在正在举行的2026世界机器人大会（WRC）上，星海图联合创始人高继扬提出，具身智能的终极商业模式将从“卖整机”转向以“物理世界 Token”销售为主体，硬件甚至可能沦为负毛利载体，产业价值核心将向“具身大脑”迁移。这一观点为当前陷入硬件价格战的具身智能行业提供了新的商业化路径思考。
高继扬在演讲中回顾了过去两年行业掀起的“硬件军备竞赛”——能后空翻的人形机器人、刷新奔跑速度纪录的机械腿，以及能倒水、叠衣服的机械臂层出不穷。但他指出，这些炫酷展示背后，行业面临一个现实问题：具身智能到底该怎么赚钱？目前主流玩法仍是“卖机器”，将昂贵硬件搭配针对特定场景写死的工作流软件卖给B端客户，但硬件制造受制于供应链和规模效应，毛利率在价格战下不可避免地走向微薄。
高继扬认为，如果具身智能真是继智能手机之后的下一代计算平台，其商业终局绝不可能仅是一家硬件设备制造商。他提出，商业模式将经历三个阶段：当前阶段销售整机，毛利率约在40%到60%；第二阶段是“方案订阅”，整机毛利率可能降至20%左右；第三阶段则是“Token销售”，整机甚至可能变成负毛利状态，因为那时核心目标是让更多终端出现在物理世界中，去消耗更多具身智能基础模型的Token。
这一模式类似吉列“刀架与刀片”的经典打法，也类似于今天OpenAI按大语言模型吐出的“文本Token”向开发者收费。高继扬表示，未来的具身智能巨头将按照机器人在物理世界中执行的每一个有效动作、完成的每一次任务，即“物理世界 Token”，来获取商业回报。
支撑这一“Token经济”的底层大脑需要跨越技术门槛。作为一家定位“具身大脑”的公司，星海图在底层模型上给出了自己的解法：采用统一自回归架构，用单一模型贯通零样本泛化、通用抓取和长程任务三大能力。零样本泛化即“言出法随”，模型首次看到物品和环境也能完成指令；通用抓取指不经过后训练和再编程，机器人就能将不同大小、材质、形状的物体从任意位置放置到另一位置；长程任务能力则关乎模型能否连续完成几十甚至上百个动作，星海图通过叠纸盒等复杂精细操作验证了这一能力。
在后训练环节，除了基于模仿学习的SFT（监督微调），高继扬特别强调了强化学习（RL）的重要性。目前星海图已完成几十台机器分布式的编队强化学习规模化训练，可将预训练实现的“厘米级”操作提升到“毫米级甚至亚毫米级”，同时将任务成功率大幅提升至99.9%。
高继扬还给出了衡量基础模型的三个关键指标：速度、精度、泛化性。速度方面，当前机器人执行效率约为人类的70%到80%；精度方面，预训练可稳定完成厘米级，毫米级需依赖强化学习；而泛化性，他给出了一个通俗的商业化转译——“泛化性本质上就是培训成本”。培训成本高说明泛化性低，如果一直教不会则泛化性极差。目前星海图完成一个新长程任务的后训练大约需要10个小时，公司希望到明年能压缩到一个小时，甚至只需提供几条数据即可完成。
在商业落地方面，星海图正围绕电商零售、工业制造、快递物流和商业服务四大场景推进。高继扬举例，与京东合作的全自主机器人前仓中，从货物拣选、抓取、放置到柔性打包（打开袋子、放入物品、系上封口），全流程无人工干预，支持数千到上万级SKU。海外市场方面，洛杉矶的3PL仓储因用工难度和培训成本更高，具身智能落地的迫切性可能比国内更快。
星海图还确立了“1+3+N”的品牌战略：“1”代表不变的战略——整机+智能，强调具身智能是软硬结合的完整解决方案；“3”代表三大产品序列——围绕生产力场景的轮臂旗舰产品（主打0.1毫米位控精度）、面向非结构化场景（如能源电力）的双足产品，以及面向创客和开发者的高性价比硬件与开源工具；“N”代表产业生态伙伴，希望与上下游硬件、算法、场景伙伴共同将具身智能转化为物理世界的生产力。
高继扬的演讲为具身智能行业提供了一个从硬件销售转向软件与服务收费的转型路径，其“物理世界 Token”概念能否成为现实，取决于底层模型泛化能力的持续突破以及商业模式的验证。对于投资者而言，这一观点预示着具身智能产业链的价值分配可能从硬件制造向“具身大脑”软件与数据服务迁移。