三个理想火枪手创业，打破具身最快百台交付纪录

创业快一年，昔日理想智驾团队的三位核心负责人——王凯、贾鹏、王佳佳，总算可以小秀一把「肌肉」了。

7月6日，至简动力宣布，其首款全场景机器人i7 Pro完成首批百台交付。

这也是具身智能行业最快的百台交付纪录，用时不到一年。

当天，至简动力全球首个CNC智能化具身机器人产线也同步亮相。

在这场「汇报」一年工作成果的发布会上，至简动力的生态合作伙伴、客户、开发者伙伴都来了。

甚至第一排，作为理想系具身公司——至简还专门给理想的老伙计们留了位置。

量子位在现场看到，不仅前理想汽车第二产品线总裁张骁（现任斜跃智能联创&CEO）、前理想汽车第一产品线营销负责人赵哲伦（维他动力联合创始人）被邀请。

现任理想自动驾驶/AI大模型「一号位」詹锟、人形机器人部门负责人湛逸飞也赶来给“老战友”捧场。

从创始团队的履历看，至简动力是具身赛道非常典型的、带有极强自动驾驶基因的创业公司。

三位创始团队成员：王凯（董事长）、贾鹏（CEO&CTO）、王佳佳（联创&COO），均来自理想汽车智能驾驶团队。

2025年7月底，三人筹备成立新公司，随后仅用半年时间，就接连完成5轮密集融资，成为具身赛道成长速度最快的独角兽。

不仅吸引了元璟资本、红杉中国等财务头部机构的关注，腾讯、阿里两大互联网巨头也一起入局。

但贾鹏告诉量子位，其团队在创业前，技术边界早已不止自动驾驶。

团队成员在理想任职期间，已经落地多项具身自动化业务：

比如，自研工厂下线无人检测产线，依靠机械臂+视觉完成外观、车机、充电兼容性全自动校验，出厂路测搭载视听传感自动筛查异响。

“佳佳（至简动力联创、COO）出来之前，还把自动充电干了。”

在贾鹏看来，行业技术扩散非常快，很多公司的大模型长得都差不多。真正决定胜负的是，是看底层基础设施建设的能力。

• 是否真的玩过万卡（万卡训练集群）？
• 是否训过自己的基模？
• 是否摸过各种芯片？

而这些，贾鹏说他们团队都做过，这次创业属于「有备而来」。

同时，他也承认，具身比智驾要难“非常非常多倍”。

幸亏自己早年在NVIDIA待过5年，心态练的比较好。

“老黄一直给我传达做产品的理念，就是做一个Rubbish出来，先让大家骂，被骂多了，东西才能成。”

让i7 Pro自己造自己

i7 Pro，就是被「骂」过后才走向批量交付的。

据悉，这次至简落地的全球首个CNC智能化具身机器人产线，是和国内谐波减速器行业龙头绿的谐波子公司开璇智能合作的。

谐波减速器，简单理解，就是机器人的“关节”。

机器人能不能走得稳、动作准、耐用抗造，全靠这个核心部件撑着。

这次两家合作，主要干一件事：让i7 Pro自己造「自己」。

它在产线上负责加工谐波减速器的内部零件，属于硬件自举闭环了。

贾鹏告诉量子位，他们两家是互相供货、双向配套的合作关系。

两支团队几乎全程驻场协同，长期吃住、办公都绑在一起。

磨合多了，争论必不可少。

因为真实工厂的环境，远比我们想象的残酷。

CNC加工车间满地都是切削油污，地面又油又滑，跟干净整洁的实验室完全是两个世界。

i7 Pro刚进场测试的时候，直接当场“翻车”。

轮子一直打滑，机身晃来晃去，根本站不稳、走不正，连最基础的移动都做不到，更别说精准加工零件了。

当时团队面前摆着两条路：要么花钱改造车间地面、重做地坪，适配机器人；

要么优化行走模组，让机器人主动适配这种又油又滑的恶劣工况。

除了走路打滑，初期机器人夹爪很难精准完成按压机床按钮这类精细动作。

当时又是一道选择题：是换更高精度的夹爪、堆硬件堆成本？还是让机床适配机器人的作业逻辑？

很多团队遇到这种问题，大概率会选省事的方式：换配件、堆硬件、改环境。

但这样做的后果很明显：机器人永远是“特供机”，只能适配这一个干净、定制化的场景，换个工厂、换条产线可能就废了。

双方「骂」出来的结果就是，他们一致选了更复杂的路。

至简死磕机器人本身；绿的谐波则给机床预留信号交互接口，后续机器人无需依靠夹爪物理按压、低依赖触觉传感，直接下发数字信号就能控制机床启停、开关舱门、触发功能按键。

在贾鹏看来，双方团队必须认知一致，都能吃苦，才能快速打磨迭代好产品。

“而且我们预备着是让用户先骂，不能等到了现场宕机，耽误生产。”

也正是解决了无数个小bug，i7 Pro才摆脱实验室demo的标签，真正进入工厂干活。

现在的它，是一套可以随便迁移、适配各类工业工况的通用机器人平台。

据悉，除了CNC产线，i7 Pro也进入了柔性PCB、光模块这些场景。

至简动力联创&COO王佳佳表示，因为这些场景有真实需求。

像CNC、精加工、热处理这些环节，本身壁垒比较高，人工成本也在升。

客户如果是新建产线，那么一开始就按照具身智能机器人可以使用的方式去设计，把抓、拿、放、取、运输、搬运、上下料这些环节纳进去，后面部署会更顺。

而且光模块、柔性PCB这些场景，跟AI基础设施的增量也相关。

“我们希望先在这种有真实需求、有增量、有工艺难度的场景里，把自己的快速部署、稳定运行、数据闭环和模型能力练出来。”

量子位了解到，除了工业场景，至简动力未来也计划进入商超零售、智慧物流和生物医药等领域。

在产品矩阵上， 下个月该公司还会有两款新品发布。

顶配i7 Pro，22.98万

谈及为什么会和至简动力合作，绿的谐波CTO、开璇智能CEO储建华坦言，背后首先是制造业正在面对的人力困境。

他们之前的工厂拥有1000多台CNC数控机床，每台设备背后，都需要「操机员」完成上下料、装夹、检测等重复性工作。

“传统操机员工作乏味枯燥，年轻人不愿上夜班，工厂面临招工难问题。”

但传统工业机器人，并没有完全解决这个问题。

原因在于，传统机器人更适合高度标准化的生产环境。

一旦面对多品种、小批量、频繁换线的制造场景，就需要重新示教、重新调试，部署成本很高。

他们需要具身智能机器人靠手眼脑协同模型，可自主思考，实现零件随便放、自己找位置和装夹，适应不同场景。

而且它还能根据零件的不同大小、种类、规则完成自动的柔性抓取。

但一个现实的问题是：具身智能机器人，太贵了。

为了让机器人拥有更强能力，需要更多传感器、更复杂的执行机构、更高算力的平台，以及大量软件和算法投入。

这些都会直接反映在整机价格上。

据悉，i7 Pro最高配版本售价仅22.98万元。

相比行业中部分售价五六十万元的人形机器人，便宜太多。

“你是客户，你会买谁？”王佳佳算过，相比传统方案，购买i7 Pro可以1.5年回本。

“机加工行业平均工资8000～1万元，ROI不用算，问问工资就知道了。”

储建华也说，使用具身智能机器人一年左右可收回人工成本。

但22.98万元背后，不只是简单压缩利润。

在王佳佳看来，机器人行业现在有点像新能源汽车早期阶段。

当时的问题，同样不是没人需要汽车，而是电池成本、供应链和制造能力限制了规模化。

机器人如今也面临类似问题。

至简动力想做的，是通过真实应用反向推动制造体系成熟。

这也是「机器人造机器人」背后的原因。

王佳佳把这个过程形容为：

以前大家讨论先有鸡还是先有蛋，现在我们已经有鸡了，开始下蛋了。

这其实和当年特斯拉的做法很像：

先造Roadster（高价小众），再用其技术造Model S/X（高端走量），最后用积累的供应链和制造能力推出Model 3/Y（大众普及）。

每一次迭代，都是在用上一代的“蛋”来孵化下一代的“鸡”。

在这套逻辑里，机器人不是单纯的销售产品，而是一个持续迭代的制造平台。

机器人产生的数据，会反过来优化模型；

真实生产反馈，会推动硬件改进；

等规模扩大后，又进一步摊薄研发和制造成本。

最终形成一个正循环。

当然，这个循环不会一夜形成。

贾鹏直言，今天整个具身行业硬件的成熟远远不够，还没有所谓的「工艺标准流程」。

“去年具身机器人的出货量也就是15000台。啥意思？可能不如一款车一周的销量。”

机器人行业仍然需要解决成本、可靠性、供应链等一系列问题。

从自动驾驶到具身智能

自动驾驶“老炮儿”转行做具身，也让外界天然产生一个疑问：其技术、工程经验，是否真能直接平移？

在贾鹏看来，自动驾驶和具身智能虽然都属于AI进入物理世界，但解决的问题完全不同。

自动驾驶更多是在理解一个动态环境。车辆需要知道道路结构、交通规则，以及其他车辆和行人的行为，然后做出决策。

而机器人面对的是一个更加开放的世界。它不仅需要理解环境，还需要理解物体本身。

具身智能比自动驾驶难非常非常多倍。

贾鹏这样评价两个方向的差异。

不过，自动驾驶时代积累下来的能力，依然给他们的创业提供了一些重要基础。

一是对于AI工程体系的理解。

过去做智能汽车，需要经历完整链路：传感器数据采集；数据处理；模型训练；端侧部署；产品交付。

这套方法论，在机器人领域同样重要。

但更重要的是，自动驾驶行业培养了一批真正理解「大模型如何进入现实世界」的人。

在贾鹏看来，AI产品最终不是停留在论文或者实验室，它必须面对成本、性能、可靠性和用户体验。

这是很多纯算法团队缺少的经验。

二是对于基础模型的理解。

这些能力，正是他们团队过去几年在智能汽车行业积累下来的。

但进入机器人行业的日子也不轻松，他们遇到了很多新挑战。

在汽车领域，模型更多承担感知、预测和决策任务。而机器人需要进一步连接语言、视觉和动作。

它不仅需要回答「世界是什么」，还需要回答「我应该怎么改变这个世界。」

这意味着，机器人模型必须具备更强的多模态理解能力，以及与物理环境交互的能力。

也因此，至简动力没有把自己定义为一家单纯的机器人硬件公司。

贾鹏更愿意把公司看作一家面向机器人时代的基础设施公司。

目前，该公司150多人的团队中，负责模型和算法的人超过一半。

过去的一年，整个团队也投入大量精力搭建LaST₀基座模型及后训练模型体系。

他们选择在同一个Transformer编码空间中进行联合训练，把语言、视觉、空间、机器人状态、世界模型、VLA和快慢思考统一到同一个可扩展的模型与训练框架里。

但模型只是其中一环。机器人真正进入现实世界，还需要持续的数据反馈。

因此，至简动力也搭建了一套从便携式数据采集设备、数据治理、自动标注、训练验证到模型迭代的完整数据闭环。

每一次真实任务执行，都是一次新的数据积累。

这些数据最终会反过来推动模型能力提升。

与此同时，在本体设计师，至简还遵循车规级系统工程标准，打造通用本体平台。

i7 Pro采用分层模块化架构，核心组件可通用复用。

这种设计的意义在于，当机器人进入不同场景时，不需要每一次都重新设计一套硬件，而是通过模块组合快速适配。

不过，如果想成为机器人时代的基础设施，仅有模型和本体还不够，还需要让更多开发者参与进来。

目前，至简动力也在搭建机器人开发平台，开放Agent框架、Skill库、底层SDK、仿真验证以及真机部署工具。

在贾鹏看来，未来机器人行业不会只有一家公司的胜利。

真正成熟的生态，需要像智能手机和汽车产业一样，有底层平台、开发者和应用共同推动。

One More Thing

近期，机器人公司频繁传出融资、上市进展。

贾鹏认为，资本关注只是技术产业化过程中的一个阶段。上市并不是终点。

而且他判断，随着一批具身智能企业完成上市，行业大概率也会进入一轮冷静期。

他给出的理由很简单：任何新技术的发展，都要经历从兴奋到冷静，再到价值验证的过程。

大语言模型早期也曾被质疑「除了聊天还能干什么」，直到真正找到商业场景，行业才重新建立信心。

“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。”

贾鹏坦言，这个过程可能会比较残酷，但也会让行业回到产品和技术本身。

本文来自微信公众号“量子位”（ID：QbitAI），作者：田晏林