專訪星源智：機器人部署落地元年，這家公司拿下70%本體廠商份額

作者：彭堃方 編輯：呂鑫燚 出品：具身研習社

智源大會上，具身智能企業上演“華山論劍”。

今年的重點落在了世界模型，這也是當下最擁擠、也最容易被誤讀的技術。有人從語言出發，有人從視頻生成出發，有人從 3D 重建出發，也有人從隱空間表征出發。不同路線之間，看似各有山頭，但放到具身智能里，一個樸素的共識正在形成：機器人要真正進入物理世界，必須學會“預測下一個物理狀態”。

像“預測下一個token”一樣，這條路乍一聽很熟悉，但落到機器人身上很難。因為機器人面對的不是靜態圖像，也不是可以撤回重寫的一段文本，而是一個被自己動作持續改變的物理世界。手伸出去，物體會移動；腳邁出去，重心會變化；夾爪閉合，接觸關系會發生改變。每一次動作都會改寫環境，也會改寫后續動作的可能性。

所以，世界模型對具身智能的價值，不只是讓機器人“知道世界會怎么變”，更關鍵的是讓它在行動之前先想一遍：如果我這樣做，會不會錯？這也是星源智在智源大會上發布具身交互世界模型 ω-EVA 的關鍵所在。

在模型發布前的圓桌上，星源智創始人兼 CEO 劉東預告了ω-EVA 的兩個核心點：一是目前世界上最快的、可端側部署的具身世界模型；二是把動作交互作為一個反思閉環加進去，讓模型不只預測下一個物理狀態，還能基于一個動作做出反思，選擇更正確的路線去執行。

這兩個點，正好對應了今天具身智能最現實的兩道門檻：技術上，世界模型不能只停留在論文、榜單和云端大算力里；商業上，模型必須能進入機器人本體，進入真實任務，進入交付鏈條。

星源智這家公司的特殊性也在這里。它并沒有把“世界模型”做成一個宏大的概念標簽，而是把它壓進動作決策、端側推理和商業落地里。值得一提的是，這家成立僅 10 個月、融資 10 億的具身大腦公司，已經以整體方案解決商的身份，拿下了 70% 本體廠商份額。

這讓星源智呈現出一種很特別的位置：它不是本體廠商，卻越來越多地出現在本體廠商背后；它不追逐造一臺最像人的機器人，卻試圖成為更多機器人背后的“大腦”和“端側底座”，讓它們像人一樣生產生活。

換言之，如果說具身智能行業正在從演示走向部署，那么星源智想搶占的，正是這場遷移里最關鍵的基礎設施位置。

過去討論世界模型，人們往往習慣把重點放在“預測”上。

預測下一幀視頻，預測未來狀態，預測物理變化，預測環境演化。這個方向當然重要。對于機器人來說，只有理解未來，才可能擺脫單步反應，進入連續任務。但預測本身并不等于控制，知道未來可能發生什么，也不意味著機器人一定知道現在該怎么做。

星源智這次提出的 ω-EVA，真正想推進的是后半步：讓預測進入動作修正。

模型名稱里的 EVA 分別對應 Envision、Verify、Act，也就是預演、驗證、行動。機器人先生成候選動作，再在潛在空間中預演這個動作可能帶來的后果，隨后根據這個后果反饋修正動作，最后再執行。ω 取自 Omega，指向“以終為始”的動作生成方式：不是從當前狀態一路莽過去，而是先看見動作可能導向的結果，再反過來修正當前動作。

這套邏輯和人類行動很接近。一個人端起一杯咖啡之前，并不會在腦中生成一段高清視頻，但他會隱約判斷杯子會不會晃、手腕角度是否合適、遞過去時對方能不能接住。一個熟練的工人搬動物料時，也不會每一步都重新計算物理公式，卻能預判這個動作會不會碰撞、會不會卡住、會不會影響下一步。

機器人過去缺的，恰恰是這種行動前的內在校驗，ω-EVA 把世界模型安放在這個關鍵縫隙里。

它的過程可以概括為三步：Proposal、Latent Consequence、Refinement。先提出動作，再想象后果，再重寫動作。這里的“想象”并不是生成一段給人看的未來視頻，而是在潛在特征空間里推理這個動作可能導致的結果。最后，refiner 會把當前狀態、想象后果和原始動作提案聯合起來，輸出修正后的動作片段。

這看似是一個技術細節，背后卻是世界模型角色的變化。

過去，很多世界模型更像訓練輔助工具，幫助模型形成更好的表征，或者作為離線模擬器提供額外數據。ω-EVA 想把它變成動作生成過程里的反饋模塊。世界模型不再只是回答“未來會怎樣”，還要進一步回答：“如果執行這個動作，未來會怎樣？如果這個后果不好，動作該怎么改？”

這也是星源智反復強調“交互世界模型”的原因。星源智聯合創始人孫振國表示，交互世界模型中的“交互”，核心目的是探索世界模型在實際機器人系統中的有效使用方式。目前世界模型的技術路線尚未收斂，業界仍在嘗試如何將其真正應用于最終的控制策略（policy），并提升控制效果。

他指出，如果僅將世界模型作為傳統訓練中的一個額外信號，用于約束表征空間等，其實際發揮的作用非常有限。因為引入世界模型帶來的訓練成本，遠高于它所能貢獻的那幾個百分點甚至零點幾個百分點的性能提升。在這種情況下，繼續沿著VLA路線深入探索更高效的模仿學習架構，反而更有意義。

孫振國認為，世界模型真正的核心價值在于其對未來的強大預測能力——在空間和時間維度上具備整體理解優勢，遠超單純基于VLM的VLA基座。基于這一判斷，他們提出了“交互”的概念：讓世界模型真正參與到動作決策的閉環中，通過與環境的交互，利用其對未來的預測來進一步優化當前的動作，形成反饋優化回路。這種交互機制能夠讓系統成為一個自我進化、自我提升的智能體，從而最大化地發揮世界模型的價值，同時更好地平衡開發成本與實際收益。

從這個角度看，ω-EVA 具身交互世界模型把世界模型原本強調的“預測世界”概念又往“修正行動”推了一步。并且沿著這條路走，世界模型的探索才更具落地意義，否則只會是“更燒錢”的新詞。

但具身智能的難題從來不止在算法。

一個世界模型再聰明，如果只能在云端大算力上跑，或者只能在桌面 GPU 上做演示，它離機器人真實部署仍然有很遠距離。機器人需要移動，需要避障，需要抓取，需要和環境發生連續交互。它不能每一步都等待云端返回，也不能永遠拖著一根線在實驗室里行動。

端側部署因此成了具身大腦的生死線。

劉東在專訪中提到，如果模型不能放在機器人里運行，機器人就需要依賴有線連接或無線傳輸。但真實機器人通常會搭載多個攝像頭、激光雷達和其他傳感器，要把這些數據實時傳到云端，帶寬和延遲都會成為巨大問題。更重要的是，機器人控制有頻率要求，感知、推理和執行都必須在很短時間內閉合。端側跑不起來，機器人就很難真正擺脫演示狀態。

這也是多數視頻生成式世界模型在具身場景里面臨的工程瓶頸，比如前段時間登榜的英偉達DreamZero。生成未來視頻聽起來很直觀，但對機器人控制并不經濟。機器人不一定需要一段清晰、完整、可觀看的未來影像，它更需要的是關鍵狀態變化：會不會撞、會不會掉、會不會偏、會不會影響下一步。把大量算力花在像素級未來生成上，很多時候并不能直接轉化為動作質量。

星源智選擇的是在 latent feature space 中完成后果推理。也就是說，模型保留后果推理，但不把未來解碼成完整視頻，不依賴額外的像素級模擬器或多輪 rollout 搜索。這種路線的好處是更輕，更快，也更接近端側實時控制所需的工程形態。

技術路線背后，其實是一種產業判斷：具身世界模型不能只追求看起來生成的更像未來的“世界全貌”，那只能是一種學術上的路徑探索。

如果未來預測不能進入動作修正，它只是模型內部的一種表征；如果未來預測太重，無法端側部署，它也難以成為機器人身體的一部分。真正有價值的世界模型，必須同時滿足可反饋、可重寫、可部署。可反饋，意味著預測結果要能進入控制決策；可重寫，意味著它不只是評估動作，而是能推動動作改寫；可部署，意味著它能在機器人端側實時運行。

這也是星源智把具身大腦和端側算力平臺一起做的原因。

在智源大會現場，星源智展示了圍繞機器人端側智能構建的產品體系，包括面向高性能本體部署的 N5、面向量產機器人與多類本體適配的 T5，以及面向靈活擴展與外接部署的算力背包。T5 已搭載于智元精靈 G2 等機器人本體，支持任務理解、動作規劃與實時執行；N5 則面向更高算力需求和復雜場景任務，支撐多模態感知、世界模型推理與端側閉環控制。

這種軟硬一體的路徑，決定了星源智并不只是一個“模型公司”。

它更像是具身智能時代的端側 Infra 提供者。模型、算力平臺、傳感器方案、任務理解、動作規劃、端側推理，這些能力被打包成一套可以適配不同本體的解決方案，交給本體廠商進入數采、測試和部署。

這也解釋了為什么星源智的商業敘事并不只圍繞模型參數、論文指標或單點能力展開，而是反復強調“部署態”。

因為具身智能真正的分水嶺，不能只看機器人能不能在展臺上完成一次漂亮演示，而要更多地強調它能不能在本地、實時、穩定地把感知、理解、決策和執行跑成閉環。端側部署是技術問題，也是商業問題。它決定模型能不能離開實驗室，進入客戶現場；決定機器人能不能從“能動”走向“能干”；也決定一家具身大腦公司能不能從概念提供者變成產品供應商。

劉東在圓桌上提到，接下來的一年將是機器人部署落地元年。

這句話放在今天的具身賽道里很有警醒意味。一邊，行業仍然沉浸在模型路線、數據規模、世界模型、VLA、WAM 等技術討論中；另一邊，真正進入生產環節、真實場景和客戶交付的機器人仍然不多。很多機器人還停留在 demo、評分榜單和發布會視頻里，模型在物理世界中的“體感”并不充分。

這會帶來一個問題：如果模型永遠只在實驗室里被驗證，行業很難知道技術路線到底有沒有走對。

具身智能需要長期主義，但不能無限等待一個抽象的“ChatGPT 時刻”。大語言模型的爆發有自己的路徑，機器人行業未必完全復刻。對具身智能來說，更可能出現的路徑是：先在一部分結構化、半結構化場景里打磨能力，把模型推向真實任務，再通過數據、反饋和部署形成循環。

這更像是一個從垂類開始的“Claude Code”式路徑：先把一類真實問題解決到足夠好，再逐漸外溢到更復雜的場景。

星源智的落地邏輯也沿著這條線展開。

在采訪中，劉東提到，具身落地不應該被局限在人形機器人或輪式雙臂上。任何一輛車輛、叉車、搬運設備、揀選機械臂，只要裝配了擬人化的大腦，可以像人一樣理解環境和任務，就可以成為具身設備。這個判斷很重要，它把“具身智能”的邊界從人形機器人的外觀里解放出來，重新落回“智能體與物理世界交互”的本質上。

具身叉車就是一個典型案例。叉車自動化并不是新問題，傳統方案早已存在。但在真實物流場景里，卡車形態各異，貨物形態各異，托盤狀態也不統一。傳統基于規則的方法，對位置、條件和流程的要求很高，一旦場景稍微變化，泛化能力就會不足。星源智試圖把世界模型和具身大腦放到叉車上，讓它識別不同情形，規劃卸貨邏輯，判斷先卸什么、后卸什么，避免碰撞和遺漏，再一步步執行。

在智源大會現場，星源智還展示了動態產線分揀、機器狗清潔官、機器人咖啡服務、華容道世界模型互動等場景。流水線分揀考驗的是動態目標識別、連續流程判斷和跨本體協同；機器狗清潔官考驗的是開放環境中的目標發現、路徑判斷、避障與任務狀態檢查；咖啡服務考驗的是任務鏈執行和精細操作；華容道則更直觀地展示了連續決策和后果預演。

這些展示放在一起，其實呈現的是同一條能力鏈：感知、理解、規劃、行動、反饋。這條鏈條越完整，星源智作為“具身大腦供應商”的位置越清晰。

劉東在采訪中把星源智比作行業里“賣鏟子的人”。這不是一個謙虛的說法，反而是一種很強的商業定位。具身智能的淘金熱還在早期，本體廠商眾多，路線各異，形態分散。不是每一家本體公司都有能力、資金和時間從底層模型、端側算力、傳感器方案、任務規劃到場景數據全部自研。尤其在真正銷量起來之前，全棧自研的經濟賬并不好算。

這和自動駕駛行業有相似之處。少數頭部車企會堅持自研智駕，但更多車企會選擇華為、Momenta 這樣的供應商合作。具身行業也可能出現類似分工：少數頭部本體公司全棧閉環，大多數本體廠商圍繞自己的硬件能力、制造能力和場景資源，選擇外部大腦方案。

星源智想站的就是這個位置。它自己不做本體，因此可以和更多本體廠商合作；它提供模型、端側算力平臺和端側 Infra，幫助本體廠商進入數采和部署態；它通過不同場景的數據積累，反過來增強模型和跨本體適配能力。

目前，星源智作為軟硬一體方案解決商，已覆蓋國內超過70%的頭部具?智能公司，成為英偉達Jetson Thor平臺的全球最?出貨商。

這些商業份額不只是一個市場數字，更說明具身賽道正在出現新的產業分工。本體廠商負責把身體造出來，把成本、供應鏈、形態和場景入口打磨出來；具身大腦與整體方案解決商負責把模型、端側算力和智能閉環接進去。行業不可能長期停留在每家公司都從零造全棧的階段，隨著交付壓力上升，分工會變得越來越現實。

星源智的機會，就來自這種現實。

具身賽道需要自己的“華為”

成立 10 個月，融資 10 億，拿下 70% 本體廠商份額，星源智身上有很強的速度感。

但真正值得討論的，還不是這家公司跑得有多快，而是它踩中了具身智能從技術熱潮走向產業分工的關鍵節點。過去一年，行業最熱鬧的是模型概念；接下來，行業真正要面對的是模型如何部署、如何交付、如何適配不同本體、如何進入真實任務閉環。

這也是“具身華為”這個說法有想象力的地方。

華為之于智能汽車，并不只是一個供應商，而是在整車廠之外，提供了一整套可被采用、可被交付、可被持續迭代的智能化底座。具身智能如果要走向大規模落地，也需要類似的基礎設施角色：它不一定站在臺前造每一臺機器人，但會進入越來越多機器人的身體里，成為它們理解世界、規劃任務、執行動作的共同底座。

當然，具身智能比智能汽車的場景更分散，也更難。車至少都在路上跑，而機器人要進入工廠、倉庫、家庭、公共空間、服務場景、危險作業現場。每個場景都有自己的數據、規則、物體和交互方式。正因為如此，具身大腦供應商的壁壘也不會只來自模型參數，而來自模型能力、端側工程、跨本體適配、場景數據和行業 Know-how 的復合積累。

未來的機器人行業，不會只獎勵會講故事的公司，也不會只獎勵會做 demo 的公司。真正的競爭會逐漸回到一個更樸素的問題：誰能讓機器人穩定進入真實任務，誰能讓本體廠商更快完成部署，誰能把模型從云端、論文和發布會帶到機器人的身體里。

星源智押注的，正是這個轉折點。

當世界模型從預測未來走向修正行動，當具身大腦從技術概念走向端側部署，當本體廠商從各自造腦走向產業協同，具身智能才真正開始接近它的產業化時刻。機器人部署落地元年，行業需要的不只是更大的模型，也是一批能把模型送進真實世界的人。星源智想成為的，正是這樣一個送模型下場的人。