首页科技快讯对话星动纪元陈建宇：28 岁成为清华博导，想做万亿市值具身公司

对话星动纪元陈建宇：28 岁成为清华博导，想做万亿市值具身公司

来源：晰数塔互联网快讯时间：2026年03月13日 11:29

3 个月融资 20 亿，更重要的是融资源。

文丨陈佳惠

编辑丨贺乾明

“现在大家估值都在蹭蹭往上走，我们要成为巨头就得万亿市值。” 2025 年 11 月，星动纪元完成 10 亿元融资后，创始人、CEO 陈建宇告诉我们。

接下来 3 个多月，具身智能行业二十多家公司融资超过 200 亿元。星动纪元又完成一轮 10 亿元的新融资，三星和高成投资领投，估值突破 100 亿元人民币。

“融资的不只是融钱，也是融资源。” 陈建宇说，现在许多机构意识到具身值得投入，积极融资能把好的战略合作伙伴绑定在同一个阵营里，扩大竞争优势。

陈建宇出生于 1992 年，19 岁考上清华大学，毕业设计就是研究 “双足机器人步态规划”；在加州大学伯克利分校读博时，重点研究如何把强化学习融入到机器人控制中，期间还去无人驾驶公司 Waymo 和 Nutonomy 实习过。

2020 年毕业后，陈建宇回到清华大学，担任交叉信息研究院助理教授，机器人是主要的研究方向。28 岁，大多数博士刚毕业的年纪，陈建宇成为博士生导师。2023 年，他创办星动纪元。

“陈（助理）教授比较务实。” 一位投资人说，这是他投资星动纪元的原因之一。2025 年 7 月，陈建宇给团队找新办公室的时候，挑了一家在线教育公司的办公室，“装修看起来还不错，办公桌椅能继续用，能省下一笔费用。” 陈建宇说。现在他每天骑着电动车上班，住的房子也不够人形机器人施展。

但经营一家具身智能公司，陈建宇选择研究有灵巧手、双腿的全尺寸人形机器人；即追求机器人的运动控制能力，又投入资源研发具身智能模型。具身模型层面，他们同时研究 VLA 和世界模型结合的不同分支，“单靠一套技术能做的事比较有限”。整个行业只有市值 1.5 万亿美元的特斯拉、融资近 20 亿美元的 Figure，和 2 年融资 10 轮的智元机器人这样做。

陈建宇认为，这就是最大的务实，“先把最难、适配范围最广的部分做了，商业化的可能性就多了。”

2025 年 11 月、2026 年 3 月，完成两轮 10 亿元融资后，陈建宇接受我们访谈。他分享了自己关于具身智能模型路线、商业化的理解，以及他看到的行业的下一个赛点。

3 个月两轮融资 20 亿元，更重要的是融资源

晚点：星动纪元两轮融资都拿了 10 亿元人民币，中间只隔了 3 个月。为什么要这么积极融资？

陈建宇：融资融的不只是钱，也是融资源。很好的战略合作伙伴，可以通过融资绑定到一个阵营里，未来我们竞争会拥有更好的生态位，这很重要。比如我们的领投方三星，他们也是我们客户，当时他们是中国投一家，美国投一家，韩国投一家，这样来选。

晚点：有你的同行说，现在不积极融资，未来可能融不到钱了，因为具身的估值太高了。

陈建宇：从 2024 年开始，大家就在想这个行业会不会往下砸。但后面（融资）越来越夸张了。回望之前，大家没有投进蔚小理的时候也后悔，之前觉得估值太高了，但现在来看，估值完全不高。芯片、大模型行业一样。

互联网这些行业会有泡沫破灭的风险，因为如果发现是伪需求，行业就不存在了。硬科技不是这样，需求是真实存在的，因为它背后是生产力提升。大家对技术发展速度预判过高或过低，会有一些波动。长期来看，它（的趋势）肯定是稳步地上升。

晚点：星动这两轮的投资方里，有多少机构是第一次投具身？

陈建宇：还是有不少。很多老股东也想跟投，但我们没有额度了。比如我们这次另一个联合领投方高成资本，就是第一次投。也有很多二级机构的人来问我，能不能把二级的钱现在就投到公司里。（笑）

晚点：春节之后，至少有五家具身公司宣布完成了超十亿的融资。大家拿这么多钱，争的是什么？

陈建宇：我觉得不是在争什么，大家其实是在赛跑。赛跑我们的技术，赛跑我们商业化的速度；终点或者说所有一切的最终目标，都是商业化的成功，谁能先把这个真正高价值的、以及具备规模化能力的产品给做出来。

晚点：你们融了这么多钱，打算怎么花出去？

陈建宇：具身智能链条比较长，花钱的地方不少。比如硬件生产、制造，模型的训练、数据收集，都是大头。到后面商业化，机器人是实物，中间的渠道、销售等，也要花钱。

现在模型还没有 Scale 到特别大，商业化也还没大规模铺开，花钱相对少一些。当它规模化时，消耗资金速度会加快，现在融资也是提前为以后做好准备。

晚点：现在你们研发一代全尺寸的人形机器人会花多少钱？

陈建宇：我研发新一代（机器人），可以用之前的模组，这些不用重新做。因为我们是平台化的，软件平台化，硬件平台化。

晚点：你们两轮融资之间，能看到具身智能行业发生什么实质变化吗？

陈建宇：行业越来越重视技术的最终落地了。机器人上春晚，首先增强的是信心，观众们看机器人跳舞会发现，机器人一年的时间进展可以这么快。

现在来看，跳舞也是一种商业模式。但行业变化非常快。所以具身公司一定要找到第二增长曲线，一定在工业类、生产类的场景里面。今年和明年很关键，机器人要从跳舞走向干活，真正意义上去干活，而不是秀个 Demo。

另外是模型层面。去年 VLA 迅速发展，大家看到 VLA 需要新的变革，从模仿走向深入理解物理世界。怎样让 AI 准确理解这个世界，提高它的泛化性和操作准确性，会成为关注点。

晚点：我们了解到，央视春晚也联系了你们，最后为什么没有参加？

陈建宇：如果能够获得大范围正面的关注度，带动公司的估值、商业化收入，把投入赚回来，这个事情就是划算的。我们评估下来，C 端场景不是当前的商业化主线。

晚点：你们也做了很多运动控制方面的研究，去年机器人运动会上还拿了个跳高冠军。春晚上整齐划一的表演，技术难度高吗？

陈建宇：就像三级跳或者芭蕾舞表演，动作都是编排好的。一群机器人整齐划一表演技术难度也不高，类似无人机表演。不过你也能发现，小机器人和大机器人的表现很不一样。大机器人运动控制更难。重量很高，惯性会更大，就像大象很难跳舞。

晚点：后面你们去了北京卫视的春晚。

陈建宇：那个基本没花钱。我们本来就做了机器人舞剑的训练，然后他们邀请我们，正好就去了。

主流 VLA 能做的事相对有限，要用世界模型

晚点：星动最近公布了 VLAW 和 Ctrl-World，主要逻辑都是 VLA 和世界模型协作，在一些基准测试上表现很好。现在行业里都在说具身模型的路线没收敛，你们是怎么决定要研究这个方向的？

陈建宇：我们一直在探索，原生的具身模型架构设计，到底要加哪些东西进去。大模型最开始只有语言，后来有了视觉。大家一看有了视觉，就研究怎么把 Action（动作）一起放进去，这就是 VLA。我们当时做出了全球第一款完整的机器人 VLA 模型，比 pi0（美国具身智能公司 Physical Intelligence 的 VLA 模型）还要更早一些。

这是传统意义上的 VLA，用遥操或其他方式获取这些操作数据，交给模型学习，模型没有思考动作背后的逻辑，纯粹模仿下来。学习大量动作后，能有一定的泛化性和智能，但数据利用率非常低。

但到了没有数据的环境后，这样的泛化性和智能是不够的。这就需要世界模型了。我们 2023 年就开始做 VLA 了，当时就考虑到了世界推理的问题，但没有特别好实现的工具。直到 Sora 出来，我们看到它有接近我们想要的效果，可以精准地预测物理世界运转，能按照时间去往后推测动作。我们从 2024 年开始做世界模型，应该是全球最早做世界模型 for Robotics 的团队，后来发现，引入世界模型，相比传统纯 VLA 的方式，效果平均能提高 40% 左右。

晚点：引入世界模型就提升 40%，是怎么实现的？

陈建宇：主要有两个方面。第一个方面，它是一种全新的学习方式，辅助模型进行更具 “泛化性” 的学习，让模型对这个世界、对变化规律有一个建模和理解，具备感知和预测的能力。

传统 VLA 模型不管这个。它只知道我看到这有个电脑，我就该把它打开。它学的是看到物体，执行动作的映射。而世界模型学的是，如果我手这样伸过来一抠，这个电脑可能会被打开。

另一方面就是数据的生成，或者把它作为仿真器（Simulator）。有些很复杂的物品，比如流体，水，或者柔性物体，比如抽纸。你怎么抽那张纸？它的形状怎么变化？水倒出来怎么流？这些东西用传统的物理引擎是很难仿真好的。

目前看来，唯一能解决这个仿真问题的，就是世界模型。因为它是从大量真实视频中学出来的。你看我们的论文和视频展示里，拿勺子舀汤，或者抽一张纸，我们的世界模型都能把物理动态预判得比较精准。

晚点：也有从业者认为，现阶段具身智能模型对世界模型的迫切性没有那么高。

陈建宇：如果只看眼前的一两年，这样说是可以的，如果看得长远，三到五年，就不行了。

现在业内比较主流的是 VLA，架构相对比较收敛了。VLA 我们也做得也非常多，已经在工业物流场景落地了。但主流的 VLA 上限不高，单靠这套技术能做的事比较有限。即使你有再多的数据也不行。

而且它的泛化性有限，机器人要做一个新事情时，到新的点位，还得收集很多数据，需要工程师去调，毛利很低。

我们的目标是做到家用，就需要提高机器人的智能的天花板，但当前的 VLA 路线支撑不了家用。

晚点：从你们的研究进展来看，现在 VLA 和世界模型结合的路线明确了吗？

陈建宇：世界模型这个道路还没有收敛。世界模型和 VLA 主要有两种结合方式，我们都在研究。

一种是松耦合，比如 VLAW、Ctrl-World。VLA 模型和世界模型分成两个模型。VLA 专注动作输出，世界模型专注于对未来的预测，训练过程中，两个同时迭代和增强。

模型获取到新的动作数据，可以学习这个动作，输出技能。它也能知道输出以后，结果是怎样的，数据会反馈到 World Model 上，改进 World Model。预测得更准以后，它又进一步可以做更好的行为和动作，这样双向迭代逐步去增强。

一种是紧耦合，比如之前发布的 VPP（Video Prediction Policy），是把这两个模型融合成一个模型。训练的方式还是类似，但模型同时输出动作和对未来的预测。

大的方向，就是围绕物理世界建模，怎么利用对物理世界的建模。具体路线怎么做，还属于前沿探索的领域，我们还开设了几个不同的研究分支。

晚点：同时做很多分支的研究和探索，投入产出比怎么平衡？

陈建宇：其实每个分支投入的人员并不多，大概有几个人。比如我课题组的研究合作伙伴 Chelsea Finn 所创立的 PI（Physical Intelligence，美国具身智能公司），研究人员也不多，但保持了很高的人才密度。它不做商业化、生产制造，就做算法模型。现在大厂纯研究 AI 算法的团队规模也不大，能做这种创新的人是少数。

如果我们的某个路线得到验证了，就会把它要用到产品上，就会扩大数据规模，建立 Infra，产业化等，才会投入更多人。

晚点：你刚才说，星动纪元在很多研究方向都是行业第一，但估值却不是最高的。

陈建宇：我觉得这个现象也很正常。不是说你在哪一块技术做到了最前，或者怎么样，你就会获得最多的关注度，更高的估值。

现在行业各种各样的方案都有，但缺乏一个非常统一的、让大家都能看到的 Benchmark。不是所有人都是专业人士，所以不知道该怎么去判断这件事。

后面大家对 “怎么样判断” 会逐步形成一些共识，包括到商业化落地，可以通过一些量化的数据或者业绩看出来。

晚点：数据是具身模型的关键，现在你们是怎么规划的？如果抛开限制，你最希望用哪种数据来训练模型？

陈建宇：真机数据。因为这是最直接的，没有任何 Gap。现在我们的训练数据主要有三种，一是遥操采集的数据，我们主要用在精调模型环节。二是最近火的 UMI（斯坦福大学等研究机构提出的机器人数据收集与策略学习框架），三是视频数据。这两类数据精度会低一些，主要用于预训练阶段。

晚点：有观点认为，真机数据会过拟合。

陈建宇：那是因为少，多了就不会了。真机数据是最精准、最方便去使用的。但通过遥操采集的真机数据也会损失一些。所以真机数据很珍贵。

晚点：你觉得数据量达到什么样的级别，能够让现在的模型有质的提升？

陈建宇：1000 小时是个门槛，能训练出一些 make sense 的东西；10000 小时的数据，能训练出效果不错的模型（PI 的数据量大概在 10000 小时）；10 万小时，或者数十万小时的数据，能看出一些 Scaling，比如 Generalist 发布的 GEN-0 真实数据量在 27 万小时。所以大家下一个要争的，是 100 万小时数据能训出什么样的模型。现在很难预测能达到什么效果。

晚点：你那么在意真机数据，星动会自己建数据采集场吗？

陈建宇：会。但这是一个量的问题。我们不完全靠数据采集场，也希望尽量多用一些真实落地的场景来采集。

晚点：类似特斯拉的影子模式？它解决的问题和收集的数据，场景是一致的。但机器人只部署在特定场景的话，它也只能收集一种场景的信息。

陈建宇：大同小异，机器人场景的维度更复杂。你可以认为自动驾驶就是在一个城市道路场景采数据。把车放到南极，它还是不会开。其实跟我们解决物流场景是一样的。

具身智能能从物流、制造，再到服务、操作的家庭场景积累，场景越来越多了之后，它的泛化性就会提升。比如我把物流场景做好之后，模型在抓取类任务上获得了泛化性，机器人在正常生活中收拾个碗筷，抓个东西，也完全没问题。

提升短期出货量不难，关键看有没有价值

晚点：在行业内，星动纪元的灵巧手似乎比人形机器人出名。手也是星动成立之后发布的第一款产品。你们为什么这么在意手？

陈建宇：因为手是核心，你所有的活儿都是通过手干的。我不知道你有没有看过那张 “皮层小人”（Cortical Homunculus）的图片？把人做得非常畸形。它是按照你的身体各个部位在大脑皮层里所占的脑细胞区域的大小，或者说控制比例来绘制的。所以那个小人，他有一双巨大的手，可能比他整个胸腔还要大。

皮层小人示意图。1930 年代，加拿大神经外科医生怀尔德·彭菲尔德（Wilder Penfield）在清醒癫痫患者的开颅手术，用电刺激大脑皮层记录患者反应，绘制出来大脑的运动皮层和感觉皮层的功能地图。

手作为末端执行器是非常重要的。它对大脑的发育很重要，对商业化很重要，对具体怎么干活也很重要。所以我们必须尽早把它攻克。

运动控制，比如走路、平衡，跟智商其实没太大关系。你看那个皮层小人，脚很小，只占大脑皮层很小的一部分。

晚点：你们重点是做带腿的全尺寸人形机器人。而不是像一部分同行那样，重点做人形的一部分。

陈建宇：我们希望快速把这个闭环转起来，把适配范围最广的东西打通，到达技术边界后，商业化的可能性就多了。比如把最难的全尺寸双手双足机器人做出来后，我们很快就做出来了轮式双臂机器人，它也可以去赚钱。

如果不是以这种垂直一体化的方式去把它打通的话，我们的速度一定会更慢一些，也会受到供应链或合作伙伴进度的影响。

晚点：你在很多发言中会谈到机器人落地，要攻克高价值场景。你们怎么定义高价值场景？

陈建宇：就是市场天花板高。比如物流，分拣、上架、拣货等，随便一个环节都有大几百亿的成本。此外还有汽车、零售，包括 3C。我们最近几轮也有很多产业方投资人进来，他们不光给钱，还有很多的资源、订单等。

晚点：但现在的人形机器人还不够耐用，比如特斯拉的灵巧手，投入了很多资源研究，但使用寿命只有六个星期。硬件寿命不长的话，你们怎么高强度地推到物流场景中？

陈建宇：肯定要去解决它的一些老化的问题，进一步去延长它的使用寿命。从另一个角度讲，你也可以进一步降本。就是当成本降得足够低了之后，坏了你就直接换嘛，把它当作易耗品来用。最终它的质量也不会太差的。

我们的手迭代了很多代，最开始是能用 10 万次，现在达到百万次，客户反馈我们的灵巧手的耐用度是其他手的 4 倍，更耐久。

我们的目标是达到千万次。现在的状况只是因为产业链规模还没起来。1 到 2 年内，就能达到工业夹爪的程度。它最底层的部件跟电动夹爪差不多，只不过是自由度多一些。

晚点：前段时间具身行业内关于 “谁是出货量第一” 争议很热闹。看到大家都是几千台。你们在出货方面会焦虑吗？

陈建宇：我觉得还好。短期提升出货量不难。目前的出货主要都是表演性质的，价值不高，也很难建立真正的壁垒。我们看重长期可持续的高价值出货量。

我们有两种商业模式：一个是面向真正的用户，主要是工厂，干活的同时也能收集数据。一个公司的带宽有限，我们会重点做几个行业场景，其他的交给二次开发商去做。

另一种是卖平台和供应链，我们有机器人本体和数据平台，可以作为产品售卖，机器人的手可以单独拆出来卖等等。一方面可以获得一些收入，另一方面也能帮我们开拓客户。

晚点：刚才你说星动更长期的规划是做家庭场景，现在开始行动了吗？不过现在有很多具身创业公司，一上来就是做家庭场景。

陈建宇：我们的判断是，现在还不适合做家用机器人。我们做家务机器人，是让机器人干活，陪伴娱乐只是附加属性。

陪伴的话，我需要人形吗？我放在手机里，随身携带会更好。这和具身智能关系不大了。做这个东西，也不会帮我训练这套具身平台和技术体系。

我们先是挑选到了现在的具身技术，先往工业场景去落地，它更成熟，再进家庭做家务活。我们现在会做一些 demo，离大规模在家庭部署还远一些。

我再细说一下。现在大家看到一些机器人的展示，在家庭里表现好像不错。其实是针对一个家庭调了很长时间，只能解决这一个家庭的问题，换一个就不行了。

花这么长时间，只能卖一台机器人，ROI 算不过来。但如果是工厂的话，我解决了某个场景，可以卖 10 万台，因为工厂是标准化的，这个时间上 ROI 能算过来。

模型能力很强的时候，它很快可以泛化到不同的场景，我们再大规模去铺。我们是这样的逻辑。

晚点：在你们的规划中，家务机器人要解决什么问题？

陈建宇：我认为是两大类。一类是清洁，不是扫地机器人那种，可以擦桌子、洗衣服，机器人可以把脏衣篓的衣服放到洗衣机中，洗完后烘干、收纳。

另一类是厨房工作，协助做饭，类似机器人从冰箱里把菜拿出来。再延伸的话，就是一套端到端的流程，AI 根据你的喜好定制每天的食谱，规划什么时候去买菜；机器人买好菜以后，在冰箱里整理好，到时间了拿出来。

如果有炒菜机的话，它操作炒菜机，再端到盘子里盛上来，吃完后给你洗碗。另外，也可以让它下楼取快递，陪你去打球、踢球等。机器人市场的想象力是非常丰富的。

晚点：有生之年可以看到吗？很难想象一个机器人能把这些所有事情都解决掉。

陈建宇：肯定可以。当然现在还太早，过个 3 到 5 年时间，就会有迹象了。即使机器人能力还不够，也可以靠其他基础设施补全。比如机器人可以跟冰箱联合，和某款炒菜机联合，跟某家洗衣机合作，类似于这种方式。当然现在机器人的能力，距离实现这些还有距离，我们正在努力做。

我们认为机器人的 ChatGPT 时刻，大概是 5 年时间。ChatGPT 时刻，是一个非常高的要求了，意味着机器人到新的环境，给它新的指令，可以做得差不多。

这个时候，肯定可以做出很好的家用机器人产品。如果提前做的话，它的商业价值可能会低一些。扫地机器人也是一款家用机器人，但它只能做扫地这件事，只卖几千元，大家是可以接受的。如果过两年我做一款只能擦桌子、洗碗的机器人，卖两三万元，也会有人买。

晚点：你家里有机器人吗？

陈建宇：我家里太小，放不下。

“所有具身公司的 1 号位里，最懂技术的”

晚点：有从业者评价，星动纪元陈老师做学术和研究很强。但其他方面很容易被忽悠和拿捏。

陈建宇：这很正常。我是学者出身，大家对我的评价更多是，中国具身公司 1 号位里，最懂技术的。我本来就不是一个商人。但商业化最终是看结果。如果我现在说，我做商业化很牛，我很有天赋，也没人信。我们去年的收入虽然不及行业内最头部多公司，但也属于行业前列，而且今年的成绩会高很多。

硬科技的创业不是纯商业模式的事情，它一定是技术 + 商业落地。我们找到一个需求，当时不能被满足，我要规划我的技术路线，什么时间点可以满足它。这是一个耦合的设计，我会运用我的强项。

晚点：28 岁，基本上是博士生毕业的年纪，你就成了清华的博导。你觉得自己是天才吗？

陈建宇：我觉得每个人都有他的天才之处，重要的是找到自己的天才之处。

晚点：你觉得自己的天才之处是什么？

陈建宇：快速学习、洞察，并构建复杂系统的能力，机器人就是这样的系统，软硬件同时在快速演变。

晚点：但现在你又多了创业者的身份，需要管理的人也变多了，处理的事情也更复杂。你怎么学习？

陈建宇：我觉得管理的架构和目标管理是最重要的。这是把所有事情串起来的关键。之后就是怎么去激励大家，让大家很开心地去做事情，甚至争先恐后地把它做得更好。

晚点：有什么你觉得需要学习或参考的公司吗？

陈建宇：我认为每个公司最终都会形成自己的文化、管理体系。我会重点关注几类公司，比如阿里、字节、腾讯等互联网大厂；比如华为、小米这些涉及到硬件的科技公司；然后就是新能源车企，“蔚小理” 这几家等等。有的相关度高，有的没那么高，我会重点学习他们的公司是怎么发展的，组织架构是怎么设计的，商业化怎么做等。

晚点：没有海外的大公司？

陈建宇：毕竟环境不同。

晚点：现在有各种各样的具身智能公司。如果让你给这些公司划个派系，你会用什么指标划？

陈建宇：按大的技术投入度去划分，分本体派、大脑派和软硬一体或全栈派。

宇树就是本体派，以本体为重。因为它也在做双足，有了双足才值得做运控，它也研究大脑，但还是以本体运控为重，类似的还有逐际动力、众擎等。

就像做大脑的公司，它也不是没有本体，只是以大脑为重，大脑公司的代表就是银河通用、自变量。大部分公司主要是轮式体系，不会涉及到太多的强化学习，比如双足运控、关节模组、硬件研发等核心底层。

然后是软硬全栈派，我们就属于这一派。智元也属于全栈派，但它是由很多个事业部或子公司组成。我们找对标的话，大家会觉得我们更像是 Figure 或特斯拉。

晚点：怎么做其实是一个选择题。做全栈有优势也有劣势。其他公司是先占住一个身位，再往其他方向扩张。

陈建宇：从我们的角度来讲，还是考虑以终为始。我们也不是一开始就全栈。研发过程中，我们发现自研会有更多好处。

有时候供应商响应不会那么快，也不一定能达到我们的要求。如果你依托别人的产品去做，刚好完全满足你的需求不太现实。如果你想迭代，他们会支持你，但也会说 “你等下一代产品吧。”

我们的目标是要做终端用户，追求尽快做出来产品。供应商不成熟，零部件没有标准化，反而会拖慢我们的迭代速度。自研也能让我们的成本下降，毛利率足够高。比如我们的手，是有利润的。

晚点：行业里有人说，星动纪元是 “中国的 Figure”，你怎么看？