2026年走到一半，一级市场的具身智能赛道，体感温度并不高。
我还记得年初还在关注整机落地场景，然后到了二季度，大家的开始提问：钱烧到什么时候是个头？与此同时，宇树把四足机器人的BOM成本压到了消费电子级别，渠道铺进了海外商超。圈内人开始点头，说“这才是商业化的样子”。
但紧接着，回到行业端，另一层焦虑浮了上来：当一个赛道只有一个宇树跑通了硬件规模化的账，其他人的故事，还怎么讲？
这不是唱衰。如果具身智能的终局就是比谁把电机做得更便宜、把结构做得更稳、把整机价格打下来，那这个故事在2026年，头部就已经锁死了。
但如果不是呢？
近期，星海图在北京亦庄开了2026全球开发者大会。当天圈内不少人也都嗅到信息，半个具身智能产业链的人，都来到了亦庄。
确实，这场会信息量不小。新模型G0.5发布并开源，六大权威榜单全球第一。双足人形机器人Kengo首秀。联合北京亦庄成立数据公司“亦数智能”，启动百万小时真实数据计划。
不过，光凭几款新品就让半个产业链到场？我觉得不止。这场会真正在做的事，是回答上面那个一直没人答好的问题。而且答案，跟很多人预想的都不太一样。
相信还有很多人不了解这场大会意义，那么接下来的分析，咱们不预设结论。仅从三个问题切入，用事实和数据，一层一层剥开看看，这个具身智能的终局可能长什么样。
第一个问题：同样是整机，走的哪条路？
宇树的逻辑很清晰。硬件时代，跑得最快的赢。自研电机，规模化制造，把四足机器人做成了“带腿的iPhone”。靠的是供应链效率和运动控制的长板。这条路上，宇树已经用出货量证明了账能算过来。
星海图这次也发了整机。双足人形机器人Kengo，加上轮臂R1的全系升级。看上去，也是在秀硬件肌肉？但有个细节，很多人没注意。
结合下，CEO高继扬在台上给公司下定义，用的是“具身大脑企业”，后面紧跟着四个字：预训练为核心。与此同时，会场展区里，最核心的位置摆的也不是Kengo，而是一块实时演示G0.5模型推理过程的屏幕。
这么一看，相信大家已经恍然大悟，它传递了一个信号——星海图的整机，不是拿来单独卖的SKU，是大脑的验证平台。轮臂也好，双足也罢，目的都是证明一件事：同一套大脑，能适配不同的身体，一脑多形是终局。
顺着这个逻辑再看另一件事，就说得通了。他们动力单元80%自研，年底要冲到100%。不纯粹是为了省成本。更深一层的原因是，自研硬件才能保证采集到的运动控制数据标准统一、质量可控。软硬一体，是在给数据战略铺路。
宇树沿着机床和产线往下走，卖的是身体。星海图沿着数据和训练往下走，想卖的是支配身体的大脑。前者已经被验证，后者的大规模验证，才刚刚开始。
这就带出了第二个也就是最关键的问题。
第二个问题：G0.5刷榜全球第一梯队，值钱的部分在哪？
大会发布了新一代VLA基础模型G0.5，直接开源。查了查数据，全球六大权威榜单拿了第一，稳居国际第一梯队。
很多人扫一眼会觉得，又是刷榜的中国公司？
但是大家要知道，VLA模型的难点，从来不是单项能力有多强，而是视觉理解、语言推理、动作生成这三项能力，在同一个链路里协同工作时，稳不稳定，能不能泛化。试想一下，视觉看岔了，后面动作全错。语言指令理解歪了，机器人就在厨房里把酱油当可乐拿。这完全违背了初衷。
而星海图的G0.5用的是统一自回归VLA架构，三项能力融进同一个端到端链路。并且在六大不同维度的榜单上都拿了第一。
我觉得在VLA模型这方面来说， “都”字，比“第一”两个字更有信息量，也足以验证这套大脑在多个互不兼容的测试体系下，没有明显短板。敢把模型拿出来搞全球众测，也是这个底气的延续。而且，G0.5的突破在于实现了“零样本泛化”，告别预设任务，在真实任务上实操。
这是作业智能阶段的核心成果。
还有一个是他们世界模型Fast-WAM的一个数字：单步推理延迟压缩到190毫秒，这里就不细说了。大家只要知道机器人推理速度如果掉出这个窗口，就只能活在实验室的慢镜头里，永远进不了真实产线就好了。
一句话总结就是这个数字，是把具身智能从Demo推到产线的关键门票。
大脑有了，下一步就是燃料。
第三个问题：投100万小时真实数据，噱头还是基建？
模型再强，没有数据喂，天花板很快锁死。
星海图在大会上的一个重头动作，是联合亦庄控股、亦庄国投，三方成立数据公司“亦数智能”。同时启动“100万小时真实数据计划”，三年内目标冲向千万小时。
与此同时，高继扬也在会上做了一个判断：依托中国的数据供应链优势，未来两到三年，中国具身基础模型能力有望整体超过美国。
我知道，这话听着有点狂，但背后是有逻辑的。
真实数据的采集，拼的不是谁家算法天才多，拼的是设备制造能力、场景丰富度、运营成本控制。这三样，恰恰是中国制造业和服务业的长板。把数据产线铺开，像当年做安防摄像头一样，从工厂到家庭再到路面，规模化采集。一个机器人在中国三线城市的农贸市场、汽修车间、社区诊所跑一天，采集到的长尾场景多样性，在有些国家跑一个月都凑不齐。中国数据供应链的优势，真正开始显现出来。
再看数据来源的结构，差别就出来了。
宇树的数据，大量来自硬件销售后的用户使用反馈，是“销售驱动型”的回流。星海图联合地方政府、数据运营公司、采集设备商专门成立一家公司来干这件事，走的是“基建驱动型”路径。
区别在哪？前者收集的是产品使用数据，后者制造的是专门用来训练通用能力的多元化、高质量数据。
这是两种完全不同的资产。
大会上，星海图联合蚂蚁数科、百度智能云、海天瑞声等15家企业也共同发起了数据生态联盟。从采集、标注到应用，这条链路已经在搭了，相信很快就会见到。
结语
回到开头那个问题。宇树把硬件这条路跑通了，其他人的故事，还怎么讲？
今天，星海图交出来答卷，不拼谁的身体跑得快，拼谁的大脑长得快。大脑长得快慢，不取决于算力大小，取决于你喂给它的世界有多真、有多杂。
卖一台整机，收入马上进账。投一个数据公司，回报周期按年算。这条路不好走。但正因为它难走，一旦走通，护城河就不是几款产品能填平的。
高继扬在会上说了一句话：“没有任何一家公司能够独自定义具身智能。”星海图联合凯辉基金搞“星途计划”，扶持30到50家初创企业，走的是开放路线，不是那种自己干所有事的封闭生态。
这个选择背后，藏着一个对终局的判断。如果未来要卖的是智能本身——按token收费——那硬件和大脑迟早会解耦。星海图押注的，是成为那个定义智能底层标准的角色。
当然，还有一个悬着的题没解。怎么保证采集到的每一帧数据，都是能让模型变聪明的有效数据？物理世界的数据采集，噪声、冗余、标注成本，全是坑。
这是星海图还没交的答卷，也是整个行业要共同面对的暗门槛。
但从6月16号这场会来看，星海图至少把路线图画明白了，也敢押上真金白银去干。2027年回头来看，这场发布会最大的看点，可能不是Kengo走了几步路，而是那100万小时数据计划，到底有没有变成下一代模型的燃料。
如果有，这个故事就值钱了。
咱们到时候再聊。
精彩评论