一台能够完成线束装配的智能机器人，正在重塑资本市场对“具身智能”这一赛道的估值逻辑与想象空间。
在工业自动化的宏大版图中，线束装配长期以来都是一个容易被忽视的环节。线束如同汽车的“神经网络”与“血管系统”，承担着传导整车所有电信号与能量的关键任务。由于其材质柔软、路径复杂、分支繁多，且插接精度必须达到亚毫米级——过去数十年里，这道工序始终高度依赖工人的双手与肉眼判断。
然而近年来，制造业招工愈发困难，一线工人流失率居高不下，企业的人力管理成本也随之持续攀升。直到它石智航A1机器人的问世，这道棘手工序才真正迎来了自动化解决方案的曙光。这台机器人能在不到一小时内完成百余次亚毫米级精度的柔性线束装配作业，一举创下吉尼斯世界纪录，引发行业广泛关注。
它石智航联合创始人兼首席架构师陈同庆博士直言：“我们内部设定两条核心底线：第一，绝不制造伪需求，不做那些仅为迎合资本市场而拼凑出的演示场景；第二，坚持走市场空间足够广阔、真实需求足够旺盛、技术壁垒足够深厚的高价值路线。”
汽车线束装配场景，恰好完美契合了这两条铁律。
资本用真金白银投票的速度，甚至比机器人穿线的动作更为迅猛。它石智航于2025年2月正式成立，同年3月和7月便合计完成超过2.4亿美元的天使轮融资，创下中国具身智能领域天使轮最高融资纪录。进入2026年4月，公司再度完成4.55亿美元的Pre-A轮融资，再次刷新具身智能行业史上单轮最大融资规模纪录。
这一幕似曾相识，与多年前自动驾驶行业的发展轨迹颇有几分神似。但不同的是，如今坐在牌桌两侧的人，都比以往更加清楚自己究竟在押注什么。
牌桌的一端是实力强悍的创始团队。五位联合创始人的专业背景横跨自动驾驶、机器人视觉、端到端决策等三大核心领域。这批核心成员完整经历了自动驾驶从概念到产品的全周期，既擅长产品商业化落地与工程化量产，也亲眼见证过行业泡沫的破裂，深知什么样的技术才能真正存活并创造价值。
另一端则是眼光敏锐的投资人。在最新一轮融资的资方名单中，既有高瓴创投、红杉中国等明星财务投资机构，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进行了战略加注。此外，还包括TCL创投、孚腾资本、首程控股等产业资本，以及北京机器人产业发展投资基金、上海国投先导等国有资本力量，足见市场对其发展前景的高度认可。
陈同庆透露，今年将是它石智航全面迈向量产的关键之年。
从需求验证走到规模量产，中间横亘着多少工程化难题？5到10年之后，具身智能行业将演化成怎样的竞争格局？最终能够留在牌桌上的公司，需要具备哪些核心能力？从数据采集到模型训练再到本体硬件，它石智航的全栈技术体系又是如何构建的？我们试图从陈同庆博士的分享中寻找更为清晰的答案。
以下为与陈同庆博士的对话全文，内容经过适当编辑与删减：
智客ZhiKer：为什么选择从智能驾驶跨界到具身智能领域创业？
陈同庆：我的个人学术与从业经历跨度较大，早期主要聚焦机械电子与驱动控制，后期则逐步转向人工智能与机器人方向。机器人本身就是一个高度交叉的综合学科，需要机械、电子、控制、算法、视觉以及工程化能力的紧密协同。
在智能驾驶领域深耕时，我一直在思考与机器人相关的创业机会。后来与几位联合创始人深入交流后，大家一致认为，具身智能既契合我们对技术趋势的共同判断，也与我们各自的能力积累高度匹配，因此最终选择了这条赛道作为创业方向。
智客ZhiKer：过去一年最让你感到兴奋的技术突破是什么？
陈同庆：目前具身智能主要聚焦两大技术方向：第一是Locomotion（移动与运动能力），例如机器人跳舞或完成高难度动作，这考验的是全身协调控制与动态平衡能力。未来机器人如果要进入对柔韧度要求更高的复杂场景（如汽车总装线），这一技术门槛至关重要。过去一年，该领域取得了迅猛发展，无论是春晚舞台上的表演还是户外马拉松奔跑，都充分证明了机器人在硬件稳定性与综合性能上的巨大飞跃。
第二是Manipulation（操作与抓取能力），主要集中在以双手为核心的高精度精细操作任务上。我个人判断，这两大技术栈未来必然会走向深度融合与“会师”，因为真实世界的复杂作业场景，通常是以双手操作为中心，同时需要全身运动协调配合。
它石智航在这两个方向上都进行了系统布局，但现阶段的重心是让机器人具备真实可用的操作能力，能够在工厂产线、社区生活等实际场景中真正创造价值。
智客ZhiKer：5到10年之后，您认为具身智能行业会形成怎样的竞争格局？最终能够留存下来的是哪些类型的公司？
陈同庆：具身智能行业的收敛过程与自动驾驶非常相似。初期百花齐放，但最终市场会向少数几家头部企业集中，其余玩家要么主动转型、要么被并购整合、要么逐步退出市场。
之所以做出这样的判断，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上的移动与避障问题，而具身智能需要作业的空间是真正的三维物理世界，涉及复杂的操作与接触。如此高的技术壁垒意味着，那些纯粹追逐热度、靠“炫技”吸引眼球的企业，未来势必面临严峻的转型压力。
最终有可能留下来的，一定是能够解决具体场景真实问题、具备软硬件与算法综合交付能力的“全栈型团队”。
类比汽车行业，在新能源与自动驾驶时代，那些既能造车（拥有主机厂思维）、又能自研全栈自动驾驶算法的企业，其商业化落地的速度和效率往往最具竞争优势。如果一家公司只做算法，或许可以赋能一些小规模的主机厂，在商业逻辑上能够自洽，但核心竞争力依然不够深厚。
因此，真正具备长期竞争力的公司，不能仅仅依赖单点技术能力，而必须深入理解场景需求，具备软硬件、算法、数据与工程交付的综合能力。
我们内部常以“主机厂思维”来定义自己：既要自研核心算法，也要做整机硬件，打通数据、模型、本体与场景之间的闭环。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与技术挑战。
智客ZhiKer：它石智航从创立第一天起就定位要做“能干活”的机器人，有没有更具体的衡量标准，让我们更直观地理解“能干活”的内涵？
陈同庆：能演示（Demo）和“能干活”之间有着本质的区别。
我们可以从三个维度来衡量：第一，场景需求的真实性。演示场景往往是人为提前布置好的，比如叠衣服或执行某个特定动作，这未必能代表客户的真实痛点。而“能干活”的第一步，必须是直面客户生产线上的真实刚需。
第二，作业环境的严苛程度。演示只需满足特定时间点的展示效果，好看即可。但真正能“干活”的机器人，是在大家看不见的地方，昼夜不停地按照工业节拍稳定作业。这就要求软硬件方案在设计之初，就把批量化生产的稳定性与成本可控性放在首位。
第三，体系化的工业级指标。场景应用能否真正打穿，首先取决于一套严苛的硬性指标体系。例如，MTBF（平均无故障工作时间）是衡量工业级稳定性的核心指标；作业效率与生产节拍，决定了机器人能否跟上产线速度；续航与连续作业时间，则反映了电池耐久性与高强度作业下的持续表现。
因此，“能干活”不仅意味着技术能力必须足够硬核，更意味着背后的软硬件体系、量产稳定性乃至售后运维支持都必须是完整的体系化能力。这是一场体系化的工业级交付考验。
智客ZhiKer：这是你们选择汽车线束场景作为展示案例的重要原因吗？
陈同庆：我们在筛选应用场景时，内部有两条非常明确的底线：第一条，必须以客户的真实痛点为出发点，不做伪需求，不做仅供资本市场观看的拼凑场景。第二条，坚持选择市场空间足够广阔、技术壁垒足够深厚的高价值路线。
汽车线束场景完美契合了这两条标准。一方面，线束组装在汽车工业中拥有极其庞大的市场空间和真实需求；另一方面，线束本身是柔性物体，装配精度要求达到亚毫米级，对机器人的视觉抓取、力控感知与精细化操作能力提出了极高的技术挑战。
一旦我们在这种高柔性、高精度的复杂场景中把技术跑通、把壁垒筑高，未来再向下兼容、辐射到其他相对简单的场景时，就会变得顺理成章。这既是对自身技术极限的挑战，也是一种高效务实的商业破局策略。
智客ZhiKer：您刚才提到的“体系化的工业级交付”，它石智航最终交付给客户的到底是什么？
陈同庆：它石智航的核心战略，是以具身大模型为技术牵引，向下辐射本体硬件设计，向上对接真实落地场景，形成软硬件一体化的完整闭环。
在模型层面，我们发布了通用具身大模型AWE3.0以及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视触觉世界模型以“世界模型”为核心，以预测为先导、以反馈为保障，使机器人能够真正胜任精密装配、家居清洁以及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。
在硬件与核心零部件层面，我们围绕具身大模型的能力需求与真实场景特点，构建了一整套深度自研的关键组件体系。例如SenseHub数据采集设备、高性能关节模组，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，我们推出了多个系列的机器人产品，包括A系列轮式机器人、T系列双足通用机器人。其中，搭载全向移动底盘的通用机器人A1，此前在德国LogiMAT展会上成为全场唯一实现零失误连续运行的工业机器人产品，赢得了广泛的行业关注。
我们交付给客户的不仅仅是硬件设备，更是一套能够切实帮助客户解决高价值场景核心痛点的全栈生产力工具。
智客ZhiKer：我们发现很多具身智能公司都会进行部分自研，是因为市面上的硬件产品不太能满足需求吗？
陈同庆：我们的原则是，对AI算法和场景能力有决定性影响的关键部分进行重点自研，尤其是在行业技术共识尚未统一的阶段，比如我们推出的可穿戴数据采集套件SenseHub、21自由度灵巧手等产品。
但这并不意味着所有零部件都要自研。对于摄像头、芯片、电池等相对成熟且标准化的零部件，我们更倾向于采用成熟供应链方案，在兼顾效率与品质的同时控制成本。
智客ZhiKer：从第一台样机到实现量产，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月正式立项，到现在已经达到可量产的状态，中间经历了多轮迭代优化。
第一阶段是功能验证。最初的版本主要用于验证核心功能，暂不重点考虑可制造性（DFM），而且早期设计在自由度、轻量化、灵巧性与负载能力等方面考虑不够充分，因此进行了较大的迭代升级。功能验证完成后，又经过大约3到4轮小迭代，最终定型了规格需求。
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零部件的可制造性与整机的可量产性，评估结构设计是否过于复杂、装配难度是否过高，并进行针对性的简化处理。
第三阶段是量产准备阶段，这也是挑战最大、耗费精力最多的环节。这一轮设计主要围绕量产需求展开，例如针对量产工艺将可合并的结构件进行整合优化；在装配环节引入防呆设计（Poka-Yoke）与基准定位设计，大幅降低一线装配的难度与出错率。这个过程持续时间最长，也是从样机走向成熟产品必须跨越的关键阶段。
智客ZhiKer：人力、算力、硬件制造、数据采集……具身智能公司最“烧钱”的环节是什么？
陈同庆：目前我们最大的投入，是围绕真正能够量产落地的具身智能技术，打造一套完整的全栈闭环系统。这个闭环涵盖了以SenseHub为核心支撑的数据采集体系、具身智能基础模型的训练与持续迭代、真实应用场景的深度打穿，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。
当前，具身智能已经全面迈入大模型时代。无论是高密度计算、日常模型训练，还是边缘端部署，都对算力资源提出了极高的要求。如果用Token来衡量我们的算力消耗，其吞吐量是相当惊人的。与此同时，随着应用场景部署成熟度的快速提升，大量设备和机器人正在进入真实作业环境。
在不同发展阶段，投入的重心和资源配比会有所调整。但对一家企业而言，最核心、也最需要持续投入的始终是人才，是构建和提升组织能力。优秀的公司对高质量人才的渴求是永不停歇的。
智客ZhiKer：目前SenseHub数据采集设备的商业化程度或交付情况如何？
陈同庆：SenseHub已经正式启动商业化交付，并在大量一线真实场景中投入使用。
开发这套数据采集方案的初衷，源于我们在创业之初提出的一个核心判断：要让具身智能发挥更大的商业价值，就必须训练强大的具身基座大模型，而这需要海量的高质量数据作为支撑。传统的遥操作（Teleoperation）或依赖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、数据规模以及数据多样性等方面，根本无法满足基座模型的训练需求。
因此，我们创新性地提出了一种以人为中心（human-centric）的数据采集理念，让数据采集自然融入人的日常作业流程之中，极大降低了采集门槛与成本。
例如，在商超补货场景中，店员只需佩戴我们的设备正常进行补货作业，即可同步完成数据收集；在酒店场景中，服务人员整理客房的同时也能轻松采集数据。这种方式的显著优势在于，数据采集任务可以快速、低成本地覆盖到千行百业，极大地丰富了数据来源与场景多样性。
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。所有采集的数据首先会用于我们自身基座模型的训练与迭代优化。
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。因此，我们发起了“具身数据星火计划”，通过类似数据生态协作的模式，与合作伙伴共同推动高质量数据的规模化积累。
参与该计划的友商、客户以及供应链伙伴，可以在符合法规要求并保护商业机密的前提下，共享部分标准化数据，汇聚到公共数据池中。这样做既能减少各方的重复采集成本，又能极大扩充数据的多样性与场景丰富度。
目前，该计划已汇聚超过百万小时的标准化的优质数据，我们的目标是推动构建数千万小时级别的数据共享生态。
智客ZhiKer：现在团队大概有多少人？
陈同庆：公司今年预计将突破500人。今年是我们正式迈向量产的元年，目前正在大力招募各行各业的优秀人才，一起把产品打磨得更好，共同推动具身智能行业向前发展。
智客ZhiKer：2026年在开拓海外市场方面，公司有哪些具体的计划？
陈同庆：今年我们会逐步铺开海外业务，前期优先通过海外工厂、合作伙伴站点等渠道切入市场，逐步建立标杆案例与交付能力，再向更多区域进行扩展。
今年3月，我们参加了在德国斯图加特举办的LogiMAT国际展会，展出了A1机器人。这台机器人从展会开幕到闭幕，除了中午充电约一小时之外，是全场唯一实现不间断连续作业的机器人产品。这次亮相也是我们测试海外客户对公司产品接受度的重要一步。
从现场反馈来看，整体反响非常积极。展会期间，我们陆续收到了来自国内和海外客户的订单，基本上处于“爆单”状态，每天都有大量客户前来询价、探讨技术方案。我们也在同步筛选一些更契合机器人落地的优质应用场景，确保资源的高效配置。
```
