至簡動力交付百臺「開箱即用」機器人，加速具身量產節奏

至簡動力交付百臺「開箱即用」機器人，加速具身量產節奏

2026年7月6日，至簡動力在蘇州宣布完成首批百臺i7 Pro機器人交付，並同步落成一條CNC智能化具身機器人產線。這家成立不到一年的公司，以「開箱即用」為產品定位，強調客戶採購後無需長時間現場調試，最快一週內即可完成部署並正式進入生產節拍。與之搭配的是一套可跨場景複用的技術架構：同一數據採集框架、同一基座模型、同一硬件本體，從CNC上下料延伸到光電模組、柔性PCB、商超零售等不同領域。百臺這個數字在汽車產業或許微不足道，但在具身智能這個連示範能否重現都充滿疑問的賽道裡，這意味著有人成功將實驗室裡的構想轉化為工廠裡的訂單。更重要的是，這批機器人是首批直接進入客戶自有產線、而非停留在實驗室或展示廳的規模化交付，對於尚處於早期階段的具身智能行業而言，無疑是值得關注的里程碑。 過去三年，具身智能行業一直活在敘事與現實的裂縫中——融資額屢創新高、示範影片頻頻刷屏，但根據摩根士丹利的調研，頭部廠商的機器人在工廠中的實際工作效率僅約人類的30%，靈巧手成本高昂且壽命短暫，量產計畫不斷推遲。今年4月，智元將2026年定義為「部署態」元年，核心標準是機器人能7×24小時自主運作、產生真實商業價值。至簡動力的百臺交付，恰好落在這個時間窗口。然而，這是否真的代表行業從「能造出來」邁向「能用起來」，仍需要更嚴格的檢驗。 「1小時開箱即用」的背後，有其明確的邊界與前提。至簡動力CEO兼CTO賈鵬坦言，這項能力並非無條件適用：「這一定是有前提的——基於提前預訓練和場景數據，到現場後主要做安全數據的快速適配。機床車間又潮又髒、地面全是油汙，新場景必須做安全建圖。」換句話說，在通用人工智能尚未降臨的當下，這是有限場景內的工程收斂。至簡動力主動選擇了這個「有限」範疇，沒有碰流水線上已被傳統自動化吃透的單工位，而是鎖定CNC上下料這一長程任務：取料、裝夾、機床操作、下料、質檢、入庫，由一台機器人完成整套流程。這一策略源於對行業痛點的觀察，賈鵬指出：「很多工廠買了傳統機械臂後吃灰，因為換件時CAD文件變了、零件變了，得花兩三週調試，不可接受。真正的競爭力不是什麼都幹，而是快速進入新場景、學習新技能、產生新價值。」

在綠的諧波蘇州工廠，這套能力已接受真實產線的考驗。綠的諧波CTO儲建華表示，機加工車間長期面臨夜班招工難題：「24小時運轉，年輕人不願意上夜班，不斷上下料是很乏味的工作。」傳統機械臂雖然適合單品種大批量生產，但「換一個零部件品種就得重新編程，代價太高」，而多品種小批量的柔性生產正是具身智能的切入點。「現在零件隨便一放，機器人自己找位置、自己去裝，靠手眼腦結合。」儲建華說明，部署週期大約10天：前幾天採集數據、建立場景模型，雲端訓練好後下發到現場，換場景也只需重新創建模型。據他測算，一台機器人的綜合使用成本與一個人力成本相當，但可24小時運轉，「基本上一年回本」。10天對比兩三週的差距，儲建華強調，機器人訓練幾天後已比前幾天快很多，他看重的不是首次部署的速度，而是每次進入新場景時邊際成本能否持續下降。不過他也劃定當前的能力邊界：「現在才學了幾天」，節拍「符合要求」但尚未超越人工，「再訓練幾天可能比人還快」。賈鵬則表示：「我們的終極目標是真的到新場景1小時就能用，用戶給一個簡單prompt就能上手。即使一開始只能做到80%、90%，也能通過反饋快速學習。」

這套方法論的價值，取決於一個尚未完全驗證的假設：客戶是否願意為「80%的起點加上快速迭代」買單，而非等待一個「100%開箱即用」的終極方案。綠的諧波選擇了前者，但單一樣本量還不足以支撐結論。至簡動力將工業場景定義為驗證1小時部署與穩定性的「最小閉環」，但聯合創始人王佳佳明確表示：「我們不是一家只做工業場景的公司。」當前具身智能的敘事大致分裂為兩派：一派押注工業，認為工廠結構化、邊界清晰、需求明確，是近期最可行的商業化路徑；另一派則堅信家戶市場才是終局，家庭服務才是未來萬億市場。至簡動力的選擇是「用工業養技術，用技術換時間」。賈鵬分享公司的三步走路徑：首先在結構化、邊界清晰的工業場景打磨通用移動與基本操作能力；其次進入商超、家居賣場等半開放場景，這些場景與家庭類似但無需與人密切接觸，對節拍要求較低；最後在本體能力與安全性充分驗證後，才進入家庭等真正的開放場景。目前，至簡動力已在商超零售、智慧物流等領域展開應用驗證，機器人可完成從線上下單、智能取貨到自動打包的全流程工作，也能勝任移動分揀、包裹翻面等多樣化任務。 關於未來機器人進入家庭，賈鵬列出五個門檻：成本、產品力、安全、五個泛化能力、靈巧手量產。他判斷：「靈巧手現在三天一換，沒法量產，得給行業兩三年時間。安全兜底是99%精力解決最後5%的長尾問題，必須敬畏。」王佳佳則更直白地指出：「整個行業處於0到0.1階段，萬臺年交付才是真正的0到1。」相較之下，至簡動力的百臺是「被客戶催著交貨」的百臺，但距離萬臺仍有數量級差距。工業場景的「最小閉環」能否支撐到To C終局，取決於兩個變量：數據飛輪是否真的能轉起來，以及跨場景遷移成本能否持續下降。 至簡動力首批交付的最大客戶綠的諧波，本身就是機器人核心零部件（減速器）的全球龍頭，市佔率超過70%。這個選擇並非偶然，而是一套成本解法的嘗試。「一台機器人的BOM成本比一台理想L6還貴，這完全不合理，」賈鵬說，「汽車2萬多個零部件，機器人才多少件？行業去年全國只賣了1.5萬臺，沒有規模效應，供應鏈成本下不來。」綠的諧波的訂單是產能的三倍，急需擴產降本，至簡動力投入大幾十臺機器人生產機器人零部件，形成「機器人造機器人」的數據與產業閉環。更深層的協同則在數據端，儲建華透露，綠的諧波將關節使用數據即時回傳給至簡動力，「以前沒人告訴我不同場景下電機扭矩、PID算法該怎麼調，現在有人告訴我了，這件事特別有價值。」這觸及具身智能的核心悖論：沒有規模就沒有數據，沒有數據就沒有模型，沒有模型就沒有規模。至簡動力的解法是用自己當客戶的方式打破死鎖，先在足夠大的單一場景堆量，用真實生產數據餵養模型，再降低進入新場景的成本。不過這個閉環存在一個隱性前提：綠的諧波願意開放數據，是因為雙方是戰略合作夥伴，且至簡動力同時是其客戶。這種雙向綁定的關係能否複製到其他客戶，將是規模化交付的關鍵變量。 至簡動力核心團隊來自理想汽車，這不只是簡單的跨界，更是一次方法論的遷移。賈鵬在理想主導過萬卡級訓練集群、多模態基模、芯片量產、工廠自動化；王佳佳則表示：「我們見過物理世界最大的商業化規模，知道萬億級生意的運營邏輯。但回到具身智能，每天面對的是『為什麼關節總是壞』。」這種經驗帶來兩個認知優勢：一是對基礎設施的執念，公司150人中近半做模型算法，基模體系從成立之初搭建，歷時11個月；二是對「不合理」的敏感，如機器人關節批量售價7萬元、整機BOM比理想L6還貴、年產5萬臺就敢說供應鏈成熟，這些在汽車業不可想像的現狀，被至簡動力視為機會。然而陷阱也在於，自動駕駛背景容易低估物理複雜度，接觸操作、材質理解、力控反饋等「非接觸問題」之外的新維度，需要重新學習。賈鵬坦言：「本體運控跟車相關性沒那麼大，只能靠自己去摸。」更現實的挑戰是產能，王佳佳坦承百臺交付「依然不及預期」，「理論上現在是不是幹到1000臺才叫對？」這種自我施壓的背後，是團隊對行業節奏的焦慮——至簡動力上市時間可能落在2030年前後，而前面兩批公司已經或即將交表。 至簡動力製造基地選在蘇州吳中，看上的是2小時製造業經濟圈——關鍵零部件、加工製造、整機裝配、調試驗證全部在車程範圍內。更深層的佈局是人才，儲建華提到，至簡動力與蘇州職業大學等院校合作，培養「AI集成、數據採集、模型訓練」的新型工程師，這指向一個被低估的變量：具身智能的普及速度，可能取決於會用機器人的人才供給速度。吳中區對至簡動力的期待，是從單個產品擴展到整個蘇州製造產業。這個願景的前提是百臺交付不是終點，而是數據飛輪的起點。據儲建華透露，目前周邊已有工廠看到綠的諧波實際效果後躍躍欲試，但這種口碑傳播能否轉化為規模化訂單，仍需進一步驗證。 百臺交付在行業時間軸上是一個值得記錄的座標，它證明了有限場景內的確定性交付是可能的。10天部署、一年回本、持續迭代，這些數字比示範影片更接近商業本質。但它也暴露了行業的真實水位仍處於0到0.1的階段，5000萬臺的終局依然遙遠。賈鵬說：「我們不在意短期商業規模，更在意成長加速度。」這句話的潛台詞是，在具身智能的長週期裡，先跑完第一個10公里的不一定是贏家，但拒絕承認這是馬拉松的一定不是。百臺之後，至簡動力需要回答的問題比已經回答的更多：跨場景遷移成本能否下降？數據飛輪能否在非戰略合作伙伴客戶中運轉？產能能否從百臺躍升到千臺、萬臺？以及當行業進入財報公布後的冷靜期，它能否扛住擠泡沫的壓力？這些問題的答案，不會在下一場發布會上揭曉，只能在下一個百臺、下一個千臺的交付記錄中一一驗證。