机器人前瞻（公众号：robot_pro）
作者 | 许丽思
编辑 | 漠影

前几天，马斯克发布了在弗里蒙特工厂参观Optimus机器人生产线的大合照，又一次点燃了外界关于特斯拉的人形机器人Optimus量产情况的讨论。

不过，他也坦言，Optimus的生产初期会非常缓慢，因为一切都是全新的，这不像制造汽车那样简单。

这样的表态也揭示了具身智能行业正在面对的现实。造出一台能干活的机器人已经不容易了，要把它变成一批性能一致、质量稳定、成本可控的产品，那更是难上加难。

长期以来，具身智能行业的聚光灯更多落在模型能力、炫酷的动作技能演示上。但随着机器人开始走向落地，竞争标准正在转向更具体的问题，那就是能否批量制造、快速部署、稳定运行，并真正融入客户的生产流程。

今天，至简动力宣布首款全场景机器人i7 Pro完成首批百台交付，并落成CNC智能化具身机器人产线，迈过了从实验室验证走向真实产线部署、从单台试点走向规模化交付的门槛。

一、不到一年交付百台，机器人从Demo走进工厂、商超、物流领域

成立不到一年，至简动力就完成首款全场景机器人i7 Pro百台交付。这个速度放在具身智能行业里并不常见，它意味着这家创企已经跨过了样机研发、产品定义、供应链组织、整机制造和交付部署等多个阶段。

相较于一台机器人在Demo里完成任务，百台交付更考验整机一致性、长期稳定性、快速维护能力以及不同客户现场的复制能力等。

至简动力CEO兼CTO贾鹏在接受媒体采访时谈道，这100台机器人并不是集中交付给单一客户，而是分布在多个真实场景中。

其中，最大一部分落在机器人核心部件相关的工业客户场景；另一类重要落点，则是光模块、柔性PCB等AI基础设施相关产线，此外还包括科研、生态伙伴和开发者客户。

其中，在CNC场景中，i7Pro已经能够承担CNC上下料等连续作业任务。CNC是检验机器人综合能力的高价值场景，同时对机器人的移动、精细操作能力提出了极高的要求。

在绿的谐波的CNC产线上，多台i7 Pro能够在不同机床之间移动，完成上料、取料、定位、插入等连续动作，同时满足高精度、长时间稳定运行和现场安全要求。

除此之外，i7 Pro还在商超零售、智慧物流等领域开展应用验证，逐步开拓能力边界。

机器人前瞻在现场看到，用户线上下单后，i7 Pro就能够快速移动到货架旁，准确定位所需商品，并把商品依次放入框中，最后将商品送至用户手中；

在快递分拣流水线上，两台i7 Pro还能互相协作，完成移动分拣、包裹翻面等多样化任务。

相比工厂场景，商超、物流场景的货品形态更为多样、任务流程变化快、现场环境更开放，更能检验机器人的通用泛化和快速部署能力。这些场景不是各自为战的定制项目，而是至简动力的同一套技术体系在不同场景里的自然延伸。

当前，具身智能落地的一大难题，是通用能力与客户愿意付费的具体价值之间仍存在距离。

贾鹏解释，至简动力之所以优先选择CNC、柔性PCB、光模块等场景，核心原因还是这些场景有真实需求。

一方面，如果机器人能参与机器人核心部件制造，就能一边验证真实工厂作业能力，一边推动关键部件成本下降；另一方面，光模块、柔性PCB等场景，具备需求明确、工艺复杂、价值可量化等特点。

这类任务边界明确、痛点突出、生产价值容易量化，天然更适合作为具身机器人商业化早期落地的突破口。

这其实也反映出行业落地逻辑正在发生变化，企业不再等待一个无所不能的通用机器人，而是先打通工业、物流、零售等高价值场景，在真实任务中积累数据和经验，再逐步扩大机器人的能力边界。

据了解，i 系列机器人还将向更开放、更高频的服务场景延展，承担迎宾接待、智能导览、信息咨询、物品递送等任务，逐步进入社区、展馆、园区、酒店、家庭等日常生活空间。

二、全栈自研技术协同，构筑快速交付底座

至简动力能够快速完成百台交付的背后，在于其从成立以来就坚持全栈自研和软硬一体，让模型、本体、数据和软件平台协同设计。

贾鹏觉得，未来真正的竞争，不会是⼀项单点技术的竞争，⽽是整个⽣态协同能⼒的竞争。所以，⾄简动⼒希望呈现给⼤家的，是⼀套完整的具⾝智能体系和平台。

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。围绕LaST₀，该公司搭建了从预训练到后训练的完整技术体系。LaST-R1将强化学习引入隐空间特征推理，在LIBERO标准测试中取得99.9%的成功率；LaST-HD则面向人手操作数据向机器人任务迁移，建立了可规模化的数据构建与模型训练方法。

而模型的迭代进化，还依赖于真实环境中源源不断的数据。所以，至简动力构建了从便携式数据采集设备、数据治理、自动标注、训练验证到模型迭代的完整数据闭环，通过真实场景数据持续提升机器人的泛化能力、任务成功率和场景适应能力。

贾鹏强调，至简动力一直以来就坚持“模型定义本体”，遵循车规级系统工程标准打造通用本体平台。i7  Pro集成移动、操作、360 度感知、交互与计算能力，面向真实场景设计，采用分层模块化架构，核心组件可通用复用，能够更快适配各类新场景。

更关键的是，i7 Pro实现了一小时开箱即用，减少长周期工程改造和复杂调试流程。依托通用软硬件体系和轻量化部署流程，i7Pro能够在不同产线、工况和任务之间迁移适配，低成本、快速地进入新场景。

“未来真正重要的，不是什么都会干，而是换场景、换工件、换任务以后，能不能快速进入新场景，学习新技能，产生新价值，这个可能才是具身智能最核心的竞争力。”贾鹏说道。

同时，至简动力还面向开发者和合作伙伴打造机器人开发平台，集成Agent框架、Skill库、底层SDK、仿真验证与真机部署工具，降低机器人应用开发门槛，让机器人应用能够更快开发、更快验证、更快落地。

从交付角度看，全栈自研的价值在于减少外部系统拼接产生的适配成本，模型、本体、数据和软件平台从一开始就协同设计，机器人从样机开发到客户现场稳定运行的周期才可能被压缩。

更深一层看，掌握完整技术栈，至简动力能够更快速地将落地现场产生的数据、失败案例和部署经验反哺模型与本体，将单个项目中的经验沉淀为可复用、可迭代、可规模复制的产品能力。

三、从造出一台到稳定造出一批

全栈自研打通了机器人从模型训练、本体开发到现场部署的技术链路，但是百台交付还有另一道隐蔽的门槛。那就是把一台能够完成任务的样机，变成一批性能稳定、质量一致且能够持续交付的产品。

具身机器人涉及多个复杂环节，真正批量交付、规模落地，要求每台机器人的精度、可靠性和运行表现保持一致，任何偏差都可能在百台规模下被进一步放大。

至简动力带有深厚的工业量产基因，核心团队来自智能汽车、自动驾驶和供应链体系，经历过硬件产品从研发验证到规模量产的完整周期。

董事长王凯曾任理想汽车CTO，拥有近20年智能汽车全链条研发经验；CEO兼CTO贾鹏曾任理想汽车自动驾驶技术研发负责人，也曾是NVIDIA自动驾驶中国团队第一号员工；COO王佳佳曾任理想汽车自动驾驶量产研发负责人，也曾在博世中国从零搭建辅助驾驶系统工程团队。

所以，团队能够将智能汽车行业形成的车规级研发流程、质量管理体系和量产交付方法迁移至具身机器人，持续提升关键零部件协同、整机制造、BOM优化和质量管理能力，降低产品从样机进入批量生产的不确定性。

产品的迭代速度与产业链协同速度息息相关。至简动力所在的苏州吴中区及周边2小时制造业经济圈，拥有成熟的制造业基础，汇集了绿的谐波、东山精密、汇川科技、爱合发等企业，为其提供了关键零部件供应、加工制造、整机装配与调试验证的支持，深入真实的客户现场。

至简动力的研发中心距离绿的谐波只有8分钟的车程，如果机器人在客户现场出现问题，工程师甚至只需要骑着小电驴，就能快速完成验证、调整和迭代。

结语：进入产线之后，新的考验又将开始

至简动力的百台交付与真实产线落地，为行业划定了一条清晰的分水岭，具身智能的竞争已经从拼Demo的上半场，进入了拼工程量产、拼BOM成本与一致性的下半场。

不过，进入产线只是第一步，真正的考验在于机器人能否跨过长期运行这一关。贾鹏也坦言，百台交付的价值，是把东西交给真实用户，真实生产现场一定会暴露问题，但这个过程必须经历。

毕竟对工业场景而言，短时间跑通任务并不难，难的是在复杂工况下持续保持稳定、可靠，并为客户创造长期的生产价值。走入真实产线后，新一轮更严苛的实战考验，才拉开序幕。