最快百台交付，至简动力把具身智能的速度接进产线节拍

作者：沈子嫣

编辑：吕鑫燚

出品：具身研习社

人们判断一个新产业的速度时，常常先看见灯光，后来才察觉齿轮。灯光让一条赛道被看见，齿轮让一个产业真正转起来。

过去两年，具身智能一直站在灯光里。融资、Demo、发布会轮番推高热度，资本节奏、模型进展和动作视频，也一度成为外界判断快慢的主要刻度。

到了产业化门口，速度开始换一种计量单位。那些不太出现在镜头里的部分，开始决定结果：产线、供应链、部署调试、客户现场，以及一批设备能不能日复一日地稳定运转。

2026 年 7 月 6 日，至简动力在苏州举行场景落地暨百台交付仪式，宣布首款全场景机器人 i7 Pro 完成首批百台交付，并落成全球首个 CNC 智能化具身机器人产线， i7 Pro 进入国内头部谐波减速器制造企业生产产线，承担 CNC 机床上下料等真实作业任务。

这是至今还不满一年的至简动力，第二次给行业带来速度惊艳。

上一次，发生在资本市场。半年完成 5 轮融资，让至简动力迅速成为具身智能赛道里跑出来的一匹黑马。那时外界看到的，是资本对一家年轻公司的提前押注。

前一次是别人给予的信任，后一次是它自己交的答卷。

同时，百台交付也把问题推到了台前，一家成立不到一年的具身智能公司，为什么能这么快走到这一步？

至简动力 CEO 兼 CTO 贾鹏，曾用六边形战士概括穿越产业化所需要的底层配置。这句话放在融资阶段，是一家年轻公司的能力宣言；落到百台交付里，便成了一场更硬的系统验证。

一台样机可以验证动作，百台交付检验的是连续性。进了产线以后，单点能力再亮，也要服从真实生产的节拍、误差和稳定性要求。任何一环慢半拍，都会在现场被放大。

至简动力把这套能力压成一句话：全栈自研，软硬一体。

这八个字，也让至简动力的速度从灯光下，走进了齿轮深处。

具身智能进入产线，决定其上限的往往是大脑能力。

这里横着一道产业级的沟，实验室里的能力和现场可用之间，隔着部署、调试、数据和工程适配的长路。实验室可以围绕单一任务反复采集数据、调整参数，甚至用规则兜底；到了工厂，物料、工位、光照、节拍和异常状态全在变化。物体挪一个位置，光线变一次，模型都可能遇到新问题。

至简动力跨这道沟的方式，是简洁高效的技术架构，用统一模型架构解决具身智能中的复杂问题。

简单来说，就是把碎片化变成一体化，现在大多数具身智能方案是拼积木，视觉用一个模型、语言用另一个、动作规划再来一个，每个模块都要单独训练、调参、维护。

但在至简动力的判断中，无论是视觉感知、语言理解、动作生成还是世界模型建模，各类能力本质上均可从同一基座模型中。因此至简动力选择在统一的 Transformer 编码空间内开展联合训练，将语言、视觉、空间表征、机器人本体状态、世界模型、VLA 以及快慢思考机制，全部纳入同一套可扩展的模型架构与训练体系之中。

这就是至简动力自研的具身基座模型LaST₀ 。

至简动力选择用MoT（ Mixture of Transformers ）架构来诠释。不同模态先各自处理，再通过一个共享的“注意力窗口”互相配合。好处很实际。一方面能复用已有单模态的预训练能力，省训练成本；另一方面，新模态接进来更灵活。机器人以后要处理新模态，不用再从头搭一套系统。

换句话说，至简动力想让机器人有一个真正通用的大脑，而不是一个又一个专科医生。

LaST₀ 最关键的设计，是隐空间里的隐式思维链。

这不是技术侧的炫技，而是场景的呼唤。在真实任务中光听懂语言指令远远不够，更重要的是理解空间关系、接触过程和动作后果。

LaST₀ 会在隐空间中自回归地同时预测二维图像、三维点云和本体状态，把推理过程压进更紧凑的模型内部完成，做到先思考后推理。这意味着，机器人不再只依赖语言，而是通过一个类似于多维的物理模拟器，在更丰富的物理表征下推理，显著提高精度和效率。

这让模型在能力和速度上都更贴近真实场景要求。它可以更细地捕捉机器人与环境的交互关系，提升空间推理、长程任务和精细操作能力。从落地角度来看，隐空间推理也比显式思维链更适合端侧实时部署。

贾鹏曾表示，团队在仿真任务和真实场景上评估LaST₀ 的效果。结果显示，在仿真和真实场景中，均实现了SOTA，大幅超越了之前的基座模型。同时，比显式 CoT 的方法实现了约 14 倍的加速。

模型能力的强弱是基本功，同样重要的是这样的模型能否在端侧部署。模型不能只停在云端或实验室里，必须能和本体、传感器、控制系统、数据闭环协同，才可能进入客户现场。

LaST 系列承担的，就是把自研算法能力转化为现场可用能力。这是一套能持续学习、快速部署、适合端侧运行的模型系统。前不久，业内广泛讨论的T-Rex工作，汇聚了李飞飞、Jim Fan等学者，正是建立在LaST₀ 基础上的。

归根结底，模型这层最终回答的是同一个问题：具身智能凭什么能快速部署。

从实验室到产线的那道沟，至简动力选择用“简洁”来填。一个统一模型撑起了一套“产线好用”的体系。百台交付只是一个刻度。至简动力在模型侧真正想回答的问题是，决定上限的，还是那颗大脑够不够“通”、够不够“轻”、够不够“快”。

正如他们的技术理念所说：Simple is Scalable。

模型决定 i7 Pro 能不能做得好，本体和供应链决定它能不能成批交出去。

这两件事从产业视角看，其实是一体两面。本体是机器人自己的身体能力，供应链是这副身体背后的制造支撑。一台机器能不能干活，看身板够不够硬；一百台机器能不能同样稳定地干活，看工程和供应链。缺一环，交付都会掉速。

在谈论本体之前，必须要勘正一个谬误。

本体设计很容易被参数表带偏。身体越复杂，模型驱动不起来，硬件和算法各跑各的，最后反而拖累交付。自由度、负载、精度当然重要，进入产线以后，它们要落到动作、节拍和安全里，才算真正生效。

i7 Pro 走的是更贴近现场的一条路。它从产品定义第一天开始，就瞄准真实生产线、连续作业和稳定交付。至简动力把这套思路概括为“模型定义本体”。这意味着，先看现阶段模型能用什么，任务真正需要什么，再据此定义硬件。硬件服务模型，也服务现场。

落到 i7 Pro 上，这套理念体现为一串对着产线来的取舍。车规级电子电气架构，为的是长时间连续作业不掉链子；七自由度模块化力控人形臂和更大的工位覆盖范围，服务 CNC 上下料里的取放、插入、对准；360° 环境感知、主动避障和近人安全机制，对应工厂对可靠性和安全性的硬要求。

这里面的分层模块化设计值得单拎出来解读，它基于真实操作任务而来，支持快速装配与更换，标配二指夹爪，并可根据不同任务需求升级为三指夹爪或灵巧手，同时开放接口，支持客户和开发者进行二次开发。这意味着场景方有更自由的选择空间，同时涉及到生产线动线更换时，也能完成快速部署，不用在机器人操作半径和动线中取舍。

参数不为堆料，只有落到动作、节拍和安全里，才真正算生效。

CNC 上下料就是一块试金石。i7 Pro 要在多台机床之间移动，完成上料、取料、定位、插入、放置等连续动作。这个过程看上去朴素，却很硬。移动底盘会带来定位误差，机械臂操作会有重复误差，夹具、料框、机床位置和现场空间还会继续放大误差。

i7 Pro 要在这种环境里稳定工作，移动、操作、标定、安全和长时间运行能力都要同时在线。到了这一步，本体直接决定模型能力能不能兑现成生产力。

至简动力对 i7 Pro 的产品能力概括为三个关键词：开箱即用、通用泛化、快速部署。其实这三个词共同指向了一件事：少改造、少驻场、少重来。

这正好切中了工业自动化多年的一个隐痛。很多项目真正拖慢落地的地方，往往是前期集成、现场改造、工程调试和反复标定。设备进了厂，客户最关心的问题很直接：多久能开始用，现场要改多少，换一个工位要不要重来。

至简动力没有把 i7 Pro 做成绑定单一工位的专机。它想用一套通用本体、统一模型和数据闭环，覆盖 CNC 上下料、仓储分拣、商超补货盘点等多类任务。

通用性一头连着客户的采购和改造风险，一头连着至简动力的规模复制能力。具身智能进入产业现场，不能每换一个客户、一个工位、一个任务，都重新采集、重新训练、重新集成。部署周期越短，客户的决策成本越低；复用效率越高，规模化才越有可能发生。

本体决定单台机器能不能进产线。又快又稳地交出一百台，考验的是另一重能力：供应链和工程量产。

i7 Pro 背后，是一套复杂硬件系统。结构件、关节、电机、传感器、计算平台、末端执行器、线束、整机装配、调试验证，环环相扣。进入交付阶段后，难点不是把样机复制一百遍，而是让一百台机器保持一致的精度和稳定性和成本结构。

这也是供应链整合与 BOM 能力的价值所在。具身智能要真正进入产业现场，不能只把性能做出来，还要把品质、成本和交付周期一起压住。在谐波减速机、车规级域控制器、计算平台、精密制造等关键环节，至简动力需要和上游伙伴形成足够紧密的协同，才能把样机能力转成批量交付能力。

眼下很多同类硬件还停在部分环节手工装配阶段。同一套模型、同一套动作数据，换到不同本体上，结果都可能出现偏差。返修率、调试成本、现场维护压力，都会被一致性问题放大。换句话说，一致性才是规模化交付真正的生死线之一。

至简动力压这道坎，靠两条线。

第一条在内部。它把智能汽车时代积累的车规级研发、质量体系、BOM 控制和量产验证经验迁移过来，用工业级标准要求本体一致性。

第二条在外部。苏州吴中及周边的 2 小时半径制造业经济圈，把关键零部件供应、加工制造、整机装配、调试验证和客户真实现场，压缩在一条足够短的链路里。

必须强调的是，这里“短半径”的价值是反馈速度。供应链离得近，研发、制造、测试和客户反馈之间的协调成本就低。现场一出问题，工程团队能更快回到设计和验证阶段；零部件调整、装配优化、BOM 控制，也能更快进入下一轮迭代。

对具身智能来说，很多问题只有进入现场才会暴露。机械臂的一次重复误差、夹具的一点偏差、线束的一处干涉、工位的一次调整，都会把模型、本体和制造之间的缝隙照出来。吴中产业链的价值，就在于把这些问题的反馈路径缩短。产品迭代速度，很多时候就是产业链协同速度。

至简动力能接住百台交付，一头靠内部全栈自研和工程化能力，一头靠吴中制造业基础和长三角供应链密度提供的外部支撑。两头咬合，本体与供应链才接住了批量交付这道硬考题。

百台交付为什么能成，前面已经有了答案：软件让部署变快，本体和供应链接住稳定交付。更值得继续往下看的，是另一件事：这套系统不只现在快，还可能越来越快。

答案在数据层里。

具身智能厂商都试图找到“真实交付”与“数据获取”的闭环，这二者本质上是一体的。

产品只有真正卖出去、用起来，才会遇到真实客户、真实工位和真实异常。那些数据不是实验室提前摆出来的，也很难被仿真完整复刻。零件摆放的偏差、夹具位置的误差、光照变化、工位遮挡、机器磨损、人员经过、动作失败，都会在真实作业里冒出来。

自动驾驶已经给过一次提醒：真正消耗工程精力的，往往不是标准场景，而是最后那些不断冒出来的长尾。具身智能也一样。实验室可以配合模型，产线不会。产品真正进厂以后，才会遇见那些数据集里没有写下来的角落。

顺着这个逻辑看，至简动力当下百台交付的意义就不只是“交了一百台”。它更重要的价值，是为至简动力打开了真实作业数据的入口。设备交出去、用起来，数据开始回流；数据回流以后，模型、本体和部署流程才有继续迭代的燃料。

在 CNC 上下料、仓储分拣、商超补货盘点等高频真实场景里，i7 Pro 依托头部 RGBD、腕部 RGBD、鱼眼相机、激光雷达、麦克风阵列和关节力矩感知等多源传感器，在持续运行中，沉淀视觉、力觉、位姿、语音、障碍物和任务状态等多模态数据。

当然，这类本体数据价值高，但并不是具身智能需要的数据来源全貌。

至简动力要的是一套更丰富的数据金字塔，除了本体数据，还有获取相对简单能提供给更丰富场景训练的无本体数据，利用便携式高精度手套和手部关键点检测能力采集人类操作经验。手套采集的价值，在于把人类长期积累的手感，转成模型可以学习的数据。它补的是一个中间地带：真机采集太贵，仿真不够真实，而人类操作经验足够多、足够细。

有入口，还要有把数据用起来的链路。

这是一个经常被产业忽视的问题，大多数企业依旧在一次性数据中徘徊，数据难以复用，企业也沉淀不了数据方法论，导致数据和模型一直无法形成正向循环。

至简动力搭起了一条覆盖采集、对齐、清洗、自动标注、训练、仿真评测、模型量化、端侧部署和 badcase 分析的全流程闭环。数据不会只停在仓库里。真实作业中暴露的问题，会被标注、切分、检索、重建，再回到训练和评测流程，变成系统下一次理解场景、拆解任务和规划动作的基础。

最终，这些能力拼起来，一个正向循环开始成型。

真实生产线越多，数据越丰富；数据越丰富，模型泛化越强；模型越强，能进入的场景越多；场景越多，又会反过来带来更多数据。它让最快百台交付不只是一个已经发生的结果，而是一个自我加速的开始。数据飞轮一旦转起来，交付速度就不会停在一条平线上，而会变成一条越来越陡的曲线。

百台交付远不是终点，在工业场景之外，至简动力还在商超零售、智慧物流等领域开展应用验证，逐步开拓机器人的能力边界。

这些落地，把至简动力推到客户现场，推到真实产线，推到那些不能靠 Demo 蒙混过去的地方。

具身智能迟早要走到这里。

灯光下的速度很容易被看见，产线里的系统更难跑通。一台设备能不能留下，要看它能不能日复一日接住任务、误差和节拍。

至简动力这次百台交付，留下了一个正在发生的信号：具身智能的竞争，正在从可见的速度，转向更隐蔽、也更决定结果的系统能力。

百台交付只是露出水面的部分。水面之下，模型、本体、数据、供应链与部署体系，已经开始彼此咬合。