机器人从展台走向工位，星海图开始考核劳动产出

具身智能行业的竞争重点，正在从运动能力展示转向真实作业能力验证。

8月19日，2026世界机器人大会在北京开幕。与过去集中展示跑步、跳舞等运动能力相比，今年更多企业将仓储、制造等作业流程搬进展馆。星海图展示了机器人完成商品抓取、拣选、装袋、封口以及螺丝锁付等任务。

星海图CEO高继扬称，展会前一天，其与京东合作搭建的前置仓现场系统完成了100多单“真实履约”，全程没有人工流程干预。

高继扬同时披露，今年公司已经在陆续交付千台级、模型驱动的真实生产力单元。他特意将这一口径与普通整机销售区分，称统计范围仅限于“模型驱动的生产力产业单元”。

高继扬表示，星海图现阶段主要考核两项指标，一是模型能力，二是模型能力驱动下的商业化落地进展。他表示，“客户购买的不是机器人整机，而是机器人能够完成的生产工作，客户付费买的是劳动产出。”

不过，从在展台完成任务到在客户现场形成稳定产能，仍有一段工程化和商业化过程。机器人能否持续运行、减少人工接管，并将单位作业成本控制在客户能够接受的范围内，正在成为星海图和整个行业需要验证的问题。

01 工作流的入局

本届世界机器人大会上，拆垛、码垛、零售拣选、物料搬运和装配等项目集中出现。

高继扬表示，从去年的世界机器人大会等行业活动开始，行业重心已经转向智能能力和模型能力，开始关注“机器人能不能真正作业、干活”，这一趋势在今年进一步强化。

跑、跳和翻越障碍主要考验运动控制。机器人进入仓库和工厂后，还要理解任务、操作物体、处理异常，并接入现有生产系统。评价标准也随之转向任务成功率、连续作业时间和单位作业成本。

星海图展示的前置仓作业由多个连续环节组成。面对尺寸、材质和摆放位置不同的商品，机器人需要完成抓取、拣选、放置和打包，并通过双臂协同撑开包装袋，完成装货和封口。公司称，这套现场系统可以支持数千至上万种商品。

装配台对应另一组能力。机器人需要拾取螺丝、对准孔位，再操作螺丝刀完成锁付。

星海图在基础模型预训练后，引入监督微调、模仿学习和强化学习，提高操作精度和任务成功率。当机器人作业出现异常时，工作人员可以接管，相关数据随后回流至模型迭代链路。

在模型方向上，星海图同时推进视觉—语言—动作模型和世界模型。

高继扬称，两类模型都需要把输入转化为Token，通过Transformer多层神经网络完成编码，再以自监督方式进行预训练；差异主要在训练方式，世界模型主要依靠视频预测。他判断，两条路线未来会走向融合。

本届大会上，星海图还发布了轮臂机器人Nexo。公司给出的参数显示，Nexo拥有30个自由度，单臂最大负载10公斤、双臂合计20公斤，续航时间为8小时，主要面向电商零售、工业制造和快递物流等结构化场景。

星海图同时布局了双足机器人Kengo和开发者产品Lemo。

按照高继扬提出的“1+3+N”框架，轮臂产品聚焦生产力作业，Kengo面向非结构化复杂环境，Lemo用于降低开发者使用模型和硬件的门槛。

这套产品布局反映了一项现实选择，即不同场景需要的机器人形态并不相同。

仓库和工厂更关注负载、续航和连续运行，台阶、坡道等环境则对机器人的移动能力提出更高要求。对客户而言，机器人采用何种外形并非首要问题，能否稳定完成工作才是部署的基础。

从单项动作到完整工作流程，星海图正在推动机器人进入真实生产场景。但千台级交付能否转化为稳定产能，还要看机器人在客户现场的连续运行时间、任务成功率和人工接管率。

02 难点在于成本算通

高继扬将具身智能商业化划分为几个阶段。

2026年以前，模型能力相对有限，市场交易主要以整机销售为主；从今年下半年至2028年，行业将逐步出现方案订阅模式，客户为特定生产场景的产业方案付费，整机只是方案的物理载体。

随着智能能力从单一场景走向多场景跨域，星海图判断，具身智能商业模式可能进一步演进为以“物理世界Token销售”为主体，产业价值重心也将逐步从整机硬件向智能能力迁移。

这仍是星海图对未来商业模式的判断，能否实现取决于模型能力和客户接受程度。

客户计算机器人是否经济，不能只比较整机售价和人工工资。设备折旧、能耗、维护、后训练、系统集成和现场支持都需要计入成本。如果机器人需要人员持续监控或频繁接管，相应的人力投入也会影响整体投入产出比。

高继扬称，当前机器人作业效率约为人类的70%至80%，适配一项新任务约需10小时后训练。

不过，70%至80%的作业效率只能作为比较起点，不能直接换算为投资回报率。不同任务的动作复杂度和异常率差异较大。

学习新任务的成本同样影响部署速度。星海图目前适配一项新任务约需10小时后训练，目标是压缩至1小时，甚至只需少量样本。训练门槛能否下降，决定了一套模型能否以较低成本复制到更多客户和工位。

在数据路线方面，星海图坚持优先使用真实数据。高继扬称，公司几乎全部采用真实数据，很少使用仿真数据，因此较少面临仿真数据向真实环境迁移的问题。

对于成本，他表示需要合并计算数据、算力和研发工程师人力三部分。按照星海图的判断，数据成本相对可控，“最贵的是算力，最稀缺的是人才”。

星海图还计划将众包采集与内部专业团队结合。今年6月，星海图启动“百万小时真实数据计划”。高继扬没有披露目前的数据规模，只表示百万小时是公司判断的、支撑具有产业价值基础模型的规模门槛，现有量级仍然不足。

高继扬认为，具身智能的技术拐点会到来，但公众认知不会在一瞬间完成。机器人首先进入工厂和仓库，行业变化更可能表现为持续渗透和一个个工位逐步开放。

对星海图而言，下一步需要验证的也不只是机器人能否完成任务，而是这些能力能否在不同客户现场稳定复用，并最终把单位作业成本降到客户能够接受的水平。

具身智能商业化的评价标准，也正从“能不能干活”转向“能否比现有方式更经济”。整机价格、作业效率、训练和运维成本共同决定单位作业成本，也将影响机器人规模化上岗的速度。