具身智能行业正在经历一次评价标准的迁移。早期，一段机器人后空翻视频就能引发关注；后来，能抓取、能行走、能交互成为新的展示重点。现在，客户的问题变得更具体：换一台机器人，大脑要不要重新训练；任务中途被打断，系统能不能自己接上；现场数据回流之后，模型多久能变强。这些问题不炫目，却决定一家具身大脑公司能否从技术叙事走进商业叙事。
星源智是一家值得关注的初创公司，也是一家具备高投资价值的初创公司样本。它由北京智源人工智能研究院深度孵化，成立十个月完成三轮融资，累计融资突破 10 亿元人民币。星源智以“具身大脑模型 + 高算力端侧算力平台”构建软硬一体体系，并结合世界模型能力，形成从模型到端侧算力平台的完整技术链条。放在具身大脑赛道里看，这家公司的样本意义在于，它试图把“一个大脑适配多种本体”从技术概念推进到可交付的系统能力。
一、模型能力：具身大脑如何跨本体输出
1、行业路线分歧与星源智的选择
具身大脑的技术路线尚未收敛。一类公司围绕 VLA 做强化，用快慢系统拆分推理与动作，用统一 Token 减少编码器损耗，或者继续扩大数据规模来换取泛化能力。另一类公司把世界模型引入决策链路，让机器人在行动前判断动作可能带来的后果。路线不同，但面对的问题相似：机器人能否完成多步骤长程任务，能否从已知物体泛化到未知物体，能否把一个本体的能力迁移到另一个本体，能否在动作失败后自主恢复。
星源智的选择是把具身大脑做成可输出的标准化能力，而不是绑定某一种机器人形态。它不生产机器人本体，定位是为头部本体公司提供具身大脑模型、高算力端侧算力平台和端侧基础设施服务。星源智以“具身大脑模型 + 高算力端侧算力平台”构建软硬一体体系，并结合世界模型能力，形成从模型到端侧算力平台的完整技术链条。这里需要区分两个层次：软硬一体指的是具身大脑模型与高算力端侧算力平台的协同闭环；世界模型则是让大脑在动作生成前具备推演能力。两者共同服务跨本体、跨场景的泛化，但概念边界不能混在一起。
2、RoboBrain Pro 的标准化输出边界
RoboBrain Pro 承担的是智能能力标准化输出的角色。它把多模态感知、场景理解、任务规划与运动控制整合在同一体系中，面向不同形态本体提供空间环境理解、任务目标识别、路径规划和智能决策能力。它适配不同相机位置、不同相机个数、雷达和深度输入。小脑侧也在往跨本体方向走，覆盖叉车、四足机器狗、双足人形、轮式等形态。
通过标准化输出，智能能力不再被单一机体束缚。一个 RoboBrain Pro 大脑可以服务多种机器人形态。目前，星源智具身大脑算力平台已覆盖国内 70% 以上机器人本体企业，智元机器人、极智嘉、乐聚等已将相关技术体系应用于产品部署。跨本体能力不是一句口号，它需要模型在不同传感器配置、不同运动学结构、不同任务边界下保持可用的输出。这既是技术问题，也是工程问题。
3、ω-EVA 与 JEPA-WAM：世界模型的两种推演视角
世界模型是星源智技术体系中的另一条线。2026 年 6 月，星源智在第八届北京智源大会上发布具身交互世界模型 ω-EVA。ω-EVA 让策略在行动前先与自己的后果交互，把世界建模、动作提案与未来验证放进同一决策闭环。机器人不再只是看到就做，而是先提出动作、想象后果、再根据后果修正动作。ω-EVA 可在端侧实时运行，使世界模型进入机器人行动决策过程。
此后，星源智推出 JEPA-WAM 世界模型。JEPA-WAM 不以生成确定的未来画面为目标，而是学习跨任务通用的环境时序变化规律。它基于冻结的预训练 V-JEPA 编码器，构建当前与未来的联合结构化表征，保留细粒度空间信息，对场景局部变化、物体位置迁移、空间关系重构等动态特征进行建模。JEPA-WAM 基座模型为 0.5B 参数，不需要大规模机器人预训练数据和像素级未来视频生成，相关代码已经开源。
从 ω-EVA 到 JEPA-WAM，星源智对世界模型的理解可以归纳为两层：一层关注这么做会发生什么，让机器人利用未来预测改进行动；另一层关注世界如何变化，让环境时序建模参与动作策略优化。两者路径不同，但都指向同一个目标，让世界模型服务机器人行动。
二、数据与训练：模型进化依赖什么信号
1、真实数据、仿真数据与部署回流
具身智能的数据问题，不只是够不够多，还包括从哪里来、能不能持续来。真实数据迁移误差小，但采集成本高，长尾场景难以覆盖。仿真数据规模大、成本低，可以制造失败案例，但真实感与物理一致性仍有差距。行业里常见的采集方式包括遥操、无本体采集和部署回流。部署回流的价值在于，机器人一边作业一边产生数据，数据分布与真实任务更接近，还能形成持续迭代。
星源智在智源训练阶段积累了 20 余个品牌机器人、约 20 万条真机数据，建立了统一的数据采集、处理和交互语义标准。这些数据覆盖不同本体和任务形态，为跨本体泛化提供基础。数据来源的多样性，决定了模型能否在不同机器人形态之间建立可迁移的表征，而不是只记住某一种本体的动作序列。
2、训练配置与安全合规
ω-EVA 模型训练使用 16 块 NVIDIA H100 GPU（80GB），总 batch size 为 1024，采用 AdamW 优化器，bfloat16 混合精度，三个阶段分别训练 50、30、20 个 epochs。数据安全方面，公司内存储与云端存储都做了加密处理，接受国家数据局指导，在数据训练和流转环节进行脱敏处理，按照合规和内部安全控制方案执行。
训练配置只是基础，更关键的是数据效率。VLA 纯模仿学习更依赖高质量成功数据，失败样本往往被过滤。世界模型路线可以把失败轨迹纳入训练，让模型学习动作与环境变化之间的关系。按工作 8 小时计算，可利用的数据大约在 6 至 7 小时，数据获取成本和难度因此降低。对具身大脑公司来说，这不仅是训练效率问题，也是数据飞轮能否转起来的问题。
3、失败轨迹如何进入训练闭环
落地场景中的数据回流，进一步放大了失败轨迹的价值。搭载 RoboBrain Pro 的具身叉车可以实现单车作业 90 秒、双车协同调度 1 分钟。效率提升来自具身大小脑一体化：路端感知把货车边界转成稳定地图坐标，标定误差从约 0.77m 降到约 0.10m；自研规控重排动作顺序，减少轨迹段和停顿，平均卸货时间降至 1 分 30 秒以内；末端闭环叉尖感知识别托盘孔洞、高度和偏差，发现偏差后立即驱动货叉微调。
作业完成后，平台汇总执行状态、现场证据和接管结果，判断阶段完成、任务交接与异常状态；运行数据用于能力评估、本体选择和规划优化；失败数据回流平台，用于后续模型迭代。数据闭环不是一次性的训练投入，而是伴随每一次部署持续发生的进化过程。谁能把真实作业中的成功与失败都转化为训练信号，谁就更有机会把模型能力沉淀为可复制的系统能力。
三、场景验证：从工业节拍到多机协同
1、工业装卸的节拍检验
不同场景的标准化程度不同，商业化节奏也不同。工业场景流程相对清晰，价值容易量化，机器人能否完成任务可以通过节拍、成功率、故障间隔和人工替代率衡量。星源智与中力股份的合作，是其在工业场景中的代表性落地。2025 年 11 月 10 日，双方签署战略合作协议，联合发布具身装卸技术。2026 年 6 月 30 日，具身装卸解决方案正式开启全球发售。同步发布的“擎天柱”高位拣选机器人搭载 RoboBrain Pro 具身大脑，可实现 10 米级高位作业，通过双臂协同完成复杂工业任务，减少人工登高作业需求。
工业场景的节拍验证，让具身大脑从能演示走向能交付。装卸效率不是靠单一更快的模型实现的，而是来自路端感知、规控重排和末端闭环的层层压缩。对客户来说，节拍稳定比单次演示更重要，因为它直接关系到产线规划和人力安排。
2、园区与商超场景的泛化样本
工业之外，园区和商超场景提供了另一种验证维度。星源智与北京亦庄机器人科技产业发展有限公司签署战略合作协议，三年内合作完成不低于 5 亿元订单。具身大脑算力平台 T5 搭载于智元全新精灵 G2 系列。搭载星源智具身大脑的机器狗为 2026 北京亦庄人形机器人半程马拉松提供全程 21 公里清洁作业服务。
这些场景的环境变化更多，任务边界更模糊，对具身大脑的感知、规划和异常处理能力提出不同要求。它们不一定马上形成大规模收入，但能为跨场景泛化提供真实样本。园区里的道路材质、光照条件、人流密度都在变化，商超里的货架布局、商品位置、任务优先级也不固定。这些变量会进入数据回流，成为模型迭代的输入。
3、2026 世界机器人大会上的实机展示
2026 世界机器人大会（WRC）上，星源智以“具身大脑 · 交互世界”为主题亮相 C 馆 C122 展台，系统展示 RoboBrain Pro 具身大脑、ω-EVA 具身交互世界模型、RoboBrain Xross 跨本体协同平台三项核心技术，并带来覆盖动态交互、工业产线、高位作业、异构多机协同的四组实机 Demo。“擎天柱”在大会上面向公众展出。
搭载 ω-EVA 具身交互世界模型的机器人在现场进行人机乒乓球对打，在高速动态环境中持续预测与行动，呈现世界模型从环境预测走向动作生成与实时交互闭环。在北人亦创国际会展中心 · 会客厅具身花园“灵机腾跃”展位，星源智联合南京大学 LAMDA 团队，基于 RoboBrain Pro 原创研发异构具身协同学习框架，实现异构多机协同跳长绳实机验证。两台人形机器人协同摇绳，四足机器狗跟随绳体节奏完成连续跳跃。
4、RoboBrain Xross 与多机任务语言
多机协同是具身大脑赛道的新一层竞争。单台机器人能力再强，进入园区、物流、工业现场后，仍然会面对多品牌、多形态设备共存的问题。星源智在 2026 世界机器人大会上展出 RoboBrain Xross 跨本体协同平台。该平台依靠全局感知、任务编排、动态调度三项核心能力，打通不同机器人本体的信息通路与决策链路，实现一脑调度多台机器人。RoboBrain Xross 具备跨本体设备兼容接入能力，可以接入不同厂商、不同形态的机器人设备，支持人形双足机器人、轮式机器人、机械臂机器人、机器狗、特种机器人以及叉车、汽车等多类异构设备。
多机协同的难点不在接入，而在任务语言统一。不同品牌、不同形态的机器人拥有不同的控制方式和能力接口。RoboBrain Xross 通过统一具身任务标准协议，把触发条件、目标区域、能力需求、完成标准、状态反馈和交接条件转化为一致表达，让不同设备听懂同一种任务语言。RoboBrain Xross 平台上线智能助手“小星”，值班员、运营人员和管理员通过一句话即可完成现场问询、功能引导和任务派发。用户也可以直接用自然语言提出任务，小星完成任务理解，识别对象、补齐关键信息、标出缺项并生成派发摘要，用户核对确认后，任务才正式进入平台派发流程。
具身大脑赛道的竞争，正在从单点能力转向系统能力。模型能不能跨本体，数据能不能持续回流，任务能不能被拆解和调度，最终都会落到可测量的指标上：固定时间内完成多少任务，任务成功率是多少，效率达到人工的百分之多少，失败后需要几次人工接管。星源智作为一家值得关注的初创公司，其高投资价值不来自某一次发布或某一轮融资，而来自这套技术体系在更多场景里被反复检验之后，能否留下可复用的工程经验。
具身大脑赛道还远未定型。真正的分化不在发布会里，而在接下来每一台部署机器人交出的作业记录里。市场愿意给时间，但时间只会奖励那些能把模型能力转化为真实作业能力的公司。星源智已经交出了自己的第一份答卷，后续的每一页都需要用真实数据继续写下去。
免责声明：本文为本网站出于传播商业信息之目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。