它石智航用“吉尼斯纪录”交卷真干活的具身大脑，丁文超：从来没有Plan B - 智源社区

它石智航用“吉尼斯纪录”交卷真干活的具身大脑，丁文超：从来没有Plan B - 智源社区

它石智航用“吉尼斯纪录”交卷真干活的具身大脑，丁文超：从来没有Plan B

Rob

Embodied AI

Agent

量子位<br/> 2026-03-28 15:40 分享

以下文章来源于mp.weixin.qq.com

Jay 李根 发自 凹非寺

量子位 | 公众号 QbitAI

天使轮拿下

2.42亿美元

后，

它

石智航

到底干啥去了？

2025年年初，这家公司是资本市场毫无疑问的宠儿。天使轮融资额刷新纪录，明星创始团队，让它石自创立之初，便一跃成为具身智能赛道炙手可热的名字。

然而接下来的一年里，它石智航选择了一条截然不同的路：没有参加各种行业大会，没有频繁对外发声，

没有出现在春晚或各类展示活动中

，一直踏实干活。

一年后，这家以技术工程和产业落地集结的明星团队，交出了答卷——

利刃出鞘

，一

鸣惊人。

它石A1机器人，1小时内完成亚毫米级柔性线束完整装配任务百余次，创下全新吉尼斯世界纪录。

一系列成果让它石首次在线下亮相，便吸引了

央视、新华网

等头部官媒的组团报道。

线束装配

，是地狱级的工业场景。

长程操作、柔性操作、亚毫米精度，

不可能三角全部集齐

，被喻为工业自动化界的「哥德巴赫猜想」。

时隔一年，高调亮相的它石，直接打爆了这个场景，如期兑现了对投资人的承诺。

而同样是时隔一年，

量子位也再次来到了上海——

从它石智航联合创始人、首席科学家

丁文超

这里，获得了关于这家公司更多的技术进展和背后的具身洞察。

真干活的具身大脑

当圈内还在争论机器人何时能真正干活时，它石智航已用硬核技术，交出了答卷。

专攻干活，而且要干就干最难的。这是它石从创立之初就确立的技术路线。

它石为A1机器人选择的挑战，叫作亚毫米级线束装配任务。

这是具身智能最凶险的试金石。

首先是

精度

。

线束的孔位极小，

容错空间几乎为零

。

机器稍有偏差，插不进去；力道稍大也不行，会损坏插接孔位。

其次，

线是软的

。

这和玻璃杯不一样，你一碰，

线会变形

。

因此，模型每走一步，面对的都是一个和上一秒截然不同的物理世界，传统预先设计好轨迹的模式，在这里完全失灵。

而就是这样难度的任务，

还不是插接一根就能完事

。

线束少则十几根，多则几十根，每一根的插接状态都会影响下一根的空间和角度。

丁文超把这类任务概括为具身智能的不可能三角。传统工业自动化精度高但柔性弱，具身方案能做长程任务但精度差。

想要三者同时兼顾，难如登天。

而如今，它石不仅经受住了这一考验，还将其彻底打穿，装配效率创下吉尼斯世界纪录。

甚至

还保留了极高的「活人味」。

在他们发布的一次线束装配「图灵测试」中，

超过50%的投票者

都分不清到底哪个才是机器人，误把选项A认作真人。

既能干活，又保证了动作的丝滑程度，这就是它石潜心钻研一年所打造的具身大脑——

AWE 3.0。

这个名字，有两处值得细细琢磨。

第一，AWE，全称AI World Engine，

AI世界引擎

。

不是VLA，也不是3D资产生成模型，而是一个真正意义上，能够作为具身大脑的世界模型。

依托超十万小时Human Centric数据训练。

第二，

3.0，对标GPT-3

。

采访中，丁文超拿GPT的发展脉络来做参照。

GPT-3做了两件事：把聊天场景打磨到极致，同时指明了这条Scaling曲线的走向。GPT-3出现之后，已经没人再怀疑LLM这条路。只不过GPT-3.5把它彻底引爆了。

AWE 3.0想做的，是同一个逻辑。

用线束装配对标聊天场景，把它打爆，同时验证模型在其他干活任务中的泛化能力。

丁文超坦言，做之前就清楚这是块硬骨头，但真正上手才发现，还是低估了难度。用传统方法，几乎不可能完成。

但也正是这座珠穆朗玛峰般的里程碑，催生出突破，最终汇聚成AWE 3.0。

这个世界模型最核心的特点，叫

隐空间

。

关键在于「隐」这个字。这是一个经过压缩和抽象的中间世界，肉眼无法直接看到，对于具身智能来说却是更本质的学习环境。

面对柔性操作中层出不穷的突发状况，模型不再简单模仿动作轨迹，而是在隐空间里持续推演未来的多种可能，再据此做出决策。

这和GPT-o1有几分相似：

在正式输出答案之前，先在思维链里推理一遍。

丁文超把这个过程叫作「未动先想」。

这当然能提高整个系统的鲁棒性，但出乎意料的是，在隐空间里思考的过程中，模型竟然涌现出一项全新的技能：自我纠错

（Failure Recovery）

。

当插接力度或角度出现异常，机器人会把线拔出来，换个角度再试一次。

对于真实工业场景而言，这是一个象征着成熟度的关键信号：

机器人会反思了

。

不再需要人手把手教，即便遇到超出训练范围的场景，机器人也能自己在尝试中找到解法。

而这一切的实现，没有用到一秒钟的遥操数据。

全部是基于真人在真实场景中的实际操作，人类和机器人共享同一套感知体系。

长期以来，关于具身训练数据，行业有个共识：

遥操数据精度最高

。

丁文超却说，在亚毫米级精度的任务上，这个结论完全站不住脚。

遥操作根本干不了亚毫米级的事，操作过程中会犹豫、抖动，反而变成了训练数据中的「噪声」。

的确，线束这个场景，要求太恐怖了。孔位极窄，对丝滑度的要求非常高。

但人能完成这个任务。

虽然不能百分百零偏差，但人的纠错能力极强，可以在操作中感受阻力，并据此迅速调整角度和力度。

从第一性原理出发，丁文超指出，想要习得这种局部微调的能力，唯一方式，就是从真人身上采集数据。

这也是他在去年采访中反复强调的

Human Centric

。

一年过去，这一理念没有发生变化，并且已经成功落地。

这就是它石今年的第二项成果，

SenseHub数采套件

。

这是一套

以人为中心的一体化数采套件

。

非常轻便，一双手套，一个能够固定在胸部或头部的第一视角摄像头，完全无需像遥操那样进行专业培训，哪怕是清洁工、超市员工，佩戴上就能成为采集员，也不会影响工作。劳动者在日常工作过程中，顺手就能把数据采了，完全是“被动式”采集。

与此同时，它石发起

具身数据星火计划

，邀请生态伙伴加入，基于Human Centric推进具身数据标准建设、共建Human Centric数据集，构建产业级数据共享生态。该计划初期将汇聚超过1000万小时的标准化优质数据，目标推动实现

1亿小时级别的数据共享

。

2026年，Human Centric正在从它石率先验证的技术路线，快速演变为整个行业的共识。

具身智能的数据Scaling，

这才

刚刚拉

开

帷幕。

采访结束，已是夜里十一点，其中一间小会议室里，董事长李震宇和CEO陈亦伦也在热烈讨论。

寒暄中，李震宇说这是创业后的常态。陈亦伦则幽默补充：

一般这个点才刚开始，具身智能的征程，往往越聊越兴奋。

刚刚亮相的技术和成果，无疑是它石智航「日新月异」的新起点。而负责技术研发推进的

丁文超

，给出了更多细节和实践认知。

对话原文

具身智能的“准Zero-shot时代”已然来临

量

子位

：

A1刷新线束装配吉尼斯世界纪录令人印象深刻，研发过程中有什么挑战？哪些环节比预想的要难？

丁文超：

硬件远比我们想象的要重要。

你可以把它理解成

两头往中间靠

的过程：

一方面，通过合理的数据组织、网络训练、网络架构和任务设计，让模型能

人机通吃

；

另一方面，机器人自身也得往人的方向去靠，

自由度、灵活度，还有响应的及时性。

最开始我们采购了很多市售关节回来测，结果发现，要么响应延时有问题，要么扭矩脉动太大。这些都会导致机器人没办法像人一样灵活。

于是我们做了一个决定：

从5月份开始，全栈硬件自研。

核心是两块。

第一是

关节完全自己做

，非常低的减速比、高精度、GAP极小的行星关节，这在市面上非常少见。

第二是

灵巧手

。很多手套数据用夹爪去映射，信息损失太大。所以我们在去年开始研发21自由度灵巧手，和人手完全匹配。

原本我们觉得，具身领域做硬件的公司那么多，产业链应该是成熟的。结果发现这个行业跟汽车工业相比，差距太大了。

品控、标准化、流程化，很多地方还处在

草台班

子的

状态

。

量子位：

有没有什么是以前觉得很难，但实际下来，相对比自己预期、认知要容易一些的？

丁文超：

我觉得有三方面。

第一个，刚才讲过了，

跨本体映射其实没想象中那么难

。

这对业界是个反常识。直到今天，很多人还觉得人到机器人的跨本体映射是个大问题，但我们解决得还不错。

第二，

端到端网络到底能做到什么精度？

之前我们心里的答案是毫米级，但最近有了新突破，我们能做到亚毫米级。

这也是个反常识。大家一直觉得端到端网络特别依赖数据驱动，精度上是不是不如传统方法？事实证明不是。

还有第三点，

以人为中心的生态扩展，比我预想的快得多

。

现在各家在追这种采集方式，投入都特别大。很多人在深入研究我们的数据采集套件。

本以为大家转弯还需要时间。没想到2026年，已经快成为以人为中心的数据采集元年了。

量子位：

亚毫米级这个目标，是你们在实践中发现可以做到，还是场景本身倒逼出来的？

丁文超：

两者都有，但

倒逼的成分很大

。

线束插接场景本身就需要达到亚毫米级精度，逼着我们去想怎么让网络动作更连续、更丝滑，怎么实现failure recovery，插错了也能局部微调重试。

这些能力，

如果我们一开始选的是叠毛巾，可能永远不会被逼出来

。

量子位：

那现在已经实现了亚毫米级操作，如果让模型去叠毛巾，需要重新学习吗？

丁文超：

真正的泛化，不只是模型本身的泛化，

数据和模型的覆盖范围也要泛化

。

对外聚焦线束，是因为我们想

先把这个场景彻底打穿

。但其实从第一天起，我们就同步在工厂、物流、仓储、洗衣房、酒店等

多个场景

采集数据，全部用于训练。

那时很多投资人还有所保留，觉得把一个场景做深、完成商业化就够了。但我们的判断是：

方法论层面的过拟合才是最致命的

，模型的过拟合反而相对容易消解。

现在我们内部已经有N个可落地场景在并发推进，节奏比我自己预期的还要快。

量子位：

具身智能的GPT时刻，怎么定义？

丁文超：

去年聊这个词的时候，大家还定义不清楚。现在我可以给一个更具体的描述：

准Zero-shot时代

。

不是说推到一个新场景完全零基础就能上，而是你已有的核心skills，在新场景里基本都能迁移、都能用。

对标语言模型，大概相当于

GPT-3

的水平；如果某些任务彻底打穿，可能就到

GPT-3.5

了。

这个时间点比大家预想的早，说实话，也比我自己的预期快。我们规划的模型节奏是

2.0、3.0、3.5、4.0

，但我现在判断3.5到4.0这段还会进一步加速。

两个趋势已经肉眼可见：

一是泛化数据的持续积累，二是有限数据下模型能力的快速提升。

一旦准Zero-shot成立，机器人就不只能进工厂、做一个工序，而是可能同时覆盖多个工序。C端机会也会更早涌现。

量子位：

AWE

2.0意

味着什么？

丁文超：

1.0是内部版本。2.0我们有点参考GPT-2的意味。

GPT-2代表

早期Scaling Law成立

，并且在一些任务上已经能盖过Bert这类小模型。对我们来说，2.0意味着我们真正完成了跨本体部署，从Human Centric数据到模型训练，再到机器人上的部署，这条链路跑通了。