它石智航AWE3.7“十天连发”引关注！通用具身智能从“PPT演示”到“真干活”仍面临诸多挑战

近日，多家媒体报道了它石智航发布的通用具身大模型AWE3.7（AI World Engine），根据报道，该公司在十天内密集释放多组任务演示，凭借同一套基座模型，先后完成工业产线分拣装配、物流搬运、家庭服务操作等跨场景任务，直观展现了通用具身智能的场景迁移能力，也将行业讨论重新拉回一个现实命题：通用具身模型究竟离大规模商用还有多远？

实际上，在刚刚落幕的世界人形机器人大会（WRC）上，它石智航并未设展或亮相；与此同时，其所展示的诸多应用场景，已在其他厂商的落地验证中逐步推进。而通用大模型本身并非颠覆性新技术，头部企业正在密集发力，这一趋势在WRC上亦有充分体现。

尽管AWE3.7交出了一份亮眼的演示答卷，但在技术工程化落地、数据采集与标注成本、软硬件协同优化等层面，仍存在难以回避的短板。这也意味着，与大多数具身智能公司一样，它石智航距离真正意义上的“全场景通吃”，仍有相当长的路要走。

用多场景演示验证通用泛化路径

长期以来，机器人系统大多依赖专有模型，一旦物体、场景或控制方式发生变化，往往就需要重新采集数据、训练模型和部署调试。它石智航AWE3.7试图终结这种“一事一训”的模式，用一个通用模型应对千变万化的场景。

从已公布的演示内容来看，AWE3.7展示了跨场景的作业能力。在工业产线场景中，机器人能够完成零件分拣、缠胶带、网线插接、手机装盒和拧螺丝等精细操作。其中缠胶带涉及柔性材料处理，网线插接要求毫米级精度，拧螺丝则需要根据扭矩反馈实时调整动作。在动态作业场景中，机器人能在传送带运转中完成抓取装袋，在收纳框被移动时实时调整轨迹。此外，演示还涵盖了办公环境中的自主移动操作和家庭场景中的衣物整理等任务。

今年3月，它石A1机器人曾获得“一小时内装配亚毫米级线束最多次数”的吉尼斯世界纪录。公司团队背景亦颇为亮眼——CEO陈亦伦曾任华为车BU首席科学家，董事长李震宇来自百度智能驾驶事业群。今年4月，公司完成4.55亿美元Pre-A轮融资，创下中国具身智能领域单轮融资纪录。

AWE3.7仍面临多重现实约束

尽管AWE3.7的演示引发广泛关注，但从行业角度来看，仍然面临多重挑战。首先，是数据范式带来的成本压力与数据边界难题。它石智航采用以人为中心的示教采集路线，依靠人类操作录制视触觉、动作时序数据来训练模型，这套方案可以产出高质量真实交互数据，但采集成本居高不下。单次简单抓取示教，经过录制、清洗标注、仿真校验全流程，综合成本不菲。想要持续拓宽任务边界，就需要源源不断新增大量示教样本。面对完全陌生、没有近似示教样本的全新任务，模型的零样本自主完成能力依旧有限，距离理想中 “看一遍就会” 的具身智能还有差距，模型能力上限高度绑定已采集数据的覆盖范围。同时，不同硬件本体、传感器参数存在差异，采集的数据存在迁移损耗，数据资产复用存在客观限制。

其次，自动驾驶技术经验迁移到机器人领域存在适配鸿沟。团队大量工程积累源自自动驾驶，世界模型、端到端闭环思路移植到机器人，但是车辆运行在结构化道路，行为空间相对可控；而机器人要处理非标物件、柔性物料、长时序复杂操作，手眼协调、力控容错、故障自主恢复，没有现成成熟方案可以直接套用。演示视频大多是分段式独立任务，面对连续、多步骤、中间频繁发生意外扰动的长链条复杂任务，模型稳定性会出现明显下滑。实验室可控环境下成功率可观，但真实工厂、家庭环境充满不可预知变量，一旦光线、物体摆放、物料特性发生较大偏移，任务完成率就会出现波动。

再者，软硬协同的工程短板制约规模化复制。通用具身大脑能力释放高度依赖硬件本体，灵巧手、力觉传感器、关节模组的稳定性、成本、寿命，成为模型落地的枷锁。高端灵巧硬件价格高昂，高频次长时间作业下存在精度衰减、故障率问题，直接推高整机部署成本，不利于大批量铺开。AWE3.7 演示成果，大多搭配自研硬件完成，当模型外接第三方异构机器人本体，感知与控制链路适配工作繁重，泛化效果会打折扣。这意味着，通用模型暂时还做不到即插即用，每适配一款新硬件，依旧需要大量调试优化工作。

商业化层面，目前成熟落地主要集中汽车线束这一垂直工业场景，其他工业、家庭服务场景还停留在演示验证阶段。家庭服务场景物体种类庞杂、环境千差万别，想要实现可用的商用版本，还需要完成海量工况打磨。行业缺少统一客观评测标准，各家演示条件不透明，难以横向衡量模型真实通用水平，AWE3.7 同样需要更多真实环境长期运行数据证明自身价值。

AWE3.7 可以证明它石智航的通用具身不是空想，但依旧处于 “演示先行，落地待考” 阶段。它打通了技术可能性，却尚未解决产业痛点。它石智航遇到的挑战，也是整个具身智能行业共同面对的命题，通用具身大模型想要真正走进千行百业，还需要完成从 “秀能力” 到 “稳干活” 的跨越。