專訪它石智航陳亦倫：用第一性原理解鎖下一代Scaling Law

作者：呂鑫燚

出品：具身研習社

如果將具身智能類比成智能手機，它石智航做的從不是“折疊屏”這類在已有基礎上的“錦上添花式創新”。而是回歸技術本質，重現喬布斯以iPhone 4“滑動解鎖”重構人機交互的范式級革新。

再直白點來說，它石智航給市場的答卷中沒有擠牙膏的東西。

2025年12月19日，它石在首次對外發布的技術直播中，以全球首臺刺繡機器人為“窗口”，具象化展現其機器人在柔性、復雜、精細化等苛刻因素下執行任務的穩定性。其困難程度很直觀地便讓人察覺到，它石不是單純的“炫技”，而是“拋針引Scaling Law”。

和刺繡機器人同臺出現的，還有它石在數據-算法-本體硬件的全鏈路技術范式重構。數據側，全球首創“Human-centric”（以人為中心）的數據采集新范式，打破了數據采集成本高、規模化難、泛化難的困局；具身模型AWE2.0讓機器人每個動作都能精準實現，且不再是孤立的技巧，成為通向物理世界的入口；本體硬件側，為AI而生的硬件設計，破解了硬件上限制約軟件算法的迷思。

這種技術重構，并不是在已有基礎上追逐表層技術答案，例如簡單的擴充模型量級或豐富場景數據；而是回歸問題本質，從底層開始思考具身智能的發展范式。跳出“堆模型”“拼硬件”的傳統思維，找到堪比Transformer之于大語言模型的底層范式，最終實現它石智航創始人兼CEO陳亦倫博士所說的“打造真正可靠、高效、可大規模部署的「有用」機器人。”

透過它石的技術布局和陳亦倫對產業的研判，可發覺其和產業內思考明顯分野的結論：Scaling Law不應該是具身智能的最終追求，而是其持續迭代發展的必要條件。

畢竟，只有先實現Scaling Law，才能讓機器人真正從DEMO中走出，落地在真實世界中。

當我們不再爭論技術路線的正確與否，而是以“第一性原理”從結果倒推技術如何發展的時候，我們才真正打開了具身智能時代的大門。

它石是具身智能賽道鮮少“想得清楚、看得長遠、目標堅定”的公司。

這得益于它石團隊背后的履歷，作為中國自動駕駛領軍人之一，在端到端還未成為自動駕駛主流方案時，陳亦倫已經親手解鎖了端到端的可行性。過往十多年的產業經驗，讓陳亦倫擁有攻克前沿技術難題、再到工程化真實落地的方法論，疊加團隊在學術、產業界沉淀的經驗，讓它石成為了一家“謀定而后動”，一步步穩扎穩打的公司。

陳亦倫對具身研習社分享，“十多年前我就知道理想狀態下的機器人應該是什么樣，過往所有經驗讓我有了將理想變成現實的底氣”。

再細化一點，“想得清楚”落到實際行動上來看，便是它石自誕生之日起就錨定了“有用”這一目標。陳亦倫用經典的三板斧來詮釋“有用”的含義：作業效率、作業精度、作業成功率均滿足場景實際需求。這是機器人的基本邏輯，也是它石的頂層設計。

為了讓機器人真的“有用”，它石選擇了最高效的路徑：先找到正確結論，再找到最優、最短實現路徑。

以數據為例，2025年整個具身智能行業的“數據饑渴”早已躍然紙上，真實和仿真路線之爭依舊沒有答案。真實數據困在難以規模化的窘境里；仿真徘徊在sim2real的GAP里。但它石并沒有急于在真實和仿真間要一個答案，而是先去思考具身智能對數據的核心訴求是什么。

在陳亦倫看來，機器人真正可用的數據需要同時滿足任務場景真實、任務真實有效完成、任務采集信息全量記錄三個條件。這不是在真實和仿真數據中“二選一”就能實現的事情。

基于此，它石參考了自動駕駛和大語言模型在數據側的破局方法。自動駕駛的數據來源依賴海量人類真實的駕駛行為；大語言模型取之不盡的互聯網數據也依賴人類的貢獻。那具身智能的數據也應該是從人類生活的萬千環境里，真實交互行為中沉淀的數據資產。

于是，它石推出了“以人為中心”的數據采集新范式，讓真實從業者穿著幾乎無感的輕量數采設備在真實環境中采集數據資產，當每一個數據來源都是真實動作時，便能收集到海量、精準、多模態的數據，全方位滿足具身智能對數據真實、有效、完整的訴求。

數據采集創新的背后，還暗藏著一條與“有用”頂層設計深度綁定的暗線。

為了確保數據質量更高且更精細化，它石智航并未采用二指夾具、外骨骼等簡化采集設備，而是自主研發高精度視觸覺一體化手部采集系統，在數據采集階段便實現全量手部運動姿態的精細化捕捉，精準復現人手的每一個細微動作，同時采集真實的觸覺反饋，為后續機器人作業精度奠定基礎。

通過采集硬件、采集方式等多維度的創新，它石為機器人獲取可用數據找到了新路徑，讓機器人在現實世界落地、真正成為能“上崗”的生產力成為可能。

這種“本質先行”的第一性原理思維，同樣體現在工作流中。

面對“硬件難被算法驅動”的行業痛點，部分整機廠試圖通過 “硬件成型和再與算法團隊融合” 彌補短板，但容易造成工作流重復低效問題。它石智航則通過前置化的系統規劃，讓硬件在最開始設計時就帶著算法思維，提高研發效率，提升硬件效用。

在“想透本質再落地” 的實踐邏輯下，它石打破了數據采集的路徑依賴、重構了硬件設計的系統思維，這份不盲從的戰略定力與技術深耕，更向具身智能產業傳遞了一種全新的發展范式，唯有以清醒的認知錨定方向，以扎實的實踐破解痛點，方能真正推動行業從概念走向價值。

這也是它石知行合一下，構建的難以復制的核心壁壘。

清楚了它石在思考問題的底層邏輯以及方法論后，再理解其技術側的創新就更為直接了。

在第一性原理設計下，“以人為中心”（Human-centric）的數據采集新范式，可以高頻記錄到最高質量、最豐富的具身智能數據，同時還能最大程度降低數據采集成本，提高效率，真正使得Scaling Law成為可能。

據了解，基于Human-centric的采集范式，它石智航構建了全球首個大規模真實世界具身 VLTA多模態數據集 World In Your Hands（簡稱 “WIYH 數據集”）。目前，該數據集已正式開源，是業內最大的Human-centric數據集，具備了真實可靠、豐富多元、全面多模態、規模化等特征。

據陳亦倫透露，對具身智能來說，百萬小時的數據量是起步，后續目標是千萬小時量級。

但采集只是數據的第一步，收獲大量高質數據后如何作用到機器人上，才是具身智能的“軟肋”。這背后要求的是機器人不是“照貓畫虎式”模仿人類運動軌跡，而是真正理解動作和環境之間的物理關系，為什么這樣做、在什么條件下這樣做，“知其然更要知其所以然”，遷移才可能真正成立。

為了讓數據到應用的遷移不再有“軟肋”，它石智航構建了TARS Datacore具身數據引擎，通過數據標簽的全流程自動化標注，讓模型知道物理世界運行的內在機理，擁有通用能力。

數據采集和數據引擎的突破創新，給模型Scaling Law奠定了基礎。它石推出的AI World Engine （AWE2.0）模型，輸入全身傳感器和動作信息，輸出的是全身的運動軌跡，以一段式端到端的方式，直接學習「全身」完整自由度的動作策略。

借助Human-centric數據的共性表達，和流式長期記憶，模型學到的是動作背后的空間、力與決策邏輯，而非單一動作模仿，能實現核心能力跨場景快速泛化，比如刺繡到線束的遷移，本質上都是對柔性物體的精細、長程操作。這種設計不僅讓機器人全身自由度充分釋放，靈活度逼近人類，更從底層邏輯降低跨本體遷移鴻溝。

目前，基于WIYH海量數據迭代的 AWE 2.0，已在多場景實現任務成功率跨越式提升。

模型擁有了強大的落地能力后，需要與之相配的是一個更靈活、更適合AI的硬件。在本體硬件側，區別于傳統硬件廠商更執著于“單一極致性能”的設計思路，它石的硬件邏輯是“designed for AI”。

以一個小例子來看，陳亦倫對具身研習社表示，很多廠商會忽略“扭矩脈動”，但這卻是機器人執行精密任務的重要維度。基于此，它石的電機結構設計，實現了行業最小的扭矩脈動，<0.1%的額定扭矩為高頻、連續控制提供穩定基礎。

由此可見，它石摒棄了硬件粗放的發展邏輯，而是在AI驅動下尋找硬件的黃金平衡點。

最能體現“designed for AI”重要性的是末端執行器，目前市面上主流做末端執行器的公司分為兩類：純上游靈巧手廠商、整機廠自研。前者擁有制造能力，但很難及時反饋硬件和模型算法的適配度；后者雖然可以及時調配，但往往沒有硬件的組織能力，止步于工程化的門口。

而它石基于過往經驗和第一性原理的牽引下，找到了破局方法。既破解了硬件工程化問題，也讓靈巧手等部件更好地適配算法，推出了TARS-Dex靈巧手、 TARS-Dex視觸覺夾爪。其中靈巧手采用準直驅驅動方案，內部深度集成視覺、觸覺等全量傳感器，讓算法能精準復現，真正用腦思考、用手干活。

自此，它石的“超級數據、超級算法、超級本體”已經形成了良性發展閉環，硬件創新讓數據收集更簡單高效，數據適配讓算法有了跨本體的能力，算法配合下更靈活的本體能讓技術創新真正落地。

閉環至此形成，下一代Scaling Law已經到來。

技術創新實現后，它石智航走到了具身智能的新關卡：落地場景。

而這也是它石給產業最驚喜的東西。不同于大部分企業對落地場景泛泛而談，用一個籠統性的詞匯代替。而是找到了最棘手也等待新生產力許久的工業場景--汽車線束。

作為汽車“神經網絡”，線束堪稱勞動密集與技術壁壘的雙重疊加：單條線束包含數十至上百根導線，需歷經裁線、理線、扎帶、組裝等數十道精密工序。更核心的挑戰在于，線束材質柔性易變形、不同車型的線束組裝邏輯差異顯著，傳統自動化設備或協作機械臂難以應對動態調整需求。

同時，工序中涉及高壓電操作等安全風險，人工操作暗藏安全隱患。這一系列特性，讓汽車線束長期被業界視為工業自動化界的“哥德巴赫猜想”。在陳亦倫看來，這些價值高、市場廣、難度大的問題才是新一代技術需要解決的事情，也是它石智航真正要落地的場景。

透過它石智航已在刺繡領域驗證的柔性精細操控能力可見，刺繡工藝對絲線的柔性控制、精準走位，與線束裝配中對柔性導線的精密彎折、對接、固定要求同頻，這份經過真實場景打磨的技術積淀，被它石智航成功遷移至線束制造場景，完成了從 “生活里的針線活” 到 “工業下的精密操作” 能力躍遷。

如今，它石成為全球首個在機器人領域突破線束制造難題的企業，實現了線束裝配的自主化操作。

汽車線束只是它石落地的一隅，陳亦倫進一步對具身研習社闡述了落地場景規劃：其一場景痛點足夠真實；其二空間規模足夠大；其三落地門檻足夠高。

從更長遠的視角來看，它石更廣闊的舞臺在C端，讓機器人真正大規模融入千行百業，讓新一代技術革新多元化場景的生產關系。

技術側尋找根本的底層創新，落地側滿足最難的場景訴求，它石用實際行動詮釋了一家“踏實”的具身智能企業應該是什么樣子。這或許也是它石打破天使輪融資紀錄的核心原因，敢破的勇氣和穩扎穩打的腳步，是最稀缺的投資標的。畢竟，在這個變幻莫測的賽道中，給投資人的BP從來沒變過，它石智航或許也是極少數派了。

無論是技術范式的創新還是落地路徑，它石智航的實踐，最終給產業留下了一個清晰的啟示：具身智能的終極價值，從來不是實驗室里的技術參數，而是解決真實世界難題的能力。唯有敢于闖入落地 “無人區”，攻克別人不敢碰的 “世界級” 難題，才能真正推動技術從概念走向價值。也為行業樹立了一種可持續的發展范式。在喧囂的賽道中，這條 “技術深耕 + 場景精準” 的道路，才是穿越周期的核心密碼。