作者：彭堃方
“中国的具身基础模型在未来两年内一定会做到全球第一”，星海图 CEO 高继扬的这句话，大概率会应验。
在星海图 2026 全球开发者大会现场，高继扬下了这个判断。在他看来，中国具备两条非常关键的产业链优势：一条是硬件供应链，一条是数据产业链。前者会塑造整机、本体和数采设备的系统优势，后者则会在真实世界的数据闭环中催生智能。
这一判断有充分的现实基础。过去一段时间，具身智能产业一直有一种被反复提及的分工想象：中国强在本体和硬件，美国强在模型和大脑。但这种判断正在变得片面。至少在 Ego、UMI、真机采集等真实数据范式下，叠加中国丰富的产业场景、制造业场景和服务业场景，中国的数据积累有机会在百万小时、千万小时的规模上，反过来推动具身基础模型持续 Scale up。
但要把产业优势真正转化为模型优势，需要的不只是单点能力，也不是由某家公司把模型、硬件、数据都做完，打个样本。而是把产业链优势内化为生态优势，再用生态力量反哺产业成熟。
换句话说，今天具身智能的竞争，正在走向生态竞争。生态正以前所未有的力量，系统性地提携智能的涌现。
从这个视角看，星海图在开发者大会上的一系列动作，也就更容易理解了：开源刷新多项榜单成绩的具身基础模型 G0.5，联合亦庄机器人、亦庄控股、亦庄国投发起“亦数智能”，与首批 15 家合作伙伴共建数据生态联盟，与凯辉基金共同发起面向具身智能早期企业的产业基金“星途计划”。与此同时，高继扬还清晰梳理了具身智能面临的本能智能、作业智能和进化智能三个阶段，以及与之对应的商业模式演进，为整个行业“把脉”。
具身智能的竞争，已经跳出单家公司、单款产品、单个模型的比拼。谁能把更长的链条组织起来，谁能把模型、硬件、数据、场景、开发者和产业资本更高效地连接起来，谁就更可能在下一阶段获得真正的规模效应。
正如高继扬在演讲最后所说，没有任何一家公司能够独自定义具身智能，唯有全球开发者、客户和产业伙伴携手，才能创造未来。
“Build with Galaxea，让新世界来得更快一些”。
要想读懂具身智能、读懂生态，首先要向内探去。
当下，具身智能行业最缺的，其实是对自身发展规律的深刻认识。很长一段时间里，行业对于“规律”的理解，大多来自大语言模型的照搬。从模型要不要重语言能力，到是否应该将单纯数据规模奉为圭臬，再到商业化是否一定要等待一个“ChatGPT 时刻”，这些判断都有 AI 时代的惯性，却未必能完整解释具身智能。
因为具身智能面对的是物理世界。它不只是在屏幕里生成答案，而是要在真实环境中移动、感知、操作、反馈，最终提供生产力。语言模型时代的很多规律有启发意义，但一旦落到具身领域，就会遇到更复杂的约束。
比如，具身模型应该把语言放在什么位置？数据规模之外，高质量数据、真实数据、任务数据是否更关键？具身大脑一定要等到完全通用泛化之后，才值得进入商业化探索吗？机器人落地会不会像 ChatGPT 一样，在某个时刻突然被全民感知？
这些问题过去一直悬而未决。行业里有很多技术路线，也有很多商业口号，但很少有企业能把技术和商业之间那种螺旋上升、相互激荡的关系说清楚。
直到星海图 WDC 大会上，高继扬给出了一个更接近具身智能演进节奏的判断。
在他看来，具身智能的发展可以拆成三重跃迁曲线：本能智能、作业智能、进化智能。
所谓本能智能，是直接作用于本体的智能。它让机器人学会驾驭自己的身体，像人一样保持平衡，完成走、跑、跳等基础运动能力。对于机器人而言，这些能力看起来像“本能”，但背后往往需要强化学习、运动控制、本体设计和动力模组的长期协同。
建立在本能智能之上的是作业智能。高继扬特别强调这一点，因为具身智能对于人类社会最重要的使命，是提供生产力。而生产力背后，一定是一个有序的作业过程。机器人不能只是会动，也不能只是会表演，它需要能够听懂任务、规划过程、调用动作，并在真实环境里完成作业。
这也是星海图从 G 系列模型开始一直重点推进的方向。作业智能意味着机器人可以进入工业、物流、零售、电商、服务等一系列具体场景。它的核心将由“类人的机器”迁移到能否完成任务，能否把智能转化为可交付的生产力。
再往后，是进化智能。
今天机器人的身体仍然主要由人类工程师设计。人类理解智能边界，然后决定机器人应该是轮式双臂、单臂，还是双足人形。但在更长远的未来，高继扬认为，AI 会开始定义和设计自己的身体。到那时也会像星海图联合创始人赵行所说，进入 Humanoid 到 Superhuman 的阶段跃迁。机器人不再只是模仿人，而是根据任务生成更优身体，甚至超越人类身体的限制。
这三重跃迁，也对应了星海图对于商业模式的三阶段判断：整机销售、方案订阅、Token 销售。
当行业还处于本能智能和早期作业智能阶段，整机销售是最自然的商业模式。机器人首先要卖给开发者、科研教育客户、企业研究部门和数据采集团队，成为技术探索和应用验证的入口。
当作业智能开始在某些场景里被验证，商业模式就会进入方案订阅阶段。整机会成为收费入口，但真正的毛利来源将来自围绕场景的智能方案。比如工业上下料、物流码垛拆垛、电商分拣打包、零售补货等任务，一旦模型能力边界被明确，企业客户购买的就不只是机器本体，而是一套能持续产生价值的作业系统。
再往后，当机器人从单一场景有用走向多场景、多任务通用，收费单元就会从方案转向 Token。那时的机器人不再只是执行固定任务，而会像今天的大语言模型一样，在大量任务中调用智能能力，按智能消耗、任务复杂度和服务规模形成新的商业模型。
这套判断的价值在于，它没有把技术和商业割裂开来。技术能力的边界，决定商业模式的边界；商业化的深入，又反过来推动数据、硬件、模型继续迭代。
所以，高继扬对于所谓“GPT 时刻”的判断也很克制。他认为，“大概率不会有那样一个时刻。它会从 2B 开始，一个场景、一个场景地解锁。等若干年后大家回头看，已经记不清具体是哪一年，但它已经无处不在了”。
用《百年孤独》式的开头风格来说，“多年后，面对遍布街头的机器人，人类会想起最初机器人走进生活的那个遥远下午吗？”而这恰恰就是具身智能与大语言模型最大的不同。它的商业化不会等待一个爆发的信号，而会随着能力边界的逐步清晰，在真实场景里缓慢渗透、持续扩张，最终成为新的基础设施。
要看懂这一点，就必须厘清技术和商业之间的关系。技术不是悬浮在实验室里的炫技，商业也不是等模型完全成熟之后才突然到来的结果。两者会在真实世界中不断碰撞、验证、修正和放大。
星海图这次给出的三阶段判断，真正重要的地方就是，它为一个仍然混沌的行业，提供了一套更贴近具身智能本身的时间表。
如高继扬所说，具身智能的行业规模，是随着技术模型的能力边界明确而加速爆发的，增速会越来越快，前景非常广阔。
但在过去一段时间里，行业始终存在一种自我设限式的叙事：中国强本体，美国强大脑。
这句话看似是在总结分工，实际也在制造一种心理边界。它默认中国企业更擅长制造、供应链和整机工程，美国企业更擅长模型、算法和智能。放在早期阶段，这种判断或许有现实依据，但如果继续沿用到今天，就会遮蔽具身智能真正的产业逻辑。
在星海图开发者大会现场，这种论调正在成为过去式。高继扬在会上说，中国有两条链，一条是硬件供应链，一条是数据产业链，“这两条链会让中国在两年内达到具身模型世界第一”。
这句话背后的关键，不只是对“中国供应链强”这样一个常识的复述，而是星海图对具身智能闭环的重新理解。
在高继扬看来，整机有两个作用：第一，整机是智能的数据载体；第二，整机是智能的商品载体。
这和大语言模型完全不同。大语言模型诞生之前，互联网已经把人类产生的大量文本、逻辑和知识数字化了，手机和电脑也天然成为模型运行和传递的终端。但具身智能没有这样的现成条件。物理世界的数据过去并没有被充分数字化，也没有一个天然存在的载体可以承接具身智能的技术表达。
所以，具身智能必须自己造载体，自己采数据，自己构建闭环。
这也是星海图从创立之初就坚持“整机+智能”的原因。整机不是单纯的硬件产品，也不是大脑之外的附属物。它既承载模型在物理世界中的表达，也承载真实数据的产生与回流。硬件供应链打磨出的整机或数据采集硬件产品，进入真实场景采集数据；数据产业链再对这些数据进行采集、标注、清洗、存储、训练和回流，催生更强的智能；智能进一步回落到整机之上，推动硬件能力和任务能力继续提升。
在这个闭环里，本体和大脑的强弱没有割裂，反而彼此咬合。
这里有一个点需要注意，星海图他们一直坚持“智能定义本体”。智能的问题，要围绕智能的边界和需求去决定本体形态，而不是盲目追逐某一种造型。轮式双臂更适合结构化场景，能够更早进入科研、开发者和部分产业应用；而未来要进入通用场景和非结构化场景，双足人形又有不可替代的价值。这也是 Kengo 出现的逻辑。它不是星海图突然转向了“人形叙事”，而是当公司目标指向通用场景生产力时，双足成为必须补上的身体形态。
这就是硬件供应链的价值。它不只是降本和量产，也是在为智能提供更稳定、更可控、更可定义的物理基础。
当然，真正更具挑战的，是另一条数据产业链。
在星海图 WDC 的多场圆桌中，一个非常明确的共识是：数据重要，但数据从类型到采集，再到标注、清洗、存储、训练、回流，很多环节都还没有形成成熟共识。
今天具身智能行业谈数据，已经不再只是“有没有数据”的问题。更复杂的问题在于：什么数据值得采？Robot Data、Human Data、EgoCentric、UMI、真机数据之间如何组合？开放场景和实验室场景如何取舍？数据采回来之后如何清洗、标注、评估？数据如何进入训练流程？训练之后如何回流到真实任务里？
这条链条比外界想象得更长，也更混沌。也正因为如此，行业更迫切需要一位能够整合资源、推动标准、组织生态的“链主”出现。
星海图的野心和真心，也在这里同时显现。
一方面，基金持续培育生态。过往已投项目包括GenRobot AI、MODALINK、鲸跃动力等近10家公司；今天，星海图又与凯辉基金联合发起“星途计划”，以“5年、10亿、100家公司”为目标，加速具身智能生态的扩散与生长。对于一个链条长、周期长、技术和场景都在高速变化的行业来说，产业基金不是简单的财务动作、也不是单纯的看到系统性机会，而是组织生态的一种方式。
另一方面，在数据产业链上，星海图过去不仅自己有很深的真机数据采集know-how，并投资一批新形式的数据上下游公司。如今更是与亦庄揭牌“亦数智能”、打造数据生态联盟，继续深耕数据全链路的工作。如今，星海图又联合亦庄机器人、亦庄控股、亦庄国投共同发起“亦数智能”，围绕物理世界百万小时到千万小时的数据积累展开工作，并邀请首批 15 家合作伙伴加入数据生态计划，以数据生态的方式加速整个行业发展。
除了数据生态，G0.5 的开源同样值得重视。星海图公布 G0.5 全球众测计划，开放这个在多项榜单刷新成绩的模型，并欢迎全球开发者开箱即用地测试。这对于模型研究、任务验证和行业共识形成都会有裨益。因为具身基础模型不像语言模型那样可以在统一文本环境里快速评测，它必须接受不同本体、不同场景、不同任务的检验。越多开发者参与测试，模型边界就越清晰，行业也越容易形成共同语言。
至此，星海图的生态打法已经浮出水面。
面对更广阔的具身智能市场，星海图知道“众行远”。正如高继扬在演讲中所说，这个行业链条长、周期长，很多事并不是星海图擅长的，特别需要各类伙伴一起合作才能做好。产业成功的时候，也不会是一家企业的成功，而会是一批企业的共同成功。
这或许正是今年具身智能产业的一个重要转折点。企业之间单纯的产品内卷、概念内卷、资源消耗，正在越来越难支撑下一阶段竞争。真正重要的，是生态共建，是把产业链中分散的能力重新组织起来，让数据、模型、硬件、场景、资本、开发者形成更大的飞轮。
今天再看具身智能行业，会有几个非常鲜明的感受。
第一，行业技术变化周期越来越快。很多公司过一段时间再看，已经“相看不相识”。一家公司去年还在讲本体，今年开始讲数据，明年又换成世界模型或类脑智能。技术风向变化太快，企业叙事也跟着频繁切换。
第二，很多公司的技术底色和产品矩阵并不一致。有些公司表面上产品铺得很开，但内在逻辑并不清晰。做硬件、做模型、做数据、做应用，看似都在布局，实际上缺少一条能够贯穿所有动作的主线。换句话说，它们还没有真正想清楚自己要做什么，只是在某一股技术风刮来后顺势而动。
星海图也曾经被外界这样误读。高继扬在演讲中笑着调侃：“2024 年很多人说星海图是卖硬件的，2025 年我们开始搞数据了，很多人又说星海图是搞数据的、卖数据的。”
说实话，到了 2026 年再看，星海图仍然容易让人产生一种“错乱感”。比如它做轮式双臂，也做 Kengo 双足人形；它发布 GOD 数据集，也发布 G0、G0 Plus、G0.5 等具身基础模型；它自研或共研动力模组，也投资了一批上下游企业；它既服务开发者和科研客户，也开始搭建数据生态和产业基金。
但高继扬随后给出了一个更清晰的答案：“星海图所有的路径都是围绕着具身智能的生产力、具身智能的基础模型而展开的。”
这句话，是重新理解星海图的入口，高继扬用三句话定义了今天的星海图。
第一句话，“星海图首先是一个具身智能大脑企业”。
在星海图的路线中，做具身智能基础模型的预训练，一直是坚定不移的核心。之所以如此重视基础模型预训练，是因为它会带来一种不同于传统制造业的规模效应。高继扬用了一个很有意思的对比：历史上大部分成熟行业的规模效应，来自于“造得越多越便宜”；而人工智能企业真正的规模效应，来自于“学得越多越聪明”。
今天很多机器人公司谈量产，往往强调大规模量产之后成本会下降。但降本并不会自动让机器人变聪明，也无法直接解决机器人走进生产生活的问题。
便宜的机器人如果不能完成任务，依然只是低成本的机器；只有基础模型能力不断攀升，机器人才有可能打开更多场景和市场边界。
第二句话，“具身智能不是一个纯软的智能”。
这意味着星海图不排斥硬件，也不把硬件看成模型之外的附属品。大语言模型时代的技术惯性，确实让很多人习惯于从纯软件、纯模型的角度理解 AI。但具身智能最大的不同就在于，它必须拥有物理载体，必须在物理世界中交互，必须通过身体去感知、行动、反馈和学习。
没有身体，具身智能就无法构建真实闭环。这也是为什么星海图从创业第一天就坚持“整机+智能”。他们没有从更舒适、更熟悉的智能开始，而是先做整机，开辟轮式双臂品类。后来又发现整机性能受到动力模组制约，于是继续深入动力单元。据了解，星海图目前80%的动力单元是自研或者和产业伙伴共研的，而动力单元本身也是支撑模型发挥性能的关键。包括再往后，为了进入非结构化场景，星海图又推出双足机器人 Kengo。显而易见，软硬一体是星海图的技术底色。
第三句话，“在做具身大脑的技术路径上，星海图是国内最早押注真实数据的企业之一”。
从 2023 年创业之初，星海图就坚定判断：真实数据是通往未来最重要的路径。今天看，这条路径正在被越来越多企业验证。
真实数据并不是一个单一概念。它内部也有层次，从最顶端、最难获取的机器人操作数据，到人类数据、EgoCentric 数据、UMI 数据，甚至包括真机在真实场景中的任务回流数据。不同类型的数据，对模型能力的贡献不同，采集难度、清洗难度、训练价值也不同。
星海图在这条路径上的布局很早，也很完整。它自己做整机和真机数据采集，发布开放场景数据集 GOD，推出 G 系列基础模型，投资数据上下游企业，又联合亦庄成立亦数智能、发起数据生态联盟。今天这些动作连在一起，实际上是在不断重描公司的底色：星海图要做的不是单点数据生意，而是围绕真实数据建立具身基础模型的长期闭环。
把这三句话放在一起，星海图的系统性复杂才真正显现出来。
它首先是大脑企业，所以坚持基础模型预训练，追求“学得越多越聪明”的智能规模效应；它又不是纯软企业，所以必须深入整机、本体、动力模组和供应链，让智能拥有物理载体；它还长期押注真实数据，所以必须进入开放场景、构建数据闭环、组织数据生态。
大脑、硬件、数据，最终都指向同一件事：生产力。
通过大脑的研发，星海图赋能硬件；硬件进入真实世界，主动交互、参与改造，并持续产生真实数据；数据再回到基础模型训练中，催生更强的大脑。如此循环之后，模型、硬件、数据彼此激荡，最终让机器人真正走进人类生产生活。
这也是为什么星海图今天看起来复杂，却并不混乱。复杂来自具身智能本身的系统性，来自它必须同时处理软件、硬件、数据、场景和商业化；不混乱则来自一条明确主线：围绕具身智能基础模型，构建通向生产力的闭环。
生态竞争，才是具身智能的下一场硬仗
具身智能走到今天，行业已经很难再依靠某个单点突破完成跃迁。
一个更强的模型，很重要；一台更好的本体，也很重要；更便宜的供应链、更丰富的真实数据、更清晰的场景、更活跃的开发者社区，同样重要。问题在于，这些要素分散在不同公司、不同产业环节和不同场景之中。谁能把它们组织起来，谁才有机会真正推动具身智能跨过从演示到生产力的门槛。
如果说过去两年，具身智能行业最重要的关键词是“路线”，大家争论 VLA、世界模型、类脑智能，争论轮式、足式、人形，争论仿真数据还是真实数据；那么接下来，关键词会越来越接近“组织”。谁能组织数据，谁能组织供应链，谁能组织场景，谁能组织开发者，谁能组织资本和产业伙伴，谁就更可能把技术进步转化为真实世界里的规模化生产力。
技术竞争会继续存在，但技术不再孤立发生。它会越来越嵌入生态之中，被生态放大，也被生态检验。
从开发者大会看下来，星海图今天不只是一个具身基础模型企业的身份，也不只是一个同时拥有模型和本体的公司标签。它真正想回答的是：在具身智能这个链条极长、周期极长、复杂度极高的行业里，如何把分散的产业力量组织成一个能够持续进化的系统。
未来的具身智能，不会由某家公司独自定义。它会在模型、硬件、数据、场景和开发者共同参与的生态中长出来。而星海图正在做的，是让这个新世界来得更快一些。
特别声明：本文为合作媒体授权DoNews专栏转载，文章版权归原作者及原出处所有。文章系作者个人观点，不代表DoNews专栏的立场，转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)
