2025年上海车展上，特斯拉、小鹏、广汽的机器人展台人头攒动。从技术路径到落地场景，不同玩家正走出截然不同的转型之路，而工业场景，成为现阶段最集中的“试验田”。

1.1

自研：用造车的“看家本领”造机器人

对于特斯拉、小鹏、广汽这些在智能驾驶领域深耕多年的企业来说，造机器人更像是一场“技术复用”的实践。

特斯拉的Optimus堪称“移动的FSD系统”。其复用了FSD视觉算法，再加上DOJO超算的算力支持，如今已能在工厂里完成搬运零件的基础任务。按照计划，2025年启动工厂测试。

小鹏工业机器人Iron则带着浓浓的“造车基因”。其搭载了与小鹏汽车同源的XNGP多传感器融合技术，再配上自研的图灵芯片，在广州工厂实训中显著提升效率，降低高危岗位人工成本。计划2026年实现量产。

广汽GoMate另辟蹊径，采用了“可变轮足结构”——既可以像机器人一样用双足行走，也能切换成轮式移动，适应不同场景。其复用了广汽的纯视觉算法与电机电控技术，30分钟即可切换焊接与质检任务，成为解决柔性生产痛点的利器。

1.2

搭台：搭平台、建生态，甘当“赋能者”

不只是车企，科技巨头和汽车产业链的供应商们也在行动，它们的角色更像是“生态搭建者”。

华为推出“盘古具身智能大模型”，赋能机器人多模态交互（视觉、语音、触觉）和复杂任务执行能力；成立全球具身智能产业创新中心，从技术赋能转向产业链整合，推动人形机器人量产落地。

地平线则推出了“地瓜机器人平台”，把为汽车设计的征程芯片架构复用到机器人领域，目前已经服务了多家机器人厂商。

对这些企业来说，与其亲自下场，不如提供技术底座，在生态中占据关键位置。

1.3

渗透：资本默默布局，渐进式渗透

相比“自研冲锋”、“生态赋能”式入局，比亚迪、北汽、上汽等传统玩家选择了更稳健的方式——资本布局。

比亚迪投资智元机器人、帕西尼感知科技等企业绑定核心技术供应商；将十五事业部拆分成立「未来实验室」、启动代号「尧舜禹」的人形机器人项目，推进具身智能自研。

北汽通过产业资本深度介入，构建技术联盟，如参与投资智元机器人、帕西尼感知科技，与优必选达成战略合作，实现多机器人协同作用。

相比头部玩家的激进，它们更倾向渐进式渗透。

车企集体跨界的背后，既有现实压力的“推力”，也有对未来机会的“引力”。这场转型，更像是一场“内外兼修”的必然选择。

2.1

从“内卷”中突围：车企的现实焦虑

智能驾驶的赛道已然进入红海时期。一方面，传统车企和新势力陷入了“算力内卷”，你追我赶地堆硬件、拼算法，最终却落入了价格战的陷阱，产品同质化越来越严重；另一方面，智能驾驶卡在了L2向L3过渡的阶段，L4虽然有试点，但商业化落地受阻。增长遇挫下，车企不得不寻找新的突破口。

而工业场景的需求，恰好给了机器人“用武之地”。我国汽车产业正面临双重压力：人口红利消退让制造业劳动力成本逐年增长，新能源汽车的柔性生产又要求产线频繁切换又导致生产需求激增。广汽GoMate在车间的实践证明（人形机器人30分钟的任务切换能力，传统工业机器人需2小时以上），这种多任务处理能力，正成为破解双重困境的钥匙。

2.2

技术、成本、场景：转型的“三重底气”

在技术上，自动驾驶和人形机器人共享“感知-决策-执行”的底层逻辑。如特斯拉Optimus复用FSD视觉算法，小鹏Iron依靠XNGP多传感器融合技术实现精准装配。成本控制上，供应链的复用让车企抢占先机。车规级芯片、电机、电池组等零部件，在机器人上的复用率高达65%。

更重要的是，机器人有助于直接解决车企自身痛点—小鹏工厂的实训数据显示，机器人替代高危岗位后，人工成本显著下降；富士康更是目标2029年实现产线自动化率50%，应对劳动力短缺。

在场景上，自家工厂则成了最好的“试验场”。汽车制造流程标准化程度高、场景封闭可控，恰好适合机器人练手。小鹏工厂里，机器人Iron已投入P7+生产工厂实训，其算法迭代效率较传统方法提升30%以上；广汽GoMate在传祺产线执行质检任务，故障率相比人工明显降低。这种“边用边改”的模式，让技术成熟得更快。

2.3

政策与资本：风口已至？

市场的想象空间足够大。高盛预测，2035年全球人形机器人市场规模将达1540亿美元。政策和资本也在“添柴”。“十四五”规划把人形机器人列为颠覆性技术首位，深圳对每台机器人的补贴最高达50万元。2025年H1全球机器人领域融资193亿美元，其中车企关联项目占35%。

尽管车企“造人”气势如虹，但人形机器人的“成长烦恼”却不少。光鲜转型的背后，暗礁重重。

3.1

技术瓶颈：比L4自动驾驶更难的“关卡”

机器人面临的“L4困境”，比汽车复杂得多。汽车在固定道路上行驶，而双足机器人应对工厂的油污地面、台阶等复杂地形时，平衡稳定性仍面临挑战。更棘手的是，车企的算法优势集中在“上半身”感知，而下肢运动控制、柔性抓取等能力几乎要“从零开始”。

端侧算力也是一道坎。机器人需要实时处理视觉、触觉、力觉等多维度数据，端侧算力不足会导致决策延迟——这在工厂装配中可能造成零件损坏，在家庭场景中甚至可能伤人。

3.2

成本与商业化：绕不开的“规模化悖论”

虽然近年来各家在降本上不断发力，但目前人形机器人的制造成本依然较高。核心部件如行星滚柱丝杠进口成本占比约30%；具身智能需要的真实场景数据，获取成本是自动驾驶的3倍及以上。以特斯拉Optimus为例，其目标成本为2万美元，而当前的物料清单（BOM）成本仍超5万美元。更需警惕的是，部分企业为了降本削减传感器，可能重蹈“低价智驾”安全冗余不足的覆辙。

商业化落地的难度远超预期。目前人形机器人的初期订单主要来自B端工业场景，但实用化进程并非坦途。工业场景中，高昂的调试成本（如为特定产线定制动作程序耗时数周）和复杂环境下任务执行效率的波动（如面对非标准工件或油污环境），都制约着大规模部署的性价比。

而在C端市场，需求释放更为缓慢。很多消费级机器人目前仍处于展示或概念验证阶段，其高昂的售价与有限的实用功能之间差距显著，消费者对“实用价值”的认可度不足，商业化之路更为漫长。

3.3

安全与伦理：技术之外的“暗礁”

机器人的普及，也正引发一系列社会命题。富士康计划用机器人替代部分产线工人的消息，让“低技能岗位消失”的担忧浮出水面；机器人的视觉和语音交互可能泄露家庭隐私；其执行任务时伤人的责任界定尚无法律规范……这些问题，比技术难题更难解答。

为此，北京发布了全球首个《人形机器人智能化分级》标准，从L1到L5明确安全红线。但标准之外，如何平衡效率与伦理，仍是全行业的课题。

2025年，人形机器人“量产元年”的哨声已响。

车企们正将车轮上的智能革命，奋力驶向双足行走的新战场。

技术复用带来优势，成本与场景挑战犹存，伦理争议伴随左右。这并非概念的狂欢，而是一场硬核长跑：谁能突破核心部件与智能模型的壁垒，谁才能真正定义“人机共生”的未来。