作者丨陈乐
编辑丨叶锦言
出品丨深网·腾讯新闻小满工作室
过去两年，具身智能最直观的进步在“身体”：走得更稳、跑得更快，甚至能跳舞、翻跟头。但从展台走向工业场景，光会运动还不够，机器人还得看懂环境、理解任务，并根据现场变化自主判断。
联想创投相关负责人表示，今年机器人竞争焦点从“本体”向“大脑”迁移。苏州大学教授孙立宁解释，机器人的“大脑”负责理解人的指令，并根据现场情况判断下一步怎么做。
对机器人公司而言，一个现实问题随之而来：这颗“大脑”，究竟该自己研发，还是向外采购？行业已经出现不同选择。
宇树近一年持续加大“大脑”研发投入；智元、银河通用则从创业之初就选择“大脑”与“本体”同步自研。另一边，独立“大脑”供应商正增多。据眸深智能联合创始人陈涛估算，2025年初，全国专做具身“大脑”的企业不到20家；到2026年上半年，相关企业已增至约100-200家。
星源智创始人刘东选择只做“大脑”。公司由北京智源研究院孵化，刘东此前负责京东智能驾驶业务。他最早关注具身智能，源于无人配送的“最后一步”难题：无人车能把快递送到小区门口，但上楼、乘电梯、送货上门仍离不开人工，前半程省下的成本又被最后一段消耗掉。
创业后，刘东将星源智定位为独立“大脑”供应商：一方面向机器人厂商销售“大脑”，另一方面面向工厂、物流园区等场景，将自研“大脑”与不同厂商的机器人硬件组合，提供完整解决方案。
刘东分析，宇树等公司可以凭借较大的销量支撑长期自研，但多数机器人厂商尚未达到这一规模。
星源智押注的正是这种差异：当“大脑”研发需持续投入，而机器人销量又不足以摊薄成本时，外采就成了部分厂商更经济的选择。刘东算过一笔账：若年投5亿研发、销量1万台，每台分摊5万元；销量到10万台，单台分摊就降到5000元。
只做 “大脑”，不碰“身体”的商业逻辑
Q：星源智从成立之初就决定“只做大脑，不做本体”，为什么？
刘东：原因有三个。
第一，本体赛道已经很拥挤。我们 2025 年成立的时候，国内做机器人本体的厂家已经有 170 多家，中国制造业和供应链能力很强，新玩家再进场做硬件，没有明显优势。
第二，资源投入不划算。一家 100 多人的机器人创业公司，往往要把七十多人的人力投在机械结构、关节、运动控制这些 “身体” 研发上，真正能分给 “大脑” 的只有二三十人，既分散资源，也很难做深。
第三，避免和客户形成竞争。如果我们自己也造机器人，就会和其他本体厂商成为竞争对手，对方自然不会愿意采购你的 “大脑”；反过来，不做本体反而能和所有硬件厂商合作，市场空间更大。
Q：你有十几年的智驾从业经历，这段背景对做具身“大脑”有什么帮助？
刘东：最大的帮助是对系统工程的理解。
做智能驾驶时，算法跑通了，不代表能真正装到车上，更不代表能够长期稳定运行。还要考虑硬件适配、算法部署，以及遇到问题时怎么恢复、什么时候需要人工介入。
机器人也一样。模型在实验室里效果很好，真正装到机器人上，还要考虑算力、功耗，以及整个系统能不能稳定运行。这些工程经验是可以复用的。
但两者也有很大区别。智能驾驶主要解决车辆在道路上的移动问题，机器人还要在三维空间里抓取、搬运和操作物体，控制也更加复杂。
Q：你们的核心产品有哪些？
刘东：我们主要做两类产品：一类是具身“大脑”模型，让机器人能够理解环境、拆解任务、规划动作；另一类是端侧算力平台，让模型直接在机器人身上运行。
为什么要做端侧？机器人在真实场景中干活，需要不断根据环境变化做出判断。如果依赖远程服务器，数据要先传过去、等计算、再传回来。中间一旦出现网络延迟，机器人就可能无法及时调整动作。
所以，我们不仅做“大脑”模型，也做让模型真正跑起来的端侧算力平台。两者结合，才能把算法能力变成机器人实际干活的能力。
Q：目前商业化进展怎么样？
刘东：进展还是比较快的。去年公司成立两个月后，产品就开始交付了。今年，我们已经与70%以上的头部机器人公司建立合作，它们都在使用星源智的解决方案。我们预计今年能实现数亿元收入。
一颗“大脑”怎么适配不同 “身体”
Q：不同机器人结构差异很大，你们怎么实现一套“大脑”适配不同“身体”？
刘东：我们选择的是世界模型路线。
我们的思路是，先让模型学习物理世界的规律，比如物体怎么运动、抓取后会发生什么变化。这部分能力可以尽量不绑定特定机器人。等到适配某一款机器人时，再采集它的真机数据，把模型规划的动作转换成这台机器人能够执行的动作。
目前，我们采用的数据配比是90%左右的第一人称视角数据，加上10%左右的机器人真机数据。前者帮助模型学习物理世界的表征和物体交互，后者用于真机映射。这样，更换机器人时，就能尽量复用之前训练的能力，不用整个模型从头训练。
Q：你谈到了世界模型，你们的路线和其他有什么不同？
刘东：区别主要在于，怎么把世界模型对未来的预测用到机器人的动作决策中。
有些方案主要利用世界模型生成未来画面，帮助机器人学习物理规律，或者通过模拟未来状态辅助规划。但这类方法如果需要在运行时生成完整视频，计算开销就比较大。
我们的思路是让世界模型直接参与动作决策。比如机器人准备抓取一个物体，先提出动作方案，再预测执行后会发生什么。如果可能发生碰撞，或者物体会掉下来，就修正动作，之后再执行。
相当于机器人动手之前，先在脑子里过一遍。我们把这个过程称为“设想—验证—执行”。它不需要生成完整的未来视频，而是在模型内部完成后果预测和动作修正，减少计算开销，让模型更适合在机器人本体上运行。
Q：更换机器人仍然需要采集真机数据，这部分成本怎么降下来？
刘东：关键是数据质量，以及已有模型能力能复用多少。
我们不太认同单纯堆数据量。比如训练机器人抓取物体，如果采集的关节位置不准确，模型就可能学到错误的动作。这样的数据再多，也未必能提高效果。
之前我们做操作类模型DECO时发现，通过改进训练方式，大约10个小时的高质量数据，就能在特定操作任务上取得不错的效果。
我们也试用过外部数据，有些数据的清洗成本甚至比重新采集还高。所以，我们考虑建设一个约2万平方米的数据工厂，统一数据采集、对齐和标注标准。
对我们来说，通用模型的能力可以复用，但不同机器人仍需要一定的真机数据。
只有少数公司自研“大脑”
Q：宇树等持续加码自研“大脑”的厂商，会和你们形成竟争吗?
刘东：我认为不会形成直接竞争。宇树的机器人销量基本盘足够大，可以将自研“大脑”的成本分摊到更多产品上。但它的大脑主要服务自己的机器人，其他本体厂商和宇树存在竞争关系，不太可能大规模采购它的算法。我们面向的是整个机器人行业，双方的市场定位不同。
而且，自研也不意味着所有算法都要自己做。比如今年世界机器人大会上，我们就用宇树的机器人本体做了一个多机器人协同演示:两台人形机器人摇绳，一台机器狗跳长绳。星源智联合南京大学LAMDA团队提供协同算法，宇树提供机器人本体。
Q：你之前提出，2026年是具身智能的“淘汰元年”，现在这个判断有变化吗？
刘东：没有变，而且行业已经开始分化。
一个直观变化是，去年参加世界机器人大会的一些公司，今年没有再来。与此同时，车企、手机厂商以及海尔、海信、美的等家电企业也在进入机器人领域。这些大公司有制造和供应链优势，对原有的机器人创业公司，尤其是做整机集成的企业，会形成很大的压力。
更关键的变化发生在产品落地上。今年已经有一些头部企业开始把机器人送进真实场景。机器人一边干活，一边收集数据，再用这些数据改进模型，实际运行中遇到的问题也会逐渐得到解决。
所以我认为，今年行业洗牌会开始加速。
Q：随着行业开始分化，未来两三年，什么决定一家机器人公司能否留下来？
刘东：核心还是机器人能不能真正成为生产力工具，进入实际场景，并且形成持续的收入。
现在一些头部机器人公司的一级市场融资已经进入新阶段，部分企业开始考虑上市。但上市只是一个起点，企业接下来要考虑的是如何规模化生产和交付。
我之前做自动驾驶，对这个问题感受很深。图森未来当年上市时市值很高，但后来发展并不顺利。机器人行业也要吸取类似的经验，不能只靠融资和资本市场预期，最终还是要拿出产品，形成可持续的业务。
