“在整机销售的大阶段里面冲一个绝对的量，更多是负债，而不是资产。”

“在商业化上，从开发者到生产力，坚定地按照这个规律去做，不要过度地追求不符合这个阶段的商业化。其实很多时候过度追求不符合这个阶段的商业化，不是资产，而是负债。”

“具身智能在脑不在形。没有大脑的驱动，形体就是一个破铜烂铁。”

这是6月16日，星海图首届开发者大会上，星海图创始人兼CEO高继扬抛出的一系列与具身智能行业的判断和结论。

在今早现场，星海图发布一系列新消息：

1、新一代具身基础模型G0.5，

2、首次展示成立三年来的首款双足人形机器人“行客Kengo”

3、宣布今年上半年已完成B轮、C轮累计25亿元融资，公司估值突破200亿元。

4、联合北京亦庄共建的数据公司“亦数智能”正式揭牌，并启动100万小时超高质量真实数据计划，该计划未来三年将从百万小时迈向千万小时。

5、联合凯辉资本成立早期创业伙伴计划“星图计划”等，目前该计划已投资破壳机器人、简智机器人等，启动投资一年内，账面综合回报超5倍。“不仅是财务回报，更是对未来的投票。”

未来5年，该计划希望投资 10 亿人民币，覆盖 100 家公司，投资方向为下一代核心技术、数据驱动的具身智能、核心零部件和下游场景应用突破。

在高继扬看来，外界过去对星海图有过不同判断。

2024年，有人说星海图是硬件公司，2025年又有人说星海图是数据公司。但他认为，星海图所做的一切，都是围绕具身智能生产力和具身智能基础模型展开。

过去两年，星海图以“反共识”路线，交出了一份成绩斐然的答卷：

2025年第一季度，星海图推出的R1 Pro、R1 Lite已进入北美、欧洲、日本、韩国、新加坡等全球市场，成为轮式双臂品类的全球标杆。

去年8月发布的全球首个具身智能开放场景操作数据集GUD（包含500小时、10TB真实操作数据），上线一个月左右，全球下载量超过50万次，接近60万次。

星海图发布的G0.5模型，更是在数据量、算法架构和落地泛化性上实现全面突破，登顶球六大具身智能榜单，稳居国际第一梯队、国内第一。

随着首款双足机器人发布，高继扬表示， 星海图成为国内唯一同时拥有顶尖模型和顶尖本体的具身智能企业。

当然，高继扬也表示： 我们并不追求在第一个阶段搞一个特别大的商业化，因为这件事意义不大。

对于未来星海图的技术路线，高继扬、星海图首席科学家赵行都对此进行了展望：

从本能智能，到作业智能，再到进化智能。

先让机器人人使用整个身体拓展工作边界，再让机器人提供生产力，最终让AI重新定义机器人的形态。

发布会后，高继扬与包括智能纪元AGI在内的媒体进行了群访，坦诚回答了诸多话题。以下为摘取的10个关键问题的整理：

问：星海图有围绕 AI 和数据的模型，这两个模型数据是否通用？如何看待世界模型和VLA被对立的行业声音？

高继扬：今年行业内出现一种声音，将世界模型和 VLA 模型对立起来，但其实我们一直不认为世界模型和VLA这两个路线是对立的，它们是同源共生，而且未来会越来越走向融合。

训练VLA也好、训练世界模型也好，底层都是把输入数据变成了Token，用多层的Transformer去做编码。从这种角度来说，所有数据都是可以混用的。

数据这件事，本质上我们采数据，其实是为了能够铺满四个空间或者四个维度：

第一个维度是动作，做什么动作；第二个维度是操作什么对象；第三个维度是场景，在什么场景里做这样的事；第四个是本体维度。

这么多种不同采集方式，是为了更快更有效把四维度不同类型数据全部铺满、全部采集到。但最终这个机器人，模型还是部署到机器人本体上，机器人本体形态数据也是需要的。

问：宇树去年已经有明显营收，是否意味具身智能机器人行业商业模式已经形成明显差距？我们该如何跨过装机量门槛？

高继扬：首先目前整个行业，主流销售模式依旧以整机销售为核心，还没有企业真正实现依靠方案能力、生产力服务完成产品销售。

现阶段行业内相对成熟的市场主要分为两类，一类是开发者、科教研领域，另一类是表演娱乐领域。

客观来讲，我们在展演娱乐市场处于行业领先位置。

本身这个市场在重写GDP，今天所有GDP背后其实都是某种形式的生产，生产力市场才是行业真正的蓝海。 所以我并不认为当前行业已经出现商业模式上的差距，因为真正的市场空间还未被打开。

问：预训练阶段大部分用真机数据，会不会存在成本压力？很多友商不讨论VLA、不讨论世界模型，呼吁做类脑，您怎么看？

高继扬：首先回答数据相关问题，目前我们的模型预训练全部使用真实数据，基本没有使用仿真数据。在未来很长一段时间内，至少在完成 100 万小时真实数据积累之前，我们都没有使用仿真数据的计划。

原因在于，真实数据能够更快、更全面地补齐前面提到的四大数据维度，实用性和有效性远高于仿真数据。

其次聊一下成本问题。

我一直认为，行业不能只盯着单一的数据成本，而要关注 智能总成本。打造智能体系的总成本分为三部分：数据成本、算力成本、研发人力成本。

抛开人力成本不谈，根据我们的实践经验，投入 1 元的数据成本，至少需要搭配 10 元的算力成本才能完成有效训练。

AI 行业有句俗话：输入低质量的数据，训练出的模型必然达不到使用标准。因此在扩充数据量之前，优先保障数据质量是核心，而真实数据就是最高质量的数据，真实数据又分为真机数据与真人数据。

再细化单项成本：真人操作类数据，综合成本大约在 50~100 元 / 小时，会根据地区差异有所浮动；机器人真机操作类数据，算上人工、设备折旧等费用，成本大约在 250 元 / 小时。

目前市面上同类真机数据对外售价在 300-350 元 / 小时，行业普遍有 10%-20% 的毛利。

综合来看，行业数据服务定价基本在 100-150 元 / 小时。以此计算，完成 100 万小时的数据采集，整体投入大约在 1-2 亿元人民币。对比来看，行业内大模型每年的算力支出都达到数亿美金级别，一两亿的数据投入是必要支出，性价比很高。

问：当下人形机器人行业普遍打起价格战，您认为什么样的价格区间更适合商业化落地，公司在成本控制上有哪些举措？万元级人形机器人如何控制成本？

高继扬：首先介绍关节模组。参与这款人形机器人产品研发的还有众多产业链合作伙伴，涵盖电机、齿轮、减速器、壳体等多个领域供应商。

在设计上，我们这款整机全部采用 EC 通信方案。目前行业内还有 485 通信等方案，EC 通信的优势是设备同步性最佳，但对应的研发难度也更高。为适配 EC 通信，我们采用了中空设计，同时针对电机电磁仿真、减速器结构做了大量优化调整。整体来看，我们的关节模组性能处于行业第一梯队。

我一直认为， 整机、供应链属于有限游戏，而智能、应用属于无限游戏。但想要深耕智能与应用，必须先做好整机和供应链，这也是我们投入大量精力打磨硬件与供应链的原因，而我们的最终目标，还是聚焦智能与应用。

第二个问题关于价格与商业化。综合行业发展趋势来看，未来一到两年，人形机器人硬件成本会逐步稳定在 1 万美金左右，部分产品还有下探空间。但硬件成本并不能决定商业化能力，产品真正的核心竞争力，依旧是智能能力、可落地的应用场景。

发达国家，单人岗位综合人力成本大约在 4-5 万美金 / 年，若机器人硬件成本为 1 万美金，回本周期按一年计算，剩余 3-4 万美金的价值空间，就需要依靠智能能力来填充。如果机器人能够完整替代一个岗位，就能兑现这部分价值。所以再次强调，整机和供应链是基础，智能和应用才是行业长久发展的核心。

问：数采成本百万小时2亿，训练几亿美金。这个数字规模是一天的规模还是2-3年的规模？对于现在融资节奏来说是远远还没有达到融资泡沫还是融资还不够？

高继扬：为了采到100万小时的数据，可能投入在1-2亿远人民币。如果一年采到这个，今年就花这么多，两年采到这个是两年一共花这么多钱。不同企业节奏不一样。

成本和融资。

现在投入企业几十亿都融了，这一两亿花得了，问题不大。而且数据这事本身还有社会化资本、政策性资金可以撬动的，所以数据这件事不用特别担心，接下来这一两年肯定就解决了。

我们思路一直比较清楚，支出路径和融资路径是两件事。

融资路径是，你无法改变资本市场客观的变化周期，你只能利用资本市场上行时多搞点钱，能融钱多融点钱，这是大部分比较理性创业者都会采取的策略。

另外一个是支出策略，具身智能这个行业背后的驱动力是什么？这个驱动力是AI Scaling Law。什么是Scaling？Scaling今年是1，明年是5，后年可能是30，再往后是100，这叫Scaling。

我们的节奏是1、5、20、100，这么上去了，这是数据节奏，意味着支出节奏也是按照这个规模放大的。传统风险投资，融完资一看，我账面上的钱有1亿美金，一年花2000万美金，按照五年去发，这是传统模型，这个模型在AI这儿不work，因为AI的驱动力是Scaling Law，今年花1000万美金，明年就花1亿美金。

所以这是两条路径：融资路径和支出路径，两件事。

问：G0.5模型大概会在什么时间节点应用到Kengo双足上？

高继扬：如果严格意义上探讨技术，G0.5模型架构的设计其实是给双臂智能或者轮式双臂这样的品类去准备的，所以会普遍应用在R1 Lite、R1 Pro，包括新发的单臂R1Z。

基于Kengo主力去发展的模型，比如本能智能模型。

作业智能现在是什么？无论是VLA还是世界模型也好，都是模仿学习为主，模仿学习是主线，强化学习是作料。本能智能模型，强化学习是主线，是主要的配料，这里面加入模仿成分。

这两条路径：本能智能和作业智能最终会有一个融合，到那个融合阶段才是把G0.5一系列能力带到Kengo双足产品之上，所以我觉得会有一个过程。

问：现阶段公司不会盲目追求行业第一，也不会进行前端硬件销售团队的大规模扩张，请问做出这个决策的原因是什么？未来会在哪个阶段发力、冲击行业第一？

高继扬：现阶段在整机销售赛道争夺排名，意义并不大。我们的核心驱动力是人工智能技术。当然公司业务也在稳步增长，今年销售额相比去年会有数倍增长，去年销售额较前年增长十倍。

我们会按照自身节奏发展，拒绝行业恶性竞争。

在整机销售阶段盲目冲量，最终带来的大概率是负担，而非价值。当行业进入智能驱动商业化的第二阶段，我们会全力发力，追求行业领先地位。

问：当下各类行业评测榜单（Benchmark）层出不穷，多家企业都宣称自己排名第一，想请问您如何看待这一现象？该如何客观评判企业与产品实力？

高继扬： 客观来说，目前市面上主流的行业评测榜单存在不够公允、参考价值有限的问题，这是行业现状。

包括我们在内的各家企业，依旧会参与相关评测，这也是大家努力做事的一种体现。

为了实现科学、客观的模型评估，我们公司内部搭建了一套更细化、完善的评测体系，用来测评自研模型以及各类开源模型。

评判实力终究要实事求是。

行业排名有多个评价维度，单纯争夺 “绝对第一” 更多是传播层面的诉求。产品和技术的实力，最终会由市场和行业社区给出公正的答案。

问：今年一季度具身智能行业融资规模达到数百亿，外界认为行业存在泡沫，您如何看待这一现象？星海图在投资、公司经营层面，如何保持务实发展？

高继扬：首先聊聊行业泡沫。

泡沫这个问题是经常讨论的问题，任何行业发展都伴随着泡沫，或者任何新事物发现都是泡沫，是人们对一个事物发展无法做出精准预测，所以有的时候给出了过高的阶段性估计，然后这个估计大于结果的时候就是大家认为的泡沫。这事一定会出现。

赢家往往在泡沫膨胀阶段和破灭阶段都可以获益。 对于我们公司来说，现在还在泡沫膨胀阶段或者一个已经比较顶峰的阶段，我们通过这个阶段获取优质资源，大家的注意力，大家投入进来的资金其实都是很好的资源，我们希望能够和大家一起去把这部分优质资源整合在一起，把这事给做起来。

同时，我们时时刻刻去关注着资本市场什么时候会有下行，什么时候大家对这个事要开始验成果了，这件事一定会发生。

我们公司的核心价值观是“务实创新”，创新必须以解决实际问题为前提，脱离实际的创新没有价值。

在研发上，我们聚焦主线，非核心的小众算法研究交由学术界完成；硬件产品也聚焦核心品类，联合合作伙伴共同研发。

在商业化上，坚持从开发者市场逐步过渡到生产力市场，遵循产业发展规律，不要过度地追求不符合这个阶段的商业化。 其实很多时候过度追求不符合这个阶段的商业化，不是资产，而是负债。

过早拔苗助长，会导致客户体验差、团队运转压力大等一系列问题。我一直比较推崇曾国藩的做事理念，做事没有捷径，直面困难、一步一个脚印稳步推进，知行合一，就是我们的发展原则。

问：当下行业内有企业宣称产品下线十万台，也有企业落地大型工业订单、举办落地展示，外界认为这是资本催熟商业化的表现。您如何看待这一现象？现阶段哪些商业化落地行为，不符合行业当前技术水平？

高继扬：商业化规模大小是相对概念，核心要遵循产业发展客观规律，违背规律的商业化就是拔苗助长。

现阶段，行业内真正具备落地价值的市场只有两类：开发者市场、展演展示市场。除此之外的各类生产力场景大规模落地，大多是脱离当下技术能力的行为。

我们的策略很明确：在已经验证可行的市场上积极布局、大胆开拓。目前我们的开发者客户遍布全球，北美、新加坡、日韩、欧洲多国以及国内各省份都有合作客户。

但对于还未成熟的生产力场景，我们会保持谨慎。超前落地会导致客户体验不佳、供应链压力大、团队内耗严重。我们始终坚持遵循行业发展规律，做符合当下阶段的正确选择。

而大脑层面，具身智能数据以私有数据为主，未来行业竞争的制高点，很大程度由数据质量、数据体系决定。

数据层面的差异，会逐层传导：先造成模型能力的差距，再体现在产品演示、落地应用效果上，最终反映在商业价值与市场表现上。

这是一条完整的传导链路，未来一到两年，行业内企业的差距会逐步显现。