具身智能進入下半場後越來越繞不開車企

作者：Zen，PANews

如果把今天全球具身智能產業的版圖攤開，會發現車企幾乎無處不在。

自己下場造機器人的，有Tesla的Optimus、小鵬的IRON，以及手握Boston Dynamics的現代汽車；給機器人提供第一批真實工作崗位的，又是寶馬、奔馳這些汽車製造商；就連機器人公司的股東名單里同樣頻繁出現汽車產業資本：奔馳直接投資Apptronik，智元背後則站着比亞迪、上汽等車企。

也就是說，在今天的具身智能行業里，無論是造機器人、訓練機器人、購買機器人，還是給機器人公司掏錢，汽車產業都是繞不開的一股力量。

而這周發生的兩件事，又把這種關係推到了一個新的階段。

8月24日，小鵬機器人業務完成首輪超過9億美元融資，投後估值超過63億美元，一舉刷新中國具身智能行業單輪私募融資紀錄。緊接着，現代汽車又在8月26日的CEO Investor Day上把機器人路線圖講得比許多機器人創業公司還完整。

機器人正在從實驗室里的技術產品，變成需要規模生產、長期訓練、尋找工作崗位，並最終被企業採購和融資的工業商品。而一旦競爭進入這個階段，汽車行業過去幾十年建立起來的龐大體系開始突然顯現出價值。

機器人開始量產後，比賽進入汽車工業的主場

汽車和人形機器人都屬於極其複雜的機電產品，而且它們有一個很重要的共同點：軟體的重要性不斷上升，但最終都必須通過物理機器兌現結果。

汽車的軟體和控制系統最終對應的是剎車、轉向和車身運動；機器人模型輸出的動作最終也會變成關節運動、抓取和實際操作。精度的偏差不會永遠停留在一個看似漂亮的基準測試中，它最後可能變成撞壞的零件、停止的產線乃至安全事故。

因此，當機器人真正走向量產，評價標準也會隨之改變。幾次成功的奔跑、抓取和搬運，只能證明「它能夠做到」；工業生產真正關心的，則是同樣的動作能不能重複成千上萬次，並且始終保持足夠的精度、可靠性和一致性。

寶馬與Figure的工廠測試，就某種程度上已經顯示出了人們對參與實際工業生產的機器人的要求和期許。Figure 02在BMW美國Spartanburg工廠連續運行約10個月，工作內容是拿取並放置用於焊接的鈑金件。期間機器人累計工作約1250小時、搬運超過9萬個零部件，參與3萬多輛BMW X3生產。寶馬特彆強調稱，這一工序要求機器人達到毫米級定位精度。

能夠完成一次毫米級操作只是技術能力，在數萬個零部件的連續作業中仍然保持穩定，才開始接近工業產品的考題。

而車企能夠遷移給機器人的，也遠不只是幾個現成的零部件供應商。汽車工業數十年積累的是一整套將複雜產品從設計圖紙推向大規模生產的方法：可製造性設計、供應商管理、零部件標準化、質量控制、耐久測試，以及圍繞產線節拍、維修效率和產品追溯建立起來的生產體系。

現代對旗下Boston Dynamics機器人進行的生產規劃，就是一個典型案例。在今年CES展會期間，現代汽車集團已經把旗下企業在機器人產業鏈中的分工攤開：現代汽車和起亞提供製造基礎設施、工藝控制和大規模生產數據；現代摩比斯負責高性能執行器，並利用汽車零部件設計和量產經驗推動關鍵部件標準化和可製造性優化；現代Glovis則負責物流和供應鏈。

最新一代Atlas的設計變化，則把這種「汽車工業思維」體現得更加具體。為了面向規模量產，Boston Dynamics將此前超過50種不同電機對應的執行機構大幅標準化，最終歸併為三種核心類型，同時加入可現場更換的肢體和自動換電能力。

這些改動沒有多少科幻色彩，卻直接關繫到機器人能不能真正成為商品。產品一旦進入萬台級規模，每增加一種專用零件，都意味著新的採購、庫存、質檢、維修和供應鏈風險；每縮短一次維修時間，則意味著更高的設備利用率和更低的客戶營運成本。當規模從幾十台擴大到幾萬台，零部件標準化、良率和維修效率帶來的價值，會被成倍放大。

因此，如果說具身智能的首輪競爭是誰能把機器人做出來，那麼下一輪競爭很可能是誰能把機器人穩定地量產，而這正是汽車工業最擅長的遊戲。

自動駕駛不只留下算法，更是一整套Physical AI基礎設施

通過製造能力解決機器人的「身體」之後，下一道更重要、也更昂貴的命題，是如何讓它的「大腦」持續迭代。

在這一點上，智能汽車行業過去十年的投入，給部分車企留下了一筆相當豐厚的「遺產」。

自動駕駛的發展實際上迫使Tesla、小鵬、現代等企業提前建設了一整套現實世界AI基礎設施：車輛負責採集真實環境數據，雲端篩選有價值的數據和失敗案例，訓練集進入算力集群，模型經過訓練和驗證後重新部署到車輛，再由車輛繼續產生新的數據。

現實世界、數據、模型、部署，然後重新回到現實世界，這套循環同樣是Physical AI賴以迭代的核心機制，也是車企進入具身智能最大的技術優勢。

現代最新公布的路線圖把這種投入展示得相當完整。Atria AI將在今年開始採集韓國真實道路數據，現代計劃2028年在與英偉達合作的首款量產SDV上部署L2+系統，並從2029年啟用一座100MW AI數據中心，規劃容納超過5萬張GPU。現代集團此前還宣布，將投入超過5億美元用於AI基礎設施和人才，並與Google DeepMind、NVIDIA等建立Physical AI相關合作。

這些資產雖然最初大多隻服務汽車工業，但它們並不存在一個「只能訓練汽車」的圍牆。高性能計算集群、數據工程平台、仿真工具、模型部署系統、邊緣計算能力以及OTA體系，本質上都是訓練和營運Physical AI所需要的通用基礎設施。機器人業務加入之後，相當於在一座已經建好的AI工廠里增加了一條新產品線。

小鵬的路線更加直接，其已將VLA 2.0、Robotaxi和IRON統一納入Physical AI框架。此次機器人融資中，模型研發本身就是資金用途之一。而小鵬對自身優勢的描述也包括端側AI晶片、Physical AI基礎模型、訓練算力以及高質量數據閉環。

這也解釋了為什麼近幾年一批智能車企進入機器人行業，並不能簡單理解成尋找「第二增長曲線」。

對於那些已經在自動駕駛上投入多年、搭建了大型AI團隊和算力基礎設施的企業來說，機器人提供了一種非常有誘惑力的可能：把過去只能控制四個輪子的Physical AI能力，擴展到擁有雙手和雙腳的機器上。

當然，這並不意味著車企進入機器人行業可以無縫遷移，只是相對從零開始的初創公司而言，這背後昂貴的數據與訓練基礎設施不需要再從零建設。

汽車企業更像是已經提前替自己支付了其中一部分入場費，但它們仍需要籌集數以億計的資金，去建立數據、算力、訓練工具和模型團隊。

汽車工廠，正在成為機器人的「練級場」

有了身體，也有了訓練「大腦」的基礎設施，下一道難題隨之而來：數據從哪裡來？在這一點上，汽車企業手裡的工廠開始變成另一張王牌。

嚴格來說，製造業企業都有工廠，富士康、亞馬遜和大型物流企業同樣會是具身智能極其重要的參與者。汽車工廠的特殊之處，在於它與前面的製造體系和Physical AI能力恰好連在了一起。

對今天尚未真正實現通用能力的人形機器人而言，汽車工廠的定位恰如其分——它比實驗室複雜得多，卻又沒有家庭和商業街那麼不可控。工人會行動，零部件存在差異，生產流程會發生變化，機器人需要識別環境並作出反應；與此同時，工位、物料、工作流程和評價指標又相對穩定。

更關鍵的是，汽車製造提供了大量高頻重複任務。抓取、搬運、排序、裝配、檢測，每天可以重複幾百乃至幾千次。同一個動作成功還是失敗、用了多長時間、是否需要人工接管、有沒有影響生產節拍，都有明確結果。

因此，車企手裡的工廠並不僅是一塊「機器人應用場景」，它還是一台能夠持續為機器人製造經驗的機器。這也是Figure 02在BMW美國Spartanburg工廠修煉，智元也要與上汽合作，讓機器人進場打工的原因。

現代為此專門建了一座訓練場。今年6月，其Robot Metaplant Application Center（RMAC）已經在美國啟用，並計劃年底前把規模擴大十倍。RMAC模擬真實生產環境，讓製造機器人先完成訓練、數據採集、測試和驗證，再進入正式生產線。現代設計的閉環是，機器人在Software-Defined Factory中的真實運行數據繼續返回RMAC，用於重新訓練和優化。

這就與很多機器人公司過去的開發模式存在明顯差異。以前是在實驗室里把能力練好，再出去尋找客戶。現代這類車企正在嘗試的是，把機器人研發、模擬訓練、真實工廠和量產部署連成一個循環。機器人還沒有成熟到足夠賣給所有人的時候，集團自己先做第一批客戶。

穩居汽車銷量榜一的豐田，今年把這種優勢直接寫進了機器人戰略。該公司稱，其全球工廠每年生產約1000萬輛汽車，擁有熟練工人和Toyota Production System，這些生產現場將成為機器人持續學習和改進的重要基礎。豐田目前展示的場景，包括零部件運輸、揀選以及醫療設備搬運。

這其實揭示了車企在具身智能行業一個非常特殊的位置，通常如果機器人不夠成熟，普通客戶會選擇等等再買。但汽車集團可以先把機器人放進自己可控的工廠里工作，用內部需求換取部署規模，再用部署產生的數據繼續改進產品。

具身智能早期存在某種死循環——沒有客戶就沒有足夠的真實數據，沒有數據機器人就難以快速進步，而機器人不夠成熟，客戶又更不願採購。而汽車企業擁有的工廠，恰好能夠從這個循環中撕開一道口子。

當機器人開始成為一門「資產生意」

不過，即使機器人可以量產、模型不斷進步、工廠部署也已經跑通，距離真正形成大規模市場仍然還有一道更現實的關卡：怎麼賣出去？

這也是現代汽車本周投資人日上頗值得關注的一部分。現代汽車CEO José Muñoz沒有隻談Atlas的技術路線，而是一路講到了經銷商和Hyundai Capital：現有Dealer網路未來可能承擔機器人的分銷和銷售，集團金融部門則在研究相應的融資方案，租賃和分期付款都在潛在工具之列。

這意味著，現代已經開始把機器人當成一種需要被長期採購、融資和營運的工業資產來考慮。假設未來一台高性能機器人仍然價值數萬美元，500台就是數千萬美元資本開支。後續還涉及部署、維護、軟體、零部件更換和停機損失。

對企業客戶而言，影響採購決策的就不只是機器人能力本身，還包括融資成本、折舊周期、維修效率、軟體收費方式以及殘值如何計算。這些問題決定了機器人究竟只能停留在小規模試用，還是能夠像叉車、服務器和其他工業設備一樣進入企業的常規資本開支預算。

而汽車行業恰恰長期處理這套問題。全球銷售網路、企業客戶體系、貸款和融資租賃、維修網點、備件管理、資產殘值和二手流通，本來就是一輛汽車離開工廠之後必須面對的完整生命周期。

現代現在正試圖把這套體系複製到機器人上。按照集團此前公布的規劃，機器人交付後還可以繼續獲得OTA軟體更新、硬體維護與維修、遠程監控等服務，並進一步以Robotics-as-a-Service方式提供完整解決方案。

這一層能力尤其容易被具身智能行業忽略。創業公司通常會花大量篇幅介紹模型、自由度和目標市場規模，很少有人會把「售後網點」和「設備融資」放在最耀眼的位置。但等到機器人真正開始一年賣幾萬台，這些東西突然就不再是配角。

小鵬汽車首席執行官何小鵬與IRON

小鵬已經開始向這個階段邁進。IRON計劃先進入小鵬門店和園區，再於2027年面向中國及海外的零售、服務等外部客戶大規模交付。對於一家本身已經擁有製造基地、門店體系、海外渠道和企業合作資源的汽車公司來說，這條商業化道路顯然要短於只有研發團隊的機器人創業公司。

到這裡，「車企進入機器人」已經不只是多開設一個機器人業務部門。它們真正帶進具身智能行業的，是過去圍繞汽車建立起來的製造、渠道、服務、金融和資產管理體系。

當機器人開始從一台產品變成成千上萬台需要融資、維護和持續營運的工業資產時，這套不依賴「AI」的能力，反而會越來越重要。

具身智能未必屬於車企，但越來越繞不開汽車工業

當然，汽車公司擁有這些資源，並不意味著未來機器人行業一定會由汽車巨頭統治。

BMW並沒有必要自己成為Figure，Mercedes-Benz也可以與機器人創業公司合作。未來完全可能出現一批獨立的機器人本體公司和基礎模型公司，而汽車企業承擔的角色更像大型客戶、製造夥伴、數據場和商業化渠道。

但行業的競爭標準正在發生變化。早期具身智能最稀缺的是能跑起來的機器人，因此市場自然追逐運動控制、靈巧手和令人驚艷的Demo。等越來越多公司跨過這道門檻，稀缺的東西和關鍵點會逐漸後移，這些恰恰也是汽車工業最深的護城河。

現代的3萬台產能規劃、小鵬超過9億美元的機器人融資，以及BMW、Toyota等汽車企業對生產線機器人不斷加深的投入，背後其實指向同一件事情：具身智能正在從AI實驗室的問題，越來越變成一項複雜的工業工程。

對於機器人行業來說，汽車公司也不一定就會成為最終贏家。但隨著機器人競賽不斷向下一階段遞進，汽車工業已經悄悄把比賽帶到了自己的主場。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。