為什么它石陳亦倫能融到這么多錢

“50天估值從10億飆到50億。”

作者丨吳彤 馬曉寧

編輯丨林覺民

“為什么它石智航能融到這么多錢？”我把這個問題拋給過許多接觸陳亦倫團隊的投資人，他們給出了各種各樣的答案。

一位知名投資人拒絕了不少名校歸來的助理教授創業的具身創業公司，選擇了它石。談到當時的投資決策，很重要的一個考量在于：

具身模型的底層技術當時還沒有收斂。已經收斂的創業方向，比如說大模型，團隊的技術能力至關重要，但是具身方向的團隊評估，技術能力只占一部分，另一部分在于整個團隊的工程化落地能力。

過去一年，具身智能的資本熱浪如山呼海嘯般撲面而來，許多不知名的團隊都獲得了千萬級別的融資。這些融資有多少是理性驅動的，又有多少是市場在FOMO情緒中做出的不理性判斷。

具身智能賽道火爆，但競爭更激烈。陳亦倫為何能夠帶領它石成為去年的融資冠軍，成就最快獨角獸，這成為了我們最想破解的謎題。

01

在大疆工作一年后，他悟出了這些道理

要了解它石，還是要從陳亦倫的經歷說起。

2016年3月，大疆Phantom 4的發布，成為了陳亦倫進入科技行業主流視野的契機。

這款無人機就像是往無人機行業投下了一枚核彈。借助智能跟隨+避障這樣的功能，大疆拉出了碾壓級的技術代差，徹底把無人機變成了大眾消費品。

有了技術上的大殺器，接下來的重點就是如何維持技術的領先地位。從客觀規律上來說，大疆用了四年的時間來開發這項技術，如果對手公司投入大量資源來追趕的話，可能兩三年的時間就能做出來。所以大疆有了一個兩年的技術窗口期，奠定最終的勝局。

來到大疆之后，陳亦倫開始探索大疆為什么能做出那么好的東西？

總結下來，無非是兩個原因：

第一，他們真的熱愛他們做的產品。

做無人機的時候，每個工程師桌子上都擺著一架無人機，共同的愛好與目標，導致他們每一個人的心意都非常相通，可以說是全員參與測試自己的產品，形成了一種閉環。盡管當時大疆的流程并沒有多么完善，但是這種全員共振的狀態已經超越了流程的本質。

第二則是，大疆的工程師文化非常重，而且非常有特點。

他們不盲目崇拜權力，尤其崇尚獨立思考，往往只服氣技術最好的人。

大疆招聘工程師的時候，會先對最優秀的員工做一個性格測試，然后對候選人做性格測試，從候選人中篩選出接近于前者的人，所以你會發現大疆人都是最極致的工程師性格，多年之后陳亦倫仍然記憶猶新。

02

華為的自動駕駛之路

2018年下半年，一個老同事接到陳亦倫消息，說要不要去華為搞自動駕駛啊。

車聯網不是華為內部唯一一個做自動駕駛的團隊。華為海思的蘇箐，同樣盯上了智駕系統。

蘇箐在1999年就加入了華為，此前他在內部最大的貢獻是麒麟芯片最重要的創始人之一。在當時電腦普遍還是雙核的年代，他提出了手機需要四核的大膽設想，盡管被許多人視為瘋狂。面對MTK山寨機的盛行，蘇箐堅持要開發高端芯片，華為也支持這種大膽的探索 ，最后成功推動了K3-V1和K3-V2兩代芯片的研發。

2018年，蘇箐看到Waymo在自動駕駛領域取得了顯著成就，但因成本過高難以量產。于是蘇箐設想，如果能優化智能駕駛系統，降低成本，使其普及到每一輛車上，就能打開一個巨大的市場，使智能汽車成為下一個“超級單品”。他后來在海思內部啟動了自己的自動駕駛研究項目，與蔡建永領導的車聯網實驗室形成了實質上的“賽馬”。

2018年，當陳亦倫加入時，蘇箐已經推動了華為內部成功數和基礎64線的激光雷達，并且適用于自動駕駛的高算力芯片。憑借這兩項技術突破，華為有望將自動駕駛系統的成本控制在2萬美金以內，挑戰為每輛車提供接近Waymo性能的自動駕駛系統，從而開啟智能汽車作為超級單品的新時代。 那年在奧迪的活動上，華為海思的自動駕駛系統打敗了大疆、百度等幾家公司，被總裁徐直軍看到，開始給與資金支持，并正式將項目轉正。

到了2019年5月，華為將車聯網實驗室升級為智能汽車解決方案BU（車BU），由輪值董事長徐直軍直接掛帥，王軍出任總裁，蔡建永擔任CTO，蘇箐擔任智能駕駛產品線的總負責人。這是實質上的兩個團隊合并，智能駕駛研發團隊全部收歸蘇箐。

陳亦倫的天賦在華為得到了徹底的兌現。他是整個團隊技術等級最高的人。陳亦倫有做芯片的經歷，又有算法能力，面對一線團隊那都是降維打擊。

到了2020年，陳亦倫就成為了整個部門的首席科學家。

03

超級工程師

聰明，智商高，往往是大家對陳亦倫的第一印象。他是物理競賽金牌得主，清華本碩，密歇根大學的博士，學歷屬于天花板級別的存在。工作中也是反應很快，總是能快速找到工程化任務中的短板，并直接解決問題。

陳亦倫快速解決技術難題的能力有目共睹，包括何利楊在內，不少與他共事過的人，都能說出來幾件他解決的技術難題，以證明他在技術上敏銳的感知能力，與超絕的工程思維。用高精地圖訓練靜態感知這個事情，就有不少同事都向AI科技評論提到過。

2021年初，自動駕駛行業內形成了廣泛共識：自動駕駛感知是當時制約技術落地的最大難題。這一挑戰被明確劃分為兩大核心領域，即動態目標感知（對車輛、行人等移動物體的識別與追蹤）和靜態環境認知（對車道線、道路拓撲結構、交通信號燈及標識的精準理解與重建）。當時普遍認為，攻克這兩大感知難題是實現高級別自動駕駛的關鍵前提。

華為ADS在許斌的帶領下，已經基本解決了動態目標感知問題，這非常了不起。但很快他們就發現，因為無法依賴高精地圖進行全國性覆蓋，靜態環境認知成為了新的關鍵瓶頸。

那么不依賴先驗地圖，僅憑傳感器在任意地點實時理解車道線、路沿和拓撲結構，就對算法的精度、泛化能力和計算效率提出了極高要求。

在團隊攻克這一難題的時候，陳亦倫說，“這有什么難的？靜態環境認知完全可以當作一個神經網絡，讓它學習出來。”

在那個大家還普遍用傳統方法（如感知2D車道線再轉3D）的時代，這個思路非常超前。他進一步點明：訓練這個神經網絡所需的“標準答案”（ground truth）其實已經存在，就是高精地圖本身。我們可以用高精地圖作為監督信號，讓神經網絡直接學習從圖像到環境結構的端到端映射。這個思路為后續無圖化（輕地圖）方案指明了方向。

陳亦倫當時關于用高精地圖作為 ground truth 來訓練靜態環境感知神經網絡的觀點，讓同事們感覺如同“開了天眼”，大家對他的技術品味和前瞻性認知完全折服，認定了他是一個能夠引領方向的人。

22年底，蔚來的同學得知，華為的靜態環境感知“是用高精地圖訓練的”，他們非常驚訝。這也正說明，在華為團隊基于這個思路已經實踐了兩年、迭代了多個模型版本了，業內其他公司可能才剛剛意識到這種方法。

這也解釋了為什么華為ADS后來不盲目追隨“無圖”的潮流，而是堅持走“有圖”或“輕圖”（road code）的路線，因為高精地圖本身就是訓練感知網絡最可靠的監督信號。

不被噪聲干擾，直接找出問題的關鍵，從而快速解決問題，這就是陳亦倫的行事風格。直到現在做具身智能，他也在一直強調“第一性原理”，即，具身智能目前要做的，是找到堪比大語言模型中Transformer架構的底層基礎范式。

04

ADS的酣暢大勝

按照蘇箐為團隊制定的目標，每一輛搭載華為系統的車都要具備比肩Waymo的能力，這在當時是一個無人敢想的任務，學術界和工業界都沒有先例。作為對比，百度當時專注于L4級Robotaxi 在限定區域的運營，而華為要做的卻是讓智駕系統在全國范圍內啟動即可使用。這決定了團隊必須解決高精地圖、復雜城市場景等根本性難題。

蘇箐非常看重實際效果，并且希望在短期內看到成效，這對于整個團隊提出來重大的挑戰。

好在他遇到了最好的工程化人才，陳亦倫。

陳亦倫的團隊從感知模塊開始，將一個個原本用C++堆砌的子系統——視覺、激光雷達融合、預測、規劃——逐步用AI模型重構。代碼量銳減，性能反而提升，解放出來的人力得以持續攻克下一個堡壘。

這種系統性轉向AI的策略，不僅提升了效率，更在本質上重塑了華為ADS的研發模式。它使得一支70分的團隊發揮出了100分的能力，以驚人的速度逼近并超越了行業預期，最終將那個看似不可能的宏大目標，變成了問界、阿維塔車上用戶可感知的體驗。

舉例來說，在華為ADS的攻堅戰中，傳感器融合就用到了AI。

理想情況下，激光雷達是最可靠的感知源，但成本制約了其大規模應用。為了將系統總成本控制在2萬美元以內，華為不得不采取折衷方案：僅在車輛前方有限區域部署激光雷達，并深度融合攝像頭等廉價傳感器。

這帶來了極其復雜的多傳感器融合挑戰，華為擁抱視覺融合路線，更是將BEV（鳥瞰圖）感知和AI預測技術應用于量產輔助駕駛系統的先行者。一個頗具意味的事實是：當華為已經在預測模塊廣泛應用AI時，許多專注于L4級別的公司，仍在使用傳統的非AI方法。

不過，陳亦倫的AI技術路線也非一帆風順。比如2020年，華為智駕遇到了路徑導航與控制（PNC）技術瓶頸，PNC一旦能用AI解決，接下來實現端到端的自動駕駛就變得相對容易了。而AI領域雖然經常涌現出成堆理論家，但既有相關專業背景又具備實戰經驗的人才卻少之又少。

為了突破PNC的瓶頸，2020年9月，陳亦倫招募了“華為天才少年”丁文超——香港科技大學沈劭劼教授的學生，專攻規控算法。丁文超被寄予厚望，他的任務是用AI方法重構規控模塊，為最終實現端到端自動駕駛鋪平道路。陳亦倫的用人眼光很快就得到了驗證，2021年丁文超就開發出了能在城區和城中村復雜路況運行的端到端demo。

華為ADS那幾年的人才密度可以說是最高的，沒有之一。除了蘇箐和陳亦倫，還有陳奇、姜軍、陳保成、以及黃青虬、許彬、丁文超等眾多優秀人才。

據AI科技評論追蹤，不少人已經投身到具身智能領域。比如丁文超就在2023年2月入職復旦大學，創建機器人系統實驗室，主持研發該校首個人形機器人項目。現在，他在和陳亦倫一起創業。

05

踏入戰場的前一夜

一位知名的投資人告訴我們，他第一次見陳亦倫的時候就覺得，這是個很厲害的人。

創始人想要讓不懂行的投資人相信自己，總會時不時展現出一種微妙的居高臨下的氣場，既能展示出自己的自信，也讓投資人相形見絀，高技術人才尤其容易有這種傾向。

但是陳亦倫不是，他的氣場不是刻意表現出來的，而是自然展露的。他總是對自己的表達有著充分的自信，不因為他人的貶低和否定有一絲一毫的動搖，而且他邏輯清晰，能把投資人完全不懂的商業和技術邏輯都講得很清楚。

這樣的人才，怎么會沒有機會呢？

李震宇再加上丁文超這樣的天才少年，陳亦倫這樣的工程領袖，三者形成技術信仰、工程能力、商業閉環的完美鐵三角，讓資本愿意在早期就持續為這家新公司加注。

憑借這一切，它石智航在50天內鎖定了由藍馳創投、啟明創投領投的1.2億美元天使輪融資，隨后很快又完成了1.22億美元的天使+輪融資，創下中國具身智能領域天使輪融資紀錄。

06

那位值得期待的統帥

據雷峰網走訪曾接觸多位它石智航的投資人，他們評價很一致：在所有描繪通用具身智能宏大敘事的創業者中，陳亦倫是少數能把怎么賺錢這件事講明白的人，以及展示了一條清晰且可信的退出路徑。

當時它石智航的融資計劃書里，規劃是先讓機器人進入工廠產生收入，再尋求上市。公司將第一個落地場景錨定在汽車線束裝配——一個工序極度復雜、至今仍高度依賴人工的環節。

一位機器人創業者告訴我們，“其實線束那件事如果能做出來，我一點不懷疑它的價值。但我之所以不信，是因為從技術人員角度看，難度太大了。如果你去過線束工廠，就會知道那種復雜程度。”

工廠里能自動化的步驟早就自動化了，如果還不能自動化，那這件事一定有著別人難以想象的壁壘。線束裝配的需求是很大的，每個車都需要，但是目前的突破還不夠。比亞迪一直在和諸多實驗室合作，嘗試用具身智能解決這個問題。

有專業人士向我們描述過一個典型的線束裝配的場景：一個很大的板子，上面有很多不同的插孔位置，機械夾爪要把線插到不同位置，還要用膠帶纏起來然后做各種操作。光是這條流水線上就需要上百個工人，而且有著非常復雜的分工，每個工序只要稍微錯一點，這條線就斷了。

它石要不斷地展示自己的技術能力和野心，既是為拓寬市場考慮，也是為下一輪的估值考慮。

上一個Demo取得過不錯的成績，不少人會問，全球首個會刺繡的機器人有什么用？

這場在2025年12月19日的技術直播，是它石罕見的一次對外展示。首個能獨立完成手工刺繡的機器人，代表兩項技術突破：一是該機器人具備亞毫米級的精細化操作能力，并且實現了AI驅動視覺定位與運動控制的緊密結合，二是攻克柔性材料與線束操控的難題上，它石取得了重大的突破。

根據2025年3月陳亦倫的公開表態，團隊將打造AWE（AI World Engine）世界模型。與GPT利用互聯網語料訓練不同，他們AWE的核心是Human-Centric（以人為中心）的具身數據引擎。其關鍵在于采集人在物理世界中與環境交互的真實數據，讓模型學會預測動作及其帶來的環境變化。

他們反對過度依賴仿真數據，認為“真實數據的優先級永遠高于仿真”。換句話說，該理念是將自駕已驗證成功的數據驅動和端到端方法論，完整地復用到機器人“大腦”的開發上。

既是從底層創新、模型訓練、Demo展示上，也是從場景定義、商業推進、融資消息上，陳亦倫都在一絲不茍的把握他的節奏。他見識過創業公司的成功，也證明了自己是最好的工程領導者，現在他要把這兩者結合起來，用一名最好的工程師的身份，創造一個成功的企業。

整個行業都在期待他的答案。