在火热的具身智能赛道上，上演了颇具东方神韵的独特一幕。

近日，成立不足一年、已手握17亿人民币融资的明星公司它石智航，正式向外界揭开了其技术面纱。

与行业常见的跑跳、搬运等力量型展示不同，它石智航选择了一条与众不同的路径，亮出了一手“针线活”——在轻薄的布料上穿针引线，最终绣出了自家公司的Logo。

这是全球首个实现自主刺绣的机器人。

这场发布会，无疑被寄予了极高期待。不仅仅因为这家企业曾刷新中国具身智能行业最大天使轮纪录，也因为其创始人名单星光熠熠：前华为自动驾驶系统CTO陈亦伦、前华为“天才少年”丁文超、前百度资深副总裁李震宇（也曾任职华为）……这支有着“AI全栈能力最强战队”的团队，究竟会交出一份怎样的答卷？

它石智航创始人兼CEO陈亦伦博士表示：“一切技术的终极检验标准是：能否打造真正可靠、高效、可大规模部署的『有用』机器人。”

显然，它石的目标不是为了“秀”，而是为了“用”。

▍秀的不只是针线，还有“哥德巴赫猜想”

为什么是刺绣？

在很多人看来，刺绣似乎与高科技的机器人关联不大。但在它石智航的眼中，这恰恰是对机器人能力的终极考验，是一场精细、复杂、长程操作任务的“六边形能力验证”。

完成一次刺绣，意味着机器人必须具备亚毫米级的超高精准度，实现灵活协调的双手协同，能精准应对柔性物体的特性，具备细腻的力触控制能力，以及在复杂长程任务中保持高成功率的执行能力。

机器人必须要实时感知针、线、布的变化。一方面，布料是一个轻薄的柔性物体，力气稍重，布料便会起皱；力道稍欠，绣针则无法穿过。这种对“劲道”恰到好处的拿捏，是对机器人力控能力的考验。另一方面，针与线本身的目标尺寸极小，这极其考验机器人的视觉定位与微操作精度，任何微小的偏差都可能导致任务失败。

这正是上一代工业机器人难以逾越的鸿沟。它们擅长在结构化环境中对刚性物体进行重复抓放，但面对柔性、精细、复杂的任务时，便会束手无策。

而它石智航展示刺绣，正是其“能力的外溢”。这项看似传统的技艺，其背后所验证的技术矩阵，可以直接迁移到更具商业价值的工业场景中。发布会上，它石紧接着就展示了这项能力在工业场景的落地——自主完成复杂的线束装配。

线束装配，因其涉及大量高密度线缆接口的识别和精细插拔操作，曾被看作“工业自动化界的哥德巴赫猜想”。它石智航的机器人能够顺滑、精准地完成这项任务，意味着他们成功攻克了这一行业难题，成为全球首个在该领域取得突破的企业。

从“指尖艺术”到“工业制造”，它石证明了其技术并非空中楼阁。而这背后，是一套系统性的全栈解决方案。

▍解题思路：DATA-AI-PHYSICS三位一体

面对软硬件协同的行业难题，它石智航没有选择单点突破，而是给出了一套名为DATA–AI–PHYSICS的三位一体系统性解决方案。

这套方案的核心逻辑是：以海量、真实的数据（DATA）为基石，驱动强大的人工智能模型（AI），并通过为AI而生的硬件（PHYSICS），将数字世界的智能精准映射到物理世界。

首先，是一切的起点——数据。

陈亦伦在对话中明确指出，做具身智能有量级门槛，其数据需求至少是自动驾驶的十倍，即100万小时高质量数据起步，最终目标是千万小时量级。

如何获取如此海量、高质量的真实数据？它石的答案是：以人为中心（Human-centric）。

他们摒弃了传统遥操作“为了机器人而妥协”的数据采集方式，创新性地构建了一套名为SenseHub的可穿戴具身数据采集系统。这套系统包括复现人类真实视角的TARS-Vision，以及灵巧手TARS Glove（通用五指）和Glove2（夹爪）。

各行各业的从业者，只需穿上这套轻便的设备，在真实的工作和生活场景中进行操作，系统就能在不改变人类操作方式、不额外搭建采集环境的前提下，持续记录下包含视觉、触觉、动作、语言在内的多模态真实数据。

“所见即所感，所动即所学。”

基于此，它石沉淀出了全球首个大规模真实世界具身VLTA（Vision-Language-Tactile-Action）多模态数据集WIYH（World In Your Hands）。这为模型的训练提供了最宝贵的“养料”。

其次，是智能的大脑——AI模型。

有了海量真实数据，它石构建了其具身基础模型——TARS AWE （AI World Engine）2.0。

这个模型旨在解决当前具身智能模型普遍面临的三大瓶颈：空间认知差（经常认错物体）、流畅度和精准度不足、泛化能力弱（换个场景就不行）。

AWE 2.0通过空间感知预训练，构建机器人对世界的认知模型，让它不仅知道“怎么做”，更能理解“为什么这么做”。同时，通过一段式全身端到端学习，将从海量数据中学到的能力，高效迁移到机器人本体上。其强大的泛化能力使得核心技能可以在不同场景、不同任务间高效迁移，为规模化部署扫清了关键障碍。

最后，是连接数字与物理的桥梁——硬件本体。

与传统硬件追求机械性能极限的思路不同，它石提出了“为AI而生（Designed for AI）”的硬件体系。硬件以“最小 digital-to-physical gap”为核心设计原则，成为具身 AI 模型性能释放的理想载体。

发布会亮相的A系列和T系列机器人，搭载了全套自研核心部件与超级传感器组合。例如，其自研的TAS关节，实现了行业最小的扭矩脉动（额定扭距小于1/1000），打破了传动效率、位置控制和力控之间的“不可能三角”。其灵巧手终端TARS Dex，深度集成了视觉和触觉传感器，实现了感知与执行的一体化。

从数据采集、模型训练到硬件执行，它石智航构建了一个完整的技术闭环。这不仅是一条技术路径，更是一条符合Scaling Law（规模法则）、具备长期复利效应的工程化路径。

▍17亿融资背后，自动驾驶老兵的降维打击？

它石智航的全栈布局和对问题本质的思考方式，让业内人士评价其“不愧是总架构师，思考问题的方式很本质”。这种评价，直指其核心团队的深厚背景。

CEO陈亦伦，曾任大疆机器视觉总工程师、华为自动驾驶系统CTO，从0到1主导完成了华为第一代自动驾驶系统的全栈研发。首席科学家丁文超，90后，华为“天才少年”计划的首批入选者，主导了华为ADS智驾端到端决策网络。董事长李震宇，前百度集团资深副总裁，一手组建并长期领导百度的自动驾驶事业部。

这支团队几乎完整地经历过另一个高复杂度AI赛道——自动驾驶——从研发到工程落地、再到规模化部署的全过程。

陈亦伦在发布会后的对话中，提出了一个关键的类比：“现在的具身智能比较像2019年的自动驾驶。”

2019年，正是自动驾驶技术路线从传统基于规则的方法，全面转向AI驱动、数据为王的关键转折点。当时，头部玩家开始意识到，没有规模化的数据，就不可能实现真正的泛在智能驾驶。

如今，它石智航将这一在自动驾驶领域被验证过的、代价高昂的经验，带到了具身智能领域。他们从第一天起就确立了“数据是核心难点”的认知，并系统性地构建了Human-Centric的数据采集范式。这或许可以解释，为何一家成立不到一年的公司，能够如此迅速地搭建起一套逻辑自洽且完整的技术体系。

这不是简单的技术复用，而是一种在更高维度上对复杂AI系统工程的理解和洞察。他们知道通往规模化的路上会遇到哪些坑，知道数据的“硬币两面”——定义了AI目标就需要对应的数据，拥有什么样的数据才能训练出什么样的AI。

从这个角度看，刺绣只是一个起点，它石智航的路径选择，是从解决工业界棘手的“哥德巴赫猜想”开始，在真实、高价值的场景中逐步累积能力，构建一条泛化能力能够随规模持续提升、具备长期复利效应的技术曲线，其最终目标，正是兑现创始人所言，让真正“有用”的机器人走进千家万户。