機器人從展臺走向工位，星海圖開始考核勞動產出

王小娟 發表於 2026年08月21日 07:43 摘要：推進機器人上崗 具身智能行業的競爭重點，正在從運動能力展示轉向真實作業能力驗證。8月19日，2026世界機器人大會在北京開幕。與過去集中展示跑步、跳舞等運動能力相比，今年更多企業將倉儲、製造等作業流程搬進展館。星海圖展示了機器人完成商品抓取、揀選、裝袋、封口以及螺絲鎖付等任務。星海圖CEO高繼揚稱，展會前一天，其與京東合作搭建的前置倉現場系統完成了100多單“真實履約”，全程沒有人工流程干預。高繼揚同時披露，今年公司已經在陸續交付千臺級、模型驅動的真實生產力單元。

他特意將這一口徑與普通整機銷售區分，稱統計範圍僅限於“模型驅動的生產力產業單元”。高繼揚表示，星海圖現階段主要考核兩項指標，一是模型能力，二是模型能力驅動下的商業化落地進展。他表示，“客戶購買的不是機器人整機，而是機器人能夠完成的生產工作，客戶付費買的是勞動產出。” 不過，從在展臺完成任務到在客戶現場形成穩定產能，仍有一段工程化和商業化過程。機器人能否持續運行、減少人工接管，並將單位作業成本控制在客戶能夠接受的範圍內，正在成為星海圖和整個行業需要驗證的問題。本屆世界機器人大會上，拆垛、碼垛、零售揀選、物料搬運和裝配等項目集中出現。

高繼揚表示，從去年的世界機器人大會等行業活動開始，行業重心已經轉向智能能力和模型能力，開始關注“機器人能不能真正作業、幹活”，這一趨勢在今年進一步強化。跑、跳和翻越障礙主要考驗運動控制。機器人進入倉庫和工廠後，還要理解任務、操作物體、處理異常，並接入現有生產系統。評價標準也隨之轉向任務成功率、連續作業時間和單位作業成本。星海圖展示的前置倉作業由多個連續環節組成。面對尺寸、材質和擺放位置不同的商品，機器人需要完成抓取、揀選、放置和打包，並通過雙臂協同撐開包裝袋，完成裝貨和封口。公司稱，這套現場系統可以支持數千至上萬種商品。裝配臺對應另一組能力。機器人需要拾取螺絲、對準孔位，再操作螺絲刀完成鎖付。

星海圖在基礎模型預訓練後，引入監督微調、模仿學習和強化學習，提高操作精度和任務成功率。當機器人作業出現異常時，工作人員可以接管，相關數據隨後迴流至模型迭代鏈路。在模型方向上，星海圖同時推進視覺—語言—動作模型和世界模型。高繼揚稱，兩類模型都需要把輸入轉化為Token，通過Transformer多層神經網絡完成編碼，再以自監督方式進行預訓練；差異主要在訓練方式，世界模型主要依靠視頻預測。他判斷，兩條路線未來會走向融合。本屆大會上，星海圖還發布了輪臂機器人Nexo。

公司給出的參數顯示，Nexo擁有30個自由度，單臂最大負載10公斤、雙臂合計20公斤，續航時間為8小時，主要面向電商零售、工業製造和快遞物流等結構化場景。星海圖同時佈局了雙足機器人Kengo和開發者產品Lemo。按照高繼揚提出的“1+3+N”框架，輪臂產品聚焦生產力作業，Kengo面向非結構化複雜環境，Lemo用於降低開發者使用模型和硬件的門檻。這套產品佈局反映了一項現實選擇，即不同場景需要的機器人形態並不相同。倉庫和工廠更關注負載、續航和連續運行，臺階、坡道等環境則對機器人的移動能力提出更高要求。對客戶而言，機器人採用何種外形並非首要問題，能否穩定完成工作才是部署的基礎。

從單項動作到完整工作流程，星海圖正在推動機器人進入真實生產場景。但千臺級交付能否轉化為穩定產能，還要看機器人在客戶現場的連續運行時間、任務成功率和人工接管率。高繼揚將具身智能商業化劃分為幾個階段。2026年以前，模型能力相對有限，市場交易主要以整機銷售為主；從今年下半年至2028年，行業將逐步出現方案訂閱模式，客戶為特定生產場景的產業方案付費，整機只是方案的物理載體。隨著智能能力從單一場景走向多場景跨域，星海圖判斷，具身智能商業模式可能進一步演進為以“物理世界Token銷售”為主體，產業價值重心也將逐步從整機硬件向智能能力遷移。

這仍是星海圖對未來商業模式的判斷，能否實現取決於模型能力和客戶接受程度。客戶計算機器人是否經濟，不能只比較整機售價和人工工資。設備折舊、能耗、維護、後訓練、系統集成和現場支持都需要計入成本。如果機器人需要人員持續監控或頻繁接管，相應的人力投入也會影響整體投入產出比。高繼揚稱，當前機器人作業效率約為人類的70%至80%，適配一項新任務約需10小時後訓練。不過，70%至80%的作業效率只能作為比較起點，不能直接換算為投資回報率。不同任務的動作複雜度和異常率差異較大。學習新任務的成本同樣影響部署速度。星海圖目前適配一項新任務約需10小時後訓練，目標是壓縮至1小時，甚至只需少量樣本。

訓練門檻能否下降，決定了一套模型能否以較低成本複製到更多客戶和工位。在數據路線方面，星海圖堅持優先使用真實數據。高繼揚稱，公司幾乎全部採用真實數據，很少使用仿真數據，因此較少面臨仿真數據向真實環境遷移的問題。對於成本，他表示需要合併計算數據、算力和研發工程師人力三部分。按照星海圖的判斷，數據成本相對可控，“最貴的是算力，最稀缺的是人才”。星海圖還計劃將眾包採集與內部專業團隊結合。今年6月，星海圖啟動“百萬小時真實數據計劃”。高繼揚沒有披露目前的數據規模，只表示百萬小時是公司判斷的、支撐具有產業價值基礎模型的規模門檻，現有量級仍然不足。

高繼揚認為，具身智能的技術拐點會到來，但公眾認知不會在一瞬間完成。機器人首先進入工廠和倉庫，行業變化更可能表現為持續滲透和一個個工位逐步開放。對星海圖而言，下一步需要驗證的也不只是機器人能否完成任務，而是這些能力能否在不同客戶現場穩定複用，並最終把單位作業成本降到客戶能夠接受的水平。具身智能商業化的評價標準，也正從“能不能幹活”轉向“能否比現有方式更經濟”。整機價格、作業效率、訓練和運維成本共同決定單位作業成本，也將影響機器人規模化上崗的速度。風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。

用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。AI全知道 收藏 分享 0條評論 發送