练数据与目标环境之间无需对齐，模型展现出对物理世界理解的跨环境迁移能力，这正是“通用大脑”叙事成立的前提条件。其二，零样本能力直接对应商业逻辑中的部署成本问题——若每换一个场景都需重新采集与训练，具身智能的边际成本将难以摊薄。Helix 2.5的测试结果，为此提供了一份可核查的证据。

具脑磐石Cog-WM 1.0：类脑路线对抗数据依赖

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，称其为全球首个基于类脑神经机制的隐空间预测世界模型。其核心卖点是摆脱数据依赖：无需预建地图和海量数据，即可实现自主导航与操作。

从公开数据看，Cog-WM 1.0的导航成功率较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。

类脑世界模型路线的产业逻辑，与行业当前的“数据焦虑”直接相关。当下游数据采集模式饱受“自买自卖、资本空转”质疑的背景下，一条宣称“少数据、强泛化”的技术路径，在商业叙事上具有天然吸引力。当然，基线对比数据来自厂商发布，其方法学细节与第三方可复现性仍有待验证，产业界对此应保持审慎的观察。

GPT-6 Astra：数字大模型反攻具身基座

更具颠覆性的变量来自外部。开发者将含容器和液体的图片交给GPT-6 Astra测试，它不仅识别物品与空间关系，还能生成可交互的仿真环境。这一表现直接冲击了具身智能行业的核心立论——此前行业普遍认为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的出现，让这一差异化叙事首次受到强烈质疑。

对具身基座模型公司而言，问题的实质是价值边界的重估：如果通用大模型持续内化物理理解与仿真生成能力，垂直基座模型的生存空间将被压缩到“实时控制、低层运动规划”等大模型暂难覆盖的环节；反之，若物理交互的长尾复杂性足以构成壁垒，垂直路线仍可成立。这一判断目前尚无定论，但技术竞逐的裁判标准已经改变——不再只与同类机器人公司比较，而要与不断迭代的基础大模型赛跑。

三条路线的格局与交汇

三条路线的交汇点，指向同一个产业问题：谁能以更低的部署成本、更少的数据依赖，让“大脑”在真实物理环境中稳定泛化。Helix 2.5代表以人类数据驱动的规模化预训练路线，Cog-WM 1.0代表以认知机制创新替代数据堆叠的路线，而GPT-6 Astra则代表基础大模型对垂直赛道的外部挤压。

值得注意的是，这一技术竞逐发生的行业背景并不平静。同期爆发的收入真实性争议表明，资本市场正在将关注点从技术演示拉回商业模式拷问。对“大脑”赛道的玩家而言，技术验证与商业验证必须同步完成：模型能力需要可核查的基线对比与第三方复现，商业化路径则需要回答收入来源与可持续性。2026年前后，随着付费运营模式（如特斯拉Cybercab在得州奥斯汀的实践）与平台型企业的样本逐步清晰，“大脑”竞争的胜负手将从演示视频转向可审计的真实收入。届时，技术路线的分野才会真正接受市场的定价。

下游：数据与真实商业化能力

具身智能行业在2025年进入密集上市期后，一个此前被估值叙事掩盖的问题被推向台前：数据采集业务究竟构成真实的商业化能力，还是资本循环中的账面收入？这一争议在梅卡曼德创始人邵天兰的公开言论后全面公开化。

数采业务与商业化能力的边界之争

9月10日，梅卡曼德上市第10天，邵天兰在朋友圈连发长文，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，点名正在推进IPO的银河通用，并称相关做法「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。邵天兰的指控指向行业普遍现象：数采中心扫货、机器人公司回购自产数据，资本在圈内循环空转——即所谓「攒局型」模式。

从产业逻辑看，数据采集本身并非伪需求。真实机器人训练需要大量人类行为数据，Figure正是使用人类行为数据集Index预训练Helix模型，才实现Figure 03在陌生环境中零样本完成整理客厅、折毛巾、整理床铺等家务操作。争议的核心不在数据是否有价值，而在于：当数据的买方与卖方存在关联关系、收入来自资本自身循环而非外部客户时，这类收入能否反映产品的市场接受度，能否持续。IPO门槛将这一问题制度化——上市企业必须向监管与市场交代收入的真实来源与可持续性。

工业与服务场景的实际收入来源

剔除数采自循环后，具身智能企业可验证的收入来源主要集中在以下环节：

其中工业场景目前是收入结构中最扎实的部分：项目制交付、验收标准明确、客户付款来自真实生产需求。服务场景的商业化仍偏早期，更多以租赁和试点形式存在。平台型收入最具想象空间——当同一套感知决策系统可控制海量机器并支持第三方部署，具身智能公司可能演变为类似操作系统或大模型API的物理世界基础设施。特斯拉Cybercab在得州奥斯汀开展付费运营、以蚂蚁灵波为代表的中国具身智能公司，被视为检验这一路径的样本，但平台收入在当前多数企业的报表中占比极小。

收入真实性与可持续性成为估值支撑

资本市场已经给出了初步反馈：宇树上市后股价腰斩，梅卡曼德自身破发。行业热度与资本表现形成反差，说明市场正在用定价机制重新审视「技术演示—估值」链条，将焦点拉回「收入从哪里来、能否持续」的商业模式拷问。

可持续收入需要满足三个条件：其一，收入来自独立第三方客户，与股东、关联方无资本循环；其二，产品在客户场景中产生可量化的替代价值（降本、提效、替代人力）；其三，不依赖持续融资输血维持收入规模。

值得关注的是，技术路径的演进可能改写数据依赖这一前提。具脑磐石9月14日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%，操作任务较π0.5最高提升16%。而GPT-6 Astra展现出对物理空间关系和可交互仿真环境的生成能力，动摇了「必须专门训练机器人基座模型」的行业立论。若基座大模型能力外溢、世界模型降低数据需求，「数采中心」作为收入来源乃至核心资产的地位将被削弱，行业收入结构可能加速向真实场景交付收敛。

从下游视角看，本轮争议的实质是具身智能从估值叙事向真实收入的换挡。能否在工业、物流等场景建立非关联、可复购、可持续的客户收入，将成为下一阶段企业估值分化乃至IPO成败的决定性变量。

趋势判断：平台化与洗牌加速

从技术演示到收入验证的产业拐点

具身智能行业正在经历一次根本性的叙事切换。过去数年，行业的估值逻辑建立在技术演示之上——一段灵巧抓取的视频、一次春晚亮相、一轮高估值融资，足以支撑市场热情。但2025年9月密集发生的事件表明，这一逻辑正在失效。

资本市场层面，宇树上市后股价腰斩、梅卡曼德破发，二级市场的表现与一级市场的热度形成鲜明反差。与此同时，梅卡曼德创始人邵天兰在上市第十天公开指控部分企业利用数采中心与关联交易制造虚假收入，并点名正在推进IPO的银河通用，后者两度回应并报警。无论各方立场如何，这场风波的本质是：IPO门槛迫使企业交代「真实收入」，而「数采中心扫货、机器人公司回购自产数据」的资本内循环模式，开始受到市场与监管的双重审视。

产业逻辑很清晰：当企业从一级市场走向公开市场，收入来源是否来自真实外部客户、能否持续，成为撑住估值的核心命题。技术演示可以塑造预期，但只有收入验证才能维持市值。

技术侧的三条收敛路径

收入验证的前提是技术真正可用。当前技术演进呈现三条收敛路径：

其一，跨环境泛化能力成为分水岭。 Figure发布Helix 2.5模型，基于人类行为数据集预训练后，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，无需额外训练即可适应动态变化。这意味着具身智能开始具备跨环境迁移的物理世界理解能力，从「实验室演示」迈向「开放场景作业」。

其二，「大脑」成为价值核心。 随着特斯拉Cybercab在得州奥斯汀开展付费运营，机器人价值重心正从本体外形转向感知、决策、控制为主体的智能系统。当同一套「大脑」可控制海量机器并支持第三方部署，具身智能公司具备了成为类似操作系统、云和大模型API的物理世界智能基础设施的可能。

其三，摆脱数据依赖的新路线出现。 具脑磐石发布的类脑认知世界模型Cog-WM 1.0，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%，操作任务最高提升16%，并已在轮式人形和四足等多构型本体上验证。这类路径若持续成熟，将直接削弱「数据自产自销」模式的合理性，压缩攒局型企业的生存空间。

值得注意的是，GPT-6 Astra对物理世界的理解与交互式仿真生成能力，也让「数字大模型不懂物理世界、必须专门训练机器人基座模型」的传统立论首次受到质疑。具身基座模型的差异化边界正在被重新定义，技术壁垒不再天然庇护估值。

平台化：下一阶段的终局竞争

综合技术与商业化两个维度，行业的终局形态正在浮现：平台型企业的胜出逻辑，不在于造出最像人的机器人，而在于让一套「大脑」以API化的方式服务海量本体与真实场景，从卖设备、卖演示转向卖智能基础设施。

蚂蚁灵波等具备真实场景能力的公司，被视为2026年中国市场回答「谁能成为平台型企业」的合适样本。其竞争力要素可以概括为：真实外部客户收入、跨本体的模型泛化能力、可复用的场景数据闭环，以及开放的第三方部署生态。

综合以上分析，本章对行业走向作出三点预判：

第一，收入验证将取代技术演示成为估值锚。 随着更多企业进入IPO与公开市场监管视野，真实外部收入、客户复购与毛利结构将被逐一拆解审查，依赖资本内循环维持报表的公司空间将持续收窄。

第二，平台化是确定性方向。 具备跨本体泛化的「大脑」、真实场景付费运营与生态开放能力的企业，将占据物理世界智能基础设施的卡位，类似移动互联网时代操作系统的竞争格局。

第三，洗牌将在2026年前后显著加速。 技术路线收敛（世界模型、零样本泛化）、大模型厂商跨界挤压、二级市场用脚投票三重压力叠加，缺乏造血能力的公司将面临估值坍塌、并购整合直至出局。

具身智能的下半场，比拼的不再是谁的演示更惊艳，而是谁的智能能在物理世界里持续产生真实收入。潮水退去之时，平台型企业与出局者的分野将快速显形。