Galaxea AI 星海图
硬件为诱饵，数据为护城河

2023 年 9 月，四位联合创始人在北京创立星海图（Galaxea AI / Galaxea Dynamics），公司使命写得很直白：「为 100 亿人生产 100 亿台机器人」。CEO 高继扬物理竞赛保送清华电子工程系，之后拿下 USC 计算机视觉博士，在 Waymo 联合开发了 VectorNet（CVPR 最佳论文），又在蔚来 / Momenta 主导过 NOA 自动驾驶的量产落地——这条「学术研究 → 大厂前沿 → 量产实战」的路径，几乎决定了公司后续的技术选型。

另外三位创始人补齐了公司自称的「全组齐」结构：联合首席科学家赵航是高继扬在 Waymo 的多年同事，MIT 博士出身，现任清华教职，也是 Fast-WAM 与 G0 两篇核心论文的共同作者；许华哲来自 UC Berkeley，现为清华姚班（IIIS）Tenure-track 助理教授，主攻具身强化学习；COO 李天威曾在 Momenta 五年内四次晋升至高级总监，领导 SLAM 团队，如今常驻苏州工厂，负责量产落地。

公司的核心论点是软硬一体：机器人数据没法像语言模型那样从互联网上爬取，只能来自真实部署的机器人本身。星海图因此选择自研硬件（R1 人形机器人 + A 系列机械臂），把「卖机器人」当作获取真实操作数据的入口，再用这些数据反哺 Fast-WAM、G0 等模型迭代——这是一个比纯软件公司更重、但理论上更难被绕过的飞轮结构。

从 2023 年底种子轮（百度风投、金沙江创投、IDG 资本参投）到 2026 年 4 月的 B+ 轮，星海图共完成五轮融资，累计约 ¥47 亿人民币（约合 29 亿美元），估值从 A 轮（2025.07）的约 ¥50 亿一路升至 B+ 轮的约 ¥200 亿。B+ 轮由蓝思科技、航发基金、北京金融街资本等约 20 家机构参与，蓝思科技作为核心制造合作伙伴同步战略入股。

技术上的两项标志性成果都在 2025–2026 年发布：自研的 Fast-WAM 世界动作模型提出「训练时视频联合建模有效、推理时无需 imagination（想象未来帧）」的核心洞见，把推理延迟压到 190ms（单张 RTX 5090D），比传统「先想象后执行」范式快 4 倍以上；双系统架构的 G0 VLA 模型（百亿参数慢思考规划 + 十亿参数快执行控制）在 LIBERO 基准达到 98.9%，DROID 零样本迁移 82.5%，RoboTwin 2.0 达 93.3%。

硬件层面，斯坦福视觉与学习实验室（SVL，含李飞飞团队）选择 Galaxea R1 作为 BEHAVIOR Robot Suite 项目的标准硬件平台，并基于 R1 开发了低成本全身遥操作接口 JoyLo；Physical Intelligence（前 π0 团队）也采用 Galaxea 硬件进行研究验证。R1 由蓝思科技（深交所 300433）负责制造，2025 年底的交付目标是 1000 台（含海外客户）。

星海图最大的敞口不在技术，而在制造伙伴的身份。核心制造合作方蓝思科技带有台资背景，B+ 轮又叠加了航发基金、北京金融街资本等多家国家产业基金的直接参与——在中美关系持续变化的背景下，这个组合让星海图从「中国冠军」跃升为「全球玩家」所需的出海合规复杂度显著上升。它已经拿到 Forbes Asia 100 to Watch 之类的国际关注，但能否真正进入美欧市场、在出口管制框架下完成规模化，仍是悬而未决的问题。

另一层张力是基准优势与商业现实之间的落差：LIBERO 98.9%、Fast-WAM 190ms 延迟、斯坦福采用 R1 作为标准硬件平台，这些都是扎实的第三方信号，但它们证明的是「模型和硬件足够好」，不直接等于「能大规模复制、大规模卖出去」。1000 台的年度交付目标相对于「100 亿台机器人」的口号仍是极小的量级，飞轮要转起来，首先要看这批机器人真的被部署、真的产生了有效数据。

结构性的加分项在于创始团队：感知与规划（高继扬 + 赵航，均出自 Waymo VectorNet 团队）、具身强化学习（许华哲，Berkeley / 清华 TEA Lab）、量产落地（李天威，Momenta SLAM 出身，常驻苏州工厂）——这种从算法研究到产品交付的全链条覆盖，在中国具身智能创业公司中并不多见，是它相对于单一背景团队的结构性优势。