具身智能估值重构：从Demo狂欢到生产力算账的四把尺子
2026年的夏天，具身智能行业似乎陷入了一种微妙的寂静。
尽管WAIC（世界人工智能大会）上的Demo视频依然在社交媒体上引发刷屏，一级市场的融资新闻也层出不穷，开年至今国内赛道的融资事件已突破200起，百亿估值俱乐部的成员更是扩增至13家。然而，在光鲜的数据背后，投资桌前的氛围已悄然改变。过去，投资人热衷于询问“你的机器人能表演什么高难度动作？”；现在，他们更关心“你的机器人每天能稳定工作几小时？客户是否愿意续约？投入的资本何时能产生正向反馈？”
这种视角的转换，标志着行业从“Demo期的高估值时代”正式步入“按生产力重新算账”的新阶段。技术决定真实的企业价值，热闹终将退潮，唯有能在真实场景中持续交付、建立稳定盈利模型的企业，才能在新的周期中幸存。
泡沫的合理性：为什么Demo曾值数十亿？
要理解当前的估值重构，首先必须回顾过去两年行业泡沫的形成逻辑。
2024年至2025年间，人形机器人及具身智能赛道曾出现“PPT估值、Demo定价”的行业奇观。一段仅仅展示单次完美执行的视频，曾被资本市场赋予数十亿的估值。这并非投资人盲目，而是基于一级市场特有的风险定价机制。
在技术范式尚未收敛的初期，VLA（视觉-语言-动作模型）、世界模型、端到端控制等路线究竟哪一条能通向通用具身智能，尚无定论。由于存在巨大的不确定性，每一家头部公司都可能是最终范式的持有者。在资本算式中，投错一百家的损失是有限的，但错过那个最终胜者的机会成本是无限的。因此，资本购买的实际上是“范式的入场券”，而非单一家公司的财务报表。此时，估值反映的是技术可能性的上限。
然而，Demo展示的是“单次最优表现”，而产业要求的是“一万次的均值”——即稳定性、可复制性和经济性。两者之间隔着可靠性、成本控制、复杂环境交付和长期运维的整片“无人区”。当Demo不再稀缺，当每一家公司都能剪出惊艳的视频时，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。
历史的镜像：具身智能走向大模型的哪一幕？
这种分化路径并非凭空想象，大模型的发展史提供了清晰的教科书式参照。
回顾大模型从百模大战到头部出圈的历程，大致经历了全面并进、头部成形、中间层被挤压、最终各归各位的过程。在这个过程中，最残酷的过滤器是“中间层的消失”。那些既没有底层技术创新、又缺乏真实落地场景的公司，在范式收敛的瞬间失去了定价依据：向上讲不出技术上限的故事，向下拿不出稳定交付的均值。
今天具身智能赛道中估值高昂、仅靠Demo和叙事支撑的中间层公司，正站在同样的悬崖边。
上海交通大学杨学教授，作为酷哇科技的首席科学家，敏锐地指出了行业的分层现状：有的企业完成一次任务即止，有的能连续工作，有的已规模化复制，而有的已经开始盈利。杨学提出的“双层世界模型”框架，为这种分化提供了理论注脚。他认为，具身智能的下一个分水岭不在于更大参数的语言模型，而在于模型对物理世界的理解能力，特别是第二层能力——理解和遵守人类社会规则。
在真实城市场景中，红绿灯不仅是颜色信号，更是需要解读的规则；行人不仅是障碍物，更是具有复杂意图的社会参与者。这一层能力的验证场所，只有一个：真实世界的部署现场。
重建估值框架：衡量交卷标准四把尺子
从大模型的分野经验中，一线机构正在提炼出一套新的尽调标准，即衡量具身智能企业能否“交卷”的四把尺子。
第一把尺子：真实部署量。
这里指的并非出货量，而是每天在真实场景中运转的台数与时长。出货量可以通过渠道压货美化，但部署量无法造假——设备趴窝一天，客户感知最为强烈。更重要的是，部署量决定了数据回流的规模，而数据规模直接决定模型迭代的速度。这是一个具有复利效应的核心指标。
第二把尺子：复购与续约率。
在RaaS（机器人即服务）或类似商业模式下，客户为服务结果付费。首购或许能被营销驱动，但复购只能被价值驱动。一次拿下订单不算胜利，年年续约才是产品力和服务力的真实验证。复购率同时验证了需求的真实性、产品的稳定性以及定价的合理性，因此被越来越多机构置于估值模型的首行。
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升级，这些看似不性感的工程细节，才是真正的分水岭。杨学教授将稳定性拆解为朴素指标：在真实开放环境中能连续运行多久、多久需要人工接管。平均成功率可以做得漂亮，但接管频率的分布尾部，隐藏着所有工程化能力的真相。演示做到90分靠天赋，交付做到99.9%靠体系。
第四把尺子：数据闭环的质量。
这是最容易被误读的维度。数据量本身不构成壁垒，数据中是否包含“真问题”才构成壁垒。酷哇科技积累的50PB数据，来自万台级设备在城市中的真实运行，包含多模态传感器读数、轨迹、作业记录及人工接管日志。杨学指出，这些数据中全是未被修饰过的Corner Case（长尾场景）。一条精筛的Corner Case，其价值远超一千条常规数据。数据飞轮的本质不是以量取胜，而是拥有真实且包含失败样本的闭环。
提前交卷的样本：酷哇科技的商业与技术飞轮
在大多数故事尚未落地之时，酷哇科技已展示出提前交卷的姿态。
外界对其印象可能存留反差：专注于城市服务机器人、封闭低速场景，看似“不够难”，缺乏通用大愿景的宏大叙事。但深入拆解其基本面，会发现这是一家在特定方向扎实深耕11年且实现商业闭环的企业。
对照上述四把尺子，酷哇的逻辑清晰可见：
在真实部署上，其万台级真机部署在全球50多个城市及地区，每日稳定运转。在商业模式上，采用RaaS模式，客户为结果付费，高续约率成为立身之本。在工程体系上，十一年城市运营沉淀出从硬件冗余到远程运维的完整体系。在数据资产上，业务自然回流的数据与其自研的数据加工工厂，共同支撑起通用具身大模型COOWAM。
酷哇的独特之处在于其“加注逻辑”。它并非盲目转型追风口，而是将已验证的场景资产转化为通用化的起点。场景产生收入，也产生数据；收入养活组织、沉淀客户，数据喂养模型、迭代产品；模型变强后，又能铺进新场景。商业飞轮与技术飞轮互为燃料，形成正向循环。
城市开放场景本身就是一座被低估的数据富矿。人车混行的路口、突然横穿的外卖员、雨夜的反光路面、施工改道的临时围挡——这些机器人理解物理世界最需要的Corner Case，在这里以真实作业的规模每天自然产生，无需搭建昂贵的模拟采集场。这恰好为杨学所言的“第二层世界模型”提供了最稀缺的训练场。
结语：在真实世界里站得最稳的，才能走得最远
杨学教授选择加入酷哇，初衷并非建立“论文代工厂”，而是为了让研究成果产生真实世界的影响力。学术界的量化指标（引用量）并非技术终点，产业界出场景和数据，学界出方法和判断，成果在真实世界中验证，这种合作构建了深厚的信任基石。
具身智能的分化已肉眼可见。当展台前的人们仍为一段新Demo鼓掌时，后台的账本早已按另一套逻辑重算。大模型用三年走完了分野之路，而具身智能由于技术收敛更快、资本周期更短，这一过程可能会更加迅猛。
行业不再奖励跑得最早的公司，而是奖励在真实世界里站得最稳的企业。多年后回看2026年，具身智能留下的真正注脚，或许不是某段刷屏的炫酷视频，而是某个凌晨、某场大雨中，那台稳稳驶过路口的机器人。
这不仅是技术的胜利，更是工程化、商业化与科学精神在真实物理世界中深度耦合的结果。对于所有从业者而言，回归生产力本质，深耕真实场景，构建数据闭环，是在这场范式转移中唯一的生存法则。