至簡動力交付百臺「開箱即用」機器人，加速具身量產節奏

打破具身行業最快交付紀錄

作者丨鄧哲敏

編輯丨齊鋮湧

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，同時落成一條CNC智能化具身機器人產線。距離公司成立不足一年。

至簡動力給這款產品的定位是"開箱即用"的工業具身機器人——客戶采購后，無需漫長的現場調試，在一周內即可完成部署并進入生產節拍。與之配套的是"同一套方案打穿多場景"的敘事：同一套數據采集框架、同一套基座模型、同一套硬件本體，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，放在汽車行業不值一提，但在一個連Demo能不能復現都要打問號的賽道里，它意味著，有人把實驗室里的想法，變成了工廠里的訂單。至簡動力的百臺是首批直接進入客戶自有產線、而非實驗室或展廳的規模化交付，這對于仍處于早期階段的具身智能行業而言，無疑是一件值得關注的事。

過去三年，具身智能行業活在敘事裂縫中——融資額翻倍、Demo視頻刷屏，但摩根士丹利調研顯示，頭部廠商機器人在工廠的實際工作效率僅約人類的30%，靈巧手成本高、壽命短，量產計劃一推再推。智元在4月定義2026為"部署態"元年，核心標準是7×24小時自主干活、產生真實商業價值。

至簡動力的百臺交付，恰好卡在這個時間窗口。但它是否意味著行業從"能造出來"邁向"能用起來"，還需要更嚴格的審視。

01

"1小時開箱即用"的邊界在哪里？

至簡動力CEO兼CTO賈鵬沒有回避這個概念的限定條件："這一定是有前提的——基于提前預訓練和場景數據，到現場后主要做安全數據的快速適配。機床車間又潮又臟、地面全是油污，新場景必須做安全建圖。"換句話說，還沒到通用人工智能降臨之際，如今是有限場景內的工程收斂。

這個"有限"是至簡動力的主動選擇。他們沒有碰流水線上已被傳統自動化吃透的單工位，而是挑了CNC上下料這一長程任務：取料、裝夾、機床操作、下料、質檢、入庫，由一臺機器人完成整套流程。這一理念源于對行業痛點的觀察。"很多工廠買了傳統機械臂后吃灰，"賈鵬指出，"因為換件時CAD文件變了、零件變了，得花兩三周調試，不可接受。真正的競爭力不是什么都干，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，這套能力已經接受了真實產線的檢驗。綠的諧波CTO儲建華介紹，機加工車間常年面臨夜班招工難題："24小時運轉，年輕人不愿意上夜班，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，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用武之地。

"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，"儲建華表示，"部署周期大約10天：前幾天采集數據、建場景模型，云端訓練好后下發到現場。換場景也只需要重新創建模型。"據他測算，一臺機器人的綜合使用成本與一個人力成本相當，但可以24小時運轉，"基本上一年回本"。

10天 vs 兩三周，差距不算驚艷。儲建華表示，機器人訓練幾天后已經比前幾天快很多。他看重的，不是首次部署有多快，而是每次進入新場景時，邊際成本能否持續下降。但儲建華也劃定了當前的能力邊界："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"。賈鵬對此的表述是："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，取決于一個尚未驗證的假設：客戶是否愿意為"80%的起點+快速迭代"買單，而不是等待一個"100%開箱即用"的終極方案。綠的諧波選擇了前者，但樣本量還不足以支撐結論。

02

工業場景是終局，還是跳板？

至簡動力把工業定義為驗證1小時部署和穩定性的"最小閉環"。但聯合創始人王佳佳明確說："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體分裂為兩派：一派押注工業，認為工廠結構化、邊界清晰、需求明確，是最近的商業化路徑；另一派堅信To C終局，家庭服務才是萬億市場。

至簡動力的選擇是用工業養技術，用技術換時間。賈鵬分享了至簡動力的"三步走"路徑：第一步，在結構化、邊界清晰的工業場景打磨通用移動和基本操作能力；第二步，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，對節拍要求不高；第三步，在本體能力和安全性充分驗證后，才進入家庭等真正的開放場景。

目前，工業場景之外，至簡動力在商超零售、智慧物流等領域開展應用驗證，逐步開拓機器人的能力邊界。在商超零售領域，機器人可完成從線上下單、智能取貨到自動打包的全流程、跨環節自動化作業；在智慧物流領域，機器人也可勝任移動分揀、包裹翻面等多樣化任務。

關于未來機器人進家庭，賈鵬列了五個門檻：成本、產品力、安全、五個泛化能力、靈巧手量產。他的判斷是："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%精力解決最后5%的長尾問題，必須敬畏。"王佳佳的行業判斷更直接："整個行業處于0到0.1階段，萬臺年交付才是真正的0到1。"

作為參照，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，取決于兩個變量：數據飛輪是否真轉得起來，以及跨場景遷移成本能否持續下降。

03

"機器人造機器人"

能否成為成本解法的起點？

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，市占率70%以上。這個選擇不是偶然，是一套成本解法的嘗試。

"一臺機器人的BOM成本比一臺理想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"的數據和產業閉環。

更深層的協同在數據端。儲建華透露，綠的諧波將關節使用數據實時回傳至簡動力，"以前沒人告訴我不同場景下電機扭矩、PID算法該怎么調，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，用真實生產數據喂養模型，再降低進入新場景的成本。

但這個閉環有一個隱性前提：綠的諧波愿意開放數據，是因為雙方是戰略合作伙伴，且至簡動力同時是其客戶（采購關節）。這種雙向綁定的關系能否復制到其他客戶，是規模化交付的關鍵變量。

賈鵬引用英偉達創始人黃仁勛的產品哲學："先做個rubbish出來，讓大家罵，這個東西才能成。"百臺交付后，他們預備接受真實反饋："客戶真的會罵，現場宕機就是耽誤生產，但這個過程必須經歷。"

04

從萬億級戰場降維，看到的機會與陷阱

至簡動力核心團隊來自理想汽車。這不是簡單的跨界，而是一次方法論遷移。

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。王佳佳的表述是："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'為什么關節總是壞'。"

這種經驗帶來兩個認知優勢，也帶來一個陷阱。

優勢一：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。賈鵬觀察：行業300多家公司，真正擁有千卡級訓練集群的約8家，至簡是其中之一。"模型最后長得差不多，決勝的是infra能力——你能不能玩轉萬卡？"

優勢二：對"不合理"的敏感。機器人關節批量售價7萬、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象的現狀，被至簡動力視為機會。"頂配版本賣22.98萬，對比友商50萬、60萬的定價，這是底氣。"

而陷阱是，自動駕駛背景容易低估物理復雜度。接觸操作、材質理解、力控反饋，這些"非接觸問題"之外的新維度，需要重新學習。賈鵬承認："本體運控跟車相關性沒那么大，只能靠自己去摸。"

更現實的挑戰是產能。王佳佳坦言百臺交付"依然不及預期"，"理論上現在是不是干到1000臺才叫對？"這種自我施壓的背后，是團隊對行業節奏的焦慮——至簡動力上市時間可能在2030年前后，而前面兩批公司已經或即將交表。

05

"蘇州模式"能復制嗎？

至簡動力制造基地落在蘇州吳中，看中的是2小時制造業經濟圈——關鍵零部件、加工制造、整機裝配、調試驗證全部在車程范圍內。

更深層的布局是人才。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、數據采集、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，可能取決于會用機器人的人的供給速度。

吳中區帶給至簡動力的期待是從單個產品擴展到整個蘇州制造產業。這個愿景的前提是，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的實際效果后躍躍欲試，但這種口碑傳播能否轉化為規模化訂單，仍需驗證。

06

百臺是一個坐標，不是答案

至簡動力的百臺交付，在行業時間軸上是一個值得記錄的坐標。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Demo視頻更接近商業本質。

但它也暴露了行業的真實水位仍處于0到0.1的階段，5000萬臺的終局還遠。

賈鵬說："我們不在意短期商業規模，更在意成長加速度。"這句話的潛臺詞是，在具身智能的長周期里，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。

百臺之后，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后的冷靜期——賈鵬預判的上市潮后遺癥——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驗證。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。