2026年，星海图2个月内融资近30亿元人民币，估值突破200亿元，成为当下国内具身智能领域估值最高的独角兽企业之一。
投资人可能会误判，但一定不傻。敢给如此高的估值，星海图一定有它值得的地方。
于是，我把网络上对星海图CEO高继扬的系列访谈、采访都撸了一遍，梳理了10条星海图对具身智能行业的根本判断，并尝试整合出一套闭环的经营哲学。
以下10条判断的原话均来自高继扬本人，观点之下的解释，部分来自采访的原话，部分加入了我个人的解读。
1.具身智能本质上是AI行业的分支，同样受Scaling Law驱动
AI按照有无物理载体，可以划分为离身智能和具身智能两类。ChatGPT、DeepSeek等大语言模型的出现，证明了离身智能存在Scaling Law（规模定律）现象。具身智能领域，同样存在Scaling Law定律，即随着模型演进、数据规模扩大以及算力增加，机器人在认知和行为上显著提升，泛化性能和任务能力实现突破。
业界已有研究表明，具身智能在单任务场景、小规模型和无预训练阶段的Scaling Law，但基于多模态数据、预训练后的Scaling Law仍待进一步证实。
观点来源：高工机器人公众号-《对话星海图：关于人形生意经、许华哲离职和100年都花不完的钱》
2.先有高质量的数据，才有高质量的模型
如上文所述，要想实现具身智能的Scaling Law，模型、数据、算力三者缺一不可。而在这三者当中，高继扬认为，想要有好的算法和模型，前提是有好的数据。他曾在2025年6月发表的《我们看到的具身智能的未来》演讲中具体阐述了这一观点：
我们可以先回顾一下ImageNet。其实 ImageNet 已经是十五年前的事情了，大概在 2010 年左右。正是因为当时计算机视觉领域有了 ImageNet 这样的大规模高质量数据集，后来才诞生了很多具有代表性的工作，比如 AlexNet、VGG 等等，也带动了深度学习的第一次崛起。
这个过程给整个业界的一个重要的lesson learn，要想有好的算法和模型，前提是有好的数据。先有高质量的数据，才有高质量的模型。这个范式，其实在大语言模型、自动驾驶的发展中我们也都看到了类似的情况。
观点来源：星海图公众号-《万字长文分享！我们看到的具身智能的未来》
3.具身智能的瓶颈，是在正确的本体上获取正确的数据
大语言模型的稀缺环节几乎只在模型本身，“模型即产品”。在数据上，大语言模型是被祝福的，互联网上存在海量文字、图片和视频，它们都是可以直接被大语言模型使用的数据，模型突破后商业化链条自然贯通。
但对具身智能而言，它真正需要的是与物理世界交互的数据。而这类数据，目前在人类世界上是没有现成的，需要依赖大规模的采集和标注。而采集这些数据的第一步，就是要先有一个好的本体。
那什么样的本体是好本体呢？星海图提出了一个理念，叫“智能定义本体”。在这个过程中，星海图具体是这么思考的：
首先我们做的具身智能，切入点是要做操作。我们做操作智能的话，那双臂肯定是重点。然后，如果下肢是双足的，反而给我的智能演进和算法研发带来了困难。
其实到今天为止，这个问题也没有解决，就是双足的运动控制和双臂的智能操作同时解决，这叫loco-manipulation，这事儿至今行业内也没能解决。
所以，在这个问题上我们得先解耦，我先把上肢操作做好。而且事实上，很多的真实场景众，也不需要双足的过坎的能力。于是，我们设计了低减速比行星减速器（适配高动态操作）、高减速比躯干电机（保障断电稳定性）、六电机全向移动底盘（实现横移/跨步灵活性）等创新方案，并推出R1、R1 Pro、R1 Lite三款机型，其中R1 Lite由星海图和 Physical Intelligence团队联合开发，同步积累跨场景交互数据。
观点来源：星海图公众号-《万字长文分享！我们看到的具身智能的未来》
4.从Day1就确定的原则，坚持真实数据为主
有了本体之后，具身智能到底需要什么样的数据呢？
根据星海图创始团队做自动驾驶的经验，一定要用真实数据去解决问题。在自动驾驶中，他们发现99.9%的问题，都还是真实数据、路测数据解决的。仿真不是说不用，真正解决问题的还是真实数据。到了人形机器人，基于传统图形学做出来的仿真数据Sim2Real的Gap还是很大的。做仿真的同学可能说真实数据获取成本高，难度大。那如何去解决这两个问题呢？
想要解决真实数据Scalable的问题，主要有两个关键因素：
1)不在数采场里采集，进入真实场景采集，才是预训练真正需要的数据
2)以众包的形式将采集设备众包出去，让更多人参与，通过政府支持+商业模式支撑
具体来看，目前星海图进行训练的数据主要包括以下类型：
分类 | 解释 |
Robot-Centric Data | 以机器人为中心的遥操作数据 |
Human-Centric Data | UMI、外骨骼等设备采集的数据 |
POV Data | 人戴眼镜/头戴摄像头采集的第一视角数据 |
仿真数据 | Graphics-Based渲染 / 世界模型生成 |
第三视角数据 | 互联网视频数据 |
没人知道最优的Data Recipe（数据配方）是什么比例——这正是大语言模型公司最大的秘密，具身智能公司也一样。必须通过实验试出来，不是拍出来的。AI归根到底还是实验科学。
观点来源：张小珺商业访谈录-《对星海图创始人高继扬的访谈-鲇鱼与狼》
5.具身智能的基础模型架构应该是双系统，而非完全端到端
对于具身智能来说，有2个非常重要的基础模型：一个是动作的基础模型，也就是VLA，最终是要产生动作，驱动本体去执行任务，它的输入是Vision和Language；还有一个模型其实是做上层的指令拆解和逻辑思考，往往是一个多模态的语言模型VLM。今天我们所谓的大脑，其实是这两个模型的组合，我们叫双系统。
VLM就是把用户模糊的指令，拆解成若干个可以执行的子任务；然后将这些子任务传输至VLA，去完成这些任务的执行。
为什么不直接做完全端到端呢？
Ø端侧算力有限，不可能放几十B/上百B推理模型
ØVLA放云端延迟无法接受，一定是需要放在端侧
Ø工商业场景仅20-30个动作，直接调VLA语言接口即可
ØVLM在家庭等通用泛化场景才是不可或缺的组成部分
观点来源：张小珺商业访谈录-《对星海图创始人高继扬的访谈-鲇鱼与狼》
6.具身基础模型的训练架构，也是“预训练+后训练”
对于具身智能来说，预训练的本质，是在学习本体与物理世界交互的基本法则。做个类比，更像是一个婴儿——从刚出生，到三五岁，再到上小学的过程中，他不断地跟物理世界发生接触、碰撞和摸索，学习怎么去使用自己的身体、理解世界。这个过程就是预训练。
而后训练，更像是让他到了一个具体的岗位上，执行一个具体任务，它是面向具体任务的适配过程。这是我们看到的具身智能的预训练和后训练的区别和关系。
后训练部分，它更多是围绕特定任务来进行，比如“拿起一个杯子倒水”。这就是一个完整的任务。围绕这种任务，星海图通常会采集100条到200条数据，每一条数据就是从头到尾完成这个任务的一整套数据。经过训练之后，希望看到的效果是：在垂类场景中，简单任务可以实现零样本泛化，复杂任务可以实现少样本泛化。
观点来源：星海图-《万字长文分享！我们看到的具身智能的未来》
7.具身智能的商业化要优于同期的大模型公司和自动驾驶公司，容错红利使商业化可以“润物细无声”地先行渗透
有了数据，设计了模型，并且经过训练之后，具身智能就具备了在真实场景中创造生产力的价值。
相较于自动驾驶，机器人的单次失效成本很低，大概是一美元或者一人民币级别的单次失效成本。这意味着很多场景里，具身智能并不需要到99.9%的成功率才能落地。
自动驾驶花了很多年是在99%后面加99.99999%，但是具身智能行业对容错率这件事更友好。它不会在商业落地上经历自动驾驶那么漫长的寒冬，它是润物细无声的，在很多符合条件的场景里开始落地，生根发芽。若干年后大家回顾这个过程，好像记不得哪一年是具身智能的GDP时刻，但是具身智能已经走进了千行百业。
观点来源：高工机器人公众号-《对话星海图：关于人形生意经、许华哲离职和100年都花不完的钱》
8.商业化战略：从开发者市场走向生产力市场
这个战略的背后，其实就是一个科技产品从Innovator到Early Majority的过程，而且历史上有很多的科技产品，也都是走过这样的过程。比如苹果Macintosh（极客→设计师→办公）、拓竹3D打印机（极客玩具→企业必备→家庭）、宇树（四足/双足→开发者→娱乐市场）等等。
开发者市场本身又是分层的。塔尖的，星海图叫学术型开发者，像李飞飞，最好的一些大学的研究员、PHD、老师们，都是学术型开发者。再往下，是企业内的研究型开发者。大厂里边总有一批人去做最前沿的东西，比如physical intelligence、蚂蚁。再往下是生产力型的开发者，它就面向企业应用、面向落地，再去做一些二次开发。未来等我们的产品更成熟，那就面向集成商，它会成为新的开发者，最后可能就是终端的用户。
所以，这个开发者它不是一个狭义的科研高校市场，它是一个金字塔。而且本身开发者市场，就是一个科技产品从早期innovator走向大众的必要过程。
星海图真正的核心用户，是金字塔中间和底部的那部分开发者，长期来看，生产力开发者会贡献90% 以上的收入。但必须承认，今天整个具身智能行业，商业化落地仍处在早期阶段。现在行业内即便是在给生产力客户做交付，本质上也仍是 PoC、场景的早期试点和打磨。正因为如此，星海图选择先通过产品矩阵培养开发者群体，在行业真正成熟时，让这些开发者自然转化为场景端的生产力用户。
观点来源：张小珺商业访谈录-《对星海图创始人高继扬的访谈-鲇鱼与狼》
9.场景选择上，优先聚焦那些符合当前技术边界、花1~2年能彻底跑通的场景
除科研客户外，星海图倾向于优先选择那些符合当前技术边界，花一到两年能彻底跑通的场景。这类场景有三个明确的技术特征：
1)精度要求是厘米级；
2)速度达到人类速度的80%~90% 就足够；
3)最终准确率要求在98% 到99% 之间。
另外，还有一点非常重要的考量：失效成本不能太高，犯错后不能造成不可挽回的损失。从今年来看，符合这些条件的场景并不少，例如特定场景下的料箱搬运、特定工况的物流分拣。星海图最近还在与一家聚焦末端配送的自动驾驶公司合作，尝试外卖“最后一公里”环节。这些场景都符合上述技术特征，当然，可落地的方向远不止这些。
这几个场景全球至少有百万级以上劳动力在做，意味着我们只要跑通达到1% 渗透率，每年就有万台级出货；达到 10% 就每年10万级出货，非常夸张。所以我们在技术标准之外还加了一个商业化标准：场景本身所对应的劳动力规模应尽可能大。
但在商业化推进上，我们仍然持有一个非共识的看法：在技术驱动商业化还没那么ready 的情况下，把组织的重心贸然放到做商务驱动商业化上，容易头重脚轻。不如更遵循技术客观规律，用相对从容的节奏沿着技术路线逐步商业化。
观点来源：高工机器人公众号-《对话星海图：关于人形生意经、许华哲离职和100年都花不完的钱》
10.具身智能的长期壁垒建立在物理世界的数据闭环之上。
上面的9个观点，涉及本体、数据、模型、训练、场景、客户等多方面的因素，基本覆盖了具身智能的整条价值链。
整条价值链很长，涉及到多方面。不像大语言模型，它的稀缺环节几乎只在模型本身，“模型即产品”，模型突破后商业化链条自然贯通，但具身智能不是。具身智能的链条要长得多，它是一项复杂的系统化工程，价值链要长很多，它注定是一场马拉松。
高继扬在采访中明确提出了他对行业的又一个关键判断：
算法壁垒最低、迭代最快（2–3 个月即可被追赶）；数据闭环壁垒中等（6–12 个月）；整机与供应链壁垒最高（12–18 个月）……所有的单方面领先都是局部的、暂时的，只有打通了本体、数据、模型和场景的数据飞轮，才能真正地向客户提供生产力价值，从而构建长期壁垒。
所以，在具身智能这个赛道，链条极长、投入极大、落地极苦，必须深入产业细节、尊重成本、重视交付、算清ROI。正如高继扬所说：“机器人行业没有技术浪漫主义，因为这件事本身就不浪漫。链条非常长，周期很长，天然要把头伸到土里面去做事，我们没法浪漫，只能务实。”
观点来源：张小珺商业访谈录-《对星海图创始人高继扬的访谈-鲇鱼与狼》
最后，我想以高继扬在接受李善友教授采访时回答的一个问题收尾。李善友教授问他，很多国内的创业者现在喜欢去和国外的一些人创业者对比，你认为你自己最想谁。高继扬的回答是：
“很多创业者喜欢类比乔布斯、马斯克，我愿意先成为王传福。”
听到这句的时候，我内心颤了一下。
参考文献：
1、张小珺商业访谈录-《对星海图创始人高继扬的访谈-鲇鱼与狼》
2、高工机器人公众号-《对话星海图：关于人形生意经、许华哲离职和100年都花不完的钱》
3、星海图公众号-《万字长文分享！我们看到的具身智能的未来》
