神秘的“华为系”具身团队，回应11个关键问题

文｜王欣

编辑｜苏建勋

在2025年火热的具身智能创业潮中，“它石智航”有着绝对吸睛的实力。

这是一个由国内智驾黄埔军校核心高管组成的“梦之队”。它石智航首席执行官陈亦伦曾在华为车BU担任自动驾驶系统CTO；首席科学家丁文超曾是华为“天才少年”。董事长李震宇则担任过百度智能驾驶事业群原总裁，打造过全球最大的Robotaxi出行平台“萝卜快跑”。

在自动驾驶行业，陈亦伦、李震宇均是带过千人团队、打过胜仗的“名将”，两人的合作创业，也让它石智航迅速成为资本的宠儿。在今年3月，它石智航以1.2 亿美元的融资额，创下中国具身智能行业天使轮最大融资额纪录。

资本看重它石智航的技术积累和人才储备。线性资本创始人兼 CEO 王淮曾这样评价它石智航：“他们能将之前在华为做自动驾驶的很多软硬件打磨的经验，结合大模型的思考和推理能力，落实在具身机器人身上。”

可在天使轮融资破纪录，创始团队如此豪华的状况下，不同于其他具身智能公司高频地披露出货量与技术突破，2025年一年，它石智航鲜少公布进展。

12月19日，它石智航办了一场线上发布会，持续时间只有短短40分钟，展示的成果，是“全球首个完成刺绣的机器人”。

为什么要选这个场景？“这是我们目前技术能力的外溢。”它石智航CEO陈亦伦告诉《智能涌现》，他口中的技术能力，指代长程（包括多个环节任务）、精细复杂（类似刺绣）的动作问题，并且操作对象是柔性的、不易建模的物体。

目前具身行业常用抓取、叠衣服、倒咖啡展示技术能力。据它石智航官方透露，此前并没有企业公开展示过机器人刺绣这一能力。这是因为对于机器人来说，处理柔性物体的难度要远远大于刚性物品。

通用的VLA很难处理这一难题。VLA本质是视觉引导的任务，因此在力或触觉等感受维度天然存在瓶颈。所以我们可以看到行业在视觉上的探索已经逐渐收敛，但关于如何去处理力或触觉，行业并没有达成共识，也并没有一套统一的数据采集方法。

而世界模型则可以解决这一难题。这也是它石智航的重要业务板块之一，它石构建了其具身基础模型——TARS AWE (AI World Engine)2.0。把现实采集到的数据,用一段式全身端到端学习,迁移到机器人本体。

处理柔性物体的难点在于——不仅要知道自己怎么动，还要知道动了之后环境世界会怎么演化，需要对变化做变化。而世界模型恰好能破解这一核心矛盾，它能够预测两个关键因素中：第一是看到这个场景后采取什么样的行动，第二是建立一个模型，模拟行动后世界会如何变化。

世界模型的核心挑战，在于数据和空间感知力。

如何应对这一挑战？它石智航CEO陈亦伦和首席科学家丁文超，回想起了在智驾时期沉淀的技术思考。他们发现具身行业的许多问题，都能从智驾的发展历程中找到答案。

此前在蓝驰创投的2025人民币基金合伙人年会上，陈亦伦就曾谈到2022年离开华为自动驾驶团队时，他交付的最后一个产品特性是端到端系统。当时在非常复杂的人车混杂城中村场景部署后，工程师们都被它灵活智能的穿行效果惊呆了。一个黑盒的神经网络，仅靠端到端就能实现惊人效果，那一刻他意识到：算法替代复杂工程栈的时代已到来。

在这个过程中，他逐渐发现智驾和具身的overlap：“自动驾驶和机器人技术同宗同源，自动驾驶技术栈早期全来自机器人团队。当端到端在自驾中展现巨大威力，我深信机器人技术本身也必然存在一套对等的全AI化算法全栈。”

“具身的现阶段相当于智驾的 2019 年。” 陈亦伦对《智能涌现》谈到：“当问题单像雪花般飘来时，我们开始认真思索怎么将智驾真正做到规模化，使得解决问题的能力比发现问题的能力更高。”

与目前的具身行业相同，那时面临的瓶颈同样是缺乏数据。陈亦伦观察到，要突破智驾的数据关，需要10万小时精选高质量数据片段。具身智能因任务复杂度高，数据会高一个数量级，则需要至少100万小时真实场景数据。

这确立了它石智航的技术主线： 自研具身数据采集系统SenseHub（包括手套和全景相机），来采集真实人类场景下动作、语言、触觉等环境语义数据集。基于这些真实数据，进一步构建具身基础模型TARS AWE 2.0。

在陈亦伦和丁文超看来，这是探索具身智能 Scaling Law可行性的最短路径，即通过输入足够的数据来让机器人涌现出诸如刺绣等能力。

他们也看到这一能力的前景：“只有把柔性物体操作做得很好，才能真正实现柔性产线级生产力，真正实现工厂各个角落的自动化。”

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，内容经整理编辑：

1、Q：发布会展示的刺绣机器人，是为了展现机器人能力的 demo，还是说以后会量产这个设备？

陈亦伦：量产会有专门产业场景，这次刺绣展示属于机器人能力的外溢。

2、Q：这个能力的外溢，指的具体是什么？

陈亦伦：这一代具身该解决长程精细复杂的动作问题，而且操作对象是柔性的、不易建模的物体。抓取固态、大件物体上一代机器人已经做得很好。

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：我们筛选落地场景的三个核心原则：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，目前已经进入商业化阶段。

4、Q：和其他具身公司相比，你们在行业里很低调，外界也很关心你们的进展，可否介绍一下2025年取得的一些主要关键进展。

陈亦伦：我们在做三件事情——超级算法，超级本体，超级智能。

超级算法：我们认为它是一套比智驾系统更复杂的大型 AI 系统，需要攻克数据关、算法关以及环境交互层面的 Scaling law。

超级本体：我们坚持自研硬件，目标是拥有“能为 AI 随心所欲设计硬件”的能力，确保硬件成为算法在物理世界中的最佳载体，而非简单的基础组装。

超级应用：我们追求的是真正实现产业化，让技术作为生产工具或服务，传递真实的商业价值，而不是只做一个 demo。

5、Q：数据关方面，有没有一个量级的门槛？

陈亦伦：自动驾驶要做到商用级，需10万小时精选高质量数据片段，具身智能因任务复杂度高，我们判断其所需的数据量级至少是智驾的 10 倍以上，即 100 万小时起步 。

大家可以想象一下，该如何获取这100万个小时？而且它需要在真实场景中采集。

大语言模型的数据来自人类在互联网上的真实文本数据，自动驾驶数据来源于人类真实驾驶数据，因此我们认为具身数据也应该来自于人类的感官、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。我们认为具身数据应来源于人类真实的感官和行为数据，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设备比市面上现有的方案更复杂，能高保真还原手部的位置和触觉权重信息。哪怕你手套放到被子里头，我也能知道它在哪。

我们以前做自动驾驶激光雷达时，测量精度会达到厘米级。但对机器人操作而言，厘米级远远不够——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？不同创业者对此看法差异大，你们怎么看？

陈亦伦：自动驾驶是一个十年的赛道，不同背景的团队在进入自动驾驶赛道的时间段是不一样的，因此看到的东西也很不一样。

在我看来，目前AI领域所遇到的问题挑战，和我在最开始做自动驾驶的时候几乎是一模一样，都可以找到对应。

我们把具身智能归为3+3+3三个阶段。第一个三年可能以 demo展示为主。我们切入时间是第二个三年，就是把 fancy 的技术，真正落地到产品化的过程。我们这个团队最大的魔力，是我们完整的经历过自动驾驶的工程化过程。

我们以前接受过用户雪花般的问题。如何去解决用户这么多问题，数据怎么配比？怎么训练？然后数据到模型间衔接，整个的数据闭环怎么去搭建？其实我们整个团队都经历过这些问题的磨练。

所以我们有信心把具身一整套的数据到模型的整个工程化链路做好。

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 是智驾全栈转向 AI 的关键点，头部公司开始思考规模化商用。当时的瓶颈在于没有足够的数据，以及如何将数据与算法能力匹配。22年的时候，自驾技术开始向行业扩散，公众视野里自驾繁荣始于22年。今天的具身智能处境与当时的自驾非常相似：问题像“雪花”般涌来，迫使行业必须以 AI 的方式（如端到端）提高解题效率。

9、Q：在具身智能领域，遇到的瓶颈，也是数据采集的成本以及规模化的问题吗？

陈亦伦：第一，如何在有限的这种方式下获得大量的满意数据。第二，如何在过程中获得源源不断的真实数据。

10、Q: 所以我们在AI算法上遇到的瓶颈是因为数据不够好，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。没有足够的数据量，是无法压缩出智能的。

11、Q：如何定义它石智航？它是一个 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。我们将这三件事情（硬件/软件/AI）一起做，所有硬件都为AI服务，目标是打造完整的产品价值，构建一个完整、可持续演进的系统。

封面来源｜AI生成