文丨谢瑞瑞
编辑丨徐青阳
在2026世界机器人大会上，星海图创始人兼CEO高继扬发表题为《从开发者到生产力：开源开放加速具身智能落地》的主题演讲，分享了以基础模型为核心驱动力的具身智能产业化路径，以及星海图围绕模型研发、数据体系、生产场景落地和开发者生态建设的探索。
高继扬认为，具身智能正在经历从“卖机器人”到“卖生产力”的转变。随着基础模型能力快速提升，机器人产业的价值将逐渐从整机向智能能力迁移，未来商业模式也将从整机销售，走向面向具体场景的解决方案订阅，并进一步迈向以物理世界Token消耗为核心的新阶段。
在他看来，决定具身智能能否真正落地的关键，不只是机器人本体，而是背后的基础模型能力。具备零样本泛化、通用抓取和长程任务能力的具身模型，才能让机器人适应复杂生产环境。
同时，通过强化学习和大规模数据训练，机器人还需要持续提升速度、精度和泛化性，最终从实验室能力走向真实生产场景。
以下为高继扬演讲全文：
01 从卖硬件到卖生产力
今天我分享的主题是《从开发者到生产力：开源开放加速具身智能落地》。“生产力”这个关键词，其实也是星海图从创办开始一直坚持的使命。我们希望具身智能真正进入物理世界，产生实际生产力，让机器人能够解决真实问题、完成真实任务。
很早以前，我们就意识到，要实现这一目标，核心驱动力一定来自基础模型。从我们的判断来看，以基础模型作为核心驱动力的具身智能产业化，会经历几个不同阶段。
在2026年之前，模型能力还比较有限，行业里很难看到真正由模型能力驱动的商业化。过去大量机器人的销售，本质上仍然以整机销售为主，客户购买的是机器人本身。
但过去一年，我们看到基础模型能力快速发展。从2025年至今，全球已有100多款开源基础模型发布，而且几乎每隔几个月，行业都会出现新的进展。
随着模型能力提升，从今年下半年到未来几年，具身智能产业可能逐渐进入新的商业阶段。第一阶段，我们称之为“方案订阅”。客户购买的不再只是机器人本体，而是一套能够解决实际生产问题的方案，机器人只是其中的载体。
随着智能能力进一步提升，当机器人从单一场景走向多场景、多任务适配，产业商业模式还会继续变化。未来，可能会进入以“物理世界Token销售”为核心的阶段。简单来说，就是机器人在物理世界执行更多任务，基础模型能力被持续调用，智能本身成为新的价值来源。
在这个过程中，具身智能的价值量也会逐渐从整机向智能能力迁移。目前行业销售整机，毛利率大约在40%到60%。进入方案订阅阶段后，整机毛利率可能会下降至20%左右，未来甚至可能出现低毛利甚至负毛利的硬件模式。
原因很简单，我们希望更多机器人进入真实环境，形成更大规模的智能应用，而真正产生价值的是背后的模型能力。
02 机器人进入工厂，“大脑”决定上限
基于这样的判断，我们给星海图的定位是“具身大脑公司”。
过去三年，我们一直围绕基础模型进行研发。目前，我们的基础模型已经稳居全球第一梯队。事实上，我们在8个榜单上都取得了第一。
今年一季度，我们发布了Fast-WAM最新模型架构；第二季度，我们发布了G0.5模型。今年8月，在海外RoboDojo基准评测中，我们的G0.5模型再次获得行业第一。
我们据此认为，一个真正面向生产力的具身模型，需要具备三个关键能力：零样本泛化、通用抓取以及长程任务能力。
第一个能力是零样本泛化。简单来说，就是“言出法随”，即使机器人面对没有见过的新任务，也能够根据指令完成操作。比如告诉机器人“把面包从盘子里拿起来，然后放进面包机”，或者“把碗里的食材倒进锅里”，这些任务机器人此前没有训练过，但模型能够根据指令理解任务，并完成动作。
第二个能力是通用抓取。抓取是具身智能非常核心的能力。所谓通用抓取，就是机器人不需要经过针对性的后训练，也不需要人工编程，就能够处理不同大小、不同形状、不同材质的物体，并实现从任意位置抓取，再移动到目标位置。
第三个能力是长程任务。真实生产环境中的任务，很少是单一动作。一个完整流程通常包含几十个甚至上百个动作。例如生产线上的一个工作流程，可能包括识别、抓取、移动、装配、检查等多个连续步骤。模型能否稳定完成长程任务，是决定它能否真正创造商业价值的重要因素。
我们展示的叠纸盒任务，就是一个典型案例。整个过程包含上百个动作，而且需要连续完成精细操作。
03 从厘米级操作，到毫米级精度
基础模型完成预训练只是第一步，后训练同样非常重要。
目前行业主要关注监督微调（SFT）和模仿学习，但强化学习也是提升机器人能力的重要方式。我们已经完成了几十台机器人的编队式、分布式强化学习训练。
强化学习带来的一个重要变化，是让机器人从厘米级操作能力，进一步提升到毫米级，甚至亚毫米级。同时，任务成功率也能够大幅提高，目前部分任务成功率已经达到99.9%。
比如在一个多机器人协同场景中，当机器人执行任务出现问题时，人可以进行接管操作。这个过程我们称为“接管采集”，在机器学习领域也叫DAGGER。这一次人工干预过程，会形成新的训练数据，再反馈到模型训练中。
另一个案例是精密装配任务，比如机器人拿起一个螺丝，将它准确放入孔位，再使用工具完成固定。这类任务对精度要求非常高，也是传统机器人较难处理的场景。未来，基础模型能力的持续突破，本质上都来自真机强化学习。
当机器人进入真实生产场景后，我们认为，评价一个具身模型是否具备生产能力，主要看三个指标：速度、精度和泛化性。
其中，速度代表作业效率。目前机器人执行效率仍然低于人类，大约处在人类效率的70%-80%。精度方面，机器人目前可以稳定完成厘米级操作，毫米级精度则需要依靠强化学习继续提升。
第三个指标是泛化性。最简单的理解方式，就像是培训成本。人类员工进入岗位之前，需要培训；未来机器人进入岗位，也需要培训。如果一个机器人完成新任务需要大量人工调试，说明泛化能力不足，培训成本较高。如果未来机器人只需要少量数据，甚至几条数据，就能够完成新的任务适配，说明模型泛化能力正在提升。
目前，我们完成一个新的长程任务，大约需要10小时左右的后训练。未来，我们希望能够进一步降低到1小时，甚至只需要几条数据，就可以完成长程任务的后训练。
04 数据决定模型上限
要让具身智能真正形成生产力，除了模型架构，还需要解决数据问题。
过去几年，行业经历了不同的数据路线探索，包括仿真数据、真机数据，以及现在越来越受到关注的人类数据。我们的判断是，未来具身智能的数据路线最终会逐渐收敛到大规模人类数据。原因很简单，物理世界中的任务非常复杂，很难通过仿真完整还原真实环境。人类每天在不同场景中的操作，本身就是非常丰富的数据来源。
因此，未来需要积累大量第一视角的人类视频数据。
当然，单纯的视频数量并不是关键。真正重要的是，如何把原始视频转化为能够训练模型的数据。一个视频能不能用于训练，与画面是否清晰并没有直接关系。关键在于，我们是否能够从中提取出模型需要学习的信息，比如动作、环境变化、物体状态、接触关系等。
模型公司需要定义什么样的数据能够帮助机器人理解物理世界，也需要根据训练方式设计对应的数据标注体系。这实际上是一个不断迭代的过程。我们一边扩大数据规模，一边探索新的训练方法，再根据模型需要反向调整数据处理方式。
目前，几十万小时到百万小时规模的数据，已经可以支持基础模型预训练。但未来仍然需要继续扩大数据规模，同时探索更有效的学习范式。因为现在无论是VLA（视觉-语言-动作）模型、World Action Model，还是我们提出的Latent World Action Model，都还处于探索阶段。
具身智能最终需要形成自己的基础模型训练方式，但目前行业还没有完全找到最终答案。
05 让模型落地真实生产场景
基础模型的发展，最终还是要回到真实应用。今年开始，我们围绕四大方向推进具身智能落地，包括电商零售、工业制造、快递物流和商业服务。
在这次大会现场，我们也展示了与京东合作的全球首个全自主机器人前置仓。这个系统实现了从货物拣选、抓取、放置，到最后打包的完整流程。其中最困难的是打包环节。因为抓取一个固定物体相对容易，但面对柔性的包装袋，需要机器人完成打开、装入、整理、封口等连续动作。
整个过程全部由模型驱动，没有人工操作。现场一天时间，我们完成了100多单执行任务。目前系统可以支持数百个SKU（最小存货单位），并具备进一步扩展到千级、万级SKU的能力。
除了国内场景，我们也在拓展海外应用。例如美国洛杉矶的3PL仓库，机器人需要完成拣选、打包，以及退货重新上架等任务。海外市场在机器人应用方面可能会更快，因为当地劳动力成本较高，招聘和培训难度更大，对于自动化和智能化的需求更加明显。
今年，我们正在陆续交付千台级别的机器人。这里需要强调的是，我们关注的是“模型驱动的真实生产力订单”。如果单纯看整机销售，行业里有很多不同方式。但真正由模型能力推动、解决实际生产问题的订单，才代表具身智能商业化正在发生。我们希望明年能够实现数倍增长，达到万台规模。
06 扩大开发者生态
围绕下一代生产力平台，我们提出“1+3+N”的战略。其中，“1”代表一个核心方向，也就是整机加智能。具身智能一定是软硬结合的产业。机器人本体和AI模型需要共同发展，才能形成完整解决方案。
在此基础上，我们布局三个产品系列。第一个是轮臂产品系列，主要面向结构化生产场景。第二个是双足人形机器人产品系列，主要面向能源、电力等更加复杂、非结构化的环境。第三个是Lemo系列，面向创客和开发者群体。
我们希望通过更低门槛的产品，让更多开发者参与到具身智能的发展过程中。
对于轮臂产品，我们最新推出的旗舰产品强调“刚柔并济”。所谓“柔”，是指它具备较高精度的力控能力和位置控制能力。目前，它可以实现0.1N的力控精度，以及0.1毫米的位置控制精度。所谓“刚”，是指它能够承担较大的负载。单臂最大负载可以达到10公斤，双臂可以完成20公斤负载。
我们之所以能够在保持较为纤细结构的情况下，实现这样的负载能力，其中一个关键原因，是我们在双臂内部采用了三个直线执行机构，提升了整体负载能力。
同时，我们也针对工业应用需求进行了优化，包括防护等级、宽温域运行能力，以及端侧模型推理能力。目前，G系列模型可以直接运行在机器人端侧，只需要700到1000 TOPS级别算力，就能够完成实时推理。
今年6月，我们也发布了双足机器人产品Kengo行客系列。双足机器人主要面向更加复杂的非结构化场景。我们认为，轮臂机器人和双足机器人未来会承担不同任务。轮臂更适合结构化环境，而双足机器人能够进入更多复杂空间，例如能源、电力等行业场景。
Kengo系列双足机器人与NEXO轮臂产品，是我们打造的新一代动力平台。在这些产品中，核心部件包括齿轮、齿条、电机等，均由我们自主研发，并联合上游伙伴进行工艺创新。通过核心技术突破和产业链协同，我们希望进一步降低产品成本，推动具身智能规模化应用。
除了面向产业场景的机器人，我们也推出了Lemo系列，面向创客和开发者群体。我们希望通过低门槛、高性价比的产品，让更多开发者参与到具身智能的发展中，让具身智能像3D打印一样，被更多人使用和探索。
围绕这一目标，我们不仅提供硬件平台，也降低软件开发门槛。Lemo系列配套封装了G系列模型，并开放相关开发工具，帮助开发者更快完成应用开发。
今年下半年，我们还将在这一产品序列中推出更多新品。
与此同时，我们也在持续建设伙伴生态。今年6月，我们联合凯辉基金推出“星图计划”。目前，我们已经投资7家公司，并形成十几家的产业合作伙伴。未来，我们希望建立更加开放的伙伴体系。目前，我们大约有20多家合作伙伴，希望到2027年，这个数字能够超过100家。
我们希望与更多伙伴携手同行，共同推动具身智能走向规模化应用，让它真正转化为现实生产力。
特约编译金鹿对本文亦有贡献
热门跟贴