2个月融两轮，估值破200亿，星海图凭什么？

继2月完成10亿元B轮融资后，星海图在不足两个月内再度宣布完成20亿元B+轮融资，估值突破200亿元人民币，据悉已创下国内具身智能企业估值的历史新高。本轮融资汇聚了产业资本、国家队基金、头部长线资金及一线PE机构等多方力量，阵容之广、节奏之快，在整个行业颇为罕见。

机器人大讲堂发现，如果将这组数字放在行业演进的坐标系中审视，便会发现它背后折射的问题远不止于“一家公司融了多少钱”，因为在距上轮融资不足两个月的时间窗口内，估值实现近乎翻倍增长，不免让人疑惑，这究竟是2026年以来资本市场的集体非理性，还是行业逻辑演进过程中一次对星海图有迹可循的价值重估？

01.

稀缺性溢价，资本向头部聚集

机器人大讲堂此前接触的部分投资人表示，在行业公认的头部梯队企业中，星海图是为数不多“值得投而且愿意接受投资”的高确定性标的。这种稀缺性叠加资本对具身智能赛道的整体热情，如今再次直接推动了其估值的快速拉升。

这个逻辑听起来简单，却揭示了一个正在发生的行业结构变化：中国具身智能赛道的头部格局正在快速固化。因为当投资人普遍判断这一赛道将产生若干具备全球竞争力的头部企业，而窗口期内可供选择的标的极为有限时，资金的竞争本身就会推高估值，这是一种正常的赛道定价逻辑而非估值泡沫。

类似的情形在过去十年曾在自动驾驶、AI大语言模型等领域反复出现。每当行业形成“终局已定、格局将稳”的预期，资本便会抢跑布局，而不会等待商业数据的充分验证。

从本轮融资的投资方构成来看，这种“抢跑”的动机更为清晰。产业资本方面，蓝思科技作为星海图的重要合作伙伴，双方将在硬件供应链与大规模量产领域深度协同；航发基金、矽芯投资等的加入，则意味着硬件生态链的关键节点正在向星海图靠拢。长线资金方面，修远资本、弘章投资等一二级长线基金的入局，彰显的是对赛道长期价值的战略性布局，而非追求短期退出的财务投机。国家队资金方面，金融街资本、北京科创、国元股权等机构的参与，则是对企业技术路线与发展方向的权威背书，同时也确立了星海图在人工智能国家战略中的核心站位。

这种产业资本+长线基金+国家队三位一体的股东结构，本身就是一个具有战略意味的信号，这或许意味着这轮融资的参与者，大多数并不是在赌一个短期的财务回报，而是在布局一个更长时间维度上的产业卡位。

但有一点可以相对确认：此次估值跃升，不完全是靠技术进展单独撑起来的，相当程度上是行业竞争格局收敛在资本市场的提前定价。这对于理解星海图所承受的压力至关重要——既然估值已经锚定了“头部地位”的预期，那么任何技术或商业化的落后，都将对这一预期形成剧烈冲击。

02.

星海图的技术护城河在哪？

如果说资本逻辑解释了“为什么是现在”，那么技术逻辑则需要回答“为什么是星海图”。理解星海图的融资加速，其实有另外一个需要评判的行业维度，那就是具身智能领域的Scaling Law究竟是否已经显现？星海图透露，过去半年，星海图的研发费用相当于公司成立以来前几年的总和。这种投入密度的骤然提升，本身就是一种态度表达。具体而言，星海图的研发投入，则重点押注了具身模型和数据层面。

在模型层面，公司延续了快-慢双系统VLA模型的技术路线，并将其与世界动作模型（WAM）深度耦合，形成了独特的技术架构主张：VLA与WAM同源共生，共同服务于理解世界、操作万物的通用智能目标。

从去年8月开源G0 VLA大模型突破当时SOTA，到今年1月开源全球首个开箱即用VLA模型G0 Plus，再到近期重磅发布全球最快的世界模型Fast-WAM，星海图正通过对底层架构的颠覆性重构，大幅提高其世界模型推理速度，使其朝着真正产业部署迈出了关键一步。

而Fast-WAM发布后获得了国际顶尖AI学者的关注与转发，被认为是国内在世界模型方向上极少数能够获得硅谷主流认可的进展之一。即将发布的G0.5模型，据悉将再次更新全球SOTA纪录并开源，这将是对上述技术路线有效性的又一次公开验证。

在Scaling Law范式下，推动模型能力跃升所需的资源投入会呈指数级增长，且每上一个量级都会遇到需要重新解题的新问题，这或许也迫使星海图在规模化投入的同时，试图在工程能力、数据质量和架构创新之间持续保持高度协同，而这种协同能力，对于资金储备有着较高要求，但也有望成为难以被短期复制的壁垒所在。

机器人大讲堂发现，星海图的技术叙事，除了对于“大脑”技术的押注，还建立在一套相互嵌套的数据体系之上，其核心是一个被内部称为“真实数据金字塔”的三层架构：同构遥操作数据、无本体采集数据、人类第一视角数据，并在此基础上建立了数据管理平台（EDP）。

EDP这套自研的数据管理平台，实现了从数据采集、标注到模型部署的全流程闭环，并集成了一站式后训练工具，可与具身基础模型、机器人本体深度协同。这一能力的来源，在相当程度上继承自星海图此前在自动驾驶领域积累的工程经验，其团队此前自动驾驶的工程积累，正在重新成为具身智能的竞争壁垒。这一逻辑同样有迹可循。因为自动驾驶对感知、决策、数据管道的工程要求与具身智能高度重叠，早年在这一领域建立基础设施的团队，确实在具身智能时代拥有某种先发优势。

而在数据采集层面，星海图在行业尚未普遍重视无本体数据时，便提前布局了UMI采集方式与人类第一视角（Egocentric）数据采集方案，并与英伟达在EgoScale方向上达成合作。据悉，目前星海图的数据体系已深度赋能英伟达EgoScale、蚂蚁灵波Lingbot-VLA等全球顶级具身大模型。无本体数据的价值，在于它能够大幅降低训练数据的综合获取成本，同时补充真机数据在场景覆盖上的天然局限。

基于这套数据架构，星海图去年开源的全球首个开放场景具身智能真机数据集（GOD），发布一个月即登顶全球下载量首位，目前全球下载量已突破60万次，被开源社区广泛认可为2025年全球最高质量具身真机数据集。这一成绩背后，依赖的恰恰就是三个因素叠加：机器人本体的精度与稳定性、数据采集方式的设计合理性、以及EDP平台对原始数据的清洗和标注能力。

侧重大脑和数据这一布局也与星海图的长期战略相匹配。据悉，星海图还将在2026年构建全球最大规模的真实场景具身数据集，以百万小时真实场景数据持续驱动具身基础模型进化，相应算力支出也将同步大幅提升。这意味着星海图正在将此轮融资的相当大一部分，押注在一次规模驱动的模型能力跃升上。而如果该路线能实现规模化，今年内应该能看到其模型能力的阶梯式爬升。

03.

商业落地的速度能否支撑？

外界一度担忧，星海图有着极强的技术积累，但是从技术领先"到跑通场景是否会有距离？在2026年，星海图公布的具体销量数据，已经证明了其落地能力，这或许也是资本当下快速涌入的重要原因。

这种市场销量的持续提升，首先得益于产品体系的愈发完善。目前，星海图已构建起从核心部件、整机平台到开发工具的完整矩阵，围绕轮式双臂、灵巧操作、全身运动控制三大方向持续迭代，被认为是行业内极少数能同时满足顶级科研与工业级工程需求的通用平台。其R1系列机器人已通过Physical Intelligence、斯坦福AI实验室、英伟达等全球顶尖开发者的检验，成为服务全球顶尖模型的核心硬件基座，同时也进入了全球顶尖汽车主机厂和一线物流运营商的生产力场景。

机器人大讲堂了解到，在商业化策略上，星海图的市场侧重主要放在了开发者与“生产力”场景。在开发者板块，星海图已建立起相对明确的领先地位。2025年，公司在轮式双臂机器人领域的全球市场占有率位居第一，累计服务超过150家全球顶尖具身智能开发者伙伴，头部覆盖率超过90%，星海图成为全球具身智能研发的通用底座。

在“生产力”板块，公司聚焦搬运移动、抓拿放置、封装打包、织物叠放和设备串联五大核心垂类场景，目前已完成千台级订单跑通，并锁定了工业搬运、物流分拣、商业展示类行业领军企业的深度合作。星海图预期2026年这类场景有望正式开启万台级规模化放量。

此次星海图在采访中还透露了另一个值得关注的细节：其正在通过资本手段加速生态布局。

据悉，公司目前已投资近10家企业，均为具身智能行业的工程师和科学家团队，其中绝大部分为首轮投资，覆盖UMI、POV、全身外骨骼等多种数据采集方式，以及零售、物流、家庭多个核心应用场景。

这一投资逻辑，与简单的财务回报驱动有所不同。其本质正是希望通过资本纽带，将数据采集链路上的关键节点纳入自身生态体系，从而在数据维度形成更难以被复制的壁垒。当这些被投企业的数据流向星海图的训练体系，当这些场景的应用经验反哺星海图的模型迭代，整个数据飞轮的转速就会进一步加快。

因此也不难理解，为何在星海图的官方消息中明确表示，本轮资金将“全面加码基础模型研发与全球生态布局，推动从开发者首选迈向生产力标杆的跨越式进化”。这两个目标相互依存，因为开发者生态是数据来源和场景验证的基础，生产力落地则是估值逻辑最终能否兑现的关键。

04.

结语与未来

综合来看，星海图的200亿估值，是多重因素在同一时间窗口叠加的产物。具身智能行业竞争格局收敛带来的稀缺性溢价、全球具身智能技术进展推动的行业预期上修、以及星海图自身在数据体系与开发者生态上已经形成的差异化护城河，才使得资本在短时间内“用脚投票”。

但这一估值也同时反应了具身智能行业一系列可能即将出现的预期：当Scaling Law在具身智能领域的规律性与大语言模型的迭代频率开始高度重合；大规模数据积累开始转化助推模型能力的代际跃迁；千台级场景POC有望在今年内顺利演进为万台级规模化量产，笔者认为，如果这些关键节点能在未来12至24个月内逐步得到验证，星海图的200亿估值将只是一个起点，而非高点。

因为历史已经不止一次证明，在技术范式切换的关键时期，早期定价往往在事后看来“估值不足”。星海图的故事，目前仍处于叙事领先于现实的阶段。接下来就看，在具身智能这条道路上，谁能最快将叙事转化为可量化、可批量落地的商业现实，而这也将决定未来数年的行业格局，也才是这个赛道接下来的核心命题。