出品 | 创业最前哨
作家 | 元君
剪辑 | 闪电
好意思编 | 邢静
审核 | 颂文
2026年下半年，具身智能行业谨慎历一场从讲故事到查收入的剧烈转向。
据部分媒体报说念，监管层通过非致密窗口研讨提妙手形机器东说念主企业IPO门槛，要点贯注估值是否脱离基本面、收入是否来自可连接的真实阛阓需求。此外，行业投资逻辑也从工夫阻挠+远期空间的早期主义，逐渐转向订单+请托+真实场景的落地。这意味着，机器东说念主能否在真实岗亭连接完成任务、客户是否满足为任务收尾弥远付费，正在成为测度企业价值的硬圭臬。
在这么的行业厌烦里，一家总部位于广州、核心团队由多位“广漂”博士组建的公司，逆势完成了数亿元B+轮系列融资。本轮融资由StellarS Capital、亚洲合伙基建（00711.HK）、长浙投资、图灵量子等有名机构和个东说念主合伙投资。
更值得贯注的是它遴选了一条与多数同业一龙一猪的旅途：不建大界限数采中心，不拼遥操作数据产能，把栈房、物业、医疗康养等B端真实场景改酿成考试场，用真实任务产生的数据开始模子迭代。
云蝶科技为什么专爱走一条相背的路？它究竟鄙人一盘怎么的棋？它的自我定位、行业判断和弥远主义，未必能为具身智能的营业化提供一种不同的谜底。
1、什么样的数据才能“喂饱”机器东说念主？具身智能行业现时最核心的矛盾，不在算法，不在实质，而在数据。
据中国信通院发布的《具身智能考试场究诘推崇（2026年）》高慢，现时寰球可用的高质料真实数据仅为数十万至百万小时级，而具身基础模子要迎来“ChatGPT时辰”至少需要数千万小时数据，缺口跳动99%。国金证券曾经测算，考试具身智能模子至少需要1000万小时多模态交互数据，而寰球高质料真什物理交互数据总量仅约50万小时，不及需求的5%。
（图 / 摄图网，基于VRF合同（AI数字内容））
这一浩大缺口催生了无数数据采蚁集心。据行业统计，宇宙已建成启用70多居品身智能考试场，在建、霸术超40家。这些集采中心在产业早期的作用是浩大的，比如遥操作、动作捕捉、圭臬化任务考试，以及一些高风险、高成本动作的重迭考试，它们能够匡助机器东说念主快速掌抓基础操作技巧。
但其收集的数据也靠近结构性局限。有从业者涌现，现时数据收集难过和洽规范，存在无效数据多、重迭度高的问题，泛泛场景数据接近饱和，工场等垂类场景数据稀缺。蚁集式数采中心过问浩大，但产出价值有限。
更要道的是，这些数据大多来自预设场景，任务散布单一，艰苦真实业务中那些“无意”，比如来宾临时编削条目、电梯已而故障、通说念被行李车挡住、任务失败后需要还原、央求东说念主工协助等。而这些“无意”，恰好才是系统智能确凿的燃料。
（图 / AI生成）
本年6月，工信部与国务院国资委合伙印发的《对于合伙开展2026年度东说念主形机器东说念主与具身智能实景实训专项活动的示知》中明确建议，“通过真实场景考试，连接优化具身智能模子算法，积贮高质料真机数据”，并止境强调要丰富“很是处置、突发烦闷、界限工况”等真实场景数据，到2026年底凝练形成百个以上高价值利用场景，带动形成万台级界限落地才智。
政策讲话的要道变化在于，从饱读动布局转向真实考证，从工夫阻挠转向功课获胜率、经济可行性，并条目幸免场景扎堆。国度发展改造委曾经明确建议，要加快构建行业圭臬与评价体系，建立健全具身智能行业准入和退出机制，驻防重迭度高的产品“扎堆”上市。
沿着这一逻辑，一个问题自然走漏：在精深追求“数据界限”时，有莫得企业仍是在作念“数据质料”？
履行上，这么的企业频频需要具备一个易被冷落的前提，它必须在真实场景中领有裕如深的根基，才有可能把场景鼎新为数据，再把数据鼎新为系统才智。这不是一家从实验室平直跨入具身智能的创业公司能够清闲作念到的。云蝶科技恰正是一个值得不雅察的样本。
据了解，云蝶的各异化在于，它莫得先建数采中心再找场景，而是把已有的B端业务场景平直改酿成考试场。栈房客房办事、医疗导诊、物业巡检等真实业务中产生的“感知－动作－收尾－接纳”闭环数据，自然包含失败样本、接纳记载和长尾工况，这些恰正是数采中心难以界限化坐褥的。
在前不久的WAIC 2026（世界东说念主工智能大会）上，云蝶科技合伙首创东说念主、联席总裁余澜博士也暗示，具身模子面对的是连接变化的物理世界，机器东说念主不仅需方法会感知与动作，还要在真实任务中处理空间变化、设施情景、东说念主员配合、任务收尾和东说念主工接纳等复杂反映。
但这条旅途的成立需要前提，企业是否确凿领有场景阁下权？能否将场景上风鼎新为系统智能？是否有组织韧性穿越“请托考证周期”？这些问题的谜底，将决定云蝶的模式能否从个案走向可复制的营业逻辑。
2、云蝶凭什么走通“真实场景数据闭环”？具身智能不是一个靠单点工夫就能弥远安身的行业，它需要同期应答工夫道路的不细则性、客户需求的复杂性以及现款流的现实压力。这就条目企业必须有东说念主能扛住周期，唯有骄贵才有经验谈场景和系统才智教养。
据了解，云蝶的核心团队由5位“广漂”博士组建，首创东说念主田雪松有政府使命配景，首席科学家周大权为新加坡国立大学博士、北大博导，合伙首创东说念主余澜为新加坡南洋理工大学博士、有世界500强企业政策使命配景。这种“老兵守底线、科研冲上限”的双峰组织，在行业狂热期并不显眼，但在过渡转型期价值突显。
自2022年起，云蝶科技一语气杀青数亿元营收并盈利，是国内少数同期具备界限化请托才智与连接盈利才智的具身智能企业。当行业从狂热进入淘汰期，最值钱的已不是“讲得快、融得多”，而是政策切换速率、现款流强项、复杂政府环境才智和组织厚实性。云蝶的这种架构，恰好不错平滑惩处“能不可活过冬天”的问题。
有了组织韧性，如何连接取得真实数据？
对诸多企业来说，客户资源自己不是壁垒，场景阁下权才是。据了解，云蝶已累积办事数千家B端政企客户，与凤悦栈房、固生堂、久邦善心等已完成签约。而场景主权的核心在于，客户是否满足让机器东说念主确凿进入坐褥环境、接初学禁电梯工单系统、允许连领受集任务数据、失败时由谁接纳、跑通明能否复制到几百个网点。这些才智需要多年B端行业Know-how积贮，不是靠本钱不错快速复制的。
正如余澜博士在接受「创业最前哨」采访时所言：“在实验室里，咱们不错为了完成一个任务束缚休养算法、优化环境，以致配备专诚工程师。但进入营业场景以后，客户不可能为每台机器东说念主配备一个大家团队，更不可能接受机器东说念主不时停机。是以，从Demo到上岗，最大的挑战是如何把一次性的工夫获胜，变成可复制的工程才智。这亦然云蝶遴选B端连锁场景算作紧要切入点的原因。”
他进一步强调：“往新场景拓展，确凿应该跨场景复用的是底层感知、导航、操作等通用技巧，是系统级大脑的任务相识、任务霸术、很是会诊和失败还原才智，以及数据收集、考试评测和部署运维的圭臬化体系。而需要因地制宜的，是行业Know-how、具体业务经过、物理环境阻挡、安全规范及客户的个性化需求。换句话说，底层才智应该越来越通用，行业任务应该越来越圭臬化，现场适配则应该越来越轻量化。”
有了组织韧性、有了场景主权，还缺最要道的一环：数据能不可变成系统才智。若是数据仅仅躺在办事器里，场景上风也就无法鼎新为工夫上风。
云蝶围绕这一环构建了一套无缺的工夫体系，其中几个核心组件需要放在沿路相识。它们不是各自孤立的产品，更像是消释个闭环上的不同身手。
EEI（具身环境智能）是云蝶与北京大学合伙建议的工夫范式，核心看法是环境不应被视为机器东说念主被迫合乎的配景，而应被纳入智能系统自己，让空间、开辟、任务和业务经过参与机器东说念主的任务识别、实行判断和故障处理。用更泛泛的话说，不是只让机器东说念主去合乎环境，而是让门禁、电梯、工单系统主动“告诉”机器东说念主该若何作念。
RoboForge是这套范式下的系统级具身智能大脑，负责组织感知、推理、霸术、技巧实行和反映，极度于机器东说念主在真实场景中使命的“退换核心”。WING是云蝶的任务型实质眷属，相持“先界说岗亭，再界说机器东说念主”，根据不同场景的使命需求来计算机器东说念主样式。世界模子则承担对物理环境的情景预计和活动前考证，让机器东说念主在实行前就能预判收尾、评估可行性。
这些组件串在沿路，组成了一条从环境相识到任求实行、再到数据回流的无缺链路。
现在，RoboForge已在Embodied Bench与LaRA两项国外巨擘基准评测中寰球登顶，具备跨场景、跨任务、跨实质的挪动才智。更值得贯注的是RoboForge翻新性建立的Harness模块。这一模块无缺记载任务全经过把柄链，遭遇失败任务能自动判断问题来源，并将失败样本鼎新为迭代素材，形成连接自我优化闭环。这意味着一次失败不再仅仅任务中断，也不错成为下一次实行和改进的依据。
由此可见，确凿的壁垒不在于榜单，而在于每一次真实任务产生的数据能否鼎新为下一次考试钞票、技巧钞票和评测钞票，从而镌汰下一个场景的部署成本。正像余澜博士采访中阐释的：“改日开云(中国)Kaiyun·官方网站 - 登录入口机器东说念主确凿的智能，不仅仅第一次遭遇问题时有多贤达，更在于第二次遭遇同类问题时，能不可作念得更好。”
因此，当具身智能的竞争念念维从工夫先进性转向系统进化才智，当行业泡沫退去、本钱不再为“故事”买单时，什么样的公司能活下来并越活越强？谜底未必不是那些领有源流进单点工夫的公司，是那些确凿把“真实场景”变成坐褥府上的公司。
这可能亦然具身智能从工夫竞赛走向系统竞赛确实凿分水岭。
3、从输出硬件，到输出办事模式不外，上述几重壁垒虽能解释云蝶为什么不错走通这条路，但想方法会它改日能走多远，还需要放到行业趋势中来看。
具身智能的营业化正在经历一场静默的转向。昔日几年，行业民俗用出货量、参数和榜单来确认价值，但2026年政策与本钱的双重转向正在改写法则。与此同期，这个判断也在被行业数据考证。2026年世界机器东说念主大会上，越来越多企业展示的不再仅仅机器东说念主行走、抓取等单项才智，而是围绕具身智能模子、世界模子、数据收集、仿真考试等底层才智伸开布局。机器东说念主产业竞争正在从昔日的硬件性能比拼，转向“模子+数据”的详尽才智竞争。
尤其值得贯注的是世界模子的崛起。2026年被合计是“世界模子元年”，具身智能的投资逻辑也从押注机器东说念主实质转向押注具身大脑。行业东说念主士指出，寰球具身智能竞争已从比拼单机演示效能，转向模子、数据、实质、仿真、评测、请托全链条体系才智的比拼。世界模子凭借环境预判才智以及因果推演后劲，成为行业竞争的工夫高地。
但云蝶在这一趋势中的定位颇为特有。它不与通用基础模子竞争参数界限，而是在基础模子与机器东说念主实行之间建立“系统层”。举例，其自研的RoboForge不再行开发一个基础模子，它通过组织感知、推理、霸术、技巧实行和反映，将复杂绽开的环境转译为可界说、可交互的场景。这意味着，无论VLA如故世界模子最终胜出，系统级大脑王人是纠合基础模子与真实实行的必要中间层。而这一定位，也与国度对具身智能产业“推动东说念主工智能与先进制造业深度交融”的主义高度契合。
与之配套的是营业模式的同步升级。RaaS（机器东说念主即办事）模式将机器东说念主实质、场景部署、任务技巧和连接运维整合为办事，客户为“连接完成任务的才智”付费，而非一次性购买硬件。RaaS的本质不是卖机器东说念主，是输出机器东说念主在真实场景中连接使命的办事才智。这种模式让请托联系从一次性交游变成弥远办事，也让每一次真实任务连接产生数据回流，形成可连接的“数据飞轮”。
云蝶的自我定位也因此愈加了了。它不参与通用东说念主形实质的出货量竞赛，把自身锚定为“以真实场景为考试基础设施、以系统级具身大脑为核心产品，推动具身智能界限化落地的东说念主工智能企业”。余澜博士在接受采访时说：“改日测度一居品身智能公司的界限化才智，不可只看请托了若干台机器东说念主，更应该看一项技巧能复制若干岗亭、一个岗亭能创造若干价值，以及新增部署的旯旮成本能下落若干。”
基于此，云蝶的弥远主义是构建“场景－数据－系统智能－界限部署”的复利飞轮。其构建了“1+2+N”真实世界具身智能合伙究诘目的；与北京大学、华南理工大学和大湾区大学等高校建立合伙实验室，并全力鼓舞北大×云蝶工夫翻新中心和广州海珠真实世界实验场教养，以此买通从基础究诘到现场反映的链条。
从弥远来看，具身智能的结尾，八成率不是少数通用平台通吃，是一批深耕真实场景的公司，把每一次任务、每一次失败、每一次接纳，王人变成系统进化的养料。这条路自然相对较慢，但一朝形成复利，壁垒会越来越厚。
改日，谁能把真实世界变成考试场，谁就能在接下来的竞争中领有护城河。