星海圖完成B輪融資 CFO透露大量行業非共識

【億邦原創】2月11日，具身智能創業企業星海圖宣布完成10億元B輪融資。本輪投資方包括產業資本金鼎資本、北汽產投、碧鴻投資，PE基金正心谷資本、前海方舟，以及國際化基金毅峰資本；五位主要老股東凱輝基金、美團龍珠、今日資本、襄禾資本、高瓴創投均超額或滿額追加。

至此，星海圖累計融資額近30億元，估值突破百億元，成為繼宇樹、智元、銀河通用之后，中國具身智能領域的第四家百億獨角獸，也是其中成立時間最短的企業——從2023年9月創立到邁入百億估值門檻，僅用不到兩年半。

星海圖的定位并非傳統意義上的機器人整機廠商，它將自己定義為“具身智能基座公司”，致力于打造“大腦-身體-工具鏈”的全棧能力，試圖成為AI基礎設施。

創始團隊是典型的“90后清華+自駕”復合背景：CEO高繼揚本科畢業于清華大學，在南加州大學師從計算機視覺專家Ram教授、三年完成博士學業；聯合創始團隊成員兼具清華學術背景與Waymo、Momenta等自動駕駛頭部企業的工程實踐經驗。

在融資溝通現場，星海圖CFO羅天奇以坦誠的態度，拆解了這家“清華+自駕”背景公司對行業終局的根本判斷，以及由此倒推的一整套經營哲學。

他的核心觀點包括一條清晰而反共識的邏輯鏈：具身智能的“GPT時刻”還很遠，目前還處于數據尚不ready階段。具身行業的Scaling Law終將到來，勝負手不在算法榜單，而在數據基礎設施與開發者生態。中國具身智能公司真正的隱形護城河不是硬件供應鏈，而是僅為美國1/10成本的數據采集能力。頭部玩家的算法能力只是入場券，真正的競爭落在數據規模、模型訓練方法、開發者生態與從智能反定義硬件的設計能力四件事上。具身智能的商業化要優于同期的大模型公司和自動駕駛公司，更不必經歷自動駕駛的漫長寒冬——容錯紅利使商業化可以“潤物細無聲”地先行滲透。

基于這一認知，星海圖正從“全球第一的開發者生態公司”向“生產力開發者主力軍”關鍵一躍：科研用戶收入占比將從2025年的30%降至2026年的20%，而產業場景中的工程化交付團隊將貢獻超90%營收；在場景選擇上保持克制——只扎入“精度厘米級、速度人類80%、接受99%準確率”的有限場景，用千臺級訂單驗證從1到10的可復制性；在資源投放上奉行“花錢效率”至上論，將80%研發預算押注“大腦”，而非硬件迭代。

羅天奇將這場競賽定義為馬拉松，“今年只是跑出去的第一公里”。

以下是包括億邦在內的媒體對羅天奇的采訪，內容經億邦動力編輯整理：

一、業務數據和融資用途

提問：有個報道說星海圖2025年營收7000萬，可以披露一下嗎？

羅天奇：之前的媒體披露不是很準確，我們的商業化速度可能會比大家預估的要更快一些，具體數字還是選擇先不披露。

提問：這一輪新的融資，這筆錢重點會花在哪些方面？

羅天奇：我援引一下我們CEO高繼揚的觀點（編者補充：在不久前的原力靈機技術開放日上，高繼揚明確表示：具身智能遠未到“ChatGPT時刻”。理由是大語言模型的稀缺環節幾乎只在模型本身，模型即產品，模型突破后商業化鏈條自然貫通；而具身智能的鏈條要長得多，零部件供應鏈尚不成熟、整機規模不足、渠道和終端高度線下化，這些都不是算法單點突破能夠解決的問題。）

我們在做的行業最終還是一個AI行業。AI行業的技術驅動力是Scaling Law，具身行業的數據量還不夠大，還在準備中，處于Scaling Law的初期階段。

隨著Scaling Law的到來，我們的研發投入會指數級上升。

今天站在這個時點上，我們無法預測行業一旦開始Scaling Law之后會有多么瘋狂，它對研發的投入需求，對數據、算力的投入，會很快進入到大語言模型的狀態——頭部玩家進一步收斂，少數融到幾十億的玩家才能繼續訓練自己的基礎模型。

絕大部分中小型公司，由于資金原因，開始尋找細分場景，要么做垂類場景、垂類模型，要么做上游“賣鏟子”、賣數據的工作。

我認為這個行業會因為Scaling Law的存在，進入格局收斂的階段。

對具身智能公司來說，如果在第一賽段成為頭部之一，就會進一步享受到接下來的行業紅利，成為行業的加強版貝塔。

目前星海圖的融資是有一定冗余的，是為了應對即將爆發的數據增長，以及由此帶動的算力增長。

我們今天在做的是一場馬拉松，不是百米賽跑，今年也只是在馬拉松上跑出去了一公里。以全局思維來看，唯一的客觀指標是花錢效率——在研發上每花出去一塊錢，它實現的效果和水平是怎樣的，誰能把一塊錢花出最高程度的智能。

提問：今年在算力和卡開支會是一個怎樣的數量級？

羅天奇：我認為今年具身智能的Scaling Law還在早期階段。今年大家在數據和算力上，頭部具身公司的消耗量大概是頭部大語言模型創業公司的1/10左右，但并不代表我們這個行業一直是它的1/10。至少在未來三年之內，我認為頭部融了幾十億的公司，都還足夠覆蓋成本，拿最好的算力和最充分的數據去做事情。

這也保證了這個行業在未來三五年內，創業公司不至于在資源量級上被大廠碾壓，從而沒有自己的生存空間。我認為接下來這三年是寶貴的創業窗口。

提問：圍繞全棧體系自研模式，各個部分的資金投入占比大概是多少？

羅天奇：從研發角度來看，我們分為大腦研發和硬件研發，其中大腦研發占80%。在大腦研發中，數據成本占比30%，算力占比40%-50%。外界總認為中國的具身智能公司是借助了中國硬件供應鏈的優勢。馬斯克也說，未來全球前十的機器人公司，除了特斯拉，剩下九家都一定會是中國公司。我很同意他的觀點。

當我自己在局中看到這些之后，我發現還有一個巨大的優勢被大家所忽視，就是中國的數據供應鏈優勢，比硬件供應鏈優勢更夸張。

今天我們高質量數據的采集成本，可能是美國公司的1/10。這意味著花相同的錢，我們能采到10倍的數據量。靠著這兩個優勢，中國具身智能行業不比美國差，在中長期超過美國、做到全世界盈利，是一個概率極高的事情。

二、技術趨勢與行業判斷

提問：您一直在提到3-5年這個時間點，我能不能理解為，具身智能或者人形機器人的商業化需要一個更長路徑，不會在三年內有很大進展？

羅天奇：我認為我們這個行業的商業化分兩種，一種是技術驅動的商業化，一種是商務驅動的商業化。

商務驅動的商業化從2025年開始，出貨量已經不低了。我們選擇的是技術驅動的商業化，就是說某項工作，如果技術未ready，確實干不了；一旦技術ready，商業化是指數級的——從0到1需要一年，1到10可能也只需要一年，10到100可能再需要一年。我們想干這種事兒。

基于我們對技術的判斷，大家所謂的“GPT時刻”不一定是一兩年內可以很快期待的東西。在GPT時刻還沒有真正到來之前，技術驅動的商業化也已經有很多場景了。具身行業下游也類似大語言模型行業，下游是無數的Agent，每個場景都是一個Agent，很多場景并不需要極高的準確性和泛化率。

相較于自動駕駛，機器人的單次失效成本很低，大概是一美元或者一人民幣級別的單次失效成本。這意味著很多場景里，具身智能并不需要到99.9%的成功率才能落地。

自動駕駛花了很多年是在99%后面加99.99999%，但是具身智能行業對容錯率這件事更友好。它不會在商業落地上經歷自動駕駛那么漫長的寒冬，它是潤物細無聲的，在很多符合條件的場景里開始落地，生根發芽。若干年后大家回顧這個過程，好像記不得哪一年是具身智能的GDP時刻，但是具身智能已經走進了千行百業。

提問：具身大腦目前發展到一個什么樣的階段？多模態和世界模型對具身大腦的發展是否有影響？

羅天奇：首先，我覺得世界模型是一個更宏大的命題。在這個命題下，我們的第一個判斷是，它可能是多模態模型的下一個階段，它大概率是像Google Gemini、阿里通義千問他們進一步探索去做的事情，不適合創業公司。這是第一個結論。

第二個結論是，我們所在的具身智能領域，其實很像我們模仿一個嬰兒出生長大成人的過程。在這個過程中你會發現，人腦其實并不是一個掌握了世界模型的大腦，但是當你去到一個陌生地方，你依然可以在那里游刃有余，原因是你掌握了和這個世界交互的一般規律。

我們今天在訓練的具身模型，走的是從身體出發、與物理世界交互的智能路徑。

從務實的角度來講，世界模型可能是一個10年到20年內有機會突破的事情，但是我們這一條路徑已經足夠清晰，過程中沒有看到有任何阻礙我們通向這個終局的不可逾越的障礙。作為創業公司，我們今天的理性選擇，肯定是沿著這條路堅定不移地走下去。

三、商業化落地與場景選擇

提問：今年在商業化落地上有哪些具體規劃？

羅天奇：在商業化上，我們聚焦符合技術邊界的場景，花1-2年能夠徹底跑通。這里面需要同時符合幾個特點：第一，精度在厘米級；第二，速度是人類速度的80%左右；第三，能接受99%的準確率。同時符合這幾個標準的場景還是很多的。另外，我們真正開始做數據采集之后，準確率能進一步提高到百分之九十九點九幾，這是我們未來幾年會持續做的。

比如部分場景的料箱搬運、部分場景的物流分揀，最近我們還在和一個末端配送的自動駕駛公司合作，探索最后一公里的外賣操作。這幾個場景在全球都有百萬數量級以上的勞動力，意味著我們只要跑通，達到1%的滲透率，每年就有萬臺級的出貨量；達到10%，每年就是十萬級的出貨量。

當然，真正能落地的遠不止這些。

在這個過程中，我們也發現一個很有意思的事情：具身行業的商業化比大語言模型好做很多，因為我們的件單價是他們的客單價。這意味著頭部公司實現數億級別營收，并不是一個特別有挑戰性的事情。相比于營收總額，大家應該更關注營收質量。

提問：星海圖現在達到了數千臺出貨量。訂單到了這個規模之后，在供應鏈端你們有沒有感受到什么變化？比如它有沒有帶來議價能力上的變化，或者其他變化？

羅天奇：我們這個行業肯定是有一定的規模效應的。也就是說，隨著量的增長，各方面的成本會有下降。但是我們這個行業，中長期的商業模式還是賣物理世界的Token，就跟大語言模型賣虛擬世界Token一樣。所以說，我們認為這個行業的供應鏈成熟到一定程度之后，大家在硬件成本上不會有實質性差別。

大家之間的差別在兩點：第一點是智能水平，第二點是從智能水平反向定義的硬件設計能力。生產制造能力大家都可以利用中國最強大的生產制造體系和供應商，硬件不是大家比拼的關鍵，也不是中國最稀缺的東西。

提問：您講的“成熟到一定程度”是怎么來理解？

羅天奇：我們認為，可能以這個行業量產10萬臺以上為一個標志。這個事情可能會在明后年發生。以這個為標志，整個供應鏈基本上也進入了第一個成熟期。

在第一個成熟期之后，整個供應鏈的降本速度可能每年就會進入一個比較穩定的狀態，比如像今年汽車供應鏈一樣，每年穩定降低幾個百分點，就不會像今天大家從小規模到大規模量產之間那種成本巨幅降低的情況了。