Demo的高估值时代结束了，具身智能开始按生产力重新算账
内容提要
具身智能行业进入冷静期，投资焦点从Demo转向实际生产力。上海交大杨学教授加入酷哇科技，强调模型对物理世界的理解及真实部署验证。行业分化路径类似大模型，幸存者需具备真实场景、数据闭环和工程化交付能力。衡量标准包括部署量、复购率、稳定性和数据质量，酷哇以万台级部署和50PB数据为样本，推动商业与技术飞轮互促。
延伸解读
估值逻辑切换：从“上限”到“均值”
文章指出，具身智能的估值逻辑正从为“可能性上限”付费转向为“生产力均值”付费。过去，技术路线未收敛时，资本愿意为范式入场券支付高价；如今Demo不再稀缺，投资人开始追问部署量、复购率等实际指标。这种转变意味着，仅靠演示视频和叙事的企业将失去定价依据，而能证明稳定交付能力的企业才能获得认可。
大模型分野的启示：中间层消失
文章类比大模型行业的发展路径，认为具身智能将经历类似的分化：从百模大战到头部梯队成形，再到中间层被挤压消失。那些既无底层技术优势又无落地场景的公司，在范式收敛时会失去估值支撑。幸存者往往拥有真实场景、数据闭环和工程化交付能力，这为具身智能企业提供了借鉴。
四把尺子：衡量具身智能企业的交卷标准
文章提炼出衡量企业能否交卷的四把尺子：真实部署量、复购率、稳定性（如接管频率）和数据质量（如corner case的价值）。这些指标强调实际运营而非营销数据，部署量决定数据回流，复购率验证价值，稳定性考验工程能力，数据质量则关乎模型迭代。这四者共同回答企业能否将模型能力转化为可承诺的服务等级。
酷哇样本：场景资产与数据闭环的飞轮
酷哇科技被作为案例，其万台级部署、50PB真实数据和RaaS模式构成商业与技术飞轮。文章强调，城市开放场景自然产生大量corner case，为世界模型第二层（理解人类规则）提供稀缺训练数据。这种从场景到数据再到模型的闭环，使酷哇在分化中占据优势，也解释了杨学教授加入的原因。
Q&A
具身智能行业现在的投资标准发生了什么变化？
投资人的关注点从机器人能做什么，转向了实际生产力指标，如每天工作时长、客户续约率、投资回报周期等。估值逻辑从为可能性付费转向为生产力付费。
为什么过去一段演示视频能支撑几十亿估值？
因为技术路线尚未收敛，资本购买的是范式入场券，而非公司财务报表。投错一百家损失有限，错过最终范式持有者损失无限，因此估值向天花板看齐。
具身智能行业的分化路径与大模型有何相似之处？
两者都经历了百模大战、头部梯队成形、中间层消失、最终各归各位的过程。幸存者往往不是技术最炫的，而是拥有真实场景、数据闭环和工程化交付能力的公司。
衡量具身智能企业能否交卷的四把尺子是什么？
四把尺子包括：真实部署量（每天在真实场景运转的台数与时长）、复购率（客户续约情况）、稳定性（7×24小时作业、故障恢复能力）、数据质量（真实且带失败样本的数据，而非单纯数据量）。
酷哇科技在具身智能领域有哪些实际成果？
酷哇科技拥有万台级真机部署，在全球50+城市每天运转；采用RaaS模式，客户为结果付费；有十一年城市运营沉淀的工程体系；积累50PB真实数据，支撑通用具身大模型COOWAM。
杨学教授为什么加入酷哇科技？
杨学教授希望研究产生真实世界影响力，而酷哇提供真实场景数据（含corner case）和即时反馈的部署验证环境，能实现研究到应用的闭环，符合他对世界模型第二层（理解人类规则）的研究方向。
世界模型的两层结构是什么？
第一层是理解客观物理规律，第二层是理解和遵守人类社会规则。杨学认为第二层是机会最大的方向，也是全球尚未成熟解法的领域。
为什么说数据量本身不构成壁垒？
因为数据中是否包含真实且带失败样本的corner case才构成壁垒。一条精筛的corner case价值远超一千条常规数据，只进不出的数据仓库是成本，能反哺模型的失败样本才是复利。
