星海图创始人高继扬：具身智能的三层技术路线，没有捷径可走

田晏林 发自 凹非寺

（原文署名已隐去）

新一代具身基础模型G0.5和首款双足人形机器人Kengo亮相不到半个月，星海图又整活儿了。

这家于2023年成立的具身智能公司，今年年初完成股改后，正处于密集发力的窗口期。

这一次，星海图干脆把自己的「朋友圈」一次性亮了个遍。

6月16日，在该公司举办的第一届全球开发者大会（Galaxea WDC 2026）上，上百位全球开发者、顶尖学者、产业链上下游伙伴，甚至连海外机器人企业都来了。

当天活动现场的座位安排颇为讲究：

第一排嘉宾席C位，上午留给了相关部门领导，下午换成了清华大学电子工程系教授汪玉（下午首场演讲嘉宾）。

星海图创始人兼CEO高继扬把自己安排在了他们的右手边。

而他的右侧嘉宾十分固定，今日资本创始人徐新一直听到该公司联合创始人、CTO赵行分享结束才离场。

这种「学术+资本+产业链」高密度同框的场面，传递出一个清晰信号：

2026，似乎真到了具身智能分水岭。

笔者一天大会跑下来，发现有三件事值得细唠唠：数据、模型、生态。

单拎起哪一个，都足够说明星海图当前的战略意图。

在星海图的技术叙事里，被反复提及的关键词就是「数据」。

会上，星海图联合北京亦庄共同发起的一个新的数据公司「亦数智能」，并提出一个非常激进的目标：100万小时超高质量真实数据计划。

100万小时意味着什么？大概是具身智能终于有「互联网级别」的数据养料了。

天眼查显示，亦数智能（北京）科技有限公司，星海图作为第二大股东认缴出资额2500万元，持股比例25%。

亦数智能牵头，原力灵机、蚂蚁数科、百度智能云、猎聘、海天瑞声等15家公司，是首批共建企业。

我们是国内最早、也最坚定押注真实数据的公司。模型、数据和本体，必须在同一套体系里跑通。

高继扬的潜台词很清楚：在具身智能里，数据不是辅助，而是底层生产资料。

这也是具身行业共识。大模型之所以能有效工作，根本原因在于它「吃」了海量数据。

同理，机器学习底层逻辑之一，也是高度依赖数据中台的质量。

但具身的数据从来不是现成的。

一位星海图工程师告诉笔者，真机数据收集难度大，短期内为提升数据量，还得引入UMI、Egocentric数据等。

BTW，很多公司已经把UMI+Ego结合使用了。这类数据被认为是当前行业里较为常见的「廉价替代方案」。

但在内部判断中，这并不是终局。

他们更倾向于把真机数据作为核心资产长期积累。

同时，逐步引入互联网身体数据、人类行为数据以及物品交互数据，用数据工程方式放大规模。

对于仿真数据，星海图团队的态度相对保守。

我们公司不太相信仿真数据、合成数据，与真机数据差异较大，难以总结有效算法设计。

这种判断也并非没由头。海外具身智能公司Genesis AI也未成功将合成数据用于预训练呢。

在数据组织方式上，有行业人士打了个比方：如果说大模型的数据生产是被动收割，那么具身智能更像是丰田式的精细经营，需要对每一条数据进行控制与验证。

问题也随之而来——成本。

在会后群访中，高继扬直言不应只关注数据单项成本，应该关注智能总成本。

采数据是为了搞智能，得回到我们的目的。

智能总成本分三块：数据、算力、研发团队。

我们先把研发团队工程师成本去掉。实践中发现数据和算力成本比例大概是1:10。

也就是1块钱的数据成本，至少需要10块钱的算力成本，才能把模型训明白。

在他看来，如果数据本身不work，后面产生的模型一定也没什么用。

高继扬把真实世界数据拆成两类：

• Human centric data（人类行为数据）
• Robot centric data（机器人遥操作数据）

在成本层面，这两类数据的价格区间已经被拉得非常清晰。

Human centric data大约在每小时50～100元人民币之间，受地区与采集条件影响存在波动。

Robot centric data由于涉及遥操作、人工控制以及设备折旧，成本显著更高，大约在每小时250元左右。

在市场上，一些团队的报价甚至达到300~350元，但通常伴随10%~20%左右的毛利空间，更多取决于运营效率。

如果把这件事放到规模上看，逻辑会变得更直观。

100万小时的数据采集，对应的是1亿~2亿元人民币的成本。

而在高继扬的对比视角里，这个数字并不夸张，甚至是「必须发生的投入」。

今天做大模型训练，每年算力支出是几亿美金级别。相比之下，这一两亿人民币的数据成本是必须要花的，而且从智能产出的角度看，其实非常划算。

硬件与数据，最终都要服务于模型。

本次大会，星海图新一代VLA基础模型G0.5正式发布，并宣布开源。

在下午场演讲中，赵行重点介绍了星海图的三层技术路线：

• 本能智能：让机器人协调全身
• 作业智能：让机器人干活
• 进化智能：让AI重新定义机器人形态

G0.5处在第二层，但它做了一件关键的事情：把VLA统一进一个自回归生成框架中。

视觉、语言、思维链与动作不再分段处理，而是在同一数据流中连续生成，实现「边理解边执行」的闭环推理。

会后，我们问了赵行一个现实问题，G0.5什么时候能用到双足人形机器人Kengo身上？

他的回答比较直接：至少要等到今年年底。

原因也很现实。这里面还有不少工程问题没有完全解决，比如小型人形机器人的端侧算力仍然不足。

这直接指向一个硬约束——NVIDIA Jetson Thor。

Thor被定义为「机器人大脑」，用于运行VLA、世界模型和多传感器融合任务，但问题是功耗高、体积大，小型人形结构空间不够。

有算法工程师告诉笔者，如果未来有厂商能针对具身智能做Thor的轻量化版本，可以直接用。

这一现实也解释了一个行业现象：为什么很多具身智能公司在早期验证或生产环节，会更倾向于轮式机器人。

相比双足形态，轮式平台在算力承载、供电能力和结构空间上都更加宽松。

高继扬在群访时也说，G0.5的整体架构，更适配双臂智能或轮式双臂这类形态。

现阶段会更多落地在R1 Lite、R1 Pro，包括新发布的单臂A1Z等平台上。

而Kengo这样的双足人形产品，目前仍处在本能智能阶段。

在他看来，以上提到的「三层技术路线」是必经阶段，没捷径可走。

作业智能是当前的主流路线，本质上仍以模仿学习为主，强化学习更多起到辅助作用。

而在本能智能阶段，则是强化学习是主，模仿学习作为补充。

这一趋势在过去几年已经逐渐清晰，包括英伟达的Sonic，以及基于Mimic类方法的跳舞控制系统，本质上都是在强化学习框架中引入模仿信号进行修正。

从长周期看，高继扬认为本能智能与作业智能这两条路径，最终大概率会走向融合。

等到那个阶段，才可能真正把G0.5级别的能力迁移到Kengo这样的双足系统上。

多说一句，今年年初，星海图发布了第一版世界模型Fast-WAM。

在后续研究中，赵行团队发现一个关键问题：市面上大多数基于世界模型的机器人策略，是在一个视频生成模型上再叠加策略模块，导致整个推理链路变得冗长。

他们做了结构性简化：直接去掉推理阶段的视频预测过程，仅保留训练阶段学到的世界表征能力。

结果显示，模型性能没有明显下降，但推理速度提升4倍以上。

同时，Fast-WAM可以在消费级显卡上稳定运行5亿～10亿参数规模模型，为后续工程部署提供了现实基础。

如果只看技术发布，本届WDC不会显得特别激进。

G0.5开源、Fast-WAM、Kengo首秀，基本都在预期内。

一个变化是，星海图开始转向「生态化」叙事了。

除了亦数智能，本次大会上，星海图还联合凯辉基金发布创业孵化项目「星途计划」。

据CFO罗天奇介绍，他们重点关注三个方向：数据驱动智能、应用场景突破、下一代核心技术。

尤其是第三个最关键，因为它对应的是未来Physical AI Agent在真实世界中的扩散路径。

过去一年，星海图已陆续投资近10家企业，未来3到5年希望投资30～50家。

投资不只是为了财务回报，是要与伙伴共同构建产业拼图。

星海图过往投资支持的公司，已有不少成为其上下游伙伴。

「产业成功的时候，不是某一家企业的成功，而是一批企业的共同成功。」高继扬说。

这句话也有潜台词：没有任何一家公司能够独自定义具身智能。行业已经进入平台期前夜。

确实，具身智能行业链条很长，连接AI、机器人、本体、传感器、数据、制造、场景和服务，不是一家公司靠单点技术就能完成的。

当前，不少具身公司都在搭建生态。

区别于智元自研全品类整机，「航母式孵化」应用场景，星海图认为自己走的是「生态平权」路线。

开放技术、工具、接口，降低入行门槛，所有开发者、企业都能平等使用核心能力，打造开放共享生态。

会上，高继扬主动谈起星海图的商业模式，会沿着三段式路径演进：

从整机销售，到方案订阅，再到物理世界Token销售。

在这一框架下，第一阶段的整机销售更多承担场景验证功能。

相较于这一阶段直接追求规模化增长，他认为，当系统能力能够被持续调用、任务能力可以实现模块化订阅时，智能驱动的商业化才会逐渐显现出更大的可能性。

在这个逻辑下，2024年10月，星海图首批GalaxeaR1机器人本体，迎来第一个客户——斯坦福李飞飞实验室。

高继扬和笔者分享了合作背后的小故事。

他与赵行都曾在美国读博，与李飞飞团队在学术圈有交集。

「我们想做具身智能这么一款产品，跟他们一碰，正好需要。要不说researcher更懂researcher呢。」

不过，高继扬当时接触的不只有李飞飞团队，也聊过不少潜在客户。

但最后真正接住这件事的，还得是飞飞老师。