Demo的高估值时代结束了，具身智能开始按生产力重新算账

首页 资讯 智能车 智库 活动 MEET大会 AIGC 扫码关注量子位 // $('.biaojiwei').click(function(){ $('.biaojiwei').click(function(event){ event.stopPropagation(); $('#pophead').show(); }) $('.weixin_pop').click(function(){ $('.weixin_pop').hide(); }) // }) < img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> Demo的高估值时代结束了，具身智能开始按生产力重新算账 乔不迟 2026-08-03 13:42:02 来源：量子位 乔不迟 发自 凹非寺 量子位 | 公众号 QbitAI WAIC之后，具身智能行业进入了一段微妙的冷静期。 Demo视频还在刷屏，融资新闻还在刷新纪录——开年至今，国内赛道融资事件超过200起，百亿估值俱乐部扩员到了13家。 但投资人问的问题，已经悄悄变了。 过去他们问：“你的机器人会做什么？” 现在他们问：“你的机器人每天干几小时活？客户续不续约？投进去的钱，什么时候有回馈？” 一句话的判断是：技术决定真实的企业价值。热闹会过去，能站在真实场景里持续交付的企业，才会被留下。 上海交通大学的杨学教授，可以为这个判断作注脚。 这位长期研究多模态大模型与具身智能的学者，最近多了一个新身份：酷哇科技首席科学家。 在他看来，具身智能的下一个分水岭，不是更大的语言模型，而是模型对物理世界的理解能力； 而验证这种能力的唯一场所，是真实世界的部署现场。 那么问题来了：如果分野已经开始，交卷的标准答案是什么？ 要回答它，得先想清楚三个问题： Demo期的高估值是怎么来的？行业会沿着什么路径分化？新标准下，什么样的企业能交卷？ Demo期的高估值，是怎么来的 要理解接下来的分野，先得理解泡沫的合理性。 把时针拨到两年前，具身智能的融资桌有点魔幻。 据多家媒体对那一波热潮的复盘，2024到2025年的人形机器人赛道出现过“PPT估值、Demo定价”的行业奇观： △图片由AI生成 一段演示视频为什么曾经值几十亿？ 因为在一个技术范式尚未收敛的行业，资本给出的从来不是“现价”，而是“上限价格”。 VLA、世界模型、端到端，哪条路线通向通用具身大脑，没人能打包票。 路线尚未收敛，意味着每一家头部公司都可能是那个最终范式的持有者，估值自然向天花板看齐。 这不是投资人看不懂。 在一级市场的算式里，投错一百家的损失是有限的，错过那一家的损失是无限的。 资本买的是范式的入场券，不是某一家公司的财务报表。 但Demo和产业之间，隔着一道鸿沟。Demo展示的是“可能性的上限”——单次最优表现； 产业要求的是“一万次的均值”——稳定、可复制、算得过账。 两者之间隔着可靠性、成本、交付和运维的整片无人区。 而现在，范式切换的拐点已经出现。 当Demo不再稀缺——几乎每家公司都能剪出一段惊艳视频——资本开始追问均值而非上限。 估值逻辑随之从为可能性付费，转向为生产力付费。 这一切换，正是行业转入分野的起点。而分野会沿着什么路径展开，不需要凭空想象——大模型刚刚把这条路走完了一遍。 具身智能，走到了大模型的哪一幕 杨学在采访中提到一个观察：WAIC上很多公司都说“我们的机器人能干活”，但大家其实处在不同阶段： “有的完成一次任务就算有用，有的能连续工作，有的已规模化复制，有的已经开始挣钱。” 这句话点破了行业的现状：同处一个赛道，但已经拉开了层次。这正是大模型走过的路。 回看大模型的完整周期，时间线几乎是教科书式的： 先是百模大战，全行业全面并进； 然后六小虎崛起，头部梯队成形； 接着DeepSeek掀桌、大厂碾压、资本退潮，中间层被双向挤压； 再往后，四小强坚守、两虎转身，有人转向应用，有人押注垂直。 到今天，行业既有虎也有豹，各归各位，各有各的生态位。 同样是一开始百模大战，后来六小虎，后来衰退、分化，最终各归各位——大模型用了大约三年走完这条路。 这条路上最值得具身智能从业者细看的一段，是中间层的消失。 那些模型能力不差、融资也不少，但既没有底层技术优势、又没有落地场景的公司，在范式收敛的一瞬间失去了定价依据——向上讲不出上限，向下拿不出均值，两头不靠。 今天具身智能赛道里估值几十亿、只有Demo和叙事的中间层公司，正站在同一个位置上。 幸存者的共同答案是什么？ 复盘下来，活下来的往往不是技术最炫的，而是手里有真实场景、有数据闭环、有可测算的单位经济性的玩家。 此外还有一道真正的过滤器：工程化交付能力—— 把模型能力稳定落到客户现场的本事。演示做到90分靠天赋，交付做到99.9 %靠体系。 映射到具身智能，分化的方向已经可见： 从全栈通吃转向生态位专精。 做本体的、做小脑运动控制的、做世界模型的，开始各就各位，“一家通吃”的叙事正在让位于产业链分工。 赛道会更专注，评判标准正在从“能不能动”转向“每天干几小时、客户续不续约”。 当然，分化不会整齐列队地发生——具身智能的形态更多元、场景更分散，每一家遇到的物理世界都不一样，但方向和大模型一致。 杨学为这种分化提供了一个框架视角。他在访谈里反复强调一条从2019年就没断过的线： 先把感知做好，再把预测做好，再把决策做好，最终把落地做好。 从当年的博士论文到今天的联合实验室，这条线一直没断过。 落到具身智能，他的框架是世界模型分两层： 第一层理解客观物理规律，第二层理解和遵守人类社会规则。 前者是通用难题，全世界都在攻关； 后者才决定一个机器人能不能在真实城市场景里真正创造价值——红绿灯不只是颜色，是规则；行人不只是障碍物，是有意图的参与者。 他判断，第二层恰恰是机会最大的地方，也是全世界都还没有成熟解法的方向。 而验证第二层能力的场所只有一个：真实世界的部署现场。 这就引出了下一个问题——新标准下，到底用什么衡量一家企业能不能交卷？ 重建估值框架：四把尺子 从大模型的分野经验里，可以提炼出四把尺子。它们也正在成为一线机构尽调清单上的标准项。 第一把尺子：真实部署量。 注意，不是出货量，是每天在真实场景里运转的台数与时长。 出货量可以被渠道压货美化，部署量不行——设备趴窝一天，客户比谁都先知道。 更重要的是，部署量决定数据回流的量级，而数据量级决定模型迭代的速度。这是一个复利指标。 第二把尺子：复购与续约。 客户用脚投票，是服务等级达标的唯一外部验证。 首购可以被营销驱动，复购只能被价值驱动。一次拿下不算赢，年年续约才是真本事。 这也是为什么越来越多机构把复购率放在估值模型的第一行——它同时验证了需求的真实性、产品的稳定性和价格的合理性。 第三把尺子：可靠性工程。 7×24小时作业、故障分钟级恢复、远程诊断与OTA——这部分不性感，但它是真正的分水岭。 杨学把稳定性拆成一个朴素的指标：你在真实开放环境里能跑多久、多久被接管一次。 平均成功率可以做得很漂亮，但接管频率的分布尾部，藏着所有工程化能力的真相。单次最优可以靠运气，万次平均只能靠工程。 第四把尺子：数据闭环的质量。 这是四把尺子里最容易被误读的一把。数据量本身不构成壁垒，数据里有没有“真问题”才构成壁垒。 杨学对酷哇数据资产的判断，恰好可以说明这一点。 酷哇积累的50PB数据，来自万台级设备在城市里的真实运行——多模态传感器读数、运行轨迹、作业记录与人工接管日志的持续回流。 在他看来，这些数据里全是没被修饰过的corner case。 对研究来说是一片未开垦的土地，真正有价值的问题都藏在这里面。 他做过一个换算： 一条精筛的corner case，价值远超一千条常规数据。 所以数据飞轮的本质不是单纯的以量取胜，是真实且带失败样本。 只进不出的数据仓库不是资产，是成本；能持续反哺模型的失败样本，才是复利。 四把尺子合起来，回答的是同一个问题：你能不能把模型能力，变成可承诺的服务等级？ 这恰恰是大模型走过