如何看待汽车产业链与人形机器人产业的协同优势？

人形机器人可类比自动驾驶发展路径。

人形机器人量产与商业化落地进展加速。2025 年以来，人形机器人行业迭代速度 进一步加快，各家本体企业的量产与商业化落地进展加速。作为行业引领者，特 斯拉于 2022 年 9 月展示的原型机只能缓慢张手、抬手，发布会现场由工作人员搬 运出场，发布会展示的视频中只能做下蹲、拿/搬运箱子、抓取物体、浇花等简单 动作。2023-2024 年特斯拉持续迭代 Gen1、Gen2 产品，并在多个视频以及重点活 动中展示 Optimus 最新进展，随着多次迭代，特斯拉机器人能够执行越来越多的 复杂动作及复合型任务。最新一代 Optimus Gen3 已于 2025 年 4 月亮相在弗里蒙 特工厂试产，经历版本改进后计划于 2025 年年底发布，2026 年实现规模化量产， 人形机器人的量产与商业化落地进展均在加速进行。

类比于自动驾驶，智元机器人提出了“G1 至 G5”具身智能技术演进路线。智元 机器人在 2024 年 8 月举办的新品发布会上提出了类似自动驾驶“L1- L5”的具身 智能 G1-G5 技术路线图，行业首次对具身智能技术发展有了清晰的定义。根据智 元机器人的定义，G1 为特定场景量身定制，但无法对不同场景做低成本快速迁移； G2 针对大量场景任务做洞察，在一定程度上实现快速迁移，可以配合大语言模型 框架做编排，该级别的机器人具备一定泛化能力；G3 走端到端路线，整体架构上 G3 和 G2 算法能力类似，但是驱动方式从算法驱动变成数据驱动；G4 实现通用 操作大模型，引入仿真数据和世界模型，进一步提升机器人复杂任务的表现；G5 级别则是长期的牵引目标，可以实现从感知到执行的端到端操作。

人形机器人与智能汽车在传感器、芯片、动力系统等核心零部件高度重叠，使得 产业链高度重合。特斯拉 Optimus 复用汽车产业链资源，电池、电机、电控系统 与运动执行硬件大量采用汽车产业链供应商。这种共享模式不仅提高了产业链运 行效率，更通过规模化生产降低了零部件价格，为机器人量产降低成本。

传感器方面，智能汽车的多传感器融合在机器人领域实现技术复用。在传感器领 域，智能汽车产业积累的摄像头、毫米波雷达、激光雷达等多传感器融合技术可 迁移至机器人领域，支持实时动态环境感知与障碍物规避，实现技术复用。小米 CyberOne 搭载 Mi-Sense 深度视觉模组，通过欧菲光协同开发的 iToF+RGB 技术， 结合 AI 交互算法，使其不仅拥有完整的三维空间感知能力，更能够实现人物身份 识别、手势识别、表情识别；特斯拉 Optimus 复用汽车 FSD 系统的视觉感知算法， 内置与特斯拉汽车相同的神经网络，全面提升环境理解能力；小鹏 IRON 复用了 AI 汽车的鹰眼视觉感知系统，具备 720°视觉范围，实现无死角感知和动态环境 建模。

芯片方面，车规级智驾芯片的强算力与低功耗特性为机器人提供 AI 算力支持。 小鹏 IRON 搭载自研图灵 AI 芯片，算力 3000T，支持 30B 参数大模型本地运行； 特斯拉 Optimus 采用自研芯片，具备强大的 AI 算力，用于处理感知和控制任务。

动力系统方面，智能汽车电池与电机技术为机器人提供长续航与精准力控支持。 广汽集团第三代人形机器人 GoMate 搭载全固态电池，续航能力达到 6 小时，较 同类产品续航大幅提升；其轴向磁通电机输出力矩达 1000N·m，通过复用汽车电 机的高精度控制算法，实现抓取、攀爬等动作的灵活性与稳定性。特斯拉 Optimus 采用与汽车类似的电池包与冷却系统，通过车规级测试技术模拟运动与碰撞场景， 确保动力供应的可靠性。

人形机器人与智能汽车在软件架构层面呈现同源性，均遵循"感知-决策-执行"三 层技术架构。感知层方面，智能电动车的多传感器融合技术可迁移至机器人环境 感知；决策层方面，自动驾驶的 SoC 芯片、端到端算法及世界模型训练经验，为 机器人任务规划提供核心支撑；执行层方面，人形机器人与智能汽车的电机、电 控、传动等零部件技术同源,且汽车底盘结构件中的轻量化材料同样适用于人形机 器人的外壳和躯体等环节。

人形机器人与自动驾驶算法路径趋同，从规则驱动转向数据驱动，最终向知识驱 动 VLA 大模型演进。2024 年 Waymo EMMA 首次将多模态大语言模型引入自动 驾驶领域，开创 VLA 架构先河；小米 ORION 通过 QT-Former 解决长时序记忆问 题，理想 Mind VLA 深度融合 3D 空间理解与扩散模型轨迹生成，标志着知识驱 动范式的进一步发展。当前 VLA 模型呈现三大特性：多模态融合（3DGS 技术与 语言模型结合）、计算效率优化（MOE 架构、模型量化）、仿真闭环构建（世界模 型强化学习）。差异则体现在场景复杂度：汽车仅需处理 2-3 个自由度，而人形机 器人需协调数十个自由度，数据闭环构建难度更大。

人形机器人模型训练需要大量数据，真实场景采集的数据是技术迭代的核心支撑。 制造业工厂凭借天然的产线环境与数据富集优势，成为机器人落地的重要场景。 为解决真机数据采集成本高、仿真数据存在现实偏差的问题，人形机器人企业正 探索将机器人直接部署到真实作业环境中，通过执行搬运、装配等基础任务实时 采集交互数据。这种模式遵循人形机器人动态进化逻辑——机器人在真实场景中 积累的操作数据反哺算法优化，使任务执行精度持续提升；性能迭代后的机器人 进入更多复杂场景，又能捕获新的边缘数据，形成"数据驱动算法、算法赋能场景、 场景反哺数据"的闭环生态。 自动化程度高、数据富集的汽车工厂成为天然的实训与数据收集场地。未来智能 工厂内，人形机器人需与工人、AGV、无人物流车及智能制造系统协同作业：智 能制造系统作为中枢神经，通过算法优化实现任务调度与数据实时交互；AGV 与 无人物流车构建柔性运输网络，负责物料流转；人形机器人执行螺丝紧固、部件 装配等精密操作。

目前，多家厂商已将人形机器人产品布局至整车生产线。海外市场中，Figure AI 的机器人入驻宝马 Spartanburg 工厂，在汽车制造产线的仓储、钣金等车间实现 20 小时连续作业；特斯拉 Optimus 在自家产线完成测试，计划 2026 年开放对外批量 生产能力。国内市场同样进展迅速，优必选工业版 Walker S 进入东风柳汽、比亚 迪等多家车厂实训，覆盖焊装、总装等核心制造环节；小鹏 IRON 机器人参与广 州工厂流水线高精度作业；傅利叶机器人进入上汽通用完成带电高压零部件安装、 高精度操作等工作。