刚上市就"撤梯子"：炮轰数采中心的邵天兰，是真不懂还是装不懂？

编辑 | 虞尔湖

出品 | 于见专栏

9月9日至10日，刚刚于9月1日登陆港交所的梅卡曼德创始人邵天兰连续公开发声，把国内各地正在建设的具身智能数据采集中心（数采中心）与"攒局"联系起来，暗示行业内一批公司靠"数采中心"搞关联交易，字里行间指向所谓"黑幕"。

时间节点耐人寻味。

就在他开炮的同一周，中国信息通信研究院《具身智能训练场研究报告（2026年）》刚刚晒出行业家底：截至2026年6月底，全国已建成启用超过70家具身智能训练场，在建或规划中的还有46家，覆盖18个省级行政区。

国家发展改革委、工业和信息化部、国家数据局等部门今年以来的多份文件，都把真机数据采集和训练场建设摆在具身智能产业的基础位置。

一边是国家意志、地方政府和全行业正在合力铺设的数据基础设施，一边是一位刚刚完成资本化的企业家急不可耐的"揭黑"。

这件事值得认真讨论：在全球都在抢数据、建基础设施的时候，为什么中国自己的机器人企业里，反而有人急着给数采中心泼脏水？OpenAI已经下场抢机器人，中国却有人忙着给数采中心"定罪"

先看一个基本事实：全球AI竞争的战场，正在从模型、芯片、算力，延伸到物理世界的数据和基础设施。

OpenAI已经公开布局人形机器人，把竞争从数字世界推向真实世界。

特斯拉一边在加州工厂雇佣数据采集工人、用头盔采集生产操作数据，一边让Optimus Gen3在德州超级工厂的车间里运送电池托盘、分拣零件、回流任务数据。

Figure AI自建BotQ工厂做数据采集和测试回流，并把机器人部署进宝马的斯巴坦堡工厂。

Sunday Robotics向超过2000名分布式采集者发放技能捕捉手套，在500多个真实家庭里采集了约1000万个家务操作片段。

美国Generalist AI公司用超过50万小时真实数据预训练的新模型，把折叠、打包等任务的平均成功率做到了99%。

这些动向指向同一个判断：机器人数据是下一阶段的战略资源，谁掌握真实世界数据的生产能力，谁就掌握具身智能的主动权。

中国给出的回答，就是数采中心和训练场。

按照信通院报告的统计，全国已建成的70多家训练场形成了长三角、京津冀、珠三角三大集群，覆盖18个省级行政区，且仍在快速扩容。

建设主体既有国地共建的国家级平台，也有智元、优必选、帕西尼、乐聚、银河通用、星海图、京东等企业。

地方政府开放场景、企业提供技术、科研机构参与标准，本质上是在为中国具身智能产业建立自己的数据生产体系。

今年8月的世界人形机器人运动会场景赛上，机器人所展现出的长程能力让观众直呼超出想象。而这些能力，正是在真实场景数据和数采基础设施之上长出来的。

于是就出现了一个刺眼的反差：别人已经开始抢机器人、抢数据、抢基础设施，我们自己的数采体系刚刚起步、刚刚成形，为什么有人做的第一件事，是跳出来质疑它有没有价值、暗示它里面有"黑幕"？时间线不会说谎：9月1日敲钟、9月9日开炮，"上岸"之后何必"撤梯"

讨论这番话，绕不开它的发布时间线。

9月1日，梅卡曼德在港交所敲钟上市，完成了自身的商业化和资本化。9月9日至10日，其创始人连续公开炮轰数采中心模式。

一家刚刚从资本市场拿到船票的企业，上岸之后做的第一件事，是回头质疑整个行业正在修建的基础设施——这种"刚上岸就撤梯子"的姿态，本身就是最好的行业观察样本。

更值得分析的是言论背后的产业逻辑。

梅卡曼德长期深耕工业3D视觉和传统工业机器人，面对的是边界清晰、确定性强的工业任务，靠工程化手段就能解决，对大规模真机交互数据的依赖天然较低。

用自己的商业经验，去否定另一条技术路线的基础设施，这在逻辑上本身就站不住。

那么问题来了：他到底是真不懂，还是装不懂？

如果是真不懂，那说明他对具身智能的数据逻辑缺乏基本了解。

数据规模定律在物理世界同样成立，已经是行业共识；信通院报告的测算白纸黑字——机器人要迎来"ChatGPT时刻"，需要万亿token量级的数据和千万小时级的真机数据，而当前全球可用的高质量真实数据只有数十万到百万小时级，缺口以数量级计。

填补这个缺口，靠任何一家企业单打独斗都做不到，这正是各地政府和企业共建数采中心的根本原因。

这些，一个上市机器人公司的创始人不应该不懂。

如果是装不懂，那动机就需要他自己向市场解释了。

眼下正是多家机器人企业排队上市、融资的关键窗口期，"数据"和"数采中心"恰恰是整个行业估值叙事里的核心资产。

把数采中心整体污名化为"攒局"和"虚假收入"，客观上打击的不是某一些公司，而是整个板块的基本面预期。

谁从这个叙事里受益，谁就应该回答这个问题。我们不去揣测人心，但言论的客观效果，说话的人不能装作看不见。可以讨论数采中心怎么建，不能容忍有人论证它"不该建"

需要说明的是，数采中心并非不能批评。恰恰相反，这个行业的问题摆在明面上，信通院报告自己就没有回避：场景任务同质化、高质量数据产能有限、数据流通和定价机制不成熟、部分建设粗放训练场未来可能被淘汰。

行业正从"建设热潮期"走向"能力沉淀期"，确实需要冷静、专业、建设性的批评——批评哪些训练场建得不好、哪些数据质量不行、哪些商业模式跑不通，这些讨论都有价值。

但"怎么建"的批评，和"不该建"的污名化，是两回事。

前者基于一个共识：具身智能绕不开真实数据基础设施。

大模型时代需要数据中心和算力中心，具身智能时代就需要能够持续生产高质量真机数据的数采中心——这是技术路线决定的刚需，不是某家企业的商业选择。

从八部门的《"人工智能+制造"专项行动实施意见》，到国家发改委"破解数据饥渴"的表述，国家层面对这一基础设施方向的确认是连续的、明确的。后者则试图让市场相信"数采本身没有价值"——这不是批评，这是在给整个行业拆台。

放到更大的坐标系里看，这种拆台的代价尤其高昂。

过去几年，中国新能源、光伏、电动车产业经历的竞争，早已从产品竞争延伸到产业链、供应链乃至舆论话语权的争夺。具身智能正在成为下一个科技产业竞争的焦点赛道，美国科技巨头已经进场抢数据、建工厂、铺网络。

在这样的背景下，中国最需要做的是把数采中心建设好、运营好、把数据质量做上去，而不是因为行业存在争议，就让整个产业对数采产生怀疑。

如果明知具身智能需要数据，却不断放大负面叙事，甚至试图让市场相信数采本身没有价值，那么这种行为伤害的就不再是某一家企业，而是整个中国具身智能产业的数据基础设施和发展信心。

全球都在抢数据、抢算力、抢机器人。别人正在修路的时候，我们最不应该做的，就是有人刚刚上岸，就开始把自己身后的梯子撤掉。