MaaS市场半年106亿：Token消耗涨超430%，具身智能成新战场

新智元报道  

2026年，大模型卖Token这门生意，竞争激烈到让人有些看不懂了。

谷歌在今年I/O大会上给出了一个数字：每月处理3200万亿个Token，一年翻了7倍。

国内的增长更猛。IDC上周刚发布的报告显示，今年上半年中国MaaS市场规模达到106亿元，同比增长近9倍；Token消耗量2857.9万亿，同比增长超过430%。

以前只有技术圈才听得懂的Token，如今正变成一门实打实的大买卖。

这门生意的逻辑并不复杂：模型厂商把大模型部署在云上，开发者既不用自己训练模型，也不用自己买显卡，调一次接口就付一次钱。

现在，有人打算把这套玩法复制到机器人身上。

机器人抓起一个杯子、擦干净一张桌子，看上去是手在动，背后其实同样需要一个模型来指挥。

既然指挥语言的AI模型能放到云上按次调用，那指挥动作的具身模型，凭什么不能？

这个战场，就是具身智能MaaS。

说具身MaaS之前，先讲一件事：如今的机器人，身体里装不下一颗够用的「脑子」。

原因不在于模型不够聪明，而是机器人的身体太小、太热、也太贵。

一台具身智能机器人的总成本大约10万元上下，芯片一项就占到3万（用得最多的是英伟达Thor）。

可即便是这颗目前最顶级的机器人芯片，处理完摄像头的视觉和基本的运动控制之后，算力就几乎见底，哪还有余力去跑一个10B参数的大模型做推理？

散热更让人头疼。机器人是密封结构，夏天在太阳底下站一会儿，温度就往上蹿。

芯片越好、发热越猛，散热空间却只有那么大，这几乎是个死结。

于是行业里一直有争论：具身模型究竟该跑在机器人身上，还是跑在云上？

这场争论到今天基本有了答案。算力和模型的赛跑，模型赢了。

目前行业里主流的具身模型，参数量普遍在10B上下，按眼下的迭代速度，年底大概率会出现远大于10B的模型。

几百到一千TOPS，是眼下机器人所载芯片的常见算力水平，这个量级上勉强能跑动的，只有两三B的小模型。拿两三B做Demo还行，真要进场景干活，10B才算起步。

芯片在进步，但模型长得更快。这个差距，短期内看不到缩小的迹象。

装不下、跑不动、散热散不掉、还死贵——把模型推理搬到云端，几乎成了唯一的出路。

不过，云端推理只解决了「跑得动」的问题，还有一个更本质的挑战：怎么让模型真正干得了活。

大模型这几年，Zero-shot 已经成了默认操作：模型开箱就能用，问什么答什么。

具身智能走的不是这条路。拿一个通用模型去控制机械臂拧螺丝，等于让刚会走路的孩子去跑马拉松，中间差着十万八千里。

真实商业场景里，细节能数出一百个：机器人外形长什么样、被抓的物体是什么形状、现场是什么光线、精度要做到多高。有些模型在实验室演示得挺顺，一进工厂产线，可能连个零件都抓不稳。

从 Demo 走到量产，具身智能要跨的那道坎叫后训练（Post-Training）。

这个逻辑在大模型身上已经演过一遍。ChatGPT 好用，预训练打下的底子固然重要，可让它真正「说人话」的，是 SFT（有监督微调）和 RLHF（人类反馈强化学习）这两道后训练工序。

具身智能同理：通用模型只是底座，后训练才是把底座变成能干活的场景专家的那把钥匙。

麻烦在于，后训练的门槛不低。模型要懂、数据要懂、训练策略也要懂，算力和工程能力一样不能少。可绝大多数造机器人的本体厂商，连模型到底怎么回事都还没完全搞清楚。

一家做具身模型的公司，市场负责人讲过这么一桩事。有回一家本体厂商找上门来，想谈谈模型对接的事。技术团队偏偏都在忙，他只好自己上阵应付，把模型的情况大致说了一遍：参数规模多大、后训练怎么做、部署怎么弄。

聊完，对方客客气气地问：您是技术负责人吧？

他愣了一下。要知道，对面是一家正儿八经造机器人的公司派来对接模型的人。

这就是行业现状。

回头看大模型这几年，有个细节容易被忽略：真正把大模型用起来的，大多不是做模型的人。

大模型头一批被用出花样的地方，是设计、客服、数据分析这些活儿，动手的是大批对模型本身一知半解、却把自家业务摸得透熟的一线人员。注意力机制在 Transformer 里怎么算，他们不用管，拿到一个 API Key，就能把大模型的本事接进自家产品。

MaaS 就是那个把技术门槛压到地板的基础设施。

现在，具身智能正站在同样的节骨眼上。

2026年7月，原力灵机在开发者大会上发布了行业首个通用具身 MaaS 服务。10月，Physical Intelligence（π）紧随其后推出 Pi API Beta，Dream Labs 也携 9000万美元种子轮融资和 Dream API 高调亮相。

三个月，三家，同一个方向。大家显然都闻到了同一个味道。

但三家的打法，差异很大。

Pi 的 API 走的是邀请制：先申请、再审核、然后等排期，对方认定方向对路才放行。说到底还是科研味更重的生态，想拿它做商业化落地的开发者，基本轮不上。

Dream Labs 则更往娱乐和教育靠。3美元一小时的价码算得上亲民，在浏览器里就能玩机器人也挺新鲜，可惜它主要撑得起双臂夹爪的简单操作——拿来入门科研还行，真要上工厂产线干活，差得远。

原力灵机走了第三条路：面向真实任务、真实场景。

原力灵机最新升级的 MaaS，技术上最核心的突破在于：行业首个同时支持三种后训练方法的平台。

模型从「学会」到「学精」再到「不出错」，对应的正是这三种方法。

第一步是SFT（有监督微调），解决基本动作。用户把成功操作的示范数据传上去，模型照着学，跟师傅带徒弟一个道理，先把标准动作做对。这一步走完，成功率能到80%~90%。第二步叫DAgger（纠偏训练），教的是怎么从错误里恢复。机器人真实运行时难免出岔子——手臂偏了、物体滑了、角度歪了，DAgger把这些失败数据收上来，让模型学会「犯了错之后怎么救回来」，成功率随之提升到90%以上。

最后一步是RECAP（强化后训练），专门消灭剩下的失败，这才是真正的「攻坚战」。平台会训练一个价值模型，给机器人的每一步打分，告诉它这一步是离完成任务更近了还是更远了，让它自己朝高分方向优化，主攻那些偶尔才冒出来、但一出现就坏事的情况。

三套Pipeline叠起来用，原子任务（单步动作）的成功率可以逼近100%。

后训练完整流程

熟悉大模型演进路线的人看这个思路，会觉得异常眼熟。GPT也是先拿海量文本做预训练，让它见过世面；再用SFT，拿人写的高质量问答教它怎么回答；最后上RLHF，让人给回答打分，好的加分、坏的扣分，逼它往高分走。

具身模型走的路差不多，只是把「文字」换成了「动作」。DM0.5相当于预训练，它看过海量的真机操作数据和第一视角的人类动作数据，知道「抓」是什么、「放」是什么；SFT是教它标准答案，DAgger是纠错，RECAP就是具身版的RLHF。

区别只有一个：大模型答错一道题，重新生成就行；机器人抓错一个零件，产线就得停。

也正因如此，具身后训练对成功率的要求比大模型苛刻得多，必须三套Pipeline叠着用，一直逼到100%。

原力灵机做的事，就是把大模型这套已经被验证过的后训练方法搬到具身智能领域，还配了一整套现成工具。跟Pi那种「关起门来做」的路子不同，它是个开放平台：开发者只要有基本的工程能力，就能在平台上走完数据上传、模型训练、部署推理的全流程，不用自己搭训练集群，不用自己写训练脚本，甚至不用太懂模型原理。

指令序列

把门槛降下来，才是MaaS真正的价值所在。

那究竟谁最需要具身MaaS？答案是造机器人身体的本体厂商。

眼下的具身智能行业有个结构性难题：做本体的不具备模型能力，做模型的不碰本体。

机器人被本体厂商造出来了，可缺少靠谱的模型来驱动，就进不了场景；场景进不去，出货量自然上不来。不少本体厂商就堵在这一环，产品只能压在仓库里。

这个局面，跟大模型刚兴起时SaaS厂商的遭遇几乎一样。

大模型出现之前，CRM、数据分析这类SaaS公司手上有客户、有场景、也有数据，可要想给产品添点「智能」，就得自建算法团队，成本高、周期长，多数功能压根做不出来。

大模型MaaS一上线，形势立刻反转：它们不用懂模型，把API接进自家产品，原先做不了的功能几周内就能上线。加上它们离客户最近，落地速度比任何AI公司都快。

把故事里的「SaaS厂商」换成「本体厂商」，把「大模型」换成「具身模型」，这套逻辑照样成立。

原力灵机MaaS已经动手在做了。

物流仓储场景里，桌面机器人已在传送线旁干活，供包节拍超过1200件/小时，成功率超过99%；手机产线上，移动机器人正负责废料回收；精密工业场景中，亚毫米级精度的质检也在部署。

这些数字，都是在产线上真刀真枪跑出来的。

话说回来，有个问题绕不开：具身MaaS能不能像大模型MaaS那样，做成一门Token生意？

其中有个关键变量：跨本体泛化。

说直白点，就是一个模型能不能通吃各类机器人。

大模型MaaS能做大，关键是同一个模型可以服务无数应用，场景各异，模型却是通用的。

具身智能能做到这一步吗？

坦白讲，目前还不行。机器人的形态太多，双臂、单臂、人形、轮式、四足，各有各的控制逻辑，短期内看不到收敛的迹象。

不过换个角度看，这恰恰说明了后训练平台的价值：正因为本体千差万别，每个本体都得结合场景做后训练。

与其让每家本体厂商都从零自建训练基础设施，不如共用一个成熟平台——经济上这才划算。

再者，本体的多样性也意味着，具身MaaS和大模型MaaS可能走出不一样的商业逻辑。

大模型MaaS挣的是Token流量费，靠规模取胜；具身MaaS或许更偏向「平台+定制」，靠后训练服务和场景解决方案，从每个客户身上赚到更多钱。

市场盘子正在迅速膨胀。IDC九月底发布的数据显示，2026年上半年全球人形机器人出货量接近2.5万台，同比增长432%；其中中国出货超过1.9万台，占全球近八成。

机器人要「大脑上云」的越来越多，后训练要做，迭代也不能停。这个平台的分量只会越来越重。

过去两年，具身智能圈里不缺好看的Demo。叠衣服、倒咖啡，会跳舞，也会翻跟斗。

可Demo和生产力是两回事。炫技换不来商业价值。

从Demo走到生产力，中间横着一道沟。后训练太难，推理太贵，门槛太高，成功率又上不去。

具身MaaS要做的，就是把这道沟填上。

这活儿不性感。没有震住眼球的机器人表演，也没有刷爆榜单的论文。

不过回头看，每一波技术浪潮里真正改变世界的那一步，都踩在基础设施铺好的那一刻：AWS把云计算推向了普及，App Store让移动互联网炸开了，MaaS则把大模型送进了千行百业。

下一个，轮到机器人了。