当前位置:

首页 > 硬件相关 > 机器人走进产线「打工」,至简动力不想让具身智能停在 PPT 上

机器人走进产线「打工」,至简动力不想让具身智能停在 PPT 上

至简动力实现首款全场景机器人i7Pro百台交付,建成全球首个CNC智能化具身机器人产线。通过LaST基座模型、自研数据采集、车规级本体及SimpleClaw开发者生态,推动具身智能从演示走向批量进入真实产线,完成上下料高精度操作,回应行业从“未来想象”转向“今天能做什么”。

本文目录

    自从ChatGPT和Claude成为科技行业的主流叙事关键词之后,人们对新技术的期待也悄然发生了变化。过去,大家总爱用“iPhone时刻”来形容技术从PPT走向大规模应用的转折点;现在,这个词汇被替换成了“ChatGPT时刻”和“Claude时刻”。前者的关键词是规模,后者的关键词是商业闭环。

    这一年,具身智能行业问得最多的一个问题,大概就是:机器人什么时候迎来自己的ChatGPT时刻?

    这个问题背后,带着一种典型的AI产业想象。当年大语言模型在一夜之间走入大众视野,让许多人相信,机器人或许也能在某一个瞬间突然跨过临界点,从实验室的demo、展台的演示、短视频里的“炫技”,真正进入真实世界,去接管那些重复、繁琐、危险、或者需要极高精度的活儿。

    不过,有意思的是,具身智能行业自身的叙事风格,正在从“未来会怎样”转向“今天能做什么”。如果你去留意最近的新闻,会发现行业里的一些信号已经非常明确。

    7月6日,至简动力在苏州举行了一场场景落地暨百台交付仪式。他们正式宣布,首款全场景机器人i7 Pro完成了首批100台交付,并且落成了全球首个CNC智能化具身机器人产线。按照公司自己的说法,从成立到完成百台交付,他们用了不到一年的时间——这大概是具身智能行业里最快的百台交付纪录了。


    从“GPT时刻”到“Coding场景”

    至简动力内部一直在复盘大语言模型的发展路径。CEO贾鹏和团队从一开始就在琢磨一个问题:ChatGPT那个所谓的“爆发瞬间”,背后到底是什么?答案看起来并不神秘——预训练、数据、算力、基础设施、产品场景,这些东西经过了长期的积累,才促成了一次看上去像是“一夜之间”的爆发。

    机器人行业当然需要属于自己的“GPT时刻”。但这个时刻大概率不会像一个按钮被突然按下,它更可能是一系列基础能力持续堆叠之后,某些场景率先跑通,再通过数据、模型、工程和商业闭环逐步扩散到更多领域。

    所以,比“具身GPT何时到来”更现实的问题是:具身智能的“Coding场景”在哪里?

    对于大语言模型来说,编程是一个足够高频、足够刚需、反馈链路又足够清晰的场景。开发者不断提出任务,模型不断生成代码,人类立即验证结果,反过来推动产品和模型迭代。需求、数据、工具链和付费意愿在这里形成了一个完整的闭环。

    具身智能也需要这样的场景——而且,它可能不止一个。CNC上下料、仓储分拣、商超补货、柔性PCB、光电模组、AI存储、生物医药实验室……这些都可能成为机器人寻找“产品化抓手”的早期阵地。它们未必像科幻电影里的通用机器人那样抓人眼球,但却有着更清晰的任务边界、更真实的客户需求,也更容易形成数据回流。

    至简动力这次选择的起点,是CNC产线。


    坦白说,CNC上下料这个场景听起来并不性感,甚至有点“传统”。机器人需要在多台机床之间来回移动,完成上料、取料、定位、插入等一系列连续动作。但仔细想想,这个场景对机器人能力的要求其实相当不低:既要移动能力,又要高精度操作;既要应对真实工厂的复杂环境,又要满足长时间稳定运行和安全要求。

    尤其是“移动+高精操作”的叠加,让这个任务比固定工位的机械臂抓取复杂得多。底盘移动会带来误差,机械臂操作也会带来误差,两者叠加之后,机器人仍然需要完成0.1mm级别的定位、插入和对齐。对于一台样机来说,跑通一次任务已经不容易;但对于一批机器人来说,保持多机一致性和连续稳定运行,才是真正跨入交付阶段的门槛。

    这也是“百台交付”这个数据背后的行业意义:它把具身智能从“演示一次”推进到了“批量进入现场”。

    至简动力对外强调,百台交付的核心不在于某个单点技术的突破,而在于一套完整的系统能力。这套系统可以拆成四个部分:模型、本体、数据和软件平台。

    模型,是机器人的大脑。至简动力选择了一条原生具身基座模型的技术路线。行业目前主要有两个方向:一个基于VLM的VLA,另一个则是基于视频生成的世界模型。至简动力的判断是,具身智能需要的不只是看懂世界,还要理解物理规律,并预测行为与环境之间的闭环交互。


    因此,至简动力提出了LaST系列具身基座模型,尝试把多模态理解与生成整合进一套统一架构。LaST的定位是“理解与生成合一”的具身基座模型。围绕它,他们还推出了TMR 3D视觉感知模型、人类数据训练方法LaST-HD,以及强化学习算法LaST-R1——逐步建立从预训练到后训练的技术体系。

    从行业观察的角度看,这条路线的关键词不是“更大的模型”,而是“更适合部署的模型”。机器人面对的是一个连续、实时、有物理约束的世界,它不能只在云端慢慢推理,也不能把每一个任务拆成复杂的手工工程。因此,能否把空间理解、任务规划、动作输出和世界建模能力压缩进端侧可用的模型形态,会直接影响机器人能不能真正进入现场。

    数据,是机器人的经验。大语言模型依赖互联网文本和代码语料,而机器人则缺少这样天然存在的大规模数据源。真实世界里的手、物体、力、摩擦、遮挡、位姿和环境变化,都很难通过低成本的方式持续获得。至简动力的解法是自研便携式数据采集设备,走众包采集路线,并在11个月内完成了三代数据采集手套的研发。

    按照贾鹏披露的数据,至简动力的数据规模从零增长到了近3万小时、2PB,GPU从几十张扩展到了1200张,系统设计目标是支撑每月10万小时的数据生产能力。这些数字当然还需要在更长期的场景中验证其质量和有效性,但它至少说明,至简动力对具身智能的判断,并不仅仅停留在模型结构上——他们把数据生产能力看作是底层基础设施。


    至于本体设计,至简动力强调“模型定义本体”。这句话听起来像是一个技术口号,但落到产线里,对应的是可靠性、一致性、可维护性和成本。i7 Pro搭载了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。同时,模块化力控人形臂支持快速装配、更换和标定,末端执行器可根据任务需求在二指夹爪、三指夹爪或灵巧手之间扩展。

    过去很多机器人项目卡在“最后一公里”:实验室里可以工作,到了现场就要重新集成;一个工位可以工作,换一条产线又要重新调试;单台机器可以工作,批量交付之后一致性又难以保证。至简动力强调的一小时开箱即用、通用泛化和快速部署,本质上就是在回应这个痛点。

    仅仅拥有一个基座模型,还不足以真正做好具身智能。机器人同样需要属于自己的Agent框架,也需要属于自己的“Claude Code”。至简动力打造的Simple Claw开发者生态,集成了Agent框架、Skill库、底层SDK、仿真验证和真机部署工具,目的是降低机器人应用开发的门槛。

    这一点对于具身智能来说尤其关键。单家公司不可能覆盖所有行业和场景,机器人要进入千行百业,就必须让更多开发者、客户和合作伙伴参与应用开发。模型负责通用能力,平台负责开发效率,真实场景负责反馈数据——三者之间能否形成正循环,将决定机器人从少数示范项目走向规模化应用的速度。


    真实产线,是最好的压力测试

    真实产线不会为机器人降低难度。机床、料框、通道、工件、节拍、安全规范——这些都有既定的要求。机器人进入现场后,必须去适应现有的生产系统,而不是要求工厂完全围绕机器人重建。这也是具身智能区别于传统自动化设备的地方。

    传统自动化往往擅长结构化、高一致性、高节拍的任务,但面对多品种、小批量、频繁换线的制造场景时,改造成本和集成周期就会明显上升。具身机器人如果要证明自己的价值,就必须在这种非完全结构化的场景里体现出灵活性:更轻量地部署,更快地迁移,更低成本地适配新任务。

    至简动力把i7 Pro定义为全场景机器人,而CNC上下料只是第一步。按照资料披露,公司接下来还将在工业场景中拓展光电模组、柔性PCB、AI存储等人工智能基建领域的应用;同时在商超零售、智慧物流、生物医药等领域开展验证。

    这些场景共同指向一个更现实的路径:通用机器人不会从一开始就无所不能。它会先在若干高价值、高频、边界相对清晰的场景里完成能力闭环,再逐步扩大自己的边界。


    这和自动驾驶的发展路径很像。L4自动驾驶很难从第一天就覆盖所有道路和天气条件,所以行业往往从固定路线、港口、矿区、园区、Robotaxi试点城市等场景切入。具身智能也一样,早期的落地不需要证明机器人什么都能做,而是要证明它能在某些真实场景里稳定地创造价值。

    机器人是复杂的硬件系统,涉及到关节、电机、减速器、传感器、计算平台、末端执行器、整机装配和现场调试。越接近交付阶段,供应链和工程能力的重要性就会越来越高。

    研发效率很大程度上就是供应链效率,产品迭代速度很大程度上就是产业链协同速度。至简动力把研发放在苏州吴中,一个很现实的原因是这里拥有完整的制造业基础和机器人产业生态。按照资料表述,吴中及周边2小时制造业经济圈,为至简动力提供了关键零部件供应、加工制造、整机装配、调试验证和真实的客户现场。

    过去大模型公司的竞争,常常围绕算力、数据和算法展开;而机器人公司的竞争,则会多一个硬件和制造的维度。模型再强,也需要稳定的本体来执行;算法再先进,也需要可靠的关节、线束、传感器和电气架构来支撑;场景再清晰,也需要工程团队在现场反复调试、验证、维护。

    因此,具身智能的护城河很难只来自论文或demo。它更像智能汽车产业的延伸:算法、硬件、供应链、质量体系、工程交付和场景运营——这些因素共同构成了竞争力。

    这也在某种程度上解释了,为什么至简动力的核心团队值得关注。CEO兼CTO贾鹏曾担任理想汽车自动驾驶技术研发主要负责人,董事长王凯曾任理想汽车CTO,COO王佳佳也有自动驾驶量产研发和辅助驾驶系统工程的背景。从自动驾驶到具身智能,场景虽然不同,但底层方法论是相通的:都需要把AI能力放进一个高可靠、高安全、可量产、可交付的复杂系统里。

    具身智能仍然处在非常早期的阶段。百台交付并不意味着通用机器人已经成熟,也不意味着行业已经找到了所有问题的答案。但它至少代表了一个方向性的变化:行业开始从宏大的AGI想象,回到具体的产线、工位、物料和节拍。

    这对具身智能来说,反而是一件好事。因为机器人最终要改变的,不是发布会上的想象,而是现实世界里的工作流。当它能在CNC产线上稳定上下料,在仓库里完成移动分拣,在商超里完成取货打包,在实验室里处理标准化流程——到了那个时候,它才会真正成为一种生产力,而不是一种被观看的技术奇观。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 具身智能
    相关文章 更多
    星海图高继扬:具身智能可能不会有“GPT时刻”
    星海图高继扬:具身智能可能不会有“GPT时刻”

    星海图CEO高继扬提出具身智能的三阶段论,认为中国硬件与数据产业链优势将助其两年内反超美国。具身智能不会有大模型式“GPT时刻”,而是从工业场景逐步渗透。高质量真实数据是核心,数据与算力成本比约1:10。

    从数采场到本体研发,南京具身智能机器人重点实验室花落软件谷
    从数采场到本体研发,南京具身智能机器人重点实验室花落软件谷

    南京市具身智能机器人重点实验室由天创智能牵头组建并通过认定,与已建成的数据采集训练中心形成双轮驱动,主攻本体研发和硬件算法,打通工业场景从研发到落地的闭环,软件谷特种机器人产业集群已具规模。

    深圳如何打造全球具身智能高地?这份行动计划划出重点
    深圳如何打造全球具身智能高地?这份行动计划划出重点

    深圳市发布《具身智能机器人技术创新与产业发展行动计划(2025-2027年)》,目标到2027年实现核心零部件、AI芯片等关键领域突破,培育估值超百亿企业10家以上,落地十亿级应用场景50个以上,关联产业规模达1000亿元,推动产业生态达到国际领先水平。

    上海具身智能半小时供应链全球独有,机器人预计2030年智能涌现
    上海具身智能半小时供应链全球独有,机器人预计2030年智能涌现

    上海具身智能产业链快速成型,通过无本体数采设备、浦江X平台突破数据瓶颈,大模型与触觉方案提升机器人能力。真实场景部署成功,依托半小时供应链圈实现量产。预计2030年智能涌现,市场潜力超万亿元。

    壹连科技牵手苏州大学建柔性传感研究院 锚定电子皮肤与具身智能新赛道
    壹连科技牵手苏州大学建柔性传感研究院 锚定电子皮肤与具身智能新赛道

    壹连科技与苏州大学共建柔性界面与智能传感研究院,聚焦电子皮肤、具身智能等前沿技术。依托柔性印制电路板技术,公司向人形机器人、低空经济等新兴赛道拓展,巩固新能源主业的同时打开长期成长空间。

    如祺出行具身智能数据平台发布,加速构建物理AI数据能力
    如祺出行具身智能数据平台发布,加速构建物理AI数据能力

    如祺出行发布具身智能数据平台,通过自动化流水线处理第一人称视角操作视频,实现数据导入、AI预处理、动作标注、质检到导出的全链条串联,旨在降低边际成本,突破高质量物理交互数据短缺的瓶颈。

    加码具身智能数据服务 出行平台卡位物理AI新赛道丨新经济观察
    加码具身智能数据服务 出行平台卡位物理AI新赛道丨新经济观察

    如祺出行发布具身智能数据平台,搭建Ego-centric数据自动化处理流水线,降低数据从采集到训练的边际成本。在政策推动和“数据饥荒”背景下,出行平台将自动驾驶AI数据能力跨界迁移,助力突破具身智能规模化发展瓶颈。

    宇树验证一个新趋势:具身智能的核心战场,不只是模型
    宇树验证一个新趋势:具身智能的核心战场,不只是模型

    具身智能竞争正从模型参数转向系统架构与数据积累。宇树科技发布WVLA2.0大模型,实现无遥操90毫秒推理闭环;NXP提出NeuralAxis架构,将延迟降至40毫秒。全栈自研整合与全球实体数据成为核心壁垒。

    作为科技全球首发人形护理机器人,以具身智能技术重塑养老新范式
    作为科技全球首发人形护理机器人,以具身智能技术重塑养老新范式

    我国60岁以上老年人口超3.2亿,失能半失能老人超5000万,护理员缺口达千万级。某科技公司发布人形护理机器人“天枢”与“天玑”,具备物理操作与设备互联能力,覆盖失能照护六大场景,无需大规模更换设备,降低养老机构数字化改造成本。

    具身智能加速涌入工厂:场景倒逼设计,关注ROI与稳定性
    具身智能加速涌入工厂:场景倒逼设计,关注ROI与稳定性

    智元机器人第15000台精灵G2下线并交付电子制造企业龙旗科技,六天产线直播累计作业64828次,成功率99.99%。场景倒逼技术迭代,稳定性和投资回报率是核心,单机可靠性要求极高。超千台已部署于工业、零售等场景,未来将拓展半导体、汽车零部件等领域。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。