陈亦伦和李震宇创立的具身公司它石智航，不做 VLA、不仿真，不走主流路线

陈亦伦和李震宇创立的具身公司它石智航，不做 VLA、不仿真，不走主流路线_新浪财经_新浪网

新浪首页

新闻

体育

财经

娱乐

科技

博客

图片

专栏

更多

标签添加-->

汽车

教育

时尚

女性

星座

健康

房产

历史

视频

收藏

育儿

读书

佛学

游戏

旅游

邮箱

导航

移动客户端

新浪微博

新浪新闻

新浪财经

新浪体育

新浪众测

新浪博客

新浪视频

新浪游戏

天气通

我的收藏

注册

登录

-->

滚动新闻<br/> <br/>>

正文

行情

股吧

新闻

外汇

新三板

陈亦伦和李震宇创立的具身公司它石智航，不做 VLA、不仿真，不走主流路线

陈亦伦和李震宇创立的具身公司它石智航，不做 VLA、不仿真，不走主流路线

2026年02月02日 10:03

晚点LatePost

新浪财经APP

缩小字体

放大字体

收藏

微博

微信

分享

腾讯QQ

QQ空间

不做 VLA；不做遥操，以可穿戴设备采真实数据。

文

丨

程曼祺

编辑

丨

宋玮

]article_adlist-->

2024 年 11 月，《晚点 LatePost》曾独家报道，华为车 BU 前首席科学家陈亦伦投身具身智能创业。

不久后，它石智航浮出水面——由陈亦伦和百度

前自动驾驶事业群

负责人李震宇等联合创立；成立不足半年，它石先后完成 1.2 亿美元和 1.22 亿美元的天使轮与天使 + 轮融资，创下中国具身智能领域天使轮融资纪录，投资方包括蓝驰、美团、启明、线性、高瓴、联想创投等。

陈亦伦获得了很多支持，在技术思考上却 “离经叛道”。用一种

平实的口吻

，陈亦伦分享了很多反主流的判断。

Google RT-2 开启的 VLA（视觉-语言-动作）模型，是当前具身模型的主流架构。而它石则开发了 AWE（AI World Engine）：

我们追求表达时间、空间、力和环境交互等物理量和 “世界信息”，而不是 VLA 那样的 “视网膜信息”。

VLA 的主流做法是从 LLM（大语言模型）得到 VLM（视觉-语言模型），再在 VLM 基础上训 VLA。陈亦伦却说：

我非常不认同（这个路线）。具身一定会有自己的独立模型，而不是在 VLM 上长出一个动作的 “头”。否则，它也不会是一个独立的行业，只是 LLM 的下游分支。

数据是具身智能当前的核心卡点。陈亦伦在创业之初也没有做当时 Optimus、PI 等美国公司选择的遥操作数据采集。他认为那样无法低成本、大规模获得足够的数据。它石自研了采集数据的可穿戴设备，让劳动者可以戴着手套和第一视角摄像头干活，力求获得真实场景里真实任务的数据。

敢和其他人不一样，可能来自他最早尝试自动驾驶端到端的切身经验。曾有业内人士告诉我们，在华为期间曝光度不高的陈亦伦是华为智能驾驶研发团队的技术 “灵魂人物”。

这也带来疑问：智驾的技术的演进过程，会在具身智能上押韵吗？二者都属于物理 AI 范畴，但大语言模型的带来了全新的技术环境。

这个问题没有现成回答，取决于不同从业者的不同 bet（押注）。陈亦伦讲述了他的 bet。

]article_adlist-->

从华为、清华到创立它石，端到端开启通用

机器人

机会

晚点

：你在大疆和华为做过无人机与无人车，这都属于机器人的分支，最早关注机器人是什么时候？

陈亦伦

：上学时就开始了。我是物理竞赛保送清华的，但读的是电子系。后来去美国读机器学习博士时，我也很羡慕做机械专业的室友，因为他们做的东西能动，我天生喜欢 “能动” 的东西。

2007 年在美国，我看到波士顿动力用液压驱动的机械狗，它在冰面上摔倒后依然能保持平衡，非常震撼。博士毕业后，我没有选择 AI 领域最主流的路径去一个互联网大公司，而是去了一家非常有名的机电系统公司，在那里学会了如何做电机、伺服控制和液压系统——因为当时我认为机器人应该是液压驱动的，我在第一家公司也带过液压伺服控制产品线。

所以我的职业生涯一直有一个信念：总有一天我要做出理想中的机器人。但作为学算法出身的人，我过去认为技术还没 Ready，只能写出一些简单的程序，那不是我想要的机器人。

晚点

：何时发现技术条件更成熟了？

陈亦伦

：2020-2021 年，我在华为第一次尝试端到端系统时。那时我已经在华为带团队做了 2、3 年研发，我们的自动驾驶系统至少有 200 万行代码。它虽然能工作，可以处理复杂的城市道路情况，但维护成本极高。

2020 年，我和丁文超博士

（注：它石首席科学家，曾被华为 “天才少年” 计划招募入自动驾驶部）

等同事想试一下：能不能训练一个神经网络，把这 200 万行代码精简掉？最终我们用 3 万行代码训练了一个网络，直接让网络去规划无人车的轨迹。那就是最早的端到端自动驾驶，只不过当时我们做的是 “两段式”

（注：感知环节是一个端到端网络，规控环节是另一个端到端网络）

。

晚点

：2020 年开始做端到端，是受到特斯拉 AI Day 等行业信号的启发吗？

陈亦伦

：没有，2020 年的特斯拉 AI Day 还没讲端到端，讲的是在感知环节如何恢复 3D 环境（Vector Space），即 BEV（Birds-Eye-View，鸟瞰视角）。对我们来说，感知是已知解，它是开放问题，有数据、有标注就能做。

我最头疼的是规控，这是一个闭环 AI：你产生的每一个动作都会影响下一刻的环境。比如你选择 “加塞”，对方可能让行，也可能加速抢行。这种闭环 AI 怎么训练？当时没人有把握，但靠传统规则方法一个个描述 corner case（极端情况），代码已经堆到了 200 万行，发现问题的速度已远超解决问题的速度。所以必须用新的方法。

晚点

：具体怎么探索端到端的？

陈亦伦

：我们需要大规模采集人类驾驶数据，这在之前还没人做过。我们当时调拨了约 100 辆车的车队，专门干这一件事。丁博（丁文超）每天在现场教司机开车，定义什么是 “好司机” 的行为。

起初没看到显著进展，但当数据积累到几千小时后，你会发现网络真的学到了东西，而且越来越厉害。我们选了一个极难的测试场景——一个人车混行、完全非结构化的城中村，通过规则算法几乎无法通过。我们大胆用神经网络去试，原则是 “后处理越少越好”。结果车非常流畅地穿行了过去。那一刻就是我的 “GPT Moment”，我意识到 AI 可以做 Planning（规划）了。

晚点

：为什么这之后不久，你就离开华为，加入了清华大学智能产业研究院（清华 AIR）？当时智能驾驶正处于上量和质变的前夕。

陈亦伦

：

因为我一直就想做机器人

，而端到端的成功让我看到了机器人加速发展的时间点就要到了，但那时我还不知道具体怎么做，所以我选择先回到学校，给自己一些研究的时间。