從模型到生產力：星海圖與產業朋友圈共探具身智能的下一站

讓具身智能技術真正落地千行萬業。8月21日，2026世界機器人大會期間，星海圖在北人亦創會展中心舉辦了“從模型到生產力”技術與產業應用論壇。本次論壇匯聚海內外高校科研專家、開發者、企業高管等，圍繞具身基礎模型創新、整機演進、商業化落地和技術邊界展開分享，呈現了技術迭代與產業落地的最新思考。解鎖技術底座三大進展，G0.5 MAX即將發佈 星海圖首席科學家趙行在題為《從模型到生產力：構建通用具身智能的系統閉環》的演講中指出，具身智能技術正沿本能智能、作業智能、進化智能三個層級演進，行業正從單點技術突破邁入模型、數據、本體、基礎設施與應用系統性競爭的新階段。

圍繞這一判斷，星海圖搭建起完整的具身智能生產力飛輪：從產業場景出發沉澱真機數據，通過數據驅動模型迭代進化，再由模型賦能機器人本體完成物理作業，依靠基礎設施支撐集群持續迭代優化，最終反哺產業應用，形成自強化的正向循環。技術底座的三大重磅進展包括： 第一，G0.5基礎模型升級與開源共建。G0.5基礎模型創新性內嵌原生動作思維鏈，將圖像感知、語言理解、邏輯推理與動作生成統一在一套自迴歸數據流中。自發布後，G0.5在 LIBERO、RoboTwin 2.0 等 8 項國際權威評測基準上，整體性能全面超越行業 SOTA。同時，G0.5 MAX 版本即將發佈，模型綜合能力將得到進一步強化。

為推動行業開源生態建設，星海圖也正式啟動了G0.5 復現計劃。該計劃面向全球科研機構與開發者完整開放模型權重、推理接口、評測基準與全套微調工具。圍繞“仿真復現”、“真機復現”與“開源共創”三個方向，鼓勵開發者進行深度驗證。第二，預告Fast-WAM 世界模型的預訓練大模型計劃。該模型在推理階段跳過了生成未來視頻的環節，將單步推理延遲從傳統範式的約800毫秒縮短至190毫秒，實現了4倍以上的提速。趙行透露，基於Fast-WAM架構的預訓練大模型也將正式推出，屆時將具備更快的推理速度和更強的跨任務、跨物體、跨場景泛化能力。第三， G-Fleet 分佈式強化學習系統正式發佈。

作為面向真實機器人集群持續學習的分佈式基礎設施，G-Fleet 完整支持集群級策略下發、並行真機 Rollout、真實場景數據迴流、人工干預校準、分佈式強化學習訓練、自動評測與版本發佈全流程，打通“模型部署-真實世界交互-數據篩選-迭代訓練-新版本發佈”閉環，解決大批量真機部署後，如何在物理環境下安全高效完成持續進化的行業難題。新一代輪式雙臂機器人Nexo領銜，三大整機新品承載生產力 星海圖合夥人兼COO李天威以《面向具身智能生產力的下一代整機進化》為題發表演講。他的開場指出整機設計的核心命題：“對於智能來說，迭代是無窮無盡的；但對於硬件，必須有聚焦。

” 他將“智能定義本體”拆解為三層工程含義：智能關注速度，整機提供機電節拍；智能關注精度，整機提供0.1毫米重複定位精度、0.1N 力控精度支撐；智能關注泛化性，整機須具備從遙操作數據到Egocentric數據的完整遷移能力。整機不是被動的“殼”，而是智能能力的物理延伸。“如今，智能定義本體不再是唯一的核心意見者，我們擁有了新一批關鍵的意見發聲者——產業客戶。”李天威指出，他們對可靠性、壽命、冷熱交替環境適應性提出了遠超實驗室原型的要求，這正是星海圖過去一年重點攻堅的方向。

現場還發布了三大整機平臺的最新進展： 一是新一代旗艦輪臂人形機器人Nexo，定位為面向通用作業的“具身體”，產品搭載全域雲控的力觸能力，雙臂峰值可達 20 kg 負載，面向電商零售、工業製造、快遞物流、商業服務四大應用場景。Nexo 配備 8 小時續航，可支撐 7×24 小時連續作業，並提供快充、換電、自主回充三種補能模式。二是雙足人形產品Kengo，機電傳動系統由星海圖全自研，目標指向能源、電力、全域勘探、設備巡檢等輪式底盤難以覆蓋的非結構化場景。三是面向開發者生態的Lemo，一款高性價比雙臂桌面操作平臺，通過自研遙操作系統即可完成穿針引線級的精細操作。

李天威還提到：截至目前，星海圖已交付千臺級模型驅動的真實生產力訂單，明年的交付目標為萬臺以上。這份成果背後，來自產業合作伙伴產能共建，以及整機在可靠性、壽命、寬溫域環境適應性等維度的持續迭代歷練。“具身智能的成功，不會是一家一戶的成功，一定是整個產業生態的共同努力”。多元全球視角匯聚，新一代AI前沿技術力量同場碰撞 兩場圓桌分別從商業落地與技術探索兩個維度展開。產業圓桌由星海圖合夥人、營銷服總裁虞磊主持，General Robotics 創始人兼 CEO Ashish Kapoor、Mr.

Robot 創始人兼 Jemco Group CEO Edwin Yap、德馬科技集團首席技術官王凱、京東零售具身智能高級專家田瑞林參與對話。虞磊指出，機器人能否真正實現生產力落地，取決於市場需求、技術迭代、數據積累與供應鏈、商業模式能否打通等多重因素，但他判斷這一天會比想象中更快到來。王凱直言，海外市場投資回報週期更短、客戶對現階段機器人能力的接受度更高，德馬科技的策略是”先出海，再深耕國內”；但他也指出，ROI能否算得過來，仍是規模化落地的最終卡點。田瑞林從大廠視角補充，京東計劃2028年實現百萬級機器人部署，通過通用底座加垂直模型的架構賦能各行業。海外嘉賓提供了不同市場的觀察角度。

Ashish Kapoor表示，北美企業已將機器人視作“必答題”，但過高的ROI預期和人才高流動性，仍是長期落地的障礙。Edwin Yap結合東南亞經驗指出，該地區無法採用統一策略；馬來西亞、越南等市場成本低、手工作業場景多，反而成為機器人數據採集的天然土壤。多位嘉賓提到，跨企業、跨國界的生態協作將成為行業趨勢。

技術圓桌由硅谷101聯合創始人陳茜主持，星海圖首席科學家趙行、DynaRobotics聯合創始人楊世遠（線上）、北京通用人工智能研究院具身機器人中心主任黃思遠、清華大學深圳國際研究生院助理教授於超、Current Robotics（元流智能）創始人兼CEO祝毅晨、北京大學人工智能研究院助理教授李昊軒共同參與。針對“世界模型是否只是行業熱詞”的爭議，嘉賓們認為行業內技術路線尚未收斂——有的團隊側重表徵學習，有的專注模擬器構建，還有的轉向3D建模。楊世遠分享了來自硅谷的反直覺數據：基於百萬小時人類視頻預訓練後，機器人測試集的模型精度反而下降，印證了從”看懂世界”到”動手做事”之間存在巨大鴻溝。

趙行則認為，具身數據的採集空間足夠大，隨著產業與推動，數據供給問題不必過度擔憂。於超指出，預訓練劃定能力邊界，後訓練才是拓展邊界的關鍵，但目前高度依賴人工介入，規模化仍有距離。李昊軒從因果推斷角度補充，現有訓練多停留在相關性層面，機器人需具備反事實思考能力，才能真正理解動作與結果的因果關係。圓桌最後，嘉賓各自用一句話總結行業最需突破的方向，觀點彙集為五大關鍵命題：原生多模態模型架構、人類數據高效利用、因果推理能力、基礎設施開源共建、高價值場景閉環迭代。本次論壇集中呈現了星海圖從模型、基礎設施到整機的完整體系化能力。

當前，具身智能正處在從實驗室原型走向產業生產力的關鍵階段，既需要底層算法的持續突破，也離不開硬件工程打磨、開源生態建設與真實場景沉澱。未來，公司將持續推動模型與本體的協同迭代，聯動產學研多方夥伴，讓具身智能技術真正落地千行萬業。版權所有，未經授權不得以任何形式轉載及使用，違者必究。