任务井喷、场景全通：它石智航AWE3.7开启物理AI通用新时代

长久以来，机器人系统往往高度依赖特定的专有模型。一旦所面对的物体、场景或者控制方式出现变化，就需要重新进行繁琐的数据采集、模型训练以及部署调试工作，这极大地限制了机器人的通用性和灵活性。

当下，具身智能的发展已步入以规模化落地为关键核心的下半场。在这个阶段，竞争的焦点不再局限于机器人能否完成单一的任务，而是聚焦于同一套智能系统能否突破环境、本体与任务的边界限制，实现能力的迁移与复用，从而在更广泛的场景中发挥作用。

近日，徽声在线报道，它石智航通用具身大模型AWE3.7（AI World Engine）在短短十天内，连续密集地发布了一系列任务。它凭借同一颗“具身大脑”，成功打通了工业产线、物流作业、生活服务以及移动操作等多个不同场景，以实实在在的真实任务，有力地回应了具身智能如何实现“通用泛化”这一困扰行业已久的重大命题。

工业产线

工业产线对于具身智能而言，是检验其性能的硬性标准，面临着精度、力度与稳定性的三重严峻考验。毫米级的精准对位、实时的力控能力以及长时间运行的稳定性，缺一不可。它石智航AWE3.7在同一套基座模型的支持下，将精细操作提升到了产线级的高水准。

在零件分拣作业场景中，面对随机散落的螺丝、螺母等微小零件，机器人需要具备敏锐的分辨能力，能够识别出它们之间的微小差异，然后精准地抓取细小零件，并将其分别投放至对应的铁盒中。即便在操作过程中受到外界干扰，系统也能够迅速自主纠错，确保后续的分拣工作能够顺利完成。

缠胶带是一项极具辨识度的精细控制任务，同时还叠加了柔性材料处理的难题。线束质地柔软，容易变形，而胶带要缠得整齐、牢固，需要机器人实现双手协作。机器人的左手负责固定线束，右手持胶带沿着既定的轨迹持续缠绕。当胶带的张力或者目标位置出现偏差时，系统能够实时地对运动轨迹进行修正，保证胶带缠绕贴合，不会出现断带的情况。

网线插接则是一场在毫厘之间展开的激烈较量。机器人需要运用双手协作，将水晶头准确地送入网孔。在这个过程中，它要理解并预测接触状态，实时调整抓握角度，同时腕部要能够自由灵活地翻转，以确保水晶头能够正确插入。整个毫米级的插接过程，还需要具备抗扰动能力，能够在受到外界干扰时保持稳定。

手机装盒是一项典型的长程操作任务，对机器人的操作能力提出了更高要求。机器人首先要将手机准确地放入包装盒中，然后以毫米级的精度完成盒盖的嵌入与调整。即使在光照变化等外界干扰因素的影响下，它依然能够一次性完成整套包装流程，展现出强大的适应能力。

拧螺丝是最能体现机器人“手感”的操作任务，它需要机器人对接触、阻力和结构状态进行连续的判断。机器人需要先精准定位螺丝刀与螺丝之间的空间关系，将螺丝刀下放并精准对准螺丝的靶心。随后，根据扭矩反馈实时调整动作，在达到拧紧状态后及时停止，确保螺丝能够对得准、拧得稳、收得住。

动态作业

在实际的工作场景中，情况往往是不断变化的，这就要求机器人也要具备相应的应变能力。传送带上的物件不停地经过，收纳筐随时可能被挪动位置，机器人自身也需要在空间中移动进行作业。要在这一连串的变化中完成识别、抓取、搬运与放置等操作，依靠的是机器人动态感知与操作的连贯配合。

当面对传送带上不断移动的软性玩偶时，机器人在完成抓取后，会持续观察并准确判断装袋的时机。它能够跟随传送带的节拍，双手同步将玩偶准确地放入袋子中，实现对动态作业窗口的实时适配，确保操作的高效性和准确性。

积木分拣看似是一项简单的任务，但实际上却暗藏许多玄机。彩色积木需要各自放入对应的筐中，这考验的是机器人对“颜色—目标筐”规则关系的理解能力。同时，场景还在不断变化，如果积木放错了筐，机器人能够及时发现异常，并将积木取出归位。如果收纳筐被移动了位置，它也能够实时跟踪，动态调整运动轨迹，确保任务依然能够准确完成。

当任务延伸到更大的空间范围时，机器人的下肢与上肢必须实现紧密耦合。基于AWE3.7模型，机器人能够在办公环境中自主穿行，到达目标位置后拿起物品，然后再到投放点上方完成放置操作。在这个过程中，移动和操作实现了高度一体化，上肢和下肢深度协同，模型端到端一气呵成，全程无需人工干预，展现出强大的自主作业能力。

家庭与生活服务

家庭场景与工业环境有所不同，它看似熟悉，但实际上却是通用能力迁移的天然试金石。家庭中的物体形态多种多样，操作流程较长，而且约束条件较少，这对机器人的通用能力提出了极高的挑战。

整理衣物就需要机器人运用“全身功夫”。如果衣物放置在低处，机器人需要先识别衣物的形态，然后弯腰将其拾起，并放入收纳筐中。在俯身与起身的切换过程中，机器人的重心时刻在发生变化，但它依然能够保持动作的稳定，这体现了行业中较为稀少的loco - manipulation（移动操作协同）的全身控制能力。

擦白板是最能体现机器人“手上功夫”的操作。机器人可以持板擦轻柔地擦除任意字迹，而且左右手都能够执行这个任务，并且在任务过程中可以交换使用。它能够实时感知任务状态，即使遇到干扰，依然能够持续完整地执行任务，力度恰到好处，既能够擦净字迹，又能够保持白板的稳定。

整理书包看似是一项平常的任务，但实际上却是一套复杂的长程任务考验。散落在桌面上的笔、橡皮和文具盒形态各异，机器人需要先对它们进行识别归类，然后规划合理的装入顺序，逐件抓取、整理后放入书包中，整个过程有条不紊，展现出良好的任务规划和执行能力。

准备一份早餐，从机器人在橱柜中自主拿取碗碟等餐具开始。它需要将餐具与食品依次摆放至餐盘上，在这个过程中，需要具备多物体、多类别的理解能力以及空间记忆能力，并且要具备抗扰动与任务恢复力，确保在遇到干扰时能够及时恢复任务，保证早餐准备的顺利进行。

制作冰沙则对机器人的柔性物体操作能力提出了更高的要求。机器人需要抓取软质塑料杯，将其对准出冰口，然后用单手按压设备启动出冰。同时，它要持续观察出冰过程和杯中的容量，在接近满杯时及时停止出冰，随后完成递送操作。整个流程可以连续自主执行，无需人工接管，体现了机器人在复杂操作任务中的自主性和灵活性。

支撑它石智航通用具身大模型AWE3.7实现上述强大功能的是其独特的“原生架构—双先验预训练—世界模型驱动后训练—规模化验证—数据反哺”的方法论闭环。依托超百万小时的human - centric真实数据以及丰富的视触觉信息，AWE3.7模型让机器人在真实环境中能够看得懂周围的情况、摸得准物体的特征、干得稳各项任务，为“可信赖物理AI”筑牢了坚实的底层保障。

如今，这颗“通用大脑”的复利效应已经开始逐渐显现。在2026年3月，由AWE模型赋能的它石A1机器人成功斩获“一小时内装配亚毫米级线束最多次数”的吉尼斯世界纪录，这一成就充分证明了该模型在精细操作方面的卓越能力。同年，在WAIC上，AWE通用具身大模型荣获SAIL之星奖项，成为唯一获此殊荣的具身基座模型，进一步彰显了其在行业内的领先地位。

在产业应用端，这颗强大的“大脑”已经进入真实产线持续运行。在汽车线束精密装配、协同检测等工业场景中，它实现了规模化落地，为制造业的智能化升级提供了可复制、可扩展的具身智能解决方案，有力地推动了制造业的发展。

它石机器人集群落地产线的消息还登上了新闻联播，引起了广泛关注。

当下，具身智能的竞争态势已经发生了变化，正从单点任务的比拼逐渐走向基础能力的复用。AWE3.7正在用实际行动证明，通用落地不再是遥不可及的远期愿景，而是一条已经被数据、成果与产业场景充分验证的工程化路径，为具身智能的未来发展指明了方向。

编辑|蒙锦涛