4 月 2 日，具身智能企业星海图宣布完成近 20 亿元 B+ 轮融资。
本轮融资包括产业资本（华登科技、蓝思科技、矽芯投资、时代伯乐、航发基金）、头部长线基金（修远资本、弘章投资、御海资本等一二级长线基金）、国家队基金（金融街资本、金浦投资、北京科创、国元股权）、一线 PE 机构（中金资本旗下基金、普华资本、洪泰基金、广发乾和）等。
加上本次 B+ 轮融资，星海图累计融资额已经接近 50 亿元人民币，估值突破 200 亿元，成为国内具身智能行业为数不多的「200 亿俱乐部成员」。
值得一提的是，在今年 2 月份，星海图才刚刚完成了近 10 亿元 B 轮融资，估值突破 100 亿元。
为什么星海图的估值能在短时间内得到巨大提升，我们和星海图 CFO 罗天奇进行了一次对话，这背后其实是整个具身智能行业的风向发生了转变。
为什么是星海图？
从 B 轮近 10 亿元到 B+ 轮的近 20 亿元，从百亿估值到二百亿估值，其中最值得关注的是，为什么一家成立不到三年的公司，可以在 2026 年初这个节点，在 1 个多月的时间内迅速完成估值提升？
在与星海图 CFO 罗天奇的沟通中，公司将这次估值的提升归因为三重预期的变化：
- 效率逐渐转化为效果：星海图认为具身智能行业的 scaling（规模化）发令枪已经打响，并且公司在硬件、数据、算法、训练等所有要素的准备上都已就绪，所以过去半年公司的研发费用提升巨大，加速发力去做规模化。
- 体系能力完整：有一套体系化、组织化的研发体系和方法，比如此前研究团队发布了的世界模型研究成果 Fast-WAM。
- 具身大模型的稀缺性：在 1 月份智谱、MiniMax 上市后，资本对于大模型有非常高的重定价，对未来行业增速具备高信心。对于机器人来说，决定其能力上限的往往是大模型，所以反馈到一级市场后，相对成熟的具身大模型公司，会更加受到资本青睐。
从路径上看，在当前技术路线尚未收敛的阶段，星海图选择同时推进 VLA 与世界模型两条路线，并不是押注单一范式。
在 VLA 模型上，去年 8 月，星海图开源了采用 「双系统」架构的 G0 VLA 大模型，今年 1 月，星海图开源开箱即用的 VLA 模型 G0 Plus，同年 2 月，开源面向衣物折叠的垂类场景 G0 VLA 模型、支持端侧轻量化部署的 G0 Tiny 小模型。
并且据透露，星海图未来将发布并开源 G0.5 模型，该模型将让机器人的基础模型具备真正的通用落地能力。
而且在 WAM 领域，星海图在最近发布了世界模型 Fast-WAM。通过对模型底层架构的重构，让世界模型可以不靠想象理解世界，从而提升推理速度。
不过，这种双线推进的策略，在当前阶段可以分散技术路径风险，但同时也意味着更高的资源投入。
坚定选择真实数据
在具身智能领域，模型决定着机器人的上限，而数据则被认为是影响模型上限的重要因素之一。
不过数据也恰恰是最近一年来整个行业最头疼的问题，真实数据效果好，但成本偏高，且不容易获取。互联网数据规模大，但数据质量参差不齐，所以一部分公司折中选择了仿真数据。
在数据方面，罗天奇也表示：「公司坚定地认为真实数据相比于仿真数据，在预训练模型阶段更有价值。」
所以星海图在数据领域主要走的是在真实场景做采集的路线。在数据获取方式上，星海图也布局了涵盖 UMI 数据与人类第一视角（Egocentric）数据的无本体数据方案。
在 2025 年，星海图开源的开放场景具身智能真机数据集 (GOD)，发布一个月后登顶全球下载量首位，并且全球下载量已突破 60 万次。
而对于未来，星海图也表示，2026 年将构建全球最大规模的真实场景具身数据集。在星海图的叙事中，数据并不仅仅是采集问题，更是一套系统工程。
而在这个过程中，高质量数据的形成至少依赖三层能力：
- 本体是否为数据、模型而设计，也就是硬件是否天然适配模型学习；
- 数据采集方式是否真实、有效，而非「伪任务」；
- 是否具备完善的数据管理与后处理能力，将原始数据转化为真正可用的训练资产。
这也解释了一个行业里常见但容易被忽视的现象，并不是所有百万小时数据，都能训练出有效模型。
在这一点上，星海图更强调高质量的数据规模，相比单纯扩充数据量，其更看重数据的任务结构、场景分布以及与模型能力之间的匹配关系。
罗天奇对此也有一个比较直观的表述：「很多时候可能 1 条高质量数据，对于模型智能的提升水平，是超过 10 条甚至 100 条低质量数据的。」
聚焦五大核心垂类场景
对于公司的硬件体系，星海图的核心方式就是 Design for AI（为 AI 而设计）。
据悉，星海图 R1 系列已通过 Physical Intelligence、斯坦福 AI 实验室、英伟达等开发者检验。并且在轮式双臂机器人领域，累计服务超过 150 家开发者。
而在大家更关心的落地应用方面，星海图选择聚焦搬运移动、抓拿放置、封装打包、织物叠放和设备串联五大核心垂类场景，并已完成千台级订单跑通。
在当前阶段，这类规模更重要的意义在于验证系统能力，不仅仅是收入本身。
对于 2026年，星海图则表示，将正式开启万台级规模化放量。
如果后续部署规模能够持续扩大，理论上可能形成类似数据反馈到模型提升的循环，但这一机制在真实生产环境中的稳定性仍需要时间检验。
所以这也是落地应用对于机器人来说，除了经济效益外最大的价值。
写在最后
回到这轮融资本身，星海图估值突破 200 亿元，这件事其实更意味着，整个具身智能行业出现了阶段切换。
资金往头部企业集中的同时，对「具身模型」的资源倾斜趋势也更加明显。
过去一年整个行业出现了大量机器人硬件产品，各种跳舞、表演等运动端表现层出不穷。
但模型能力正在成为影响机器人上限的重要变量，这种变化带来的直接结果就是竞争逻辑开始重构：
- 从单一场景能力到泛化能力；
- 从固定程序执行到自主决策与理解；
- 从工程优化到数据、模型、硬件的系统协同。
也正是在这个背景下，行业开始对具身模型类的公司进行重新估值。只是与此同时，竞争重心正在逐渐向模型与系统能力倾斜，真正具备竞争力的公司，往往需要同时具备：
- 本体能力，为 AI 提供载体；
- 数据能力，持续提供高质量燃料；
- 模型能力，构建通用智能核心；
- 工程能力，将能力转化为真实生产力。
这也是为什么，行业逐渐开始出现「六边形战士」的说法。
从这个角度来看，星海图这轮融资，意味着具身智能不再只是一个「机器人问题」，以大模型为核心的系统工程才是更被关注的能力。