芝能科技出品

成立不到三年，估值 200 亿，星海图宣布完成近 20 亿元 B+ 轮融资，成为国内估值最高的具身智能企业。

两个月前，这家公司的估值才刚刚突破 100 亿。翻倍，只用了不到两个月。资本市场的反应速度，从来都比产业本身快。但这一次，它快得有些超出预期。

融资消息本身不稀奇。2026 年的具身智能赛道，每周都有公司宣布新融资。稀奇的是星海图的速度，以及支撑这个速度的逻辑。

01

为什么这么快？

2025 年底之前，星海图在研发投入上相对克制，更多是"储备"姿态。2025 年底之后决定从储备切换到冲锋。

过去半年的研发费用，相当于公司成立以来的数倍。方向明确，弹药充足，进展也随之加速。

2025 年 8 月开源 G0 VLA 大模型，2026 年 1 月开源 G0 Plus，2026 年 2 月连续开源面向衣物折叠的垂类场景模型和 G0 Tiny 轻量化端侧模型。

这套密集的开源动作，向市场传递了一个清晰的信号：团队有能力、有节奏、有体量。

今年年初智谱、MiniMax 上市后，二级市场对 AI 大模型公司给出了极高估值。这个估值逻辑向一级市场传导，具身大模型作为"正宗大脑"标的，成了稀缺筹码。资本愿意用更长期的视角来消化当下的高估值。

很多具身智能公司会选一条技术路线押注，星海图选择了同时推进两条。

◎ VLA（Vision-Language-Action）路线，星海图走得比较快。G0 VLA 大模型采用"双系统"架构，去年 8 月开源后，今年连续推出 Plus 版、垂类版和 Tiny 轻量化版。据透露，G0.5 模型正在路上，目标直指"真正的通用落地能力"。

◎ 世界模型（World Action Model）路线，星海图最近发布了 Fast-WAM。核心改进在于对模型底层架构的重构，让世界模型可以不依赖想象来理解世界，从而提升推理速度。这对真实场景中的实时决策意义重大。

两条路线同时推进，意味着研发资源分散。但罗天奇的逻辑是：在技术路线尚未收敛的阶段，分散押注本身就是一种风险管理。

数据是今年整个具身智能行业最头疼的问题。真实数据效果好，但成本高、获取难。仿真数据成本低，但训练出来的模型，到了真实环境往往"眼高手低"。

互联网数据规模大，但质量参差不齐。星海图坚定走真实数据路线。星海图从创业初期就坚持在真实场景中采集数据，布局了涵盖 UMI 数据与人类第一视角（Egocentric）数据的无本体数据方案。

2025 年开源的开放场景具身智能真机数据集（GOD），发布一个月后登顶全球下载量首位，目前全球下载量已突破 60 万次。

采集只是第一步，高质量数据的形成至少依赖三层能力：本体是否为数据和模型而设计，数据采集方式是否真实有效，以及是否具备完善的数据管理与后处理能力。

这是一套系统工程，不是堆数据量就能解决的。很多时候可能 1 条高质量数据，对于模型智能的提升水平，是超过 10 条甚至 100 条低质量数据的。

数据规模不等于数据质量，任务结构、场景分布和模型能力之间的匹配关系，往往比单纯的量更重要。

02

五大场景与万台目标

技术最终要落地。星海图选择的落地方向是五个核心垂类场景：搬运移动、抓拿放置、封装打包、织物叠放和设备串联。

这些场景有一个共同特点：都是生产制造和物流领域的标准化任务，不是"跳舞"或者"表演"。

星海图的逻辑是，先跑通有真实需求、有成本账可算的场景，再谈规模化。

目前已完成千台级订单验证，2026 年的目标是万台级规模化放量。

万台的意义不仅是收入数字本身。更重要的是，千台验证的是单点能力，万台验证的是系统能力——包括部署、运维、数据回流和模型迭代的完整闭环。如果这套机制能够稳定运转，理论上会形成数据反馈到模型提升的正向循环。

星海图的融资反映的是整个具身智能行业的阶段切换。过去一年，各种机器人硬件产品层出不穷，运动端的表现尤其吸引眼球。但模型能力正在成为影响机器人上限的关键变量。

竞争逻辑因此在发生重构：从单一场景能力到泛化能力，从固定程序执行到自主决策，从工程优化到数据、模型、硬件的系统协同。

行业对"具身大脑"公司的资源倾斜更加明显。竞争的核心要素也在发生变化。

行业逐渐形成的一个共识是，真正具备竞争力的公司，需要同时具备四个能力：本体能力（为 AI 提供载体）、数据能力（持续供给高质量燃料）、模型能力（构建通用智能核心）和工程能力（将能力转化为真实生产力）。

小结

具身智能不再只是一个"机器人问题"。以大模型为核心的系统工程，才是这一轮竞争的主战场。