穿越技術(shù)周期，星海圖沉淀為模型而生的基石

作者：彭堃方

編輯：呂鑫燚

出品：具身研習(xí)社

模型復(fù)現(xiàn)難，是多位具身智能從業(yè)者對具身研習(xí)社表達過的產(chǎn)業(yè)桎梏。

具體而言，由于硬件的不穩(wěn)定性或性能較差導(dǎo)致模型能力難以在真實任務(wù)中復(fù)現(xiàn)。更關(guān)鍵的是，無論是企業(yè)研發(fā)還是科研機構(gòu)都經(jīng)歷過硬件“月拋”的無奈，不僅拖累研發(fā)進度也在推高研發(fā)成本。

這是深嵌于具身智能產(chǎn)業(yè)的痛點，硬件夠用、量夠大但不夠完美、不夠懂模型。這也為具身智能發(fā)展給出了更具象的圖譜，模型能力迭代固然重要，但與之匹配的硬件平臺也同樣關(guān)鍵。

這使得硬件的角色正發(fā)生微妙變化：由原來能力展示的載體，而成為模型訓(xùn)練、部署與迭代的基礎(chǔ)設(shè)施。

在這樣的背景下，行業(yè)開始重新評價一類看似“不激進”的產(chǎn)品，即那些不頻繁改變形態(tài)，卻持續(xù)優(yōu)化穩(wěn)定性、數(shù)據(jù)質(zhì)量和可部署性的硬件平臺。

星海圖 2026 款 R1 系列輪式雙臂機器人的發(fā)布，正處在這一轉(zhuǎn)折點上。當(dāng)海外仍在以“更像人”為賣點時，星海圖選擇把重心放在穩(wěn)定性、數(shù)據(jù)能力和可部署性上，本質(zhì)上是在為模型和應(yīng)用負責(zé)，而非為展示負責(zé)。

很明顯，星海圖 R1 已成為一款“經(jīng)典產(chǎn)品”。

從 R1 系列的升級路徑就能看出，星海圖并未重新設(shè)計本體形態(tài)，而是在成熟架構(gòu)上直擊開發(fā)者痛點做精準迭代。這恰恰說明，它已經(jīng)不需要依靠外觀或結(jié)構(gòu)創(chuàng)新來證明自身存在感，而是通過持續(xù)優(yōu)化底層能力鞏固其作為具身智能“硬件基石”的地位。

這種克制而精準的迭代，也在側(cè)面印證一個判斷：R1 系列已經(jīng)完成從“新品”到“基石”的轉(zhuǎn)變。它不再是一個需要被驗證的技術(shù)方案，而是一套被反復(fù)驗證、可以持續(xù)復(fù)用的基礎(chǔ)設(shè)施。更重要的是，這種基礎(chǔ)設(shè)施正在悄然拓寬邊界，從開發(fā)者工具演進為真正的生產(chǎn)力載體。

具身智能產(chǎn)業(yè)，人形機器人已經(jīng)有數(shù)百款，幾乎每天都有新的硬件誕生。可以說，在今天的具身智能領(lǐng)域，“新硬件”并不稀缺，企業(yè)更過了靠發(fā)布硬件去吸引觀眾眼球、博來投資人的關(guān)注的階段。行業(yè)內(nèi)真正看重是經(jīng)過真實世界驗證、能夠長期穩(wěn)定運行的、有效激發(fā)模型能力的硬件體系。

不盲目求新、不頻繁推翻架構(gòu)，而是將重心放在實用體驗與底層能力的持續(xù)優(yōu)化上，這種極具戰(zhàn)略意義的“克制”正造就一批經(jīng)典。

而星海圖的 R1 系列之所以被稱為經(jīng)典，就在于它形成了一套高度匹配當(dāng)前技術(shù)階段的底層架構(gòu)。這套架構(gòu)既能支持前沿算法研究，也能承受長時間、高強度的數(shù)據(jù)采集與任務(wù)執(zhí)行，是少數(shù)同時滿足科研與工程需求的平臺。

作為具身智能硬件的“標桿模板”，R1 系列已經(jīng)過 Physical Intelligence、斯坦福 AI 實驗室和李飛飛團隊以及英偉達、南洋理工大學(xué)等全球頭部具身智能團隊的實戰(zhàn)檢驗，真正摸清了模型落地的硬件底層邏輯。

當(dāng)業(yè)內(nèi)部分廠商還在爭論“自由度是否越多越好”“是雙足還是輪式更適合干活”時，R1 已在李飛飛團隊發(fā)起的首屆 BEHAVIOR 家務(wù)挑戰(zhàn)賽中，作為唯一的統(tǒng)一本體，在 50 項完整家務(wù)任務(wù)中驗證了其復(fù)雜操作的魯棒性。而當(dāng)業(yè)內(nèi)還在為探討需不需要“五指操作”時，英偉達發(fā)布了靈巧手操作框架 EgoScale，星海圖提供 R1 Pro 機器人作為核心驗證平臺，為 EgoScale 框架的真實世界實驗提供了環(huán)境支撐，助力從大規(guī)模人類視頻數(shù)據(jù)中習(xí)得的精細操作能力在物理世界中落地驗證。

其實，過去幾年大量頂尖團隊和賽事選擇基于 R1 進行實驗和驗證，本質(zhì)上是因為它穩(wěn)定、可復(fù)現(xiàn)、可比較。對于算法研究而言，硬件的一致性往往比單機性能更重要。只有在穩(wěn)定平臺上得到的結(jié)果，才具備跨團隊、跨場景的參考價值。

更深層的意義在于，這種長期使用形成了工程經(jīng)驗的沉淀。具身智能不同于純軟件領(lǐng)域，真實世界中的誤差、磨損、裝配差異、信號噪聲等因素都會影響系統(tǒng)表現(xiàn)。只有經(jīng)歷大量實際運行，才能摸清哪些參數(shù)真正關(guān)鍵，哪些設(shè)計能夠支撐長期使用。這些經(jīng)驗難以通過論文或參數(shù)復(fù)制，往往構(gòu)成隱性的技術(shù)壁壘。

與此同時，R1 在數(shù)據(jù)采集方面形成的成熟實踐，使其不僅是一個執(zhí)行工具，更是數(shù)據(jù)生產(chǎn)系統(tǒng)的一部分。對于依賴真實世界數(shù)據(jù)訓(xùn)練的具身模型而言，穩(wěn)定的采集平臺決定了數(shù)據(jù)質(zhì)量和一致性，而數(shù)據(jù)又直接決定模型的上限。因此，硬件的價值不再只是“能完成任務(wù)”，而是“能持續(xù)生產(chǎn)高質(zhì)量數(shù)據(jù)”。

透過R1過往沉淀可見，其價值絕不止步于硬件本身，而是服務(wù)于模型。

正因如此，R1 的“不過時”并非停滯不前，而是建立在精準匹配模型需求之上的持續(xù)優(yōu)化，使其能夠在技術(shù)路線不斷變化的情況下仍保持適用性。

如果說早期 R1 的價值在于提供研究平臺，那么 2026 款升級則明顯指向一個新的目標：支撐具身模型落地應(yīng)用。

這次升級并未試圖重構(gòu)機器人，而是圍繞數(shù)據(jù)質(zhì)量、標定一致性、端側(cè)算力、導(dǎo)航能力和可靠性等關(guān)鍵環(huán)節(jié)進行強化。

這些改進看似分散，實際上共同指向模型落地過程中最常見、也最難解決的問題。可以說升級的R1，是完全從模型落地痛點中生長出來的。

首先是數(shù)據(jù)能力的提升：R1 將原生圖像分辨率（ 提升至 1920x1536）、幀率（15 幀提升為 30 幀）大幅提升，更高分辨率和更高幀率意味著模型能夠獲得更完整、更連續(xù)的環(huán)境信息。在前沿的模型范式下（如世界模型），此舉將大幅提升對模型預(yù)測的數(shù)據(jù)支撐；

其次是整機出廠標定帶來的一致性。這一點對規(guī)模部署尤為關(guān)鍵。現(xiàn)實中的機器人并非完全相同，即使是同一型號，也會因裝配和傳感器位置差異產(chǎn)生行為偏差。如果每臺設(shè)備都需要單獨調(diào)校，模型就難以推廣。統(tǒng)一標定相當(dāng)于建立了跨設(shè)備的“共同語言”，使模型可以在不同個體之間遷移并復(fù)現(xiàn)效果；

端側(cè)算力的標配，則標志著系統(tǒng)從依賴實驗環(huán)境轉(zhuǎn)向面向?qū)嶋H應(yīng)用。具身智能在真實場景中往往需要低延遲和高可靠性，而云端依賴會帶來網(wǎng)絡(luò)不穩(wěn)定、隱私風(fēng)險和成本問題。本地運行能力意味著機器人可以在更廣泛的環(huán)境中獨立工作，這是從演示走向生產(chǎn)力的重要一步。目前，Lite 和 Pro 版本均標配端側(cè)算力，可端側(cè)運行星海圖已開源的 250M 參數(shù)規(guī)模的端側(cè)小模型（G0 Tiny VLA 模型）；

導(dǎo)航能力的標準化同樣意義重大。許多機器人具備操作能力，卻無法完成完整任務(wù)流程，因為它們?nèi)狈Ψ€(wěn)定的移動系統(tǒng)。將導(dǎo)航作為基礎(chǔ)功能提供，使開發(fā)者可以直接構(gòu)建“移動 + 操作”的復(fù)合任務(wù)，而無需從底層重新開發(fā)，這也符合當(dāng)前模型落地時面臨的普遍場景需求；

最后，可靠性優(yōu)化則是產(chǎn)業(yè)應(yīng)用的底線。高強度測試、結(jié)構(gòu)強化和壽命設(shè)計并不吸引眼球，卻決定了設(shè)備能否長期運行。對于企業(yè)用戶而言，一臺不穩(wěn)定的機器人即使能力再強，也難以投入實際業(yè)務(wù)。

綜合來看，這些升級并非追求技術(shù)炫耀，而是針對真實部署中的痛點進行系統(tǒng)性補強，使硬件從研究工具逐漸轉(zhuǎn)變?yōu)榭沙掷m(xù)運行的工作平臺。

當(dāng)R1成為模型驅(qū)動的硬件平臺時，其產(chǎn)業(yè)邊界也逐漸從開發(fā)者標桿，變成生產(chǎn)力首選。

星海圖近年來構(gòu)建的，是一條覆蓋數(shù)據(jù)采集、模型訓(xùn)練、算法驗證到場景落地的閉環(huán)鏈路。硬件只是其中的核心節(jié)點，用于連接真實世界與具身模型。

在模型層面，去年 8 月，星海圖便提出了快慢雙系統(tǒng)架構(gòu) G0，將高層規(guī)劃與低層執(zhí)行分離，使機器人能夠處理長程復(fù)雜任務(wù)。該模型訓(xùn)練策略上的跨本體預(yù)訓(xùn)練、單本體適配和任務(wù)微調(diào)，則試圖解決“通用性與專用性”的矛盾。在模型評測上，星海圖 G0 全面超越 π0，全身動作、長續(xù)任務(wù)、柔性操作、語言理解優(yōu)勢突出，并在部分任務(wù)上實現(xiàn)了高達 20% 的性能提升。

目前 G0 系列模型仍在持續(xù)更新，包括 G0 模型升級版“G0 Plus”，該模型在“萬物抓取（Pick Up Anything）”demo 中展示了在 Zero-shot 場景下的通用操作能力，無需針對具體物體或任務(wù)進行單獨訓(xùn)練，R1 Lite 能夠基于自然語言指令，在真實、開放環(huán)境中完成多樣化抓取與操作任務(wù)，具備開箱即用的特點。

更關(guān)鍵的是數(shù)據(jù)與應(yīng)用的循環(huán)。開放世界數(shù)據(jù)集（Galaxea Open-World Dataset）、面向開發(fā)者的一站式具身智能開發(fā)平臺 EDP（Embodied Development Platform） 以及真實業(yè)務(wù)場景的持續(xù)使用，使模型能夠在實際環(huán)境中不斷獲得反饋并優(yōu)化。這種閉環(huán)機制，使技術(shù)不再停留在實驗室，而是在真實世界中逐步成熟。

隨著應(yīng)用拓展到工業(yè)、物流和康養(yǎng)等領(lǐng)域，R1 也從開發(fā)者工具轉(zhuǎn)變?yōu)楫a(chǎn)業(yè)載體。它不只是用來驗證算法，而是直接參與生產(chǎn)流程，承擔(dān)具體任務(wù)。

今年 3 月份，在北京亦莊打造的全球首個智慧康養(yǎng)機器人養(yǎng)老驛站中，依托 G0 Plus，星海圖 R1 Pro 能夠?qū)崟r完成疊衣服、倒水等生活康養(yǎng)任務(wù)，直觀展現(xiàn)了大模型數(shù)據(jù)采集與訓(xùn)練機制如何支撐起機器人當(dāng)前強大的泛化能力。這種轉(zhuǎn)變意味著硬件的價值不只體現(xiàn)在性能參數(shù)上，在支撐長期運行和持續(xù)圍繞模型落地場景需求升級中，也可見真章。

總之，星海圖 R1 的 “經(jīng)典”，本質(zhì)是對具身智能產(chǎn)業(yè)需求的精準洞察。從硬件沉淀滿足開發(fā)者基礎(chǔ)訴求，到迭代升級匹配場景落地痛點，再到全棧能力支撐產(chǎn)業(yè)規(guī)模化應(yīng)用，每一步都回應(yīng)著產(chǎn)業(yè)從 “技術(shù)驗證” 到 “生產(chǎn)力轉(zhuǎn)化” 的核心期待。這款 “不過時的經(jīng)典”，正成為具身智能產(chǎn)業(yè)從實驗室走向規(guī)模化落地的關(guān)鍵基石。

從更長的技術(shù)周期來看，具身智能的競爭或許并不會由某一次突破性模型或某一種機器人形態(tài)決定，而更可能取決于誰能夠建立穩(wěn)定連接模型智能與物理世界的基礎(chǔ)設(shè)施。

軟件可以快速迭代，算法可以不斷更新，但真實世界具有慣性。摩擦、磨損、誤差、環(huán)境變化與不可預(yù)測性，使得任何智能系統(tǒng)都必須依附于可靠的物理載體才能持續(xù)發(fā)揮作用。能夠長期運行、持續(xù)產(chǎn)生數(shù)據(jù)并支持模型進化的硬件平臺，本質(zhì)上構(gòu)成了具身智能時代的“基礎(chǔ)層”。

從這個意義上看，一款“經(jīng)典”硬件的價值，是它讓不斷變化的算法擁有穩(wěn)定的落腳點，讓一次次模型進步都有跡可循，讓智能逐漸沉淀為生產(chǎn)力。對于星海圖 R1 來說，“經(jīng)典”不是終點，而是一種能夠穿越技術(shù)周期的起點。