在 2026 世界机器人大会（WRC）上，星海图联合创始人高继扬抛出一个反直觉判断：具身智能的终局商业模式不是卖机器人，而是按「物理世界 Token」计费——整机硬件甚至可能沦为负毛利获客载体，产业价值 100% 向「具身大脑」迁移。
过去两年，具身智能行业打了一场「硬件军备竞赛」：能后空翻的人形机器人、刷新奔跑纪录的机械腿、在精密设定下倒水叠衣的机械臂，轮番登场。但炫酷背后，一个现实问题被反复追问：具身智能到底怎么赚钱？
高继扬的答案，是彻底换一种打法。
今天行业的主流仍是「卖机器」——把昂贵的硬件本体搭配写死场景的工作流软件，打包卖给 B 端。但硬件制造本质受制于供应链与规模效应，毛利率在价格战里必然走向微薄。他认为，商业模式会经历三个阶段：
注：三阶段为演讲者对行业演进路径的推演，毛利率为演讲中给出的区间与目标值，非财报口径。阶段③是方向性终局，并非今日现状。
为什么愿意让硬件不赚钱？逻辑是：终端铺得越多，物理世界被传感器与执行器覆盖得越密，基础模型能消耗的 Token 就越多。这是一个完全由模型能力牵引的产业化过程。
OpenAI 按大语言模型吐出的文本 Token，向开发者按量收费——已被验证的商业模式。
未来按机器人在物理世界执行的每一个有效动作、完成的每一次任务计费。
注：类比仅作方向性示意——文本 Token 的计价体系已成熟，物理世界 Token 的计量与定价机制尚无先例，是行业待填补的空白。
要撑起如此庞大的 Token 经济，底层大脑必须跨过一道天堑：它得真正「通用」，而不是在演示脚本里通用。作为坚定的「具身大脑」公司，星海图的路线是一句话：统一自回归架构，用单一模型打通三类关键能力。
注：以上三项能力由同一套模型架构承载，不针对单一场景做定制——这正是「Token 经济」得以成立的技术前提。
预训练之上的另一根支柱是后训练。除了基于模仿学习的 SFT，最关键的是强化学习——星海图已完成几十台机器的分布式编队强化学习规模化训练。效果是突破性的：把预训练的厘米级操作推进到毫米级甚至亚毫米级，任务成功率大幅提升至 99.9%。这一切，来自真机强化学习的能力闭环，包括引入人机协同的 DAgger 机制。
基础模型的持续突破，是具身智能走向「生产力时刻」的核心变量。
当真正进入生产力场景，衡量基础模型只剩三个指标：速度、精度、泛化性。前两个是效率问题，第三个是成本问题。
注：「亚毫米级」与「1 小时后训练」为演讲中给出的目标状态，并非今日已全量实现；执行速度 70–80% 为演讲者的坦率自评。
三个指标里，最关键的其实是泛化性。而高继扬给出了一句极其精准的商业转译：
就像雇佣人类员工要培训，未来雇佣机器人同样要培训。培训成本高，说明泛化性低；培训成本趋向无穷大——怎么教都教不会——说明泛化性极差。星海图的量化目标，是把一个新长程任务的「培训时间」从 10 小时压到 1 小时，甚至只提供几条数据就能完成后训练。
围绕电商零售、工业制造、快递物流、商业服务四大场景，星海图的商业化已经展开。
产业节奏之外，星海图同步亮出了「1+3+N」战略骨架：
整机 + 智能，软硬一体——具身智能不是纯软件生意，终局也不会是纯硬件生意。
轮臂旗舰（0.1mm 位控精度、「刚柔并济」）；双足产品（能源电力等非结构化场景）；高性价比硬件与开源工具（创客与开发者）。
与上下游硬件、算法、场景伙伴共建，把具身智能转化为物理世界的生产力。
注：产品名称与参数整理自演讲公开内容，具体型号、定价与开源信息以星海图官方发布口径为准。
高继扬的论证逻辑很直接：如果具身智能真是继智能手机之后的下一代计算平台，它的商业终局就不该停留在一家「硬件设备制造商」。价值从钢铁机壳向「具身大脑」迁移，与手机行业从硬件利润转向服务收入的路径，是同构的。
但一个诚实的注脚是，这条路径有一个隐含前提。
Token 经济成立的前提，是「大脑」形成稀缺供给。如果各家模型趋同、算力成本趋同，「物理世界 Token」的价格同样会被卷向微薄——就像今天的整机。负毛利能不能换来定价权，取决于一件值得被反复验证的事：这届大脑，是否真的比别人的聪明。
无论「物理世界 Token」能否成为终局答案，它已经把具身智能的核心叙事从「秀硬件」拉回到「算账」。当硬件毛利注定趋零，行业的生死线将从能造出什么，变成能教会它什么。
本精读基于 2026 世界机器人大会（WRC）公开演讲实录整理。
完整演讲实录、产品发布与开源信息，可通过大会官方议程及星海图公开渠道回看。