见面当天就签投资意向书——上一个享受这种待遇的创业者是月之暗面的杨植麟。这一次坐在徐新对面的，是星海图创始人高继扬——清华毕业，学软件出身，转头做硬件。据公开报道，他用八个月做出了机器人本体。这期播客上线后引发广泛关注，评论区观点分歧明显：一部分人认为具身智能是 "AI 最大的泡沫 "，另一部分人则将其视为下一个结构性机会。

见面当天签 term sheet，在投资圈并不多见。徐新见高继扬当天就签下投资意向书，上一个让她如此果断的创业者是月之暗面的杨植麟——据公开报道，徐新见完杨植麟第二天便签了投资协议。

高继扬，清华大学毕业，学软件出身。他曾在 Waymo 从事自动驾驶，后加入 Momenta。2023 年 9 月，他创立星海图，专注于具身智能基础模型及机器人本体研发。据公开报道，他从 Momenta 离职时放弃了一笔价值约 1000 万美元的期权。

徐新对高继扬的评价是：" 速度特别快，胆子特别大。" 她在播客中表示，看新行业最大的错误是 " 只见树木不见森林 "，要先看完整片森林，再判断哪棵树值得押。星海图正是她 " 扫完整个具身智能赛道后选中的 "。

高继扬的路径并非行业主流。2023 年具身智能尚未成为热门赛道，行业里要么只做算法、要么拿现成机器人跑模型，很少有人愿意碰整机。星海图的选择是反过来的——先做整机，再做智能。徐新在播客中评价：" 学软件的 8 个月做出本体，改变一个行业的都是外行。"

高继扬做整机的逻辑，源于他在自动驾驶行业的经历。他在播客中表示：" 做自动驾驶最大的问题就是你是一个软件供应商，你拿到数据的链路不通畅，飞轮跑不起来或者跑得慢。" 这个教训直接决定了星海图的战略——不做整机，就拿不到物理世界的数据闭环。

播客中提出了一个核心判断：" 大脑越用越值钱，硬件越造越便宜，所以两个都要做。" 只做算法，拿不到真实数据；只做硬件，又无法与竞争对手拉开差距。星海图的路径是 " 整机加智能 " ——把机器铺出去、把数据收回来，用模型的迭代建立护城河。

徐新在播客中承认：" 硬件比软件难多了，bits 很容易，atoms 很难。" 高继扬对此的回应是 " 拆解 " ——把复杂问题拆成若干子问题，一块一块解决。

具身智能面临的市场质疑集中在一点：人形机器人尚未大规模走进家庭，技术演示与量产之间存在巨大差距。徐新在播客中的回应是：" 泡沫没什么了不起。" 她以网易、新浪、搜狐为例——上一轮互联网泡沫破裂后，这三家公司账上还揣着 8000 万到 1 亿美金，靠这些钱活了下来，之后三年几乎没有像样的对手。

关于具身智能的商业化节奏，播客中的判断是："To B 场景其实已经能替人了，只是速度还赶不上人；具身智能也不会有 GPT 时刻。" 也就是说，具身智能的落地不会一夜爆发，而是一个场景一个场景地渗透。供应链老板们的态度被总结为四个字：" 向往加焦虑 " ——向往的是省人提效，焦虑的是投入大、回本慢。

投资圈有一句老话：市场顶部最危险的话是 " 这次不一样 "。徐新在播客中也承认这一点，但她补充了一句：" 但是这次真的不一样。" 她判断 " 不一样 " 的依据包括：老龄化、少子化、年轻人拒绝进工厂——机器替人已不仅是技术趋势，更是社会刚需；大模型解决了 " 大脑 " 的通用性问题；硬件成本持续下滑。三个条件在历史上第一次同时具备。

她在播客中总结了自己的投资方法：" 如果每个决策都不算细账，1 亿美金原本能训十次，不精细就只能训五次。" 此外，她还提到：" 决定行业走向的就 100 到 200 个人，聚成 10 堆，我只有 9 个对手。" 以及 " 我的风险不是死掉，是错过。"

这期播客的核心议题是：当大量资金涌入一个尚未跑通所有环节的赛道时，应该相信什么？徐新的答案是：相信那些能拿到真实物理世界数据的人。泡沫是否会破裂，不取决于舆论的热度，而取决于是否有人愿意为 " 机器替人 " 这件事持续付费。两三年后，在这个赛道里真正活下来的，未必是当年估值最高的明星公司，而可能是那些已经在工厂和仓库里解决了真实问题的团队。