详情

田晏林 发自 凹非寺

量子位 | 公众号 QbitAI

新一代具身基础模子G0.5和首款双足东说念主形机器东说念主Kengo亮相不到半个月，星海图又整活儿了。

这家于2023年建造的具身智能公司，本年级首完成股改后，正处于密集发力的窗口期。

这一次，星海图干脆把我方的「一又友圈」一次性亮了个遍。

6月16日，在该公司举办的第一届寰球开发者大会（Galaxea WDC 2026）上，上百位寰球开发者、顶尖学者、产业链高下流伙伴，致使连国际机器东说念主企业齐来了。

当天举止现场的座位安排颇为谨慎：

第一瞥嘉宾席C位，上昼留给了关系部门辩论，下昼换成了清华大学电子工程系培育汪玉（下昼首场演讲嘉宾）。

星海图独创东说念主兼CEO高继扬把我方安排在了他们的右手边。

而他的右侧嘉宾十分固定，当天老本独创东说念主徐新一直听到该公司连结独创东说念主、CTO赵行分享终局才离场。

这种「学术+老本+产业链」高密度同框的所在，传递出一个清爽信号：

2026，似乎真到了具身智能分水岭。

我呢，一天大会跑下来，发现存三件事值得细唠唠：数据、模子、生态。

单拎起哪一个，齐阔气确认星海图面前的政策意图。

在星海图的时间叙事里，被反复说起的重要词便是「数据」。

会上，星海图连结北京亦庄共同发起的一个新的数据公司「亦数智能」，并建议一个终点激进的目的：100万小时超高质料果然数据野心。

100万小时意味着什么？粗略是具身智能终于有「互联网级别」的数据养料了。

天眼查骄横，亦数智能（北京）科技有限公司，星海图看成第二大鼓吹认缴出资额2500万元，握股比例25%。

亦数智能牵头，原力灵机、蚂蚁数科、百度智能云、猎聘、海天瑞声等15家公司，是首批共建企业。

咱们是国内最早、也最坚强押注果然数据的公司。模子、数据和本色，必须在团结套体系里跑通。

高继扬的潜台词很明晰：在具身智能里，数据不是援助，而是底层坐蓐而已。

这亦然具身行业共鸣。大模子之是以能有用责任，压根原因在于它「吃」了海量数据。

同理，机器学习底层逻辑之一，亦然高度依赖数据中台的质料。

但具身的数据从来不是现成的。

一位星海图工程师告诉量子位，真机数据汇集难度大，短期内为提高数据量，还得引入UMI、Egocentric数据等。

BTW，好多公司还是把UMI+Ego联接使用了。这类数据被以为是面前行业里较为常见的「低价替代有谈论」。

但在里面判断中，这并不是终局。

他们更倾向于把真机数据看成中枢财富恒久积贮。

同期，冉冉引入互联网体格数据、东说念主类行动数据以及物品交互数据，用数据工程姿首放大限度。

关于仿真数据，星海图团队的作风相对保守。

咱们公司不太驯服仿真数据、合成数据，与真机数据各异较大，难以总结有用算法联想。

这种判断也并非没由头。国际具身智能公司Genesis AI也未得胜将合成数据用于预熟悉呢。

在数据组织姿首上，有行业东说念主士打了个比喻：要是说大模子的数据坐蓐是被迫收割，那么具身智能更像是丰田式的雅致无比策动，需要对每一条数据进行限制与考证。

问题也随之而来——成本。

在会后群访中，高继扬直言不应只关爱数据单项成本，应该关爱智能总成本。

采数据是为了搞智能，取得到咱们的目的。

智能总成天职三块：数据、算力、研发团队。

咱们先把研发团队工程师成本去掉。实践中发现数据和算力成本比例粗略是1:10。

也便是1块钱的数据成本，至少需要10块钱的算力成本，才能把模子训明白。

在他看来，要是数据本人不work，后头产生的模子一定也没什么用。

高继扬把果然寰宇数据拆成两类：

在成本层面，这两类数据的价钱区间还是被拉得终点清爽。

Human centric data约莫在每小时50～100元东说念主民币之间，受地区与汇集要求影响存在波动。

Robot centric data由于波及遥操作、东说念主工限制以及拓荒折旧，成本显赫更高，约莫在每小时250元傍边。

在阛阓上，一些团队的报价致使达到300~350元，但频繁陪同10%~20%傍边的毛利空间，更多取决于运营后果。

要是把这件事放到限度上看，逻辑会变得更直不雅。

100万小时的数据汇集，对应的是1亿~2亿元东说念主民币的成本。

而在高继扬的对比视角里，这个数字并不夸张，致使是「必须发生的干预」。

今天作念大模子熟悉，每年算力支拨是几亿好意思金级别。比较之下，这一两亿东说念主民币的数据成本是必须要花的，并且从智能产出的角度看，其实终点合算。

硬件与数据，最终齐要作事于模子。

本次大会，星海图新一代VLA基础模子G0.5恰当发布，并告示开源。

不才午场演讲中，赵行要点先容了星海图的三层时间道路：

G0.5处在第二层，但它作念了一件重要的事情：把VLA长入进一个自纪念生成框架中。

视觉、谈话、想维链与动作不再分段处理，而是在团结数据流中连气儿生成，已矣「边会通边推论」的闭环推理。

会后，咱们问了赵行一个现实问题，G0.5什么时候能用到双足东说念主形机器东说念主Kengo身上？

他的回话比较获胜：至少要比及本年年底。

原因也很现实。这里面还有不少工程问题莫得透顶处治，比如微型东说念主形机器东说念主的端侧算力仍然不及。

这获胜指向一个硬不休——NVIDIA Jetson Thor。

Thor被界说为「机器东说念主大脑」，用于运行VLA、寰宇模子和多传感器交融任务，但问题是功耗高、体积大，微型东说念主形结构空间不够。

有算法工程师告诉量子位，要是改日有厂商能针对具身智能作念Thor的轻量化版块，不错获胜用。

这一现实也露出了一个行业状况：为什么好多具身智能公司在早期考证或坐蓐设施，会更倾向于轮式机器东说念主。

比较双足样式，轮式平台在算力承载、供电才能和结构空间上齐愈加宽松。

高继扬在群访时也说，G0.5的举座架构，更适配双臂智能或轮式双臂这类样式。

现阶段会更多落地在R1 Lite、R1 Pro，包括新发布的单臂A1Z等平台上。

而Kengo这样的双足东说念主形产物，当今仍处在本能智能阶段。

在他看来，以上提到的「三层时间道路」是必经阶段，没捷径可走。

功课智能是面前的主流道路，现实上仍以师法学习为主，强化学习更多起到援助作用。

而在本能智能阶段，则是强化学习是主，师法学习看成补充。

这一趋势在当年几年还是缓缓清爽，包括英伟达的Sonic，以及基于Mimic类步履的舞蹈限制系统，现实上齐是在强化学习框架中引入师法信号进行修正。

从长周期看，高继扬以为本能智能与功课智能这两条旅途，最终粗略率会走向交融。

比及阿谁阶段，才可能真确把G0.5级别的才能迁徙到Kengo这样的双足系统上。

多说一句，本年级首，星海图发布了初版寰宇模子Fast-WAM。

在后续有计划中，赵行团队发现一个重要问题：市面上大多量基于寰宇模子的机器东说念主策略，是在一个视频生成模子上再雷同策略模块，导致整个这个词推理链路变得冗长。

他们作念了结构性简化：获胜去掉推理阶段的视频展望经过，仅保留熟悉阶段学到的寰宇表征才能。

驱散骄横，模子性能莫得理解下落，但推理速率提高4倍以上。

同期，Fast-WAM不错在亏蚀级显卡上踏实运行5亿～10亿参数限度模子，为后续工程部署提供了现实基础。

要是只看时间发布，本届WDC不会显得终点激进。

G0.5开源、Fast-WAM、Kengo首秀，基本齐在预期内。

一个变化是，星海图初始转向「生态化」叙事了。

除了亦数智能，本次大会上，星海图还连结凯辉基金发布创业孵化样式「星途野心」。

据CFO罗天奇先容，他们要点关爱三个方针：数据驱动智能、欺诈场景毁坏、下一代中枢时间。

尤其是第三个最重要，因为它对应的是改日Physical AI Agent在果然寰宇中的扩散旅途。

当年一年，星海图已继续投资近10家企业，改日3到5年但愿投资30～50家。

投资不仅仅为了财务答复，是要与伙伴共同构建产业拼图。

星海图过往投资复古的公司，已有不少成为其高下流伙伴。

「产业得胜的时候，不是某一家企业的得胜，而是一批企业的共同得胜。」高继扬说。

这句话也有潜台词：莫得任何一家公司能够独自界说具身智能。行业还是进入平台期前夕。

如实，具身智能行业链条很长，链接AI、机器东说念主、本色、传感器、数据、制造、场景和作事，不是一家公司靠单点时间就能完成的。

面前，不少具身公司齐在搭建生态。

分辨于智元自研全品类整机，「航母式孵化」欺诈场景，星海图以为我方走的是「生态平权」道路。

绽开时间、器具、接口，裁汰入行门槛，整个开发者、企业齐能对等使用中枢才能，打造绽开分享生态。

会上，高继扬主动谈起星海图的生意模式，会沿着三段式旅途演进：

从整机销售，到有谈论订阅，再到物理寰宇Token销售。

在这一框架下，第一阶段的整机销售更多承担场景考证功能。

相较于这一阶段获胜追求限度化增长，他以为，当系统才能能够被握续调用、任务才能不错已矣模块化订阅时，智能驱动的生意化才会缓缓骄横出更大的可能性。

在这个逻辑下，2024年10月，星海图首批GalaxeaR1机器东说念主本色，迎来第一个客户——斯坦福李飞飞实验室。

△李飞飞基于R1 发布全身移动操作机器东说念主套件有谈论

高继扬和量子位分享了相助背后的小故事。

他与赵行齐曾在好意思国读博，与李飞飞团队在学术圈有错杂。

「咱们想作念具身智能这样一款产物，跟他们一碰，赶巧需要。要不说researcher更懂researcher呢。」

不外，高继扬其时斗争的不单要李飞飞团队，也聊过不少潜在客户。

但临了真确接住这件事的欧洲杯体育，还得是飞飞淳厚。