作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

7月9日，具身智能賽道迎來“炸裂”一天。

交付超過56000臺AMR（自主移動機器人）的極智嘉正式在港交所敲鐘上市；科創板上市公司上緯新材公告，智元機器人將收購其約67%股份，雖然智元方面強調“不是借殼上市”，但外界普遍認為智元距離登陸資本市場已只有一步之遙。

事實上，在此前幾天，星動紀元、云深處、小雨智造、它石智航也接連宣布了新的融資消息，再加上此前宇樹傳出的融資和IPO動作，具身智能賽道正在上演又一輪資本大戲。

在這樣集中爆發的背景下，星海圖宣布完成A4輪及A5輪戰略融資的消息，顯得并不那么引人注目——此次兩輪合計融資金額超過1億美元，A4輪由今日資本、美團龍珠聯合領投，A5輪由美團龍珠、美團戰投聯合領投。事實上星海圖已經在不到兩年的時間里完成了7輪融資，總融資金額超過15億元，且接下來正以獨角獸的估值——10億美金繼續融資。但這家公司并不太在意用“融資破同行業紀錄”去吸引過多討論。

另外，仔細觀察這些公司就會發現一個有趣的現象：無論是極智嘉的AMR、還是其他公司的四足機器人、人形機器人，它們的共同特點是都在做“本體”——專注于機器人的物理形態和硬件制造。

而在這一眾“造身體”的公司中，主打“造大腦”的星海圖反而顯得格外獨特。這是一家總與主流“唱反調”的公司：

當整個行業都在追逐人形機器人的時候，星海圖卻堅持硬件形態根本不重要，人形也不是最優解；在行業討論話題逐漸偏離，開始熱議各種資本運作技巧時，他們還在實驗室里推進技術，展示Demo，像個學術團隊那樣嘗試著各種新技術方案；甚至當同行團隊向數百人擴張時，這家公司為了“保命”，也只保持80人的精英團隊作戰。

在一個充滿泡沫和跟風的賽道里，星海圖成了一股清流。

1

和硅谷互動最密切的團隊

這種處處“反其道而行之”的風格，來自于一個有著清華+硅谷背景的四人創始團隊。

這四個人的組合，幾乎覆蓋了具身智能的核心算法版圖：CEO高繼揚負責感知算法，清華電子工程本科、南加州大學計算機視覺博士，曾在Waymo參與VectorNet、TNT等核心算法開發；聯合創始人趙行主攻空間智能，清華交叉信息研究院助理教授、MIT博士，Waymo前研究科學家，是3D場景理解領域的權威；聯合創始人許華哲專注策略學習，伯克利博士、清華交叉信息研究院助理教授，他提出的3D擴散策略DP3算法被認為是世界領先的模仿學習架構；聯合創始人李天威則負責工程落地，UCL碩士，前Momenta高級總監，有著豐富的量產經驗。

高繼揚（左二）李天威（右一）趙行（右二）許華哲（左三）

星海圖是行業內唯一一個同時擁有兩位世界級具身智能算法科學家的團隊，并覆蓋了從感知、空間理解、策略學習、工程落地，具身智能的四個核心環節，正好對應四個人的專業領域。“單憑我們團隊的履歷就能融不少錢，”許華哲曾半開玩笑地說。

但這個“六邊形戰士”團隊的真正價值，在于他們基于技術積累做出的判斷。

當整個行業都在跟風人形機器人時，星海圖提出了“一腦多形”理念：開發一套通用的智能大腦，可以適配輪式、履帶式、四足、六足、人形等各種機器人形態。在他們看來，具身智能的核心是智能而非形態，應該是“軟件定義硬件”而非“硬件定義軟件”。

高繼揚曾多次強調“數據閉環”的重要性，星海圖的三項核心技術正是圍繞這一理念展開。

EFM-1模型融合了視覺語言大模型與視覺-語言-動作模型，讓機器人能夠理解人類的語義指令并轉化為具體動作；RSR引擎通過消費級2D相機實現厘米級三維場景重建，更重要的是能將真實數據擴展為數千條仿真數據，徹底解決了機器人訓練中的數據瓶頸；DP3算法則基于3D擴散策略，讓機器人僅需少量演示就能學會復雜操作。

這三項技術協同工作，形成了“認知-仿真-執行”的完整閉環。機器人先通過EFM-1理解任務，再通過RSR構建環境模型并生成訓練數據，最后通過DP3學習執行策略。同時，這套系統具備足夠的泛化能力，同一套智能算法可以快速適配到不同形態的機器人本體上。

DP3算法在機器人Roll-Up任務上的執行效果

這些技術路線不那么“全鏈路”，但更貼近今天具身智能技術發展的真實情況——它的技術進步依然重點來自實驗室屬性的團隊，與早期AI技術進步的節奏相似，各個不同的高校、大廠里的機器人實驗室共同合作推動著今天技術不停“日拱一卒”，然后等待跨躍性的時刻到來。

于是星海圖也成了與全球頂尖機器人實驗室團隊合作最緊密的公司之一。

斯坦福大學李飛飛團隊選擇了星海圖的R1機器人作為BEHAVIOR Robot Suite的硬件基礎，專門用于復雜家庭任務的研究；Physical Intelligence（Pi）在訓練其π0.5模型時，同樣選擇了星海圖的R1 Lite作為數據采集平臺，Pi團隊能夠高效采集真實環境數據，提升其具身智能模型的訓練質量和泛化能力，推動機器人操作智能的發展。

頂尖算法團隊需要的不只是特定形態的機器人，而是標準化、高自由度的硬件平臺，讓他們能夠專注于智能算法的研發。基于此需求，星海圖持續構建了開放的開發者平臺EDP，向全球開放機器人硬件、數據和開發工具鏈。

1

用某種“執拗”來對抗商業挑戰

這樣充滿學術氣質的公司，往往也會遇到挑戰：尤其是，今天如何在一個產品成熟度極低但商業化競爭異常激烈的環境里作為一家企業“活下去”？星海圖也在找它自己的方法。

“學術圈有一種風氣，就是說做一個研究，要一直做下去，哪怕從熱門變成了冷門，也要接著做。也許再熬過一個周期，又重新變成熱門。但在創業上，可能邏輯不完全是這樣。商業上是關乎生死存亡的，而且創業者的責任比單純的研究者大得多，畢竟公司還有那么多員工。”

作為CEO，高繼揚最常掛在嘴邊的詞匯不是“算法突破”或“技術創新”，而是“成本”。這種對商業本質的關注，源于他在自動駕駛行業的深刻洞察。他從自動駕駛的失敗經歷中總結出“失效成本”理論：

“Robotaxi失效一次，發生碰撞，大概要賠償幾萬到幾十萬美元不等，而ChatGPT失效一次，成本僅僅是浪費了用戶20秒時間。”這種巨大的失效成本差異，決定了具身智能必須走一條與大語言模型截然不同的商業化路徑。

在高繼揚看來，商業閉環并非技術路徑的終點，而是數據閉環的起點。

他的邏輯很清晰：具身智能的本質是讓機器在物理世界中學會行動，而這種學習必須建立在大量真實場景數據的基礎上。“如果要抵達具身智能的終局，需要針對具體場景推出合適的產品，完成商業閉環，從而得到更多來自物理世界的數據，最終不斷提高機器人的’智能'程度。”

因此，數據成了他們找到的，這個階段的商業化突破口。

與計算機視覺或自然語言處理不同，具身智能無法依靠網絡爬蟲或眾包標注來獲得訓練數據，每一個有效的數據樣本都需要機器人在真實環境中的實際操作。這種數據獲取的高門檻，讓整個行業陷入了“先有雞還是先有蛋”的困境：沒有足夠的數據就無法訓練出足夠智能的機器人，而沒有足夠智能的機器人就無法產生商業價值，也就無法大規模部署來收集數據。

某深耕具身算法的研究團隊對此有著更為直接的表達：“終端的價格戰打得越激烈越好，我們希望硬件廠商賣得盡可能便宜，賣多了就有真實的需求產生真實的數據了。”這句話看似調侃，實則道出了算法團隊的無奈：他們擁有處理數據的能力，卻缺乏獲取數據的渠道。

在經營層面，星海圖也展現出了相當的克制和冷靜。當同行融資后團隊規模加速擴張時，星海圖依然保持80人的精英規模。許華哲坦言：“我們隨時準備過冬。好的創新一般都不是大團隊做出來的。”這不是因為招不到人，而是出于對行業周期的清醒認識和對現金流的謹慎態度。在他們看來，具身智能還處于早期階段，盲目擴張只會增加試錯成本，精英團隊的高效協作遠比人海戰術更有價值。

在業務落地上，星海圖不是那種講故事般的“技術導向”思維，轉而采用精確的商業計算。他們不講宏大的“改變人類生活”故事，而是冷靜地進行市場分析：哪個藍領崗位最容易被替代？這個崗位需要什么樣的功能組合？現有技術能覆蓋多少應用場景？投入產出比如何？什么時候能實現端到端替代？能看出，在每一個產品決策背后，希望找到詳細的商業邏輯支撐。

“融資是為了活著，但活著不是為了融資。”許華哲此前曾這樣描述。

在一個充滿概念炒作和資本泡沫的行業里，星海圖像一股清流。某種時候，你甚至覺得他們像是“旁觀者”，以一種近乎學術的執拗，默默堅持自己的路線，同時又因為冷靜而吸引來對技術本身還在關注的合作伙伴和投資者，然后保持一個精簡的團隊，冷靜地算著商業賬，以最少的成本解決最核心的問題。

在今天人人忙于分析各種資本動作的時代，我們可能反而需要更多這樣不怎么講天花亂墜大故事的公司。

點個愛心，再走 吧