从模型到生产力：星海图与产业朋友圈共探具身智能的下一站
内容提要
星海图在2026世界机器人大会举办论坛，发布具身智能技术进展：G0.5基础模型升级并开源，Fast-WAM世界模型提速4倍，G-Fleet分布式强化学习系统发布。同时推出Nexo、Kengo、Lemo三款机器人平台，已交付千台订单，目标明年万台。圆桌讨论聚焦商业化落地与技术挑战，强调生态协作。
延伸解读
技术路线尚未收敛，世界模型争议仍存
技术圆桌讨论中，嘉宾们认为行业技术路线尚未收敛，有的团队侧重表征学习，有的专注模拟器构建，还有的转向3D建模。杨世远分享的数据显示，基于百万小时人类视频预训练后，机器人测试集精度反而下降，印证了从“看懂世界”到“动手做事”之间存在鸿沟。赵行则认为数据供给不必过度担忧，于超指出后训练高度依赖人工介入，规模化仍有距离。
商业化落地：ROI与市场差异是关键
产业圆桌中，王凯指出海外市场投资回报周期更短，客户接受度更高，但ROI能否算得过来仍是规模化落地的最终卡点。Ashish Kapoor表示北美企业已将机器人视作“必答题”，但过高的ROI预期和人才高流动性是长期障碍。Edwin Yap结合东南亚经验指出，该地区无法采用统一策略，低成本市场反而成为数据采集的天然土壤。
整机设计需聚焦，产业客户提出更高要求
李天威强调“智能定义本体”的三层工程含义：智能关注速度，整机提供机电节拍；智能关注精度，整机提供0.1毫米重复定位精度和0.1N力控精度；智能关注泛化性，整机须具备数据迁移能力。产业客户对可靠性、寿命、冷热交替环境适应性提出了远超实验室原型的要求，这成为星海图过去一年重点攻坚的方向。
Q&A
星海图在2026世界机器人大会上发布了哪些具身智能技术进展？
星海图发布了三大技术进展：G0.5基础模型升级并开源，Fast-WAM世界模型提速4倍，以及G-Fleet分布式强化学习系统。
G0.5基础模型有哪些特点？
G0.5基础模型内嵌原生动作思维链，统一了图像感知、语言理解、逻辑推理与动作生成，在8项国际权威评测基准上超越行业SOTA，并启动了复现计划，开放模型权重、推理接口、评测基准和微调工具。
Fast-WAM世界模型相比传统范式有哪些提升？
Fast-WAM世界模型在推理阶段跳过生成未来视频的环节，将单步推理延迟从约800毫秒缩短至190毫秒，实现了4倍以上的提速。
G-Fleet分布式强化学习系统解决了什么问题？
G-Fleet解决了大批量真机部署后，如何在物理环境下安全高效完成持续进化的行业难题，支持集群级策略下发、并行真机Rollout、数据回流、人工干预校准、分布式训练、自动评测与版本发布全流程。
星海图发布了哪三款机器人平台？它们分别面向什么场景？
星海图发布了Nexo、Kengo、Lemo三款平台。Nexo是旗舰轮臂人形机器人，面向电商零售、工业制造、快递物流、商业服务；Kengo是双足人形产品，面向能源、电力、勘探、巡检等非结构化场景；Lemo是高性价比双臂桌面平台，面向开发者生态。
星海图目前的订单交付情况如何？
星海图已交付千台级模型驱动的真实生产力订单，明年的交付目标为万台以上。
产业圆桌中，嘉宾们对商业化落地有哪些观点？
嘉宾们认为市场需求、技术迭代、数据积累、供应链和商业模式需打通，海外市场ROI周期短、接受度高，但ROI仍是规模化落地的卡点；京东计划2028年部署百万级机器人；北美企业视机器人为必答题，但ROI预期过高和人才流动是障碍；东南亚市场成本低，适合数据采集。
技术圆桌中，嘉宾们对世界模型和具身智能技术有哪些争议和观点？
嘉宾们认为技术路线尚未收敛，有的侧重表征学习，有的专注模拟器，有的转向3D建模；杨世远指出基于人类视频预训练后模型精度反而下降，说明从看懂世界到动手做事有鸿沟；赵行认为数据供给不必担忧；于超指出后训练依赖人工介入，规模化有距离；李昊轩强调需具备反事实思考能力。
