01 把土豆送上太空变便宜了，为什么建月球基地更贵了？
把 1 公斤土豆送上太空，要花多少钱？
2000 年，这个数字是 1 万到 2 万美元。2026 年，已降至 1000 到 3000 美元。马斯克的答案更激进，他未来要让每公斤入轨成本在 100 到 500 美元。
什么概念？一公斤土豆从地球送到近地轨道，可能比一张中美跨洋航班的经济舱还便宜。
但恰恰与此同时，美国在月球南极建永久基地的账单，从 2019 年提出计划至今，已从最初的约 300 亿美元暴涨至近 1000 亿美元。
运力变便宜了，为什么在月球上“建房子”反而更贵了？
这背后是一个被忽视的结构性矛盾：进入太空的门槛在降低，但在太空“干活”的能力并未同步提升。因为未来十年，月球与近地轨道上超过 70% 的基建作业，包括电缆铺设、光伏阵列架设、资源勘探、设施组装、巡检与维护任务。仅依靠宇航员和传统单任务航天装备，很难以可持续、可规模化的方式完成这些工作。
最合理的解决方案，恰恰落在我们地球上最当红的技术新物种——机器人身上。
这个缺口，恰好卡在了“具身智能”与“航天工程”的交叉点上。而在全球范围内，同时具备这两类经验与能力的顶尖人才屈指可数——这两个领域各自的门槛已经极高，且两者的工程哲学与人才体系此前几乎处于两个平行世界，能同时跨过这两道关隘的，自然寥寥无几。我们观察到，国内有一家具身智能创业公司揽月动力正好踩中了这个交叉点上——揽月动力团队曾参与多项国家级航天任务研发，也是全球范围内都为数不多拥有航天项目经验的具身智能公司。
这种兼具顶尖学术研发与国家级航天工程落地的复合履历，在全球具身智能领域极为稀缺，这家公司也是国内较早将具身智能算法从实验室推向工程化应用的公司之一。
揽月动力选择的切入点，恰好落在太空产业变革的核心地带——太空具身智能。机器人进入太空，不仅需要在极端环境中替代人类执行高危险、高成本的作业任务，其更长远的价值在于完成那些人类难以长期、规模化参与的在轨服务与深空作业，如同工地上的工程机械一样，成为地外基础设施建设的通用作业单元。
据多家机构预测，这条围绕太空基建与运维的衍生赛道，未来十年内将打开出万亿级的市场空间。随着月面基础设施、在轨服务、空间能源与空间制造逐渐发展，机器人有望成为其中重要的作业基础设施。在具身智能与航天工程的交汇处，这不仅是一家企业的技术破局，更是一场正在发生的产业大迁移。
02 一场太空基础设施竞赛正在启幕
在政策支持、运力成本骤降、与技术突破的三重浪潮交汇点上，太空产业正在迎来数十年来未曾有过的结构性机遇。
一场由中美主导的新一轮太空基础设施布局也正在启幕。
美国正在加速推进“阿耳忒弥斯”计划，其目标不再局限于完成一次载人登月，而是围绕月球南极长期驻留，逐步构建涵盖能源供应、通信导航、月面运输、科学探测与工程作业的基础设施体系。与过去以单次登月和科学探测为主的任务不同，新一轮布局正在推动月球探索由阶段性任务向常态化驻留与持续开发转变。
中国的深空探测与月球科研站建设也在持续提速。按照现有规划，嫦娥七号计划于 2026 年下半年发射，对月球南极环境与资源展开探测；中国将在 2030 年前实现首次载人登月，并于 2035 年前后建成国际月球科研站基本型。
政策之外，运力成本的快速下降，正在重塑太空产业的底层经济学。海外，以 Starship（星舰）为代表的全复用重型运载工具开始迈向高频发射，大运力、低成本的太空运输能力逐步形成，使过去受制于发射成本的大型设备部署、在轨组装与长期运营成为可能。国内，伴随商业航天支持政策持续落地，发射场、卫星互联网等基础设施建设加速推进，蓝箭航天、东方空间等一批商业航天公司也正在进入技术验证与规模化发展的关键阶段。
技术进步则为太空商业化提供了另一项关键变量。生成式 AI 与具身智能技术的突破，使机器人逐步具备更强的环境感知、自主决策与复杂空间操作能力。太空机器人不再只是等待地面指令、执行预设程序的终端，而正在升级为能够理解环境、规划任务并自主完成作业的智能体。
此外，需求端的变化，也正在重塑太空机器人的产业逻辑。随着轨道卫星、算力设施、能源设施和空间制造平台持续增加，太空作业需求将不再局限于单次、特定目标的科学探测，而会进一步延伸至建设、巡检、维护、运输与组装等长期任务。这种变化下，太空机器人也将由执行单一任务的专用设备，逐步转变为支撑轨道基础设施持续运行的通用作业系统。
03 从航天工程到机器人控制：谁能进入太空机器人赛场
机会正在打开，但横亘在太空机器人产业化之前的技术门槛同样显著。
与地面环境相比，太空机器人需要长期面对真空、强温差、辐射、月尘、低重力、弱通信和无人维修等极端条件。任何一个环节出现故障，都可能直接导致任务中断。这意味着，太空机器人不仅要具备更高的可靠性，也必须在缺乏人工干预的情况下长期稳定运行。
任务本身同样更为复杂。月球与深空环境难以提前穷举全部场景。通信延迟、链路间断和有限带宽，也决定了机器人无法将所有动作持续交由地面实时控制，更不能将所有决策依赖于云端大模型。在有限数据、有限算力和弱通信条件下，机器人必须独立完成从环境感知、任务判断、路径规划到运动控制与实际作业的完整闭环。
因此，太空具身智能真正需要解决的，并不只是机器人能否完成抓取、行走或钻探等某一个动作，而是能否在未知环境中持续打通“生存—判断—移动—操作”的完整链路。这也是太空机器人与普通地面机器人之间最本质的差异。
复杂的任务要求，也决定了太空机器人是一道典型的跨学科系统工程题。这一方向既要求团队理解航天任务与极端环境约束，也需要掌握非线性动力学、机器人控制、精密操作和复杂系统工程。单一算法能力或机械设计经验，很难独立支撑一套太空机器人系统从模型走向真实任务。
从这一标准出发，太空具身智能的机会，更可能属于那些同时具备航天工程、动力学建模、机器人控制与实际工程交付经验的团队。以此对照目前的市场玩家，揽月动力的技术路线与团队构成，提供了一个观察这一赛道解法的典型样本。
揽月动力团队长期从事非线性动力学、机器人与先进制造专业相关学习与研究，其学术训练长期围绕机械电子、复杂动力学与机器人系统展开。
更重要的是，其研究经历并未停留在实验室。曾参与月面作业、航天器安全与复杂机器人操作等项目。
在机械电子、非线性动力学和多体动力学等领域发表论文 30 余篇，并主持多项国家级科研项目。
从能力结构来看，这些经历覆盖了太空机器人所需要的航天级系统建模、复杂动力学分析、精密控制与机器人操作能力，也构成了揽月动力进入太空具身智能赛道的技术基础。
这套能力并非从太空场景凭空起步。此前，揽月动力已经围绕双轮足机器人、移动操作、全身协同与高频力控展开技术研发，并在工厂等地面场景中推进实际应用。
在地面机器人系统中，移动、操作与环境接触往往被拆分为不同模块，但在月面和轨道环境下，这些能力必须被整合进同一套系统。机器人既要保持自身稳定，又要理解复杂接触关系，并在移动过程中持续完成抓取、搬运、装配等任务。揽月动力判断，其在非线性动力学、移动操作一体化和复杂接触控制上的长期积累，与太空机器人所面对的问题具有较高一致性。
基于这一判断，揽月动力正在围绕太空场景构建新的模型与技术体系，将现有机器人能力进一步延伸至月面作业、在轨服务等方向。对这家公司而言，进入太空具身智能并不是一次完全独立的技术转向，而是其既有动力学、控制与移动操作能力在更复杂环境中的进一步延展。
04 极端环境下，太空机器人的三道技术硬门槛
太空环境对机器人而言是一场极致的系统压力测试。但在环境适应与航天工程可靠性之外，有限数据、有限算力、有限能源和通信受限，更直接地改变了机器人智能控制与任务部署的实现方式。
一套真正能够进入月面与深空环境的机器人系统，至少需要满足三项不可妥协的硬指标。
第一，是低数据、低算力条件下的执行泛化能力。与工厂等结构化场景不同，月球环境难以提前完成大规模数据采集，也无法依靠持续联网和云端算力覆盖所有未知工况。越是未知、通信受限和算力受限的环境，机器人越不能只依赖历史数据记住规则，而需要基于物理规律理解任务与机器人本体、环境之间的关系，在有限数据支持下完成对新任务和新环境的快速适应，具备场景的泛化能力，自主完成判断和执行。
第二，是复杂接触条件下的高频力控能力。无论是搬运设备、推动载荷、抓取样本，还是机械对接、设施装配与故障维修，月面作业最终都会落实为搬、推、拉、放、等具体动作，其本质都是机器人与外部环境之间的力学交互。语言模型可以理解任务，却无法直接解决月壤沉陷、载荷突变、接触滑移和机械对接过程中的实时受力问题。机器人必须持续感知本体、载荷与环境之间的交互状态，并以足够高的频率调整动作，才能在未知接触条件下保持稳定、精确和安全。
第三，是移动与操作的一体化。太空机器人既不是一台只负责行驶的月球车，也不是一支固定在原地的机械臂。面对非结构化月面环境，它需要一边移动、一边操作，同时维持本体平衡与作业精度。这要求机器人将移动、平衡、双臂操作和环境接触纳入同一套智能控制体系，而不是由多个彼此独立的模块分别完成。揽月动力此前围绕双轮足机器人、全身协同和高频力控形成的技术积累，正是这一能力的地面基础。
这三处核心的技术卡点，正是揽月动力基于 Physical AI 打造的 RACE Model，即约化自适应控制引擎的核心思路，即让机器人从“记住所有可能发生的情况”，转向“掌握完成任务的基本方法”。
这和传统数据驱动路线截然不同，后者往往需要通过大量样本覆盖不同物体、动作与环境。当任务或载荷发生变化，模型还需要重新采集数据并进行训练。但在月球和深空环境中，很难成立。
RACE Model 具体选择是从物理规律出发，在复杂机器人系统中提炼决定任务结果的关键变量。其底层采用约化模型（Reduced-Order Model，ROM），剔除高维系统中的冗余变量，从不同机器人运动和任务中提取共通的动力学关系，将原本难以实时求解的复杂系统，映射为能够在端侧快速计算的低维表示。
在这一基础上，RACE Model 再结合学习模型与实时感知，根据机器人当前状态、外部载荷和接触环境持续修正控制策略。即使面对新的物体、未知载荷或未经训练的月面环境，机器人也能够以较低的数据依赖完成实时适应。
这套路线形成了一条相互强化的技术链条：对物理规律理解得越深入，机器人对训练数据的依赖就越低；数据依赖下降，模型复杂度和算力消耗也随之降低；当模型能够在端侧实时运行，其在未知环境中的泛化与部署能力便会进一步增强。
这本质上是一个连接上层决策模型与硬件本体之间的 Physical AI 执行基座。大模型负责理解任务、拆解目标和生成行动计划，而真正将这些指令转化为稳定动作，需要本体控制层持续处理动力学、接触、平衡与执行误差。在揽月动力的技术体系中，RACE Model 承担的正是这一角色：根据机器人当前的物理状态与动作，预测系统下一步的演化结果，并据此实时调整控制策略。
这也可以被理解为机器人本体控制层的“世界模型”。它关注的并不是生成一段关于世界的描述，而是对动作发生后，机器人与物理环境将如何变化作出实时推演。
工业机器人与太空机器人虽然面对的环境不同，但需要解决的底层物理问题是相通的：机器人都要处理载荷、惯性、接触、摩擦、平衡和外部扰动。揽月动力所构建的 Physical AI 基座，并不是针对某一个动作训练一套固定策略，而是从不同任务和工况中提取决定运动结果的共性物理规律，以约化模型形成可实时求解的物理骨架，再结合学习模型和真实感知，补偿复杂、未知和持续变化的部分。当场景发生变化时，机器人不必从头重新训练整个任务，而可以在已有模型基础上，通过参数辨识和少量数据完成环境对齐。因此，从工业到太空真正能够迁移的，不是某一个搬运或操作动作，而是一套理解、建模和处理复杂物理世界的方法。
05 从能力积累到任务验证：一条走向太空的工程化路径
技术路线的选择，往往与一支团队长期形成的能力结构有关。
揽月动力进入太空具身智能，并不是从零开始寻找一个新的应用方向，而是将过去在机器人控制、非线性动力学、移动操作和复杂接触控制上的积累，进一步延伸至要求更高的太空场景。
公司核心团队成员来自北京大学、清华大学、上海交通大学、北京航空航天大学、香港大学、佐治亚理工学院、伦敦政治经济学院等高校和机构，能力覆盖机器人控制、非线性动力学、产品工程化、产业运营与商业化。这样的团队构成，使揽月动力从成立之初便不仅关注单一算法或机器人本体，而是试图同时解决模型、控制、硬件和工程交付之间的协同问题。
技术能力之外，复杂机器人最终能否走出实验室，还取决于产品工程化与供应链能力。
揽月动力 CEO 刘世捷是一名连续创业者，此前曾联合创办汽车智驾座舱科技公司，在这一过程中，其积累了产品工程化与商业化、供应链建设、产业客户拓展和规模化交付等经验。他将汽车行业智能化与量产经验带入机器人产业，主导揽月动力从技术验证走向规模化商业落地。
这种能力对于太空机器人尤为重要。太空机器人最终并不只是一个模型或一套控制算法，而是一套需要经过设计、制造、测试、验证和交付的复杂工程系统。学术与技术积累决定机器人能否完成任务，工程化能力则决定这些技术能否真正进入航天项目。
此外，另一层现实的问题是，如何在可控场景中逐步完成能力验证，并将一套地面机器人系统拆解为能够通过航天级考核的技术模块。地面可以用数据不断修正模型，太空却不具备这样的数据和迭代条件。低重力、真空、极端温差、月壤特性和通信延迟等复杂条件，决定了太空机器人不能直接复制地面的模型部署方式。
在工厂中，机器人出现问题后，可以停机调试、重新采集数据，并由工程师现场处理；但在月球环境中，受数据、通信、算力、能源和维护条件限制，机器人必须依托本体 Physical AI 基座，基于已经形成的共性物理规律，对新的重力、载荷、接触和地形条件进行实时辨识与模型对齐，在有限数据和算力条件下形成适应当前环境的作业能力，这也是揽月动力的核心能力所在。因此，工业制造不仅是揽月动力当前的商业化落点，也是 Physical AI 基座走向太空的第一工程验证场。通过高频、持续的真实工业作业，系统能够提炼和验证不同任务背后的共性物理规律，形成可复用、可迁移的模型基础，为揽月动力后续向太空环境迁移积累工程能力。
围绕这一目标，预计在 2026 年至 2028 年上半年，揽月动力将分阶段推出面向太空应用的工程样机，并逐步开展模拟月壤、极端环境和低重力等效条件下的工程验证，为后续在轨或月面任务做准备。
对揽月动力而言，地面工业场景既是商业化的起点，也是太空技术的训练场。地面工业场景承担商业化与数据闭环，灵巧操作推动能力升级，太空场景则打开技术上限与长期空间，目前，揽月动力正在筹备将基于 RACE Model 的 Physical AI 模型推向工业真实场景，于 2026 年 8 月正式启动工厂 PoC 验证。
脚踏实地，才能迈向星空。当智能的疆域开始延展至宇宙，脚下的真实世界，便是通往星空的第一站。
