任务井喷、场景全通：它石智航AWE3.7开启物理AI通用新纪元

在机器人技术发展的历程中，长期以来，大多数机器人系统都高度依赖专有模型。这意味着一旦所面对的物体、作业场景或者控制方式发生改变，就需要重新开展数据采集工作，重新进行模型训练，并且还要进行部署调试，这一系列操作不仅耗时费力，而且成本高昂。

当下，具身智能的发展已然步入以规模化落地为关键核心的下半场。在这个阶段，竞争的焦点不再是机器人能否完成某一个单一的任务，而是同一套智能系统能否突破环境、本体以及任务的重重边界，实现能力的迁移与复用。这要求智能系统具备更强的适应性和通用性，能够在不同的场景和任务中灵活切换和应用。

近日，徽声在线报道，它石智航通用具身大模型AWE3.7（AI World Engine）展现出了强大的实力。在短短十天的时间里，它连续密集发布一系列任务，凭借同一套“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。它用真实的任务成果，有力地回应了具身智能领域如何实现“通用泛化”这一备受关注的行业命题，为具身智能的发展指明了新的方向。

工业产线：精度、力度与稳定性的严苛考验

工业现场堪称检验具身智能能力的“试金石”，对机器人的操作精度、力度控制以及稳定性都有着极高的要求。毫米级的精准对位、实时的力控调节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水准，展现出卓越的性能。

在零件分拣作业中，机器人面临着巨大的挑战。随机散落的螺丝、螺母，它们之间的微小差异需要机器人精准分辨。机器人要能够准确抓取这些细小零件，并将其分别投放至对应的铁盒中。而且，在操作过程中难免会受到各种干扰，此时系统需要具备自主纠错的能力，确保能够顺利完成后续的分拣任务，保证生产流程的连续性。

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、稳固，就需要机器人实现双手协作。在操作过程中，左手负责固定线束，右手持胶带沿着既定的轨迹持续缠绕。当胶带张力或者目标位置出现偏差时，系统能够实时感知并修正运动轨迹，确保胶带缠绕贴合，不会出现断带的情况，保证缠胶带的质量。

网线插接是一场毫厘之间的激烈较量。机器人需要运用双手协作，将水晶头精准地送入网孔。在这个过程中，机器人要能够理解并预测接触状态，实时调整抓握角度。腕部需要具备自由灵活的翻转能力，以确保水晶头能够正确插入。整个毫米级的插接过程，机器人还要具备抗扰动的能力，能够在受到外界干扰时依然保持操作的准确性。

手机装盒则是一项典型的长程操作任务，对机器人的综合能力要求较高。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。在操作过程中，可能会受到光照变化等干扰因素的影响，但机器人依然能够一次完成整套包装流程，展现出强大的适应能力和稳定性。

拧螺丝是最能考验机器人“手感”的任务之一。机器人需要对接触、阻力和结构状态进行连续的判断。在操作时，机器人要先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，做到对得准、拧得稳、收得住，确保螺丝拧紧的质量。

动态作业：场景变化下机器人的灵活应对

真实的作业场景往往是动态变化的，这就要求机器人能够及时适应场景的变化。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里移动进行作业。要在这一连串的变化中完成识别、抓取、搬运与放置等任务，依靠的是机器人动态感知与操作的连贯配合，这对机器人的智能水平提出了很高的要求。

面对传送带上不断移动的软性玩偶，机器人在完成抓取后，需要持续观察并准确判断装袋的时机。通过跟随传送带的节拍，机器人能够双手同步将玩偶准确地放入袋中，实现对动态作业窗口的实时适配，确保抓取和装袋的准确性。

积木分拣看似简单，实则暗藏许多玄机。彩色积木需要各自归入对应的筐中，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，机器人要能够发现异常并及时取出归位；如果收纳筐被移动了，机器人要能够实时跟踪并动态调整轨迹，确保任务依然能够准确完成，展现出强大的应变能力。

当任务延伸至更大的空间范围时，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，再到投放点上方完成放置。在这个过程中，移动和操作高度一体化，操作中的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，体现了机器人强大的自主作业能力。

家庭与生活服务：通用能力迁移的天然试金石

与结构化程度较高的工业环境相比，家庭场景更加复杂多变。家庭中的物体形态各异，作业流程较长，而且约束条件较少，这使得家庭场景成为通用能力迁移的天然试金石，对机器人的通用性和适应性提出了极大的挑战。

整理衣物需要机器人运用“全身功夫”。当衣物处于低处时，机器人要能够识别衣物的形态，弯腰将其拾起并放入收纳筐。在俯身与起身的切换过程中，机器人的重心时刻在变化，但它依然能够保持动作的稳定，这体现了行业中稀少的loco - manipulation（移动操作协同）的全身控制能力，展示了机器人在复杂动作下的稳定性。

擦白板是最能体现机器人“手上功夫”的操作之一。机器人持板擦轻柔地擦除任意字迹，左右手均可执行擦除任务，并且可以在任务中进行交换。在擦除过程中，机器人能够实时感知任务状态，即使遇到干扰仍能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，展现出精细的操作能力。

整理书包看似是一项寻常的任务，但实际上却是一套复杂、长程的任务考验。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，整个过程有条不紊，体现了机器人的逻辑规划和操作能力。

准备一份早餐，从机器人自主从橱柜拿取碗碟等餐具开始。机器人要将餐具与食品依次摆放至餐盘，在这个过程中，需要对多物体、多类别进行理解，并具备空间记忆能力，同时还要具备抗扰动与任务恢复力，确保在遇到干扰时能够继续完成任务，展现出在复杂任务中的综合能力。

制作冰沙对机器人的柔性物体操作提出了更高的要求。机器人要抓取软质塑料杯，将其对准出冰口，单手按压设备启动出冰。同时，要持续观察出冰过程和杯中容量，在接近满杯时及时停止，随后完成递送。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流程中的自主性和稳定性。

支撑机器人完成上述所有任务和操作的，是它石智航通用具身大模型AWE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环境、摸得准物体的特性、干得稳各项任务，为“可信赖物理AI”筑牢了坚实的底层保障，为具身智能的发展提供了强大的技术支持。

如今，这颗“通用大脑”的复利效应已经开始逐步显现。在2026年3月，由AWE模型赋能的它石A1机器人凭借出色的表现，斩获了“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密装配领域的强大实力。同年，在WAIC上，AWE通用具身大模型摘得SAIL之星，成为唯一获此奖项的具身基座模型，进一步彰显了其在具身智能领域的领先地位。

在产业端，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，推动了制造业向智能化、高效化方向发展。

它石机器人集群落地产线登上新闻联播，这一事件引起了广泛关注。具身智能的竞争，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清晰的方向。

编辑|蒙锦涛