车企集体涌向具身智能背后动因深度解析

2026年已过半，汽车行业呈现出一种有趣趋势——越来越多整车企业开始将目光聚焦于具身智能和人形机器人领域。比亚迪、小鹏、广汽、奇瑞、长安、理想、上汽，以及海外的特斯拉、宝马、现代、奔驰等，全球已有近20家主流车企通过自主研发、战略投资、孵化等方式积极涌入这一赛道。赛力斯于6月展示了其首款人形机器人“小赛”；小鹏汽车董事长何小鹏在6月10日发布内部信，宣布亲自兼任机器人业务CEO；比亚迪执行副总裁李柯也公开确认公司正在开发人形机器人。这股浪潮来得既迅猛又集中，不禁让人思考：汽车厂商为何要集体跨界？ 先给出两个核心判断。最直接的动因来自整车行业的生存压力。乘联会数据显示，2025年中国汽车行业利润率降至4.1%，创下2015年以来新低。进入2026年，形势未见好转，前两个月行业利润率进一步下滑至2.9%。与此同时，177款车型实施官方降价，新能源汽车均价降幅达11%。在存量竞争与价格战的双重挤压下，车企亟需寻找新的增长引擎。具身智能机器人市场恰恰提供了一个绝佳突破口。据IDC预测，2025年中国具身智能机器人用户支出规模超过14亿美元，到2030年将飙升至770亿美元，年均复合增长率高达94%。另据行业报告，2025年中国人形机器人市场规模已达35亿元，2030年有望突破千亿量级。目前，中国人形机器人整机企业超过140家，年出货量1.44万台，占全球份额84.7%。这样的市场前景，对任何一家面临利润压力的车企而言，都极具吸引力。 图片源自：网络 但仅有市场吸引力还不够。真正让车企敢于跨界的关键，在于汽车与具身智能在技术上的高度同源性。中国电动汽车百人会秘书长张永伟曾做过一个形象比喻：智能汽车立起来，就是具身智能与人形机器人。这一说法颇具道理，因为人形机器人与智能汽车共享感知、决策、执行的核心技术架构。在感知层面，人形机器人所需的激光雷达、摄像头、毫米波雷达，与汽车的自动驾驶感知系统几乎可以实现无缝移植。在决策层面，两者都依赖环境感知、路径规划与实时决策算法。在执行层面，人形机器人的关节驱动、能量供给、感知控制等核心硬件，与智能汽车的关键零部件高度通用。有研究指出，汽车与机器人约有70%的技术可以复用。这意味着，车企在智能驾驶领域多年的技术积累与研发投入，可以直接迁移到人形机器人上，边际成本远低于从零起步。 **技术同源，具体体现在哪些方面？** 在芯片层面，人形机器人的本地推理需求与智能驾驶高度相似。小鹏IRON搭载的三颗自研图灵AI芯片，总算力可达2250TOPS，这三颗芯片与智能驾驶系统共享同一计算平台。IRON全身约82个主动自由度，配合XPlanner运动规划与小脑控制，实现了自然步态与复杂操作。何小鹏在内部信中明确表示，要将汽车业务积累的供应链、制造、品质能力，毫无保留地复制到机器人业务上。 理想汽车则于2026年6月发布了自研AI芯片“马赫M100”，采用5纳米车规级工艺，单芯片算力达1280TOPS，双芯总算力为2560TOPS。理想方面称其为全球首款动态数据流AI芯片，其架构论文已入选国际计算机体系结构顶会ISCA 2026。与传统指令集架构不同，数据流架构以数据流动驱动计算，实际运行效率超过82%，较传统指令驱动架构的40%至60%提升了20个百分点以上。理想汽车CTO谢炎解释，AI计算天然是并行的，数据是张量，关系是确定的，流动路径是清晰的，数据流架构正是为这种计算模式量身设计。 图片源自：网络 特斯拉也在推进AI5和AI6芯片的研发。AI5已于2026年4月流片，预计2027年量产，将用于人形机器人和数据中心；AI6芯片则由三星德州新厂代工，将率先应用于Optimus机器人和超算集群。从算力指标来看，行业正从单纯的算力堆砌转向效能优先。有研究指出，机器人算力需求正从当前的200至500TOPS逐步提升至500至1000TOPS，但算法优化使得效率成为更重要的衡量指标。 车企在智能驾驶领域积累的端到端大模型技术，同样可以直接迁移。小鹏在2025年科技日发布了第二代VLA（Vision-Language-Action）大模型，这是一个既可跨域驱动AI汽车，也能驱动机器人和飞行汽车的通用物理世界模型。IRON首发搭载小鹏第一代物理世界大模型，通过VLT+VLA+VLM的高阶大小脑能力组合，实现操作、行走、交互三大高阶智能。其中，第二代VLA模型可实现从视觉感知到动作控制的端到端自主决策。 理想的技术路线同样清晰。2025年，理想将空间理解、语言理解与行动决策统一到同一模型框架，构建了基于VLA、世界模型与强化学习三大技术栈的VLA司机大模型。2026年3月，理想在NVIDIA GTC大会上发布了下一代自动驾驶基础模型MindVLA-o1。理想将技术体系具象化为一套完整的机器人架构：马赫VLA大模型是大脑，3D ViT感知模型是眼睛，马赫M100芯片是心脏，星环OS是神经系统，全线控底盘则是手脚。在CVPR 2026上，理想入选的12篇论文涵盖端到端规划、世界模型、强化学习等多个领域，其中世界模型领域有4篇论文入选，覆盖深度估计、三维重建、认知评估与安全预判四大方向。 随着技术演进，世界模型逐渐成为行业的技术焦点。近期，世界模型相关的技术发布十分频繁：吉利发布了WAM世界行为模型，小鹏发布了X-World，小米汽车推出了Xiaomi Auto World Model，东风汽车则构建了以“太极大模型”为核心的一核双基双元智能化技术体系。“太极大模型”是业内首个通过国家生成式人工智能服务备案的车企自研大模型，依托东风擎天算力中台与高质量数据集，兼具多模态融合、高精度交互、全场景协同的技术特点。世界模型被学术界视为实现通用人工智能的关键拼图，也被产业界看作突破具身智能泛化瓶颈的核心技术。 吉利汽车CTO李传海在发布WAM时指出，VLA存在三大局限：仅能匹配标准答案而缺乏规律性认知、依赖有限驾驶操作数据而非互联网海量视频、难以建模物理世界规律。这也说明世界模型技术尚未收敛，各家车企仍在探索各自路径。但共通之处在于，大模型正成为驱动汽车和机器人的统一智能底座。 智能汽车的线控底盘、电驱动系统、精密控制技术，同样可以被机器人复用。广汽在运动控制领域走在前列，其第三代具身智能人形机器人GoMate采用行业首创的可变轮足构型，同时具备两轮足和四轮足两种运行模式，可适应平坦路面和楼梯斜坡等地形，能耗较同类产品降低80%以上，续航达6小时。 图片源自：网络 广汽自研的驱动器重量仅40克，体积较行业平均水平缩小80%，灵巧手集成视觉与触觉传感器，可精准抓取各种物品。GoMate同时搭载自研纯视觉自动驾驶算法及FIGS-SLAM算法架构、云端多模态大模型、AI感知技术等，可实现秒级响应复杂指令。2026年2月，广汽正式孵化成立广东慧仑科技有限公司，全面承接具身智能业务，已建立结构设计、系统平台、小脑运动控制算法、大脑智能感知决策算法等整机全栈自研能力，并实现轴向磁通电机、一体式关节模组、驱动器和灵巧手等核心零部件的自研突破。 小鹏IRON则采用仿生设计，全身约82个主动自由度，配合XPlanner运动规划与小脑控制。其运动控制系统与智能驾驶的规控算法在底层逻辑上相通，路径规划、避障、动态调整等功能，均采用在汽车上验证过的算法框架，在机器人上只需调整执行对象即可复用。 上汽的“能仔1号”已在别克至境E7电池量产线上岗，承担电芯抓取、上料等工序。具备视觉感知、双臂协同、力控抓取等拟人特性，可自主完成电芯来料识别和抓取路径智能规划，无需依赖固定编程与来料的精确定位。其导航引导轨迹累计定位精度达到±0.1mm，占地面积不足传统自动工位的15%。 奇瑞的墨甲机器人则走了一条不同的商业化路径。其首款量产人形机器人“墨茵”是全球首款通过欧盟软硬件双重CE认证的人形机器人，已在全球30多个国家和地区、超百个场景实现商业化落地。墨甲智警机器人已完成千台签约与百台集中交付。 **各家车企的技术路径有何差异？** 虽然都在布局具身智能，但各家车企的技术路径和侧重点不尽相同。特斯拉是最早也是最激进的玩家，其Optimus已推进至第三代，2026年第二季度正式启动量产。其策略是复用FSD自动驾驶系统约60%的核心算法，走算法最大程度复用的路线。小鹏汽车的人形机器人则被提升至集团最高战略，并将当下比作八年前小鹏G3量产的前夜。IRON已在广州工厂P+生产线承担分拣、搬运、质检等工序。小鹏的独特之处在于，将人形机器人纳入物理AI的整体框架，与Robotaxi、飞行汽车并列为其三大具身智能产品。 图片源自：网络 广汽走的是产品矩阵路线。目前已推出第二代载人轮足机器人GoMove、服务机器人GoSide、第三代人形机器人GoMate及第四代人形机器人GoMate Mini。GoMate Mini采用全尺寸设计，双足站立高度1.70米，具备27个全身自由度。广汽还宣布孵化成立广东慧仑科技有限公司，全面承接具身智能业务。 理想汽车则从组织层面入手。其基座模型部门近期新增了具身工程、具身交互、具身行为3个具身智能相关二级部门。2025年，理想研发投入预计达120亿元，其中AI领域超过60亿元。理想将汽车定义为“物理世界最大的机器人”，并围绕这一定义构建完整的具身智能技术体系。 东风汽车作为央企代表，选择从顶层设计入手。2025年已牵头建设汽车具身智能技术湖北省重点实验室，并发布“天元”智能技术品牌。2026年5月北京车展上，进一步发布“东方风起2030”计划，推动汽车从执行指令的工具，进化成能感知、会思考、可自主行动的具身智能伙伴。 比亚迪则侧重产学研结合。2025年7月，与香港科技大学成立“香港科技大学-比亚迪具身智能联合实验室”，计划在未来数年投入数千万港元支持运营，重点攻关数据驱动的具身智能研究，涵盖高效数据采集方法及操作与导航大模型训练技术。 **数据与场景的价值同样不可忽视** 除了技术复用，车企在具身智能领域还有另一个难以被替代的优势——数据和场景。智能汽车在真实道路环境中积累的海量行驶数据，是训练具身智能模型的重要素材。这些数据包含了丰富的物理交互场景、极端工况和长尾案例，是任何实验室环境都无法复制的。小鹏的仓储机器人产生的操作数据，正在反哺其智能驾驶仿真系统的优化。这种双向的数据流动，构成了车企在具身智能领域的独特壁垒。 在应用场景方面，车企同样拥有天然优势。自有工厂就是最直接的落地场景——上汽的能仔1号在电池产线上岗，小鹏的IRON在工厂承担分拣搬运，小米的人形机器人在汽车工厂实习，执行自攻螺母上件和料箱搬运等任务。门店导购是第二个场景，小鹏计划2027年一季度将IRON推入线下门店开展导购工作。奇瑞的墨甲机器人已在其4S店、博物馆、政务大厅等场所实际上岗。更远的应用场景还包括交警执勤辅助、医院导诊等公共服务。这些场景的共性在于：它们是车企已经拥有渠道和客户资源的地方，不需要从头开拓市场。 图片源自：网络 目前，车企入局具身智能处于“先占位、再验证”的阶段。2025年部分A股汽车零部件企业年报显示，人形机器人业务对营收的贡献微乎其微，多数企业仍处于从送样到批量生产的爬坡期。但技术同源降低了入场门槛，数据与场景优势提供了差异化竞争的可能，而市场的高速增长则给出了足够的时间窗口。这或许就是近20家车企集体涌向具身智能的真正原因，也是在行业利润持续走低的压力下，基于自身技术积累做出的一次战略延伸。 -- END --