一臺會做"線束裝配"的機器人，重新定義了資本對具身智能的估值邏輯。

在工業自動化的版圖上，線束裝配是一個被長期忽略的角落。線束是汽車的"血管"，負責傳導整車所有的電信號和能量，由于它柔性、路徑復雜、分支繁多，插接精度要求亞毫米級的特性，過去幾十年，這道工序一直依賴工人的雙手和眼力。

隨著近些年來，招工越來越難，工人流失率越來越高，管理成本自然居高不下。 直到它石智航A1機器人的出現，這道工序似乎有了自動化的解法。這臺機器人在1小時內完成百余次亞毫米級柔性線束裝配，創下吉尼斯世界紀錄。

它石聯合創始人、首席架構師陳同慶對智客ZhiKer說：“我們內部有兩條底線。第一，不做偽需求，不做給資本市場看的拼湊場景；第二，做市場空間足夠大、需求足夠多、技術壁壘足夠高的高價值路線。”

線束剛好契合這兩點。

資本用錢投票的速度，比機器人穿線的速度更快。它石智航2025年2月成立，3月和7月合計完成超2.4億美元天使輪融資，創下中國具身智能天使輪最大融資額紀錄。2026年4月，又完成4.55億美元Pre-A輪融資，再次刷新具身智能史上最大單輪融資紀錄。

這一幕似曾相識，與多年前自動駕駛的劇本相似，但不同的是，這一次坐在牌桌兩邊的人，都比以前更清楚自己在賭什么。

牌桌的一端是創始團隊。五位聯合創始人橫跨自動駕駛、機器人視覺、端到端決策三大核心領域。這批人經歷過完整的自動駕駛產品周期，擅于產品商業化落地和工程化量產，見過泡沫如何破裂，也知道什么才能活下來。

另一端是聰明的投資人。最新一輪資方名單中既有高瓴創投、紅杉中國等明星財務投資人；也有基石戰略股東美團戰投，啟明創投、線性資本等諸多老股東也進行了戰略投資加注；還不乏TCL創投、孚騰資本、首程控股等產業資本、北京機器人產業發展投資基金、上海國投先導等國有資本。

陳同慶向智客ZhiKer透露，今年將是它石智航的量產之年。

從需求驗證到量產中間隔著多少工程難題？5-10年之后，具身行業會形成什么樣的格局？最后能留下來的公司，需要具備什么樣的能力？從數據到模型再到本體，它石的全棧能力是如何構建？我們試圖從陳同慶那里得到更多答案。

以下為與陳同慶博士的對話全文，略有刪減：

智客ZhiKer：為什么選擇從智駕跨界到具身領域創業？

陳同慶：我的個人經歷比較跨學科，早期主要涉及機械電子和驅動，后期轉向人工智能和機器人。機器人恰恰是一個高度綜合的方向，需要機械、電子、控制、算法、視覺和工程化能力共同支撐。

我在智能駕駛領域時，就一直在思考與機器人相關的創業方向。后來與幾位聯合創始人深入交流后，一致認為具身智能既符合我們的共同認知，也符合各自的能力積累，所以最終選擇了這條賽道。

智客ZhiKer：過去一年最讓你興奮的技術突破是什么？

陳同慶：目前具身智能主要有兩大技術方向：第一是Locomotion（移動/運動能力），比如機器人跳舞或做高難度動作，這考驗的是全身協調性。未來機器人如果要進入對身體柔韌度要求更高的場景（如汽車總裝線），這門檻至關重要。過去一年該領域發展迅猛，無論是春晚表演還是跑馬拉松，都證明了硬件穩定性和綜合性能上的巨大突破。

第二是Manipulation（操作/抓取能力），主要集中在以雙手為主導的精細操作任務上。我個人判斷，這兩大技術棧未來必然會走向“會師”，因為真實的場景往往是以雙手操作為中心，同時兼顧全身的運動協調。

它石智航在兩個方向上都有布局，但現階段重點是讓機器人具備真實操作能力，能夠在工廠、社區生活等場景中真正產生價值。

智客ZhiKer：5-10年之后，具身行業會形成什么樣的格局？最后能留存下來的是哪些類型的公司？

陳同慶：具身行業和自動駕駛收斂的過程很像，最開始百花齊放，最終市場只會向幾家頭部集中，其余的玩家要么轉型、要么被合并、要么解散。

我之所以做這樣的判斷，是因為具身智能的技術難度比自動駕駛還要高出一個量級。 自動駕駛主要解決的是二維平面的移動與避障，具身智能要作業的空間，是真正的三維物理世界的操作與接觸。如此高的技術壁壘意味著，純粹追熱度、靠“炫技”的企業，未來勢必面臨轉型。

最后，有可能留下來的，一定是能夠解決具體場景問題、具備軟硬件與算法綜合能力的“全棧團隊”。

類比汽車行業，在新能源與自動駕駛時代，既能做車（主機廠思維）、又能做全棧自動駕駛算法的企業，商業化落地的速度和效率是最有優勢的。如果一家公司只做算法，可以去賦能一些小規模的主機廠，這在商業上能自圓其說，但核心競爭力不夠 。

所以，真正有長期競爭力的公司，不能只依賴單點能力，需要理解場景，具備軟硬件、算法、數據和工程交付的綜合能力。

我們內部會用“主機廠思維”來理解自己：要自研核心算法，也要做整機硬件，打通數據、模型、本體和場景，只有軟硬件與算法深度耦合，才能真正解決高價值場景中的核心痛點。

智客ZhiKer：它石智航Day 1就定義要做“能干活”的機器人，有沒有一些更具體的衡量標準，讓我們更具象地理解“能干活”？

陳同慶：能演示（Demo）和“能干活”有本質的區別。

我們可以從三個維度來看：第一，場景需求的真實性。Demo場景是人為提前布置好的，比如疊衣服或做某個特定動作，它未必代表客戶的真實痛點。而“能干活”的第一步，必須是面向客戶生產線上的真實剛需。

第二，作業環境的嚴苛度。Demo只需要滿足特定時間點的展示，好看就夠了。真正干活的機器人，是在大家看不到的地方，沒日沒夜、穩定地按照工業節拍作業。這就要求軟硬件方案在設計之初，把批量化的穩定性、成本可控性放在第一位。

第三，體系化的工業級指標。應用場景的打穿首先從一整套嚴苛的硬性指標開始。比如，MTBF（平均無故障工作時間），這是衡量工業級穩定性的核心指標，作業效率與生產節拍這是機器人的速度能否跟上產線速度，續航與作業時間這是電池續航能力以及高強度連續作業的表現。

所以，“能干活”不僅意味著技術能力要足夠硬，更意味著背后的軟硬件體系、量產穩定性、乃至售后的運維支持都必須是完整的體系，這是一場體系化的工業級交付。

智客ZhiKer：這是你們選擇汽車線束場景展示的原因嗎？

陳同慶：我們在篩選場景時，內部有兩條非常明確的底線：第一條，必須以客戶的真實需求為導向，不做偽需求，不做給資本市場看的拼湊場景。第二條，做市場空間足夠大，技術壁壘足夠高的高價值路線。

汽車線束場景完美符合這兩點。一方面，線束組裝在汽車工業中市場空間和真實需求極其龐大；另一方面，線束本身是柔性物體，精度達亞毫米級，對機器人的視覺抓取、力控和精細化操作提出了極高的技術挑戰。

一旦我們在這種極高柔性、極高精細度的場景中把技術跑通、壁壘筑高，未來再向下兼容、輻射到其他相對簡單的場景時，就會順理成章。這既是對我們自身技術極限的挑戰，也是一種高效率的商業破局策略。

智客ZhiKer： 您剛提到“體系化的工業級交付”，它石智航最終交付給客戶的是什么？

陳同慶：它石的核心戰略是以具身大模型為牽引，向下輻射本體硬件，向上對接落地場景，形成軟硬件一體化的閉環。

在模型層面，我們發布了通用具身大模型AWE3.0和OmniVTA視觸覺世界模型。AWE 3.0能夠讓機器人實現如人類般精細流暢的操作、長程任務的穩定執行，并具備極強的跨場景遷移與泛化能力。

而OmniVTA視觸覺世界模型則以“世界模型”為核心，以預測為先導、反饋為保障，使機器人能夠真正勝任精密裝配、家居清潔與食材制備等工業生產與日常生活中不可或缺的接觸密集型（contact-rich）任務。

在硬件與零部件層面，我們圍繞具身大模型能力和真實場景需求，構建了整套核心關鍵組件的深度自研。比如 SenseHub 數據采集設備，研發了高性能關節以及兩指、三指等不同形態的靈巧末端執行器。

在整機本體層面，我們推出了多系列機器人，包含A系列輪式機器人、T系列雙足通用機器人。其中，全向移動底盤通用機器人 A1此前在德國 LogiMAT 展會上，成為了全場唯一零失誤連續運行的工業機器人產品。

我們不僅交付的是硬件，是一套能切實在高價值場景中幫客戶解決核心痛點的全棧生產力工具。

智客ZhiKer：我們發現大家在做具身智能時都會有一部分自研，是因為市面上的硬件產品不太滿足需求嗎？

陳同慶：我們的原則是對AI和場景能力有決定性影響的部分重點自研，尤其是在行業認知尚未統一的時間點下的產品，比如我們推出的可穿戴的數采套件SenseHub，21自由度靈巧手等。

但并不是所有東西都要自研，攝像頭、芯片、電池等相對成熟的零部件，我們會更多采用成熟供應鏈方案，兼顧效率與質量。

智客ZhiKer：從第一臺樣機到量產，大概經歷了多長時間？這個過程中最耗費精力的是什么？

陳同慶：以我們的輪式本體為例，去年3月立項，到現在已經達到量產狀態，中間經歷了多輪迭代。

第一階段是功能驗證。最初的版本主要為了驗證功能，暫不過多考慮可制造性（DFM），且早期設計中自由度、輕量化、靈巧性和負載能力等考慮不足，做了大的迭代升級。功能驗證完成后，大概經過3到4輪小迭代，最終定型規格需求。

第二階段是面向可制造性（DFM）的設計優化。這一階段需要充分考慮可制造性和可量產性，評估結構設計是否過于復雜、裝配難度是否過高，并進行簡化。

第三階段是量產準備，這是挑戰最大、也是我們花費精力最多的階段 。這一輪設計主要針對量產需求，比如針對量產工藝將可以合并的結構件進行整合；在裝配環節加入防呆設計（Poka-Yoke，源自日語 “ポカヨケ”，直譯是 “防錯”，最早是由日本豐田汽車的工程師新鄉重夫在 1960 年代提出的）和基準設計，大幅降低一線裝配難度 。這個過程持續時間最長，也是從樣機走向產品必須經歷的階段。

智客ZhiKer：人力、算力、硬件制造、數據采集，具身智能公司最“燒錢”的是什么環節？

陳同慶：當前我們最大的投入，是圍繞真正能夠量產落地的具身智能打造的一套全棧閉環系統。這個閉環涵蓋以 SenseHub為支撐的數據體系、具身智能基礎模型的訓練與迭代、真實應用場景的打穿，以及可量產的軟硬件基礎系統保障和規模化制造體系建設等關鍵環節。

目前具身智能已經全面進入大模型時代。無論是高密度計算、日常模型訓練，還是邊緣端部署，都對算力提出了極高要求。如果用 Token 來衡量我們的算力需求，其吞吐量是非常驚人的。與此同時，隨著應用場景部署成熟度快速提升，大量設備和機器人正在進入真實場景。

不同階段的投入重心和資源承重會有所調整，但對企業而言，最核心、也最長期的投入始終是人才，是持續構建組織能力。優秀公司對高質量人才的渴求永遠存在。

智客ZhiKer：目前SenseHub數據采集設備的商業化程度或交付情況？

陳同慶：SenseHub已經開始完成商業交付，在大量一線場景投入使用。

開發這套采集方式的初衷，源于我們在創業之初提出的一個判斷，要讓具身智能發揮更大價值，就必須訓練具身基座大模型，這需要海量數據支撐。而傳統靠遙操作（Teleoperation）或者用機器人本體進行遠程控制的數采方式，在采集效率、采集成本、數據規模、數據多樣性等方面根本無法支撐基座模型的訓練需求。

因此，我們提出了一種以人為中心（human-centric）的采集理念，讓數據采集自然融入人的作業流程中。

例如，在商超補貨場景中，店員只需佩戴我們的設備正常作業，即可完成數據收集；在酒店場景中，員工在整理客房時也能同步采集數據。這種方式的優勢在于，采集任務可以迅速低成本覆蓋到千行百業。

智客ZhiKer：數據采集完成后，會統一回流到它石智航的大模型進行訓練嗎？

陳同慶：是的。采集的數據首先用于我們自身基座模型的訓練。

具身智能基座模型對數據的需求量極其龐大，僅靠一家公司的力量是遠遠不夠的，所以我們提出了“具身數據星火計劃”，以類似數據生態協作的方式，與合作伙伴共同推動高質量數據積累。

參與計劃的友商、客戶和供應鏈伙伴，可以在合規和保護商業機密的前提下，共享部分標準化數據，匯入公共數據池。一方面減少重復采集成本，另一方面極大擴充了數據多樣性和場景豐富度。

目前已匯聚超過百萬小時標準化優質數據，目標是推動數千萬小時的數據共享生態。

智客ZhiKer：現在團隊大概有多少人？

陳同慶：公司今年預計會突破500人。今年是我們的量產元年，正在招募大量優秀人才，一起把產品做好，推動行業向前發展。

智客ZhiKer：2026年在開拓海外市場方面，公司有什么具體的計劃？

陳同慶：今年會逐步鋪開海外業務，前期會優先通過海外工廠、合作伙伴站點等渠道進入，逐步建立樣板和交付能力，再向更多區域擴展。

今年3月，我們參加了在德國斯圖加特舉辦的LogiMAT展會，展出了A1機器人，機器人從展會開始到結束，除了中午充電約一小時外，是全場唯一不間斷連續作業的機器人。這次亮相也是為了測試海外客戶對我們公司產品的接受度。

從現場來看，整體反饋非常正向，陸續收到了國內和國外客戶的訂單，基本上處于“爆單”狀態，每天來詢價、詢方案的非常多。我們也在篩選一些更契合機器人落地的場景。（本文首發鈦媒體APP，文 | 智客Zhiker，作者｜郭虹妘 ）