千峰访谈星源智刘东：让机器人真正成为能干活的生产力工具

“我们选择场景有一个基本判断：效果x效率÷成本与原有方案相比综合评价是不是大于1”

刘东，星源智创始人兼CEO。星源智定位为具身智能生态提供通用具身大脑、世界模型和端侧算力平台，坚持大脑与本体解耦，一方面向本体厂商提供软硬件一体的具身大脑解决方案，另一方面与本体伙伴合作面向终端场景交付完整方案，现阶段聚焦移动加抓放、移动加轻操作两类能力，优先进入物流搬运、仓内拣选、药店夜间值守和电力巡检等场景。本届千峰奖访谈中，刘东围绕AI与出海带来的模态进化，分享了星源智在具身智能方向的实践与判断。

亿邦：本届千峰奖以「AI与出海带来的模态进化」为核心主题，聚焦产业能力的深层重构。结合具身智能行业，您如何理解这一轮由AI和全球化共同驱动的产业模态进化？星源智在AI能力建设与全球化出海上有哪些核心战略布局？能否具体介绍一下公司的定位及业务模式？

刘东：我理解，具身智能带来的变化，是让AI从数字世界走进物理世界，让机器人真正去理解环境、规划任务、操作物体，成为能干活的生产力工具。

星源智的定位，是为具身智能生态提供通用具身大脑、世界模型和端侧算力平台。我们坚持大脑与本体解耦，因为不同场景需要不同形态的机器人，叉车、机器狗、人形机器人都有各自适合的任务，不能用一种形态去覆盖所有需求。

业务上，我们一方面向本体厂商提供软硬件一体的具身大脑解决方案；另一方面与本体伙伴合作，面向终端场景交付完整方案。我们的重点是把通用大脑、世界模型、端侧工程能力和真实场景结合起来，让算法能力变成客户实际能用的产品。

亿邦：您提到过去做无人配送的经历。那段经历对星源智的定位有什么影响？为什么最终选择做“通用具身大脑”，而不是直接做机器人本体？

刘东：过去做无人配送时，我遇到过一个很具体的问题：无人车能把货送到小区门口，但卸货、上楼还需要人，前面节省的成本又被最后一段消耗掉了。这让我意识到，只解决移动还不够，必须把操作和交互也接进来，才能形成完整的商业闭环。

至于为什么坚持大脑与本体解耦，是因为不同场景需要不同形态的机器人。叉车、机器狗、人形机器人都有各自适合的任务，不能用一种形态去覆盖所有需求。我们选择做通用大脑和端侧算力平台，向本体厂商提供软硬件一体的解决方案，同时与本体伙伴合作面向终端场景交付完整方案。

亿邦：目前贵公司在哪些核心业务环节落地了AI/大模型技术？形成了怎样独具特色的AI或数智化竞争力体系？

刘东：我们现阶段主要聚焦两类能力：移动加抓放，以及移动加轻操作。在这两类能力范围内，优先进入物流搬运、仓内拣选、药店夜间值守和电力巡检等场景。

比如物流场景，机器人需要识别货物和托盘、理解作业空间，再完成搬运和装卸；药店场景，要把移动和拣选衔接起来，满足夜间值守需求；电力巡检则需要打通室内外的环境理解和导航，适应不同地形。我们看重的是一套基础能力在不同场景中的复用，而不是每换一个项目，就重新做一套算法。

技术上，我们发布的具身交互式世界模型ω-EVA采用“设想—验证—执行”的思路。机器人先提出动作，再预测这个动作会带来什么后果，如果可能碰撞或抓取不稳，就先修正再执行。与此同时，我们自研端侧算力平台，让模型在机器人本地运行，减少对远程网络的依赖。模型、底层软件和硬件要联合优化，才能满足真实作业对响应速度和稳定性的要求。

亿邦：您提到ω-EVA世界模型采用“设想—验证—执行”的思路。这和传统的“感知—决策—执行”路线有什么区别？为什么机器人需要在执行前先“预判后果”？

刘东：传统路线更强调感知之后直接决策执行，但在真实作业环境里，很多动作一旦执行就来不及修正。ω-EVA的思路是，机器人先提出动作，再预测这个动作会带来什么后果，如果可能碰撞或抓取不稳，就先修正再执行。这相当于把“验证”环节前置到执行之前，让机器人在动作发生前就能预判风险。模型、底层软件和硬件要联合优化，才能满足真实作业对响应速度和稳定性的要求。

亿邦：您还提到自研端侧算力平台，让模型在机器人本地运行。为什么端侧算力对具身智能这么重要？和云端方案相比，端侧的优势和挑战分别是什么？

刘东：具身智能的作业场景对响应速度和稳定性要求很高，如果依赖远程网络，延迟和断网都会影响执行。我们自研端侧算力平台，让模型在机器人本地运行，减少对远程网络的依赖。挑战在于，端侧算力有限，模型、底层软件和硬件必须联合优化，才能满足真实作业对响应速度和稳定性的要求。

亿邦：能否分享一个最具代表性的“AI+价值链”创新实践案例？它解决了哪些行业共性痛点，创造了哪些可感知、可量化的价值？

刘东：以我们与中力合作的物流叉车场景为例。装卸作业不仅劳动强度大，集装箱等环境还可能面临高温；在海外，叉车司机的人工成本也比较高。这类需求是否值得做，最终还是要算商业账。

搭载我们大脑的自动叉车，可以自主识别卡车、规划卸货顺序、分辨托盘类型。在相关装卸场景中，单车装卸由约90秒缩短到约1分钟。同时我们的模型还会参与动作判断，比如叉臂插入之前，先预判角度和深度是否可能导致货物倾倒，有风险就调整策略。

亿邦：您提到选择场景有一个基本判断：效果乘以效率，再除以成本，与原有方案相比，综合评价是不是大于1。这个公式怎么理解？为什么机器人把一个动作做出来，并不等于有商业价值？

刘东：我们选择场景有一个基本判断：效果乘以效率，再除以成本，与原有方案相比，综合评价是不是大于1。机器人把一个动作做出来，并不等于有商业价值；只有在效果、效率、成本上算得过账，客户才会持续采购，方案才有机会规模化。物流装卸是我们认为具备这种落地条件的场景之一。

亿邦：在推进AI规模化落地过程中，数据要素扮演了怎样的支撑角色？星源智更侧重自有产业数据深耕，还是推进跨主体、跨行业的数据协同？核心挑战是什么、如何应对？

刘东：具身智能的数据，关键不是总量有多大，而是有没有足够多、足够好的交互数据，能支撑机器人在具体场景里把活干好。大量不同任务的数据可以帮助模型建立基础能力，但进入仓库、药店这样的具体场景，还需要用场景数据做后训练，把通用能力提升为场景中的高可用能力。

我们既使用经过清洗验证的高质量开源数据，也积累跨本体数据和真实作业数据。适配某一款机器人时，还要采集它的真机数据，完成从通用能力到具体本体的映射。机器人进入场景后，成功和失败的操作经验再回流到模型训练中，形成持续迭代的闭环。

这里最大的挑战之一是数据质量。有些外部数据的清洗成本，甚至比重新采集还高。摄像头与关节信息如果没有时间同步，空间位置不准确，或者动作过程不完整，都会影响模型学习。因此，我们也在建设自己的数据科学中心，先按统一的采集、对齐和标注方式验证数据有效性，再形成标准流程，推广到产业伙伴的真实工况中。

亿邦：您提到正在建设数据科学中心。这个中心具体解决什么问题？为什么数据质量对具身智能来说比数据总量更重要？

刘东：数据科学中心的核心任务，是先按统一的采集、对齐和标注方式验证数据有效性，再形成标准流程，推广到产业伙伴的真实工况中。具身智能的关键不是数据总量有多大，而是有没有足够多、足够好的交互数据。有些外部数据的清洗成本，甚至比重新采集还高；摄像头与关节信息如果没有时间同步，空间位置不准确，或者动作过程不完整，都会影响模型学习。所以我们要先把数据质量关把住，再谈规模。

亿邦：能否介绍一下星源智盈利模式的迭代情况？您怎么看产业互联网企业盈利模式的演变趋势？TOKEN付费如何才能成为行业标配收入模式？

刘东：我们现在的业务有两种主要方式。一种是作为Tier1供应商，向机器人本体厂商提供具身大脑和端侧算力平台；另一种是面向终端客户，与本体伙伴一起交付完整的机器人解决方案。

产品也可以按客户能力组合。有的客户使用完整模型和算力平台；有的已经有抓取模型，希望补上空间理解或任务规划能力。我们的定位是为整个具身生态提供产品和服务，客户有什么需求，我们就提供相应支持。

亿邦：您提到“模型和算力平台是左右手”。这个比喻怎么理解？为什么只有模型没有工程化载体，或者只有硬件没有模型，都很难形成更高价值？

刘东：从价值上看，模型和算力平台是我们的左右手。只有模型，没有工程化载体，能力很难真正落到场景；只有硬件，没有模型，也很难形成更高的价值。把两者结合起来，并通过完整方案进入实际作业环境，既能为客户提供可用的产品，也能让真实数据持续回流，支撑后续模型迭代。

亿邦：在您看来，当前制约企业AI规模化落地、全球化深度拓展的最大内部瓶颈和外部障碍分别是什么？

刘东：如果只看具身智能的规模化落地，我觉得不能把问题简单归结为模型还不够大。高价值交互数据不足、验证和评测手段不够，以及系统工程能力是否到位，都会影响落地速度。

数据方面，即使只是抓放这类相对明确的任务，也需要针对场景积累足够多的高质量数据。评测方面，我们更关注机器人在真实场景中的表现，以及当前版本相对上一个版本有没有进步。榜单成绩需要参考，但最终还是要看它能不能干活。

另外，模型跑通并不代表整套系统能交付。本体的一致性、关节标定、传感器同步、端侧响应，都可能影响执行结果；遇到处理不了的情况，系统怎样恢复、何时需要人工介入，也要考虑。复杂产线对效率和成功率的要求很高，停线损失又大，因此我们现阶段会先进入商业价值明确、能力边界可控的场景，把一批任务做扎实，再逐步扩展。

亿邦：面向2026年及未来两年，星源智在AI能力迭代与全球化布局上有哪些重点投入规划？您预判这会给行业竞争格局带来哪些关键变化？

刘东：我们接下来会继续围绕具身交互世界模型、端侧算力平台和真实场景数据投入。模型方向上，要进一步把视觉、力觉、触觉等交互信息结构化地接进来，让机器人在执行前能预判风险，在执行中能根据反馈调整动作。更长远的目标，是让模型从失败案例中积累经验，具备持续改进的能力。

落地上，我们仍会先聚焦移动、抓放和轻操作，把物流、拣选等场景做成可以规模化交付的产品，再通过数据回流提升基础模型能力。

亿邦：您提到一个判断：2026年会成为具身智能的“淘汰元年”。这个判断的依据是什么？车企、手机和家电企业进入机器人领域，会给原有整机创业公司带来什么压力？

刘东：行业竞争已经开始分化。之前我认为，2026年会成为具身智能的“淘汰元年”，这个判断没有变。车企、手机和家电企业进入机器人领域，会给原有的整机创业公司带来压力；与此同时，已经进入真实场景的企业，开始一边作业、一边积累数据、改进模型。未来两三年，决定一家企业能否留下来的，还是机器人能不能真正成为生产力工具，能不能形成持续收入和规模化交付能力。

作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。

本文首发于 亿邦动力 官方网站