芯耀
与非AI
317
继2月估值刚刚突破百亿大关之后，星海图（北京）人工智能科技股份有限公司（以下简称“星海图”）在4月初再度宣布完成近20亿元B+轮融资，估值迅速站上200亿元高点，短短两个月翻倍。
这并非孤例，2026年春天的具身智能赛道，正上演着一场令人目眩的资本接力。与星海图一同站在聚光灯下的，是一个日益壮大的具身智能“百亿估值俱乐部”：智平方、千寻智能、自变量、星动纪元、银河通用、智元机器人、宇树科技……
面对狂热的资本，成功站在200亿元估值门槛上的星海图，在为行业带来巨大想象空间的同时，如何在真实的生产线上兑现高估值，真正从“资本明星”蜕变为“产业支柱”，面临着重重挑战。
能否兑现高估值仍是未知数
星海图估值的快速攀升，并不能简单归因于“风口上的炒作”。客观来看，其背后存在多重相互支撑的逻辑，涉及企业战略选择、行业技术进展以及市场环境的变化。
首先，星海图走的是一条与多数AI创业公司不同的“先硬后软”路径，契合了资本从“看概念”到“看落地”的偏好转变。星海图CEO高继扬在公开访谈中提出了一个判断：算法壁垒最低，迭代周期约2-3个月；数据闭环壁垒中等，迭代周期约6-12个月；整机与供应链壁垒最高，迭代周期约12-18个月。基于这一认知，星海图从创立之初选择了一条相对“笨重”的路线：死磕整机硬件与供应链，而非单纯做算法。
星海图的发展被划分为三个阶段：2024年主攻整机与供应链，2025年搭建数据体系与基础模型，2026年聚焦场景落地与商业化。这种打法，在早期并不“性感”，但当市场逐渐从概念炒作转向对商业化能力的审视时，硬件底座和数据体系的扎实程度反而成为稀缺资产。资本对其估值的快速提升，一定程度上是对这一“先硬后软”路径的滞后确认。
2026年年初，星海图密集发布技术成果，形成了可见的阶段性验证。从2025年8月开源G0 VLA大模型，到2026年年初连续发布G0 Plus、G0 Tiny模型，再到近期发布的“全球最快世界模型”Fast-WAM，星海图在半年多时间内保持了较高的技术产出频率。同时，其开源的具身智能真机数据集GOD全球下载量突破60万次，获得了开源社区的认可。星海图CFO罗天奇将估值提升归结为三个方面：研发投入的“激进”转向、模型成果的密集发布，以及行业估值体系的重构。前两者属于公司自身努力的体现，而第三点则更多反映了市场环境的变化。
此外，“正宗大脑”标的的稀缺性与二级市场估值逻辑的传导，共同推高了星海图的估值水位。自智谱、MiniMax等AI大模型公司上市后，二级市场对AI大模型公司给予了较高估值，这一逻辑迅速传导至一级市场。在具身智能领域，能够同时具备自研VLA（Vision-Language-Action，视觉-语言-动作模型）模型、世界模型并实现“软硬一体”闭环的公司确实不多。星海图作为其中之一，自然获得了估值溢价。
需要指出的是，估值翻倍的速度本身也反映了当前市场对具身智能赛道的整体亢奋情绪。在这一情绪中，既包含了对未来巨大市场空间的理性预期，也难免存在一定的泡沫成分。星海图能否在接下来的商业化进程中兑现这一高估值，仍是未知数。
押宝具身大脑，星海图“胜券在握”？
星海图的崛起，本质上是“具身大脑”技术路线的一次胜利。VLA模型和世界模型，正是这把开启通用机器人时代的秘钥。
传统的工业机器人依赖预先编程，无法应对非结构化的动态环境。而VLA模型的核心价值在于打通了感知、决策与执行的闭环，将视觉理解、语言指令和动作生成整合在一个端到端的框架内，使机器人能够理解自然语言指令并在复杂环境中自主执行任务。这一技术突破，理论上扩展了机器人的应用场景边界。
实际上，在具身智能“百亿俱乐部”中，多家企业在VLA路线上进行了差异化布局。例如，智平方是较早推动VLA技术发展的创业公司之一，其“全域全身VLA（GOVLA）”强调全空间理解和全身协同控制。千寻智能自研的Spirit系列VLA模型，已在宁德时代的电池产线进行应用验证，探索从实验室走向真实工业场景的路径。自变量机器人则更进一步，其WALL-A模型尝试将VLA与世界模型进行深度融合，旨在提升机器人在非结构化环境中的零样本泛化能力。
如果说VLA解决的是“怎么做”的问题，那么世界模型试图解决“会发生什么”的问题——让机器人能够预判动作的物理后果，理解物体之间的因果关系。其核心价值在于为机器人提供“物理常识”。其中，星海图提出的“VLA与世界动作模型同源共生”的理念，代表了行业的一种前沿认知。
然而，这一技术路线的边界与挑战同样不容忽视。
首先是数据问题。VLA模型的训练需要大量高质量的、在真实物理世界中采集的交互数据。星海图坚持“真实数据路线”，并测算出每小时真实数据采集成本约200-250元，10万小时数据成本约2500万元。这一成本虽然相比仿真路线有其合理性，但对于创业公司而言仍是不小的投入。更重要的是，数据的规模、多样性和质量，直接决定了模型的上限，而这一点目前很难有公司真正解决。
其次是泛化问题。目前的VLA模型在特定场景、特定任务上已表现出较好性能，但距离“通用”仍有较大距离。从“万物抓取”到“任意放置”，演示视频中的惊艳表现与真实产线上的稳定运行之间，存在着巨大的工程鸿沟。
最后是算力与系统复杂度问题。端侧算力的限制使得“快慢双系统”（云端VLM负责复杂推理，端侧VLA负责实时动作）的架构成为现实选择，但这种拆分也带来了系统集成、延迟控制和可靠性等新挑战。
业内专家向记者指出，VLA与世界模型的技术路线为具身智能开辟了新的可能性，但将其从实验室能力转化为稳定可靠的商业产品，仍需跨越多个工程化鸿沟。行业需要警惕过度神话单一技术路线的倾向。
星海图面临多重考验
与那些成功迈过“百亿元估值”的具身智能企业类似，站在200亿元估值门槛上的星海图，首先要完成从“技术叙事”到“商业闭环”的跨越。
目前，绝大多数具身智能企业的收入来源仍以科研机构、高校实验室以及少量企业试点项目为主，尚未形成规模化的、可复制的商业收入。星海图CFO罗天奇将2026年的目标定义为“‘跑通’某一个很重要的生产力场景”，并强调“不是说有一台两台，拍个视频做个POC（概念验证），而是实际上这个产品在这个岗位里面把活儿干好了，并且从成本角度来讲也能够算得清楚”。这一表述实际上道出了整个行业面临的共同课题：具身智能机器人必须证明其在真实生产环境中的投资回报率优于现有解决方案，才能实现从“1到N”的跨越。
值得关注的是，不同企业在落地场景上已经出现了明显的分化。例如，星海图聚焦仓储物流拣选和智能制造场内物流，强调解决“海量SKU泛化操作”的痛点；千寻智能将人形机器人“小墨”部署到宁德时代的电池产线，应用于EOL与DCR工序；宇树科技在消费级市场已有一定积累，走的是“硬件先行”的路线…… 这种场景错位，是竞争格局尚未定型的表现，也意味着星海图需要在自己深耕的细分领域,建立起足够深的客户理解和行业知识壁垒。
星海图还面临着全链条的残酷竞争。
具身智能的本质是一个长链条工程，涵盖硬件设计、供应链管理、数据采集、模型训练、场景落地、售后服务等多个环节。任何单一环节的短板都可能成为整体竞争力的瓶颈。
对比“百亿俱乐部”各成员的核心壁垒，差异化已经初步显现：宇树科技的优势在于硬件量产能力和成本控制，其四足机器人和人形机器人的出货量在行业内处于领先位置。灵心巧手聚焦精细操作的垂直领域，在“手”这一关键执行器上做深做透。而星海图强调“数据-模型-整机”的飞轮效应，试图通过高质量真机数据驱动模型进化，再通过模型能力拉动整机销售。
上述差异化竞争格局，在短期内有助于避免同质化内卷，但从长期看，能够跑通“数据-模型-场景-商业回报”全链路的企业，可能只是少数。
另外，大厂入局的潜在冲击不容忽视。 尽管创业公司目前在具身智能领域占据舆论和融资的主导地位，但谷歌、英伟达、特斯拉等国际科技巨头，以及国内的字节、阿里等，在资金、算力、数据和渠道方面拥有压倒性优势。英伟达已经通过EgoScale等项目深度介入具身智能数据生态，而特斯拉的Optimus更是在自有工厂场景中获得了天然的数据闭环优势。一旦技术路径趋于成熟、市场规模开始放量，大厂随时可能携资源入场。像星海图这样的创业公司需要利用好当前的时间窗口，在细分场景中建立起巨头难以短期复制的壁垒。
“估值”从来不是衡量企业价值的唯一标尺。业内分析人士表示，高估值在为企业提供充裕资金的同时，也提高了后续融资和上市退出的预期门槛。一旦商业化进展不及预期，企业将面临估值回调的压力。对于“星海图们”而言，真正的考验在于能否在工厂车间、仓库货架、商业场景中，用可靠的性能和合理的成本证明自己的价值，进而从“资本明星”蜕变为“产业支柱”。
作者丨杨鹏岳编辑丨邱江勇美编丨马利亚监制丨赵晨
