文 | 节点财经，作者 | 金叶 昨天，银河通用董事长尹方鸣作为中国具身智能的唯一代表，受邀参加上合组织数字经济论坛，在国家领导人和一众外国首脑面前发表《推动具身智能世界级核心突破》主旨报告。他在论坛上呼吁，以上合组织为纽带，深化中国与成员国之间的具身智能产业协作：一方面输出成熟的技术底座与产品方案，另一方面结合各国本土制造业、服务业需求，联合当地产业伙伴共同打磨适配本地的机器人解决方案，构建开放共赢的跨国产业生态。面对OpenAI等企业百亿重金押注具身智能，尹方鸣代表银河通用给出的应对也很明确：不被杂音带偏，主动扛起重任，把中国优势用足，走通“硬件、数采、模型训评、边缘端部署、场景落地”的闭环，去撬动具身智能大模型的下一个关键进展。换句话说，这场全球产业跃迁，合作共赢才是正路。因为在不久前，有一份测试报告在圈内引发震动：OpenAI的GPT-6 Astra与π0.5组成混合架构，在机器人评测基准Robo Dojo的十个双臂任务上跑出62.60分、48%成功率，接近公开榜单第一名的两倍。其中π0.5是基于物理空间交互及动作先验的大模型，GPT-6是偏语义理解的图文大模型；GPT-6负责“做什么、对不对”，π0.5负责“在物理空间里怎么做”。据了解，这份测试报告的撰写者来自银河通用团队，第一作者是银河通用创始人兼CTO王鹤教授的博士生，整个测评是一套严格对齐的闭环控制对比实验。GPT-6 Astra发布不到两周，最先系统测出它能力边界的，是来自中国的工程师。这份由中国团队完成的评测，既揭示了美国大模型在具身操控上的泛化突破，也说明美国在具身智能“大脑”层面的突破速度，比我们想象的要快。OpenAI等企业正砸下百亿重金布局具身智能，越是在这个时候，越应如尹方鸣在上合论坛所倡导的那样，行业需要团结，国家与国家之间更应合作共赢。少一些口径的内耗，多一些闭环突破，中国具身智能才能真正走向世界级核心突破。考题之变：OpenAI，带来了现实压力发改委最新数据显示，国内人形机器人相关企业已超150家，半数是初创或跨界玩家。据行业第三方统计，2026年上半年行业融资322笔，钱在往头部集中，前5家占了约37%，前20家合计约七成。热度之下，考题已经变了。“机器人能不能动起来”不再是终点，“机器人能不能低成本、持续地干活”才是答案。对企业的衡量，也正从样机数量、融资额，转向模型泛化能力、运行可靠性、单位作业成本。WAIC、WRC、世界机器人运动会上的展示，本质上都在回答同一个问题：离开遥控之后，机器人能否独立完成一项完整任务。全自主烤面包、商超理货、药房拣选被反复呈现，并非因为这些场景足够“酷炫”，而是因为它们检验的是持续作业能力。企业分化也已经很明显：有些企业在工业、零售、医疗领域披露了订单和场景验证；也有企业蹭热度，样机演示做得漂亮，业务却落不了地，宣传口径和实际能力对不上。有业内人士对《节点财经》表示，具身智能要建立可核验的作业能力评价体系，把竞争拉回到模型能力、数据沉淀和工程落地上来。从产业发展阶段来看，具身智能仍处在战略投入早期：真机高质量数据不够、大模型与本体协同难、量产成本高，是横在行业面前的三道坎。而这三道坎里，数据是最底层的那道：无论是语义泛化还是物理交互，能力根源都是数据。数据规模越大、质量越高，模型的能力边界就越宽；数据闭环越快，模型迭代就越快。没有足够的数据，再聪明的“大脑”也难在物理世界里稳定干活。所以，GPT-6 Astra让国内具身产业面临一个更现实的问题：业内人士透露，OpenAI已花费百亿人民币购买上了千万小时量级的具身数据，超过中国任何一家具身公司。当OpenAI用数据规模推高模型上限，国内具身智能要回答的，是“有没有足够多、足够好、能反哺模型的数据”。数采之辨：数据不是交易，是生产资料数据是具身智能的燃料，这一点已经成为行业共识，但很多人没意识到它的生产资料属性。截至2026年6月，全国建成投用约70个具身数采中心，武汉、北京、上海等地均有布局，德国、瑞士也在建设大型机器人实训场地。特别是“政府搭台，企业唱戏”的模式已不鲜见。例如，优必选Walker S系列中标了超过7.5亿元的数据采集订单，智元与地方国资成立至少30家合资公司，甚至出现合资公司反向采购的案例。智元机器人CTO彭志辉曾公开表示，当前具身可用真机数据与互联网语料之间还差着好几个数量级。所以数据采集中心的建设并不是洪水猛兽。今天中国具身智能的发展，需要由公共场景与耐心资本双轮驱动，带动数据采集、模型迭代，最终形成真实作业闭环。《节点财经》查阅工信部、国资委专项行动文件后发现，政策本身明确鼓励组建创新应用联合体，聚合多方联合攻关，提出到2026年底凝练百个以上高价值场景、带动万台级常态部署。具身智能是复杂系统工程，很难靠单家企业打通全链条。国资出耐心资本、公共端开放真实场景、科研院所协同攻关，本就是硬科技产业化的常规路径。项目成色如何，关键看能否形成真实作业闭环、技术是否在迭代，而不是看参与的都是谁。一些数采项目重硬件采购、轻数据闭环运营。钱花出去了，数据能不能用起来，才是真正的分水岭。而看企业成色，可以继续追问三个问题：定价是否公允？有没有持续复购？有没有数据闭环？这三件事指向的，是全栈能力。例如，银河通用联合北京大学、宁德时代共建具身智能大模型北京重点实验室，今年3月已在宁德时代工厂完成上百台部署，走的正是这条路。定价之尺：大脑值钱，全栈更值钱数据采集的闭环价值被确认之后，一个新问题随之而来：如果“大脑”将成为下一轮定价的核心资产，它的长期价值该如何衡量？这样的企业，到底该值多少钱？不久前，财新数据在 WRC 2026 期间发布《具身智能长期价值指数》，提出七维框架：具身大模型能力、数据基建、软硬耦合、技术布局前瞻性、商业化落地质量、人才密度与进化速度、生态位。翻译过来就是：不看一时卖了多少台，而看模型强不强、数据厚不厚、软硬件配不配合、技术卡位靠前与否、落地实不实、人才迭代快不快、生态位稳不稳。为什么大脑值钱？先看看美国资本市场怎么定价。Figure 估值 390 亿美元，Skild AI 单轮融资 14 亿美元，特斯拉计划投入 200 亿美元发展机器人业务。而 OpenAI 亲自下场做机器人“大脑”，等于用 GPT-6 Astra 给这条价值线做了背书。美国资本给“大脑”定的价，远高于给“身体”定的价。国内资本市场仍有不少人，拿着旧尺子量具身智能企业：套 PE、套 PS，问卖了多少台、收入多少。这把尺子量传统制造业可以，量具身智能，量不出全栈企业的长期价值。例如宇树科技上市后股价大幅震荡，总市值一度冲高至四千余亿元，随后回落。交易所公开数据显示，上市初期可交易流通股占比很低，筹码有限，二级市场博弈自然放大了波动；再叠加市场对赛道远期空间和商业化采购预期的变化，股价坐了过山车，但这并不说明产业基本面发生了反转。真正要看的是宇树的目标——全栈，因为在本体之外，宇树也正在发力大脑，这才是最应该关心的问题。所以，给硬科技建立适配的耐心资本评价体系，应该把个股波动和产业基本面切分开，考核更应该盯着模型实力、数据资产、规模化作业这些硬指标。现在，具身智能兼具软件大模型、高端硬件双重属性，海外市场向来参照远期产业潜力估值，简单套用传统制造业的市盈率、市销率，会低估全栈型企业的长期价值，但脱离实际落地的概念泡沫同样要警惕。特别是未来一两年，具身智能行业可能被运营时长、复购率、单位经济性重新排序。届时再回看今天的争论，不过是定价体系换代时的一点杂音。反倒是GPT-6 Astra 发布不到两周，就被中国团队系统测出能力边界，这是提醒行业重回技术突破的铃声：尺子已经换了，接下来该比的，是谁先在技术上跑到前面。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App