為什么它石陳亦倫踏入具身河流

熱潮之下，它石的「第一性」思考。

作者丨吳 彤 馬曉寧

編輯丨林覺民

“為什么它石智航能融到這么多錢？”我把這個問題拋給過許多接觸陳亦倫團隊的投資人，他們給出了各種各樣的答案。

一位知名投資人拒絕了不少名校歸來的助理教授創(chuàng)業(yè)的具身創(chuàng)業(yè)公司，選擇了它石。談到當時的投資決策，很重要的一個考量在于：

具身模型的底層技術(shù)當時還沒有收斂。已經(jīng)收斂的創(chuàng)業(yè)方向，比如說大模型，團隊的技術(shù)能力至關(guān)重要，但是具身方向的團隊評估，技術(shù)能力只占一部分，另一部分在于整個團隊的工程化落地能力。

過去一年，具身智能的資本熱浪如山呼海嘯般撲面而來，許多不知名的團隊都獲得了千萬級別的融資。這些融資有多少是理性驅(qū)動的，又有多少是市場在FOMO情緒中做出的不理性判斷。

具身智能賽道火爆，但競爭更激烈。陳亦倫為何能夠帶領(lǐng)它石成為去年的融資冠軍，成就最快獨角獸，這成為了我們最想破解的謎題。

01

在大疆工作一年后，他悟出了這些道理

要了解它石，還是要從陳亦倫的經(jīng)歷說起。

2016年3月，大疆Phantom 4的發(fā)布，成為了陳亦倫進入科技行業(yè)主流視野的契機。

這款無人機就像是往無人機行業(yè)投下了一枚核彈。借助智能跟隨+避障這樣的功能，大疆拉出了碾壓級的技術(shù)代差，徹底把無人機變成了大眾消費品。

有了技術(shù)上的大殺器，接下來的重點就是如何維持技術(shù)的領(lǐng)先地位。從客觀規(guī)律上來說，大疆用了四年的時間來開發(fā)這項技術(shù)，如果對手公司投入大量資源來追趕的話，可能兩三年的時間就能做出來。所以大疆有了一個兩年的技術(shù)窗口期，奠定最終的勝局。

來到大疆之后，陳亦倫開始探索大疆為什么能做出那么好的東西？

總結(jié)下來，無非是兩個原因：

第一，他們真的熱愛他們做的產(chǎn)品。

做無人機的時候，每個工程師桌子上都擺著一架無人機，共同的愛好與目標，導(dǎo)致他們每一個人的心意都非常相通，可以說是全員參與測試自己的產(chǎn)品，形成了一種閉環(huán)。盡管當時大疆的流程并沒有多么完善，但是這種全員共振的狀態(tài)已經(jīng)超越了流程的本質(zhì)。

第二則是，大疆的工程師文化非常重，而且非常有特點。

他們不盲目崇拜權(quán)力，尤其崇尚獨立思考，往往只服氣技術(shù)最好的人。

大疆招聘工程師的時候，會先對最優(yōu)秀的員工做一個性格測試，然后對候選人做性格測試，從候選人中篩選出接近于前者的人，所以你會發(fā)現(xiàn)大疆人都是最極致的工程師性格，多年之后陳亦倫仍然記憶猶新。

02

華為的自動駕駛之路

2018年下半年，一個老同事接到陳亦倫消息，說要不要去華為搞自動駕駛啊。

車聯(lián)網(wǎng)不是華為內(nèi)部唯一一個做自動駕駛的團隊。華為海思的蘇箐，同樣盯上了智駕系統(tǒng)。

蘇箐在1999年就加入了華為，此前他在內(nèi)部最大的貢獻是麒麟芯片最重要的創(chuàng)始人之一。在當時電腦普遍還是雙核的年代，他提出了手機需要四核的大膽設(shè)想，盡管被許多人視為瘋狂。面對MTK山寨機的盛行，蘇箐堅持要開發(fā)高端芯片，華為也支持這種大膽的探索 ，最后成功推動了K3-V1和K3-V2兩代芯片的研發(fā)。

2018年，蘇箐看到Waymo在自動駕駛領(lǐng)域取得了顯著成就，但因成本過高難以量產(chǎn)。于是蘇箐設(shè)想，如果能優(yōu)化智能駕駛系統(tǒng)，降低成本，使其普及到每一輛車上，就能打開一個巨大的市場，使智能汽車成為下一個“超級單品”。他后來在海思內(nèi)部啟動了自己的自動駕駛研究項目，與蔡建永領(lǐng)導(dǎo)的車聯(lián)網(wǎng)實驗室形成了實質(zhì)上的“賽馬”。

2018年，當陳亦倫加入時，蘇箐已經(jīng)推動了華為內(nèi)部成功數(shù)和基礎(chǔ)64線的激光雷達，并且適用于自動駕駛的高算力芯片。憑借這兩項技術(shù)突破，華為有望將自動駕駛系統(tǒng)的成本控制在2萬美金以內(nèi)，挑戰(zhàn)為每輛車提供接近Waymo性能的自動駕駛系統(tǒng)，從而開啟智能汽車作為超級單品的新時代。 那年在奧迪的活動上，華為海思的自動駕駛系統(tǒng)打敗了大疆、百度等幾家公司，被總裁徐直軍看到，開始給與資金支持，并正式將項目轉(zhuǎn)正。

到了2019年5月，華為將車聯(lián)網(wǎng)實驗室升級為智能汽車解決方案BU（車BU），由輪值董事長徐直軍直接掛帥，王軍出任總裁，蔡建永擔任CTO，蘇箐擔任智能駕駛產(chǎn)品線的總負責人。這是實質(zhì)上的兩個團隊合并，智能駕駛研發(fā)團隊全部收歸蘇箐。

陳亦倫的天賦在華為得到了徹底的兌現(xiàn)。他是整個團隊技術(shù)等級最高的人。陳亦倫有做芯片的經(jīng)歷，又有算法能力，面對一線團隊那都是降維打擊。

到了2020年，陳亦倫就成為了整個部門的首席科學(xué)家。

03

超級工程師

聰明，智商高，往往是大家對陳亦倫的第一印象。他是物理競賽金牌得主，清華本碩，密歇根大學(xué)的博士，學(xué)歷屬于天花板級別的存在。工作中也是反應(yīng)很快，總是能快速找到工程化任務(wù)中的短板，并直接解決問題。

陳亦倫快速解決技術(shù)難題的能力有目共睹，包括何利楊在內(nèi)，不少與他共事過的人，都能說出來幾件他解決的技術(shù)難題，以證明他在技術(shù)上敏銳的感知能力，與超絕的工程思維。用高精地圖訓(xùn)練靜態(tài)感知這個事情，就有不少同事都向AI科技評論提到過。

2021年初，自動駕駛行業(yè)內(nèi)形成了廣泛共識：自動駕駛感知是當時制約技術(shù)落地的最大難題。這一挑戰(zhàn)被明確劃分為兩大核心領(lǐng)域，即動態(tài)目標感知（對車輛、行人等移動物體的識別與追蹤）和靜態(tài)環(huán)境認知（對車道線、道路拓撲結(jié)構(gòu)、交通信號燈及標識的精準理解與重建）。當時普遍認為，攻克這兩大感知難題是實現(xiàn)高級別自動駕駛的關(guān)鍵前提。

華為ADS在許斌的帶領(lǐng)下，已經(jīng)基本解決了動態(tài)目標感知問題，這非常了不起。但很快他們就發(fā)現(xiàn)，因為無法依賴高精地圖進行全國性覆蓋，靜態(tài)環(huán)境認知成為了新的關(guān)鍵瓶頸。

那么不依賴先驗地圖，僅憑傳感器在任意地點實時理解車道線、路沿和拓撲結(jié)構(gòu)，就對算法的精度、泛化能力和計算效率提出了極高要求。

在團隊攻克這一難題的時候，陳亦倫說，“這有什么難的？靜態(tài)環(huán)境認知完全可以當作一個神經(jīng)網(wǎng)絡(luò)，讓它學(xué)習出來?！?/p>

在那個大家還普遍用傳統(tǒng)方法（如感知2D車道線再轉(zhuǎn)3D）的時代，這個思路非常超前。他進一步點明：訓(xùn)練這個神經(jīng)網(wǎng)絡(luò)所需的“標準答案”（ground truth）其實已經(jīng)存在，就是高精地圖本身。我們可以用高精地圖作為監(jiān)督信號，讓神經(jīng)網(wǎng)絡(luò)直接學(xué)習從圖像到環(huán)境結(jié)構(gòu)的端到端映射。這個思路為后續(xù)無圖化（輕地圖）方案指明了方向。

陳亦倫當時關(guān)于用高精地圖作為 ground truth 來訓(xùn)練靜態(tài)環(huán)境感知神經(jīng)網(wǎng)絡(luò)的觀點，讓同事們感覺如同“開了天眼”，大家對他的技術(shù)品味和前瞻性認知完全折服，認定了他是一個能夠引領(lǐng)方向的人。

22年底，蔚來的同學(xué)得知，華為的靜態(tài)環(huán)境感知“是用高精地圖訓(xùn)練的”，他們非常驚訝。這也正說明，在華為團隊基于這個思路已經(jīng)實踐了兩年、迭代了多個模型版本了，業(yè)內(nèi)其他公司可能才剛剛意識到這種方法。

這也解釋了為什么華為ADS后來不盲目追隨“無圖”的潮流，而是堅持走“有圖”或“輕圖”（road code）的路線，因為高精地圖本身就是訓(xùn)練感知網(wǎng)絡(luò)最可靠的監(jiān)督信號。

不被噪聲干擾，直接找出問題的關(guān)鍵，從而快速解決問題，這就是陳亦倫的行事風格。直到現(xiàn)在做具身智能，他也在一直強調(diào)“第一性原理”，即，具身智能目前要做的，是找到堪比大語言模型中Transformer架構(gòu)的底層基礎(chǔ)范式。

04

ADS的酣暢大勝

按照蘇箐為團隊制定的目標，每一輛搭載華為系統(tǒng)的車都要具備比肩Waymo的能力，這在當時是一個無人敢想的任務(wù)，學(xué)術(shù)界和工業(yè)界都沒有先例。作為對比，百度當時專注于L4級Robotaxi 在限定區(qū)域的運營，而華為要做的卻是讓智駕系統(tǒng)在全國范圍內(nèi)啟動即可使用。這決定了團隊必須解決高精地圖、復(fù)雜城市場景等根本性難題。

蘇箐非常看重實際效果，并且希望在短期內(nèi)看到成效，這對于整個團隊提出來重大的挑戰(zhàn)。

好在他遇到了最好的工程化人才，陳亦倫。

陳亦倫的團隊從感知模塊開始，將一個個原本用C++堆砌的子系統(tǒng)——視覺、激光雷達融合、預(yù)測、規(guī)劃——逐步用AI模型重構(gòu)。代碼量銳減，性能反而提升，解放出來的人力得以持續(xù)攻克下一個堡壘。

這種系統(tǒng)性轉(zhuǎn)向AI的策略，不僅提升了效率，更在本質(zhì)上重塑了華為ADS的研發(fā)模式。它使得一支70分的團隊發(fā)揮出了100分的能力，以驚人的速度逼近并超越了行業(yè)預(yù)期，最終將那個看似不可能的宏大目標，變成了問界、阿維塔車上用戶可感知的體驗。

舉例來說，在華為ADS的攻堅戰(zhàn)中，傳感器融合就用到了AI。

理想情況下，激光雷達是最可靠的感知源，但成本制約了其大規(guī)模應(yīng)用。為了將系統(tǒng)總成本控制在2萬美元以內(nèi)，華為不得不采取折衷方案：僅在車輛前方有限區(qū)域部署激光雷達，并深度融合攝像頭等廉價傳感器。

這帶來了極其復(fù)雜的多傳感器融合挑戰(zhàn)，華為擁抱視覺融合路線，更是將BEV（鳥瞰圖）感知和AI預(yù)測技術(shù)應(yīng)用于量產(chǎn)輔助駕駛系統(tǒng)的先行者。一個頗具意味的事實是：當華為已經(jīng)在預(yù)測模塊廣泛應(yīng)用AI時，許多專注于L4級別的公司，仍在使用傳統(tǒng)的非AI方法。

不過，陳亦倫的AI技術(shù)路線也非一帆風順。比如2020年，華為智駕遇到了路徑導(dǎo)航與控制（PNC）技術(shù)瓶頸，PNC一旦能用AI解決，接下來實現(xiàn)端到端的自動駕駛就變得相對容易了。而AI領(lǐng)域雖然經(jīng)常涌現(xiàn)出成堆理論家，但既有相關(guān)專業(yè)背景又具備實戰(zhàn)經(jīng)驗的人才卻少之又少。

為了突破PNC的瓶頸，2020年9月，陳亦倫招募了“華為天才少年”丁文超——香港科技大學(xué)沈劭劼教授的學(xué)生，專攻規(guī)控算法。丁文超被寄予厚望，他的任務(wù)是用AI方法重構(gòu)規(guī)控模塊，為最終實現(xiàn)端到端自動駕駛鋪平道路。陳亦倫的用人眼光很快就得到了驗證，2021年丁文超就開發(fā)出了能在城區(qū)和城中村復(fù)雜路況運行的端到端demo。

華為ADS那幾年的人才密度可以說是最高的，沒有之一。除了蘇箐和陳亦倫，還有陳奇、姜軍、陳保成、以及黃青虬、許彬、丁文超等眾多優(yōu)秀人才。

據(jù)AI科技評論追蹤，不少人已經(jīng)投身到具身智能領(lǐng)域。比如丁文超就在2023年2月入職復(fù)旦大學(xué)，創(chuàng)建機器人系統(tǒng)實驗室，主持研發(fā)該校首個人形機器人項目?，F(xiàn)在，他在和陳亦倫一起創(chuàng)業(yè)。

05

踏入戰(zhàn)場的前一夜

一位知名的投資人告訴我們，他第一次見陳亦倫的時候就覺得，這是個很厲害的人。

創(chuàng)始人想要讓不懂行的投資人相信自己，總會時不時展現(xiàn)出一種微妙的居高臨下的氣場，既能展示出自己的自信，也讓投資人相形見絀，高技術(shù)人才尤其容易有這種傾向。

但是陳亦倫不是，他的氣場不是刻意表現(xiàn)出來的，而是自然展露的。他總是對自己的表達有著充分的自信，不因為他人的貶低和否定有一絲一毫的動搖，而且他邏輯清晰，能把投資人完全不懂的商業(yè)和技術(shù)邏輯都講得很清楚。

這樣的人才，怎么會沒有機會呢？

李震宇再加上丁文超這樣的天才少年，陳亦倫這樣的工程領(lǐng)袖，三者形成技術(shù)信仰、工程能力、商業(yè)閉環(huán)的完美鐵三角，讓資本愿意在早期就持續(xù)為這家新公司加注。

憑借這一切，它石智航在50天內(nèi)鎖定了由藍馳創(chuàng)投、啟明創(chuàng)投領(lǐng)投的1.2億美元天使輪融資，隨后很快又完成了1.22億美元的天使+輪融資，創(chuàng)下中國具身智能領(lǐng)域天使輪融資紀錄。

06

那位值得期待的統(tǒng)帥

據(jù)雷峰網(wǎng)走訪曾接觸多位它石智航的投資人，他們評價很一致：在所有描繪通用具身智能宏大敘事的創(chuàng)業(yè)者中，陳亦倫是少數(shù)能把怎么賺錢這件事講明白的人，以及展示了一條清晰且可信的退出路徑。

當時它石智航的融資計劃書里，規(guī)劃是先讓機器人進入工廠產(chǎn)生收入，再尋求上市。公司將第一個落地場景錨定在汽車線束裝配——一個工序極度復(fù)雜、至今仍高度依賴人工的環(huán)節(jié)。

一位機器人創(chuàng)業(yè)者告訴我們，“其實線束那件事如果能做出來，我一點不懷疑它的價值。但我之所以不信，是因為從技術(shù)人員角度看，難度太大了。如果你去過線束工廠，就會知道那種復(fù)雜程度?！?/p>

工廠里能自動化的步驟早就自動化了，如果還不能自動化，那這件事一定有著別人難以想象的壁壘。線束裝配的需求是很大的，每個車都需要，但是目前的突破還不夠。比亞迪一直在和諸多實驗室合作，嘗試用具身智能解決這個問題。

有專業(yè)人士向我們描述過一個典型的線束裝配的場景：一個很大的板子，上面有很多不同的插孔位置，機械夾爪要把線插到不同位置，還要用膠帶纏起來然后做各種操作。光是這條流水線上就需要上百個工人，而且有著非常復(fù)雜的分工，每個工序只要稍微錯一點，這條線就斷了。

它石要不斷地展示自己的技術(shù)能力和野心，既是為拓寬市場考慮，也是為下一輪的估值考慮。

上一個Demo取得過不錯的成績，不少人會問，全球首個會刺繡的機器人有什么用？

這場在2025年12月19日的技術(shù)直播，是它石罕見的一次對外展示。首個能獨立完成手工刺繡的機器人，代表兩項技術(shù)突破：一是該機器人具備亞毫米級的精細化操作能力，并且實現(xiàn)了AI驅(qū)動視覺定位與運動控制的緊密結(jié)合，二是攻克柔性材料與線束操控的難題上，它石取得了重大的突破。

根據(jù)2025年3月陳亦倫的公開表態(tài)，團隊將打造AWE（AI World Engine）世界模型。與GPT利用互聯(lián)網(wǎng)語料訓(xùn)練不同，他們AWE的核心是Human-Centric（以人為中心）的具身數(shù)據(jù)引擎。其關(guān)鍵在于采集人在物理世界中與環(huán)境交互的真實數(shù)據(jù)，讓模型學(xué)會預(yù)測動作及其帶來的環(huán)境變化。

他們反對過度依賴仿真數(shù)據(jù)，認為“真實數(shù)據(jù)的優(yōu)先級永遠高于仿真”。換句話說，該理念是將自駕已驗證成功的數(shù)據(jù)驅(qū)動和端到端方法論，完整地復(fù)用到機器人“大腦”的開發(fā)上。

既是從底層創(chuàng)新、模型訓(xùn)練、Demo展示上，也是從場景定義、商業(yè)推進、融資消息上，陳亦倫都在一絲不茍的把握他的節(jié)奏。他見識過創(chuàng)業(yè)公司的成功，也證明了自己是最好的工程領(lǐng)導(dǎo)者，現(xiàn)在他要把這兩者結(jié)合起來，用一名最好的工程師的身份，創(chuàng)造一個成功的企業(yè)。

整個行業(yè)都在期待他的答案。

未經(jīng)「AI科技評論」授權(quán)，嚴禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉(zhuǎn)載！

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