本报（chinatimes.net.cn）记者石飞月 北京报道

截至目前，业内仍普遍以本体出货量作为衡量具身智能厂商发展水平的关键指标，但在2026世界机器人大会（下称“2026WRC”）上，星海图创始人兼CEO高继扬提出了不同的观点。他认为，随着模型能力不断提升，未来具身智能产业的价值重心会逐步从整机向智能迁移，进入Token销售阶段，整机甚至进入负毛利状态。

在此认知基础上，高继扬对包括《华夏时报》记者在内的媒体表示，星海图不追求整机销量，核心KPI是模型能力以及模型能力驱动下的商业化落地进展。2026WRC期间，该公司的演示全部围绕“真实工作”展开，集中呈现了其在软硬全栈、大脑泛化方向上的底层技术积累，并宣布了G0.5 MAX版本模型即将发布的消息。

机器人界的“卖刀片”

据市场研究公司SAG近日公布的统计数据，2026年上半年，全球人形机器人累计出货约1.91万台，较去年同期的5100台增长超过三倍，出货量排在第一的厂商，其数据达到8400台。

在这条赛道上，星海图显然没有走在前面。在该公司于2026WRC期间举办的“从模型到生产力”技术与产业应用论坛上，星海图合伙人兼COO李天威提到，截至目前，该公司已交付千台级模型驱动的真实生产力订单，明年的交付目标为万台以上。

虽然星海图的业务版图涵盖机器人整机，但这家公司自始至终都明确表态，整机销量并非其追逐的目标，对外传递的重点始终聚焦于模型能力。

理由在于，星海图认为，在整个产业化进程中，随着智能通用性持续提升，能力从单一场景走向多场景跨域，具身智能产业商业模式将迎来再次跃迁，价值重心会逐步从整机向智能迁移，具身智能的商业模式会演进为以物理世界Token销售为主体。

“2026年之前，模型整体能力还比较弱，几乎看不到以模型能力为核心驱动的商业化落地，市场上大量交易以整机销售为主，属于销售主导的阶段。”高继扬说，但在过去一年，基础模型能力迭代速度极快，2025年至今，全球已经涌现一百多款开源基础模型，几乎每三个月就能看到明显技术进展。

“这种模式在商业逻辑上是可行的，既符合平台经济的演进规律，也契合大模型的发展路径。”文渊智库创始人王超对《华夏时报》记者表示，其本质可以看作软件云服务时代“吉列剃刀模式”在物理世界的延伸，即通过低价甚至让利出售硬件（刀架）来获取持续性的服务或消耗品收入（刀片），这一逻辑本质上仍未脱离传统经济学原理，其演进路径可以概括为：从卖设备，到卖解决方案，再到最终卖生产力和物理世界的Token。

实际上，在过去一些行业的发展过程中，类似的经济模式经常出现，如运营商“买套餐送手机”、云厂商“买云视频会议服务送平板电脑”等。在王超看来，通过补贴硬件端抢占物理入口，从而放大云端或网络端的消耗规模，确实是一种有效的策略，许多互联网产品都采用过类似方式——以低价硬件引流，再通过高毛利软件服务盈利。

坚持真实数据采集

目前，各家机器人公司选择的模型引擎架构主要分为两类：一类是VLA，让机器人“看到什么就直接做什么”；另一类是世界模型，先让机器人在脑海中“推演”一遍物理规律，再付诸行动。

“我们先看底层逻辑，不管是VLA还是世界模型，本质都是把输入转化为Token，通过Transformer多层神经网络完成编码，再通过自监督方式开展预训练，基本逻辑是一致的。二者区别仅在于自监督训练的方式不一样，世界模型主要依靠视频预测来做自监督训练。”高继扬说。

他认为，从技术逻辑来讲，二者同源共生，未来也会走向融合，现在行业有些过度关注技术名词概念，忽略了技术实质，其实二者内核相通，并不是完全割裂的两套东西，未来会结合各自优缺点完成融合。

如果说模型是引擎，那么数据就是燃料。具身智能模型的水平，很大程度上取决于数据规模和数据质量，正因如此，如何高效收集具身智能数据，已成为过去两年里行业反复提及的共性难题。

数据从何而来？路径无非两条：一是真金白银砸出来的真实场景数据，二是在虚拟世界里低成本“合成”的仿真数据。前者贵在真实，后者胜在规模，星海图选择了前者。

“我们坚持优先使用真实数据。过去很多人担心真实数据采集难度高、成本大，但我们要算一笔总账，总账包含数据成本、算力成本，还有研发工程师人力成本这三部分。”高继扬对本报记者表示，综合测算下来，数据成本其实相对可控，并没有想象中那么高，最贵的是算力，最稀缺的是人才。

2026WRC期间，星海图展出十余款多场景技术Demo，突出其模型的技术积累。

星海图还发布了“1+3+N”下一代生产力品牌战略，即以“整机+智能”为顶层核心，软硬一体双轮驱动，三大整机产品矩阵，覆盖全形态作业场景，并联动产业伙伴全面推进千行百业落地计划。