2026年世界人工智能大会（WAIC）上，它石智航成为展区焦点。这家具身智能公司不仅把一条1:1还原的环形线束流水线搬进展馆，还让多台机器人集群协作，在同一产线上同时装配不同线束线型。支撑这套全自动化产线的，是它石智航刚刚发布的具身原生基座模型AWE 3.5。
AWE 3.5的命名暗示了其定位——它石希望这款模型能像GPT-3.5一样，在多任务能力上展现新的可能性。与上一代相比，3.5版本开始向更多场景溢出：工业装配、插接、收纳等任务全部被放进同一个模型里，任务之间无需重新加载新模型或切换参数。展台现场，机器人展示了整理桌面、打包手机、插网线、零件分拣等多种操作，观众戴上数据采集夹爪后，还能与一个由AWE 3.5生成的平行世界互动——捏积木、拖拽手机盒、蜡烛火焰等物理反馈均由模型从真实类数据中学到，没有一行牛顿定律代码或碰撞引擎。
在技术架构上，AWE 3.5从预训练阶段就开始将视觉、语言、动作等多种模态一起喂给模型，同一套架构既能输出动作，也能预测未来。这种设计的关键在于：模型本身不变，只改变输入输出的组合方式，就能切换出不同的“人格”。视觉到动作的路径形成Base Policy（基础策略），负责制定指令；以动作为条件预测未来视觉的路径形成Action Condition World Model（动作条件世界模型），负责预测环境变化。两者交互构成一套完整的强化学习闭环。
它石智航CEO丁文超在采访中解释，AWE 3.5最核心的突破是让模型成为自己的“仿真器”，无需手工搭建仿真环境。预训练建立通用物理交互能力，后训练在模型内部的世界里自我对弈、自我强化，形成自闭环。这一范式在语言模型领域已被验证，但在具身原生模型里，AWE 3.5是第一家完整跑通的。
针对具身数据采集的难题，丁文超表示，它石的数据系统重心正从“更多”转向“更聪明、质量更高”，Data Efficiency（数据效率）正在成为新的评测维度。目前预训练已足够扎实，一个新任务只需要小时级别的数据采集就能跑通。除线束装配外，柔性操作、分拣、检测协同等多个工业场景也已在验证中。
丁文超还指出，具身智能的Scaling已经解锁。通过合理的预训练与后训练范式，完成新任务所需的数据量和采集成本已降到最低。他预测，2026年底到2027年可能会出现行业分水岭，届时“能否实现多场景可靠落地”将成为关键评判标准。如果一家企业能用AI化的方法实现多场景规模化落地，就会迅速与其他公司拉开差距。
关于行业路线之争，丁文超认为，真正训模型的人并不在乎所谓的VLA或世界模型之争。他解释，VLA架构中视觉和语言在预训练阶段紧密耦合，动作模态却要到后训练才接入，导致理论与实操之间存在先天裂缝；而世界模型路线虽然利用视频学习表征，但互联网视频模型的Attention结构已在大量通用视频上定型，直接嵌入具身基座模型容易走向极端。AWE 3.5的架构设计则从一开始就避免了这些问题。
在硬件方面，它石智航从AWE 3.0之前就开始自研灵巧手，采用Top-Down思路：先梳理需要完成哪些人类动作、匹配哪些人类数据，再反向定义硬件设计。丁文超认为，灵巧手能否真正胜任实际任务并跑通商业闭环，很可能成为具身智能领域的一个重要里程碑。
对于新入局者，丁文超表示，只凭几篇论文就想创业的难度已经非常高。具身智能正在从局部的技术亮点走向系统化的体系作战，新公司需要寻找差异化的生态位，例如定位为通用世界模型公司，或避开已经高度内卷的桌面级任务，直接选择全尺寸人形等方向。
展望未来12个月，丁文超预计机器人会真正进入更多大众可触达的场景，虽然进入家庭仍存在差距，但机器人将开始承担更多真实的商业任务。到那时，评判标准会变得非常直观：机器人到底完成了哪些事情？扩展新任务的速度有多快？成本有多低？这非常类似自动驾驶早期的发展轨迹——各家公司先圈定几条演示路线，随后开始比拼“开城速度”，最终进入存量竞争和大规模量产阶段。