從星海圖的生態(tài)打法，讀懂具身智能的下半場

作者：彭堃方

編輯：呂鑫燚

出品：具身研習(xí)社

“中國的具身基礎(chǔ)模型在未來兩年內(nèi)一定會做到全球第一”，星海圖 CEO 高繼揚(yáng)的這句話，大概率會應(yīng)驗。

在星海圖 2026 全球開發(fā)者大會現(xiàn)場，高繼揚(yáng)下了這個判斷。在他看來，中國具備兩條非常關(guān)鍵的產(chǎn)業(yè)鏈優(yōu)勢：一條是硬件供應(yīng)鏈，一條是數(shù)據(jù)產(chǎn)業(yè)鏈。前者會塑造整機(jī)、本體和數(shù)采設(shè)備的系統(tǒng)優(yōu)勢，后者則會在真實世界的數(shù)據(jù)閉環(huán)中催生智能。

這一判斷有充分的現(xiàn)實基礎(chǔ)。過去一段時間，具身智能產(chǎn)業(yè)一直有一種被反復(fù)提及的分工想象：中國強(qiáng)在本體和硬件，美國強(qiáng)在模型和大腦。但這種判斷正在變得片面。至少在 Ego、UMI、真機(jī)采集等真實數(shù)據(jù)范式下，疊加中國豐富的產(chǎn)業(yè)場景、制造業(yè)場景和服務(wù)業(yè)場景，中國的數(shù)據(jù)積累有機(jī)會在百萬小時、千萬小時的規(guī)模上，反過來推動具身基礎(chǔ)模型持續(xù) Scale up。

但要把產(chǎn)業(yè)優(yōu)勢真正轉(zhuǎn)化為模型優(yōu)勢，需要的不只是單點(diǎn)能力，也不是由某家公司把模型、硬件、數(shù)據(jù)都做完，打個樣本。而是把產(chǎn)業(yè)鏈優(yōu)勢內(nèi)化為生態(tài)優(yōu)勢，再用生態(tài)力量反哺產(chǎn)業(yè)成熟。

換句話說，今天具身智能的競爭，正在走向生態(tài)競爭。生態(tài)正以前所未有的力量，系統(tǒng)性地提攜智能的涌現(xiàn)。

從這個視角看，星海圖在開發(fā)者大會上的一系列動作，也就更容易理解了：開源刷新多項榜單成績的具身基礎(chǔ)模型 G0.5，聯(lián)合亦莊機(jī)器人、亦莊控股、亦莊國投發(fā)起“亦數(shù)智能”，與首批 15 家合作伙伴共建數(shù)據(jù)生態(tài)聯(lián)盟，與凱輝基金共同發(fā)起面向具身智能早期企業(yè)的產(chǎn)業(yè)基金“星途計劃”。與此同時，高繼揚(yáng)還清晰梳理了具身智能面臨的本能智能、作業(yè)智能和進(jìn)化智能三個階段，以及與之對應(yīng)的商業(yè)模式演進(jìn)，為整個行業(yè)“把脈”。

具身智能的競爭，已經(jīng)跳出單家公司、單款產(chǎn)品、單個模型的比拼。誰能把更長的鏈條組織起來，誰能把模型、硬件、數(shù)據(jù)、場景、開發(fā)者和產(chǎn)業(yè)資本更高效地連接起來，誰就更可能在下一階段獲得真正的規(guī)模效應(yīng)。

正如高繼揚(yáng)在演講最后所說，沒有任何一家公司能夠獨(dú)自定義具身智能，唯有全球開發(fā)者、客戶和產(chǎn)業(yè)伙伴攜手，才能創(chuàng)造未來。

“Build with Galaxea，讓新世界來得更快一些”。

要想讀懂具身智能、讀懂生態(tài)，首先要向內(nèi)探去。

當(dāng)下，具身智能行業(yè)最缺的，其實是對自身發(fā)展規(guī)律的深刻認(rèn)識。很長一段時間里，行業(yè)對于“規(guī)律”的理解，大多來自大語言模型的照搬。從模型要不要重語言能力，到是否應(yīng)該將單純數(shù)據(jù)規(guī)模奉為圭臬，再到商業(yè)化是否一定要等待一個“ChatGPT 時刻”，這些判斷都有 AI 時代的慣性，卻未必能完整解釋具身智能。

因為具身智能面對的是物理世界。它不只是在屏幕里生成答案，而是要在真實環(huán)境中移動、感知、操作、反饋，最終提供生產(chǎn)力。語言模型時代的很多規(guī)律有啟發(fā)意義，但一旦落到具身領(lǐng)域，就會遇到更復(fù)雜的約束。

比如，具身模型應(yīng)該把語言放在什么位置？數(shù)據(jù)規(guī)模之外，高質(zhì)量數(shù)據(jù)、真實數(shù)據(jù)、任務(wù)數(shù)據(jù)是否更關(guān)鍵？具身大腦一定要等到完全通用泛化之后，才值得進(jìn)入商業(yè)化探索嗎？機(jī)器人落地會不會像 ChatGPT 一樣，在某個時刻突然被全民感知？

這些問題過去一直懸而未決。行業(yè)里有很多技術(shù)路線，也有很多商業(yè)口號，但很少有企業(yè)能把技術(shù)和商業(yè)之間那種螺旋上升、相互激蕩的關(guān)系說清楚。

直到星海圖 WDC 大會上，高繼揚(yáng)給出了一個更接近具身智能演進(jìn)節(jié)奏的判斷。

在他看來，具身智能的發(fā)展可以拆成三重躍遷曲線：本能智能、作業(yè)智能、進(jìn)化智能。

所謂本能智能，是直接作用于本體的智能。它讓機(jī)器人學(xué)會駕馭自己的身體，像人一樣保持平衡，完成走、跑、跳等基礎(chǔ)運(yùn)動能力。對于機(jī)器人而言，這些能力看起來像“本能”，但背后往往需要強(qiáng)化學(xué)習(xí)、運(yùn)動控制、本體設(shè)計和動力模組的長期協(xié)同。

建立在本能智能之上的是作業(yè)智能。高繼揚(yáng)特別強(qiáng)調(diào)這一點(diǎn)，因為具身智能對于人類社會最重要的使命，是提供生產(chǎn)力。而生產(chǎn)力背后，一定是一個有序的作業(yè)過程。機(jī)器人不能只是會動，也不能只是會表演，它需要能夠聽懂任務(wù)、規(guī)劃過程、調(diào)用動作，并在真實環(huán)境里完成作業(yè)。

這也是星海圖從 G 系列模型開始一直重點(diǎn)推進(jìn)的方向。作業(yè)智能意味著機(jī)器人可以進(jìn)入工業(yè)、物流、零售、電商、服務(wù)等一系列具體場景。它的核心將由“類人的機(jī)器”遷移到能否完成任務(wù)，能否把智能轉(zhuǎn)化為可交付的生產(chǎn)力。

再往后，是進(jìn)化智能。

今天機(jī)器人的身體仍然主要由人類工程師設(shè)計。人類理解智能邊界，然后決定機(jī)器人應(yīng)該是輪式雙臂、單臂，還是雙足人形。但在更長遠(yuǎn)的未來，高繼揚(yáng)認(rèn)為，AI 會開始定義和設(shè)計自己的身體。到那時也會像星海圖聯(lián)合創(chuàng)始人趙行所說，進(jìn)入 Humanoid 到 Superhuman 的階段躍遷。機(jī)器人不再只是模仿人，而是根據(jù)任務(wù)生成更優(yōu)身體，甚至超越人類身體的限制。

這三重躍遷，也對應(yīng)了星海圖對于商業(yè)模式的三階段判斷：整機(jī)銷售、方案訂閱、Token 銷售。

當(dāng)行業(yè)還處于本能智能和早期作業(yè)智能階段，整機(jī)銷售是最自然的商業(yè)模式。機(jī)器人首先要賣給開發(fā)者、科研教育客戶、企業(yè)研究部門和數(shù)據(jù)采集團(tuán)隊，成為技術(shù)探索和應(yīng)用驗證的入口。

當(dāng)作業(yè)智能開始在某些場景里被驗證，商業(yè)模式就會進(jìn)入方案訂閱階段。整機(jī)會成為收費(fèi)入口，但真正的毛利來源將來自圍繞場景的智能方案。比如工業(yè)上下料、物流碼垛拆垛、電商分揀打包、零售補(bǔ)貨等任務(wù)，一旦模型能力邊界被明確，企業(yè)客戶購買的就不只是機(jī)器本體，而是一套能持續(xù)產(chǎn)生價值的作業(yè)系統(tǒng)。

再往后，當(dāng)機(jī)器人從單一場景有用走向多場景、多任務(wù)通用，收費(fèi)單元就會從方案轉(zhuǎn)向 Token。那時的機(jī)器人不再只是執(zhí)行固定任務(wù)，而會像今天的大語言模型一樣，在大量任務(wù)中調(diào)用智能能力，按智能消耗、任務(wù)復(fù)雜度和服務(wù)規(guī)模形成新的商業(yè)模型。

這套判斷的價值在于，它沒有把技術(shù)和商業(yè)割裂開來。技術(shù)能力的邊界，決定商業(yè)模式的邊界；商業(yè)化的深入，又反過來推動數(shù)據(jù)、硬件、模型繼續(xù)迭代。

所以，高繼揚(yáng)對于所謂“GPT 時刻”的判斷也很克制。他認(rèn)為，“大概率不會有那樣一個時刻。它會從 2B 開始，一個場景、一個場景地解鎖。等若干年后大家回頭看，已經(jīng)記不清具體是哪一年，但它已經(jīng)無處不在了”。

用《百年孤獨(dú)》式的開頭風(fēng)格來說，“多年后，面對遍布街頭的機(jī)器人，人類會想起最初機(jī)器人走進(jìn)生活的那個遙遠(yuǎn)下午嗎？”而這恰恰就是具身智能與大語言模型最大的不同。它的商業(yè)化不會等待一個爆發(fā)的信號，而會隨著能力邊界的逐步清晰，在真實場景里緩慢滲透、持續(xù)擴(kuò)張，最終成為新的基礎(chǔ)設(shè)施。

要看懂這一點(diǎn)，就必須厘清技術(shù)和商業(yè)之間的關(guān)系。技術(shù)不是懸浮在實驗室里的炫技，商業(yè)也不是等模型完全成熟之后才突然到來的結(jié)果。兩者會在真實世界中不斷碰撞、驗證、修正和放大。

星海圖這次給出的三階段判斷，真正重要的地方就是，它為一個仍然混沌的行業(yè)，提供了一套更貼近具身智能本身的時間表。

如高繼揚(yáng)所說，具身智能的行業(yè)規(guī)模，是隨著技術(shù)模型的能力邊界明確而加速爆發(fā)的，增速會越來越快，前景非常廣闊。

但在過去一段時間里，行業(yè)始終存在一種自我設(shè)限式的敘事：中國強(qiáng)本體，美國強(qiáng)大腦。

這句話看似是在總結(jié)分工，實際也在制造一種心理邊界。它默認(rèn)中國企業(yè)更擅長制造、供應(yīng)鏈和整機(jī)工程，美國企業(yè)更擅長模型、算法和智能。放在早期階段，這種判斷或許有現(xiàn)實依據(jù)，但如果繼續(xù)沿用到今天，就會遮蔽具身智能真正的產(chǎn)業(yè)邏輯。

在星海圖開發(fā)者大會現(xiàn)場，這種論調(diào)正在成為過去式。高繼揚(yáng)在會上說，中國有兩條鏈，一條是硬件供應(yīng)鏈，一條是數(shù)據(jù)產(chǎn)業(yè)鏈，“這兩條鏈會讓中國在兩年內(nèi)達(dá)到具身模型世界第一”。

這句話背后的關(guān)鍵，不只是對“中國供應(yīng)鏈強(qiáng)”這樣一個常識的復(fù)述，而是星海圖對具身智能閉環(huán)的重新理解。

在高繼揚(yáng)看來，整機(jī)有兩個作用：第一，整機(jī)是智能的數(shù)據(jù)載體；第二，整機(jī)是智能的商品載體。

這和大語言模型完全不同。大語言模型誕生之前，互聯(lián)網(wǎng)已經(jīng)把人類產(chǎn)生的大量文本、邏輯和知識數(shù)字化了，手機(jī)和電腦也天然成為模型運(yùn)行和傳遞的終端。但具身智能沒有這樣的現(xiàn)成條件。物理世界的數(shù)據(jù)過去并沒有被充分?jǐn)?shù)字化，也沒有一個天然存在的載體可以承接具身智能的技術(shù)表達(dá)。

所以，具身智能必須自己造載體，自己采數(shù)據(jù)，自己構(gòu)建閉環(huán)。

這也是星海圖從創(chuàng)立之初就堅持“整機(jī)+智能”的原因。整機(jī)不是單純的硬件產(chǎn)品，也不是大腦之外的附屬物。它既承載模型在物理世界中的表達(dá)，也承載真實數(shù)據(jù)的產(chǎn)生與回流。硬件供應(yīng)鏈打磨出的整機(jī)或數(shù)據(jù)采集硬件產(chǎn)品，進(jìn)入真實場景采集數(shù)據(jù)；數(shù)據(jù)產(chǎn)業(yè)鏈再對這些數(shù)據(jù)進(jìn)行采集、標(biāo)注、清洗、存儲、訓(xùn)練和回流，催生更強(qiáng)的智能；智能進(jìn)一步回落到整機(jī)之上，推動硬件能力和任務(wù)能力繼續(xù)提升。

在這個閉環(huán)里，本體和大腦的強(qiáng)弱沒有割裂，反而彼此咬合。

這里有一個點(diǎn)需要注意，星海圖他們一直堅持“智能定義本體”。智能的問題，要圍繞智能的邊界和需求去決定本體形態(tài)，而不是盲目追逐某一種造型。輪式雙臂更適合結(jié)構(gòu)化場景，能夠更早進(jìn)入科研、開發(fā)者和部分產(chǎn)業(yè)應(yīng)用；而未來要進(jìn)入通用場景和非結(jié)構(gòu)化場景，雙足人形又有不可替代的價值。這也是 Kengo 出現(xiàn)的邏輯。它不是星海圖突然轉(zhuǎn)向了“人形敘事”，而是當(dāng)公司目標(biāo)指向通用場景生產(chǎn)力時，雙足成為必須補(bǔ)上的身體形態(tài)。

這就是硬件供應(yīng)鏈的價值。它不只是降本和量產(chǎn)，也是在為智能提供更穩(wěn)定、更可控、更可定義的物理基礎(chǔ)。

當(dāng)然，真正更具挑戰(zhàn)的，是另一條數(shù)據(jù)產(chǎn)業(yè)鏈。

在星海圖 WDC 的多場圓桌中，一個非常明確的共識是：數(shù)據(jù)重要，但數(shù)據(jù)從類型到采集，再到標(biāo)注、清洗、存儲、訓(xùn)練、回流，很多環(huán)節(jié)都還沒有形成成熟共識。

今天具身智能行業(yè)談數(shù)據(jù)，已經(jīng)不再只是“有沒有數(shù)據(jù)”的問題。更復(fù)雜的問題在于：什么數(shù)據(jù)值得采？Robot Data、Human Data、EgoCentric、UMI、真機(jī)數(shù)據(jù)之間如何組合？開放場景和實驗室場景如何取舍？數(shù)據(jù)采回來之后如何清洗、標(biāo)注、評估？數(shù)據(jù)如何進(jìn)入訓(xùn)練流程？訓(xùn)練之后如何回流到真實任務(wù)里？

這條鏈條比外界想象得更長，也更混沌。也正因為如此，行業(yè)更迫切需要一位能夠整合資源、推動標(biāo)準(zhǔn)、組織生態(tài)的“鏈主”出現(xiàn)。

星海圖的野心和真心，也在這里同時顯現(xiàn)。

一方面，基金持續(xù)培育生態(tài)。過往已投項目包括GenRobot AI、MODALINK、鯨躍動力等近10家公司；今天，星海圖又與凱輝基金聯(lián)合發(fā)起“星途計劃”，以“5年、10億、100家公司”為目標(biāo)，加速具身智能生態(tài)的擴(kuò)散與生長。對于一個鏈條長、周期長、技術(shù)和場景都在高速變化的行業(yè)來說，產(chǎn)業(yè)基金不是簡單的財務(wù)動作、也不是單純的看到系統(tǒng)性機(jī)會，而是組織生態(tài)的一種方式。

另一方面，在數(shù)據(jù)產(chǎn)業(yè)鏈上，星海圖過去不僅自己有很深的真機(jī)數(shù)據(jù)采集know-how，并投資一批新形式的數(shù)據(jù)上下游公司。如今更是與亦莊揭牌“亦數(shù)智能”、打造數(shù)據(jù)生態(tài)聯(lián)盟，繼續(xù)深耕數(shù)據(jù)全鏈路的工作。如今，星海圖又聯(lián)合亦莊機(jī)器人、亦莊控股、亦莊國投共同發(fā)起“亦數(shù)智能”，圍繞物理世界百萬小時到千萬小時的數(shù)據(jù)積累展開工作，并邀請首批 15 家合作伙伴加入數(shù)據(jù)生態(tài)計劃，以數(shù)據(jù)生態(tài)的方式加速整個行業(yè)發(fā)展。

除了數(shù)據(jù)生態(tài)，G0.5 的開源同樣值得重視。星海圖公布 G0.5 全球眾測計劃，開放這個在多項榜單刷新成績的模型，并歡迎全球開發(fā)者開箱即用地測試。這對于模型研究、任務(wù)驗證和行業(yè)共識形成都會有裨益。因為具身基礎(chǔ)模型不像語言模型那樣可以在統(tǒng)一文本環(huán)境里快速評測，它必須接受不同本體、不同場景、不同任務(wù)的檢驗。越多開發(fā)者參與測試，模型邊界就越清晰，行業(yè)也越容易形成共同語言。

至此，星海圖的生態(tài)打法已經(jīng)浮出水面。

面對更廣闊的具身智能市場，星海圖知道“眾行遠(yuǎn)”。正如高繼揚(yáng)在演講中所說，這個行業(yè)鏈條長、周期長，很多事并不是星海圖擅長的，特別需要各類伙伴一起合作才能做好。產(chǎn)業(yè)成功的時候，也不會是一家企業(yè)的成功，而會是一批企業(yè)的共同成功。

這或許正是今年具身智能產(chǎn)業(yè)的一個重要轉(zhuǎn)折點(diǎn)。企業(yè)之間單純的產(chǎn)品內(nèi)卷、概念內(nèi)卷、資源消耗，正在越來越難支撐下一階段競爭。真正重要的，是生態(tài)共建，是把產(chǎn)業(yè)鏈中分散的能力重新組織起來，讓數(shù)據(jù)、模型、硬件、場景、資本、開發(fā)者形成更大的飛輪。

今天再看具身智能行業(yè)，會有幾個非常鮮明的感受。

第一，行業(yè)技術(shù)變化周期越來越快。很多公司過一段時間再看，已經(jīng)“相看不相識”。一家公司去年還在講本體，今年開始講數(shù)據(jù)，明年又換成世界模型或類腦智能。技術(shù)風(fēng)向變化太快，企業(yè)敘事也跟著頻繁切換。

第二，很多公司的技術(shù)底色和產(chǎn)品矩陣并不一致。有些公司表面上產(chǎn)品鋪得很開，但內(nèi)在邏輯并不清晰。做硬件、做模型、做數(shù)據(jù)、做應(yīng)用，看似都在布局，實際上缺少一條能夠貫穿所有動作的主線。換句話說，它們還沒有真正想清楚自己要做什么，只是在某一股技術(shù)風(fēng)刮來后順勢而動。

星海圖也曾經(jīng)被外界這樣誤讀。高繼揚(yáng)在演講中笑著調(diào)侃：“2024 年很多人說星海圖是賣硬件的，2025 年我們開始搞數(shù)據(jù)了，很多人又說星海圖是搞數(shù)據(jù)的、賣數(shù)據(jù)的。”

說實話，到了 2026 年再看，星海圖仍然容易讓人產(chǎn)生一種“錯亂感”。比如它做輪式雙臂，也做 Kengo 雙足人形；它發(fā)布 GOD 數(shù)據(jù)集，也發(fā)布 G0、G0 Plus、G0.5 等具身基礎(chǔ)模型；它自研或共研動力模組，也投資了一批上下游企業(yè)；它既服務(wù)開發(fā)者和科研客戶，也開始搭建數(shù)據(jù)生態(tài)和產(chǎn)業(yè)基金。

但高繼揚(yáng)隨后給出了一個更清晰的答案：“星海圖所有的路徑都是圍繞著具身智能的生產(chǎn)力、具身智能的基礎(chǔ)模型而展開的。”

這句話，是重新理解星海圖的入口，高繼揚(yáng)用三句話定義了今天的星海圖。

第一句話，“星海圖首先是一個具身智能大腦企業(yè)”。

在星海圖的路線中，做具身智能基礎(chǔ)模型的預(yù)訓(xùn)練，一直是堅定不移的核心。之所以如此重視基礎(chǔ)模型預(yù)訓(xùn)練，是因為它會帶來一種不同于傳統(tǒng)制造業(yè)的規(guī)模效應(yīng)。高繼揚(yáng)用了一個很有意思的對比：歷史上大部分成熟行業(yè)的規(guī)模效應(yīng)，來自于“造得越多越便宜”；而人工智能企業(yè)真正的規(guī)模效應(yīng)，來自于“學(xué)得越多越聰明”。

今天很多機(jī)器人公司談量產(chǎn)，往往強(qiáng)調(diào)大規(guī)模量產(chǎn)之后成本會下降。但降本并不會自動讓機(jī)器人變聰明，也無法直接解決機(jī)器人走進(jìn)生產(chǎn)生活的問題。

便宜的機(jī)器人如果不能完成任務(wù)，依然只是低成本的機(jī)器；只有基礎(chǔ)模型能力不斷攀升，機(jī)器人才有可能打開更多場景和市場邊界。

第二句話，“具身智能不是一個純軟的智能”。

這意味著星海圖不排斥硬件，也不把硬件看成模型之外的附屬品。大語言模型時代的技術(shù)慣性，確實讓很多人習(xí)慣于從純軟件、純模型的角度理解 AI。但具身智能最大的不同就在于，它必須擁有物理載體，必須在物理世界中交互，必須通過身體去感知、行動、反饋和學(xué)習(xí)。

沒有身體，具身智能就無法構(gòu)建真實閉環(huán)。這也是為什么星海圖從創(chuàng)業(yè)第一天就堅持“整機(jī)+智能”。他們沒有從更舒適、更熟悉的智能開始，而是先做整機(jī)，開辟輪式雙臂品類。后來又發(fā)現(xiàn)整機(jī)性能受到動力模組制約，于是繼續(xù)深入動力單元。據(jù)了解，星海圖目前80%的動力單元是自研或者和產(chǎn)業(yè)伙伴共研的，而動力單元本身也是支撐模型發(fā)揮性能的關(guān)鍵。包括再往后，為了進(jìn)入非結(jié)構(gòu)化場景，星海圖又推出雙足機(jī)器人 Kengo。顯而易見，軟硬一體是星海圖的技術(shù)底色。

第三句話，“在做具身大腦的技術(shù)路徑上，星海圖是國內(nèi)最早押注真實數(shù)據(jù)的企業(yè)之一”。

從 2023 年創(chuàng)業(yè)之初，星海圖就堅定判斷：真實數(shù)據(jù)是通往未來最重要的路徑。今天看，這條路徑正在被越來越多企業(yè)驗證。

真實數(shù)據(jù)并不是一個單一概念。它內(nèi)部也有層次，從最頂端、最難獲取的機(jī)器人操作數(shù)據(jù)，到人類數(shù)據(jù)、EgoCentric 數(shù)據(jù)、UMI 數(shù)據(jù)，甚至包括真機(jī)在真實場景中的任務(wù)回流數(shù)據(jù)。不同類型的數(shù)據(jù)，對模型能力的貢獻(xiàn)不同，采集難度、清洗難度、訓(xùn)練價值也不同。

星海圖在這條路徑上的布局很早，也很完整。它自己做整機(jī)和真機(jī)數(shù)據(jù)采集，發(fā)布開放場景數(shù)據(jù)集 GOD，推出 G 系列基礎(chǔ)模型，投資數(shù)據(jù)上下游企業(yè)，又聯(lián)合亦莊成立亦數(shù)智能、發(fā)起數(shù)據(jù)生態(tài)聯(lián)盟。今天這些動作連在一起，實際上是在不斷重描公司的底色：星海圖要做的不是單點(diǎn)數(shù)據(jù)生意，而是圍繞真實數(shù)據(jù)建立具身基礎(chǔ)模型的長期閉環(huán)。

把這三句話放在一起，星海圖的系統(tǒng)性復(fù)雜才真正顯現(xiàn)出來。

它首先是大腦企業(yè)，所以堅持基礎(chǔ)模型預(yù)訓(xùn)練，追求“學(xué)得越多越聰明”的智能規(guī)模效應(yīng)；它又不是純軟企業(yè)，所以必須深入整機(jī)、本體、動力模組和供應(yīng)鏈，讓智能擁有物理載體；它還長期押注真實數(shù)據(jù)，所以必須進(jìn)入開放場景、構(gòu)建數(shù)據(jù)閉環(huán)、組織數(shù)據(jù)生態(tài)。

大腦、硬件、數(shù)據(jù)，最終都指向同一件事：生產(chǎn)力。

通過大腦的研發(fā)，星海圖賦能硬件；硬件進(jìn)入真實世界，主動交互、參與改造，并持續(xù)產(chǎn)生真實數(shù)據(jù)；數(shù)據(jù)再回到基礎(chǔ)模型訓(xùn)練中，催生更強(qiáng)的大腦。如此循環(huán)之后，模型、硬件、數(shù)據(jù)彼此激蕩，最終讓機(jī)器人真正走進(jìn)人類生產(chǎn)生活。

這也是為什么星海圖今天看起來復(fù)雜，卻并不混亂。復(fù)雜來自具身智能本身的系統(tǒng)性，來自它必須同時處理軟件、硬件、數(shù)據(jù)、場景和商業(yè)化；不混亂則來自一條明確主線：圍繞具身智能基礎(chǔ)模型，構(gòu)建通向生產(chǎn)力的閉環(huán)。

生態(tài)競爭，才是具身智能的下一場硬仗

具身智能走到今天，行業(yè)已經(jīng)很難再依靠某個單點(diǎn)突破完成躍遷。

一個更強(qiáng)的模型，很重要；一臺更好的本體，也很重要；更便宜的供應(yīng)鏈、更豐富的真實數(shù)據(jù)、更清晰的場景、更活躍的開發(fā)者社區(qū)，同樣重要。問題在于，這些要素分散在不同公司、不同產(chǎn)業(yè)環(huán)節(jié)和不同場景之中。誰能把它們組織起來，誰才有機(jī)會真正推動具身智能跨過從演示到生產(chǎn)力的門檻。

如果說過去兩年，具身智能行業(yè)最重要的關(guān)鍵詞是“路線”，大家爭論 VLA、世界模型、類腦智能，爭論輪式、足式、人形，爭論仿真數(shù)據(jù)還是真實數(shù)據(jù)；那么接下來，關(guān)鍵詞會越來越接近“組織”。誰能組織數(shù)據(jù)，誰能組織供應(yīng)鏈，誰能組織場景，誰能組織開發(fā)者，誰能組織資本和產(chǎn)業(yè)伙伴，誰就更可能把技術(shù)進(jìn)步轉(zhuǎn)化為真實世界里的規(guī)模化生產(chǎn)力。

技術(shù)競爭會繼續(xù)存在，但技術(shù)不再孤立發(fā)生。它會越來越嵌入生態(tài)之中，被生態(tài)放大，也被生態(tài)檢驗。

從開發(fā)者大會看下來，星海圖今天不只是一個具身基礎(chǔ)模型企業(yè)的身份，也不只是一個同時擁有模型和本體的公司標(biāo)簽。它真正想回答的是：在具身智能這個鏈條極長、周期極長、復(fù)雜度極高的行業(yè)里，如何把分散的產(chǎn)業(yè)力量組織成一個能夠持續(xù)進(jìn)化的系統(tǒng)。

未來的具身智能，不會由某家公司獨(dú)自定義。它會在模型、硬件、數(shù)據(jù)、場景和開發(fā)者共同參與的生態(tài)中長出來。而星海圖正在做的，是讓這個新世界來得更快一些。