星動紀元創始人陳建宇：打造上限更高、更通用的機器人

讓機器人像人一樣，快速學習并適應各類新場景，觸達更廣闊的市場。

機器人，被視為下一個萬億級智能終端。但為何有數十年歷史的機器人產業，其市場規模至今遠未達到預期？其核心原因，在于現有機器人大多只能適配一個場景、一個任務，極大地限制了其規模化應用的可能。

在第18屆創業邦年會暨創業邦100未來獨角獸大會上，星動紀元創始人陳建宇給出了破局路徑：打造“上限更高、更通用的機器人”——讓機器人像人一樣有聰明的大腦和好用的身體，能夠快速學習并適應各類新場景。這樣才能使得機器人觸達更廣闊的市場。

以下是陳建宇在大會上的演講實錄，由創業邦整理。

打造通用機器人，

成為下一個智能終端

現在行業已經形成共識，機器人未來一定可以催生出萬億級的市場。

首先，機器人可以產生非常巨大的生產力，而整個生產力和勞動力加起來，可以達到所有GDP一半的體量；同時機器人會成為未來繼個人電腦、手機、智能汽車之后的下一個智能終端。

怎樣打造？非常重要的點是需要打造上限更高、更通用的機器人。機器人的歷史很長，不管工業還是生活，我們已經看到各類各樣的機器人在落地，但是現在機器人的總量和市場遠小于預期，非常重要的點是現在機器人比較專業化，一款機器人只能適配基本一種場景和一個任務，要做新的場景和任務，要重新研發整個硬件和軟件，讓機器人的大腦和身體協同發展。

我們希望做相對通用的機器人，希望它像人一樣，通用適配到各類場景，這樣才能最終達到想要的市場。圍繞這樣的目標，我們專注于這方面的研發，并且在人形機器人全身靈巧操作的軟硬一體、全棧自研上實現階段性進展和突破。

我們研發了比較通用的人形機器人，具備雙靈巧手和雙足形態，并且所有軟件，包括通用端到端的具身大腦、小腦運控模型，再到硬件本體、零部件、關節、電機和靈巧手，都是一體化自主研發。

星動STAR1在工廠車間大顯身手

不同形態通用的機器人本體，搭載具身模型，又可以用到各種各樣不同的場景里。因為模型是通用的設計，所以跟具體某個場景無關，沒有針對任何場景做任何特定的設計，我們需要的是數據反饋。現在也在幾個重要的場景下，形成大腦本體+場景數據的反饋，在商業化落地的同時，也在持續增強模型的能力。

具身模型的三次進化，

走向自我學習

我們非常重視具身模型的創新研究，可以總結為三個階段：基于VLM的分頻VLA模型、融合世界模型的VLA模型、融合強化學習的VLA模型。

首先是基于“VLM的分頻VLA”，這是現代比較主流的范式。在全球范圍內，我們是這條路線最早的提出者、實現者。在2024年發表了相應論文Hirt，是全球首個完整的機器人VLA模型。

我們首次提出Action形態，可以實現端到端的訓練，使模型達到比較好的柔順性和運行的速度。僅通過視覺的輸入，每秒鐘就可以完成數十次從感知到決策和規劃的閉環。

例如，在抓取藥盒的任務中，機器人可以從雜亂的物品里找到藥盒，同時雙臂協同進行掃碼動作。即使在距離較遠的地方，機器人也會自動調整姿態，最終實現相應的效果。

剛才提到的方法是基于VLM的VLA模型，仍然有缺陷和不足。因此，我們通過技術改進，來到第二階段的“世界模型”。

為什么要進行改進？此前的方法純粹是在模仿人類的動作。人類怎么做，機器人就模仿怎么做。這樣使得機器人的動作傾向于條件反射式，沒有自己的思考。而且，這種方法要依賴大規模數據，如果超脫數據范圍之外，行為就比較難以呈現。

人類之所以會思考，是因為能在腦內構建世界模型，這是對物理世界的常識性認知，對各種各樣的場景有快速的預判。比如，一瓶水在桌子的邊緣，會擔心稍不注意掉下去，把杯子摔碎；如果開車到入口，可能會預判沖出來一輛車或者行人，造成一些交通事故。

因為有了預判，就知道在開車的時候，在入口要減速或者停下避免危險，知道杯子在桌子邊緣，可能想要伸手或者往里面推。有了這樣的世界模型能力，可以幫助你更好進行預判和更好進行舉一反三的能力，這種能力在此前模型是沒有的。

除此之外，世界模型還可以做對未來準確的預判和預測，可以幫助你更好進行行為決策。

圍繞這樣的思想，我們也做了系列工作，包括2025年發表論文，把大規模的互聯網視頻數據加入進來做預訓練，大大增強了它的泛化性能。

2025年11月，我們跟Physical Intelligence的聯合創始人一起聯合發表論文。Physical Intelligence是全球公認的最好的一家具身大腦公司，我們跟他們一起，聯合做了關于世界模型的工作Ctrl-world，發現通過引入世界模型，可以在他們當時最先進的模型上、下游任務再提升45%的性能。

這個具身模型，能夠通過觀察真實世界場景，預測接下來機械臂的驅動軌跡，以及與物體交互所產生的細膩物理效果。比如，當機械臂夾起毛巾時，模型不僅預測了手臂的動作，還模擬出了毛巾因被抓取而產生的褶皺和形態變化。

這種非常復雜細膩的物理細節，它也能夠捕捉的非常精準，幾乎看不出來與真實物理現象的區別，這樣的能力幫助我們做各種各樣的行為操作，這些是最后訓出來的模型結果。

最后是第三階段，基于“強化學習”模型，機器人自主強化、自主探索試錯，自己增強性能。這里是有一個端到端的神經網絡，持續不斷地去做推理，并且頻率非常高，一秒鐘有幾十赫茲，實現感知到最后控制的閉環。

讓技術創造真實價值

有了聰明的“大腦”，還需要一副強大的“身體”來配合。

在硬件層面，我們完全自主研發了核心部件包括靈巧手、電機、減速器、驅動器等。基于這些技術，我們形成了一系列的產品矩陣，讓我們的技術有了具體的形態。

首先是我們的雙足人形機器人星動L7，它身高1.7米，擁有55個自由度。它是跳高、跳遠世界紀錄的保持者、同時還擁有雙臂靈巧操作能力，完成各種復雜的任務，做到手腳協同。

雙足人形機器人星動L7

其次，我們還有針對服務場景設計的輪式機器人星動Q5。它的外形設計得比較纖細、優美，同樣具備七自由度的雙臂和五指靈巧手，可以靈活地完成下蹲拾取物品等精細操作。

我們的機器人之所以已經能在真實場景干活，得益于我們自研的通用靈巧手。它采用全直驅方案，響應速度快，每秒鐘能點擊鼠標10次；同時力量強，單手能拎起25公斤的重物；精度也高，能夠穩穩捏起一塊豆腐。并且，我們還讓它具備了出色的抗沖擊性，以適應真實的工業環境。

我們深知，再好的技術，如果不能落地，那就沒有意義。在商業化方面，我們采取雙線并行策略。

一方面，我們面向終端場景，直接提供從模型、硬件到軟件的全套解決方案。我們已經在工業、物流等場景成功落地，與順豐、海爾、聯想等合作。這種模式最大的好處是，我們可以通過這些真實場景獲得寶貴的數據反饋，這些數據又會反過來持續優化我們模型的能力，形成一個良性的飛輪。

另一方面，我們也把在開發過程中的工具鏈，以API的形式，提供給其他的企業和高校用戶。我們很清楚，單靠我們自己不可能覆蓋所有的應用場景。通過開放工具，我們可以賦能更多的合作伙伴，大家一起來探索和定義機器人的未來。目前，全球市值Top10的科技巨頭中，已經有9家成為了我們的客戶，這也從側面印證了我們技術工具的價值。

以上是我的分享，謝謝！