7 月 6 日，成立不到一年的具身智能公司至简动力，完成交付 100 台机器人。在交付仪式的现场，42 号电波等多家业内媒体共同采访了至简动力 CEO 兼 CTO 贾鹏、联合创始人兼 COO 王佳佳，我们记录了关键要点分享给大家：

Q 1：这次百台交付的分布是怎样的？100 台是不是都进了同一个客户？A：不是全部进同一个客户，分三类：- 最大一部分在机器人核心部件相关的工业客户，今天是第一期产线落成，后面还有二期、三期。- 第二类是光模块、柔性 PCB 这些 AI 基础设施相关产线，以及海外工厂后续复制。- 首批里也有科研、生态伙伴和开发者客户。

Q2：为什么会先选 CNC、柔性 PCB、光模块这些场景？A：有三个原因：- 场景有真实需求，用机器人去参与机器人核心部件制造，能一边验证机器人在工厂里能不能干活，一边推动关键部件成本往下走。- CNC、精加工、热处理这些环节壁垒高、人工成本在升，客户对替代有直接感知。- 光模块、柔性 PCB 跟 AI 基础设施的增量相关，新产线可以按机器人适配的方式设计，把抓、拿、放、取、运输、上下料这些环节都纳进去。

Q3：你们怎么看 To C？家庭机器人是不是终局？A：To C 一定是终局之一，但现在不能着急，卡在三个问题上：- 成本：消费者买东西超过一定价格就会认真考虑。- 产品力：产品力没到阈值，用户新鲜两天不用了，日活起不来，反馈闭环没有。- 安全：几十公斤的本体、高扭矩的机械臂进家庭，安全问题必须敬畏。并且进入家庭需要五类泛化能力：- 通用移动，哪里都能去。- 物品泛化，看到新物体大概知道材质、知道怎么操作。- 基础操作能力，抓、拿、举、放、拧、拔、推、拉这些原子动作都要有。- 更自然的人机交互。- 更长期的跨本体控制能力。同时灵巧手也很关键，但现在还没到大规模可靠量产的阶段，短期内二指、三指夹爪在有限场景里反而更能落地。

Q4：从工业到商超、再到家庭，内部的路线大概怎么拆？A：分三步走：- 现在是「通用移动+基本操作+有限场景」，工业场景边界清楚、需求明确，适合早期验证。- 下一步是半开放场景，比如商超、大型卖场，关门以后机器人花一晚上把店里整理好，节拍要求没那么高，跟家庭场景有相似性但不需大量与人接触。- 等本体稳定性、模型能力、数据能力和安全能力都再往上走，才会进入家庭。

Q5：你们怎么定义具身智能行业的 0 到 1 ？百台交付算完成 0 到 1 吗？A：行业整体现在还在 0 到 0.1 ：- 最难的是一堆 0 到 1 都耦合在一起——本体是 0 到 1，数据是 0 到 1，模型是 0 到1，商业化也是 0 到 1。- 大语言模型有互联网数据，自动驾驶有车队数据，具身智能什么都没有，只能自己去采、去标、去迭代。- 真正有量产感要到万台级，几百台、几千台都还是第一期、第一批量产。- 百台交付的价值不在于「完成」，而在于把东西交给真实用户，让生产现场暴露问题，这个过程必须经历。

Q6：很多公司都说机器人能在工厂里做搬运，你们的机器人和搬运机器人有什么不同？A：我们不把它叫搬运：- 机加工现场不是把东西从 A 拿到 B 那么简单——工人要把毛料拿出来、装到机床里、加工完再拿下来，中间还要吹碎屑、做质检、修正、入库。- 这不是单动作搬运，是一整套长程任务：取货、上料、操作机床、下料、质检到入库。- 未来希望一台机器人能同时看多个机口。

Q7：你们怎么看行业里关于出货量、订单真实性、关联交易的讨论？A：- 自己的选择是回到商业本质：通过产品和技术创造真实商业价值，再反哺技术研发，形成闭环。- 具身智能现在还是非常早期的行业，短期内会有各种热闹的数字、概念、资本预期。- 如果把时间拉长，最后一定还是看产品、技术、交付和客户价值。- 把自己定义成「手艺人」，这个阶段更需要静下心来打磨模型、工具链、本体和平台。

Q8：机器人进真实工厂，实际落地里有哪些摩擦点？A：摩擦点很多：- 物理环境：地面有油污，第一次进去轮子打滑，要讨论地坪要不要重新处理、轮系要不要改。- 接口问题：一开始想用夹爪按按钮、开门，后来发现可以直接发信号控制机床，这些都是一点点磨出来的。- 人的问题：工人看到机器人进来会担心失业，对这个东西有点怵，需要时间建立信任。

Q9：从自动驾驶转到具身智能，哪些经验可以复用？A：能复用的主要是底层基础设施：- 大规模训练集群、数据治理、工程量产、质量体系、供应链协同、端侧部署。- 过去做车时完整经历过从底层信号、传感器数据，到数据清洗、标注、训练、部署，再到量产、售后、供应链的全链路。- 做过汽车之后看机器人行业，会发现硬件、成本、可靠性和供应链问题还很早期——关节为什么经常坏？为什么一台机器人的成本这么高？需要用更大规模产业化的视角去拆。

Q10：这次百台交付都落在工业场景，是不是说明以后只做工业？A：不是：- 工业是验证快速部署、稳定性和可靠性的入口，长期还是希望机器人能用到千行百业。- 为什么先做工业？工业对生产节拍、可靠性、连续作业要求很高，工业里的高精度任务对本体和部署能力也是很好的挑战。- 后面会做商超、医药、物流这些场景。先在工业里把快速部署和稳定性训练好，再把能力交给方案商和生态伙伴——不可能一家一家去敲每个工厂的门，生态伙伴的渠道很重要。

Q11：行业里很多公司研发投入不高，技术差距什么时候会拉开？A：之前大家不敢重投入，因为范式还没看清楚，尤其是数据没搞定——没有数据，模型就只能拿别人的基座做简单后训练，很难真的训自己的基座模型。今年开始，行业在数据这件事上有一些收敛，比如无本体采集、众包采集、异构数据迁移。数据如果能 scale up，模型投入才有真正的基础。技术差距会在范式出现以后加速拉开——范式出来以后能力能被验证，跟不上的团队会很快掉队。

Q12：你们怎么看具身智能行业接下来的周期？A：任何新技术都会经历曲线：- 大语言模型也经历过「没有 killer app 」「除了聊天还能干什么」的质疑期，后来真正有收入、有应用，行业才又爬起来。- 具身智能大概率也会经历冷静期，到时候大家会重新问：机器人是不是真的能干活？能不能产生商业价值？投入产出能不能算过来？- 上市、融资和行业预期会让短期很热闹，但财务数字、真实交付、客户价值最终会让市场重新评估，行业会回到产品和技术本身。

Q13：百台交付之后，产品和技术上还有哪些规划？A：后面会有新的产品发布，技术上继续围绕模型、本体、数据闭环和部署工具链迭代。不会只盯着一个静态交付数字，更看重交付斜率、产品稳定性和真实场景反馈。工业场景里打磨出来的部署能力，后面会逐步开放给合作伙伴和生态。

至简动力具身智能人形机器人