经典的 " 吉列刀架与刀片 " 模式，正在具身智能领域上演？

    编辑丨岑峰

过去两年，具身智能行业掀起了一场激烈的 " 硬件军备竞赛 "：能后空翻的人形机器人、刷新奔跑速度纪录的机械腿，以及在精密设定下倒水、叠衣服的机械臂层出不穷。

但在这些炫酷的展示背后，一个极其现实的问题摆在了所有从业者面前：具身智能到底该怎么赚钱？

目前，行业的主流玩法依然是 " 卖机器 "：将昂贵的硬件本体搭配针对特定场景写死的工作流软件卖给 B 端客户。但硬件制造天然受制于供应链和规模效应，毛利率在残酷的价格战下不可避免地会走向极度微薄。

如果具身智能真的是继智能手机之后的下一代计算平台，它的商业终局，绝不可能仅仅是一家 " 硬件设备制造商 "。

在正在进行的 2026 世界机器人大会（WRC）上，星海图联合创始人高继扬，指出，具身智能的商业模式最终将彻底颠覆，走向以 " 物理世界 Token" 的销售为主体。

高继扬认为，在未来的终局里，机器人硬件（整机）甚至可能沦为 " 负毛利 " 的载体，其唯一目的就是把更多的终端铺到真实世界中去。而产业真正的价值核心，将 100% 向 " 具身大脑 " 迁移。

就像今天的 OpenAI 按大语言模型吐出的 " 文本 Token" 向开发者收费一样，未来的具身智能巨头，将按照机器人在物理世界中执行的每一个有效动作、完成的每一次任务，即 " 物理世界 Token"，来攫取难以估量的商业红利。

当然，要支撑起如此庞大的 "Token 经济 "，底层大脑必须跨越一道天堑。作为一家坚定的 " 具身大脑 " 公司，星海图在底层模型上给出了自己的解法：用统一自回归架构打通零样本泛化、通用抓取和长程任务。

在演讲中，高继扬不仅分享了上述领域的底层突破，还对 " 泛化性 " 这一学术词汇给出了极其精准、通俗易懂的商业化转译：" 泛化性本质上就是培训成本 "。这种从实验室走向商业逻辑的独特认知，正是我们强力推荐这篇演讲的原因。

以下是高继扬在 WRC 2026 上的演讲实录，雷峰网在不改变原意的前提下进行了精编与整理：

01

商业模式的演进：从卖整机，到卖 " 物理世界 Token"

随着机器人的智能通用性不断取得进展——从单一场景有用，跨越到多场景跨任务有用，具身智能产业的核心商业模式将会发生一次根本性的变化：最终将演变为以 " 物理世界 Token 销售 " 为主体的模式。

在这个整体进程中，我们看到具身智能包含两方面：一方面是整机（硬件），另一方面是智能（大脑）。整体的价值量会从整机逐渐向智能迁移。

去年和今年，我们看到行业里（包括我们自己）销售整机产品，毛利率大概在 40% 到 60%。我们相信，到了第二阶段，也就是 " 方案订阅 " 阶段，整机的毛利率可能会降到 20% 左右。

而到了真正 "Token 销售 " 的第三阶段，整机甚至有可能变成一个负毛利的状态。因为那个时候，我们要的是让更多的终端出现在物理世界当中，去消耗更多具身智能基础模型的 Token。这是一个完全由模型能力牵引的具身智能产业化过程。

正是带着这样的认知，星海图将自己的核心定位明确为一家 " 具身大脑公司 "。过去几年，我们的基础模型在不断迭代，不仅发布了 G0.5 模型，还推出了 fast-wam 最新的模型架构，持续在底层能力上寻求突破。

02

基础模型的三大核心能力：零样本泛化、通用抓取与长程任务

如何去描述我们当前的具身大模型能力？我们可以用一句话概括：创新地采用了统一自回归架构，用单一模型贯通了零样本泛化、通用抓取和长程任务的能力。

第一个关键词是 " 零样本泛化 "。  通俗一点说就是 " 言出法随 "。我给模型下达一句指令，它就能跟随完成。比如，对它说 " 把面包从盘子里拿起来放到面包机里 "，或者 " 把碗里的食材倒进锅里 "。在这些场景中，模型其实是第一次看到这些物品和环境，但依然能完成任务，这就是零样本泛化能力。

第二个关键词是 " 通用抓取 "。  抓取是具身智能非常基础且重要的能力。所谓的 " 通用 "，就是不经过任何的后训练（Post-training）和再编程，机器人就能够把大的、小的、胖的、瘦的、不同材质的物体，从任意地方放置到另一个地方。

第三个是 " 长程任务能力 "。  为什么长程任务如此重要？因为在真实的物理世界中，几乎没有一个工作流（Workflow）是靠单一或少数几个动作就能完成的。它们基本上都是由几十个、甚至上百个动作串联而成。如何让模型连续完成上百个动作？我们通过叠纸盒等复杂精细操作验证了这种能力。这是基础模型走向真实商业价值的核心所在。

当然，仅靠强大的基础模型预训练还不够，我们还需要后训练。在后训练中，除了基于模仿学习的 SFT（监督微调）外，还有一个非常重要的技术就是强化学习（RL）。

目前，我们已经完成了几十台机器分布式的编队强化学习规模化训练。这带来的效果是突破性的：我们可以把通过预训练完成的 " 厘米级 " 操作，进化到 " 毫米级甚至亚毫米级 "，同时将任务的成功率大幅提升至 99.9%。  这一切都源于真机强化学习的能力闭环（如包含人机协同的 DAgger 机制）。

03

  衡量机器人的 " 泛化性 "，本质是衡量 " 培训成本 "

基础模型底层能力的持续突破，是带领具身智能走向 " 生产力时刻 " 的核心变量。当我们真正进入生产力场景时，会发现衡量基础模型有三个非常关键的指标：速度、精度、泛化性。

速度，核心描述的是作业效率。坦率来讲，今天机器人的执行效率还不如人类快，大概是人类的 70% 到 80%。精度，目前依靠预训练可以稳定完成厘米级精度，但毫米级精度必须依靠强化学习，我们目前正在推进这一进程。

最关键的是泛化性。很多人问，泛化性到底是什么？我们觉得一个最通俗的解释就是：泛化性 = 培训成本。

就像我们雇佣一个人类员工，上岗前需要培训；未来雇佣机器人，同样需要培训。这个培训成本的高低，直接反映了泛化性的强弱。  培训成本高，说明泛化性低；如果培训成本趋向于无穷大（即一直教不会），那就说明泛化性极差。

目前，星海图完成一个新长程任务的后训练大约需要 10 个小时。我们希望到明年，能把这个 " 培训时间 " 压缩到一个小时，甚至只需要提供几条数据，就能完成长程任务的后训练。

04

走向真实生产力：1+3+N 的战略生态

基于这些模型能力，我们正在围绕电商零售、工业制造、快递物流和商业服务四大场景展开解决方案落地。

在真实的商业落地中，我们非常注重全自主与模型驱动。比如在与京东合作的全自主机器人前仓中，从货物的拣选、抓取、放置，到最难的柔性打包（打开袋子、放入物品、系上封口），全流程没有任何人工干预，且能支持数千到上万级的 SKU。在海外市场，比如洛杉矶的 3PL 仓储，因为用工难度和培训成本更高，具身智能落地的迫切性和速度可能会比国内更快。

对于整个产业的未来，我们确立了  "1 + 3 + N"  的品牌战略：

"1" 代表不变的战略：整机 + 智能。  具身智能绝不是纯软件的人工智能，一定是软硬结合的完整解决方案。

"3" 代表三大产品序列。  我们围绕生产力场景打造了轮臂旗舰产品（主打 0.1 毫米位控精度的 " 刚柔并济 "）；围绕非结构化场景（如能源电力）推出了双足产品；同时围绕创客和开发者群体推出了高性价比的硬件与开源工具，降低具身智能的开发门槛。

"N" 代表产业生态伙伴。  独木不成林，我们希望与更多上下游的硬件、算法、场景伙伴一起做大做强，将具身智能真正转化为物理世界的生产力。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲 PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。