深度|解码具身智能下半场的价值标尺,中国需要Figure吗?

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
深度|解码具身智能下半场的价值标尺,中国需要Figure吗?
7973点击    2025-11-24 14:56

深度|解码具身智能下半场的价值标尺,中国需要Figure吗?


引言:


2025年11月13日,一则消息在中国具身智能行业引发高度关注:星动纪元宣布完成新一轮融资,领投方是来自全球顶级的汽车制造巨头吉利汽车的吉利资本。据接近交易的人士透露,这笔投资是吉利资本在中国具身智能领域继宇树后的再次出手,更是其在全球范围内对该赛道的最大单笔投资。


对于熟悉具身智能赛道的资深观察者而言,这一事件的信号意义远超资金本身。当最严苛、最追求规模化与稳定性的产业力量——汽车工业,开始用真金白银为具身智能的终极路径投票时,它们到底在选择什么?


01 产业资本的“选择”:为何“软硬一体”的权重正在增加?


在产业资本大举入局之前,具身智能的早期投资版图主要由科技风投和平台巨头主导,并一度在两条看似并行的路线间摇摆:


  • “大脑”优先派: 以美国的 Skild AI、FieldAI、PI 为代表,坚信一个通用的“物理世界操作系统”是价值链的顶端。他们试图打造一个超级大脑来赋能所有硬件,复刻PC时代的“Wintel”或移动时代的“Android”生态神话。这一宏大叙事吸引了以软银、英伟达、Bezos Expeditions为代表的科技风投和平台巨头的重注,它们更擅长下注于“生态”和“标准”的未来。


  • “身体”为王派: 以早期的 Agility Robotics 为代表,认为没有一个足够稳定、通用、可量产的物理载体,一切智能都是空中楼阁。他们强调高性能的本体是实现商业化的前提。以亚马逊为代表的产业应用巨头对 Agility 的1.5亿美元B轮投资,正是看中了其双足机器人Digit在仓储物流这一特定场景中直接应用的潜力。


然而,这两条路径对于真正的工业生产而言,都只是“解决方案”的一部分。科技风投赌的是一个不确定的平台未来,而早期应用方则急于解决某个单一环节的效率问题。


当真正的产业主力——追求极致规模、成本与稳定性的汽车、高端制造等产业资本开始亲自下场时,游戏规则改变了。 从从Figure在2025年9月获得宝马等产业方加持,以390亿美元估值完成超10亿美元C轮融资,一举成为全球估值最高的具身智能公司,到此次汽车巨头对星动纪元的战略选择,一个清晰的趋势已然浮现:产业资本的天平,正显著地向“软硬一体、深度协同”的闭环模式倾斜。


为什么产业资本的偏好发生了转变?答案藏在它们的基因里:它们投资的不是概念,而是产业未来可用的通用生产力


产业应用(尤其是汽车制造、高端物流等)的核心痛点并非单一的技术指标,而是系统性的可靠性、一致性与成本效益。说到底,产业端需要的是能真正“干活”而非“整活”的生产力工具,它必须同时拥有「聪明的脑」来理解复杂指令,以及「好用的身体(尤其是灵巧手)」来稳定执行。而一个“外购”的大脑与一个“通用”的身体之间的适配与磨合,恰恰充满了这种协同上的不确定性,这对于追求99.99%稳定性的产线而言是不可接受的。只有像Figure 这样将模型算法的迭代与本体硬件的设计深度绑定,进行一体化开发的公司,才能:


实现极致的性能协同: 算法可以针对自研关节的毫秒级响应进行优化,硬件可以为模型的特定数据采集需求定制传感器。相当于自己的大脑控制自己的身体,模型能精准控制自研的灵巧手,实现高精度的力控操作,这在“组装方案”中几乎无法实现。


加速迭代的闭环飞轮: 从真实产线(如汽车总装)采集到的数据,可以立即反馈给模型团队进行算法微调,同时硬件团队也能根据失效数据对部件进行快速迭代。这种“模型-本体-场景数据”的物理AI闭环环飞轮是“软硬分离”模式难以企及的。


构建真正的成本优势: 核心部件的全自研不仅能摆脱供应链掣肘,更能从设计源头进行成本控制,为未来的大规模部署奠定基础。


因此,该汽车巨头的这笔投资,更可被视为对“软硬一体”这一技术范式的一次重要押注。它在很大程度上预示着,尽管市场仍有争议,但单纯的“大脑”或“身体”公司在成为通用生产力时,将面临被“一体化”范式整合或边缘化的更大挑战。


02 解码Figure范式:产业资本的“投资说明书”


Figure AI之所以能成为390亿美元的超级独角兽,正是因为它为产业资本提供了一份“投资说明书”,其核心是构建了一个“技术-资本-场景”打造通用生产力的铁三角。


1.技术路径: 以Helix模型(大脑)+ Figure 03本体(身体)的“软硬一体”为核心。Figure 从创立之初就坚持模型与本体的协同开发。其 Helix 模型采用先进的双系统架构,实现了从视觉输入到关节控制的端到端输出,而其本体 Figure 02 则在续航、关节响应速度上不断迭代,以完美承载 Helix 的能力。


2.资本结构: 构建了“科技巨头 + 产业资本 + 专业资本”的“三驾马车”矩阵。 Figure 的资方列表堪称豪华天团,精准地覆盖了其发展所需的所有资源。


3.场景落地: 与宝马、Brookfield 等行业龙头深度绑定。 Figure 与宝马的合作,使其获得了汽车制造这一最高标准的工业应用场景,用于技术验证和数据采集。与商业地产巨头 Brookfield 的合作,则为其打开了商业运营场景的大门。这种场景绑定,确保了技术有处可验、数据有源可采、商业有路可循。


这个“铁三角”范式,最大程度地降低了具身智能商业化的不确定性,为投资者提供了清晰的价值成长路径。


03 星动纪元:英雄所见略同的中国版“Figure"


当我们以“Figure范式”作为标尺审视中国的头部玩家时,会发现星动纪元在诸多关键维度上,与Figure展现出高度的趋同性。这种基于相似第一性原理的战略共鸣,或许正是吸引那家汽车巨头下重注的根本原因。


1.核心架构的“同源”:ERA-42 vs Helix,殊途同归的“快慢脑”


这是两者的相似之处,也构成了它们技术护城河的基石。


星动纪元ERA-42模型: 其团队在2024年9月全球首个提出了“分频VLA”(Frequency-Divided VLA)这一关键创新,并推出了HiRT快慢分层架构(ERA-42其中一版)。 这在全球范围内首次清晰定义了机器人的“快慢系统”概念,通过latent向量连接一个70亿参数的世界模型(慢脑,负责深思考与策略生成)和一个4000万参数的执行模型(快脑,负责实时控制)。这种“快慢脑”设计,已被CoRL 2024等顶会论文证实为解决机器人复杂任务与实时响应矛盾的最优解。


深度|解码具身智能下半场的价值标尺,中国需要Figure吗?


Figure Helix模型: 随后,Figure发布Helix ,同样采用双系统架构,通过latent向量衔接一个70亿参数的VLM(慢系统)和一个8000万参数的Transformer(快系统)。星动纪元后期,还将世界模型、强化学习融入到了VLA中。在PI于日前发布的最新模型π0.6,强化学习部分还引用了星动纪元的学术成果。


深度|解码具身智能下半场的价值标尺,中国需要Figure吗?

图源:星动纪元具身大脑发展历程


2.“软硬一体”的极致追求:核心部件全自研的底气


如果说Figure是“软硬一体”的典范,星动纪元则在硬件自主化上走得更远、更彻底。其在电机、谐波减速器、控制器、高精度五指灵巧手等所有核心部件上均实现了超过 95% 的自研率。这意味着其在硬件层面拥有比 Figure(部分核心部件如力传感器仍需与 Tekscan 等合作)更高的自主性和协同优化空间。这种极致的自研,使其硬件能完美适配 ERA-42 模型的高频、高精度控制需求,从而在物理交互的细腻度上建立决定性优势。


3.资本生态的构建:巨头+产业+国资的组合拳


在资本生态的构建上,星动纪元也打出了一套“科技巨头+产业资本+国家力量”的组合拳。其中,阿里巴巴作为科技巨头,为其提供了关键的云算力支持及电商物流等应用场景;海尔、联想以及此次领投的汽车巨头,则组成了强大的产业投资方阵营,为技术落地提供了从家庭、3C制造到汽车总装的丰富应用场景;而来自北京机器人产业发展投资基金、清控基金、鼎晖VGC等政府背景基金及专业投资机构的加持,则确保了战略层面的高度与市场化的运作能力。这一资本布局与Figure的“三驾马车”模式异曲同工,为星动纪元构建了一个稳固的“技术-场景-资金”闭环。


这个在中国本土构建的资本生态,其逻辑与Figure的“三驾马车”异曲同工,为星动纪元构建了一个同样稳固的“技术-场景-资金”闭环。


4.团队基因的互补:学术顶峰与工程落地的统一


Figure的核心团队来自特斯拉、谷歌等产业界,工程能力极强。而星动纪元的创始人陈建宇,则是全球罕见的兼具顶尖学术背景(清华助理教授、博导,顶会论文70+篇)与强大工程落地能力的复合型人才。


这种“科学家+工程师”的基因,使得星动纪元既能做出HiRT这样的开创性模型架构,又能将其快速产品化。据悉,星动纪元具身大脑ERA-42已在物流、制造、商业服务等多个领域落地。在物流领域,可完成包裹、药品的分拣及扫码;在制造领域,重点突破 “零部件抓取 - 高精度装配 - 质量检测” 等场景任务;在商业服务领域,可完成门店客座清洁、物品递送、酒水服务、导游导览等。其中,部分场景效率当前达到70%。


5.从Demo到Deployment:真实交付构建的护城河


深度|解码具身智能下半场的价值标尺,中国需要Figure吗?

图源:星动纪元


与许多仍停留在视频演示阶段的公司不同,星动纪元已经用真实的商业数据证明了其“模型-本体-场景数据”飞轮的有效性。这不再是PPT上的构想,而是正在发生的商业现实:


批量交付能力: 公司已经和吉利、雷诺、顺丰、TCL、海尔等深度合作,实现了产品批量交付,2025积累订单额超5亿。


全球顶级客户认可: 全球市值TOP10的科技巨头中,9家已成为星动纪元客户,且海外市场收入占比已超过 50%。


成熟场景落地: 在物流场景中,星动纪元已落地成熟的软硬一体解决方案,其全尺寸双足人形机器人的分拣和供包效率目前可达人效的70%。据悉,物流最大订单近5千万元。


深度|解码具身智能下半场的价值标尺,中国需要Figure吗?

图源:星动纪元


04 结语:从“范式追随”到“价值重估”


此次顶级汽车巨头的重磅投资,不仅是对星动纪元的一次价值认可,更是一面棱镜,折射出产业资本在具身智能终局之战中日益清晰的投资偏好:一个拥有“软硬一体化全栈自研”技术闭环、“铁三角”资本生态和清晰场景落地路径的“Figure范式”公司,正成为这场竞赛中最受青睐的标的。


与Figure已高达390亿美元的估值相比,在核心技术范式、资本生态乃至硬件自研程度上都呈现出高度趋同性的星动纪元,其当前估值无疑被低估。


行业的竞争焦点正从“Demo King”转向“Deployment King”。2025-2026年,商业合同与真实场景的部署数量将成为衡量价值的唯一标尺。当星动纪元的人形机器人,在中国的物流、3C制造或新能源汽车产线上开始进行规模化部署测试,一场关于中国具身智能头部玩家的价值重估,或许才真正开始。而这笔来自汽车工业心脏地带的最大单笔投资,无疑是这场重估大戏拉开序幕的最强音。


文章来自于“Z Potentials”,作者“Z Potentials”。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI

2
微调

【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台,可以对大语言模型(LLM)和多模态图文模型(VLM)进行预训练和轻量级微调。XTuner 支持多种微调算法,如 QLoRA、LoRA 和全量参数微调。

项目地址:https://github.com/InternLM/xtuner