2個月融兩輪，估值破200億，星海圖憑什么？

繼2月完成10億元B輪融資后，星海圖在不足兩個月內再度宣布完成20億元B+輪融資，估值突破200億元人民幣，據悉已創下國內具身智能企業估值的歷史新高。本輪融資匯聚了產業資本、國家隊基金、頭部長線資金及一線PE機構等多方力量，陣容之廣、節奏之快，在整個行業頗為罕見。

機器人大講堂發現，如果將這組數字放在行業演進的坐標系中審視，便會發現它背后折射的問題遠不止于“一家公司融了多少錢”，因為在距上輪融資不足兩個月的時間窗口內，估值實現近乎翻倍增長，不免讓人疑惑，這究竟是2026年以來資本市場的集體非理性，還是行業邏輯演進過程中一次對星海圖有跡可循的價值重估？

01.

稀缺性溢價，資本向頭部聚集

機器人大講堂此前接觸的部分投資人表示，在行業公認的頭部梯隊企業中，星海圖是為數不多“值得投而且愿意接受投資”的高確定性標的。這種稀缺性疊加資本對具身智能賽道的整體熱情，如今再次直接推動了其估值的快速拉升。

這個邏輯聽起來簡單，卻揭示了一個正在發生的行業結構變化：中國具身智能賽道的頭部格局正在快速固化。因為當投資人普遍判斷這一賽道將產生若干具備全球競爭力的頭部企業，而窗口期內可供選擇的標的極為有限時，資金的競爭本身就會推高估值，這是一種正常的賽道定價邏輯而非估值泡沫。

類似的情形在過去十年曾在自動駕駛、AI大語言模型等領域反復出現。每當行業形成“終局已定、格局將穩”的預期，資本便會搶跑布局，而不會等待商業數據的充分驗證。

從本輪融資的投資方構成來看，這種“搶跑”的動機更為清晰。產業資本方面，藍思科技作為星海圖的重要合作伙伴，雙方將在硬件供應鏈與大規模量產領域深度協同；航發基金、矽芯投資等的加入，則意味著硬件生態鏈的關鍵節點正在向星海圖靠攏。長線資金方面，修遠資本、弘章投資等一二級長線基金的入局，彰顯的是對賽道長期價值的戰略性布局，而非追求短期退出的財務投機。國家隊資金方面，金融街資本、北京科創、國元股權等機構的參與，則是對企業技術路線與發展方向的權威背書，同時也確立了星海圖在人工智能國家戰略中的核心站位。

這種產業資本+長線基金+國家隊三位一體的股東結構，本身就是一個具有戰略意味的信號，這或許意味著這輪融資的參與者，大多數并不是在賭一個短期的財務回報，而是在布局一個更長時間維度上的產業卡位。

但有一點可以相對確認：此次估值躍升，不完全是靠技術進展單獨撐起來的，相當程度上是行業競爭格局收斂在資本市場的提前定價。這對于理解星海圖所承受的壓力至關重要——既然估值已經錨定了“頭部地位”的預期，那么任何技術或商業化的落后，都將對這一預期形成劇烈沖擊。

02.

星海圖的技術護城河在哪？

如果說資本邏輯解釋了“為什么是現在”，那么技術邏輯則需要回答“為什么是星海圖”。理解星海圖的融資加速，其實有另外一個需要評判的行業維度，那就是具身智能領域的Scaling Law究竟是否已經顯現？星海圖透露，過去半年，星海圖的研發費用相當于公司成立以來前幾年的總和。這種投入密度的驟然提升，本身就是一種態度表達。具體而言，星海圖的研發投入，則重點押注了具身模型和數據層面。

在模型層面，公司延續了快-慢雙系統VLA模型的技術路線，并將其與世界動作模型（WAM）深度耦合，形成了獨特的技術架構主張：VLA與WAM同源共生，共同服務于理解世界、操作萬物的通用智能目標。

從去年8月開源G0 VLA大模型突破當時SOTA，到今年1月開源全球首個開箱即用VLA模型G0 Plus，再到近期重磅發布全球最快的世界模型Fast-WAM，星海圖正通過對底層架構的顛覆性重構，大幅提高其世界模型推理速度，使其朝著真正產業部署邁出了關鍵一步。

而Fast-WAM發布后獲得了國際頂尖AI學者的關注與轉發，被認為是國內在世界模型方向上極少數能夠獲得硅谷主流認可的進展之一。即將發布的G0.5模型，據悉將再次更新全球SOTA紀錄并開源，這將是對上述技術路線有效性的又一次公開驗證。

在Scaling Law范式下，推動模型能力躍升所需的資源投入會呈指數級增長，且每上一個量級都會遇到需要重新解題的新問題，這或許也迫使星海圖在規模化投入的同時，試圖在工程能力、數據質量和架構創新之間持續保持高度協同，而這種協同能力，對于資金儲備有著較高要求，但也有望成為難以被短期復制的壁壘所在。

機器人大講堂發現，星海圖的技術敘事，除了對于“大腦”技術的押注，還建立在一套相互嵌套的數據體系之上，其核心是一個被內部稱為“真實數據金字塔”的三層架構：同構遙操作數據、無本體采集數據、人類第一視角數據，并在此基礎上建立了數據管理平臺（EDP）。

EDP這套自研的數據管理平臺，實現了從數據采集、標注到模型部署的全流程閉環，并集成了一站式后訓練工具，可與具身基礎模型、機器人本體深度協同。這一能力的來源，在相當程度上繼承自星海圖此前在自動駕駛領域積累的工程經驗，其團隊此前自動駕駛的工程積累，正在重新成為具身智能的競爭壁壘。這一邏輯同樣有跡可循。因為自動駕駛對感知、決策、數據管道的工程要求與具身智能高度重疊，早年在這一領域建立基礎設施的團隊，確實在具身智能時代擁有某種先發優勢。

而在數據采集層面，星海圖在行業尚未普遍重視無本體數據時，便提前布局了UMI采集方式與人類第一視角（Egocentric）數據采集方案，并與英偉達在EgoScale方向上達成合作。據悉，目前星海圖的數據體系已深度賦能英偉達EgoScale、螞蟻靈波Lingbot-VLA等全球頂級具身大模型。無本體數據的價值，在于它能夠大幅降低訓練數據的綜合獲取成本，同時補充真機數據在場景覆蓋上的天然局限。

基于這套數據架構，星海圖去年開源的全球首個開放場景具身智能真機數據集（GOD），發布一個月即登頂全球下載量首位，目前全球下載量已突破60萬次，被開源社區廣泛認可為2025年全球最高質量具身真機數據集。這一成績背后，依賴的恰恰就是三個因素疊加：機器人本體的精度與穩定性、數據采集方式的設計合理性、以及EDP平臺對原始數據的清洗和標注能力。

側重大腦和數據這一布局也與星海圖的長期戰略相匹配。據悉，星海圖還將在2026年構建全球最大規模的真實場景具身數據集，以百萬小時真實場景數據持續驅動具身基礎模型進化，相應算力支出也將同步大幅提升。這意味著星海圖正在將此輪融資的相當大一部分，押注在一次規模驅動的模型能力躍升上。而如果該路線能實現規模化，今年內應該能看到其模型能力的階梯式爬升。

03.

商業落地的速度能否支撐？

外界一度擔憂，星海圖有著極強的技術積累，但是從技術領先"到跑通場景是否會有距離？在2026年，星海圖公布的具體銷量數據，已經證明了其落地能力，這或許也是資本當下快速涌入的重要原因。

這種市場銷量的持續提升，首先得益于產品體系的愈發完善。目前，星海圖已構建起從核心部件、整機平臺到開發工具的完整矩陣，圍繞輪式雙臂、靈巧操作、全身運動控制三大方向持續迭代，被認為是行業內極少數能同時滿足頂級科研與工業級工程需求的通用平臺。其R1系列機器人已通過Physical Intelligence、斯坦福AI實驗室、英偉達等全球頂尖開發者的檢驗，成為服務全球頂尖模型的核心硬件基座，同時也進入了全球頂尖汽車主機廠和一線物流運營商的生產力場景。

機器人大講堂了解到，在商業化策略上，星海圖的市場側重主要放在了開發者與“生產力”場景。在開發者板塊，星海圖已建立起相對明確的領先地位。2025年，公司在輪式雙臂機器人領域的全球市場占有率位居第一，累計服務超過150家全球頂尖具身智能開發者伙伴，頭部覆蓋率超過90%，星海圖成為全球具身智能研發的通用底座。

在“生產力”板塊，公司聚焦搬運移動、抓拿放置、封裝打包、織物疊放和設備串聯五大核心垂類場景，目前已完成千臺級訂單跑通，并鎖定了工業搬運、物流分揀、商業展示類行業領軍企業的深度合作。星海圖預期2026年這類場景有望正式開啟萬臺級規模化放量。

此次星海圖在采訪中還透露了另一個值得關注的細節：其正在通過資本手段加速生態布局。

據悉，公司目前已投資近10家企業，均為具身智能行業的工程師和科學家團隊，其中絕大部分為首輪投資，覆蓋UMI、POV、全身外骨骼等多種數據采集方式，以及零售、物流、家庭多個核心應用場景。

這一投資邏輯，與簡單的財務回報驅動有所不同。其本質正是希望通過資本紐帶，將數據采集鏈路上的關鍵節點納入自身生態體系，從而在數據維度形成更難以被復制的壁壘。當這些被投企業的數據流向星海圖的訓練體系，當這些場景的應用經驗反哺星海圖的模型迭代，整個數據飛輪的轉速就會進一步加快。

因此也不難理解，為何在星海圖的官方消息中明確表示，本輪資金將“全面加碼基礎模型研發與全球生態布局，推動從開發者首選邁向生產力標桿的跨越式進化”。這兩個目標相互依存，因為開發者生態是數據來源和場景驗證的基礎，生產力落地則是估值邏輯最終能否兌現的關鍵。

04.

結語與未來

綜合來看，星海圖的200億估值，是多重因素在同一時間窗口疊加的產物。具身智能行業競爭格局收斂帶來的稀缺性溢價、全球具身智能技術進展推動的行業預期上修、以及星海圖自身在數據體系與開發者生態上已經形成的差異化護城河，才使得資本在短時間內“用腳投票”。

但這一估值也同時反應了具身智能行業一系列可能即將出現的預期：當Scaling Law在具身智能領域的規律性與大語言模型的迭代頻率開始高度重合；大規模數據積累開始轉化助推模型能力的代際躍遷；千臺級場景POC有望在今年內順利演進為萬臺級規模化量產，筆者認為，如果這些關鍵節點能在未來12至24個月內逐步得到驗證，星海圖的200億估值將只是一個起點，而非高點。

因為歷史已經不止一次證明，在技術范式切換的關鍵時期，早期定價往往在事后看來“估值不足”。星海圖的故事，目前仍處于敘事領先于現實的階段。接下來就看，在具身智能這條道路上，誰能最快將敘事轉化為可量化、可批量落地的商業現實，而這也將決定未來數年的行業格局，也才是這個賽道接下來的核心命題。