至简动力是具身智能赛道最快的独角兽。
本文为 IPO 早知道原创
作者｜Stone Jin
微信公众号｜ipozaozhidao
据 IPO 早知道消息，至简动力日前宣布其首款全场景机器人 i7 Pro 完成首批百台交付，并落成全球首个 CNC 智能化具身机器人产线。
值得一提的是，至简动力从公司成立到百台交付用时不到一年，创下具身智能行业最快百台交付纪录，也完成了从技术验证、产品定义、工程量产到真实部署的关键跨越。
事实上，至简动力曾在成立半年内连续完成 5 轮融资，累计金额 20 亿元，投后估值超 10 亿美元，成为具身智能赛道最快的独角兽，投资方包括腾讯、阿里巴巴、红杉中国、元璟资本、高榕创投等机构。至简动力核心团队来自智能汽车、自动驾驶、供应链和工程量产体系。CEO & CTO 贾鹏曾任理想汽车自动驾驶技术研发负责人 / VP，主导 L2 / L3 / L4 自动驾驶算法设计和落地，也曾是 NVIDIA 自动驾驶中国团队第一号员工。董事长王凯曾任理想汽车合伙人 / CTO，长期负责智能汽车前沿技术研究与量产开发，拥有超过 20 年智能汽车与智能手机全产业链研发经验。COO 王佳佳曾任理想汽车自动驾驶量产研发负责人 / VP，也曾在博世中国从 0 搭建辅助驾驶系统工程团队，具备供应链、硬件、软件、模型研发和商业化落地能力。
当然，至简动力能够快速完成百台交付，核心在于从系统层面定义机器人，而不是只做单点突破——至简动力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，减少后期集成成本，支撑快速部署和规模交付。在这套技术体系中，原生具身智能、数据高效闭环、一体化本体和 Simple Claw 开发者生态，共同构成了至简动力的技术底座。
在模型端，至简动力自研 LaST ₀ 具身基座模型定位为原生多模态理解与生成一体化模型，并围绕 LaST ₀ 搭建起从预训练到后训练的完整技术体系，LaST ₀ 的相关工作已获 ICML 2026 Spotlight；
在数据端，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；
在本体端，至简动力坚持 " 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 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，模块化设计也让机器人能够更快适配各类新场景。这种一体化本体能力，是机器人可标准化交付、灵活拓展和快速落地的基础。
在开放者生态上，至简动力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。至简动力希望通过开放模型、工具链和机器人平台，赋能更多生态伙伴，共同推动机器人进入千行百业。
这里不妨重点介绍一下至简动力的首款规模化交付产品，也是其全栈技术底座的首个落地载体 i7 Pro。它不是在实验室里为某个 demo 定制的专用机，而是一套可面向不同产线、工况和任务快速迁移适配的通用能力平台。
在硬件形态上，作为一款 i 面向真实场景的具身机器人，i7 Pro 搭载七自由度模块化力控人形臂，具备更高的重复定位精度。其臂展达到 1000 mm，能够覆盖更大范围的工位，并具备灵活的多作业拓展能力，可胜任精度要求更高的场景任务。面向真实环境中的连续作业需求，i7 Pro 采用车规级电子电气架构，支持多种形式补能和长时间连续运行；搭载 2070 TFLOPS FP4 中央计算平台，具备长程任务规划、自主执行和新场景快速适配能力；依托 360 ° 环境感知、主动避障及近人安全机制，实现风险预判与触碰柔停，保障复杂现场中的人机协同安全。
围绕工业现场的实际需求，i7 Pro 能够覆盖多工位作业、搬运真实工件并完成高精度操作，同时满足工厂对安全性、可靠性、可维护性和连续作业能力的要求。更重要的是分层模块化设计：针对真实操作任务，至简动力自主打造了模块化力控人形臂，支持快速装配与更换。产品标配二指夹爪，并可根据不同任务需求升级为三指夹爪或灵巧手，同时开放接口，支持客户和开发者进行二次开发。
在工业场景之外，至简动力还在商超零售、智慧物流等领域开展应用验证，逐步开拓机器人的能力边界——在商超零售领域，机器人可完成从线上下单、智能取货到自动打包的全流程、跨环节自动化作业；在智慧物流领域，机器人也可胜任移动分拣、包裹翻面等多样化任务，进一步检验其泛化能力在新场景中的迁移效果。这些场景不是各自为战的定制项目，而是同一套技术体系在不同场景里的自然延伸。
未来，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。随着感知、交互与任务执行能力持续提升，i 系列机器人将逐步进入社区、展馆、园区、酒店、家庭等日常生活空间，为用户提供更自然、更高效的综合服务。
某种程度上而言，至简动力不仅仅是一个具身大脑公司，更希望建设机器人时代的基础设施，也更愿意把自己定义为——具身时代的手艺人，静下心打磨模型、工具链和平台，赋能其生态伙伴，一起实现机器人真正进入千行百业。
在完成百台交付之际，至简动力 CEO & CTO 贾鹏、COO 王佳佳向「IPO 早知道」等分享了至简动力最新的业务进展、未来规划以及对当下具身智能行业的理解和看法。
以下系经「IPO 早知道」整理的对话精选：
不是找最容易的场景
而是找最有需求的场景
Q：为什么会先选 CNC、柔性 PCB、光模块这些场景？
A：说实话，首先还是因为这些场景有真实需求。机器人行业自己也在增长，核心零部件、加工效率、成本这些问题，最后都会影响整机能不能真正产业化。我们如果能用机器人去参与机器人核心部件制造，一边验证机器人在真实工厂里能不能干活，一边也能推动关键部件成本往下走。
像 CNC、精加工、热处理这些环节，本身壁垒比较高，人工成本也在升。客户如果是新建产线，那一开始就按照具身智能机器人可以使用的方式去设计，把抓、拿、放、取、运输、搬运、上下料这些环节纳进去，后面部署会更顺。
光模块、柔性 PCB 这些场景，跟 AI 基础设施的增量也相关。我们希望先在这种有真实需求、有增量、有工艺难度的场景里，把自己的快速部署、稳定运行、数据闭环和模型能力练出来。
Q： 其实 CNC 这种场景并不容易展示。
A：我们不是找最容易的场景，而是找最有需求的场景。机器人如果能在这里稳定产生价值，客户对 ROI 的感知会非常直接。
就像 CNC 场景。第一，它是长程任务，不是单动作；第二，它节拍相对没那么极限。大部分时间花在机床加工上，机器人可以在等待过程中做移动、取放、质检、入库等任务。第三，市场足够大。国内机床保有量很高，从业人员也多，但这个行业年轻人越来越不愿意干。现场又吵又脏，还有油污、金属粉尘和碎屑。像苏州这边，很多工厂招人并不容易，平均年龄也偏高。
Q：机器人进真实工厂，实际落地里有哪些摩擦点？
A：摩擦点肯定很多。比如机加工车间地面有油污，第一次进去你会发现轮子打滑，机器人基本动不了。那就要和客户一起讨论地坪要不要重新处理，轮系或者移动策略要不要改。
还有机床接口问题。你一开始可能想用夹爪去按按钮、开门、关门，但这些精细操作很依赖视觉和灵巧手，难度很高。那是不是可以直接发信号控制机床？是不是把门、按钮、接口都做一些改造？这些都是现场一点点磨出来的。
还有人的问题。工人看到机器人进来，会担心自己会不会失业，也会对这个东西有点怵。所以进工厂不只是技术问题，也要从一线操作、节拍、数据、稳定性这些细节上慢慢建立信任。
与客户形成真正的 " 机器人造机器人 "
走 " 通用移动 + 基本操作 + 有限场景 " 路径
Q：客户为什么会选择和你们合作？
A：最开始合作的时候，对方也会怀疑：你们这么新的公司，到底靠不靠谱？所以这个事情不是一天谈成的，而是双方观察、磨合了很久。
核心还是认知一致。客户本身是机器人核心部件相关的头部企业，如果它都不愿意拿出真实场景来使用机器人，那谁来推动这个行业往前走？这点和我们的想法是一致的。
合作也不只是买卖关系。我们会一起定义关节、定义本体、定义底层信号，对方也愿意为了应用专门空出产线，甚至做一定改造。这个过程才是真正的 " 机器人造机器人 "。
还有一个很重要的点是数据。我们从装配的一刻开始，底层信号就会入库，生产使用过程中的数据也会回流。对供应商来说，过去它只把部件卖出去，很难知道真实工况下电机扭矩、加速度、控制参数到底怎么样，现在这些反馈能帮助它一起优化。
Q：你们怎么理解机器人在工厂里的角色？更像普通工人还是技术工人？
A：短期内更像 " 有某类 expertise （专业技能）的技术工人 "，不是那种一上来就能跨所有工位、所有产线的通用工人。
现在整个具身智能还没达到特别通用的阶段，但在某些特定工况、特定技能上，可以做到一定的场景泛化，并且已经能产生生产力。未来很长一段时间，可能还是工业、商超、服务、物流这些大场景各自形成能力。
Q：从工业到商超、再到家庭，你们内部的路线大概怎么拆？
A：我们现在走的是 " 通用移动 + 基本操作 + 有限场景 "。工业场景边界清楚、需求明确，也能单独隔离出来，所以适合早期验证。
但我们不会一上来就去做流水线上的高节拍单工位替代。说直白一点，当前硬件成熟度、模型成熟度还远远不够，那个节拍太高，最后很容易变成新的非标自动化。
下一步可能是半开放场景，比如商超、大型卖场、家居卖场。它们跟家庭有点像，需要整理、摆放、取放、清洁这些能力，但又不像家庭那样跟人有大量直接接触，节拍要求也没那么高。比如关门以后，机器人花一晚上把店里整理好，这种场景就更适合过渡。
等本体稳定性、模型能力、数据能力和安全能力都再往上走，我们才会更有信心进入家庭。
要让自己的成长速度始终匹配行业变化
更在意加速度和斜率，而不是静态目标数字
Q：公司成立快一年，这个交付速度是超预期还是低于预期？
A：我们内部其实很难说 " 完全超预期 "。团队一直对自己不太满意，因为一旦你发现要做的事情很多，就总觉得自己还可以再努力一点。今天百台交付是一个节点，但后面还有 1000 台、1 万台，挑战会更大。
我们更在意的是加速度和斜率，而不是一个静态目标数字。行业大盘还在增长，对我们来说，关键是自己的成长速度能不能匹配这个行业的变化。
Q：你们怎么定义具身智能行业的 0 到 1？百台交付算完成 0 到 1 吗？
A：说实话，我们觉得行业整体现在还处在 0 到 0.1，远没到 0 到 1。具身智能最难的地方是，几个 0 到 1 都耦合在一起：本体是 0 到 1，数据是 0 到 1，模型也是 0 到 1，产品商业化也是 0 到 1。
大语言模型还有互联网数据，自动驾驶至少有车队和用户数据，具身智能现在什么都没有，只能自己去采、去标、去训练、去迭代。硬件本体也还在早期，供应链标准、工艺标准都还没完全起来。
所以我们内部更倾向于说，真正有量产感可能要到万台级。几百台、几千台都还是第一期、第一批量产。百台交付的价值，是把东西交给真实用户，让用户骂也好，反馈也好，真实生产现场一定会暴露问题，但这个过程必须经历。
Q：百台交付之后，产品和技术上还有哪些规划？
A：百台之后还会继续推进产品矩阵，后面会有新的产品发布。技术上会继续围绕模型、本体、数据闭环和部署工具链迭代。
我们不会只盯着一个静态交付数字，更看重交付斜率、产品稳定性、真实场景反馈和生态扩展。工业场景里打磨出来的部署能力，后面会逐步开放给合作伙伴和解决方案生态。
Q：你们怎么看具身智能行业接下来的周期？
A：任何新技术都会经历一条曲线。强如大语言模型，也经历过 " 没有 killer app"" 除了聊天还能干什么 " 的质疑期。后来真正有收入、有应用，行业才又爬起来。
具身智能大概率也会经历冷静期。到时候大家会重新问：机器人是不是真的能干活？能不能产生商业价值？投入产出能不能算过来？
上市、融资和行业预期会让短期很热闹，但财务数字、真实交付、客户价值最终会让市场重新评估。这个过程可能会比较残酷，但也会让行业回到产品和技术本身。
本文由公众号 IPO 早知道（ID：ipozaozhidao）原创撰写，如需转载请联系 C 叔↓↓↓
登录后才可以发布评论哦
打开小程序可以发布评论哦