具身智能企业星海图，日前宣布将启动“100万小时超高质量真实数据计划”，定下年内完成百万小时高质量真实数据归集、未来三年冲刺千万小时数据体量。

　　星海图CEO高继扬披露，企业过去一年已布局投资18家具身智能产业链上下游企业，未来3-5年将持续加码产业投资，布局扩容至30-50家企业。

　　2024年，业内普遍将星海图归类为硬件机器人公司，聚焦其双足、轮式机器人整机研发制造能力；2025年，随着真实数据计划落地，行业又将其定义为赛道专属数据服务商。

　　接连落地的数据布局与投资动作，说明星海图在国内人形及通用机器人赛道上布局上的生态优势，但放眼整个具身智能机器人行业，长期存续的技术、成本、商业化、数据底层顽疾，依旧是星海图在内所有行业玩家无法规避的桎梏。

　　平台生意

　　当下国内具身智能机器人行业格局分层明确，行业玩家大致分化为纯算法研发、硬件本体代工、软硬件割裂式场景服务三大类型，多数企业仅深耕单一环节，产业链布局碎片化特征明显。

　　宇树科技做的是终端产品生意，核心商业模式是量产、售卖实体机器人硬件产品，交付标准化物理机器人终端。

　　星海图做的是全域平台生意，它不卖单一机器人硬件，售卖的是全品类机器人通用必备的底层智能能力，同构VLA模型和世界模型，给市面上各类形态的机器人提供感知、决策、交互作业。

　　简单而言，宇树科技是做机器人产品，赚取硬件销售利润；星海图是做机器人智能平台，输出可复用的大脑能力，覆盖全行业机器人玩家。

　　相较于业内多数偏重单一算法研发或是整机组装的机器人企业，星海图从底层伺服零部件、双足及轮式机器人整机硬件，到自研多模态具身基础模型、世界预测模型均有涉足，所有业务板块最终服务于基础模型迭代与智能生产力落地，而非单纯做硬件制造或是数据售卖。

　　这样的做法，也更容易获得资本市场的青睐。

　　资料显示，星海图CEO高继扬拥有Waymo与Momenta双重从业履历，Waymo代表全球自动驾驶行业技术研发，拥有高阶智能算法、世界建模技术；Momenta代表国内自动驾驶的落地能力。

　　自动驾驶本质上是提前跑通一遍真实世界智能系统，和当下具身智能共享感知、决策、规划、控制底层技术框架，同样依托海量物理交互数据训练模型、适配动态真实环境，这套真实世界智能迭代方法论，可直接迁移至VLA具身模型研发。

　　具身智能的核心VLA多模态视觉语言模型，想要实现高精度感知、决策、作业联动，必须依托海量、标准化、真实物理世界采集的人机交互数据完成训练，仿真合成数据无法复刻真实场景力学反馈、环境变量、动态干扰，难以支撑VLA模型完成高阶泛化迭代。

　　现阶段行业多数企业为压缩研发成本，高度依赖仿真合成数据完成模型训练，模型落地实操能力天然受限。

　　泡沫膨胀

　　在星海图首届开发者大会上，高继扬称将启动“100万小时超高质量真实数据计划”。

　　针对本次百万小时真实数据计划的投入成本，高继扬表示，当前具身智能赛道正规、超高质量、真实数据服务行业定价，稳定维持在100-150元/小时，以此行业公允价格核算，落地100万小时合规真实数据，整体资金投入约为1亿-2亿元人民币。

　　高继扬认为，一两亿规模的真实数据投入属于VLA模型迭代的刚需支出，相较于仿真数据，星海图归集的视觉、力控、运动轨迹、人机交互一体化真实数据能优化自有VLA具身模型，降低软硬件适配误差，也能对外开放行业公共数据底座。

　　目前，业内普遍存在算法外购、硬件代工、软硬件适配脱节问题，机器人智能决策与机械执行难以协同，作业落地稳定性不足。

　　对于当下资本市场热度与产业发展周期，高继扬表示，当下整个具身智能行业处于泡沫周期，星海图自身同样身处泡沫膨胀阶段。

　　现阶段星海图估值快速翻倍攀升，一方面源于产业端对人形机器人、通用具身智能万亿元级远期市场空间的理性研判与长期预期，另一方面赛道入局者激增、估值非理性抬升、早期项目溢价融资等现象，也印证行业掺杂了大量非理性泡沫。

　　高估值加持之下，星海图后续能否落地规模化场景、跑通盈利闭环、兑现当下资本市场赋予的高估值，依旧充满不确定性，也是企业下一阶段最大考验。

　　痛点难解

　　即便星海图具备多维竞争优势，行业竞争中抢占先手，但依旧无法脱离当前具身智能机器人赛道的普遍痛点。

　　具身智能机器人需要整合多维体感交互数据，采集、标注、核验成本远高于普通AI视觉数据，采集周期长、人力场地投入大是行业常态。星海图推进百万小时真实数据计划，不仅要承担高额运营研发成本，且目前居家康养、极端工况、柔性物体作业等细分场景数据缺口极大，加之行业无统一的数据确权、标注、复用标准，跨企业、跨场景数据孤岛问题普遍存在，数据规模化、低成本化发展难题尚未破局。

　　此外，现阶段行业大模型语义理解能力日趋成熟，但机器人感知、执行能力始终滞后于智能决策，高精度力觉、触觉感知不足，柔性精细作业成功率偏低，动态复杂环境适配能力不足，仿真数据向现实场景迁移适配误差难以消除，行业普遍存在“大脑会思考、肢体难执行”的问题。同时通用化落地难度极大，市面机器人大多只能适配固定场景作业，跨环境、跨任务泛化能力薄弱，通用型具身智能距离规模化商用仍有较长迭代周期。

　　国内高端减速器、高精度六维力传感器、算力芯片等核心零部件对外依存度较高，整机生产成本居高不下，人形机器人投资回本周期漫长，叠加行业应用场景高度碎片化，没有统一落地标准与行业评测体系，市场选型、行业研发都存在大量无效成本，行业规模化盈利闭环尚未跑通。

　　对星海图而言，依托数据基建与生态布局可缓解自身发展压力，但要想彻底破解上述行业顽疾，依旧需要依托全行业技术迭代、供应链国产化与行业标准共建，长期攻坚。