导语：梅卡曼德 " 打假 " 银河通用。
9 月 9 日和 10 日，梅卡曼德创始人兼 CEO 邵天兰连续在朋友圈发文，批评部分具身智能企业通过所谓 " 数采中心 " 以及与地方政府、投资方、供应商之间的关联交易制造 " 虚假且不可持续 " 的收入，并在评论区点名银河通用。
面对直接点名，银河通用于 9 月 10 日晚间回应称，不参与 " 无谓的口水战 "，将继续把产品、场景和技术做好。9 月 12 日，银河通用进一步发布严正声明，称网络流传关于公司及管理团队的相关内容均属 " 不实信息 "，并表示已经向公安机关报案。
截至目前，这场行业争议暂无官方定论，但却抛出了一个具身智能行业无法回避的核心命题：当资本市场的热度褪去，行业真实、可持续的收入，能否撑起一众企业动辄百亿的估值。
01 争论为何在此时爆发？
这场争议之所以发生在此时，并非偶然，因为具身智能已经到了从一级市场走向二级市场的节点。
今年以来，机器人企业 IPO 明显提速。宇树科技已经登陆科创板，梅卡曼德于 9 月 1 日在港交所上市，云深处、乐聚智能的 IPO 申请已经获得交易所受理，包括银河通用、星海图、众擎、傅利叶、松延动力、智平方在内的多家公司，也在推进股改或上市筹备。
在一级市场，投资人可以容忍公司今天亏损，甚至可以容忍商业模式尚未完全跑通，因为他们买的是未来。
但进入二级市场之后，投资者买的不是一张实验室里的路线图，而是一家公司对所有公众股东承担责任的商业实体。
邵天兰此次朋友圈争论中反复强调的，也正是这一点：二级市场不能简单复制一级市场的风险投资逻辑，企业在上市前至少需要证明真实、持续、具有一定规模的业务以及基本治理能力。
同时，9 月初，有媒体报道称，人形机器人企业 IPO 审核要求有可能提高，重点关注持续性收入、亏损改善以及真正的技术创新。
无论这则报道最终如何落地，有一个事实已经非常清楚：具身智能不能永远依靠 " 未来会怎样 " 来获得今天的估值。资本开始要求企业拿出更多已经发生的事情。
于是，收入的质量比收入的规模更重要。
一家公司今年收入 1 亿元，如果明年还能自然增长到 2 亿元，意义完全不同于今年通过一次性项目完成 1 亿元、第二年再寻找类似交易复制一次。前者是商业模式，后者更像是一场财务工程。
而具身智能恰恰容易出现这种模糊地带，因为这个行业目前同时存在研发项目、示范项目、政府采购、数据采集、产业合作、生态合作、机器人销售以及联合实验室等多种商业形式。它们都可以是真实存在的，但它们对 " 市场验证 " 的含义并不一样。
02 谁在为人形机器人买单？
一直以来，具身智能最容易让人产生错觉的地方，是它拥有极强的 " 展示性 "。
一台人形机器人走进工厂、完成搬运、分拣、拧螺丝，或者在舞台上完成复杂动作，都很容易成为一条新闻。
但一家公司真正的商业化，并不是机器人完成一次动作，而是客户愿意为这套系统持续付钱。更严格一点，是愿意在第一次采购之后再次采购，以及这笔业务能够产生合理毛利并随着规模扩大改善现金流。
这恰恰是具身智能目前最难的一关。
此前有媒体采访多家业内企业后发现，行业对于 PMF，也就是产品市场匹配度的判断，最终往往落到三个问题：是否解决真实需求、是否存在批量复购、经济模型能不能跑通。同时，许多工业应用依旧处于 POC，即小范围试点验证阶段。
这意味着，今天很多所谓 " 订单 "，在商业意义上其实处于不同层级。
一份合作框架，不等于订单；一次 POC，不等于批量采购；一台机器进入工厂，也不等于客户已经找到了让机器人替代人工的经济模型；甚至一笔真实支付，也不必然意味着这门生意已经成熟。
资本市场真正想看的，是第四层东西：客户为什么第二次还会买。
这也是邵天兰所谓 " 不可持续收入 " 之所以引发市场关注的原因。
因为在传统软件、消费电子甚至新能源汽车行业，资本最终可以通过用户数、复购率、ARPU、出货量、现金流等指标判断增长是否真实。但具身智能还处于一个尴尬阶段：行业的 " 故事 " 跑得比 " 财务报表 " 快。
于是，订单本身开始承担越来越多的估值功能。
一份订单，可以帮助企业证明产品已经商业化；商业化，可以帮助企业证明估值合理；估值提高，又能吸引更多资本；资本进来，再推动更多订单和合作。
这就是 " 攒局 " 最值得警惕的地方。
真正危险的从来不是企业拥有复杂的产业关系，而是订单、投资、政府资源、供应商、生态伙伴甚至数据采购之间，如果形成了一个自我循环的闭环，外部投资者很难判断其中究竟有多少是真正来自市场的需求。
问题就从 " 机器人卖得怎么样 "，变成了 " 到底是谁在为机器人买单 "。
具身智能与传统 AI 最大的区别之一，就是模型不能只学习文本、图片和视频，它必须理解真实物理世界。
机器人要学会拣东西，需要大量真实操作数据；要进入工厂，需要知道机械臂、零件、工位、障碍物和人的运动方式；要真正实现自主作业，就必须不断从现实环境中获取数据，再反过来训练模型。
因此，" 数采中心 " 本身并不是一个可疑概念。
问题在于，数据采集之后，谁真正消化这些数据？数据是否产生了模型能力提升？模型能力是否转化成产品竞争力？产品竞争力是否最终形成客户愿意持续购买的机器人？
这是一个完整的商业链条。
如果链条能够成立，那么数据采集是研发投入，是产业基础设施；如果链条断裂，那么数据采集可能就只是一个漂亮的收入科目。
有媒体报道援引业内人士观点称，真实环境数据和作业数据确实是具身智能落地的核心资产，但行业内也存在部分数采中心通过利益相关方相互 " 抬轿子 " 的现象。
这恰恰说明，具身智能的问题不是 " 有没有订单 "，而是订单究竟处于产业链的哪一个位置。
一家机器人公司从供应商买机器人的零部件，再把机器人卖给一个数据中心；数据中心再向地方产业基金、关联企业或者生态合作方提供服务；最终整个体系里的每家公司都获得了收入。
会计意义上，每一笔交易可能都有发票、有合同，也可能有资金流。
但资本市场最终想知道的，是另外一件事：如果没有下一轮融资，这个循环还能持续吗？
这是所有高估值硬科技公司最终都会遇到的问题。
这场风波还有一个耐人寻味之处：" 掀桌 " 的邵天兰并非一个局外人。
9 月 1 日，他刚刚带着梅卡曼德登陆港交所。一个市值 119 亿的机器人公司，在上市第 10 天，公开点名了一家估值 200 亿的新兴具身明星——银河通用。
这组数字摆在一起，才是这场戏真正的张力所在。
公开资料显示，2023 至 2025 年间，梅卡曼德营收从 1.81 亿元涨到 3.89 亿元，复合增长率 46.6%；毛利率从 39.1% 一路爬到 64.6%。
按灼识咨询口径，2025 年它在全球 "AI+3D 视觉引导通用智能机器人组件 " 市场收入份额约 22.1%，全球第一。
但它也有另一面：三年累计归母净亏损 10.44 亿元，2023 年销售费用 1.86 亿元，比研发费用还高出一截；经营现金流连续三年净流出，靠的是外部 " 输血 "。
带着这份成绩单，梅卡曼德 9 月 1 日登陆港股，募资约 23.53 亿港元，香港公开发售录得约 3835 倍超额认购，刷新了今年港股机器人 IPO 认购纪录。可一上市就破发，首日跌 1.87%；此后连跌四天，9 月 4 日盘中砸到 75.4 港元，较发行价累计跌超 20%；到 9 月 11 日收盘报 95 港元，市值约 119 亿港元。
再看还没上市的银河通用，一级市场已经给到 200 亿。
作为 2023 年成立的新锐企业，银河通用凭借快速的场景落地与资本运作，收获了极高的行业关注度与融资额度，今年 3 月估值已突破 200 亿元，产品更是亮相央视春晚等重大场景，成为具身智能赛道的明星企业。
于是，两套估值尺子浮现出来。
上市和没上市，用的是两套逻辑：二级市场看现金流、看收入质量、看能不能赚钱；一级市场看的是稀缺性、是想象空间、是 " 具身智能大爆发 " 这个故事还能讲多大。
梅卡曼德与银河通用恰好构成一组对照：上市了、破发了，二级市场只给 119 亿；没上市，一级市场却给到 200 亿。
邵天兰捅破的，正是这层窗户纸：如果一级市场那 200 亿，是靠着关联交易 " 做 " 出来的收入撑起来的，那到了二级市场的聚光灯下，还经得起看吗？
对于冲刺上市的具身智能企业而言，再亮眼的行业故事、场景背书，都无法替代硬核的经营数据。
判断企业真实商业化能力的核心，始终是营收、毛利率、现金流三大财务报表，以及最关键的客户结构。
客户结构的优劣，直接决定收入质量：若企业营收来源于大量分散的终端市场化客户，复购稳定、需求真实，意味着商业化模式已初步成型；若营收高度集中于投资方、关联企业、产业合作方等少数主体，即便营收规模可观，也难以获得资本市场的长期认可。
这并非针对单一企业，而是整个具身智能赛道的共性考题。
二级市场不会为炫酷的机器人演示场景买单，最终只会用真实的现金流、可持续的盈利能力定义企业价值。
具身智能最大的 " 攒局 "，其实不是做假收入，而是所有人一起把未来提前计价，这可能才是这场争议最值得警惕的地方。
假设一家机器人公司成立两三年，融资数十亿元，估值数百亿元，然后开始准备 IPO。
这时，公司必须证明增长，投资人需要故事，地方需要产业名片，供应商需要订单，机器人公司需要数据，券商需要上市项目，产业基金需要退出路径，媒体需要新闻，每一个参与者都有自己的利益。
最终，整个产业很容易出现一种非常特殊的现象：所有人都在证明这个行业正在爆发。
机器人企业说订单增长，地方政府说产业落地，投资机构说市场空间巨大，供应商说出货量提升，资本市场说这是下一个 AI。
而真正应该提出问题的人，反而可能越来越少：机器人到底替客户省了多少钱？客户为什么愿意继续买？一台机器人真正创造多少收入？如果没有补贴，没有示范项目，没有资本投入，它还能自己跑起来吗？
这其实就是 PMF 的真正含义，不是机器人能不能完成任务，而是机器人能不能完成一个有人愿意持续付钱的任务。
这场争论最后留下的，可能是一张具身智能行业的 " 估值试卷 "。
