中國機(jī)器人，開始給模型上強(qiáng)度

年初，知名機(jī)器人行業(yè)媒體The Robot Report在2026年行業(yè)展望中指出，中國正與美國并駕齊驅(qū)引領(lǐng)物理AI的發(fā)展，其與美國公司差異化的模型方案將推動(dòng)人形機(jī)器人部署[1]。

兩個(gè)月后，美中經(jīng)濟(jì)與安全審查委員會(huì)（USCC）發(fā)布報(bào)告稱，中國已經(jīng)進(jìn)一步提升了頂尖模型的性能。“中國推動(dòng)AI技術(shù)在機(jī)器人等領(lǐng)域的廣泛應(yīng)用，由此產(chǎn)生的真實(shí)數(shù)據(jù)為模型的改進(jìn)提供了支撐[2]。”

這是西方媒體與機(jī)構(gòu)針對(duì)中國人形機(jī)器人產(chǎn)業(yè)難得的集體改口。

西方語境之下的中國，慣常以“強(qiáng)制造”形象示人，即使承包了全球大部分人形機(jī)器人出貨量，被反復(fù)提及的仍是硬件生產(chǎn)能力、供應(yīng)鏈、效率和性價(jià)比，“硬件靠中國，模型靠美國”成為一種政治正確。

然而，隨著人形機(jī)器人進(jìn)入大規(guī)模落地期，中國機(jī)器人公司的模型實(shí)力開始被重新審視。

本月，具身智能領(lǐng)軍企業(yè)它石智航宣布完成4.55億美金Pre-A輪融資，創(chuàng)下中國具身智能史上最高單輪融資紀(jì)錄和最大Pre-A輪融資紀(jì)錄，成立首年累計(jì)公開融資達(dá)到6.97億美金，這個(gè)數(shù)字，是當(dāng)下行業(yè)領(lǐng)頭羊、全球估值最高的機(jī)器人企業(yè)——Figure AI首年融資額的近10倍。

與主打跳舞打拳大部分中國人形機(jī)器人的不同，它石機(jī)器人出圈，靠的是能打破世界紀(jì)錄的模型能力，這正是資本蜂擁而至的原因所在。

它石的出現(xiàn)，再次印證了中國人形機(jī)器人產(chǎn)業(yè)正在發(fā)生的新態(tài)勢(shì)：硬件強(qiáng)，模型要更強(qiáng)。

新的路徑

時(shí)間拉回到一年前的特斯拉電話會(huì)議，馬斯克先揚(yáng)后抑，夸完自家Optimus世界第一，再提“中國威脅論”：擔(dān)心排名第二到第十的人形機(jī)器人公司全是中國的[3]。

綜合馬斯克全場(chǎng)發(fā)言，這句話隱含兩層意思，一是中國公司可以靠強(qiáng)大的硬件制造能力占領(lǐng)人形機(jī)器人大部分市場(chǎng)，二是即便如此，中國公司仍然打不過特斯拉。

給馬斯克信心的，是美國在模型上的絕對(duì)實(shí)力。

平心而論，從VLA再到世界模型，美國始終掌握著模型最前沿的演進(jìn)方向，因而無論硬件制造多拉垮，美國機(jī)器人總被認(rèn)為可以通過更聰明的“大腦”對(duì)中國機(jī)器人降維打擊。

實(shí)際上，硬件和模型是人形機(jī)器人的“兩條腿”，兩者的進(jìn)步缺一不可。

人形機(jī)器人區(qū)別于傳統(tǒng)工業(yè)機(jī)器人的關(guān)鍵是泛化和通用性，不只要像人一樣有手有腳，還得像人一樣既能打螺絲，又能洗衣做飯煮咖啡，硬件決定行動(dòng)力，模型決定通用性。

理想中的人形機(jī)器人既能進(jìn)廠打工又能在家做家務(wù)

硬件的桎梏在于大部分零部件必須“無中生有”，純靠廠商“現(xiàn)搓”，這是中國零部件制造商擅長的，所以中國機(jī)器人“表演欲”旺盛，其實(shí)是為了秀硬件的肌肉。

模型的瓶頸在于路線尚未收斂，訓(xùn)練還需時(shí)間，模型入端降本仍是考驗(yàn)，這是美國科學(xué)家的傳統(tǒng)藝能，所以美國的機(jī)器人公司總把產(chǎn)品發(fā)布會(huì)開成學(xué)術(shù)發(fā)表會(huì)。

對(duì)于大部分中國機(jī)器人公司來說，當(dāng)下，模型瘸腿帶來的商業(yè)化困境已經(jīng)開始顯現(xiàn)，中國機(jī)器人被詬病只跳舞不打工，不是主觀上不愿意，而是客觀上“腦子”還不夠聰明。

人形機(jī)器人模型的主流技術(shù)路線可以分為三種：

第一種是以特斯拉為代表的自動(dòng)駕駛遷移路線，核心是將自動(dòng)駕駛能力“平移”到機(jī)器人身上，例如特斯拉直接復(fù)用其FSD視覺算法和占用網(wǎng)絡(luò)（Occupancy Network），讓機(jī)器人擁有類似汽車的3D空間建模能力；

Optimus照搬特斯拉的FSD模型

第二種是以Figure AI的Helix系統(tǒng)為代表的VLA端到端路線，主張將機(jī)器人的感知、思考與行動(dòng)集成在同一個(gè)大模型中，搭載這類模型的機(jī)器人具備極強(qiáng)的常識(shí)推理能力，比如對(duì)它說“我餓了”，它就會(huì)直接找食物并遞給你。

第三種是許多主流中國機(jī)器人公司都在用的“大腦+小腦模式”，“大腦”用大語言或視覺模型來拆解任務(wù)，“小腦”用強(qiáng)化學(xué)習(xí)或傳統(tǒng)控制理論來做任務(wù)。

前兩種路徑技術(shù)被產(chǎn)業(yè)寄予厚望，但在實(shí)際操作中缺點(diǎn)比優(yōu)點(diǎn)更突出。

例如特斯拉的“平移”路線需要大量的適配與再驗(yàn)證工作，具身智能比自動(dòng)駕駛要復(fù)雜若干數(shù)量級(jí)，模型無法直接適用，導(dǎo)致Optimus量產(chǎn)一拖再拖，且據(jù)稱目前只能做搬運(yùn)、裝配等簡單操作，距離真正替代人類工人恐怕還得再等等。

Figure AI的VLA路線硬傷在于“動(dòng)作跟不上大腦”。雖然“善解人意”（推理能力強(qiáng)），但到了產(chǎn)線上，也由于推理延遲，無法實(shí)現(xiàn)亞毫米級(jí)的精細(xì)化實(shí)時(shí)反饋，干不了細(xì)活。

再加上極其依賴特定場(chǎng)景的預(yù)訓(xùn)練視頻，工廠環(huán)境、光照甚至零件色差發(fā)生微小變化，容易發(fā)生“邏輯死機(jī)”，而真實(shí)產(chǎn)業(yè)場(chǎng)景恰恰復(fù)雜、多變、容錯(cuò)率低，跨產(chǎn)線工作的通用泛化能力與穩(wěn)定工作能力培養(yǎng)難度極大，因此短時(shí)間還很難在復(fù)雜的工業(yè)實(shí)戰(zhàn)中落地。

國內(nèi)主流的“大腦+小腦”路線則是先天不足，“大腦”和“小腦”的割裂導(dǎo)致無法實(shí)現(xiàn)高精度操作，是大部分中國機(jī)器人無法進(jìn)場(chǎng)擰螺絲的主要原因。

中美雙方，一個(gè)開發(fā)硬件，一個(gè)研究模型，看似兩條腿齊步走，實(shí)際狀況卻是模型遠(yuǎn)遠(yuǎn)跟不上硬件的發(fā)展速率。當(dāng)中國供應(yīng)鏈已經(jīng)開始下探硬件成本，模型的進(jìn)步還僅僅停留在和論文和PPT里，扼住了商業(yè)化的喉嚨。

中美雙方暗暗都在期待和競(jìng)爭(zhēng)一個(gè)新的路徑出現(xiàn)。這次是中國先出了招。

數(shù)據(jù)為王

3月舉行的全球三大家電及消費(fèi)電子展之一AWE，不負(fù)眾望開成了人形機(jī)器人的秀場(chǎng)。

與隔壁跳舞打拳的機(jī)器人相比，它石智航的展臺(tái)顯得很務(wù)實(shí)，機(jī)器人A1沒什么花拳繡腿，但卻以一小時(shí)百余次的速度，創(chuàng)造了“機(jī)器人在一小時(shí)內(nèi)裝配亞毫米級(jí)線束最多次數(shù)”的吉尼斯世界紀(jì)錄。

吉尼斯世界紀(jì)錄頒獎(jiǎng)現(xiàn)場(chǎng)，A1機(jī)器人創(chuàng)造了吉尼斯世界紀(jì)錄

這一幕的含金量，身處一線的自動(dòng)化工程師和工人們一定懂。

線束不同于剛性零件，會(huì)彎曲、晃動(dòng)、變形。機(jī)器人必須在每一毫秒實(shí)時(shí)感知線束的細(xì)微形態(tài)變化并做出亞毫米級(jí)的動(dòng)作補(bǔ)償，被認(rèn)為是工業(yè)自動(dòng)化界的“哥德巴赫猜想”世界級(jí)難題。

攻克線束裝配，直接把它石A1與還在工廠做搬運(yùn)分揀工作的機(jī)器人們拉開了差距，也把它石的模型能力放到了一個(gè)值得單獨(dú)審視的位置。

2025年2月才成立的它石出道不算早，但其在成立后的三個(gè)月內(nèi)就完成了2.42億美元天使輪融資，打破了中國具身智能有史以來的天使輪融資紀(jì)錄。

創(chuàng)始人兼CEO陳亦倫和董事長李震宇均為國內(nèi)自動(dòng)駕駛領(lǐng)軍人物，名聲在外；首席科學(xué)家丁文超和首席架構(gòu)師陳同慶同樣產(chǎn)業(yè)背景深厚，主導(dǎo)過眾多知名自動(dòng)駕駛項(xiàng)目。

自動(dòng)駕駛被視為人形機(jī)器人的前置產(chǎn)業(yè)和子命題，因此技術(shù)團(tuán)隊(duì)的自動(dòng)駕駛經(jīng)驗(yàn)很大程度決定了技術(shù)的深度和廣度，特斯拉最早的Optimus團(tuán)隊(duì)工程師大部分就是從汽車產(chǎn)業(yè)鏈跳槽來的。

也正是這樣的團(tuán)隊(duì)組合，使得它石在紛繁的技術(shù)路徑和產(chǎn)業(yè)雜音中找到了突破口。

它石提出的方法是直接與真實(shí)世界對(duì)齊，創(chuàng)新打造“數(shù)據(jù)、模型和物理硬件三位一體”解決方案，核心邏輯是以真實(shí)世界數(shù)據(jù)驅(qū)動(dòng)研發(fā)世界模型。這一路徑在當(dāng)時(shí)并不主流，甚至因?yàn)殡y度極大、見效極慢，可以說是吃力不討好，但卻也是通向通用智能最“筆直”的一條路徑。

為此，它石首創(chuàng)了Human-centric數(shù)據(jù)采集新范式，能夠?qū)崿F(xiàn)真實(shí)世界具身數(shù)據(jù)獲取能力的跨越式突破，精準(zhǔn)鎖定了當(dāng)下行業(yè)痛點(diǎn)——數(shù)據(jù)。

它石“三位一體”方案

模型訓(xùn)練，數(shù)據(jù)為王。機(jī)器人們遲遲無法進(jìn)廠打工，原因就在于用于其模型訓(xùn)練的數(shù)據(jù)規(guī)模還不夠大，不夠真實(shí)，也不夠可靠。

相較于大語言模型可以依賴網(wǎng)絡(luò)上現(xiàn)有的圖文數(shù)據(jù)，機(jī)器人需要與真實(shí)的物理世界交互，需要大量“第一人稱數(shù)據(jù)”，具體包括視覺感知數(shù)據(jù)、運(yùn)動(dòng)控制數(shù)據(jù)、物理反饋數(shù)據(jù)等。

這些數(shù)據(jù)無法從網(wǎng)上獲得，需要在真實(shí)場(chǎng)景中通過實(shí)操來獲取、積累，是一個(gè)從0到1的工程。

放眼全球，即使家大業(yè)大如特斯拉，除了生搬自駕數(shù)據(jù)，早期主要靠遙操作獲取數(shù)據(jù)，人類操作員穿上特制設(shè)備，遠(yuǎn)程驅(qū)動(dòng)機(jī)器人動(dòng)作，機(jī)器人身上的傳感器記錄力覺、觸覺、空間感等各個(gè)維度數(shù)據(jù)，重復(fù)幾千上萬次，用以訓(xùn)練。

通過人類操作員通過遙操作“教”機(jī)器人做動(dòng)作

這種方法不僅費(fèi)人費(fèi)錢，而且由于機(jī)器人機(jī)械結(jié)構(gòu)的局限性，采集到的數(shù)據(jù)是人類“為了適應(yīng)機(jī)器人”而變形的動(dòng)作，導(dǎo)致訓(xùn)練出來的機(jī)器人動(dòng)作流利度遠(yuǎn)低于人類正常水平。

Figure AI除了遙操作之外，還收集了大量人類第一視角視頻，讓機(jī)器人“邊看邊學(xué)”，但學(xué)習(xí)效率還得看機(jī)器人本身的智力水平，就像都是看網(wǎng)課學(xué)習(xí)，學(xué)霸和學(xué)渣的效果也不同，并且只有視覺沒有觸覺。

綜合現(xiàn)有方案，不是成本高昂就是數(shù)據(jù)不夠可靠，而它石的Human-centric最大改進(jìn)就是提高了數(shù)據(jù)收集的真實(shí)性和可操作性：

人類操作員穿戴它石自研的SenseHub套件在真實(shí)場(chǎng)景中干活，由套件中的傳感器記錄數(shù)據(jù)，如此記錄的是人類肢體最自然的加速度、抓取力和空間軌跡，這些數(shù)據(jù)沒有經(jīng)過機(jī)器人硬件的“污染”，保留了動(dòng)作的原生高頻細(xì)節(jié)。

其中SenseHub套件包括TARS Glove（高精度動(dòng)捕手套）和 TARS Vision（第一視角感知相機(jī)），輕巧易穿戴，主打隨時(shí)隨地采集數(shù)據(jù)。

人類操作員穿戴SenseHub套件做指定動(dòng)作收集數(shù)據(jù)

由于不需要機(jī)器人配合，這種模式可以利用人海戰(zhàn)術(shù)進(jìn)行大規(guī)模并行采集，且成本大幅下降，根據(jù)機(jī)構(gòu)測(cè)算，其成本預(yù)估比傳統(tǒng)的真機(jī)遙操作低10-20倍。而在這一領(lǐng)域，中國恰恰具備極大的先天優(yōu)勢(shì)，因?yàn)檫@里具備超大規(guī)模的應(yīng)用場(chǎng)景與極高的任務(wù)多樣性。

通過提高數(shù)據(jù)的純凈度和數(shù)據(jù)采集的效率，它石Human-centric解決的是當(dāng)下機(jī)器人行業(yè)普遍存在的商業(yè)化“拖延癥”，也為機(jī)器人的大規(guī)模落地提供了彎道超車的新路徑。

在上述數(shù)據(jù)范式下，它石收獲的是實(shí)打?qū)嵉哪Ｐ统晒c巨大的應(yīng)用潛力。

2026年3月，它石發(fā)布的通用具身大模型AWE3.0在延續(xù)全身端到端學(xué)習(xí)、動(dòng)態(tài)時(shí)空推理等既有優(yōu)勢(shì)基礎(chǔ)上，實(shí)現(xiàn)了三項(xiàng)關(guān)鍵性的技術(shù)創(chuàng)新：全視角通感決策（OSD）、高密度觸覺感知（HTS）、隱空間絲滑動(dòng)作（LAS），它們可大幅提升機(jī)器人在新視角下的任務(wù)成功率、對(duì)局部觸覺的靈敏感知與精細(xì)響應(yīng)能力，降低了任務(wù)抖動(dòng)率。

而世界級(jí)的紀(jì)錄印證，也只是它石模型能力的一隅溢出。

它石智航吉尼斯世界紀(jì)錄挑戰(zhàn)現(xiàn)場(chǎng)

漸進(jìn)式 VS 跨越式

高新技術(shù)從開發(fā)到大規(guī)模落地，總要經(jīng)歷一個(gè)陣痛期，在不同的技術(shù)路徑之間反復(fù)試錯(cuò)，然后慢慢靠近商業(yè)化爆發(fā)的奇點(diǎn)。

人形機(jī)器人正在經(jīng)歷的便是這樣的陣痛期，技術(shù)路徑尚未收斂，每一條看似光明的大路前方實(shí)則大霧彌漫。這個(gè)階段，考驗(yàn)的與其說是誰的技術(shù)路線更高級(jí)，不如說是誰更能承受住試錯(cuò)的風(fēng)險(xiǎn)，活著走到大霧飄散的時(shí)刻。

上一個(gè)接受考驗(yàn)的是人形機(jī)器人的“前輩”，自動(dòng)駕駛汽車。

與當(dāng)前人形機(jī)器人廠商繁雜的技術(shù)路線類似，最早一批自動(dòng)駕駛開發(fā)者，同樣面對(duì)幾條不同的發(fā)展路徑，最具代表性的是“跨越式”和“漸進(jìn)式”。

”跨越式”優(yōu)等生如Waymo、Cruise，核心邏輯是直接研發(fā)L4級(jí)自動(dòng)駕駛，不依賴人類監(jiān)管，在特定區(qū)域進(jìn)行商業(yè)化測(cè)試；“漸進(jìn)式”代表如特斯拉、小鵬，核心邏輯是先量產(chǎn)L2/L2+，再利用海量用戶行駛數(shù)據(jù)反哺算法，逐步提升自動(dòng)化等級(jí)。

這種直搗黃龍的激進(jìn)路線，最初是大部分參與者的選擇，但當(dāng)時(shí)開發(fā)出來的L4車輛成本高達(dá)20萬美元，而且由于測(cè)試周期漫長，導(dǎo)致商業(yè)化舉步維艱，企業(yè)重資產(chǎn)運(yùn)營、負(fù)債前行。

與之對(duì)應(yīng)的是“漸進(jìn)式”主打“先上路、再進(jìn)步”，最典型的代表就是特斯拉，其核心邏輯是先實(shí)現(xiàn)L2/L2+自動(dòng)駕駛，再逐步提升自動(dòng)化等級(jí)。本質(zhì)是保證了能活下來，再在技術(shù)循序漸進(jìn)，通過真實(shí)的駕駛數(shù)據(jù)、解決一個(gè)個(gè)corner case，進(jìn)而反哺模型能力。

過去的幾年，跨越式的隊(duì)伍隨時(shí)有人倒下，逐漸人丁稀少，反倒是漸進(jìn)式的隊(duì)伍不斷壯大，大模型時(shí)代來臨，特斯拉也是最早調(diào)轉(zhuǎn)船頭、吃到大模型紅利的車企。

如今的人形機(jī)器人，類似跨越式和漸進(jìn)式之爭(zhēng)已經(jīng)露出苗頭。

Figure AI的技術(shù)路線就類似于跨越式，即一開始就追求通用化的極致、全場(chǎng)景的覆蓋。

Figure AI試圖讓機(jī)器人通過“看視頻”自學(xué)，相當(dāng)于讓自動(dòng)駕駛汽車上來就完全擺脫高精地圖、純靠算法感知世界。小學(xué)生不是不能做大學(xué)高數(shù)題，但前提是小學(xué)生是個(gè)萬里挑一的天才。

但人形機(jī)器人需要的不只是智商，還有“行動(dòng)力”，博士生進(jìn)廠打工可能不如一個(gè)高中畢業(yè)的熟練工，沒有足夠的真實(shí)、精準(zhǔn)針對(duì)特定場(chǎng)景且有效數(shù)據(jù)的積累，機(jī)器人再聰明，也擰不了一顆螺絲釘。

這種情況下，量產(chǎn)無限期拖延或是實(shí)際能力不符合預(yù)期也無可厚非，但投資人的錢總有燒干的一天，要等到技術(shù)完美再大規(guī)模量產(chǎn)，大概率會(huì)步入自動(dòng)駕駛“跨越式先烈”的后塵。

它石走的就是類似于“漸進(jìn)式”的路線，即先從特定場(chǎng)景出發(fā)，先學(xué)會(huì)人類最精細(xì)的動(dòng)作，再談泛化，解決方案圍繞“效率至上、落地應(yīng)用為先”的策略。

Human-centric的最大突破就是擺脫了“先造出高精度的機(jī)器人、再采集數(shù)據(jù)”的桎梏，通過自研SenseHub套件，人類操作員可以隨時(shí)在產(chǎn)線上作業(yè)采集數(shù)據(jù)，使得其大模型能夠快速進(jìn)化更新，與硬件共同進(jìn)步，構(gòu)建起一個(gè)相互賦能的閉環(huán)，進(jìn)而快速跑通具身智能的scaling law。

它石A1機(jī)器人產(chǎn)線多機(jī)協(xié)同

同時(shí)，數(shù)采成本降低至遙操作的1/10到1/20，意味著同等資本投入，能夠覆蓋的場(chǎng)景深度（如從簡單的抓取到復(fù)雜的精密裝配）和廣度是競(jìng)爭(zhēng)對(duì)手的數(shù)十倍。

這種商業(yè)和技術(shù)的平衡，使得它石能夠保證技術(shù)持續(xù)提升的同時(shí)，確保量產(chǎn)和商業(yè)化的節(jié)奏，及時(shí)“造血輸血”，這也是為什么機(jī)器人公司扎堆，“來得晚”的它石反而獲得資本的青睞。

活下去，其實(shí)是每個(gè)科技創(chuàng)業(yè)公司最稀缺、也是最寶貴的能力。

它石的Pre-A融資，是高瓴資本與紅杉中國兩大頂級(jí)資本首次在具身智能賽道聯(lián)合領(lǐng)投，本輪后它石已然躋身國內(nèi)人形機(jī)器人的第一梯隊(duì)。

但這遠(yuǎn)未達(dá)到它石的巔峰。

將視線拉向全球，中美機(jī)器人公司估值的鴻溝顯而易見：Figure AI背靠OpenAI，短短兩年內(nèi)身價(jià)突破390億美元（約合人民幣2700多億元）；特斯拉Optimus量產(chǎn)日程一拖再拖，也不妨礙資本將其隱形估值錨定在千億美元上下。

這種落差并非技術(shù)的代差，而是刻板印象的投資語境下，資本與技術(shù)實(shí)力的錯(cuò)配。

當(dāng)頂著光環(huán)的明星企業(yè)還在為如何走出實(shí)驗(yàn)室、克服落地延遲而焦慮時(shí)，它石已經(jīng)靠著更低的數(shù)據(jù)成本、更大的數(shù)據(jù)規(guī)模、更真實(shí)的物理世界數(shù)據(jù)和更精準(zhǔn)務(wù)實(shí)的模型，在工業(yè)落地的深水區(qū)實(shí)現(xiàn)了局部戰(zhàn)場(chǎng)的技術(shù)反超。

某種意義上，如今的它石正佇立于極具性價(jià)比的爆發(fā)前夜。隨著其機(jī)器人在真實(shí)產(chǎn)線上展現(xiàn)出越來越強(qiáng)大的韌性，眼下的估值鴻溝終將被填平，同時(shí)迎來價(jià)值的真正重估。

寫在最后

今年年初的特斯拉電話會(huì)議，馬斯克老生常談，再次對(duì)中國人形機(jī)器人公司大夸特夸，而這次夸的不只是中國的硬件，還稱中國的模型“也相當(dāng)不錯(cuò)”。

看著中國人形機(jī)器人在模型端的超預(yù)期進(jìn)步，美國的“特斯拉們”確實(shí)該緊張了。

[1] Chinese robotics outlook 2026，The Robot Report

[2] China’s open-source dominance threatens US AI lead, US advisory body warns, Rueters

[3] Elon Musk worries Chinese companies will fill out the world’s top 10 robot makers—but claims Tesla is, and will stay, No. 1，F(xiàn)ortune

[4] 中國機(jī)器人在跳舞，美國機(jī)器人在發(fā)論文，遠(yuǎn)川科技評(píng)論