小讯AIGC

让机器人像人一样，快速学习并适应各类新场景，触达更广阔的市场。

机器人，被视为下一个万亿级智能终端。但为何有数十年历史的机器人产业，其市场规模至今远未达到预期？其核心原因，在于现有机器人大多只能适配一个场景、一个任务，极大地限制了其规模化应用的可能。

在第18届创业邦年会暨创业邦100未来独角兽大会上，星动纪元创始人陈建宇给出了破局路径：打造“上限更高、更通用的机器人”——让机器人像人一样有聪明的大脑和好用的身体，能够快速学习并适应各类新场景。这样才能使得机器人触达更广阔的市场。

以下是陈建宇在大会上的演讲实录，由创业邦整理。

打造通用机器人，

成为下一个智能终端

现在行业已经形成共识，机器人未来一定可以催生出万亿级的市场。

首先，机器人可以产生非常巨大的生产力，而整个生产力和劳动力加起来，可以达到所有GDP一半的体量；同时机器人会成为未来继个人电脑、手机、智能汽车之后的下一个智能终端。

怎样打造？非常重要的点是需要打造上限更高、更通用的机器人。机器人的历史很长，不管工业还是生活，我们已经看到各类各样的机器人在落地，但是现在机器人的总量和市场远小于预期，非常重要的点是现在机器人比较专业化，一款机器人只能适配基本一种场景和一个任务，要做新的场景和任务，要重新研发整个硬件和软件，让机器人的大脑和身体协同发展。

我们希望做相对通用的机器人，希望它像人一样，通用适配到各类场景，这样才能最终达到想要的市场。围绕这样的目标，我们专注于这方面的研发，并且在人形机器人全身灵巧操作的软硬一体、全栈自研上实现阶段性进展和突破。

我们研发了比较通用的人形机器人，具备双灵巧手和双足形态，并且所有软件，包括通用端到端的具身大脑、小脑运控模型，再到硬件本体、零部件、关节、电机和灵巧手，都是一体化自主研发。

星动STAR1在工厂车间大显身手

不同形态通用的机器人本体，搭载具身模型，又可以用到各种各样不同的场景里。因为模型是通用的设计，所以跟具体某个场景无关，没有针对任何场景做任何特定的设计，我们需要的是数据反馈。现在也在几个重要的场景下，形成大脑本体+场景数据的反馈，在商业化落地的同时，也在持续增强模型的能力。

具身模型的三次进化，

走向自我学习

我们非常重视具身模型的创新研究，可以总结为三个阶段：基于VLM的分频VLA模型、融合世界模型的VLA模型、融合强化学习的VLA模型。

首先是基于“VLM的分频VLA”，这是现代比较主流的范式。在全球范围内，我们是这条路线最早的提出者、实现者。在2024年发表了相应论文Hirt，是全球首个完整的机器人VLA模型。

我们首次提出Action形态，可以实现端到端的训练，使模型达到比较好的柔顺性和运行的速度。仅通过视觉的输入，每秒钟就可以完成数十次从感知到决策和规划的闭环。

例如，在抓取药盒的任务中，机器人可以从杂乱的物品里找到药盒，同时双臂协同进行扫码动作。即使在距离较远的地方，机器人也会自动调整姿态，最终实现相应的效果。

刚才提到的方法是基于VLM的VLA模型，仍然有缺陷和不足。因此，我们通过技术改进，来到第二阶段的“世界模型”。

为什么要进行改进？此前的方法纯粹是在模仿人类的动作。人类怎么做，机器人就模仿怎么做。这样使得机器人的动作倾向于条件反射式，没有自己的思考。而且，这种方法要依赖大规模数据，如果超脱数据范围之外，行为就比较难以呈现。

人类之所以会思考，是因为能在脑内构建世界模型，这是对物理世界的常识性认知，对各种各样的场景有快速的预判。比如，一瓶水在桌子的边缘，会担心稍不注意掉下去，把杯子摔碎；如果开车到入口，可能会预判冲出来一辆车或者行人，造成一些交通事故。

因为有了预判，就知道在开车的时候，在入口要减速或者停下避免危险，知道杯子在桌子边缘，可能想要伸手或者往里面推。有了这样的世界模型能力，可以帮助你更好进行预判和更好进行举一反三的能力，这种能力在此前模型是没有的。

除此之外，世界模型还可以做对未来准确的预判和预测，可以帮助你更好进行行为决策。

围绕这样的思想，我们也做了系列工作，包括2025年发表论文，把大规模的互联网视频数据加入进来做预训练，大大增强了它的泛化性能。

2025年11月，我们跟Physical Intelligence的联合创始人一起联合发表论文。Physical Intelligence是全球公认的最好的一家具身大脑公司，我们跟他们一起，联合做了关于世界模型的工作Ctrl-world，发现通过引入世界模型，可以在他们当时最先进的模型上、下游任务再提升45%的性能。

这个具身模型，能够通过观察真实世界场景，预测接下来机械臂的驱动轨迹，以及与物体交互所产生的细腻物理效果。比如，当机械臂夹起毛巾时，模型不仅预测了手臂的动作，还模拟出了毛巾因被抓取而产生的褶皱和形态变化。

这种非常复杂细腻的物理细节，它也能够捕捉的非常精准，几乎看不出来与真实物理现象的区别，这样的能力帮助我们做各种各样的行为操作，这些是最后训出来的模型结果。

最后是第三阶段，基于“强化学习”模型，机器人自主强化、自主探索试错，自己增强性能。这里是有一个端到端的神经网络，持续不断地去做推理，并且频率非常高，一秒钟有几十赫兹，实现感知到最后控制的闭环。

让技术创造真实价值

有了聪明的“大脑”，还需要一副强大的“身体”来配合。

在硬件层面，我们完全自主研发了核心部件包括灵巧手、电机、减速器、驱动器等。基于这些技术，我们形成了一系列的产品矩阵，让我们的技术有了具体的形态。

首先是我们的双足人形机器人星动L7，它身高1.7米，拥有55个自由度。它是跳高、跳远世界纪录的保持者、同时还拥有双臂灵巧操作能力，完成各种复杂的任务，做到手脚协同。

双足人形机器人星动L7

其次，我们还有针对服务场景设计的轮式机器人星动Q5。它的外形设计得比较纤细、优美，同样具备七自由度的双臂和五指灵巧手，可以灵活地完成下蹲拾取物品等精细操作。

我们的机器人之所以已经能在真实场景干活，得益于我们自研的通用灵巧手。它采用全直驱方案，响应速度快，每秒钟能点击鼠标10次；同时力量强，单手能拎起25公斤的重物；精度也高，能够稳稳捏起一块豆腐。并且，我们还让它具备了出色的抗冲击性，以适应真实的工业环境。

我们深知，再好的技术，如果不能落地，那就没有意义。在商业化方面，我们采取双线并行策略。

一方面，我们面向终端场景，直接提供从模型、硬件到软件的全套解决方案。我们已经在工业、物流等场景成功落地，与顺丰、海尔、联想等合作。这种模式最大的好处是，我们可以通过这些真实场景获得宝贵的数据反馈，这些数据又会反过来持续优化我们模型的能力，形成一个良性的飞轮。

另一方面，我们也把在开发过程中的工具链，以API的形式，提供给其他的企业和高校用户。我们很清楚，单靠我们自己不可能覆盖所有的应用场景。通过开放工具，我们可以赋能更多的合作伙伴，大家一起来探索和定义机器人的未来。目前，全球市值Top10的科技巨头中，已经有9家成为了我们的客户，这也从侧面印证了我们技术工具的价值。

以上是我的分享，谢谢！