对话星海图CFO罗天奇：具身智能正处“百团大战”早期，胜负手是每一块钱的智能转化率

过去一年，具身智能持续处于资本与产业关注的交汇点。一方面，融资规模不断扩大，技术演示频繁刷新行业想象；另一方面，稳定落地、规模复制以及成本控制仍是行业绕不开的现实挑战。

2月10日晚间，星海图合伙人、CFO（首席财务官）罗天奇在接受包括《每日经济新闻》在内的媒体采访时表示，具身智能最终依然是一个由 Scaling Law（规模定律）驱动的 AI（人工智能）行业，胜负手不在于短期的融资额，而在于每一块钱能换回多少智能。

2月11日，星海图完成10亿元B轮融资。截至本轮，星海图累计融资额近30亿元，估值百亿元，成为继宇树、智元、银河通用之后具身智能行业又一只百亿元独角兽。

星海图机器人 图片来源：企业供图

具身智能迈向资源密集型竞争阶段

罗天奇将当下的具身智能赛道比作当年的“百团大战”。他认为，美团当年之所以能赢，并不是靠一招鲜的技术，而在于其对生意本质有很深的认知。而去年开始疯狂烧钱的友商很像当年“百团大战”及早期行业发展不够充分时，把融资款全用来投流获客的那些公司。

在具身智能产业中，星海图是一家在融资节奏和支出上显得相对审慎的公司，面对“花钱慢”的质疑，罗天奇则表示：“具身智能本质上还是AI行业，技术核心驱动力是 Scaling Law。”他指出，具身智能目前仍处于Scaling Law初期，数据还在准备阶段且数据量不够大。他判断，随着Scaling Law进一步发挥作用，行业将出现明显的格局收敛。

罗天奇透露，目前头部具身智能企业在算力和数据投入规模上，大致为头部大语言模型创业公司的十分之一，但这一差距可能迅速缩小。他强调，Scaling Law的扩展本身具有指数特征，“可能今年规模上升一个数量级，未来两三年再继续放大”。

罗天奇进一步强调，当前具身智能仍处于技术竞赛早期阶段。“我们今天是在跑一场马拉松，而不是百米赛跑，行业整体可能才跑出一公里。”

因此，他认为，企业需要保留足够资金，以应对未来数据增长带来的算力与模型训练成本激增。他直言，行业竞争的本质是谁能把一块钱换回最高程度的智能。“在中国具身智能公司里，谁花钱效率最高，谁就最值得获得资本投资。”

当前具身智能行业正经历一次重要的结构性转折，资本逻辑正在从“广撒网”转向“押头部”，行业也从早期技术探索阶段逐步迈向资源密集型竞争阶段。

行业存在规模效应，但硬件成本不是比拼关键

关于具身智能的“ChatGPT时刻”何时到来，业内争议颇多。罗天奇认为，“ChatGPT时刻”不一定是一两年内很快到来的，但这并不妨碍商业化的率先开启。

罗天奇将具身智能的商业化拆分为技术驱动与商务驱动，后者包括了机器人表演等场景。

从技术驱动的角度，罗天奇认为，目前能够跑通的三个硬性边界包括厘米级的精度要求、接近人类80%的作业速度以及99%准确率水平的应用环境。他介绍，这类场景在当前产业中具有较大数量基础。

在他看来，部分场景的料箱搬运、物流分拣以及末端配送的“最后一公里”操作，是率先符合这些边界的场景。与自动驾驶不同，具身智能对容错率更友好，不需要等到99.99%的成功率才能落地。具身智能会“润物细无声”地进入千行百业，“甚至若干年后大家回顾这个过程，好像记不得哪一年是具身智能的‘ChatGPT时刻’，但是具身智能已经真的走进千行百业了”。

在商业化选择上，罗天奇强调要避免将资源过早投入由商务驱动的商业化。他认为，如果技术基础尚未稳定就大规模推进市场扩张，容易导致头重脚轻。

罗天奇认为，从财务视角看，具身智能的ToB（面向企业端）生意在营收规模上极具潜力。大模型厂商卖一套私有化模型可能只有几十万元收入，但这可能只是一台具身机器人的价格。当给一个大客户卖出数十甚至上百台机器时，实现数亿元的营收并不困难。但他强调，相比营收的绝对数量，更应关注营收的质量，如开机使用比例和毛利率等指标。

对于规模订单能够带来的供应链议价能力变化，罗天奇的判断是，具身智能行业同样存在一定的规模效应，但硬件成本最终不会是大家比拼的关键。

“这个行业中长期的商业模式是卖‘物理世界的Token’，就跟大语言模型卖虚拟世界Token一样。”罗天奇分析称，当供应链成熟到一定程度，即以年产10万台以上为标志，硬件成本将不再有实质性差别。届时，真正的壁垒在于两点：一是智能水平，二是由智能水平反向定义的硬件设计和生产制造能力。

全球竞争靠数据供应链，技术路径应聚焦执行智能

在全球竞争视角下，马斯克曾预言未来全球前十大机器人公司，除了特斯拉剩下的可能都在中国。罗天奇对此深表认同，但他指出，外界往往只看到了中国的硬件供应链优势，却忽视了数据供应链优势。

“这个（数据供应链优势）是比硬件供应链更夸张的优势。”罗天奇直言，中国最高质量的数据采集成本可能只有美国公司的十分之一。这意味着花相同的钱，可以采集到10倍数量的数据，这一成本差距远高于硬件BOM成本（物料清单）的差异。在他看来，这一优势将成为中国具身智能长期竞争的重要基础。

在技术架构层面，对于世界模型的发展是否会反向推动具身智能的问题，他认为，世界模型本身是一个更宏大的命题，短期内更适合拥有算力与多模态积累优势的大厂持续推进。从现实路径来看，多模态视觉语言模型（VLM）的突破确实在持续发生。但他同时强调，很多具身智能公司对技术架构分拆不够细，在推理能力、理解能力等方面，如果已经有更好的模型，创业公司没必要重复“造轮子”。

罗天奇认为，具身智能公司真正独特、必须从零开始研发的部分，是具身基础模型，也就是负责物理世界执行能力的VLA端到端模型（视觉语言动作模型，Vision-Language-Action）。

在他看来，VLM与VLA是互补关系：前者负责理解与推理，后者负责行动与执行。理解能力已经由大厂持续突破，“我们真正独特的部分，一定是从头开始去做自己的VLA模型。”他表示，具身智能企业需要站在巨人肩膀上，但必须把资源集中在物理世界智能的构建上。