装机规模不等于数据资产。
图 | SEER Robotics
来源 | 旧地图 OldMap（ID：JDTOldMap）
仙工智能手中最具价值的数据资产，目前仍主要体现为设备连接关系。数万台控制器的装机量使其深入传感器、驱动及故障现场，但这仅是稀缺的“入场券”，而非可直接用于训练的数据资产。设备归属客户，日志存储于本地，且不同本体动作语言各异，从“装机入口”到“数据确权”存在巨大鸿沟。
2026 年 8 月，仙工公布具身智能战略：构建多形态通用机器人大脑；成立数据子公司打通采集、治理、训练及回灌闭环；通过“天梯计划”联合伙伴，目标于 2030 年推动 100 万台具身机器人落地。该战略兼具产业与资本逻辑，旨在将公司从移动机器人控制器供应商重估为模型、控制与真实数据的基础层。然而，若数据获取受阻或模型无法反哺产品，第二曲线恐难成立。当前仙工拥有难以复制的入口位置，但尚未完成向数据业务的商业转换。
本文旨在探讨设备公司转向 AI 时的核心命题：拥有海量装机，距离真正的数据生意还有多远。
01 三层战略架构
仙工的具身智能战略可拆解为三个层级：
第一层：通用机器人大脑
定义为“模型＋小脑＋神经系统”。模型负责感知决策，小脑负责运动规划与执行，神经系统通过统一接口连接各类硬件。该系统已适配 400 多类核心部件，正从移动控制向全身协同控制演进，意在占据模型与身体之间的系统层，而非仅提供计算硬件。
第二层：真机数据基础设施
2026 年 8 月成立杭州开物创新具身智能科技有限公司，构建连接多源数据接入、治理、训练、仿真评估及能力回灌的闭环，并计划于当年第四季度开源综合具身数据集及自研评测基准。
第三层：百万机器人网络
“天梯计划”拟联合产业链伙伴，在 2030 年前推动 100 万台具身机器人部署。首批 20 家生态伙伴涵盖数据、模型、芯片、本体及应用全链路。需明确的是，100 万台是生态协同目标，非仙工自身销量或收入指引，亦不意味着所有设备数据均归平台使用。
三层逻辑形成闭环：大脑连接更多身体，身体产生更多数据，数据训练更优模型，进而推动更多部署。这对仙工而言，首先是一场从卖硬件向模型接入、数据治理及持续升级的价值层跃迁。
02 装机不等数据
仙工在 WAIC 2026 披露，累计装机超 5 万台控制器，形成超 50 万小时多形态真机数据。但这组数字需理性拆解：
公开材料未明确区分累计装机与活跃设备，也未界定 50 万小时数据的属性（是运行时长、可读取日志还是已授权训练数据）。招股书显示，公司在日常经营中不收集客户敏感生产数据，环境参数通常存于客户本地，仅在技术支持时经授权分享。AI 模型主要基于测试中心及仿真环境的自有数据训练。
这表明，设备进场仅赋予仙工接近数据的技术位置，数据权利仍需逐站争取。“拥有数据入口”实质是“拥有争取数据合作的资格”。此外，工业数据价值不在于时长，而在于包含任务目标、环境状态、动作结果及失败原因的高质量样本。平稳运行的日志对训练复杂操作意义有限，关键的几秒异常数据才具备高训练价值。
03 商业转换链条
将装机规模转化为商业价值，需跨越四道关卡：
连接关
需确认有多少设备处于活跃在线状态并允许远程诊断。工业场景多为私有化部署，若无持续连接，数据获取将极为被动。
授权关
远程运维、产品改进与模型训练用途各异。客户可能开放故障片段但拒绝通用训练。仙工需在合同中明确数据字段、用途、脱敏方式及客户收益，并符合跨境数据合规要求。
可用关
不同项目数据采样频率、传感器配置及任务定义差异巨大。虽控制器可统一底层数据格式，但任务语义、动作空间及结果标签仍需深度治理。
收益关
模型改善必须可被感知，如缩短部署时间、降低人工接管率或提升任务成功率。唯有客户认可数据带来的实际效益，软件与服务才具备定价基础。
目前，仙工在装机规模上披露较多，但在授权比例、可训练数据量及模型收益指标上尚缺透明数据。未来若能披露活跃连接率、授权站点比例及模型更新后的效能提升数据，信息价值将显著提升。
04 异构数据难题
仙工强调多形态机器人布局，这既是优势也是数据利用的难点。叉车、四足、人形及机械臂的状态与动作空间差异显著。统一的控制器接口可规范传感器数据格式，却无法自动统一任务语义。
因此，多形态数据最先共享的应是感知、空间理解及部分任务规划能力；涉及精细操作的动作模型仍需按本体分别训练。仙工创始人赵越曾提出先训练“叉车师傅”、“清洁工”等垂类模型的路径，这比直接训练通用大模型更符合其现状。仙工的角色并非争夺最前沿算法，而是成为新模型进入工业身体的翻译层与执行层，将快速迭代的算法转化为稳定可靠的机器能力。
05 先做垂类落地
仙工具身智能的商业化路径主要有两类：
成熟身体叠加新能力
在具身叉车、配送机器人等成熟底盘上，利用 AI 提升识别、交互及长程任务执行能力，直接量化为部署效率与成功率的提升。
新身体复用成熟控制
为人形、四足等新本体提供“小脑”与“神经系统”，降低其从展示走向工业现场的工程门槛。
这一策略避开了从零训练基础模型或制造所有本体的重资产竞争。从营收结构看，2026 年上半年智能机器人收入占比 70%，机器人大脑占 22%，具身模型与数据服务尚未独立披露。因此，现阶段的具身技术更多表现为“第一曲线升级”，即提高硬件售价、缩短交付周期或增加软件收费。只有当模型调用与数据服务形成独立合同且不再依赖新增硬件出货时，真正的第二曲线才会显现。
06 中立性考验
数据战略放大了仙工作为平台方与整机厂商的身份矛盾。2026 年上半年，自有机器人业务占营收七成。合作伙伴担忧其提交的产品参数、失败样本及任务数据会被用于优化仙工自家的竞争机型。
若缺乏清晰的隔离机制，高价值数据将留存于伙伴本地。仙工需建立严格的组织与技术防火墙：平台团队与自有整机团队权限分离，第三方数据严禁用于同类竞品优化，并向数据提供方返还模型升级收益。数据合作需要明确的对价，客户不会无偿开放生产现场。平台中立性若受损，装机越广，伙伴顾虑越深。这是仙工具身战略面临的最大挑战：在最需要伙伴数据时，恰逢自有整机业务占比最高之际。
07 价值落账标准
具身智能的最终价值应体现在四个可计量维度：
- 产品价值：模型提升机器人适应性，带动控制器与整机销量及溢价。
- 交付价值：降低工程部署天数，减少集成商与厂商的支持成本。
- 持续服务：形成远程诊断、模型订阅等年度经常性收入。
- 生态价值：吸引第三方本体厂主动接入，共建围绕统一接口的生态系统。
判断战略成败无需等待 2030 年的百万台目标，只需观察几组关键变化：具身产品毛利是否持续提升、模型更新是否显著缩短部署周期、客户是否为持续能力付费、第三方装机增速是否超越自有整机。
仙工切入具身智能的真实优势在于其介于模型与身体之间的卡位，以及数万台装机带来的数据合作入口。但从入口到结果，仍需跨越设备连接、客户授权、异构数据理解及模型收益量化四步。目前，具身智能更像是其第一曲线的升级工具，而非独立的第二增长曲线。只有当设备关系成功转换为数据权，数据转换为模型改善，改善转换为持续付费，三次转换全部完成后，第二曲线才算真正成型。
来源说明：
仙工智能港交所招股书，2026 年 6 月 15 日
[2] 仙工智能 2026 年中期业绩公告，2026 年 8 月 17 日
[3] 仙工智能 WRC 2026 三项具身智能战略发布，2026 年 8 月 20 日
[4] 仙工智能 WAIC 2026 具身基础设施披露，2026 年 7 月 21 日
[5] 仙工智能《Embodied Intelligence Requires More Than Just VLA Models》
[6] 仙工智能创始人赵越四小时访谈
*注：文中 5 万台控制器、50 万小时真机数据、首批 20 家伙伴及 2030 年百万机器人目标均为公司公开口径；百万台指与生态伙伴共同推动的部署目标，不等同于仙工自身出货预测。