至简动力100台机器人下车间，告别手工叠衣

相较于汽车制造领域的规模化和系统化，当前具身智能行业更像是一个“小作坊”式的起步阶段。

作者：周永亮
编辑：郑玄

在具身智能这一热门赛道上，来自理想汽车的高管团队格外引人注目。目前，已有超过十位从理想汽车走出的高管投身于具身智能的创业浪潮。在这批创业者中，至简动力无疑是最具代表性的企业之一——其三位核心创始成员，董事长王凯、CEO兼CTO贾鹏、联创兼COO王佳佳，均出自理想的智能驾驶团队。

这三人于2025年7月底共同创立至简动力，仅用半年时间就完成了五轮融资，累计融资额突破20亿元。这一惊人速度，使至简动力迅速成为具身智能领域中不可忽视的新锐力量。

最近，至简动力迎来了又一个关键里程碑。2026年7月6日，公司在苏州举办了场景落地暨百台交付仪式。活动现场，他们正式宣布首款全场景机器人i7 Pro已完成首批百台交付，并同步落成了全球首个CNC智能化具身机器人产线。

过去两年，我们经常看到具身智能公司发布机器人操作视频——抓取、分拣、叠放衣物，画面中的动作流畅自如。然而，许多关键问题却很少被深入探究：这些机器人离开精心布置的演示环境后，是否还能稳定工作？它们能否持续运行长时间的作业？除了展示的那一台，第十台、第一百台的产品表现能否保持一致？

成立仅一年的至简动力，给出了自己的答案。他们并非发布一段炫酷的视频，而是将整整一百台机器人直接部署到绿的谐波、东山精密等企业的实际工厂中。根据公开报道，这也是行业内从公司成立到实现百台交付速度最快的纪录。

相较于交付速度，更值得关注的是：他们是如何做到的？这一百台机器人的实际交付，究竟意味着什么？

为什么选择了一个“不够亮眼”的应用场景

坦率地说，如果单纯为了吸引眼球，CNC上下料绝非理想的选择。

这个场景不如叠衣服、冲咖啡那样直观易懂，也缺乏强烈的视觉冲击力。机加工车间通常嘈杂、油腻，地面布满油污和金属碎屑，体验五分钟就知道它跟“性感”毫不沾边。至简动力CEO兼CTO贾鹏在采访中被反复追问：为何选择CNC场景，而非一个更容易讲故事的领域？

图片来源：至简动力

在他的解释中，隐藏着三层清晰的逻辑。

第一层，是任务本身的复杂度。贾鹏反复强调一个核心概念：长程任务，或者说移动操作任务。他特意纠正了一个常见说法，“我们首先不把它叫做简单的搬运”。CNC上下料并非只是“从A点搬到B点”。工人需要从料箱中取出毛料，精准装夹到机床上，中间误差必须控制在0.5毫米以内。加工完成后，还需取出工件、清理碎屑、进行自动化质检，发现问题还需修正，最后才能入库。这一整套流程串联起来，才是一个完整的具身操作任务。

第二层，是它对节拍的要求相对不那么极限。CNC加工本身耗时较长，大部分时间机床在自主运转，机器人无需与人类比拼手速，可以在等待间隙完成移动、取放、质检、入库等一系列动作。对机器人而言，这是一个相对宽容的试验场。相比之下，流水线作业对节拍要求极高，当前整个具身智能行业的硬件成熟度，还远未达到能顶替流水线工位的水平。

第三层，也是最现实的一层——市场需求足够大，且痛点足够深。目前，全国有超过300万台机床，上百万从业人员，平均年龄已接近45岁。年轻人普遍不愿进入工厂，尤其不愿从事这种嘈杂、油腻、充满粉尘的工作。据介绍，目前苏州不少工厂招工困难已是常态。至简动力的判断很直接：不是寻找最容易做的场景，而是寻找最亟需被解决的场景。只要能在这类场景中稳定创造价值，客户对投入产出比的感知将非常直接。

图片来源：极客公园

在苏州开璇智能工厂，这套逻辑已经落地于产线。现场可以看到，至简动力i7 Pro在CNC智能化具身机器人产线中，伸出手臂，张开夹爪，从料箱中抓取零件，转身走向机床，精准定位后将零件插入机床内部，整个过程大约耗时两分钟。在加工等待间隙，机器人会在不同工位间移动，连续完成上料、取料、定位、插入等操作，完美匹配产线的实际生产节拍。

图片来源：至简动力

此外，至简动力对外传播中最容易被记住的一句话是“一小时开箱即用、通用泛化、快速部署”。对此，许多人可能会心存疑虑，甚至将其视为营销话术。

贾鹏的表态非常坦诚：“目前没有任何一个通用具身模型，能保证在完全陌生的新场景中，直接做到100%成功，这一点谁也无法保证。”所谓的一小时，前提是提前获得了部分场景数据，进行了预训练和任务拆解，到现场后是“快速适配”，而非从零开始摸索。他们甚至坦言，哪怕一小时后先达到80%、90%的成功率，后续也需要持续迭代，将这一数字进一步提升。

据了解，i7 Pro最高配版本售价仅为22.98万元。王佳佳算过，与传统方案相比，购买i7 Pro可在1.5年内收回成本。目前，苏州机加工行业的平均月工资约在1万元左右。

行业仍处于从0到0.1的起步阶段

对于成立一年的至简动力而言，百台交付的真正分量并不在于数字本身，而在于它证明了一件事：从产品定义、算法模型、数据闭环、本体设计，到供应链管理、工程量产和现场部署的系统能力，已经开始体系化地运转起来。

或许很多人好奇，为什么至简动力能如此迅速地完成i7百台交付？

图片来源：至简动力

答案并非在于某个单一技术点，而在于一套系统能力，包括全栈自研的软硬件一体化、LaST0等自研模型体系、数据基础设施、本体能力以及供应链优势。

其中，模型体系是他们投入最大的部分。目前，至简动力约有150名员工，模型和算法团队约70多人，占了一半。贾鹏认为，如果没有真正训练过多模态基座模型，没有大规模训练集群和数据治理经验，将很难长期支撑机器人模型的迭代发展。

尽管已经拿下了第一个重要节点，但联创兼COO王佳佳的判断依然冷静：“我们认为整个行业目前仍处于0到0.1的阶段，远未达到0到1。具身智能最难的挑战在于，多个‘从0到1’的环节耦合在一起：本体是0到1，数据是0到1，模型也是0到1，产品商业化同样是0到1。”

这些话，在具身智能创业普遍依靠讲故事、拼估值、抢首发的当下，显得有些不合时宜。但贾鹏坚信，具身智能行业真正意义上的0到1，必须达到年交付万台以上的级别。低于这个体量，毛利根本无法支撑研发投入，也无法实现真正的规模化。

同时，具身智能的“0到1”比大模型和自动驾驶更加艰难，因为它需要同时解决本体、数据、模型、商业化四个“0到1”的问题，并且它们相互耦合。大语言模型还可以利用互联网数据，自动驾驶至少拥有车队和用户数据，而具身智能目前几乎什么都没有，只能依靠自己去采集、标注、训练和迭代。硬件本体也仍处于早期阶段，供应链标准、工艺标准都尚未完全成熟。

谈及具身智能行业的交付现状，贾鹏表示，与汽车制造相比，目前的具身智能行业就是一个“小作坊”。去年全行业机器人销量大概在1.5万台左右，可能还不如一款车型一周的销量。

ToC是最终目标，但先从工业场景落地

当被问到是否会涉足家庭场景时，贾鹏没有回避。

但他认为，ToC机器人要想真正成立，首先必须满足三个硬性门槛：一是成本必须压缩到万元以内，中国消费者对超过一万元的耐用消费品会开始犹豫；二是产品力必须跨过一个体验阈值，否则用户新鲜感一过就会弃用，没有留存就无法形成数据闭环；三是一条更沉重的门槛——安全。他用了一个不太浪漫但非常真实的比喻：七轴机械臂，本质上就是一根安装了高扭矩电机的“鞭子”。

在技术路径上，他指出了ToC机器人必须跨越的五项泛化能力：通用移动能力、物品泛化能力、基础操作能力（与灵巧手深度绑定）、人机交互泛化（HRI），以及最终的跨本体泛化。

图片来源：极客公园

因此，目前并非不想做ToC，而是现有的硬件和数据基础还无法支撑这个终局。贾鹏坦言：“大家都知道灵巧手目前的状态，我们使用的灵巧手经常三天就坏，基本无法实现量产。”

因此，至简动力选择先在工业场景中，把可靠性和快速部署能力打磨成熟，再逐步向商超、大型卖场等“半开放但无需与人接触”的场景延伸，最终进入家庭场景。

对于成立一年交付100台的结果，王佳佳表示“内部很难说完全超预期。团队一直不太满意，因为一旦你发现要做的任务非常多，就会觉得自己还可以再努力一点。”对于未来，他们不会只盯着一个静态的交付数字，而是更看重交付斜率、产品稳定性、真实场景反馈和生态扩展。在工业场景中打磨出来的部署能力，后续将逐步开放给合作伙伴和解决方案生态。

接下来，至简动力将在7月份继续推进产品矩阵，技术层面将继续围绕模型、本体、数据闭环和部署工具链进行迭代。

站在2026年的年中回望，具身智能公司的数量已经达到百家，接下来行业将经历从炫酷demo到真实场景落地的残酷转变。就像2016年前后新能源汽车公司有上百家，前几年大模型公司也经历了“百模大战”，随后行业迎来大浪淘沙。对于具身智能公司而言，只有那些能驾驭万卡算力集群、拥有基础模型与数据闭环能力的团队，才能真正穿越周期。

至简动力，正在努力争取属于自己的那张“船票”。

*头图来源：至简动力

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：至简动力100台机器人下车间，告别手工叠衣要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题