年初，知名机器人行业媒体The Robot Report在2026年行业展望中提出，中国与美国在物理AI领域已形成并驾齐驱之势，中国公司差异化的模型布局将有力推动人形机器人的大规模落地。
两个月后，美中经济与安全审查委员会（USCC）发布报告，指出中国已在顶尖模型性能上取得进一步突破：”中国积极推动AI技术向机器人等领域渗透，由此积累的真实世界数据反过来为模型迭代提供了有力支撑。”
这是西方媒体与机构对中国人形机器人产业罕见的集体重新表态。
在西方的惯常叙事中，中国向来以”制造强国”形象登场，即便已承接了全球人形机器人出货量的相当大份额，外界提及的依旧是供应链、制造效率和成本优势——”硬件看中国，模型看美国”几乎成了某种不言而喻的定论。
然而，随着人形机器人大规模落地的节点临近，中国机器人企业的模型实力正受到前所未有的重新审视。
本月，具身智能领域的新锐企业它石智航宣布完成4.55亿美元Pre-A轮融资，刷新中国具身智能史上单轮及Pre-A轮融资双项纪录。成立首年，其公开融资总额已达6.97亿美元——约为全球估值最高机器人企业Figure AI首年融资额的近十倍。
与大多数靠跳舞打拳博眼球的中国人形机器人不同，它石出圈的底气来自足以打破世界纪录的模型实力，这也正是资本竞相涌入的核心原因。
它石的崛起，再度印证了中国人形机器人产业的新趋势：硬件已强，模型还要更强。
另辟蹊径
时间回溯到一年前的特斯拉业绩电话会议，马斯克先肯定Optimus全球领先，随即话锋一转抛出”中国威胁论”：他担心全球排名第二到第十的人形机器人企业，将悉数出自中国。
这番话背后隐含两层逻辑：其一，中国企业凭借强大的硬件制造体系，足以拿下人形机器人市场的相当大份额；其二，即便如此，中国企业在模型层面依然难以撼动特斯拉。
支撑马斯克底气的，正是美国在模型领域的绝对主导权。
客观而言，无论是VLA还是世界模型，美国始终掌握着前沿演进的主导权。因此不论硬件制造多么不尽人意，美国的机器人公司总被认为能凭借更聪明的”大脑”对中国机器人实施降维打击。
然而，硬件与模型是人形机器人缺一不可的”两条腿”。人形机器人有别于传统工业机器人的核心价值，在于泛化与通用——不只要有手有脚，还得能拧螺丝、洗衣服、煮咖啡。硬件决定了行动力，模型决定了通用性。
理想中的人形机器人，既能在工厂干活，也能在家打理家务
硬件的难题在于大部分零部件须从无到有开发，全靠厂商自己”从头搓”——这正是中国零部件制造商的强项，所以中国机器人热衷”表演”，实质是在展示硬件肌肉。
模型的瓶颈则在于技术路线尚未收敛，训练周期漫长，模型端侧降本仍是一道难关——这是美国科研人员的传统强项，所以美国机器人公司的产品发布会，往往更像一场学术报告会。
对于国内大多数机器人企业而言，模型短板造成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”，并非不愿意，而是”脑子”客观上还不够用。
人形机器人模型目前主要分三条技术路线：
一是以特斯拉为代表的自动驾驶平移路线，核心是把自动驾驶的能力直接”搬”到机器人上，比如特斯拉复用FSD视觉算法和占用网络，让机器人具备类汽车的三维空间建模能力；
Optimus直接套用了特斯拉的FSD模型
二是以Figure AI的Helix系统为代表的VLA端到端路线，主张将感知、推理与行动整合进同一个大模型——搭载这类模型的机器人拥有极强的常识推理能力，比如你说”我饿了”，它会直接去找食物递给你；
三是国内多数主流企业采用的”大脑+小脑”模式，”大脑”负责用大语言或视觉模型拆解任务，”小脑”负责用强化学习或传统控制算法执行动作。
前两条路线技术上备受期待，但实际落地时暴露的问题比优势更多。
特斯拉的”平移”路线需要大量适配与重新验证工作。具身智能的复杂程度比自动驾驶高出数个数量级，模型无法直接套用，导致Optimus量产计划一拖再拖，目前据报道只能完成搬运、装配等基础操作，距离真正替代人类工人还有相当距离。
Figure AI的VLA路线致命伤在于”大脑快、手脚慢”。推理能力强，但受限于推理延迟，在产线上无法实现亚毫米级的精细实时反馈，精细活干不了。加之高度依赖特定场景的预训练视频，工厂环境、光照条件甚至零件色差的细微变化，都可能触发”逻辑死机”。而真实工业场景恰恰变化多、容错率低，跨产线的泛化能力与稳定性几乎难以在短期内建立。
国内主流的”大脑+小脑”路线则先天存在割裂，”大脑”与”小脑”难以协同实现高精度操作，这是大多数中国机器人进不了产线拧螺丝的根本原因。
中美两方，一方攻硬件，一方研模型，看似并行推进，实则模型的迭代速度远远跟不上硬件的发展节奏。当中国供应链已开始向下压缩硬件成本，模型的进步还停留在论文和PPT层面，卡住了商业化的咽喉。
双方都期待着新路径的突破，而这一次，中国先出了手。
数据为王
3月举行的全球三大家电及消费电子展之一AWE，不出所料成了人形机器人的竞技场。
与旁边那些跳舞打拳的机器人相比，它石智航的展台显得务实许多。旗下机器人A1没有花里胡哨的表演，却以每小时逾百次的频率，创下”机器人单小时内完成亚毫米级线束装配最多次数”的吉尼斯世界纪录。
吉尼斯颁奖现场，A1机器人刷新纪录
这一幕的分量，一线的自动化工程师和产线工人最能体会。
线束不同于刚性零件，会弯曲、颤动、形变。机器人须在每毫秒内实时感知线束的细微状态变化，并做出亚毫米级的动作补偿——这向来被业界视为工业自动化领域的”哥德巴赫猜想”。
攻克线束装配，让它石A1与那些还在工厂里做搬运分拣的机器人拉开了实质差距，也让它石的模型能力获得了单独审视的资格。
它石成立于2025年2月，起步并不算早，但成立三个月内便完成了2.42亿美元天使轮融资，打破中国具身智能天使轮历史纪录。创始人兼CEO陈亦伦与董事长李震宇均为国内自动驾驶界知名人物；首席科学家丁文超和首席架构师陈同庆同样有深厚的产业背景，主导过多个重量级自动驾驶项目。
自动驾驶被视为人形机器人的前置赛道和子命题，技术团队的自驾经验在很大程度上决定了技术的深度与广度——特斯拉最早的Optimus工程师，大多也是从汽车产业链转行而来的。
正是这样的团队组合，让它石在纷繁的技术路径与产业噪音中找到了突破口。
它石提出的解法是直接与真实世界对齐，首创”数据、模型与物理硬件三位一体”方案，以真实世界数据驱动世界模型研发。这条路线在当时并不主流，甚至因为难度极大、见效极慢而显得吃力不讨好，却也是通向通用智能最为笔直的一条路。
为此，它石自创了Human-centric数据采集新范式，实现了真实世界具身数据获取能力的跨越式突破，精准击中了当前行业的核心痛点——数据。
它石”三位一体”方案示意
模型训练，数据为王。机器人迟迟无法进厂的根本原因，在于用于训练的数据规模不够大、不够真实、可靠性不足。
与大语言模型可以直接利用互联网上的图文数据不同，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，涵盖视觉感知、运动控制、物理反馈等多个维度。这些数据无法从网络获取，只能在真实场景中通过实操积累，是一项从零开始的系统工程。
即使是体量庞大的特斯拉，除了调用自家数据，早期也主要靠遥操作收集数据——操作员穿上特制装备远程驱动机器人，传感器记录力觉、触觉、空间感等各维度数据，需要成千上万次重复。
人类操作员通过遥操作”手把手”教机器人做动作
这种方式不仅成本高昂，且因机器人机械结构的局限，采集到的往往是人类为适应机器人而”变形”的动作，训练出来的机器人流畅度远低于人类正常水平。
Figure AI在遥操作之外，还补充了大量人类第一视角视频，让机器人”边看边学”，但学习效果高度依赖机器人自身的”智力”水平——正如同一门网课，学霸和学渣的收获天壤之别，且只有视觉没有触觉，信息维度先天不足。
综合来看，现有方案要么成本高企，要么数据可靠性有限。它石Human-centric的最大突破，在于提高了数据采集的真实性与可操作性：
操作员穿戴它石自研的SenseHub套件在真实场景中作业，套件内传感器实时记录数据，捕捉的是人类肢体最自然的加速度、抓取力与空间轨迹——这些数据未经机器人硬件的”过滤”，保留了动作的原生高频细节。
SenseHub套件包含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。
操作员穿戴SenseHub套件执行动作、采集数据
由于不依赖机器人配合，这种模式可以大规模并行采集，成本大幅压缩——据机构测算，预估成本比传统真机遥操作低10至20倍。而在这一领域，中国天然具备极大的先发优势：超大规模的应用场景与极高的任务多样性，让数据积累的效率无可比拟。
通过提升数据纯净度和采集效率，它石的Human-centric方案解决的是当前机器人行业普遍存在的商业化”拖延症”，也为大规模落地提供了一条弯道超车的新路径。
在这一数据范式的驱动下，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的基础上，实现了三项关键技术创新：全视角通感决策（OSD）、高密度触觉感知（HTS）、隐空间丝滑动作（LAS），大幅提升了机器人在新视角下的任务成功率与精细感知响应能力，并有效降低了任务抖动率。
那项世界级纪录，不过是它石模型能力的一次局部溢出。
它石智航吉尼斯挑战现场
渐进式 VS 跨越式
高新技术从研发走向大规模落地，往往要经历一段阵痛期，在不同路径之间反复试错，才能慢慢靠近商业化爆发的临界点。
人形机器人正身处这样的阵痛期，技术路线尚未收敛，每一条看似光明的大道前方都大雾弥漫。这个阶段，考验的与其说是谁的技术更先进，不如说是谁更能承受试错成本，活着熬到大雾散尽的那一刻。
上一个经历过类似考验的，是人形机器人的”前辈”——自动驾驶。
与当前人形机器人繁杂的技术路线类似，最早一批自动驾驶开发者同样面对多条分叉路，最具代表性的是”跨越式”与”渐进式”两条。
“跨越式”的代表是Waymo、Cruise，直接研发L4级自动驾驶，不依赖人类监管，在特定区域推进商业化测试；”渐进式”的代表是特斯拉、小鹏，先量产L2/L2+，再用海量用户数据反哺算法，逐级提升自动化水平。
“跨越式”的激进路线最初吸引了大多数参与者，但当时研发的L4车辆成本高达20万美元，测试周期漫长，商业化举步维艰，企业重资产运营、长期负债前行。
“渐进式”则走的是”先上路、再提升”的路线，特斯拉是最典型的代表：先实现L2/L2+，再逐步进化——本质上是先保证活下来，再通过真实驾驶数据解决一个个边缘案例，持续反哺模型能力。
过去几年，”跨越式”队伍中随时有人倒下，渐渐人丁稀少；”渐进式”队伍则不断壮大。大模型时代到来，特斯拉也是最早调整方向、吃到红利的车企之一。
如今的人形机器人，类似的”跨越 vs 渐进”之争已初现端倪。
Figure AI的技术路线类似于”跨越式”——从一开始就追求通用化极致与全场景覆盖，试图让机器人通过”看视频”自学，相当于让自动驾驶汽车从一开始就彻底摒弃高精地图、纯靠算法感知世界。小学生不是不能解大学高数题，前提是这个小学生得是万中无一的天才。
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，未必比得上一个经验丰富的高中毕业熟练工。没有足够真实、针对特定场景且有效的数据积累，机器人再聪明，也拧不了一颗螺丝。
如此一来，量产无限期延迟或实际能力不达预期也难以避免，但投资人的钱终有烧尽的一天，等技术完美再量产，大概率会步”跨越式先烈”的后尘。
它石走的则是类似”渐进式”的路线——先从特定场景切入，先让机器人学会人类最精细的操作动作，再谈泛化；整体策略围绕”效率优先、落地为先”展开。
Human-centric的最大突破在于打破了”先造出高精度机器人、再采集数据”的旧有束缚。借助自研SenseHub套件，操作员可以随时在产线上作业并同步采集数据，让大模型得以快速迭代，与硬件同步进化，形成相互赋能的正向闭环，进而快速跑通具身智能的scaling law。
它石A1机器人实现产线多机协同
同时，数据采集成本降低至遥操作的1/10至1/20，意味着同等资本投入下，能够覆盖的场景深度（从简单抓取到复杂精密装配）和广度是竞争对手的数十倍。
这种商业与技术的平衡，使它石得以在保证技术持续提升的同时，维持量产和商业化的节奏，实现及时”造血”——这也正是为什么在机器人公司扎堆的赛道上，”来得晚”的它石反而赢得了资本的青睐。
活下去，其实是每一家科技创业公司最稀缺、也最宝贵的能力。
此轮Pre-A融资由高瓴资本与红杉中国联合领投，这也是两大顶级资本首次在具身智能赛道携手出手，它石就此跻身国内人形机器人第一梯队。
但这远非它石的终局。
将视野放到全球，中美机器人公司在估值上的鸿沟清晰可见：Figure AI背靠OpenAI，短短两年估值突破390亿美元（约合人民币2700多亿元）；特斯拉Optimus量产日程一推再推，资本仍将其隐形估值锚定在千亿美元量级。
这种落差并非源于技术代差，而是固化认知下资本与真实技术实力的错配。
当那些顶着光环的明星企业还在为如何走出实验室、克服落地延迟而苦恼时，它石已凭借更低的数据成本、更大的数据规模、更贴近物理世界的真实数据和更务实的模型策略，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，当下的它石正站在一个极具爆发性价值的前夜。随着其机器人在真实产线上展现出越来越强的韧性，眼下的估值鸿沟终将被填平，价值的真正重估也将随之而来。
结语
今年年初的特斯拉电话会议上，马斯克旧话重提，再度对中国人形机器人企业大加赞扬——而这一次，他夸的不再只是中国的硬件，还特别提到中国的模型”也相当不错”。
面对中国人形机器人在模型端超出预期的进步，美国的”特斯拉们”，确实该认真紧张起来了。
