（本文作者为 智客 ZhiKer，钛媒体经授权发布）
一台会做"线束装配"的机器人，重新定义了资本对具身智能的估值逻辑。
在工业自动化的版图上，线束装配是一个被长期忽略的角落。线束是汽车的"血管"，负责传导整车所有的电信号和能量，由于它柔性、路径复杂、分支繁多，插接精度要求亚毫米级的特性，过去几十年，这道工序一直依赖工人的双手和眼力。
随着近些年来，招工越来越难，工人流失率越来越高，管理成本自然居高不下。 直到它石智航 A1 机器人的出现，这道工序似乎有了自动化的解法。这台机器人在 1 小时内完成百余次亚毫米级柔性线束装配，创下吉尼斯世界纪录。
它石联合创始人、首席架构师陈同庆对智客 ZhiKer 说：“ 我们内部有两条底线。第一，不做伪需求，不做给资本市场看的拼凑场景；第二，做市场空间足够大、需求足够多、技术壁垒足够高的高价值路线。”
线束刚好契合这两点。
资本用钱投票的速度，比机器人穿线的速度更快。它石智航 2025 年 2 月成立，3 月和 7 月合计完成超 2.4 亿美元天使轮融资，创下中国具身智能天使轮最大融资额纪录。2026 年 4 月，又完成 4.55 亿美元 Pre-A 轮融资，再次刷新具身智能史上最大单轮融资纪录。
这一幕似曾相识，与多年前自动驾驶的剧本相似，但不同的是，这一次坐在牌桌两边的人，都比以前更清楚自己在赌什么。
牌桌的一端是创始团队。五位联合创始人横跨自动驾驶、机器人视觉、端到端决策三大核心领域。这批人经历过完整的自动驾驶产品周期，擅于产品商业化落地和工程化量产，见过泡沫如何破裂，也知道什么才能活下来。
另一端是聪明的投资人。最新一轮资方名单中既有高瓴创投、红杉中国等明星财务投资人；也有基石战略股东美团战投，启明创投、线性资本等诸多老股东也进行了战略投资加注；还不乏 TCL 创投、孚腾资本、首程控股等产业资本、北京机器人产业发展投资基金、上海国投先导等国有资本。
陈同庆向智客 ZhiKer 透露，今年将是它石智航的量产之年。
从需求验证到量产中间隔着多少工程难题？5-10 年之后，具身行业会形成什么样的格局？最后能留下来的公司，需要具备什么样的能力？从数据到模型再到本体，它石的全栈能力是如何构建？我们试图从陈同庆那里得到更多答案。
以下为与陈同庆博士的对话全文，略有删减：
智客 ZhiKer：为什么选择从智驾跨界到具身领域创业？
陈同庆：我的个人经历比较跨学科，早期主要涉及机械电子和驱动，后期转向人工智能和机器人。机器人恰恰是一个高度综合的方向，需要机械、电子、控制、算法、视觉和工程化能力共同支撑。
我在智能驾驶领域时，就一直在思考与机器人相关的创业方向。后来与几位联合创始人深入交流后，一致认为具身智能既符合我们的共同认知，也符合各自的能力积累，所以最终选择了这条赛道。
智客 ZhiKer：过去一年最让你兴奋的技术突破是什么？
陈同庆：目前具身智能主要有两大技术方向：第一是 Locomotion（移动/运动能力），比如机器人跳舞或做高难度动作，这考验的是全身协调性。未来机器人如果要进入对身体柔韧度要求更高的场景 （如汽车总装线），这门槛至关重要。过去一年该领域发展迅猛，无论是春晚表演还是跑马拉松，都证明了硬件稳定性和综合性能上的巨大突破。
第二是 Manipulation（操作/抓取能力），主要集中在以双手为主导的精细操作任务上。我个人判断，这两大技术栈未来必然会走向“ 会师”，因为真实的场景往往是以双手操作为中心，同时兼顾全身的运动协调。
它石智航在两个方向上都有布局，但现阶段重点是让机器人具备真实操作能力，能够在工厂、社区生活等场景中真正产生价值。
智客 ZhiKer：5-10 年之后，具身行业会形成什么样的格局？最后能留存下来的是哪些类型的公司？
陈同庆：具身行业和自动驾驶收敛的过程很像，最开始百花齐放，最终市场只会向几家头部集中，其余的玩家要么转型、要么被合并、要么解散。
我之所以做这样的判断，是因为具身智能的技术难度比自动驾驶还要高出一个量级。 自动驾驶主要解决的是二维平面的移动与避障，具身智能要作业的空间，是真正的三维物理世界的操作与接触。如此高的技术壁垒意味着，纯粹追热度、靠“ 炫技” 的企业，未来势必面临转型。
最后，有可能留下来的，一定是能够解决具体场景问题、具备软硬件与算法综合能力的“ 全栈团队”。
类比汽车行业，在新能源与自动驾驶时代，既能做车 （主机厂思维）、又能做全栈自动驾驶算法的企业，商业化落地的速度和效率是最有优势的。如果一家公司只做算法，可以去赋能一些小规模的主机厂，这在商业上能自圆其说，但核心竞争力不够 。
所以，真正有长期竞争力的公司，不能只依赖单点能力，需要理解场景，具备软硬件、算法、数据和工程交付的综合能力。
我们内部会用“ 主机厂思维” 来理解自己：要自研核心算法，也要做整机硬件，打通数据、模型、本体和场景，只有软硬件与算法深度耦合，才能真正解决高价值场景中的核心痛点。
智客 ZhiKer：它石智航 Day 1 就定义要做“ 能干活” 的机器人，有没有一些更具体的衡量标准，让我们更具象地理解“ 能干活”？
陈同庆：能演示 （Demo） 和“ 能干活” 有本质的区别。
我们可以从三个维度来看：第一，场景需求的真实性。Demo 场景是人为提前布置好的，比如叠衣服或做某个特定动作，它未必代表客户的真实痛点。而“ 能干活” 的第一步，必须是面向客户生产线上的真实刚需。
第二，作业环境的严苛度。Demo 只需要满足特定时间点的展示，好看就够了。真正干活的机器人，是在大家看不到的地方，没日没夜、稳定地按照工业节拍作业。这就要求软硬件方案在设计之初，把批量化的稳定性、成本可控性放在第一位。
第三，体系化的工业级指标。应用场景的打穿首先从一整套严苛的硬性指标开始。比如，MTBF（平均无故障工作时间），这是衡量工业级稳定性的核心指标，作业效率与生产节拍这是机器人的速度能否跟上产线速度，续航与作业时间这是电池续航能力以及高强度连续作业的表现。
所以，“ 能干活” 不仅意味着技术能力要足够硬，更意味着背后的软硬件体系、量产稳定性、乃至售后的运维支持都必须是完整的体系，这是一场体系化的工业级交付。
智客 ZhiKer：这是你们选择汽车线束场景展示的原因吗？
陈同庆：我们在筛选场景时，内部有两条非常明确的底线：第一条，必须以客户的真实需求为导向，不做伪需求，不做给资本市场看的拼凑场景。第二条，做市场空间足够大，技术壁垒足够高的高价值路线。
汽车线束场景完美符合这两点。一方面，线束组装在汽车工业中市场空间和真实需求极其庞大；另一方面，线束本身是柔性物体，精度达亚毫米级，对机器人的视觉抓取、力控和精细化操作提出了极高的技术挑战。
一旦我们在这种极高柔性、极高精细度的场景中把技术跑通、壁垒筑高，未来再向下兼容、辐射到其他相对简单的场景时，就会顺理成章。这既是对我们自身技术极限的挑战，也是一种高效率的商业破局策略。
智客 ZhiKer： 您刚提到“ 体系化的工业级交付”，它石智航最终交付给客户的是什么？
陈同庆：它石的核心战略是以具身大模型为牵引，向下辐射本体硬件，向上对接落地场景，形成软硬件一体化的闭环。
在模型层面，我们发布了通用具身大模型 AWE3.0 和 OmniVTA 视触觉世界模型。AWE 3.0 能够让机器人实现如人类般精细流畅的操作、长程任务的稳定执行，并具备极强的跨场景迁移与泛化能力。
而 OmniVTA 视触觉世界模型则以“ 世界模型” 为核心，以预测为先导、反馈为保障，使机器人能够真正胜任精密装配、家居清洁与食材制备等工业生产与日常生活中不可或缺的接触密集型 （contact-rich） 任务。
在硬件与零部件层面，我们围绕具身大模型能力和真实场景需求，构建了整套核心关键组件的深度自研。比如 SenseHub 数据采集设备，研发了高性能关节以及两指、三指等不同形态的灵巧末端执行器。
在整机本体层面，我们推出了多系列机器人，包含 A 系列轮式机器人、T 系列双足通用机器人。其中，全向移动底盘通用机器人 A1 此前在德国 LogiMAT 展会上，成为了全场唯一零失误连续运行的工业机器人产品。
我们不仅交付的是硬件，是一套能切实在高价值场景中帮客户解决核心痛点的全栈生产力工具。
智客 ZhiKer：我们发现大家在做具身智能时都会有一部分自研，是因为市面上的硬件产品不太满足需求吗？
陈同庆：我们的原则是对 AI 和场景能力有决定性影响的部分重点自研，尤其是在行业认知尚未统一的时间点下的产品，比如我们推出的可穿戴的数采套件 SenseHub，21 自由度灵巧手等。
但并不是所有东西都要自研，摄像头、芯片、电池等相对成熟的零部件，我们会更多采用成熟供应链方案，兼顾效率与质量。
智客 ZhiKer：从第一台样机到量产，大概经历了多长时间？这个过程中最耗费精力的是什么？
陈同庆：以我们的轮式本体为例，去年 3 月立项，到现在已经达到量产状态，中间经历了多轮迭代。
第一阶段是功能验证。最初的版本主要为了验证功能，暂不过多考虑可制造性 （DFM），且早期设计中自由度、轻量化、灵巧性和负载能力等考虑不足，做了大的迭代升级。功能验证完成后，大概经过 3 到 4 轮小迭代，最终定型规格需求。
第二阶段是面向可制造性 （DFM） 的设计优化。这一阶段需要充分考虑可制造性和可量产性，评估结构设计是否过于复杂、装配难度是否过高，并进行简化。
第三阶段是量产准备，这是挑战最大、也是我们花费精力最多的阶段 。这一轮设计主要针对量产需求，比如针对量产工艺将可以合并的结构件进行整合；在装配环节加入防呆设计 （Poka-Yoke，源自日语 “ポカヨケ”，直译是 “ 防错”，最早是由日本丰田汽车的工程师新乡重夫在 1960 年代提出的） 和基准设计，大幅降低一线装配难度 。这个过程持续时间最长，也是从样机走向产品必须经历的阶段。
智客 ZhiKer：人力、算力、硬件制造、数据采集，具身智能公司最“ 烧钱” 的是什么环节？
陈同庆：当前我们最大的投入，是围绕真正能够量产落地的具身智能打造的一套全栈闭环系统。这个闭环涵盖以 SenseHub 为支撑的数据体系、具身智能基础模型的训练与迭代、真实应用场景的打穿，以及可量产的软硬件基础系统保障和规模化制造体系建设等关键环节。
目前具身智能已经全面进入大模型时代。无论是高密度计算、日常模型训练，还是边缘端部署，都对算力提出了极高要求。如果用 Token 来衡量我们的算力需求，其吞吐量是非常惊人的。与此同时，随着应用场景部署成熟度快速提升，大量设备和机器人正在进入真实场景。
不同阶段的投入重心和资源承重会有所调整，但对企业而言，最核心、也最长期的投入始终是人才，是持续构建组织能力。优秀公司对高质量人才的渴求永远存在。
智客 ZhiKer：目前 SenseHub 数据采集设备的商业化程度或交付情况？
陈同庆：SenseHub 已经开始完成商业交付，在大量一线场景投入使用。
开发这套采集方式的初衷，源于我们在创业之初提出的一个判断，要让具身智能发挥更大价值，就必须训练具身基座大模型，这需要海量数据支撑。而传统靠遥操作 （Teleoperation） 或者用机器人本体进行远程控制的数采方式，在采集效率、采集成本、数据规模、数据多样性等方面根本无法支撑基座模型的训练需求。
因此，我们提出了一种以人为中心 （human-centric） 的采集理念，让数据采集自然融入人的作业流程中。
例如，在商超补货场景中，店员只需佩戴我们的设备正常作业，即可完成数据收集；在酒店场景中，员工在整理客房时也能同步采集数据。这种方式的优势在于，采集任务可以迅速低成本覆盖到千行百业。
智客 ZhiKer：数据采集完成后，会统一回流到它石智航的大模型进行训练吗？
陈同庆：是的。采集的数据首先用于我们自身基座模型的训练。
具身智能基座模型对数据的需求量极其庞大，仅靠一家公司的力量是远远不够的，所以我们提出了“ 具身数据星火计划”，以类似数据生态协作的方式，与合作伙伴共同推动高质量数据积累。
参与计划的友商、客户和供应链伙伴，可以在合规和保护商业机密的前提下，共享部分标准化数据，汇入公共数据池。一方面减少重复采集成本，另一方面极大扩充了数据多样性和场景丰富度。
目前已汇聚超过百万小时标准化优质数据，目标是推动数千万小时的数据共享生态。
智客 ZhiKer：现在团队大概有多少人？
陈同庆：公司今年预计会突破 500 人。今年是我们的量产元年，正在招募大量优秀人才，一起把产品做好，推动行业向前发展。
智客 ZhiKer：2026 年在开拓海外市场方面，公司有什么具体的计划？
陈同庆：今年会逐步铺开海外业务，前期会优先通过海外工厂、合作伙伴站点等渠道进入，逐步建立样板和交付能力，再向更多区域扩展。
今年 3 月，我们参加了在德国斯图加特举办的 LogiMAT 展会，展出了 A1 机器人，机器人从展会开始到结束，除了中午充电约一小时外，是全场唯一不间断连续作业的机器人。这次亮相也是为了测试海外客户对我们公司产品的接受度。
从现场来看，整体反馈非常正向，陆续收到了国内和国外客户的订单，基本上处于“ 爆单” 状态，每天来询价、询方案的非常多。我们也在筛选一些更契合机器人落地的场景。（本文首发钛媒体 APP，文 | 智客 Zhiker，作者｜郭虹妘）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App