對話星海圖CEO高繼揚(yáng)：機(jī)器人價值不在會翻跟頭，當(dāng)下尚無企業(yè)實(shí)現(xiàn)生產(chǎn)力場景下大規(guī)模有效作業(yè)

出品｜搜狐科技

作者｜常博碩

“結(jié)硬寨，打呆仗”，這是高繼揚(yáng)在接受采訪時引用的一句曾國藩的名言。

這句話是曾國藩帶領(lǐng)湘軍鎮(zhèn)壓太平天國時的核心戰(zhàn)術(shù)。1854年，湘軍初戰(zhàn)，曾國藩率領(lǐng)一群臨時拼湊起來的湖南團(tuán)練出征，接連敗北，被太平軍打得狼狽不堪，甚至一度投水自盡。

但在那種境遇之下，面對部下急于求成、渴望奇謀制勝的焦躁情緒，他卻堅持結(jié)硬寨，打呆仗。

所謂“結(jié)硬寨”，是每到一地，先挖壕溝、筑營壘，把后路和補(bǔ)給穩(wěn)穩(wěn)扎牢。“打呆仗”則是說不貪奇襲、不賭運(yùn)氣，不指望一戰(zhàn)定乾坤，而是用最笨的辦法，一寸一寸向前推進(jìn)。

后人回望曾國藩，看到的是平定亂局后的功名。但真正支撐他走出低谷的，是耐心。知道什么能做，什么不能做，知道哪些仗必須打，哪些勝利不能急。

170多年后，這句話被高繼揚(yáng)帶回了當(dāng)下的具身智能行業(yè)。

2023年夏天，高繼揚(yáng)、趙行（星海圖首席科學(xué)家）和羅天奇（星海圖CFO）從一家上海投資機(jī)構(gòu)走出來。那次路演最終并沒有拿到投資，但后來被高繼揚(yáng)反復(fù)提及，稱之為“一切的起點(diǎn)和原點(diǎn)”。

彼時，“具身智能”還是一個陌生詞匯，市場上更流行的叫法是“人形機(jī)器人”。激昂與迷茫交織，是許多創(chuàng)業(yè)者共同的情緒。但高繼揚(yáng)說，有兩件事他們從第一天起就想得很清楚，而且至今沒有改變。

第一，具身智能的未來是“一腦多形”。雙足人形不會是唯一答案，輪式、單臂、雙臂，乃至未來尚未出現(xiàn)的新形態(tài)，都只是智能的不同載體。

第二，具身智能真正的長期壁壘，不在于某個炫目的Demo，而在于物理世界的數(shù)據(jù)閉環(huán)。而要建立這個閉環(huán)，必須堅持“整機(jī)+智能”。

2023年，星海圖獲得IDG資本和百度風(fēng)投的天使輪投資；2025年完成A輪系列融資；2026年上半年，B輪和C輪融資完成，總?cè)谫Y額超過25億元，估值突破200億元。

資本的追逐之外，星海圖的版圖也在迅速擴(kuò)張。

從輪式雙臂整機(jī)切入，為了突破整機(jī)性能瓶頸，他們又開始自研動力模組。意識到數(shù)據(jù)的重要性后，他們建立開放場景數(shù)據(jù)采集體系，隨后發(fā)布全球首個開放場景操作數(shù)據(jù)集GOD，以及基于開放數(shù)據(jù)訓(xùn)練的具身基礎(chǔ)模型G0。 2026年初推出萬物抓取模型G0 Plus，半年后，升級版G0.5在全球六大榜單躋身第一梯隊，與此同時，他們又推出首款雙足機(jī)器人Kengo，補(bǔ)齊了非結(jié)構(gòu)化場景的拼圖。

短短三年，這家公司經(jīng)歷了外界認(rèn)知的數(shù)次變化。

有人說它是賣硬件的公司，有人說它是做數(shù)據(jù)的公司，也有人將其歸類為基礎(chǔ)模型公司。但在高繼揚(yáng)看來，這些標(biāo)簽都只是階段性的投影。

“我們所有路徑，都是圍繞具身智能的生產(chǎn)力展開的。”生產(chǎn)力是高繼揚(yáng)在2026年星海圖開發(fā)者大會上頻繁提到的詞。

在高繼揚(yáng)的構(gòu)想里，具身智能的發(fā)展并非一蹴而就，而是一場漫長的接力。它會先經(jīng)歷開發(fā)者市場和展演市場，隨后進(jìn)入真正的生產(chǎn)力場景：工業(yè)上料、物流分揀、電商打包，再從厘米級精度邁向毫米級精度，進(jìn)入制造業(yè)裝配、檢測、插拔，最終跨越結(jié)構(gòu)化場景，走向農(nóng)業(yè)、建筑業(yè)等非結(jié)構(gòu)化環(huán)境。

商業(yè)模式也將隨之演變：從整機(jī)銷售，到方案訂閱，再到Token收費(fèi)。

那意味著，今天行業(yè)里爭論的許多問題比如銷量、訂單規(guī)模、Benchmark排名等等，其實(shí)都只是序章。真正決定勝負(fù)的是誰能率先完成從展演市場到生產(chǎn)力的跨越。

這也是為什么，在整個行業(yè)不斷追逐“絕對第一”的時候，高繼揚(yáng)反而顯得有些克制。

他承認(rèn)泡沫存在，也承認(rèn)資本的重要性，但他認(rèn)為：“在整機(jī)銷售階段，如果為了沖銷量第一而惡性競爭，很多時候得到的不是資產(chǎn)，而是負(fù)債。”

以下為本次對話精編：

數(shù)據(jù)決定上限

具身智能的“軍備競賽”才剛剛開始

媒體：現(xiàn)在行業(yè)里有一些聲音把VLA和世界模型（WIM）對立起來，想請教一下，兩類模型的數(shù)據(jù)到底能不能通用？

高繼揚(yáng)：我們一直不認(rèn)為VLA和世界模型是對立關(guān)系，它們是同源共生，而且未來一定會越來越融合。無論訓(xùn)練VLA還是訓(xùn)練世界模型，底層邏輯其實(shí)都一樣：把多模態(tài)數(shù)據(jù)轉(zhuǎn)化成Token，通過多層Transformer編碼，再通過不同的監(jiān)督和訓(xùn)練方式得到輸出。從這個角度來看，底層數(shù)據(jù)本質(zhì)上是可以混用的。

媒體：目前行業(yè)普遍采用真實(shí)數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練。真實(shí)數(shù)據(jù)成本很高，未來會不會大量轉(zhuǎn)向仿真？另外，對于類腦路線，您怎么看？

高繼揚(yáng)：至少在100萬小時之前，我們看不到使用仿真數(shù)據(jù)的必要性。現(xiàn)在的預(yù)訓(xùn)練基本全部采用真實(shí)數(shù)據(jù)，而且未來很長一段時間，我們?nèi)匀粫猿诌@一點(diǎn)。因?yàn)檎鎸?shí)數(shù)據(jù)能夠更快、更有效地覆蓋剛才提到的四個維度。如果數(shù)據(jù)質(zhì)量不好，再多算力也訓(xùn)不出好模型。

具體來看，Human-centric Data采集成本大約是每小時50至100元；Robot-centric遙操作數(shù)據(jù)大約250元每小時。綜合下來，平均每小時100至150元。100萬小時的數(shù)據(jù)，大約需要1億到2億元人民幣。相比今天大模型每年數(shù)億美元的算力投入，這筆錢不僅值得花，而且必須花。

媒體：數(shù)據(jù)能不能成為一種標(biāo)準(zhǔn)化商品？未來會不會出現(xiàn)專門賣具身數(shù)據(jù)的公司？

高繼揚(yáng)：從商業(yè)模式上看，是成立的。但具身智能有一個特殊性：數(shù)據(jù)采集、采集設(shè)備和模型訓(xùn)練之間耦合得太緊密了。很多時候，數(shù)據(jù)采回來之后才發(fā)現(xiàn)這里有問題、那里有問題，需要算法團(tuán)隊、運(yùn)營團(tuán)隊和數(shù)采團(tuán)隊不斷迭代，才能把數(shù)據(jù)質(zhì)量提上去。所以理論上可以形成標(biāo)品，但實(shí)際業(yè)務(wù)過程中，這三者必須深度協(xié)同。

媒體：今年百萬小時、未來千萬小時的數(shù)據(jù)目標(biāo)，具體怎么實(shí)現(xiàn)？數(shù)據(jù)量上來之后，模型能力會發(fā)生什么變化？

高繼揚(yáng)：整個行業(yè)其實(shí)已經(jīng)不止一家企業(yè)邁向百萬小時數(shù)據(jù)規(guī)模。對我們來說，實(shí)現(xiàn)路徑主要有兩種。

第一種是眾包采集，大家在日常工作、生活中佩戴設(shè)備進(jìn)行伴隨式采集，比如生產(chǎn)場景中的作業(yè)數(shù)據(jù)；第二種是外包采集，針對特定任務(wù)和場景，組織專門人員完成專項(xiàng)采集。兩種模式結(jié)合，實(shí)現(xiàn)規(guī)模化放量。

數(shù)據(jù)量增加并不會直接提升執(zhí)行速度。預(yù)訓(xùn)練解決的是泛化能力問題，也就是到了一個新場景、新任務(wù)，即使動作很慢，但至少知道該怎么做；后訓(xùn)練解決的是效率問題，通過專項(xiàng)訓(xùn)練把速度提上去。簡單來說，預(yù)訓(xùn)練解決“會不會”，后訓(xùn)練解決“快不快”。

媒體：不同企業(yè)對數(shù)據(jù)的理解不同，這種認(rèn)知差異會不會成為未來競爭壁壘？

高繼揚(yáng)：一定會。未來99%的具身智能數(shù)據(jù)都是Private Data，也就是私有數(shù)據(jù)。誰的數(shù)據(jù)更好、誰更懂?dāng)?shù)據(jù)，最終就會形成模型能力上的差距。模型能力的差距，又會傳導(dǎo)到應(yīng)用效果，應(yīng)用效果最終會傳導(dǎo)到商業(yè)價值，這是一個完整鏈路。所以未來具身智能模型制高點(diǎn)的競爭，很大程度上就是數(shù)據(jù)認(rèn)知能力的競爭。

在腦不在形：

機(jī)器人的價值，不在于會不會翻跟頭

媒體：具身智能競爭的關(guān)鍵，到底是世界模型、大小腦協(xié)同，還是自然語言理解？

高繼揚(yáng)：我們創(chuàng)業(yè)最早就提出過兩個觀點(diǎn)：第一，“一腦多形”；第二，“在腦不在形”。沒有大腦驅(qū)動，再好的形體也只是破銅爛鐵。整個行業(yè)真正的突破，一定來自具身基礎(chǔ)模型和具身大腦的突破。只有大腦突破了，整機(jī)、零部件、應(yīng)用和分銷體系才會被真正帶動起來。所以我認(rèn)為，具身大腦才是這個行業(yè)真正的核心。

媒體：整機(jī)和智能，哪個更重要？

高繼揚(yáng)：我們的戰(zhàn)略一直是“整機(jī)+智能”。真正釋放物理世界生產(chǎn)力，只有模型是不夠的。整機(jī)必須具備可靠性、一致性和負(fù)載能力；而智能則決定了它到底能干什么活。從商業(yè)成功的角度來看，兩者缺一不可。如果非要說區(qū)別，那就是研發(fā)投入上，智能遠(yuǎn)遠(yuǎn)高于整機(jī)，大概會差一個數(shù)量級。

媒體：星海圖原本是一家偏“大腦”的公司，現(xiàn)在開始做雙足機(jī)器人Kengo。它的關(guān)節(jié)模組有哪些亮點(diǎn)？對于萬元級人形機(jī)器人的價格怎么看？作為第一款雙足產(chǎn)品，您對它的期待是什么？

高繼揚(yáng)：很多人會好奇，一家做基礎(chǔ)模型的公司，為什么還要親自下場做機(jī)器人本體？

我的答案是：整機(jī)和供應(yīng)鏈?zhǔn)怯邢抻螒颍悄芎蛻?yīng)用才是無限游戲。但如果前面的有限游戲做不好，也沒有機(jī)會進(jìn)入后面的無限游戲。

具體到Kengo，我們在關(guān)節(jié)模組上采用的是整機(jī)EC通信方案。行業(yè)里常見的是CAN通信、485通信，而EC通信最大的優(yōu)勢是同步性最好，但研發(fā)難度也更高。為了實(shí)現(xiàn)EC通信，我們在中空設(shè)計、電機(jī)、電磁仿真、減速器等方面做了很多優(yōu)化。從整體性能來看，我們認(rèn)為已經(jīng)進(jìn)入行業(yè)第一梯隊。

未來兩年左右，無論是雙足還是輪式雙臂，硬件成本都會穩(wěn)定在1萬美元左右，甚至更低。如果一個機(jī)器人能夠完整承擔(dān)一個崗位的工作，發(fā)達(dá)國家一個崗位每年的勞動力成本是4萬到5萬美元，除去硬件成本以后，剩余的價值空間，其實(shí)都是智能創(chuàng)造出來的。真正的空間，不在整機(jī)，而在智能。

媒體：為什么要做Kengo？雙足機(jī)器人的意義到底是什么？

高繼揚(yáng)：過去無論做世界模型還是VLA，大多數(shù)能力都集中在雙臂操作上。但未來一定會走向Locomanipulation（移動操作）和Whole-body Manipulation（全身操作）。也就是說，從雙臂智能走向全身智能。只有這樣，機(jī)器人才真正有機(jī)會進(jìn)入非結(jié)構(gòu)化空間。我們做Kengo，就是希望基于本能智能、作業(yè)智能和進(jìn)化智能不斷迭代，最終把機(jī)器人從“會干活”推進(jìn)到“真正理解并適應(yīng)復(fù)雜世界”。

媒體：Kengo未來會優(yōu)先落地在哪些場景？

高繼揚(yáng)：本能智能最初階段，主要依靠強(qiáng)化學(xué)習(xí)。這個階段機(jī)器人能做什么？跑、跳、翻、跳舞，更多是展演展示價值，也可以通過租賃等方式完成商業(yè)化。

下一階段，一個非常重要的能力是全身遙操作（Human Tracking）。如果這個能力成熟，每個人都可能擁有自己的“遠(yuǎn)程化身”。比如我坐在辦公室，就能遠(yuǎn)程操控另一個機(jī)器人，在儲能站、電站等危險環(huán)境中工作。再往后，本能智能會和作業(yè)智能逐漸融合，進(jìn)入非結(jié)構(gòu)化場景，完成更復(fù)雜的重作業(yè)。

但另一方面，我們也必須承認(rèn)，80%的現(xiàn)實(shí)世界仍然是結(jié)構(gòu)化場景。在平地上搬運(yùn)、分揀、打包，輪式雙臂往往比雙足效率更高、成本更低。所以并不是所有場景都需要雙足。未來一定是多種形態(tài)并存。

真正的星辰大海還沒展開：

生產(chǎn)力市場規(guī)模是今天的幾萬倍

媒體：宇樹去年已經(jīng)實(shí)現(xiàn)了較高營收，這是否意味著具身智能已經(jīng)進(jìn)入真正的商業(yè)化階段？

高繼揚(yáng)：今天整個行業(yè)看到的銷售，幾乎全部還是整機(jī)銷售。目前真正成熟的市場，其實(shí)只有兩個：第一，開發(fā)者和科研教育市場；第二，展演娛樂市場。宇樹在展演娛樂市場遙遙領(lǐng)先，這是事實(shí)。

但真正的生產(chǎn)力市場還沒有打開，目前沒有任何一家企業(yè)真正實(shí)現(xiàn)了在生產(chǎn)力場景中的大規(guī)模有效作業(yè)。而這個市場的規(guī)模，是今天開發(fā)者市場和展演市場的幾萬倍。真正的星辰大海，還沒有展開，因?yàn)檫@個市場對應(yīng)的是GDP背后的生產(chǎn)活動，它真正有機(jī)會重寫整個生產(chǎn)體系。

媒體：工業(yè)會是星海圖未來最重要的方向嗎？

高繼揚(yáng)：我們不會局限在某一個細(xì)分市場。我們對商業(yè)化的概括是：從開發(fā)者到生產(chǎn)力。

生產(chǎn)力無處不在，我們的產(chǎn)品未來也會無處不在。制造業(yè)只是開始，而不是終點(diǎn)。

媒體：您為什么不追求現(xiàn)階段的絕對第一？

高繼揚(yáng)：因?yàn)楝F(xiàn)階段的“第一”，很多時候意義不大。我們當(dāng)然追求增長。今年銷售額會比去年增長數(shù)倍，去年比前年增長了十倍。但在整機(jī)銷售階段，如果為了沖銷量第一而惡性競爭，很多時候得到的不是資產(chǎn)，而是負(fù)債。真正值得爭奪的是第二階段——智能驅(qū)動的商業(yè)化階段。那個階段的第一，才真正有價值。

媒體：數(shù)據(jù)和訓(xùn)練投入越來越高，具身智能會不會太燒錢？

高繼揚(yáng)：融資路徑和支出路徑，其實(shí)是兩回事。融資上，要順應(yīng)資本周期。在資本市場好的時候盡量儲備資源。支出上，具身智能背后的驅(qū)動力是：Scaling Law。

什么叫Scaling？今年投入是1，明年是5，后年是20，再往后是100，這叫Scaling。

如果今年是1，明年1.2，后年1.4，那就不是。AI的發(fā)展決定了投入一定是指數(shù)級增長，而不是線性增長，不能用傳統(tǒng)創(chuàng)業(yè)公司的邏輯，來理解AI公司的投入節(jié)奏。

運(yùn)營編輯 | 曹倩 審核｜孟莎莎