WAIC 之后，具身智能行业进入了一段微妙的冷静期。尽管 Demo 视频仍在刷屏，融资纪录不断刷新——开年至今国内赛道融资超 200 起，百亿估值俱乐部扩员至 13 家，但投资人的关注点已发生根本性转移。
过去他们问：“你的机器人会做什么？”现在他们问：“每天干几小时活？客户续不续约？资金何时回馈？”核心判断只有一个：技术决定真实的企业价值。热闹终将退去，唯有能在真实场景中持续交付的企业才能留存。
上海交通大学杨学教授近期出任酷哇科技首席科学家，为这一趋势提供了有力注脚。在他看来，具身智能的下一个分水岭并非更大的语言模型，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。
若分野已经开始，交卷的标准答案是什么？这需要厘清三个关键问题：Demo 期的高估值从何而来？行业将沿何种路径分化？新标准下，什么样的企业能最终胜出？
Demo 期高估值的逻辑与终结
理解当下的分野，需先回溯泡沫的合理性。两年前，具身智能赛道曾出现"PPT 估值、Demo 定价”的奇观。
△ 图片由 AI 生成
在技术范式尚未收敛的阶段，资本购买的并非“现价”，而是“上限价格”。由于 VLA、世界模型、端到端等路线均未定型，每家头部公司都可能是最终范式的持有者，估值自然向天花板看齐。在一级市场的逻辑中，投错百家的损失有限，错过一家独角兽的损失却是无限的。
然而，Demo 与产业化之间存在巨大鸿沟。Demo 展示的是“可能性的上限”和单次最优表现；产业要求的则是“一万次的均值”，即稳定、可复制、算得过账。两者之间隔着可靠性、成本、交付和运维的无人区。
如今拐点已现。当 Demo 不再稀缺，资本开始追问均值而非上限，估值逻辑从“为可能性付费”转向“为生产力付费”。这一切换标志着行业正式进入分化期，其演进路径可参照大模型行业的发展历程。
具身智能的分化路径：复刻大模型历程
杨学指出，当前行业虽同处一个赛道，但层次已拉开：有的仅完成一次任务，有的能连续工作，有的已规模化复制，有的开始盈利。这与大模型走过的“百模大战 - 头部成形 - 中间层消失 - 生态位确立”的路径高度相似。
大模型用三年走完这条路，其中最值得警惕的是“中间层的消失”。那些模型能力尚可、融资不少，但既无底层技术优势又无落地场景的公司，在范式收敛瞬间失去了定价依据：向上讲不出上限，向下拿不出均值。
幸存者的共同特征是：手握真实场景、拥有数据闭环、具备可测算的单位经济性。此外，工程化交付能力成为真正的过滤器。演示做到 90 分靠天赋，交付做到 99.9% 靠体系。
具身智能的分化方向已清晰可见：从全栈通吃转向生态位专精。本体制造、小脑运动控制、世界模型等环节开始各司其职，“一家通吃”的叙事正让位于产业链分工。评判标准也从“能不能动”转向“运营效率与客户粘性”。
杨学提供了一个框架视角：感知、预测、决策、落地，这条主线从未中断。他将世界模型分为两层：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，后者才是机器人在真实城市场景创造价值的核心。红绿灯不仅是颜色更是规则，行人不仅是障碍更是有意图的参与者。验证这第二层能力的场所，唯有真实世界的部署现场。
重建估值框架：四把尺子
借鉴大模型分野经验，一线机构已提炼出四把衡量企业的“尺子”：
第一把尺子：真实部署量
关注的不是出货量，而是每天在真实场景里运转的台数与时长。出货量可被渠道压货美化，但设备趴窝无法隐瞒。更重要的是，部署量决定数据回流量级，进而决定模型迭代速度，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。首购可由营销驱动，复购只能由价值驱动。复购率同时验证了需求的真实性、产品的稳定性和价格的合理性，已成为估值模型的核心项。
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 是分水岭。杨学将其拆解为朴素指标：在真实开放环境能跑多久、多久被接管一次。单次最优可靠运气，万次平均只能靠工程体系。
第四把尺子：数据闭环的质量
数据量本身不构成壁垒，数据中是否包含“真问题”才是关键。酷哇积累的 50PB 数据来自万台级设备在城市真实运行，包含大量未修饰的 Corner Cases（长尾场景）。一条精筛的 Corner Case 价值远超一千条常规数据。数据飞轮的本质不是以量取胜，而是真实且带失败样本的持续反哺。
这四把尺子共同回答一个问题：能否将模型能力转化为可承诺的服务等级？
提前交卷的样本：酷哇科技
在多数故事现出原形之时，酷哇科技作为一个扎实耕耘 11 年的样本显露分量。对照上述四把尺子，其核心事实如下：
- 真实部署量：万台级真机部署，在全球 50+ 城市及地区每日运转。
- 复购与续约：在 RaaS（结果即服务）模式下，客户为服务结果付费，高续约率是商业模式的基石。
- 可靠性工程：依托十一年城市运营沉淀的工程体系，涵盖硬件冗余到远程运维。
- 数据闭环：业务自然回流数据结合自研加工工厂，支撑通用具身大模型 COOWAM。不同形态机器人共享同一套世界认知和智能底座。
酷哇的逻辑在于构建商业与技术的双向飞轮：场景产生收入与数据，收入养活组织，数据喂养模型，模型增强后拓展新场景。城市开放场景作为被低估的数据富矿，提供了人车混行、突发状况等最稀缺的 Corner Cases，无需昂贵采集场即可自然产生。
这正是杨学所指的“第二层世界模型”训练场。他加入酷哇的初衷很直接：让研究产生真实世界的影响力。学界难以获取的真实失败样本和即时反馈机制，在此得到了完美补充。双方合作建立的联合实验室，旨在围绕物理直觉建模、长程任务规划等核心科学问题进行长期投入，成果直接在真实世界验证。
具身智能的分化已肉眼可见。大模型用了三年走完的路，具身智能因资本周期更短、技术收敛更快，进程或将加速。行业不再奖励跑得最早的，而是奖励在真实世界里站得最稳的。多年后回看，真正留下的注脚或许不是刷屏的 Demo，而是某个凌晨雨夜里，那台稳稳开过路口的机器人。