数采中心这门生意，是不是自循环？

梅卡曼德的邵天兰发了一条朋友圈，把具身智能行业憋了很久的话，一次性说完了。

他在朋友圈里直指部分高估值具身智能企业，靠关联交易、数据采集中心和地方资源包装营收数据，目的只有一个——冲刺IPO。评论区，他直接点名了银河通用。

这不是茶杯里的风波。早在今年8月，《金融时报》就发文《谁在买中国机器人？》，把类似交易链条称为"循环融资"。如今行业内最心照不宣的问题被摆上台面：机器人企业到底需要什么数据？数采中心生产的数据，真的进了模型吗？

这篇文章，我们把这门数据生意从头到尾捋一遍。

🔥 一条朋友圈，捅破了窗户纸

金句先行：行业的遮羞布，往往是被同行的焦虑扯下来的。

事情的起点很简单。邵天兰在朋友圈言辞犀利地指出，行业内存在一套包装营收的打法：企业依托关联交易、数据采集中心以及地方资源，把账面数据做漂亮，然后讲一个高成长的故事去冲击资本市场。

!邵天兰朋友圈截图

银河通用的回应很快：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。

一边是公开点名，一边是体面回应。但口水战的背后，是真问题。一石激起千层浪之后，"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——最核心的争议只有一个：这些采集量级，究竟能不能支撑真实场景落地？

值得玩味的是时机。具身智能估值水位高企，头部企业普遍进入上市冲刺周期，营收的真实性和可持续性，成了IPO审核中最敏感的那根弦。据多位接近行业的人士透露，类似的质疑在圈内早已不是秘密，只是没人愿意第一个公开说。邵天兰做了那个人。

从产业逻辑看，这一轮争议本质上是行业从"融资叙事"切换到"收入叙事"的阵痛。资本愿意为故事买单的阶段过去了，报表上的每一个数字都会被追问来源。数采，恰好是那个最容易做、也最容易被追问的数字。

🔄 循环融资：链条是怎么转起来的

金句先行：看不懂钱的流向，就看不懂任何一门生意的真相。

《金融时报》那篇《谁在买中国机器人？》描述了一套耐人寻味的交易链条：机器人企业与地方政府共建数采中心，数采中心采购该企业的机器人，随后再把采集到的数据卖回机器人企业。钱转了一圈，设备是自己买的，数据是自己买的，营收却多出来几笔。

这套链条画出来，一目了然：

问题出在哪个环节？每一环单独看都合法：地方要产业，企业要订单，数采中心要数据。但当买家、卖家和评估方高度重合时，价格失真几乎是必然的。设备订单不是市场化的需求，数据交易的定价也缺乏公允参照。

在低空经济领域摸爬多年的人，对这套打法不会陌生。地方政府出于产业招商目的，批量采购eVTOL用于文旅观光示范、采购无人机用于政务巡查，这些订单撑起了不少企业的早期营收。区别只在于，低空经济的终端买单方至少是真实的运营场景，而数采中心的闭环里，钱可能根本没有流出过那个圈。

判断的核心标尺因此很清晰：终端买单方，到底是市场化需求，还是为了做账而存在的关联方？前者的营收有可持续性，后者的营收一旦融资环境收紧，会瞬间蒸发。

📉 千万小时与零买家：供需错配的真相

金句先行：数据不是采得越多越值钱，被用上的才值钱。

我们对话了三位身处数采行业的从业者。物理AI数据创业者黄大荣提供了一个关键视角：出货量只能反映产业化进度，机器人能否在真实场景完成任务，最终回到模型能力；而模型能走多远，取决于它见过多少真实世界。

差距是悬殊的。据了解，OpenAI积累的原始数据已达千万小时级别——这还是保守估算。为其供给数据的海外机构，单月采集量可达百万小时。

反观国内，情况颇为魔幻：简智、光轮两家企业同样具备单月百万小时的采集能力，但市场上愿意大规模采购Ego数据的买家寥寥无几。所谓Ego数据，指采集者头戴相机或AR眼镜，以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会在真实环境里观察、抓取、完成任务。

这张表透露的信号很矛盾：一边是国内数采产能已经对标海外一线水平，另一边是真金白银的采购需求起不来。

这就是供需错配的真相。海外是一条完整的数据供应链——采集、清洗、训练、付费，环环相扣；国内的数采中心，很多从诞生之日起就不是为模型服务的，而是为融资叙事服务的。数据采完了，进没进模型、提升了几个点的成功率，没人真正在意。有从业者私下说过一句流传很广的话：现在比的不是谁采得多，是谁的数据真的被模型吃掉了。

产业判断由此而来：国内不缺采集能力，缺的是把数据转化为模型能力的付费闭环。没有这个闭环，百万小时的采集能力只是报表上的数字。

🧭 三个问题，检验数采生意的成色

金句先行：判断一门数据生意的真假，只需要追问数据去哪了。

回到素材里提出的三个本质问题，它们恰好构成一套检验框架。

第一问：机器人企业究竟需要什么数据？不是泛泛的人形机器人演示视频，而是与任务场景强相关的第一视角交互数据——Ego数据的价值正在于此。需要什么，决定了采什么；采什么都不清楚，数采中心大概率只是设备展厅。

第二问：数采中心生产的数据，是否真正进入模型？这是真伪的分水岭。真实的数据闭环长这样：

一个健康的闭环里，部署中暴露的失败案例会回流到采集端，形成迭代。而自循环模式下，数据采完即止，链条在训练环节就断了。

第三问：设备订单和数据交易的实际价值如何判断？两个朴素的标准：订单是否来自体系外买单方；数据交易是否有独立第三方定价。数采中心的设备采购，本质是资本开支而非市场需求，用资本开支堆营收，账面好看，内核空心。

对投资人而言，还有一条朴素的经验值得记下：看一家具身智能企业，别先看融资额和估值，先问它的机器人每周在真实场景里跑了多少任务、失败率降了多少。这两个数字造不了假，也最难包装。

这条经验放到低空经济同样成立——看一家eVTOL企业，先问累计安全飞行小时和适航审定进展，别只看签约订单的金额。产业化的成色，从来藏在运营数据里，而不是新闻稿里。

数采这门生意的争议，本质是具身智能行业从讲故事走向交答卷的必经一关。数据是模型时代的石油，这句话没错——但前提是，石油真的会被炼成汽油，而不是在罐子之间来回倒腾。邵天兰的点名声，与其说是攻击同行，不如说是行业集体焦虑的一次泄压。接下来值得盯住两个信号：一是监管与资本市场对数采类营收的认定口径是否会收紧，二是头部企业能否率先跑通"数据进模型、模型进场景、场景再产数据"的真实闭环。谁能先证明自己的数据被用上了，谁才配得上下一轮估值。