至简动力交付百台「开箱即用」机器人，加速具身量产节奏

打破具身行业最快交付纪录

作者丨邓哲敏

编辑丨齐铖湧

2026年7月6日，至简动力在苏州宣布完成首批百台i7 Pro机器人交付，同时落成一条CNC智能化具身机器人产线。距离公司成立不足一年。

至简动力给这款产品的定位是"开箱即用"的工业具身机器人——客户采购后，无需漫长的现场调试，在一周内即可完成部署并进入生产节拍。与之配套的是"同一套方案打穿多场景"的叙事：同一套数据采集框架、同一套基座模型、同一套硬件本体，从CNC上下料延伸到光电模组、柔性PCB、商超零售等不同领域。

百台这个数字，放在汽车行业不值一提，但在一个连Demo能不能复现都要打问号的赛道里，它意味着，有人把实验室里的想法，变成了工厂里的订单。至简动力的百台是首批直接进入客户自有产线、而非实验室或展厅的规模化交付，这对于仍处于早期阶段的具身智能行业而言，无疑是一件值得关注的事。

过去三年，具身智能行业活在叙事裂缝中——融资额翻倍、Demo视频刷屏，但摩根士丹利调研显示，头部厂商机器人在工厂的实际工作效率仅约人类的30%，灵巧手成本高、寿命短，量产计划一推再推。智元在4月定义2026为"部署态"元年，核心标准是7×24小时自主干活、产生真实商业价值。

至简动力的百台交付，恰好卡在这个时间窗口。但它是否意味着行业从"能造出来"迈向"能用起来"，还需要更严格的审视。

01

"1小时开箱即用"的边界在哪里？

至简动力CEO兼CTO贾鹏没有回避这个概念的限定条件："这一定是有前提的——基于提前预训练和场景数据，到现场后主要做安全数据的快速适配。机床车间又潮又脏、地面全是油污，新场景必须做安全建图。"换句话说，还没到通用人工智能降临之际，如今是有限场景内的工程收敛。

这个"有限"是至简动力的主动选择。他们没有碰流水线上已被传统自动化吃透的单工位，而是挑了CNC上下料这一长程任务：取料、装夹、机床操作、下料、质检、入库，由一台机器人完成整套流程。这一理念源于对行业痛点的观察。"很多工厂买了传统机械臂后吃灰，"贾鹏指出，"因为换件时CAD文件变了、零件变了，得花两三周调试，不可接受。真正的竞争力不是什么都干，而是快速进入新场景、学习新技能、产生新价值。"

在绿的谐波苏州工厂，这套能力已经接受了真实产线的检验。绿的谐波CTO储建华介绍，机加工车间常年面临夜班招工难题："24小时运转，年轻人不愿意上夜班，不断上下料是很乏味的工作。"传统机械臂虽然适合单品种大批量，但"换一个零部件品种就得重新编程，代价太高"，而多品种小批量的柔性生产正是具身智能的用武之地。

"现在零件随便一放，机器人自己找位置、自己去装，靠手眼脑结合，"储建华表示，"部署周期大约10天：前几天采集数据、建场景模型，云端训练好后下发到现场。换场景也只需要重新创建模型。"据他测算，一台机器人的综合使用成本与一个人力成本相当，但可以24小时运转，"基本上一年回本"。

10天 vs 两三周，差距不算惊艳。储建华表示，机器人训练几天后已经比前几天快很多。他看重的，不是首次部署有多快，而是每次进入新场景时，边际成本能否持续下降。但储建华也划定了当前的能力边界："现在才学了几天"，节拍"符合要求"但尚未超越人工，"再训练几天可能比人还快"。贾鹏对此的表述是："我们的终极目标是真的到新场景1小时就能用，用户给一个简单prompt就能上手。即使一开始只能做到80%、90%，也能通过反馈快速学习。"

这套方法论的价值，取决于一个尚未验证的假设：客户是否愿意为"80%的起点+快速迭代"买单，而不是等待一个"100%开箱即用"的终极方案。绿的谐波选择了前者，但样本量还不足以支撑结论。

02

工业场景是终局，还是跳板？

至简动力把工业定义为验证1小时部署和稳定性的"最小闭环"。但联合创始人王佳佳明确说："我们不是一家只做工业场景的公司。"

当前具身智能的叙事大体分裂为两派：一派押注工业，认为工厂结构化、边界清晰、需求明确，是最近的商业化路径；另一派坚信To C终局，家庭服务才是万亿市场。

至简动力的选择是用工业养技术，用技术换时间。贾鹏分享了至简动力的"三步走"路径：第一步，在结构化、边界清晰的工业场景打磨通用移动和基本操作能力；第二步，进入商超、家居卖场等半开放场景，这些场景与家庭类似但无需与人密切接触，对节拍要求不高；第三步，在本体能力和安全性充分验证后，才进入家庭等真正的开放场景。

目前，工业场景之外，至简动力在商超零售、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。在商超零售领域，机器人可完成从线上下单、智能取货到自动打包的全流程、跨环节自动化作业；在智慧物流领域，机器人也可胜任移动分拣、包裹翻面等多样化任务。

关于未来机器人进家庭，贾鹏列了五个门槛：成本、产品力、安全、五个泛化能力、灵巧手量产。他的判断是："灵巧手现在三天一换，没法量产，得给行业两三年时间。安全兜底是99%精力解决最后5%的长尾问题，必须敬畏。"王佳佳的行业判断更直接："整个行业处于0到0.1阶段，万台年交付才是真正的0到1。"

作为参照，至简动力的百台是"被客户催着交货"的百台，但距离万台仍有数量级差距。工业场景的"最小闭环"能否支撑到To C终局，取决于两个变量：数据飞轮是否真转得起来，以及跨场景迁移成本能否持续下降。

03

"机器人造机器人"

能否成为成本解法的起点？

至简动力首批交付的最大客户绿的谐波，本身就是机器人核心零部件（减速器）的全球龙头，市占率70%以上。这个选择不是偶然，是一套成本解法的尝试。

"一台机器人的BOM成本比一台理想L6还贵，这完全不合理，"贾鹏说，"汽车2万多个零部件，机器人才多少件？行业去年全国只卖了1.5万台，没有规模效应，供应链成本下不来。"绿的谐波的订单是产能的三倍，急需扩产降本。至简动力投入大几十台机器人生产机器人零部件，形成"机器人造机器人"的数据和产业闭环。

更深层的协同在数据端。储建华透露，绿的谐波将关节使用数据实时回传至简动力，"以前没人告诉我不同场景下电机扭矩、PID算法该怎么调，现在有人告诉我了，这件事特别有价值"。这触及具身智能的核心悖论：没有规模就没有数据，没有数据就没有模型，没有模型就没有规模。至简动力的解法是用自己当客户的方式打破死锁，先在足够大的单一场景堆量，用真实生产数据喂养模型，再降低进入新场景的成本。

但这个闭环有一个隐性前提：绿的谐波愿意开放数据，是因为双方是战略合作伙伴，且至简动力同时是其客户（采购关节）。这种双向绑定的关系能否复制到其他客户，是规模化交付的关键变量。

贾鹏引用英伟达创始人黄仁勋的产品哲学："先做个rubbish出来，让大家骂，这个东西才能成。"百台交付后，他们预备接受真实反馈："客户真的会骂，现场宕机就是耽误生产，但这个过程必须经历。"

04

从万亿级战场降维，看到的机会与陷阱

至简动力核心团队来自理想汽车。这不是简单的跨界，而是一次方法论迁移。

贾鹏在理想主导过万卡级训练集群、多模态基模、芯片量产、工厂自动化。王佳佳的表述是："我们见过物理世界最大的商业化规模，知道万亿级生意的运营逻辑。但回到具身智能，每天面对的是'为什么关节总是坏'。"

这种经验带来两个认知优势，也带来一个陷阱。

优势一：对基础设施的执念。公司150人中近半做模型算法，基模体系从成立之初搭建，历时11个月。贾鹏观察：行业300多家公司，真正拥有千卡级训练集群的约8家，至简是其中之一。"模型最后长得差不多，决胜的是infra能力——你能不能玩转万卡？"

优势二：对"不合理"的敏感。机器人关节批量售价7万、整机BOM比理想L6还贵、年产5万台就敢说供应链成熟——这些在汽车业不可想象的现状，被至简动力视为机会。"顶配版本卖22.98万，对比友商50万、60万的定价，这是底气。"

而陷阱是，自动驾驶背景容易低估物理复杂度。接触操作、材质理解、力控反馈，这些"非接触问题"之外的新维度，需要重新学习。贾鹏承认："本体运控跟车相关性没那么大，只能靠自己去摸。"

更现实的挑战是产能。王佳佳坦言百台交付"依然不及预期"，"理论上现在是不是干到1000台才叫对？"这种自我施压的背后，是团队对行业节奏的焦虑——至简动力上市时间可能在2030年前后，而前面两批公司已经或即将交表。

05

"苏州模式"能复制吗？

至简动力制造基地落在苏州吴中，看中的是2小时制造业经济圈——关键零部件、加工制造、整机装配、调试验证全部在车程范围内。

更深层的布局是人才。储建华提到，至简动力与苏州职业大学等院校合作，培养"AI集成、数据采集、模型训练"的新型工程师。这指向一个被低估的变量：具身智能的普及速度，可能取决于会用机器人的人的供给速度。

吴中区带给至简动力的期待是从单个产品扩展到整个苏州制造产业。这个愿景的前提是，百台交付不是终点，而是数据飞轮的起点。据储建华透露，目前周边已有工厂看到绿的谐波的实际效果后跃跃欲试，但这种口碑传播能否转化为规模化订单，仍需验证。

06

百台是一个坐标，不是答案

至简动力的百台交付，在行业时间轴上是一个值得记录的坐标。它证明了有限场景内的确定性交付是可能的。10天部署、一年回本、持续迭代，这些数字比Demo视频更接近商业本质。

但它也暴露了行业的真实水位仍处于0到0.1的阶段，5000万台的终局还远。

贾鹏说："我们不在意短期商业规模，更在意成长加速度。"这句话的潜台词是，在具身智能的长周期里，先跑完第一个10公里的不一定是赢家，但拒绝承认这是马拉松的一定不是。

百台之后，至简动力需要回答的问题比已经回答的更多：跨场景迁移成本能否下降？数据飞轮能否在非战略合作伙伴客户中运转？产能能否从百台跃升到千台、万台？以及，当行业进入财报公布后的冷静期——贾鹏预判的上市潮后遗症——它能否扛住挤泡沫的压力？

这些问题的答案，不会在下一场发布会上揭晓，只能在下一个百台、下一个千台的交付记录中验证。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。