NE时代

◎ 100台i7 Pro进厂。

△ 撰文：DONG.ZY

具身智能行业已经过了只看发布会动作的阶段。

7月6日，至简动力宣布其首款全场景机器人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。

从成立到百台交付，至简动力用了不到一年。速度容易被放大，但这批机器人进入了哪些工位，比“100台”更有信息量。

i7 Pro进入了CNC、机器人核心部件、柔性PCB、光模块等产线。最大一部分进入绿的谐波这类机器人核心部件客户场景，东山精密相关柔性PCB、光模块产线也是重要方向。

具身智能过去几年不缺融资、模型和Demo，而至简动力这次把机器人送进产线，行业开始看到另一种检验方式。

01.

百台交付，要看交到哪里？

至简动力由前理想汽车CTO王凯、前理想汽车智能驾驶技术研发负责人贾鹏、前理想汽车智驾量产负责人王佳佳创立，三人分别担任董事长、CEO、COO。

该公司成立于2025年7月，在半年内完成了5轮融资，累计融资20亿人民币，投资方包括元璟资本、蓝驰创投、红杉中国、君联资本等多家知名机构及腾讯、阿里巴巴等。

然而，产线交付开始检验的是另一件事：设备进厂后能不能留下来。

王佳佳提到，首批百台机器人并非全部进入同一客户，其中最大一部分进入绿的谐波这类机器人核心部件客户场景。

比如绿的谐波当前订单基本是产能的三倍，这类机器人核心部件企业面对扩产压力，谐波减速器、精密加工、热处理、装配调试等环节都会影响整机成本和产业扩张速度。

至简动力把机器人送进这类环节，一边验证i7 Pro的产线能力，一边尝试让机器人参与机器人产业链本身的降本和扩产。

另一类去向是柔性PCB、光模块等AI基础设施相关产线。

东山精密是至简动力当前重要合作方之一，双方合作重点包括柔性PCB、光模块产线的机型部署，以及海外工厂后续复制。

这些场景没有发布会上的观赏性，但需求清楚，工艺复杂，客户有扩产压力，也愿意用效率和成本来衡量机器人。

02.

CNC考验移动操作能力

在苏州开璇智能工厂内，i7 Pro会从料箱中抓取零件，移动到CNC加工机床前，通过定位将零件插入机床内部，整个过程约2分钟。

机床加工时，机器人还会在多台机床之间移动，在不同工位完成上料、取料、定位、插入等动作。

难点在于，“移动+高精操作”。

CNC上下料中的定位、插入等环节通常要求0.1mm级别精度。机器人在多台机床之间移动，底盘会产生误差；机械臂执行操作，也会产生误差。

两类误差叠加后，本体稳定性、机械臂重复一致性、标定流程和作业系统都会接受产线检验。

贾鹏把CNC称为“长程任务”或“移动操作任务”。机器人要从取货、上料、操作机床、下料、质检到入库，完成一整套流程。

目前一台i7已经能够同时看管两台机床。按他的说法，未来一台机器人甚至可以同时看多个机口。

至简动力没有先选择高节拍流水线单工位替代，高节拍单工位容易变成另一套非标自动化，对通用能力积累帮助有限。

CNC机加工节拍没那么极限，大部分时间花在机床加工上，机器人可以在等待过程中完成移动、取放、质检、入库等任务。

CNC不适合炫技，但适合检验具身智能。任务边界清楚，ROI容易计算，现场又有油污、碎屑、误差和工位变化。

03.

为什么先选工业场景？

至简动力选择工厂作为第一站，来自贾鹏对行业阶段的判断。

在他看来，具身智能还没走到真正的0到1。王佳佳也认为，机器人行业现在更接近0到0.1阶段。

贾鹏把具身智能从0到1拆成四件事：本体、数据、模型和商业化，四件事要一起成熟。

他还提出一个标准：至少做到一年万台级交付后，毛利才可能支撑研发体系。

行业里有不少融资和演示，形成规模化交付的公司仍少。贾鹏用汽车行业作对比：去年国内人形机器人出货约1.5万台，可能还不如一款车一周的销量。

规模上不去，成本就压不下来。贾鹏提到，一台智能汽车的BOM成本甚至可能比很多机器人更低，原因就在于汽车有大规模量产摊薄成本，机器人还没有。

这也是至简动力没有急着讲家庭场景的原因。

贾鹏认为，To C会是终局之一，但当前机器人能力还进不了家庭。家庭场景至少要满足成本、产品力和安全性三类条件。

成本上，消费者对机器人的心理预期更接近手机，而不是一辆车；

产品力上，用户两天新鲜感过后还愿不愿意继续用，决定产品闭环能否成立；

安全性上，几十公斤重的本体和高扭矩机械臂进入家庭，监管和风险都会更复杂。

他还提到，机器人进入家庭需要通用移动、万级物品理解、几十种原子操作、自然流畅的人机交互，以及跨本体泛化能力。

所以，至简动力先做工业。

工厂边界更清楚，节拍更可控，客户付费意愿更容易用ROI验证。等模型和产品能力提升后，再进入商超、大型卖场等更开放但仍相对可控的场景，最后再考虑家庭。

04.

交付能力靠系统工程

至简动力把自己的路线概括为全栈自研、软硬一体和“模型定义本体”。

机器人进入真实产线后，模型、本体、数据、供应链和现场工程很难拆开。

模型规划动作，本体执行动作；本体能采集什么数据，又会影响模型训练；数据能否回流，决定下一轮部署效率；供应链一致性，决定一百台机器能否保持相同稳定性。

在模型层面，至简动力自研LaST₀具身基座模型，定位为原生多模态理解与生成一体化模型。

它把语言、视觉、空间、机器人状态、世界模型、VLA和快慢思考纳入同一套模型与训练体系，减少多模块割裂带来的训练、部署和迭代成本。

至简动力披露，LaST₀相关工作已获ICML 2026 Spotlight。

至简动力还提到TMR、LaST-VI、LaST-R1、LaST-HD等模型组件，分别对应视觉感知、视觉能力保持、隐空间推理、人手数据迁移等方向。

在本体层面，i7 Pro面向真实场景设计。

它搭载七自由度模块化力控人形臂，臂展达到1000mm，采用车规级电子电气架构，搭载2070 TFLOPS FP4中央计算平台，具备360°环境感知、主动避障和近人安全机制。

i7 Pro没有绑定单一末端执行器，产品标配二指夹爪，可根据任务升级为三指夹爪或灵巧手，并开放接口，支持客户和开发者二次开发。

这个取舍很关键，灵巧手是重要方向，但现阶段可靠量产仍有难度。

贾鹏表示，行业里灵巧手仍不够成熟，短期内二指、三指夹爪在有限场景里更容易产生生产力。

“模型定义本体”的落点也在这里：先看现阶段模型能用什么、客户任务需要什么、现场如何部署，再反过来定义硬件。

至简动力没有先做一台看起来完整的机器人，而是围绕当前能进入产线的任务做工程取舍。

供应链同样影响交付速度。

至简动力依托苏州吴中及周边制造业基础，对接关键零部件、加工制造、整机装配、调试验证和真实产线需求。

一个夹具适配问题，往往需要末端执行器和客户工件一起改；工程团队、供应链和客户现场距离越远，部署周期越容易被拉长。

百台交付不是把样机复制一百遍，至简动力要让一百台机器保持一致的精度、稳定性和成本结构，这比单台Demo更难。

05.

真实产线会喂出新数据

至简动力百台交付的另一层价值，是打开真实作业数据入口。

实验室可以提前设计任务，真实产线不会配合机器人。零件摆放偏差、夹具位置误差、光照变化、工位遮挡、机器磨损、人员经过、动作失败，都会在客户现场出现。

这些问题被采集回来后，会进入模型和部署流程。

至简动力建立的数据闭环覆盖数据采集、对齐、清洗、自动标注、模型训练、仿真评测、模型量化、端侧部署和badcase分析。

在CNC上下料、仓储分拣、商超补货盘点等场景中，机器人持续运行，沉淀视觉、力觉、位姿、语音、障碍物和任务状态等多模态数据。

它还布局便携式数据采集设备，利用高精度手套和手部关键点检测采集人类操作经验。

手套采集的数据补了一个中间地带：真机采集成本高，仿真不够真实，人类操作经验足够多、足够细。

对至简动力来说，数据闭环决定机器人能不能进入下一个工位。

贾鹏把未来竞争拆成三项能力：驾驭万卡级算力集群的能力、拥有自己的基础模型、数据闭环能力。

他还透露，至简动力目前算力集群超过1200张卡，到明年预计超过3000张卡。

这延续了自动驾驶行业的经验，模型能力不会靠一次训练完成，真实场景中的长尾问题会不断出现。

谁能更快采集、清洗、标注、训练和回灌，谁就能更快进入下一个相似场景。

具身智能面对三维空间、真实接触、力反馈和不同工位的工程约束，数据回流链条会比自动驾驶更复杂。

机器人进厂以后，模型、本体和部署流程才开始接受连续反馈。

06.

具身智能先过交付关

至简动力百台交付给行业提供了一个观察点：具身智能先过交付关，再谈更大的通用性。

一台机器人完成单点任务，用传统规则算法和大量工程调试也能做到。百台机器人进入多个客户场景，考验模型、本体、数据、供应链、现场工程和售后运维的组合能力。

至简动力的百台交付还只是开始，机器人进入客户现场后，评价标准会变得更具体：每天能运行多久，问题响应多快，客户是否愿意复制更多工位，数据能否回流到模型和产品体系中，客户最终能不能算过账。

CNC、机器人核心部件、柔性PCB、光模块这些场景值得关注，它们不适合做漂亮演示，却能检验机器人能不能接住任务、误差、节拍和ROI。

至简动力还没有证明自己跑通了规模化，但它把问题放到了客户现场。

行业现在不缺“像人”的机器人，也不缺融资故事，客户缺的是能留在产线里的机器人。

具身智能离真正的0到1还有距离。

下一阶段，企业要比的会是同一套系统能否从一台复制到百台，从一个工位复制到更多工位，再从一个行业复制到更多真实场景。