编辑丨岑峰
过去两年，具身智能行业经历了激烈的“硬件军备竞赛”，各类高难度动作的机器人层出不穷。然而，炫酷展示背后，行业面临着严峻的商业化拷问：具身智能究竟如何盈利？
当前主流模式仍是“卖机器”，即向 B 端客户销售搭载特定工作流软件的昂贵硬件。但受制于供应链与规模效应，硬件毛利率在价格战中日益微薄。若具身智能是下一代计算平台，其终局绝非仅止步于“硬件制造商”。
在 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将发生颠覆性变革，最终走向以“物理世界 Token"销售为主体的新模式。
高继扬认为，未来机器人硬件甚至可能沦为“负毛利”载体，其核心目的在于将终端大规模部署至真实世界。产业价值将 100% 向“具身大脑”迁移。正如 OpenAI 按“文本 Token"收费，未来的具身智能巨头将按机器人在物理世界中执行的有效动作和完成任务量（即“物理世界 Token"）获取商业红利。
支撑这一庞大"Token 经济”的前提，是底层大脑必须跨越技术天堑。作为坚定的“具身大脑”公司，星海图提出了统一自回归架构，旨在打通零样本泛化、通用抓取和长程任务。高继扬更将学术概念“泛化性”精准转译为商业逻辑：“泛化性本质上就是培训成本”。
以下为高继扬在 WRC 2026 上的演讲实录，经精编整理：
01 商业模式的演进：从卖整机，到卖“物理世界 Token"
随着机器人智能通用性从单一场景跨越至多场景跨任务，具身智能的核心商业模式将发生根本性转变，最终演变为以“物理世界 Token 销售”为主体。
在此进程中，产业价值量将从整机（硬件）逐渐向智能（大脑）迁移。
- 第一阶段（当前）：销售整机产品，毛利率约为 40% 至 60%。
- 第二阶段（方案订阅）：整机毛利率预计降至 20% 左右。
- 第三阶段（Token 销售）：整机可能进入负毛利状态。此时目标是让尽可能多的终端进入物理世界，消耗更多具身基础模型的 Token。这是一个完全由模型能力牵引的产业化过程。
基于此认知，星海图明确定位为“具身大脑公司”，持续迭代基础模型，发布 G0.5 及 fast-wam 最新架构，寻求底层能力突破。
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
星海图的具身大模型创新采用统一自回归架构，用单一模型贯通了三大核心能力：
第一，零样本泛化。即“言出法随”。模型首次见到陌生物品和环境，仅凭指令（如“把面包放入面包机”）即可完成任务，无需额外训练。
第二，通用抓取。无需后训练或再编程，机器人即可对不同大小、材质、形状的物体进行任意位置的抓取与放置。
第三，长程任务能力。真实工作流往往由数十甚至上百个动作串联而成。通过叠纸盒等复杂操作验证，模型已具备连续完成长程任务的能力，这是通向商业价值的核心。
除预训练外，强化学习（RL）在后训练中至关重要。目前，星海图已完成几十台机器分布式的编队强化学习规模化训练。借助真机强化学习闭环（含人机协同 DAgger 机制），操作精度从“厘米级”进化至“毫米级甚至亚毫米级”，任务成功率大幅提升至 99.9%。
03 衡量机器人的“泛化性”，本质是衡量“培训成本”
当具身智能进入生产力场景，衡量基础模型有三个关键指标：速度、精度、泛化性。
- 速度：描述作业效率。目前机器人执行效率约为人类的 70%-80%。
- 精度：预训练可稳定实现厘米级，毫米级需依赖强化学习，目前正在推进中。
- 泛化性：最通俗的解释是泛化性 = 培训成本。如同雇佣人类员工需上岗培训，机器人亦然。培训成本越高，泛化性越弱；若无法学会，则泛化性极差。
目前，星海图完成一个新长程任务的后训练约需 10 小时。目标是在明年将此时间压缩至 1 小时，甚至仅需少量数据即可完成训练。
04 走向真实生产力：1+3+N 的战略生态
基于上述模型能力，星海图正围绕电商零售、工业制造、快递物流和商业服务四大场景落地解决方案。在与京东合作的全自主机器人前仓中，实现了从拣选到柔性打包的全流程无人干预，支持上万级 SKU。在海外高用工成本市场，具身智能的落地迫切性更为显著。
面向未来，星海图确立了"1 + 3 + N"品牌战略：
"1"代表不变战略：整机 + 智能。具身智能必须是软硬结合的完整解决方案。
"3"代表三大产品序列：
- 轮臂旗舰产品：主打 0.1 毫米位控精度，“刚柔并济”；
- 双足产品：面向能源电力等非结构化场景；
- 高性价比硬件与开源工具：服务于创客和开发者，降低门槛。
"N"代表产业生态伙伴。联合上下游硬件、算法及场景伙伴，共同将具身智能转化为物理世界的生产力。