杭州一家超市里，一台机器人端着试吃杯，小朋友伸手去拿，它缩手、停顿、再递出。这个动作背后没有“涌现”时刻，只有一套L2级人机共驾系统在运转。2025年初，莫一林创立灵御智能，把机器人送进了超市场景。同期，秦深涛创办OriginFlow，用非侵入式肌电采集人体操作信号。王煜则在戴盟死磕视触觉传感器。三家公司，三条路径，指向同一个判断：具身智能的竞争，正从“大脑”转向“身体”。
希鸥网观察到，2026年9月22日至24日，第二十届DEMO CHINA在杭州举行，主题定为“From Research to Reality”。近百家科技公司、200余家一线VC与CVC到场。莫一林、秦深涛、王煜三位创始人在现场抛出一个反共识观点：模型被高估了，身体被低估了。莫一林说，2023年以来具身智能模型公司不断成立、不断融资，恰恰说明先行者没筑起护城河。而机器人进超市才发现，喇叭功率不够，顾客根本听不见。
莫一林的解法是“人机共驾”。机器人自主完成大部分任务，遇到困难时远程人工介入。在超市做试吃、捞螃蟹、调饮料，目前能以人的百分之七八十效率完成百分之七八十的工作。一个人从管一台机器人起步，人机比向1:5演进。更关键的是，真实场景本身在生产数据。小朋友伸手、机器人缩手，这种人机交互数据在实验室极难采集，在超市里自然发生。莫一林不认同“先在实验室造终结者，再放进超市”的路径。
王煜的判断更底层：视觉再强，也替代不了触觉。机器人真正操作物体时，力、位移、形变这些物理现象，单靠视频不够。过去一年多，行业才逐渐认识到触觉数据的重要性。戴盟的链路是：视触觉传感器采集数据，获取大量真人真机操作信息，再训练面向操作的模型。王煜说，机器人最终要学习人，因为到今天为止，能完成复杂操作的还是人。这条路一旦打通，就是戴盟的护城河。
秦深涛盯的是动作发生前的人体信号。肌肉活动产生微弱电信号，OriginFlow用非侵入方式采集表面肌电，结合视觉和运动信息，估计手部姿态、力和接触状态。他的核心论点落在经济效率：数据不是采得越多越好。上百万小时的数据，如果场景覆盖不足、内容高度重复，模型收益可能只来自很小一部分。能不能用更低成本获得更多样、更高质量的数据，能不能判断新增数据有没有价值，才是系统工程能力的真正考验。
希鸥网认为，这场对话暴露了具身智能赛道的利益格局重构。过去两年，资本集中涌向模型层，估值逻辑是“谁更接近大模型的涌现时刻”。但灵御智能、OriginFlow、戴盟的实践指向另一套估值锚点：场景数据资产的密度、传感器与执行器的成本曲线、人机协作的经济效率。受益方将是能跑通“采集-训练-落地”闭环的公司，受损方是纯模型叙事、缺乏身体落地能力的团队。资本会从模型层向身体层和数据层迁移。
创业者要警惕一种幻觉：以为融资额能直接兑换场景能力。莫一林在超市踩的坑——喇叭功率、顾客动线、交互节奏——没有一个是靠钱快速解决的。这要求创始团队具备一种务实理想主义：既相信具身智能的终局，又愿意为一个小纸杯的递送动作反复调试。那些只会说教“机器人应该怎样”而不了解真实场景运作的人，在这个赛道尤其危险。指标必须落到成功率、人机比、单任务成本上。
组建团队时，别只看履历光鲜。要问：他是否至少三次做成过你希望他做的事？如果没有，就是小概率赌博。具身智能跨控制、机械、传感、数据多个学科，招人必须找认识他的可信之人谈话，向他的老板、下属、同事询问真实评价。同时，要让候选人知道这份工作的阴暗面：超市里机器人被顾客无视、传感器在真实环境中大量失效、数据标注成本远超预期。用这些压力测试他对真实挑战的忍耐意愿。
合作伙伴的选择同样关键。意趣相投是基础，但必须是诤友——能相互争论和挑战。莫一林、秦深涛、王煜的技术路径截然不同，但同台对话时彼此追问“模型是否被高估”“数据规模有没有意义”，这种张力本身就有价值。创业者要主动寻找会问好问题的人，而非对凡事都能给出答案的人。好问题比好答案更能预示未来成功。优秀的人总会有用武之地，前提是你先弄清楚自己和他人的思维方式是否匹配。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo
