星海图的数据质量得到了核心开发者群体的广泛认可。
其开源的全球首个开放场景具身智能真机数据集 GOD，发布一个月即登顶全球下载量首位，被开源社区广泛认可为 2025 年全球最高质量具身真机数据集，全球下载量已突破 60 万次。
最重要的一点是，星海图已经把数据做成了一整套系统工程，自研的 EDP 具身智能开发平台实现了真实场景下从数据采集、标注到模型部署的全流程闭环。
目前，星海图的数据体系已经服务于头部模型。英伟达 EgoScale、蚂蚁灵波 Lingbot-VLA 等具身大模型，都已接入这套数据基础设施。
2026 年，星海图还计划构建百万小时级别的真实场景数据集，继续推动具身基础模型进化。
具身下一步的竞争重点，在于大脑
具身智能走到今天，行业的关注点也在变化。早期更多比的是本体能力、运动能力和产品成熟度；接下来，拉开估值和想象空间的变量，会越来越多地落到「大脑」上。
在具身智能四小龙中，宇树科技与智元机器人以本体能力见长，星海图和银河通用则更聚焦模型研发。
星海图认为，到了下一阶段，侧重模型研发的公司会释放出更大潜力。
随着本体和数据链条逐渐成熟，以及模型能力的逐步提升，星海图开始意识到，属于具身智能的 Scaling Law 时刻已经越来越近。
基于这一判断，公司过去半年明显加大了研发投入。今年，星海图最重要的目标之一，就是把基础模型推向更高水平，进入规模化进化阶段。
在模型层面，星海图的布局也体现出相当清晰的技术节奏，同时布局了VLA和世界模型。
在基础模型上，星海图提出了「快—慢双系统」VLA 模型路线：
2025 年 8 月，公司开源 G0 VLA 大模型，突破当时 SOTA；
2026 年 1 月，又开源全球首个开箱即用 VLA 模型 G0 Plus；
2026 年 2 月，再次开源面向衣物折叠场景的 G0 VLA 模型，以及支持端侧轻量化部署的 G0 Tiny 小模型。
星海图发布新一代VLA模型G0 Plus，实现开箱即用的万物抓取demo
星海图透露，接下来还将发布 G0.5 模型，按内部测评结果，G0.5 应该会继续刷新 SOTA 纪录，成为国内性能领先的具身模型，
在世界模型上，星海图推出了全球最快的世界模型 Fast-WAM。
传统世界模型的难点在于，每次行动前都要先生成未来画面，再决定下一步怎么做，这条路径会带来较高的延迟和算力消耗。
Fast-WAM 最大的突破就是省去了「脑补」这一步，根据当前观测就可以输出动作，把单次推理时延压缩到 190 毫秒，速度比传统世界模型快 4 倍以上，还保持了 SOTA 的性能。
这也让世界模型更有机会进入机械臂操作、工业自动化等对响应速度要求很高的场景，许多原本只能在实验室里跑通的高阶策略，也开始具备大规模落地的可能。
资本、落地与生态，
星海图的外部能力开始成形
资金向头部聚拢，是当前具身智能赛道明确的趋势。但在头部公司里，同时具备综合能力、又仍处于可投窗口期的标的并不多。
星海图能在短时间内连续完成融资，意味着它在资本视角里正变得越来越稀缺。
从这轮 B+ 轮融资的投资方结构就可以看出这一点。本轮融资中，产业资本、头部长线基金、国家队基金及一线PE机构同时入局。资金来源相当多元，投资方的入场意愿很急切。
其中，产业方的占比尤其高。华登科技、蓝思科技、矽芯投资、时代伯乐、航发基金等都进入这轮融资名单。
这一方面说明，在产业方看来，星海图已经成为一家能够面向真实产业需求提供产品、承接场景、推进交付的公司。
另一方面，对于星海图而言，引入产业方也有非常现实的价值：
以蓝思科技为例，作为星海图的重要合作伙伴，这轮融资之后，双方还将在硬件供应链和大规模量产上继续深化协同。
大额融资和估值提升，也源于投资方对星海图商业化进展的认可。
星海图聚焦搬运移动、抓拿放置、封装打包、织物叠放和设备串联五大核心垂类场景，目前已经完成千台级订单跑通，并锁定了工业搬运、物流分拣、商业展示等行业领军企业的深度合作。
今年星海图有两个重要目标，一是把基础模型做好，第二就是把一个真实生产力场景真正跑通。
这里的「跑通」不是拍个视频，摆一两台机器人做 POC，而是要求机器人在真实岗位里把活干好，客户也能把成本账算清楚，随后进入 1 到 10、10 到 100 的复制阶段。
星海图判断，2026 年会是具身智能 POC 的元年。把 POC 做得最扎实的公司，将最有机会率先完成场景突破，占据先发位置。
这也体现出星海图在商业化上的务实态度。相比急着用市占率、量产台数制造声量，它把更多注意力放在开发者市场、POC、真实 ROI 以及 0 到 1 的落地节奏上。
按照既定节奏，随着供应链与场景能力进一步成熟，2026 年星海图将向万台级规模化放量迈进。
除了推进自身业务闭环，星海图也在通过投资把外部创新接进生态。
它对外投资主要看两类方向：一类是下游场景应用型公司，另一类是前沿技术型公司。
