星海圖高繼揚：具身智能的終極商業模式，是售賣「物理世界 Token」 | WRC 2026

經典的“吉列刀架與刀片”模式，正在具身智能領域上演？編輯丨岑峰 過去兩年，具身智能行業掀起了一場激烈的“硬件軍備競賽”：能後空翻的人形機器人、刷新奔跑速度紀錄的機械腿，以及在精密設定下倒水、疊衣服的機械臂層出不窮。但在這些炫酷的展示背後，一個極其現實的問題擺在了所有從業者面前：具身智能到底該怎麼賺錢？目前，行業的主流玩法依然是“賣機器”：將昂貴的硬件本體搭配針對特定場景寫死的工作流軟件賣給 B 端客戶。但硬件製造天然受制於供應鏈和規模效應，毛利率在殘酷的價格戰下不可避免地會走向極度微薄。如果具身智能真的是繼智能手機之後的下一代計算平臺，它的商業終局，絕不可能僅僅是一家“硬件設備製造商”。

在正在進行的 2026 世界機器人大會（WRC）上，星海圖聯合創始人高繼揚，指出，具身智能的商業模式最終將徹底顛覆，走向以“物理世界 Token”的銷售為主體。高繼揚認為，在未來的終局裡，機器人硬件（整機）甚至可能淪為“負毛利”的載體，其唯一目的就是把更多的終端鋪到真實世界中去。而產業真正的價值核心，將100%向“具身大腦”遷移。就像今天的 OpenAI 按大語言模型吐出的“文本 Token”向開發者收費一樣，未來的具身智能巨頭，將按照機器人在物理世界中執行的每一個有效動作、完成的每一次任務，即“物理世界 Token”，來攫取難以估量的商業紅利。

當然，要支撐起如此龐大的“Token 經濟”，底層大腦必須跨越一道天塹。作為一家堅定的“具身大腦”公司，星海圖在底層模型上給出了自己的解法：用統一自迴歸架構打通零樣本泛化、通用抓取和長程任務。在演講中，高繼揚不僅分享了上述領域的底層突破，還對“泛化性”這一學術詞彙給出了極其精準、通俗易懂的商業化轉譯：“泛化性本質上就是培訓成本”。這種從實驗室走向商業邏輯的獨特認知，正是我們強力推薦這篇演講的原因。

以下是高繼揚在 WRC 2026 上的演講實錄，在不改變原意的前提下進行了精編與整理：01商業模式的演進：從賣整機，到賣“物理世界 Token”隨著機器人的智能通用性不斷取得進展——從單一場景有用，跨越到多場景跨任務有用，具身智能產業的核心商業模式將會發生一次根本性的變化：最終將演變為以“物理世界 Token 銷售”為主體的模式。在這個整體進程中，我們看到具身智能包含兩方面：一方面是整機（硬件），另一方面是智能（大腦）。整體的價值量會從整機逐漸向智能遷移。去年和今年，我們看到行業裡（包括我們自己）銷售整機產品，毛利率大概在 40% 到 60%。

我們相信，到了第二階段，也就是“方案訂閱”階段，整機的毛利率可能會降到 20% 左右。而到了真正“Token 銷售”的第三階段，整機甚至有可能變成一個負毛利的狀態。因為那個時候，我們要的是讓更多的終端出現在物理世界當中，去消耗更多具身智能基礎模型的 Token。這是一個完全由模型能力牽引的具身智能產業化過程。正是帶著這樣的認知，星海圖將自己的核心定位明確為一家“具身大腦公司”。過去幾年，我們的基礎模型在不斷迭代，不僅發佈了 G0.5 模型，還推出了 fast-wam 最新的模型架構，持續在底層能力上尋求突破。

02基礎模型的三大核心能力：零樣本泛化、通用抓取與長程任務如何去描述我們當前的具身大模型能力？我們可以用一句話概括：創新地採用了統一自迴歸架構，用單一模型貫通了零樣本泛化、通用抓取和長程任務的能力。第一個關鍵詞是“零樣本泛化”。通俗一點說就是“言出法隨”。我給模型下達一句指令，它就能跟隨完成。比如，對它說“把麵包從盤子裡拿起來放到麵包機裡”，或者“把碗裡的食材倒進鍋裡”。在這些場景中，模型其實是第一次看到這些物品和環境，但依然能完成任務，這就是零樣本泛化能力。第二個關鍵詞是“通用抓取”。抓取是具身智能非常基礎且重要的能力。

所謂的“通用”，就是不經過任何的後訓練（Post-training）和再編程，機器人就能夠把大的、小的、胖的、瘦的、不同材質的物體，從任意地方放置到另一個地方。第三個是“長程任務能力”。為什麼長程任務如此重要？因為在真實的物理世界中，幾乎沒有一個工作流（Workflow）是靠單一或少數幾個動作就能完成的。它們基本上都是由幾十個、甚至上百個動作串聯而成。如何讓模型連續完成上百個動作？我們通過疊紙盒等複雜精細操作驗證了這種能力。這是基礎模型走向真實商業價值的核心所在。當然，僅靠強大的基礎模型預訓練還不夠，我們還需要後訓練。

在後訓練中，除了基於模仿學習的 SFT（監督微調）外，還有一個非常重要的技術就是強化學習（RL）。目前，我們已經完成了幾十臺機器分佈式的編隊強化學習規模化訓練。這帶來的效果是突破性的：我們可以把通過預訓練完成的“釐米級”操作，進化到“毫米級甚至亞毫米級”，同時將任務的成功率大幅提升至 99.9%。這一切都源於真機強化學習的能力閉環（如包含人機協同的 DAgger 機制）。03 衡量機器人的“泛化性”，本質是衡量“培訓成本”基礎模型底層能力的持續突破，是帶領具身智能走向“生產力時刻”的核心變量。當我們真正進入生產力場景時，會發現衡量基礎模型有三個非常關鍵的指標：速度、精度、泛化性。

速度，核心描述的是作業效率。坦率來講，今天機器人的執行效率還不如人類快，大概是人類的 70% 到 80%。精度，目前依靠預訓練可以穩定完成釐米級精度，但毫米級精度必須依靠強化學習，我們目前正在推進這一進程。最關鍵的是泛化性。很多人問，泛化性到底是什麼？我們覺得一個最通俗的解釋就是：泛化性 = 培訓成本。就像我們僱傭一個人類員工，上崗前需要培訓；未來僱傭機器人，同樣需要培訓。這個培訓成本的高低，直接反映了泛化性的強弱。培訓成本高，說明泛化性低；如果培訓成本趨向於無窮大（即一直教不會），那就說明泛化性極差。目前，星海圖完成一個新長程任務的後訓練大約需要 10 個小時。

我們希望到明年，能把這個“培訓時間”壓縮到一個小時，甚至只需要提供幾條數據，就能完成長程任務的後訓練。04走向真實生產力：1+3+N 的戰略生態基於這些模型能力，我們正在圍繞電商零售、工業製造、快遞物流和商業服務四大場景展開解決方案落地。在真實的商業落地中，我們非常注重全自主與模型驅動。比如在與京東合作的全自主機器人前倉中，從貨物的揀選、抓取、放置，到最難的柔性打包（打開袋子、放入物品、繫上封口），全流程沒有任何人工干預，且能支持數千到上萬級的 SKU。在海外市場，比如洛杉磯的 3PL 倉儲，因為用工難度和培訓成本更高，具身智能落地的迫切性和速度可能會比國內更快。

對於整個產業的未來，我們確立了 “1 + 3 + N” 的品牌戰略：“1”代表不變的戰略：整機 + 智能。具身智能絕不是純軟件的人工智能，一定是軟硬結合的完整解決方案。“3”代表三大產品序列。我們圍繞生產力場景打造了輪臂旗艦產品（主打 0.1毫米位控精度的“剛柔並濟”）；圍繞非結構化場景（如能源電力）推出了雙足產品；同時圍繞創客和開發者群體推出了高性價比的硬件與開源工具，降低具身智能的開發門檻。“N”代表產業生態夥伴。獨木不成林，我們希望與更多上下游的硬件、算法、場景夥伴一起做大做強，將具身智能真正轉化為物理世界的生產力。

上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。