具身智能的长链条：为什么大脑、身体和数据必须一起做 (2026)

单集信息

这集把具身智能放在两个尺度上讨论：高继扬讲一家公司怎样用硬件获得真实数据，徐新讲投资人怎样在一个新行业里穿过热潮和泡沫。两人的共同判断是，具身智能不是把一个大模型装进机器人那么简单，而是一条从本体、数据、供应链到智能的长链条。1

徐新回忆，她观察新行业时最怕「只见树木不见森林」，所以会把赛道里的公司逐棵看一遍。她第一次见到高继扬时，星海图没有用一套漂亮的 PPT 解释未来，而是把正在改的硬件直接摆在现场。高继扬的第一款产品 R1 是轮臂，节目中提到，从开始做本体到第一期硬件出来大约用了 8 个月。

这件事的价值不只在速度。硬件一旦进入客户场景，团队才会获得反馈，知道哪些动作、结构和供应链环节真的需要改。高继扬把路线概括成「智能定义本体」：公司既做大脑，也做身体，而且先做硬件并不是降低对智能的重视，而是为了让大脑有可控的身体和真实的数据回传。

这条路线也意味着更长的工程链。节目里两位嘉宾后来把「整机加智能」称为其中两个柱子，但真正要补齐的还有数据采集、场景运营、设备管理、存储和传输基础设施。具身数据是多模态数据，规模和采集难度都不能简单套用互联网文本的经验。2

节目给出了一个很清楚的商业解释：大脑越使用越有价值，硬件则要通过规模化降低成本。前者依赖真实世界中的任务、反馈和数据闭环，后者依赖供应链、材料、动力模组、电池和端侧算力的持续迭代。如果只做其中一端，就很难同时获得学习速度和产品落地。

高继扬和徐新反复提到的三句话是：「一脑多形」，智能要跨越不同的身体；「核心在脑不在形」，长期价值不只由外观和机械结构决定；「壁垒是物理世界的数据闭环」，数据必须从真实设备和真实任务中回来。实现路径则是整机加智能。高继扬还强调，身体不能完全外包，因为没有自己的本体，就很难控制数据和持续迭代大脑。

这也解释了具身智能为什么不会轻易出现手机应用式的「GPT 时刻」。手机、应用商店和社交网络已经准备好分发软件，机器人则还要先把设备做出来。节目把行业可能的增长路径拆成三步：先卖设备，再在单一生产力场景卖方案和订阅，等智能在多场景有效、设备足够多以后，才可能进入按 Token 计费的阶段。

其中的数字是嘉宾对阶段的判断，不是行业统计：设备阶段可能是年化 30% 到 100% 的自然增长，方案阶段可能是 3 到 10 倍，通用 Token 阶段才可能出现几十倍增长。这个推演的重点不在数字本身，而在于收入模式的变化依赖设备、场景和智能能力依次成熟。2

徐新经历过互联网、移动互联网等多轮周期。她的态度不是简单地判断「有泡沫」或「没有泡沫」，而是看企业能否在资本收紧后继续迭代。节目中她用京东的早期融资作案例：刘强东当时希望融资 200 万美元，她给了 1000 万美元；京东从约 5000 万人民币销售收入增长到百亿规模，过程中长期处于亏损状态。

这个案例要说明的不是亏损必然正确，而是当市场窗口、创业者能力和资金使用方式同时成立时，主动投入可能会改变竞争格局。相反，如果团队没有产品、数据和迭代能力，融资只会把问题放大。

因此，具身智能创业者需要同时拥有两种时间感。一种是工程时间：硬件版本、数据采集、供应链和模型训练要快速循环；另一种是产业时间：节目提到，重大技术从渗透到成熟可能需要 10 到 15 年，产品的生命周期可能达到 20 到 30 年。短期要快，长期要耐心，二者并不矛盾。

徐新判断，具身智能的集中度可能较高，原因有两个。第一，做大脑本身很难，能力和规模效应会把企业数量压缩；第二，训练、硬件、数据和供应链都需要大量资金，不可能长期同时支持很多家公司。她把当前大模型公司的格局作为参照，认为具身智能也可能收敛到少数几家核心企业和大厂团队。

但集中度不等于只看融资额。高继扬强调，星海图的长期路线是依赖真实数据、持续迭代和软硬件协同；徐新则把创始人的学习速度、判断力和知行合一放在重要位置。泡沫破裂时，最先被淘汰的可能不是最缺钱的公司，而是没有形成数据飞轮、不能把钱转化为产品进展的公司。