神秘的“華為系”具身團(tuán)隊(duì)，回應(yīng)11個關(guān)鍵問題

文｜王欣

編輯｜蘇建勛

在2025年火熱的具身智能創(chuàng)業(yè)潮中，“它石智航”有著絕對吸睛的實(shí)力。

這是一個由國內(nèi)智駕黃埔軍校核心高管組成的“夢之隊(duì)”。它石智航首席執(zhí)行官陳亦倫曾在華為車BU擔(dān)任自動駕駛系統(tǒng)CTO；首席科學(xué)家丁文超曾是華為“天才少年”。董事長李震宇則擔(dān)任過百度智能駕駛事業(yè)群原總裁，打造過全球最大的Robotaxi出行平臺“蘿卜快跑”。

在自動駕駛行業(yè)，陳亦倫、李震宇均是帶過千人團(tuán)隊(duì)、打過勝仗的“名將”，兩人的合作創(chuàng)業(yè)，也讓它石智航迅速成為資本的寵兒。在今年3月，它石智航以1.2 億美元的融資額，創(chuàng)下中國具身智能行業(yè)天使輪最大融資額紀(jì)錄。

資本看重它石智航的技術(shù)積累和人才儲備。線性資本創(chuàng)始人兼 CEO 王淮曾這樣評價它石智航：“他們能將之前在華為做自動駕駛的很多軟硬件打磨的經(jīng)驗(yàn)，結(jié)合大模型的思考和推理能力，落實(shí)在具身機(jī)器人身上?！?/p>

可在天使輪融資破紀(jì)錄，創(chuàng)始團(tuán)隊(duì)如此豪華的狀況下，不同于其他具身智能公司高頻地披露出貨量與技術(shù)突破，2025年一年，它石智航鮮少公布進(jìn)展。

12月19日，它石智航辦了一場線上發(fā)布會，持續(xù)時間只有短短40分鐘，展示的成果，是“全球首個完成刺繡的機(jī)器人”。

為什么要選這個場景？“這是我們目前技術(shù)能力的外溢?！彼呛紺EO陳亦倫告訴《智能涌現(xiàn)》，他口中的技術(shù)能力，指代長程（包括多個環(huán)節(jié)任務(wù)）、精細(xì)復(fù)雜（類似刺繡）的動作問題，并且操作對象是柔性的、不易建模的物體。

目前具身行業(yè)常用抓取、疊衣服、倒咖啡展示技術(shù)能力。據(jù)它石智航官方透露，此前并沒有企業(yè)公開展示過機(jī)器人刺繡這一能力。這是因?yàn)閷τ跈C(jī)器人來說，處理柔性物體的難度要遠(yuǎn)遠(yuǎn)大于剛性物品。

通用的VLA很難處理這一難題。VLA本質(zhì)是視覺引導(dǎo)的任務(wù)，因此在力或觸覺等感受維度天然存在瓶頸。所以我們可以看到行業(yè)在視覺上的探索已經(jīng)逐漸收斂，但關(guān)于如何去處理力或觸覺，行業(yè)并沒有達(dá)成共識，也并沒有一套統(tǒng)一的數(shù)據(jù)采集方法。

而世界模型則可以解決這一難題。這也是它石智航的重要業(yè)務(wù)板塊之一，它石構(gòu)建了其具身基礎(chǔ)模型——TARS AWE (AI World Engine)2.0。把現(xiàn)實(shí)采集到的數(shù)據(jù),用一段式全身端到端學(xué)習(xí),遷移到機(jī)器人本體。

處理柔性物體的難點(diǎn)在于——不僅要知道自己怎么動，還要知道動了之后環(huán)境世界會怎么演化，需要對變化做變化。而世界模型恰好能破解這一核心矛盾，它能夠預(yù)測兩個關(guān)鍵因素中：第一是看到這個場景后采取什么樣的行動，第二是建立一個模型，模擬行動后世界會如何變化。

世界模型的核心挑戰(zhàn)，在于數(shù)據(jù)和空間感知力。

如何應(yīng)對這一挑戰(zhàn)？它石智航CEO陳亦倫和首席科學(xué)家丁文超，回想起了在智駕時期沉淀的技術(shù)思考。他們發(fā)現(xiàn)具身行業(yè)的許多問題，都能從智駕的發(fā)展歷程中找到答案。

此前在藍(lán)馳創(chuàng)投的2025人民幣基金合伙人年會上，陳亦倫就曾談到2022年離開華為自動駕駛團(tuán)隊(duì)時，他交付的最后一個產(chǎn)品特性是端到端系統(tǒng)。當(dāng)時在非常復(fù)雜的人車混雜城中村場景部署后，工程師們都被它靈活智能的穿行效果驚呆了。一個黑盒的神經(jīng)網(wǎng)絡(luò)，僅靠端到端就能實(shí)現(xiàn)驚人效果，那一刻他意識到：算法替代復(fù)雜工程棧的時代已到來。

在這個過程中，他逐漸發(fā)現(xiàn)智駕和具身的overlap：“自動駕駛和機(jī)器人技術(shù)同宗同源，自動駕駛技術(shù)棧早期全來自機(jī)器人團(tuán)隊(duì)。當(dāng)端到端在自駕中展現(xiàn)巨大威力，我深信機(jī)器人技術(shù)本身也必然存在一套對等的全AI化算法全棧?！?/p>

“具身的現(xiàn)階段相當(dāng)于智駕的 2019 年?！?陳亦倫對《智能涌現(xiàn)》談到：“當(dāng)問題單像雪花般飄來時，我們開始認(rèn)真思索怎么將智駕真正做到規(guī)?；?，使得解決問題的能力比發(fā)現(xiàn)問題的能力更高?！?/p>

與目前的具身行業(yè)相同，那時面臨的瓶頸同樣是缺乏數(shù)據(jù)。陳亦倫觀察到，要突破智駕的數(shù)據(jù)關(guān)，需要10萬小時精選高質(zhì)量數(shù)據(jù)片段。具身智能因任務(wù)復(fù)雜度高，數(shù)據(jù)會高一個數(shù)量級，則需要至少100萬小時真實(shí)場景數(shù)據(jù)。

這確立了它石智航的技術(shù)主線： 自研具身數(shù)據(jù)采集系統(tǒng)SenseHub（包括手套和全景相機(jī)），來采集真實(shí)人類場景下動作、語言、觸覺等環(huán)境語義數(shù)據(jù)集?；谶@些真實(shí)數(shù)據(jù)，進(jìn)一步構(gòu)建具身基礎(chǔ)模型TARS AWE 2.0。

在陳亦倫和丁文超看來，這是探索具身智能 Scaling Law可行性的最短路徑，即通過輸入足夠的數(shù)據(jù)來讓機(jī)器人涌現(xiàn)出諸如刺繡等能力。

他們也看到這一能力的前景：“只有把柔性物體操作做得很好，才能真正實(shí)現(xiàn)柔性產(chǎn)線級生產(chǎn)力，真正實(shí)現(xiàn)工廠各個角落的自動化?！?/p>

以下是《智能涌現(xiàn)》與它石智航CEO陳亦倫、首席科學(xué)家丁文超的對話，內(nèi)容經(jīng)整理編輯：

1、Q：發(fā)布會展示的刺繡機(jī)器人，是為了展現(xiàn)機(jī)器人能力的 demo，還是說以后會量產(chǎn)這個設(shè)備？

陳亦倫：量產(chǎn)會有專門產(chǎn)業(yè)場景，這次刺繡展示屬于機(jī)器人能力的外溢。

2、Q：這個能力的外溢，指的具體是什么？

陳亦倫：這一代具身該解決長程精細(xì)復(fù)雜的動作問題，而且操作對象是柔性的、不易建模的物體。抓取固態(tài)、大件物體上一代機(jī)器人已經(jīng)做得很好。

3、Q：你們會選擇哪些具體的工廠或工作環(huán)節(jié)作為落地場景？

陳亦倫：我們篩選落地場景的三個核心原則：真需求，必須來自市場的明確痛點(diǎn)；細(xì)顆粒度，解決方案能覆蓋足夠大的群體；高難度，真需求和大市場往往意味著極高的技術(shù)門檻，這是我們的核心競爭力。 以柔性組裝為例，這是一個非常明確的落地場景，目前已經(jīng)進(jìn)入商業(yè)化階段。

4、Q：和其他具身公司相比，你們在行業(yè)里很低調(diào)，外界也很關(guān)心你們的進(jìn)展，可否介紹一下2025年取得的一些主要關(guān)鍵進(jìn)展。

陳亦倫：我們在做三件事情——超級算法，超級本體，超級智能。

超級算法：我們認(rèn)為它是一套比智駕系統(tǒng)更復(fù)雜的大型 AI 系統(tǒng)，需要攻克數(shù)據(jù)關(guān)、算法關(guān)以及環(huán)境交互層面的 Scaling law。

超級本體：我們堅持自研硬件，目標(biāo)是擁有“能為 AI 隨心所欲設(shè)計硬件”的能力，確保硬件成為算法在物理世界中的最佳載體，而非簡單的基礎(chǔ)組裝。

超級應(yīng)用：我們追求的是真正實(shí)現(xiàn)產(chǎn)業(yè)化，讓技術(shù)作為生產(chǎn)工具或服務(wù)，傳遞真實(shí)的商業(yè)價值，而不是只做一個 demo。

5、Q：數(shù)據(jù)關(guān)方面，有沒有一個量級的門檻？

陳亦倫：自動駕駛要做到商用級，需10萬小時精選高質(zhì)量數(shù)據(jù)片段，具身智能因任務(wù)復(fù)雜度高，我們判斷其所需的數(shù)據(jù)量級至少是智駕的 10 倍以上，即 100 萬小時起步 。

大家可以想象一下，該如何獲取這100萬個小時？而且它需要在真實(shí)場景中采集。

大語言模型的數(shù)據(jù)來自人類在互聯(lián)網(wǎng)上的真實(shí)文本數(shù)據(jù)，自動駕駛數(shù)據(jù)來源于人類真實(shí)駕駛數(shù)據(jù)，因此我們認(rèn)為具身數(shù)據(jù)也應(yīng)該來自于人類的感官、行為數(shù)據(jù)。

6、Q：展示視頻的數(shù)據(jù)采集設(shè)備是手套嗎？

陳亦倫：是的。我們首創(chuàng)了 Human Centric（以人為中心）的數(shù)據(jù)采集新范式。我們認(rèn)為具身數(shù)據(jù)應(yīng)來源于人類真實(shí)的感官和行為數(shù)據(jù)，核心是“手”和“眼” ，做到“看人之所看，感人之所感”。 這套自研的手套和全景相機(jī)設(shè)備比市面上現(xiàn)有的方案更復(fù)雜，能高保真還原手部的位置和觸覺權(quán)重信息。哪怕你手套放到被子里頭，我也能知道它在哪。

我們以前做自動駕駛激光雷達(dá)時，測量精度會達(dá)到厘米級。但對機(jī)器人操作而言，厘米級遠(yuǎn)遠(yuǎn)不夠——必須達(dá)到毫米級甚至更高。

7、Q：自動駕駛與具身智能領(lǐng)域是否有共通之處？不同創(chuàng)業(yè)者對此看法差異大，你們怎么看？

陳亦倫：自動駕駛是一個十年的賽道，不同背景的團(tuán)隊(duì)在進(jìn)入自動駕駛賽道的時間段是不一樣的，因此看到的東西也很不一樣。

在我看來，目前AI領(lǐng)域所遇到的問題挑戰(zhàn)，和我在最開始做自動駕駛的時候幾乎是一模一樣，都可以找到對應(yīng)。

我們把具身智能歸為3+3+3三個階段。第一個三年可能以 demo展示為主。我們切入時間是第二個三年，就是把 fancy 的技術(shù)，真正落地到產(chǎn)品化的過程。我們這個團(tuán)隊(duì)最大的魔力，是我們完整的經(jīng)歷過自動駕駛的工程化過程。

我們以前接受過用戶雪花般的問題。如何去解決用戶這么多問題，數(shù)據(jù)怎么配比？怎么訓(xùn)練？然后數(shù)據(jù)到模型間銜接，整個的數(shù)據(jù)閉環(huán)怎么去搭建？其實(shí)我們整個團(tuán)隊(duì)都經(jīng)歷過這些問題的磨練。

所以我們有信心把具身一整套的數(shù)據(jù)到模型的整個工程化鏈路做好。

8、Q：你們認(rèn)為現(xiàn)在相當(dāng)于智能駕駛的哪一年？

陳亦倫：2019年。2019 是智駕全棧轉(zhuǎn)向 AI 的關(guān)鍵點(diǎn)，頭部公司開始思考規(guī)模化商用。當(dāng)時的瓶頸在于沒有足夠的數(shù)據(jù)，以及如何將數(shù)據(jù)與算法能力匹配。22年的時候，自駕技術(shù)開始向行業(yè)擴(kuò)散，公眾視野里自駕繁榮始于22年。今天的具身智能處境與當(dāng)時的自駕非常相似：問題像“雪花”般涌來，迫使行業(yè)必須以 AI 的方式（如端到端）提高解題效率。

9、Q：在具身智能領(lǐng)域，遇到的瓶頸，也是數(shù)據(jù)采集的成本以及規(guī)?；膯栴}嗎？

陳亦倫：第一，如何在有限的這種方式下獲得大量的滿意數(shù)據(jù)。第二，如何在過程中獲得源源不斷的真實(shí)數(shù)據(jù)。

10、Q: 所以我們在AI算法上遇到的瓶頸是因?yàn)閿?shù)據(jù)不夠好，不夠多？

陳亦倫: AI 的本質(zhì)就是一段 X 映射到 Y 的函數(shù)，智能的涌現(xiàn)需要足夠的真實(shí)數(shù)據(jù)量來壓縮。沒有足夠的數(shù)據(jù)量，是無法壓縮出智能的。

11、Q：如何定義它石智航？它是一個 AI 公司、機(jī)器人公司、大腦公司還是本體公司？

陳亦倫： 我們認(rèn)為下一代的超級單品可能是機(jī)器人。我們將這三件事情（硬件/軟件/AI）一起做，所有硬件都為AI服務(wù)，目標(biāo)是打造完整的產(chǎn)品價值，構(gòu)建一個完整、可持續(xù)演進(jìn)的系統(tǒng)。

封面來源｜AI生成