从模型到生产力 具身智能还要跨过哪些坎？｜WRC观点

【亿邦原创】过去一年，具身智能行业进入从技术验证走向商业化落地的关键窗口期。2025年至今的18个月里，全球已涌现超过一百款开源基础模型，模型能力几乎每三个月就出现一轮可感知的进步。但行业整体仍处于“销售主导”阶段，大量交易以整机硬件为主，模型能力尚未独立形成付费闭环。

具身智能如何从模型真正走向生产力？它的产业化路径、商业终局和落地关键是什么？

在2026世界机器人大会上，星海图创始人、CEO高继扬表示，具身智能本质是人工智能事业，但绝非纯软件，一定是软硬结合、构建完整体系。基于这一前提，行业价值重心将逐步从整机向智能迁移，从卖硬件走向卖智能能力。这一迁移的终点，是物理世界Token销售成为商业主体，届时整机甚至会进入负毛利状态，因为行业需要更多终端部署在物理世界，拉动具身智能的智能消耗。

他指出，而决定这条路径能否真正走通的关键，在于泛化性：培训成本越低，泛化能力越强，培训成本极高、始终学不会任务，则代表泛化能力不足。

以下为演讲实录（有删减），由亿邦动力整理：

“生产力”，是公司自创办之初就确立的核心关键词。我们希望让机器人真正走进现实世界、创造生产力，解决真实问题。而实现这一目标的核心驱动力，来自基础模型。 接下来，我将阐述我们如何看待以基础模型为核心驱动力的具身智能产业化进程。

在我们的划分中，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。 过去一年，基础模型能力迭代速度极快。从2025年至今的18个月里，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。

从今年下半年、明年，直至2028年，具身智能商业化进程中将逐步出现方案订阅模式：在特定生产力场景域形成完整产业解决方案，客户为产业方案付费，整机只是方案的物理载体。 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，演进为以物理世界Token销售为主体。

在整个产业化进程中，具身智能分为整机硬件与智能能力两部分，价值重心会逐步从整机向智能迁移。 去年到今年，行业内各类整机产品毛利率大致在40%‑60%。我们判断，到第二阶段方案订阅时期，硬件毛利率或将回落至20%左右；进入Token销售阶段，整机甚至会进入负毛利状态。我们需要更多终端部署在物理世界，拉动具身智能的智能消耗。以上，就是模型能力牵引的具身智能产业化完整路径。

经过三年奋战，星海图已经取得一系列成果，基础模型位列全球第一，在8个权威第三方榜单全部排名第一。 今年第二季度，我们发布G0.5模型；今年第一季度，发布Fast‑WAM全新世界模型架构，均属于全球第一梯队。 今年8月海外全新第三方评测榜单出炉，我们模型再次取得行业第一。

行业第一背后代表什么？可以概括为：我们创新采用统一自回归架构，单模型同时打通零样本泛化、通用抓取、长程任务三大核心能力。

第一，零样本泛化，通俗来讲就是“言出法随”。给模型一条语言指令，它就可以跟随指令完成对应作业。 比如指令“把面包从盘子拿起来放到面包机”，或是“把碗里的食材倒进锅里”，这类场景模型此前从未见过，依然可以完成执行，这就是零样本泛化能力。

第二，通用抓取。抓取是具身智能非常关键的能力。通用抓取的含义是：不经过二次后训练、不重新编程，就可以对大小、厚薄、宽窄、不同材质的物体，完成从一处拾取到另一处放置。 对应的Demo在我们展位现场，大家可以掏出随身物品，直接测试模型指令跟随效果。

第三，长程任务。现实世界几乎没有工作流只包含单个或少数动作，大多由几十甚至上百个动作串联而成。让模型连续完成几十、上百步长链条任务，是基础模型产生商业价值的关键前提。 叠纸盒Demo就可以体现该能力，整套流程包含上百步精细操作，现场展位也有实物演示，欢迎大家前往观看。

强大的基础模型预训练只是起点，还需要后续迭代优化。除监督微调、模仿学习微调之外，强化学习是非常关键的手段，目前我们已经完成相关落地。 它带来的效果是：将预训练完成的基础操作，进一步迭代至毫米级、亚毫米级精度，同时作业成功率大幅提升至99.9%。

现场两段演示视频可以直观看到： 第一段为多机协同+人机协同作业。当机器人作业出现异常，人类可以直接接管，这就是机器学习领域的接管机制。接管产生的数据会回流汇总进入模型迭代链路。 第二段演示精细装配：拾取螺丝、对准孔位、螺丝刀锁付，整套毫米级操作全部来自真机强化学习。

基础模型、底层数据、强化学习，是具身智能走向真实生产力的核心变量。 进入真实生产力落地，有三个关键指标，我们概括为：速度、精度、泛化性，共同定义最终作业效果。 坦率讲，当前机器人作业效率，大概只有人类的70%‑80%；精度已经可以稳定达到毫米级别；强化学习还在持续迭代优化。

而泛化性，通俗可以用培训成本衡量。就像人类新员工上岗需要培训，机器人的培训成本高低直接对应泛化能力强弱。培训成本越低，泛化能力越强；培训成本极高、始终学不会任务，代表泛化能力不足。 目前，完成一项新任务，大概需要10小时后训练；我们的目标是未来把训练门槛压缩到1小时，甚至仅需少量样本，即可完成全新长程任务适配。

关于星海图

星海图是一家以模型为核心的具身智能企业，其基础模型在8个权威第三方榜单全部排名第一，2025年一季度发布Fast-WAM世界模型架构，二季度发布G0.5模型，8月海外第三方评测再次取得行业第一。技术上，星海图采用统一自回归架构，单模型同时打通零样本泛化、通用抓取、长程任务三大核心能力；强化学习已落地，将操作精度提升到毫米级甚至亚毫米级，作业成功率提升至99.9%。

产品层面，星海图发布全新旗舰轮臂整机Nexo，力控精度0.1N、位置控制精度0.1mm，单臂最大负载10kg、双臂合计20kg，原生适配G系列基础模型，700—1000套算力即可支撑G0.5实时推理；同时布局双足人形Kengo系列和Lemo开发者系列，分别面向非结构化复杂环境与开发者生态。

业务与战略上，星海图围绕电商零售、工业制造、快递物流、商业服务四大赛道推进落地。公司与京东合作打造全球首个全自主机器人前置仓，现场完成100多单真实履约，支持数千至上万SKU，实现商品抓取、拣选、放置、打包全流程无人干预；并在美国洛杉矶3PL第三方仓储推进拣选、打包、退货上架等海外场景。今年星海图已开始交付千台级模型驱动的真实生产力单元，明年目标实现数倍增长。公司提出“1+3+N”战略：一套软硬结合完整体系，三大产品系列，N个产业伙伴；当前合作伙伴20余家，目标到2027年突破100家。

本文首发于 亿邦动力 官方网站