它石智航具身智能新突破：机器人刺绣展现世界模型潜力

文｜王欣

编辑｜苏建勋

2025年，具身智能领域创业热潮涌动，它石智航凭借其强大背景成为备受瞩目的焦点。

它石智航的核心团队堪称“梦之队”，成员来自中国智能驾驶领域的顶尖机构。CEO陈亦伦曾出任华为车BU自动驾驶系统CTO，首席科学家丁文超是前华为“天才少年”，董事长李震宇则曾任百度智能驾驶事业群总裁，并主导打造了全球最大Robotaxi平台“萝卜快跑”。

陈亦伦与李震宇均是在自动驾驶领域带领过千军万马、战功赫赫的领军人物，两人的强强联合使得它石智航迅速赢得资本青睐。2025年3月，公司完成1.2亿美元天使轮融资，刷新了中国具身智能领域天使轮融资纪录。

投资方高度认可它石智航的技术底蕴与人才梯队。线性资本创始人兼CEO王淮评价道：“它石智航团队能够将华为时期积累的自动驾驶软硬件打磨经验，与大模型的思考推理能力相结合，有效迁移至具身机器人领域。”

尽管拥有破纪录的融资和豪华创始阵容，它石智航在2025年却一反常态地保持低调，并未像其他同行那样频繁公布出货量或技术突破。

图源：它石智航

直到12月19日，它石智航举办了一场仅40分钟的线上发布会，亮出了“全球首个完成刺绣的机器人”这一惊人成果。

为何选择刺绣？陈亦伦向《智能涌现》解释：“这体现了我们当前技术能力的外溢。”他所说的技术能力，是指应对长程（多环节）、高精度（如刺绣）动作，且操作对象为柔性、难以建模的物体。

当前具身智能行业普遍通过抓取、叠衣、倒咖啡等场景展示技术，但据它石智航透露，此前尚无企业公开展示过机器人刺绣。原因在于，机器人处理柔性物体的难度远超刚性物品。

通用的视觉-语言-动作（VLA）模型难以攻克这一挑战。VLA本质依赖视觉引导，在力觉、触觉等感知维度存在先天短板。因此，尽管行业在视觉领域的探索趋于一致，但对于如何处理力觉和触觉，尚未形成共识，也缺乏统一的数据采集方案。

世界模型的出现为这一难题提供了解决方案。它石智航将世界模型作为核心业务方向，并推出了具身基础模型TARS AWE 2.0（AI World Engine）。该模型通过一段式全身端到端学习，将现实采集的数据直接迁移至机器人本体。

处理柔性物体的核心难点在于：机器人不仅要规划自身动作，还需预判动作后环境的演化，并据此调整行为。世界模型恰好能化解这一矛盾，它具备两大预测能力：一是根据场景决定行动策略，二是构建模型模拟行动后的世界变化。

然而，世界模型的关键瓶颈在于数据获取与空间感知能力。

面对这一挑战，陈亦伦与丁文超回溯了他们在智能驾驶领域的技术积累，发现具身智能的诸多问题都能从智驾演进中找到启示。

陈亦伦在蓝驰创投2025年会上分享过一段经历：2022年离开华为时，他负责的最后一个项目是端到端自动驾驶系统。在复杂的人车混行城中村场景中，该系统展现出令人惊叹的灵活穿行能力，工程师们目睹了一个黑盒神经网络仅凭端到端学习就实现卓越效果。这让他深刻意识到，算法正在取代复杂的工程栈。

由此，他看到了智驾与具身的重叠：“自动驾驶与机器人技术本就同根同源，早期自动驾驶技术栈几乎全部源自机器人领域。既然端到端在自动驾驶中大放异彩，我相信机器人技术也必然存在一套对应的全AI化算法体系。”

陈亦伦向《智能涌现》表示：“当前具身智能的发展阶段相当于智能驾驶的2019年。那时问题单如雪花般纷至沓来，我们开始思考如何真正实现规模化，让解决问题的能力超越发现问题的速度。”

与现今具身智能相似，当时的瓶颈同样是数据匮乏。陈亦伦指出，智驾规模化需要10万小时精选高质量数据，而具身智能由于任务复杂度更高，数据需求将提升一个量级，至少需要100万小时的真实场景数据。

基于此，它石智航确立了技术主线：自主研发具身数据采集系统SenseHub（包含手套与全景相机），用于采集真实人类场景中的动作、语言、触觉等环境语义数据，并以此为基础构建具身基础模型TARS AWE 2.0。

图源：它石智航

在陈亦伦和丁文超看来，这是探索具身智能Scaling Law的最短路径——通过海量数据输入，让机器人涌现出类似刺绣这样的高阶能力。

他们坚信这一能力的价值：“只有精通柔性物体操作，才能实现柔性产线级生产力，推动工厂全面自动化。”

以下是《智能涌现》与它石智航CEO陈亦伦、首席科学家丁文超的对话实录，经过编辑整理：

1、Q：发布会上展示的刺绣机器人，是用于技术演示的demo，还是未来会量产的产品？

陈亦伦：量产将针对特定产业场景，此次刺绣展示只是机器人能力的外溢体现。

2、Q：这种能力的外溢具体指什么？

陈亦伦：当前的具身智能应当解决长程、精细复杂的动作问题，且操作对象多为柔性、难以建模的物体。上一代机器人已能很好完成抓取固态大件物品的任务。

3、Q：你们会选择哪些具体的工厂或工作环节作为落地场景？

陈亦伦：我们筛选落地场景遵循三个核心原则：真需求——必须来自市场的明确痛点；细颗粒度——解决方案能覆盖足够大的群体；高难度——真需求和大市场往往意味着极高的技术门槛，这正是我们的核心竞争力。以柔性组装为例，这是一个非常明确的落地场景，目前已进入商业化阶段。

4、Q：与其他具身公司相比，你们显得很低调，外界很关心进展，能否介绍一下2025年取得的关键突破？

陈亦伦：我们主要在做三件事——超级算法、超级本体、超级应用。超级算法是一套比智驾系统更复杂的大型AI系统，需攻克数据、算法及环境交互的Scaling law。超级本体是坚持自研硬件，目标是拥有“为AI随心所欲设计硬件”的能力，确保硬件成为算法的最佳物理载体。超级应用则是追求真正产业化，让技术传递真实商业价值，而非仅做demo。

5、Q：数据方面是否存在量级门槛？

陈亦伦：自动驾驶达到商用级需要10万小时精选高质量数据，而具身智能因任务复杂度高，数据需求至少是智驾的10倍，即100万小时起步。大家可以想象如何获取这100万小时真实场景数据。大语言模型的数据来自互联网真实文本，自动驾驶数据来自真实驾驶，因此我们认为具身数据也应源自人类的感官与行为数据。

6、Q：展示视频的数据采集设备是手套吗？

陈亦伦：是的。我们首创了Human Centric（以人为中心）的数据采集新范式，核心是“手”和“眼”，做到“看人之所看，感人之所感”。这套自研的手套和全景相机比现有方案更复杂，能高保真还原手部位置和触觉权重信息，即使手套放在被子里也能精准定位。我们以前做自动驾驶激光雷达时精度为厘米级，但对机器人操作而言，必须达到毫米级甚至更高。

7、Q：自动驾驶与具身智能领域是否有共通之处？不同创业者看法差异大，你们怎么看？

陈亦伦：自动驾驶是一个十年的赛道，不同背景团队进入的时间段不同，看到的景象也不同。在我看来，当前AI领域遇到的问题与挑战，和我刚开始做自动驾驶时几乎一模一样，都能找到对应。我们将具身智能分为3+3+3三个阶段：第一个三年以demo展示为主；我们切入的是第二个三年，即把前沿技术真正落地到产品化。我们团队最大的优势是完整经历过自动驾驶的工程化过程，面对过用户雪花般的问题，知道如何解决数据配比、训练、数据闭环搭建等问题，有信心将具身智能的数据到模型的工程化链路做好。

8、Q：你们认为现在相当于智能驾驶的哪一年？

陈亦伦：2019年。2019年是智驾全栈转向AI的关键节点，头部公司开始思考规模化商用，当时的瓶颈在于数据不足以及数据与算法能力的匹配。22年自驾技术开始向行业扩散，公众视野中的自驾繁荣始于22年。今天的具身智能处境与当时非常相似：问题如“雪花”般涌来，迫使行业必须以AI方式（如端到端）提高解题效率。

9、Q：在具身智能领域，遇到的瓶颈也是数据采集成本与规模化问题吗？

陈亦伦：第一，如何在有限条件下获取大量高质量数据；第二，如何在过程中持续获得源源不断的真实数据。

10、Q: 所以AI算法上的瓶颈源于数据不够好、不够多？

陈亦伦: AI的本质就是一段X映射到Y的函数，智能的涌现需要足够的真实数据量来压缩。没有足够的数据，就无法压缩出智能。

11、Q：如何定义它石智航？它是AI公司、机器人公司、大脑公司还是本体公司？

陈亦伦：我们认为下一代的超级单品可能是机器人。我们将硬件、软件、AI三者合一，所有硬件都为AI服务，目标是打造完整的产品价值，构建一个可持续演进的系统。

封面来源｜AI生成