当资本重新聚焦人形机器人，具身智能迎来高度关注时，行业内部却呈现“两极心态”。

星动纪元等企业订单破5亿、海外业务占比达50%，跑出高速增长曲线；而科研与产业界则反复强调泛化不足、落地成本高、数据匮乏等现实桎梏，甚至担忧炒概念引发行业泡沫。

近日，10亿元的A+轮融资，让星动纪元及其背后的“模型—本体—场景数据”飞轮成为具身智能赛道的焦点。

同时，一个尖锐的问题随之浮现，具身智能距离“ChatGPT时刻”还有多远？是等待单点爆发拐点，还是走向漫长分布式突破？在资本、场景与工程技术作用下，具身智能产业正站在复杂转折点。

从“会执行”到“会想象”，

星动纪元跑出加速度

近日，星动纪元完成近10亿元A+轮融资，吉利资本领投，北汽产投跟投，北京市相关产业投资基金联合注资。这轮融资不仅是资金增加，更明确了资本押注方向：“软硬一体自研”“具身智能+产业协同”“模型工程化能力”。

自大模型进入商业化敏感周期后，资本愈发关注AI企业工程落地能力，模型参数与训练数据量逐渐让位于可复用场景与可规模交付的解决方案。

星动纪元坚持“具身大脑+人形本体”全栈自研路线，其具身大模型ERA - 42与人形本体平台耦合，不仅能高精度控制全尺寸双足人形机器人、五指灵巧手，还支撑多场景任务，在“端到端具身智能”全球竞赛中，与Figure Helix、Tesla Grok和NVIDIA GR00T并列。

更关键的是，它构建了物理世界 AI“模型-本体-场景数据”的正向循环飞轮，这被投资机构视为更具确定性的壁垒。资本重新定价具身智能，正是基于这种“从算法到工程”的认知转变。

而且，世界模型是近一年来具身智能技术链条中的关注焦点，其核心价值在于让机器人在进入真实场景前，能在“想象空间”预演任务、评估策略、自我迭代。

比如，今年10月，清华陈建宇团队与斯坦福Chelsea Finn团队提出的可控生成世界模型Ctrl - World，使得机器人在陌生场景任务成功率提升44.7%，被视为具身智能“从可控到泛化”的关键突破。

而ERA - 42的迭代也与世界模型深度绑定，借助多模态感知与场景数据积累，实现稳定视觉-语言-动作（VLA）联动，完成多种任务。

过去机器人“会执行”，如今世界模型让它们开始“会想象”，这是具身智能跨越“专家系统式定制开发”走向“泛化智能”的分水岭。不过，这种进化仍局限于特定场景，距通用具身智能还有一段距离。

具身智能的未来：

不是等待拐点，而是沿途开花

相比模型讨论，星动纪元的商业化速度也颇受产业关注。2025年，公司总订单额破5亿元，物流行业最大单笔订单近五千万元，与吉利、雷诺等众多企业深度合作，让具身智能走出实验室，进入产业真实工位。

更具指标意义的是海外业务，占比达50%。全球市值前十科技巨头中九家是其客户，海外覆盖多地核心市场，还进入多所顶尖机构，成为其具身智能开发主要平台之一。

这种布局打破国内企业只能做低端落地场景的刻板印象，使其成为少数兼顾前沿研究与产业应用的中国机器人公司。

但商业化越快，挑战越大，需验证模型泛化能力、降低硬件成本、提升供应链稳定性，产业化依然是一场压力测试。

“人形机器人的ChatGPT时刻何时到来”这一拷问也随之而来。

乐观派认为具身智能商业化已经走上轨道。虽然现阶段泛化不足，但这是必然过程，从语言大模型发展路径看，具身智能演进逻辑类似，随着世界模型、VLA和控制策略迭代，机器人进入大量真实场景只是时间问题。

务实派则从产业视角指出，过去十年机器人渗透率低，是因为进入新场景的二次开发成本高昂。具身智能价值在于让机器人具备场景迁移能力，即变得更便宜、更快、更普适。

也有人认为具身智能不会出现类似ChatGPT的单点爆发，突破将呈分布式、渐进式，由大量“真实工位”推动，而非某个模型发布激活。

这是因为，当前主流VLA架构受限于“信息流与控制流强耦合”，在非标场景难稳定，且真实数据获取有阻力，数据闭环不易。

因此，先做“场景通用”，从缺工、危险、高成本工位切入，以点带面，再沉淀高价值数据与工艺know - how，这是更务实的产业路径，即不等待拐点，而是提前沿途开花。

结语

具身智能能否迎来“ChatGPT时刻”？答案或许不是“会与不会”，而是什么样的方式。

语言智能爆发源于纯数字世界规则演化，具身智能临界点则来自千百个真实工位的反复验证与数据积累，它不是模型参数或发布会节点，而是长期累积的拐点。

具身智能的真正突破将以更慢、更深、更有韧性的方式发生，待到来时，人们或许会发现“ChatGPT时刻”早已在无数不起眼场景中悄然铺开。