至简动力百台机器人交付，具身智能走进真实产线

背景

在 ChatGPT 和 Claude 成为科技行业主流叙事关键词之后，技术与产品从 PPT 走向规模化应用的速度被置于聚光灯下。具身智能领域，人们反复追问的核心问题变成：机器人何时迎来自己的「ChatGPT 时刻」？但伴随大语言模型产业演进的复盘，行业逐渐意识到，真正有价值的突破往往不是瞬间引爆，而是在某些具体场景率先跑通，再通过数据、模型、工程和商业闭环逐步扩散。至简动力（ZhiJian Dongli）正是在这种背景下，将目光从宏大想象拉回到真实的产线之上，试图为具身智能找到一个可落地的「Coding 场景」。

核心内容

至简动力于 2025 年 7 月 6 日在苏州举行场景落地暨百台交付仪式，宣布首款全场景机器人 i7 Pro 完成首批 100 台交付，并落成全球首个 CNC 智能化具身机器人产线。从成立到百台交付，至简动力用时不到一年，创下其所称的具身智能行业最快百台交付纪录。

至简动力的技术路线围绕「原生具身基座模型」展开，提出了 LaST 系列具身基座模型，该系列整合多模态理解与生成，并辅以 TMR 3D 视觉感知模型、人类数据训练方法 LaST-HD 以及强化学习算法 LaST-R1。模型的定位不是追求更大，而是更适合端侧部署，以满足机器人面对连续、实时、有物理约束世界的需求。

在数据层面，至简动力自研便携式数据采集设备，走众包采集路线，11 个月内完成三代数据采集手套研发。数据规模从 0 增长至近 3 万小时、2 PB，GPU 从几十张扩展至 1200 张，系统设计目标是支撑每月 10 万小时的数据生产能力。

本体设计上，i7 Pro 搭载七自由度模块化力控人形臂（臂展 1000 mm），采用车规级电子电气架构，配备 2070 TFLOPS FP4 中央计算平台，具备 360° 环境感知、主动避障和近人安全机制。产品强调一小时开箱即用、通用泛化和快速部署。

至简动力还建设了开发者生态 Simple Claw，集成 Agent 框架、Skill 库、底层 SDK、仿真验证和真机部署工具，希望降低机器人应用开发门槛。核心团队来自智能汽车与自动驾驶领域，CEO & CTO 贾鹏曾任理想汽车自动驾驶技术研发主要负责人，董事长王凯曾任理想汽车 CTO，COO 王佳佳亦有自动驾驶量产研发经验。公司选址苏州吴中，依托当地完整的制造业基础和机器人产业生态，以提升供应链效率和产品迭代速度。

i7 Pro 首先落地的场景是 CNC 上下料——机器人在多台机床之间移动完成上料、取料、定位、插入等连续动作，需在移动误差与操作误差叠加后仍保持 0.1 mm 级别精度。下一步，至简动力计划在光电模组、柔性 PCB、AI 存储等工业场景拓展，同时在商超零售、智慧物流、生物医药等领域开展验证。

关键要点

• 百台交付与行业纪录：至简动力在不到一年内完成首批 100 台 i7 Pro 交付，并落成全球首个 CNC 智能化具身机器人产线，自称创下行业最快百台交付纪录。
• 技术路线选择：采用 LaST 系列原生具身基座模型，强调理解与生成合一，而非单纯依赖 VLM 或世界模型；配合 TMR 3D 视觉、LaST-HD 人类数据训练法和 LaST-R1 强化学习算法。
• 数据基础设施建设：自研便携式数据采集手套，众包采集，11 个月内达到近 3 万小时、2 PB 的数据规模；目标支撑每月 10 万小时数据生产能力。
• 模型定义本体：i7 Pro 搭载七自由度模块化力控人形臂、车规级架构、2070 TFLOPS 中央计算平台，强调一小时开箱即用和快速部署。
• 开发者生态：推出 Simple Claw，包含 Agent 框架、Skill 库、SDK、仿真与真机部署工具，旨在降低机器人应用开发门槛。
• 场景选择逻辑：先聚焦 CNC 上下料这一高频、刚需、反馈链清晰的场景，验证移动+高精度操作的闭环能力；未来向光电模组、柔性 PCB、AI 存储、商超零售、生物医药等扩展。
• 团队背景与选址：核心团队来自理想汽车等智能汽车与自动驾驶企业，将自动驾驶方法论迁移至具身智能；研发生产落址苏州吴中，利用当地制造业供应链优势。
• 工程化交付能力：百台交付考验的不是单点技术突破，而是模型、本体、数据、软件平台构成的系统能力，以及供应链、一致性和现场调试的工程水平。

意义与影响

至简动力的百台交付标志着具身智能行业从「演示一次」进入「批量进入现场」的阶段。它的价值不在于宣称机器人已经通用，而在于找到了一条从实验室到产线的务实路径：选择边界清晰、需求真实、数据闭环快的场景（如 CNC 上下料）作为起点，通过模型、数据、本体和开发平台的系统化建设，逐步突破工程化瓶颈。

此举对行业的意义体现在多个层面：第一，它证明了具身智能在非完全结构化场景（多品种、小批量、频繁换线的制造业）中具备比传统自动化设备更灵活的部署能力，有望降低集成周期和改造成本。第二，它展示了将自动驾驶领域的系统工程方法论（高可靠、高安全、可量产、可交付）迁移至机器人领域的可行性，为其他团队提供了参照。第三，它通过建立小开发者生态 Simple Claw，试图让更多开发商、客户和合作伙伴参与应用开发，推动机器人从少数示范项目走向规模化应用。

当然，百台交付远未解决所有问题。数据质量与持续有效性、长尾场景的泛化能力、成本与商业模型的正循环，仍然需要更长时间的验证。但这一举措让具身智能的叙事从「未来会怎样」切实地转向了「今天能做什么」。当机器人开始在真实产线上稳定上下料、移动分拣、取货打包时，它才真正从一种技术奇观转变为生产力工具。