半年106亿、狂涨近9倍！卖Token的这个新方向，爆了

2026年，大模型Token生意竞争激烈。谷歌I/O大会披露，每月处理3200万亿个Token，一年增长7倍。IDC报告显示，今年上半年中国MaaS市场规模达106亿元，同比增长近9倍；Token消耗量2857.9万亿，同比增长超430%。

Token正从技术术语变成大生意。模型厂商将大模型部署在云上，开发者按调用次数付费。如今这套逻辑正被搬到机器人身上——机器人抓杯、擦桌背后也需要模型指挥，具身智能MaaS成为新战场。

当前机器人身体装不下够用的“脑子”。一台具身智能机器人总成本约10万元，芯片占3万元（英伟达Thor用得最多），但完成视觉处理和运动控制后算力几乎见底，难以运行10B参数大模型推理。散热也是死结：机器人密封，芯片越好发热越猛，散热空间有限。行业争论模型该跑在机器人身上还是云上，如今基本有答案：模型迭代速度快于芯片算力提升，主流具身模型参数量普遍在10B上下，年底可能出现远大于10B的模型，而机器人芯片算力普遍几百到一千TOPS，只能勉强跑两三B小模型。装不下、跑不动、散不了热、成本高，云端推理几乎成唯一出路。

但云端推理只解决“跑得动”，后训练才是关键。具身智能不同于大模型Zero-shot开箱即用，真实商业场景细节繁多，实验室演示模型到产线可能连零件都拿不稳。后训练如同大模型的SFT和RLHF，是把通用底座变成场景专家的钥匙，但门槛极高，多数本体厂商连模型原理都未完全搞清。

2026年7月，原力灵机发布行业首个通用具身MaaS服务；10月，Physical Intelligence推出Pi API Beta，Dream Labs携9000万美元种子轮融资和Dream API亮相。三家打法不同：Pi采取邀请制，偏科研生态；Dream Labs偏娱乐教育，3美元/小时，支持双臂夹爪简单操作；原力灵机面向真实任务和场景。

原力灵机MaaS核心突破在于行业首个同时支持三种后训练方法的平台：SFT教会基本动作，成功率80%~90%；DAgger纠偏训练教会从错误中恢复，成功率超90%；RECAP强化后训练消灭最后失败，专攻偶发但致命情况。三套Pipeline叠加，原子任务成功率可逼近100%。这类似大模型“预训练-SFT-RLHF”路径，只是把文字换成动作。区别在于大模型答错可重新生成，机器人抓错零件产线就停，因此对成功率要求更苛刻。该平台开放，开发者具备基本工程能力即可完成数据上传、模型训练、部署推理全流程。

最需要具身MaaS的是本体厂商。行业存在结构性困境：本体公司没有模型能力，模型公司不做本体。本体厂商机器人造出来却无靠谱模型驱动，进不了场景，出货量上不来。这类似大模型出现前SaaS厂商的处境——有客户场景数据，但加智能需自养算法团队。MaaS上线后，SaaS厂商接API即可快速上线功能。原力灵机MaaS已在物流仓储场景落地，桌面机器人供包节拍超1200件/小时，成功率超99%；手机产线移动机器人做废料回收；精密工业亚毫米级质检也在部署。

具身MaaS能否做成Token生意，关键变量是跨本体泛化。大模型MaaS能做大，因同一模型服务无数应用；具身智能目前做不到，机器人形态太多，控制逻辑各异，短期难收敛。但这反证后训练平台价值：正因本体千差万别，每个本体都需基于场景后训练，共享成熟平台比各自从零搭建更经济。