中國的人形機器人完成雙手縫紉壯舉 精細任務新突破。人形機器人現(xiàn)場刺繡。TARS機器人展示了一項令人驚訝的技能：在柔軟的織物上以亞毫米級精度完成刺繡任務。這項精細的操作長期以來被認為超出了自動化能力范圍，但中國初創(chuàng)公司它石智航在2025年12月22日的演示中成功實現(xiàn)了這一目標。機器人雙手協(xié)作，整個過程流暢穩(wěn)定，幾乎與熟練工人無異。

刺繡代表了機器人操作領域最棘手的技術(shù)難題之一，需要精密的視覺引導、自適應的力度控制、雙手高度協(xié)調(diào)的運動，以及處理形狀不斷變化的柔性材料的能力。任何一個環(huán)節(jié)出問題，線就會斷裂或者針腳錯位。工業(yè)界長期以來認為這類任務屬于“人類專屬區(qū)域”，因為傳統(tǒng)工業(yè)機器人雖然力量大、速度快，但在精細操作和靈活應變方面遠不如人類。

它石智航的解決方案核心是一套名為“數(shù)據(jù)-AI-物理”的閉環(huán)系統(tǒng)。創(chuàng)始人兼首席執(zhí)行官陳亦倫博士解釋說，他們并不是針對刺繡這個特定任務編程，而是教會機器人通用的身體技能。這種思路類似于人類學習——掌握基礎運動模式后遷移到不同場景。

具體來說，它石智航開發(fā)了名為SenseHub的數(shù)據(jù)采集平臺，通過捕捉真實人類操作者的視覺、觸覺和動作數(shù)據(jù)，建立起龐大的行為數(shù)據(jù)庫。這些數(shù)據(jù)隨后被用來訓練TARS AWE 2.0具身智能模型，一個專門學習物理世界操作技能的神經(jīng)網(wǎng)絡。模型學到的能力最終被部署到公司的T系列通用型和A系列工業(yè)型人形機器人上。

這套方法的關(guān)鍵在于最小化“仿真到現(xiàn)實”的差距。傳統(tǒng)機器人研發(fā)往往先在虛擬環(huán)境中訓練算法，然后遷移到真實世界，但兩者之間的物理差異會導致性能大幅下降。它石智航從一開始就使用真實世界數(shù)據(jù)訓練模型，機器人的機械設計也經(jīng)過優(yōu)化以匹配AI模型的輸出特性，這種軟硬件協(xié)同設計讓算法學到的技能可以更可靠地在現(xiàn)實中執(zhí)行。

首席科學家丁文超博士強調(diào)數(shù)據(jù)規(guī)模的重要性。他透露，隨著SenseHub采集的數(shù)據(jù)量增長，機器人在各類任務上的成功率出現(xiàn)跳躍式提升。這符合AI領域的“規(guī)模定律”——只要訓練數(shù)據(jù)足夠多、模型參數(shù)足夠大、計算資源足夠充足，性能就會持續(xù)改善。但在具身智能領域，數(shù)據(jù)采集的成本和難度遠高于自然語言處理或圖像識別，因為每一個動作都需要真實的物理交互，無法像文本那樣批量下載。

刺繡演示的意義遠超技藝傳承本身。它證明了同樣的技術(shù)可以擴展到其他需要精細操作的工業(yè)場景。例如電子制造中的精密線束組裝，這是汽車和航空航天產(chǎn)業(yè)的關(guān)鍵工序，涉及將數(shù)十根甚至上百根細電線按照復雜路徑布置并連接，對位置精度和接觸力度要求極高。目前這些工作主要由熟練工人完成，自動化率低，成本高昂。如果人形機器人能夠掌握類似刺繡的柔性材料處理能力，就可以接管這些工序。

服裝制造是另一個潛在應用領域。雖然縫紉機早已實現(xiàn)自動化，但涉及不規(guī)則形狀或多層面料的復雜縫制仍然需要人工。全球服裝產(chǎn)業(yè)雇傭了數(shù)千萬工人，如果機器人能夠勝任這些工作，產(chǎn)業(yè)格局將發(fā)生巨變。當然這也引發(fā)了關(guān)于就業(yè)的擔憂，但支持者認為機器人可以承擔重復性和危險性工作，讓人類從事更具創(chuàng)造性的設計和管理崗位。

它石智航成立于2025年2月，到同年12月就公開演示如此復雜的功能，速度驚人。這背后是雄厚的資金支持——公司在天使輪融資中獲得1.2億美元，隨后又完成1.22億美元的天使加輪融資，兩輪合計超過2.4億美元，創(chuàng)下中國具身智能領域最大天使輪紀錄。投資方包括藍馳創(chuàng)投、啟明創(chuàng)投、美團戰(zhàn)投、高瓴創(chuàng)投等知名機構(gòu)，顯示出資本市場對這一賽道的看好。

創(chuàng)始團隊背景值得注意。陳亦倫此前是自動駕駛領域的技術(shù)專家，曾在百度和文遠知行等公司擔任關(guān)鍵職位。首席技術(shù)官李震宇同樣來自自動駕駛行業(yè)，擁有豐富的感知算法和系統(tǒng)工程經(jīng)驗。這個組合并非偶然——自動駕駛和人形機器人在技術(shù)上有許多共通之處，都需要實時感知環(huán)境、做出快速決策、執(zhí)行精確控制。自動駕駛行業(yè)過去十年積累的大量工程實踐經(jīng)驗，正在被遷移到機器人領域。

全球人形機器人賽道在2025年進入白熱化競爭。特斯拉的Optimus已經(jīng)在工廠實際部署，波士頓動力的Atlas展示了驚人的運動能力，中國的優(yōu)必選、小米、小鵬等公司也紛紛推出自己的產(chǎn)品。它石智航選擇的差異化路徑是強調(diào)“通用智能”而非“特定任務”，這意味著他們的機器人不是為某個工廠定制，而是可以通過學習適應不同環(huán)境。

這種策略的挑戰(zhàn)在于驗證周期長。定制化機器人可以快速針對具體任務優(yōu)化，在短期內(nèi)實現(xiàn)商業(yè)回報。通用型機器人需要在多個場景中證明自己的價值，技術(shù)門檻和市場教育成本都更高。但如果成功，回報也更豐厚——一個真正通用的機器人平臺可以覆蓋制造、物流、服務等多個萬億級市場。

技術(shù)層面仍有許多問題待解。刺繡演示是在受控環(huán)境下完成的，現(xiàn)實工業(yè)場景要復雜得多——光照變化、材料差異、意外干擾都可能影響性能。機器人的能耗和續(xù)航也是實際應用的瓶頸，人形機器人通常工作幾小時就需要充電，遠不如人類的持久力。成本同樣關(guān)鍵，雖然具體定價未公布，但業(yè)內(nèi)預計早期產(chǎn)品價格會在十萬美元以上，只有在大規(guī)模量產(chǎn)后才可能降到與人工成本競爭的水平。

陳亦倫在發(fā)布會上表示，公司的目標是將機器人部署到各個行業(yè)和家庭中。從技術(shù)演示到規(guī)模應用之間還有很長的路要走，但至少他們已經(jīng)證明，讓機器人做一些以前認為不可能的事情，正在從科幻變成現(xiàn)實。