具身智能三层技术路线无捷径：星海图创始人高继扬解析
新一代具身基础模型G0.5与首款双足人形机器人Kengo发布仅半个月，星海图便启动了新一轮动作。
这家2023年成立的具身智能企业，今年初完成股份制改造后，正处在密集发力的关键窗口。
这一次，星海图直接亮出了自己的完整「生态版图」。
6月16日，在其首届全球开发者大会（Galaxea WDC 2026）上，逾百位全球开发者、顶级学术专家、产业链上下游伙伴，以及海外机器人企业代表悉数到场。
当天会场的座次安排暗藏深意：
第一排嘉宾席C位，上午留给了相关政府部门领导，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高继扬坐在他们的右手边。
而他右侧的嘉宾位置始终未变——今日资本创始人徐新一直听完该公司联合创始人、CTO赵行的分享才离场。
这种「学术+资本+产业链」的高密度同框，传递出一个清晰信号：
2026年，似乎正是具身智能的转折点。
从大会现场观察，三个维度值得深度拆解：数据、模型、生态。
每一条都足以揭示星海图当前的战略重心。
投入2亿采集真机数据，值得吗？
在星海图的技术框架中，「数据」被反复强调为核心。
会上，星海图联合北京亦庄共同发起新数据公司「亦数智能」，并提出了一个极具野心的目标：100万小时超高质量真实数据计划。
100万小时意味着什么？它标志着具身智能终于拥有了「互联网级别」的数据资源。
天眼查数据显示，亦数智能（北京）科技有限公司中，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，成为首批共建企业。
我们是国内最早、也是最坚决押注真实数据的公司。模型、数据和本体必须在同一套体系内闭环运行。
高继扬的潜台词很直白：在具身智能领域，数据不是辅助工具，而是底层生产资料。
这也符合行业共识。大模型之所以有效，根本在于它「吞噬」了海量数据。
同理，机器学习的底层逻辑之一，就是高度依赖数据中台的质量。
但具身智能的数据并非现成可得的。
一位星海图工程师对媒体表示，真机数据收集难度极高，短期内要提升数据量，还需引入UMI、Egocentric数据等。
顺便一提，许多公司已经将UMI+Ego组合使用。这类数据被认为是当前行业内较常见的「低成本替代方案」。
但在星海图内部判断中，这并非终点。
他们更倾向于将真机数据作为核心资产进行长期积累。
同时，逐步引入互联网行为数据、人类动作数据以及物品交互数据，通过数据工程手段放大规模。
对于仿真数据，星海图团队态度相对谨慎。
我们公司不太相信仿真数据、合成数据，因为它们与真机数据差异显著，难以提炼出有效的算法设计。
这种判断并非空穴来风。海外具身智能公司Genesis AI也未能成功将合成数据用于预训练。
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，那么具身智能更像丰田式的精细经营，需要对每条数据进行控制与验证。
随之而来的问题——成本。
在会后群访中，高继扬直言不应只盯着数据单项成本，而应关注智能总成本。
采集数据是为了实现智能，必须回归到我们的根本目的。
智能总成本分为三块：数据、算力、研发团队。
我们先剔除研发团队工程师成本。实践中发现数据和算力成本比例大约是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，才能把模型训练到位。
在他看来，如果数据本身无效，后续生成的模型也必然无用。
高继扬将真实世界数据分成两类：
- 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非常明确。
Human centric data大约在每小时50～100元人民币之间，受地区和采集条件影响有所波动。
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。
市场上，一些团队的报价甚至达到300~350元，但通常包含10%~20%的毛利空间，更多取决于运营效率。
如果放到规模化视角来看，逻辑会更直观。
100万小时的数据采集，对应的是1亿至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」。
如今大模型训练，每年算力支出是数亿美元级别。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。
G0.5部署到双足人形，仍需时间
硬件与数据，最终都要服务于模型。
本次大会上，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：让机器人协调全身运动
- 作业智能：让机器人执行具体任务
- 进化智能：让AI重新定义机器人形态
G0.5处于第二层，但它完成了一项关键突破：将VLA统一到一个自回归生成框架中。
视觉、语言、思维链与动作不再分阶段处理，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。
会后有媒体问赵行一个现实问题：G0.5何时能部署到双足人形机器人Kengo上？
他的回答比较直接：至少要等到今年年底。
原因也很现实。这里面仍有不少工程问题尚未解决，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。
有算法工程师告诉媒体，如果未来有厂商能针对具身智能推出Thor的轻量化版本，可以直接使用。
这一现实也解释了一个行业现象：为什么许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。
高继扬在群访时也明确，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，目前仍处于本能智能阶段。
在他看来，以上提到的「三层技术路线」是必经阶段，没有捷径可走。
作业智能是当前的主流路线，本质上仍以模仿学习为主，强化学习更多起辅助作用。
而在本能智能阶段，则是强化学习为主，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。
值得一提的是，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。
纷纷开始拼生态
如果只看技术发布，本届WDC并不会显得特别激进。
G0.5开源、Fast-WAM、Kengo首秀，基本都在预期之内。
一个明显的变化是，星海图开始转向「生态化」叙事。
除了亦数智能，本次大会上，星海图还联合凯辉基金发布了创业孵化项目「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。
尤其是第三个最为关键，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年计划投资30～50家。
投资不只是为了财务回报，而是要联手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合作伙伴。
「产业成功的时候，不是某一家企业的胜利，而是一批企业的共同繁荣。」高继扬说。
这句话也暗含深意：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，具身智能行业链条极长，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，不少具身公司都在积极构建生态。
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。
One more thing
会上，高继扬主动谈起了星海图的商业模式，将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Galaxea R1机器人本体，迎来了第一个客户——斯坦福李飞飞实验室。
△李飞飞基于R1发布全身移动操作机器人套件方案
高继扬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，跟对方一碰，正好对路。要不怎么说researcher更懂researcher呢。」
不过，高继扬当时接触的并不只有李飞飞团队，也聊过不少潜在客户。
但最终真正接住这件事的，还得是飞飞老师。