数据自循环，咋就成了IPO密码？

一条朋友圈，把具身智能行业心照不宣的秘密彻底掀了桌。梅卡曼德创始人邵天兰公开点名银河通用，指控部分高估值企业靠关联交易、数据采集中心和地方资源包装营收冲IPO；而早在8月，《金融时报》就把这条链条称为"循环融资"。

这不只是具身智能的家务事。对于同样处于"政策+资本+地方资源"三重驱动期的低空经济，这场争议更像一部预告片——真需求还是自循环，判断标准其实只有一条：数据有没有真的进模型，订单有没有真的到终端。

📱 一条朋友圈，掀了行业的桌子

事情的开端很简单。邵天兰在朋友圈言辞犀利地指出：部分高估值具身智能企业，依托关联交易、数据采集中心及地方资源包装营收数据，以此冲刺IPO、谋求资本上市。他还在评论区直接点名银河通用。

银河通用的回应很快，也很克制：不愿参与行业口水纷争，将持续深耕技术研发、场景落地与商业化推进。

一石激起千层浪。针对"攒局型"具身智能企业左手倒右手、表演式数采的质疑声四起——采集量级究竟能否支撑真实场景落地，众说纷纭。

其实海外媒体早就嗅到了味道。今年8月，《金融时报》在《谁在买中国机器人？》一文中描述了一套交易链条：机器人企业与地方政府共建数采中心采购其机器人，随后再把采集的数据卖回机器人企业——并将这一过程称为"循环融资"。

把这套链条画出来，一看就懂：

为什么要画这个圈？因为资本市场给具身智能的估值锚，恰好就是"数据量+营收增速"这两个指标——而这条链条，恰好能把两者同时人为做高。设备订单变成营收，数据回售变成"数据资产"，地方资源变成"落地证明"。

据多位接近人士的说法，这种模式在行业里早已是公开的秘密，只是没人愿意第一个掀桌子。邵天兰掀了，代价是站上风口浪尖，收益是给整个行业做了一次去泡沫的压力测试。

📊 真正的卡点：不是产能，是付费意愿

要看清这门生意，得回到数据本身。物理AI数据创业者黄大荣的说法很直接：如果只看机器人出货量，中国具身智能似乎走得很快，但出货量只反映产业化进度，机器人能否在真实场景中完成任务，最终要回到模型能力——而模型能走多远，取决于它究竟见过多少真实世界。

差距在哪？看一组对比就明白了。

这里说的主要是Ego数据——采集者头戴相机或AR眼镜，以人眼第一视角记录人与物体交互的多模态数据，用来让人形机器人学习在真实环境里观察、抓取、完成任务。

耐人寻味的是最后一行：国内简智、光轮两家企业明明具备单月百万小时的采集能力，和海外顶级供给方在同一量级，但市场上愿意大规模采购Ego数据的买家寥寥无几。

这意味着什么？意味着中国具身智能的数据瓶颈根本不在产能，而在需求端。当真实的技术团队不愿为数据大规模付费时，"数据采购"的预算从哪来？答案之一，就是前面那条循环链条——买数据不是为了训练，而是为了融资叙事。

一句话：当买数据本身成了做账，数据就不再是资产，而是道具。

💰 攒局模式的三个破绽

把这场争议按时间线捋一遍，节奏很值得玩味：

• 2026年8月：《金融时报》刊发《谁在买中国机器人？》，首次系统描述"循环融资"链条
• 2026年9月18日：邵天兰朋友圈发声，评论区点名银河通用
• 数日之内：银河通用官方回应，表态专注技术研发与商业化

海外媒体先描像，国内创业者再点炮，前后不过一个多月。这种时间上的巧合，某种程度上说明泡沫已经积到了行业自己都看不下去的程度。

素材里抛出了三个本质问题，恰好对应攒局模式的三个破绽：

破绽一：机器人企业究竟需要什么数据？ 真实的数据需求应该由模型训练的短板倒推——缺抓取就采抓取，缺导航就采导航。而数采中心的逻辑往往是反的：先建中心、先下订单，数据采什么、怎么采，服务的是营收报表而非训练目标。

破绽二：数采中心的数据是否真正进入模型？ 这是最容易糊弄的一环。数据采回来了，进了冷存储还是进了训练管线？外界几乎无法验证。据多位接近人士透露，行业内确实存在"数据采完只用于PR素材和融资BP"的情况。

破绽三：设备订单和数据交易的实际价值如何判断？ 如果订单的最终付费方是地方平台公司而非终端场景，那它更接近政府补贴的变体；如果数据是卖给关联方的，那这笔收入的含金量要打上问号。

产业逻辑其实很朴素：融资驱动的数据和场景驱动的数据，是两种完全不同的物种。 前者的KPI是采集小时数，后者的KPI是模型成功率。前者越多越繁荣，后者越多越值钱。

🚁 低空经济的镜像剧本，会重演吗

作为低空经济的观察者，看到这条"循环融资"链条时，我的第一反应是：这剧本眼熟得让人心里发毛。

低空经济眼下同样处在典型的早期政策市场：地方低空产业基金密集设立，无人机物流试点城市扩容，eVTOL整机厂的意向订单常年堆积如山。在这套生态里，完全可以长出一个低空版的镜像链条：

对应的隐忧至少有三处：

其一，订单的付费方问题。部分无人机物流企业早期"订单"来自地方示范项目采购，而非真实快递、外卖、巡检的件量。示范工程本身没有原罪——基建期政府买单是全球惯例——但边界在于采购是否服务真实运营需求。

其二，意向订单的水分问题。eVTOL行业里，意向订单与确定订单、交付订单之间隔着适航取证、商业谈判和真实付费三道坎，把意向订单当营收讲故事，和数采中心的循环账本没有本质区别。

其三，运营数据的意义问题。飞行架次、配送单量这类数据，如果是补贴换来的，它能证明的不是商业能力，而是补贴力度。

说白了，具身智能今天被戳破的窗户纸，低空经济 tomorrow 也得面对。早面对，比IPO审核时被监管问询再面对，体面得多。

⚠️ 三块试金石，分辨真需求与自循环

泡沫归泡沫，行业并非无解。判断一门数据生意、一个落地订单是真是假，三块试金石足够了。

试金石一：数据是否进模型。 敢不敢公开数据在训练管线中的位置？有没有基于这批数据的模型能力提升？如果一家企业只能反复强调"累计采集XX万小时"，却说不清这些小时数换来了什么模型能力，基本可以多留个心眼。

试金石二：订单有没有终端付费方。 顺着订单往上追，最终掏钱的是谁？是真实的物流公司、外卖平台、制造工厂，还是地方平台公司和关联方？付费方的性质，决定了订单的性质。

试金石三：脱离补贴能否跑通单位经济。 每一单配送、每一次采集、每一台设备的成本收入结构，剥离补贴后还成立吗？这个问题不体面，但只有它能区分产业和演出。

整理成一张对照表，投资者和从业者都可以自查：

邵天兰这次发声的深层意义，不在于点名谁，而在于它是一个信号：当行业头部玩家开始互相拆台，说明内卷已经卷到了挤泡沫的阶段。对具身智能如此，对低空经济同样如此——越早有人掀桌子，行业越早回到"数据进模型、订单到终端"的正轨上。

结语：石油得真能烧

数据被称作AI时代的石油，但石油的前提是真能烧。具身智能这场数采争议，撕开的不只是一家公司的商业模式，而是整个早期硬科技赛道共同的软肋：当估值锚定在数据量和营收增速上，而这两者又都能被地方资源和关联交易人为制造时，泡沫就有了温床。

对低空经济而言，这是一部提前上映的预告片。随着未来一两年IPO窗口开启、各地示范工程进入商业化验收期，补贴退坡将成为普遍现实——届时，靠循环撑起来的营收会现出原形，而真正把数据喂进模型、把订单做进终端的企业，会在这轮分化中拿到确定性。

潮水退去之前，先学会看泳姿。这可能是这场争议留给所有低空从业者最有价值的一课。