专访它石智航陈亦伦：用第一性原理解锁下一代Scaling Law

作者：吕鑫燚

出品：具身研习社

如果将具身智能类比成智能手机，它石智航做的从不是“折叠屏”这类在已有基础上的“锦上添花式创新”。而是回归技术本质，重现乔布斯以iPhone 4“滑动解锁”重构人机交互的范式级革新。

再直白点来说，它石智航给市场的答卷中没有挤牙膏的东西。

2025年12月19日，它石在首次对外发布的技术直播中，以全球首台刺绣机器人为“窗口”，具象化展现其机器人在柔性、复杂、精细化等苛刻因素下执行任务的稳定性。其困难程度很直观地便让人察觉到，它石不是单纯的“炫技”，而是“抛针引Scaling Law”。

和刺绣机器人同台出现的，还有它石在数据-算法-本体硬件的全链路技术范式重构。数据侧，全球首创“Human-centric”（以人为中心）的数据采集新范式，打破了数据采集成本高、规模化难、泛化难的困局；具身模型AWE2.0让机器人每个动作都能精准实现，且不再是孤立的技巧，成为通向物理世界的入口；本体硬件侧，为AI而生的硬件设计，破解了硬件上限制约软件算法的迷思。

这种技术重构，并不是在已有基础上追逐表层技术答案，例如简单的扩充模型量级或丰富场景数据；而是回归问题本质，从底层开始思考具身智能的发展范式。跳出“堆模型”“拼硬件”的传统思维，找到堪比Transformer之于大语言模型的底层范式，最终实现它石智航创始人兼CEO陈亦伦博士所说的“打造真正可靠、高效、可大规模部署的「有用」机器人。”

透过它石的技术布局和陈亦伦对产业的研判，可发觉其和产业内思考明显分野的结论：Scaling Law不应该是具身智能的最终追求，而是其持续迭代发展的必要条件。

毕竟，只有先实现Scaling Law，才能让机器人真正从DEMO中走出，落地在真实世界中。

当我们不再争论技术路线的正确与否，而是以“第一性原理”从结果倒推技术如何发展的时候，我们才真正打开了具身智能时代的大门。

它石是具身智能赛道鲜少“想得清楚、看得长远、目标坚定”的公司。

这得益于它石团队背后的履历，作为中国自动驾驶领军人之一，在端到端还未成为自动驾驶主流方案时，陈亦伦已经亲手解锁了端到端的可行性。过往十多年的产业经验，让陈亦伦拥有攻克前沿技术难题、再到工程化真实落地的方法论，叠加团队在学术、产业界沉淀的经验，让它石成为了一家“谋定而后动”，一步步稳扎稳打的公司。

陈亦伦对具身研习社分享，“十多年前我就知道理想状态下的机器人应该是什么样，过往所有经验让我有了将理想变成现实的底气”。

再细化一点，“想得清楚”落到实际行动上来看，便是它石自诞生之日起就锚定了“有用”这一目标。陈亦伦用经典的三板斧来诠释“有用”的含义：作业效率、作业精度、作业成功率均满足场景实际需求。这是机器人的基本逻辑，也是它石的顶层设计。

为了让机器人真的“有用”，它石选择了最高效的路径：先找到正确结论，再找到最优、最短实现路径。

以数据为例，2025年整个具身智能行业的“数据饥渴”早已跃然纸上，真实和仿真路线之争依旧没有答案。真实数据困在难以规模化的窘境里；仿真徘徊在sim2real的GAP里。但它石并没有急于在真实和仿真间要一个答案，而是先去思考具身智能对数据的核心诉求是什么。

在陈亦伦看来，机器人真正可用的数据需要同时满足任务场景真实、任务真实有效完成、任务采集信息全量记录三个条件。这不是在真实和仿真数据中“二选一”就能实现的事情。

基于此，它石参考了自动驾驶和大语言模型在数据侧的破局方法。自动驾驶的数据来源依赖海量人类真实的驾驶行为；大语言模型取之不尽的互联网数据也依赖人类的贡献。那具身智能的数据也应该是从人类生活的万千环境里，真实交互行为中沉淀的数据资产。

于是，它石推出了“以人为中心”的数据采集新范式，让真实从业者穿着几乎无感的轻量数采设备在真实环境中采集数据资产，当每一个数据来源都是真实动作时，便能收集到海量、精准、多模态的数据，全方位满足具身智能对数据真实、有效、完整的诉求。

数据采集创新的背后，还暗藏着一条与“有用”顶层设计深度绑定的暗线。

为了确保数据质量更高且更精细化，它石智航并未采用二指夹具、外骨骼等简化采集设备，而是自主研发高精度视触觉一体化手部采集系统，在数据采集阶段便实现全量手部运动姿态的精细化捕捉，精准复现人手的每一个细微动作，同时采集真实的触觉反馈，为后续机器人作业精度奠定基础。

通过采集硬件、采集方式等多维度的创新，它石为机器人获取可用数据找到了新路径，让机器人在现实世界落地、真正成为能“上岗”的生产力成为可能。

这种“本质先行”的第一性原理思维，同样体现在工作流中。

面对“硬件难被算法驱动”的行业痛点，部分整机厂试图通过 “硬件成型和再与算法团队融合” 弥补短板，但容易造成工作流重复低效问题。它石智航则通过前置化的系统规划，让硬件在最开始设计时就带着算法思维，提高研发效率，提升硬件效用。

在“想透本质再落地” 的实践逻辑下，它石打破了数据采集的路径依赖、重构了硬件设计的系统思维，这份不盲从的战略定力与技术深耕，更向具身智能产业传递了一种全新的发展范式，唯有以清醒的认知锚定方向，以扎实的实践破解痛点，方能真正推动行业从概念走向价值。

这也是它石知行合一下，构建的难以复制的核心壁垒。

清楚了它石在思考问题的底层逻辑以及方法论后，再理解其技术侧的创新就更为直接了。

在第一性原理设计下，“以人为中心”（Human-centric）的数据采集新范式，可以高频记录到最高质量、最丰富的具身智能数据，同时还能最大程度降低数据采集成本，提高效率，真正使得Scaling Law成为可能。

据了解，基于Human-centric的采集范式，它石智航构建了全球首个大规模真实世界具身 VLTA多模态数据集 World In Your Hands（简称 “WIYH 数据集”）。目前，该数据集已正式开源，是业内最大的Human-centric数据集，具备了真实可靠、丰富多元、全面多模态、规模化等特征。

据陈亦伦透露，对具身智能来说，百万小时的数据量是起步，后续目标是千万小时量级。

但采集只是数据的第一步，收获大量高质数据后如何作用到机器人上，才是具身智能的“软肋”。这背后要求的是机器人不是“照猫画虎式”模仿人类运动轨迹，而是真正理解动作和环境之间的物理关系，为什么这样做、在什么条件下这样做，“知其然更要知其所以然”，迁移才可能真正成立。

为了让数据到应用的迁移不再有“软肋”，它石智航构建了TARS Datacore具身数据引擎，通过数据标签的全流程自动化标注，让模型知道物理世界运行的内在机理，拥有通用能力。

数据采集和数据引擎的突破创新，给模型Scaling Law奠定了基础。它石推出的AI World Engine （AWE2.0）模型，输入全身传感器和动作信息，输出的是全身的运动轨迹，以一段式端到端的方式，直接学习「全身」完整自由度的动作策略。

借助Human-centric数据的共性表达，和流式长期记忆，模型学到的是动作背后的空间、力与决策逻辑，而非单一动作模仿，能实现核心能力跨场景快速泛化，比如刺绣到线束的迁移，本质上都是对柔性物体的精细、长程操作。这种设计不仅让机器人全身自由度充分释放，灵活度逼近人类，更从底层逻辑降低跨本体迁移鸿沟。

目前，基于WIYH海量数据迭代的 AWE 2.0，已在多场景实现任务成功率跨越式提升。

模型拥有了强大的落地能力后，需要与之相配的是一个更灵活、更适合AI的硬件。在本体硬件侧，区别于传统硬件厂商更执着于“单一极致性能”的设计思路，它石的硬件逻辑是“designed for AI”。

以一个小例子来看，陈亦伦对具身研习社表示，很多厂商会忽略“扭矩脉动”，但这却是机器人执行精密任务的重要维度。基于此，它石的电机结构设计，实现了行业最小的扭矩脉动，<0.1%的额定扭矩为高频、连续控制提供稳定基础。

由此可见，它石摒弃了硬件粗放的发展逻辑，而是在AI驱动下寻找硬件的黄金平衡点。

最能体现“designed for AI”重要性的是末端执行器，目前市面上主流做末端执行器的公司分为两类：纯上游灵巧手厂商、整机厂自研。前者拥有制造能力，但很难及时反馈硬件和模型算法的适配度；后者虽然可以及时调配，但往往没有硬件的组织能力，止步于工程化的门口。

而它石基于过往经验和第一性原理的牵引下，找到了破局方法。既破解了硬件工程化问题，也让灵巧手等部件更好地适配算法，推出了TARS-Dex灵巧手、 TARS-Dex视触觉夹爪。其中灵巧手采用准直驱驱动方案，内部深度集成视觉、触觉等全量传感器，让算法能精准复现，真正用脑思考、用手干活。

自此，它石的“超级数据、超级算法、超级本体”已经形成了良性发展闭环，硬件创新让数据收集更简单高效，数据适配让算法有了跨本体的能力，算法配合下更灵活的本体能让技术创新真正落地。

闭环至此形成，下一代Scaling Law已经到来。

技术创新实现后，它石智航走到了具身智能的新关卡：落地场景。

而这也是它石给产业最惊喜的东西。不同于大部分企业对落地场景泛泛而谈，用一个笼统性的词汇代替。而是找到了最棘手也等待新生产力许久的工业场景--汽车线束。

作为汽车“神经网络”，线束堪称劳动密集与技术壁垒的双重叠加：单条线束包含数十至上百根导线，需历经裁线、理线、扎带、组装等数十道精密工序。更核心的挑战在于，线束材质柔性易变形、不同车型的线束组装逻辑差异显著，传统自动化设备或协作机械臂难以应对动态调整需求。

同时，工序中涉及高压电操作等安全风险，人工操作暗藏安全隐患。这一系列特性，让汽车线束长期被业界视为工业自动化界的“哥德巴赫猜想”。在陈亦伦看来，这些价值高、市场广、难度大的问题才是新一代技术需要解决的事情，也是它石智航真正要落地的场景。

透过它石智航已在刺绣领域验证的柔性精细操控能力可见，刺绣工艺对丝线的柔性控制、精准走位，与线束装配中对柔性导线的精密弯折、对接、固定要求同频，这份经过真实场景打磨的技术积淀，被它石智航成功迁移至线束制造场景，完成了从 “生活里的针线活” 到 “工业下的精密操作” 能力跃迁。

如今，它石成为全球首个在机器人领域突破线束制造难题的企业，实现了线束装配的自主化操作。

汽车线束只是它石落地的一隅，陈亦伦进一步对具身研习社阐述了落地场景规划：其一场景痛点足够真实；其二空间规模足够大；其三落地门槛足够高。

从更长远的视角来看，它石更广阔的舞台在C端，让机器人真正大规模融入千行百业，让新一代技术革新多元化场景的生产关系。

技术侧寻找根本的底层创新，落地侧满足最难的场景诉求，它石用实际行动诠释了一家“踏实”的具身智能企业应该是什么样子。这或许也是它石打破天使轮融资纪录的核心原因，敢破的勇气和稳扎稳打的脚步，是最稀缺的投资标的。毕竟，在这个变幻莫测的赛道中，给投资人的BP从来没变过，它石智航或许也是极少数派了。

无论是技术范式的创新还是落地路径，它石智航的实践，最终给产业留下了一个清晰的启示：具身智能的终极价值，从来不是实验室里的技术参数，而是解决真实世界难题的能力。唯有敢于闯入落地 “无人区”，攻克别人不敢碰的 “世界级” 难题，才能真正推动技术从概念走向价值。也为行业树立了一种可持续的发展范式。在喧嚣的赛道中，这条 “技术深耕 + 场景精准” 的道路，才是穿越周期的核心密码。