AI/大模型中
← 贴纸墙
JOURNEY · DETAIL
它石智航：自动驾驶老兵用线束装配切入具身智能的机器人新贵
创办：陈亦伦、陈同庆 · 它石智航
JOURNEY
关键字段
FIELD STAMPSINDUSTRY 行业AI/大模型
REGION 地区中
SCALE 规模中型
CHANNEL 渠道其他
起步缘由
创始团队来自华为等自动驾驶公司，经历过智能驾驶从Demo到量产的全过程。2025年他们看到具身智能爆发窗口，决定将自动驾驶领域积累的感知、决策、仿真和供应链经验迁移到机器人上，选择从汽车线束装配这一高频、刚需且精度要求高的环节切入，希望避开通用人形机器人的泛化难题，先做可落地的商业场景。
发家里程碑
2025年
成立 拐点
2025年，陈亦伦、陈同庆等自动驾驶老兵在上海创立它石智航，团队核心成员多来自华为智能驾驶等量产项目。创业初期团队曾尝试直接复用自动驾驶感知算法，但发现机器人本体控制、夹爪机构与仿真链路完全不同，被迫转向软硬一体自研路线，这是公司从智驾团队向具身智能公司转变的关键节点。
2025年
早期融资 增长
公司成立后不到一年，连续完成两轮融资，总额接近7亿美元，刷新具身智能领域早期融资纪录。投资方包括红杉中国、高瓴、美团、启明创投等，资本在高估值下仍持续加码，核心原因是对自动驾驶团队转做机器人线束装配这一降维打击故事的认可。
2026年
Pre-A轮 增长
2026年4月，它石智航宣布完成Pre-A轮4.55亿美元融资，估值超过200亿元人民币，由红杉中国、高瓴、美团领投，启明创投等跟投。这是全球具身智能领域单笔规模最大的Pre-A轮之一，资金将用于线束装配机器人的量产和模型数据闭环建设，标志着公司从实验室走向工厂验证。
2026年
技术路线选择 拐点
2026年，在主流机器人公司纷纷押注VLA大模型时，它石智航公开表示VLA路线更像外来和尚，坚持基于自动驾驶端到端框架自研具身模型。团队认为汽车场景的数据结构和机器人操作任务高度同源，应在驾驶数据基础上扩展操作数据，而非直接套用语言-动作模型，这一判断引发行业激烈争论。
2026年
场景验证 转折
2026年，除了汽车线束装配，它石智航还尝试将机器人用于刺绣等柔性精细操作任务，以验证技术方案的泛化能力。公开报道显示，公司试图证明其端到端具身模型能在高精度、非结构化场景中替代人工，商业化路径从单一场景向多场景扩展，为后续量产提供更多落地选项。
转折点
- 2025年从自动驾驶跨界到机器人，用线束装配场景打开市场切口，成为公司最关键的战略转向。
- 2026年4月Pre-A轮4.55亿美元落地，估值超200亿元，让公司从早期项目一跃成为具身智能头部玩家。
- 公开质疑VLA主流路线，坚持自动驾驶端到端框架迁移到机器人，在行业争议中确立技术标签。
失败与踩坑
- 创业初期直接复用自动驾驶感知算法到机器人本体，发现桁架结构、夹爪力控完全不同于汽车控制，浪费了开发时间。
- 线束装配场景的良率一度难以达到车企产线要求，客户只肯用机器人做辅助工位，团队不得不回到真实产线重采数据并重新设计执行器。
- 为追赶融资节奏，产品Demo与量产版本之间存在代差，2026年量产压力下出现供应链成本超预算的被动局面。
关键成功要素
- 团队具备自动驾驶量产经验，将感知、决策、仿真等模块迁移到机器人场景。
- 以汽车线束装配等刚需环节为切入点，避开通用机器人的泛化难题。
- 在Pre-A轮获得红杉中国、高瓴、美团等联合领投，形成资本背书。
- 坚持自研端到端具身模型，不盲从VLA主流路线，建立技术壁垒。
经验教训
- 新赛道创业要利用原行业的经验迁移，但必须正视机器人本体与自动驾驶的差异。
- 融资热度高不代表商业化成熟，线束装配等B端场景验证仍需时间。
- 对主流技术路线保持独立判断，可以帮助公司在泡沫中建立差异化。
- 资本可以加速研发，但量产良率和成本才是决定胜负的长期变量。
核心数据
- 一年融资总额：近7亿美元（公开资料口径，未验独立复核）
- 第一轮前融资额：4.55亿美元（公开资料口径，未验独立复核）
- 估值：超200亿人民币（公开资料口径，未验独立复核）
- 成立至第一轮前的时间：约1年（公开资料口径，未验独立复核）
- 领投机构数量：3个（公开资料口径，未验独立复核）
竞争对手 / 同行
主要竞争对手包括宇树科技、智元机器人、星动纪元等具身智能创业公司，以及特斯拉Optimus等海外玩家。与对手从四足机器狗或通用人形机器人整机切入不同，它石智航依托自动驾驶团队背景，选择汽车线束装配、刺绣等精细操作场景作为落地切口，试图用端到端具身模型构建差异化壁垒。但这类场景的验证周期长、客户验收标准严苛，在人形机器人硬件和商业化规模上仍落后于部分对手。