年初，知名机器人行业媒体The Robot Report在2026年行业展望中指出，中国正与美国并驾齐驱引领物理AI的发展，其与美国公司差异化的模型方案将推动人形机器人部署[1]。

两个月后，美中经济与安全审查委员会（USCC）发布报告称，中国已经进一步提升了顶尖模型的性能。“中国推动AI技术在机器人等领域的广泛应用，由此产生的真实数据为模型的改进提供了支撑[2]。”

这是西方媒体与机构针对中国人形机器人产业难得的集体改口。

西方语境之下的中国，惯常以“强制造”形象示人，即使承包了全球大部分人形机器人出货量，被反复提及的仍是硬件生产能力、供应链、效率和性价比，“硬件靠中国，模型靠美国”成为一种政治正确。

然而，随着人形机器人进入大规模落地期，中国机器人公司的模型实力开始被重新审视。

本月，具身智能领军企业它石智航宣布完成4.55亿美金Pre-A轮融资，创下中国具身智能史上最高单轮融资纪录和最大Pre-A轮融资纪录，成立首年累计公开融资达到6.97亿美金，这个数字，是当下行业领头羊、全球估值最高的机器人企业——Figure AI首年融资额的近10倍。

与主打跳舞打拳大部分中国人形机器人的不同，它石机器人出圈，靠的是能打破世界纪录的模型能力，这正是资本蜂拥而至的原因所在。

它石的出现，再次印证了中国人形机器人产业正在发生的新态势：硬件强，模型要更强。

新的路径

时间拉回到一年前的特斯拉电话会议，马斯克先扬后抑，夸完自家Optimus世界第一，再提“中国威胁论”：担心排名第二到第十的人形机器人公司全是中国的[3]。

综合马斯克全场发言，这句话隐含两层意思，一是中国公司可以靠强大的硬件制造能力占领人形机器人大部分市场，二是即便如此，中国公司仍然打不过特斯拉。

给马斯克信心的，是美国在模型上的绝对实力。

平心而论，从VLA再到世界模型，美国始终掌握着模型最前沿的演进方向，因而无论硬件制造多拉垮，美国机器人总被认为可以通过更聪明的“大脑”对中国机器人降维打击。

实际上，硬件和模型是人形机器人的“两条腿”，两者的进步缺一不可。

人形机器人区别于传统工业机器人的关键是泛化和通用性，不只要像人一样有手有脚，还得像人一样既能打螺丝，又能洗衣做饭煮咖啡，硬件决定行动力，模型决定通用性。

理想中的人形机器人既能进厂打工又能在家做家务

硬件的桎梏在于大部分零部件必须“无中生有”，纯靠厂商“现搓”，这是中国零部件制造商擅长的，所以中国机器人“表演欲”旺盛，其实是为了秀硬件的肌肉。

模型的瓶颈在于路线尚未收敛，训练还需时间，模型入端降本仍是考验，这是美国科学家的传统艺能，所以美国的机器人公司总把产品发布会开成学术发表会。

对于大部分中国机器人公司来说，当下，模型瘸腿带来的商业化困境已经开始显现，中国机器人被诟病只跳舞不打工，不是主观上不愿意，而是客观上“脑子”还不够聪明。

人形机器人模型的主流技术路线可以分为三种：

第一种是以特斯拉为代表的自动驾驶迁移路线，核心是将自动驾驶能力“平移”到机器人身上，例如特斯拉直接复用其FSD视觉算法和占用网络（Occupancy Network），让机器人拥有类似汽车的3D空间建模能力；

Optimus照搬特斯拉的FSD模型

第二种是以Figure AI的Helix系统为代表的VLA端到端路线，主张将机器人的感知、思考与行动集成在同一个大模型中，搭载这类模型的机器人具备极强的常识推理能力，比如对它说“我饿了”，它就会直接找食物并递给你。

第三种是许多主流中国机器人公司都在用的“大脑+小脑模式”，“大脑”用大语言或视觉模型来拆解任务，“小脑”用强化学习或传统控制理论来做任务。

前两种路径技术被产业寄予厚望，但在实际操作中缺点比优点更突出。

例如特斯拉的“平移”路线需要大量的适配与再验证工作，具身智能比自动驾驶要复杂若干数量级，模型无法直接适用，导致Optimus量产一拖再拖，且据称目前只能做搬运、装配等简单操作，距离真正替代人类工人恐怕还得再等等。

Figure AI的VLA路线硬伤在于“动作跟不上大脑”。虽然“善解人意”（推理能力强），但到了产线上，也由于推理延迟，无法实现亚毫米级的精细化实时反馈，干不了细活。

再加上极其依赖特定场景的预训练视频，工厂环境、光照甚至零件色差发生微小变化，容易发生“逻辑死机”，而真实产业场景恰恰复杂、多变、容错率低，跨产线工作的通用泛化能力与稳定工作能力培养难度极大，因此短时间还很难在复杂的工业实战中落地。

国内主流的“大脑+小脑”路线则是先天不足，“大脑”和“小脑”的割裂导致无法实现高精度操作，是大部分中国机器人无法进场拧螺丝的主要原因。

中美双方，一个开发硬件，一个研究模型，看似两条腿齐步走，实际状况却是模型远远跟不上硬件的发展速率。当中国供应链已经开始下探硬件成本，模型的进步还仅仅停留在论文和PPT里，扼住了商业化的喉咙。

中美双方暗暗都在期待和竞争一个新的路径出现。这次是中国先出了招。

数据为王

3月举行的全球三大家电及消费电子展之一AWE，不负众望开成了人形机器人的秀场。

与隔壁跳舞打拳的机器人相比，它石智航的展台显得很务实，机器人A1没什么花拳绣腿，但却以一小时百余次的速度，创造了“机器人在一小时内装配亚毫米级线束最多次数”的吉尼斯世界纪录。

吉尼斯世界纪录颁奖现场，A1机器人创造了吉尼斯世界纪录

这一幕的含金量，身处一线的自动化工程师和工人们一定懂。

线束不同于刚性零件，会弯曲、晃动、变形。机器人必须在每一毫秒实时感知线束的细微形态变化并做出亚毫米级的动作补偿，被认为是工业自动化界的“哥德巴赫猜想”世界级难题。

攻克线束装配，直接把它石A1与还在工厂做搬运分拣工作的机器人们拉开了差距，也把它石的模型能力放到了一个值得单独审视的位置。

2025年2月才成立的它石出道不算早，但其在成立后的三个月内就完成了2.42亿美元天使轮融资，打破了中国具身智能有史以来的天使轮融资纪录。

创始人兼CEO陈亦伦和董事长李震宇均为国内自动驾驶领军人物，名声在外；首席科学家丁文超和首席架构师陈同庆同样产业背景深厚，主导过众多知名自动驾驶项目。

自动驾驶被视为人形机器人的前置产业和子命题，因此技术团队的自动驾驶经验很大程度决定了技术的深度和广度，特斯拉最早的Optimus团队工程师大部分就是从汽车产业链跳槽来的。

也正是这样的团队组合，使得它石在纷繁的技术路径和产业杂音中找到了突破口。

它石提出的方法是直接与真实世界对齐，创新打造“数据、模型和物理硬件三位一体”解决方案，核心逻辑是以真实世界数据驱动研发世界模型。这一路径在当时并不主流，甚至因为难度极大、见效极慢，可以说是吃力不讨好，但却也是通向通用智能最“笔直”的一条路径。

为此，它石首创了Human-centric数据采集新范式，能够实现真实世界具身数据获取能力的跨越式突破，精准锁定了当下行业痛点——数据。

它石“三位一体”方案

模型训练，数据为王。机器人们迟迟无法进厂打工，原因就在于用于其模型训练的数据规模还不够大，不够真实，也不够可靠。

相较于大语言模型可以依赖网络上现有的图文数据，机器人需要与真实的物理世界交互，需要大量“第一人称数据”，具体包括视觉感知数据、运动控制数据、物理反馈数据等。

这些数据无法从网上获得，需要在真实场景中通过实操来获取、积累，是一个从0到1的工程。

放眼全球，即使家大业大如特斯拉，除了生搬自家数据，早期主要靠遥操作获取数据，人类操作员穿上特制设备，远程驱动机器人动作，机器人身上的传感器记录力觉、触觉、空间感等各个维度数据，重复几千上万次，用以训练。

通过人类操作员通过遥操作“教”机器人做动作

这种方法不仅费人费钱，而且由于机器人机械结构的局限性，采集到的数据是人类“为了适应机器人”而变形的动作，导致训练出来的机器人动作流利度远低于人类正常水平。

Figure AI除了遥操作之外，还收集了大量人类第一视角视频，让机器人“边看边学”，但学习效率还得看机器人本身的智力水平，就像都是看网课学习，学霸和学渣的效果也不同，并且只有视觉没有触觉。

综合现有方案，不是成本高昂就是数据不够可靠，而它石的Human-centric最大改进就是提高了数据收集的真实性和可操作性：

人类操作员穿戴它石自研的SenseHub套件在真实场景中干活，由套件中的传感器记录数据，如此记录的是人类肢体最自然的加速度、抓取力和空间轨迹，这些数据没有经过机器人硬件的“污染”，保留了动作的原生高频细节。

其中SenseHub套件包括TARS Glove（高精度动捕手套）和 TARS Vision（第一视角感知相机），轻巧易穿戴，主打随时随地采集数据。

人类操作员穿戴SenseHub套件做指定动作收集数据

由于不需要机器人配合，这种模式可以利用人海战术进行大规模并行采集，且成本大幅下降，根据机构测算，其成本预估比传统的真机遥操作低10-20倍。而在这一领域，中国恰恰具备极大的先天优势，因为这里具备超大规模的应用场景与极高的任务多样性。

通过提高数据的纯净度和数据采集的效率，它石Human-centric解决的是当下机器人行业普遍存在的商业化“拖延症”，也为机器人的大规模落地提供了弯道超车的新路径。

在上述数据范式下，它石收获的是实打实的模型成果与巨大的应用潜力。

2026年3月，它石发布的通用具身大模型AWE3.0在延续全身端到端学习、动态时空推理等既有优势基础上，实现了三项关键性的技术创新：全视角通感决策（OSD）、高密度触觉感知（HTS）、隐空间丝滑动作（LAS），它们可大幅提升机器人在新视角下的任务成功率、对局部触觉的灵敏感知与精细响应能力，降低了任务抖动率。

而世界级的纪录印证，也只是它石模型能力的一隅溢出。

它石智航吉尼斯世界纪录挑战现场

渐进式VS 跨越式

高新技术从开发到大规模落地，总要经历一个阵痛期，在不同的技术路径之间反复试错，然后慢慢靠近商业化爆发的奇点。

人形机器人正在经历的便是这样的阵痛期，技术路径尚未收敛，每一条看似光明的大路前方实则大雾弥漫。这个阶段，考验的与其说是谁的技术路线更高级，不如说是谁更能承受住试错的风险，活着走到大雾飘散的时刻。

上一个接受考验的是人形机器人的“前辈”，自动驾驶汽车。

与当前人形机器人厂商繁杂的技术路线类似，最早一批自动驾驶开发者，同样面对几条不同的发展路径，最具代表性的是“跨越式”和“渐进式”。

“跨越式”优等生如Waymo、Cruise，核心逻辑是直接研发L4级自动驾驶，不依赖人类监管，在特定区域进行商业化测试；“渐进式”代表如特斯拉、小鹏，核心逻辑是先量产L2/L2+，再利用海量用户行驶数据反哺算法，逐步提升自动化等级。

这种直捣黄龙的激进路线，最初是大部分参与者的选择，但当时开发出来的L4车辆成本高达20万美元，而且由于测试周期漫长，导致商业化举步维艰，企业重资产运营、负债前行。

与之对应的是“渐进式”主打“先上路、再进步”，最典型的代表就是特斯拉，其核心逻辑是先实现L2/L2+自动驾驶，再逐步提升自动化等级。本质是保证了能活下来，再在技术循序渐进，通过真实的驾驶数据、解决一个个corner case，进而反哺模型能力。

过去的几年，跨越式的队伍随时有人倒下，逐渐人丁稀少，反倒是渐进式的队伍不断壮大，大模型时代来临，特斯拉也是最早调转船头、吃到大模型红利的车企。

如今的人形机器人，类似跨越式和渐进式之争已经露出苗头。

Figure AI的技术路线就类似于跨越式，即一开始就追求通用化的极致、全场景的覆盖。

Figure AI试图让机器人通过“看视频”自学，相当于让自动驾驶汽车上来就完全摆脱高精地图、纯靠算法感知世界。小学生不是不能做大学高数题，但前提是小学生是个万里挑一的天才。

但人形机器人需要的不只是智商，还有“行动力”，博士生进厂打工可能不如一个高中毕业的熟练工，没有足够的真实、精准针对特定场景且有效数据的积累，机器人再聪明，也拧不了一颗螺丝钉。

这种情况下，量产无限期拖延或是实际能力不符合预期也无可厚非，但投资人的钱总有烧干的一天，要等到技术完美再大规模量产，大概率会步入自动驾驶“跨越式先烈”的后尘。

它石走的就是类似于“渐进式”的路线，即先从特定场景出发，先学会人类最精细的动作，再谈泛化，解决方案围绕“效率至上、落地应用为先”的策略。

Human-centric的最大突破就是摆脱了“先造出高精度的机器人、再采集数据”的桎梏，通过自研SenseHub套件，人类操作员可以随时在产线上作业采集数据，使得其大模型能够快速进化更新，与硬件共同进步，构建起一个相互赋能的闭环，进而快速跑通具身智能的scaling law。

它石A1机器人产线多机协同

同时，数采成本降低至遥操作的1/10到1/20，意味着同等资本投入，能够覆盖的场景深度（如从简单的抓取到复杂的精密装配）和广度是竞争对手的数十倍。

这种商业和技术的平衡，使得它石能够保证技术持续提升的同时，确保量产和商业化的节奏，及时“造血输血”，这也是为什么机器人公司扎堆，“来得晚”的它石反而获得资本的青睐。

活下去，其实是每个科技创业公司最稀缺、也是最宝贵的能力。

它石的Pre-A融资，是高瓴资本与红杉中国两大顶级资本首次在具身智能赛道联合领投，本轮后它石已然跻身国内人形机器人的第一梯队。

但这远未达到它石的巅峰。

将视线拉向全球，中美机器人公司估值的鸿沟显而易见：Figure AI背靠OpenAI，短短两年内身价突破390亿美元（约合人民币2700多亿元）；特斯拉Optimus量产日程一拖再拖，也不妨碍资本将其隐形估值锚定在千亿美元上下。

这种落差并非技术的代差，而是刻板印象的投资语境下，资本与技术实力的错配。

当顶着光环的明星企业还在为如何走出实验室、克服落地延迟而焦虑时，它石已经靠着更低的数据成本、更大的数据规模、更真实的物理世界数据和更精准务实的模型，在工业落地的深水区实现了局部战场的技术反超。

某种意义上，如今的它石正伫立于极具性价比的爆发前夜。随着其机器人在真实产线上展现出越来越强大的韧性，眼下的估值鸿沟终将被填平，同时迎来价值的真正重估。

写在最后

今年年初的特斯拉电话会议，马斯克老生常谈，再次对中国人形机器人公司大夸特夸，而这次夸的不只是中国的硬件，还称中国的模型“也相当不错”。

看着中国人形机器人在模型端的超预期进步，美国的“特斯拉们”确实该紧张了。