作者 | 楷楷

在2026年，全球汽车行业都将聚焦于一个全新的赛道，那就是具身智能。

近日，比亚迪执行副总裁李柯在近期的访谈中透露了相关进展，表示比亚迪正在对人形机器人进行研发工作；几乎在同期，小鹏集团CEO何小鹏通过发布内部信的形式，正式宣布将亲自兼任机器人业务的CEO。

在此之前，赛力斯公司已将其人形机器人“小赛”通过官方渠道正式对外发布；与此同时，在今年初，理想汽车也正式对外宣布，计划在本年度内推出一款双轮机器人，该项目在公司内部的代号为Nexus。

基于行业观察，全球范围内已有近20家主流汽车企业，例如特斯拉、比亚迪、小鹏、理想、广汽及长安等，纷纷宣布涉足人形机器人领域，这标志着该赛道正吸引来自汽车工业的广泛布局与投入。

在2026年，汽车产业对具身智能的研发与产业化投入呈现出显著的加速态势。相较于去年主要聚焦于技术可行性的探索阶段，当前行业重心已明确转向量产准备与市场竞争并行的冲刺阶段：小鹏汽车宣布计划在2026年底前实现量产，特斯拉公司则为Optimus第三代机器人设定了于今年夏季启动生产的日程，而广汽集团也规划于2026年达成GoMate整机的小批量生产目标……

从汽车制造的“四个轮子”到人形机器人的“两条腿”，车企跨界从事人形机器人的研发与制造已成为汽车行业的广泛共识。然而，面对这条投入可能比造车更大、回报周期更为漫长的赛道，车企们究竟能走多远？

01 车圈“绝地求生”

当前众多车企纷纷着手布局机器人领域，其最直接的动因在于汽车主业的销量增长已显乏力。

根据乘联分会所进行的初步统计，在2026年1月至5月期间，全国乘用车累计零售数量为715万辆，与去年同期相比下降了19%。此外，在2025年，国内乘用车零售量同比出现了8.2%的下降幅度，创下近十年来的最大跌幅。

当前，汽车行业已经步入一个高度激烈的淘汰赛阶段，然而行业复苏的关键拐点却尚未显现。在此背景之下，内卷现象也开始向整个汽车产业链的每一个角落扩散。

在前段时间，理想汽车的董事长李想通过公开发文的方式，指出了当前汽车行业所面临的一个痛点：行业内出现了一种被称为“发布会通胀”的现象，即发布会召开得越来越多，但信息密度却越来越低。

根据博主“万万_ECC”所提供的统计数据，仅在今年的1月至5月期间，中国市场就有多达544款新车完成了上市或改款工作。另外的不完全统计数据则显示，同期汽车业界所举办的各类发布会，共计超过了400场之多。

促使汽车企业愈发密集地推出新车型的原因是什么？究其根本，是整个汽车行业所共有的焦虑情绪。

新能源汽车行业在实现高速发展的同时，其供应链领域日益凸显出集中化的趋势。这一趋势使得汽车产品愈发趋近于一种标准化的“智能硬件”，进而导致产品的同质化现象已成为行业所面临的共性问题。

因此，车企为了有效吸引消费者的注意力，只能借助越来越频繁的发布会来开展宣传；甚至不得不将“低价”策略作为为数不多的差异化卖点之一。

然而实际效果并不理想，降价策略不仅未能有效带动销量提升，乘联分会秘书长崔东树在其公开发表的文章中指出，今年1至4月期间，中国汽车行业的销售利润率已进一步下降至3.4%，与去年全年4.1%的水平相比，继续呈现出明显的下滑态势。

当前，“降价”策略在业界被普遍视为一种并非最优的手段，然而，在行业竞争加剧的压力下，企业不得不寻求并把握所有可能可行的方案。恰逢其时，随着具身智能技术的全面爆发与发展，使得机器人领域逐渐成为汽车产业寻求转型的新方向与突破口。

首先，机器人领域作为一个新的发展叙事方向，为汽车产业展现了更为广阔的未来图景与商业潜力，这不仅能够吸引更多的资本投入，还有助于提升企业的品牌形象与市场溢价能力。

根据中国信通院所发布的研究报告显示，2025年度全球人形机器人市场规模已达到170亿元，其中中国市场规模更是突破了85亿元；摩根士丹利方面则预测，至2050年全球人形机器人市场规模有望达到5万亿美元。

此外，在汽车行业正经历高度内卷化竞争的背景下，机器人技术有望为车企带来所谓的“第二利润”增长点。

小鹏集团董事长何小鹏在五月的财报电话会议中阐述道，人形机器人一旦成功进入量产阶段，其所具备的由数据飞轮效应所驱动的技术迭代与规模扩张速度，有望超越同期新能源汽车业务的发展态势。他指出，人形机器人业务预计将成为小鹏集团整体收入与毛利润增长的至关重要且不可或缺的驱动力，其构成将主要来源于硬件销售收入以及人工智能模型的服务收入。

最后，车企自身已经具备了搬运、贴标、巡检等现成的落地应用场景，这些环节均是人形机器人可以率先替代的部分，从而有助于车企实现降本增效。

针对人形机器人这一赛道，其商业化路径当前尚待验证，而采取“自产自用、内部消化”这一模式，得以显著缓解了车企在发展初期所面临的市场化压力。

车企涉足人形机器人领域，实际上是一项投资回报周期漫长且伴随较高不确定性的战略举措。然而，对于多数已经具备从供应链管理、技术研发到落地场景应用这一完整闭环能力的汽车企业而言，推进这一业务在某种程度上也属于一种顺理成章的战略选择。

鉴于顺应技术发展趋势便能够布局并占据未来的市场赛道，车企自然乐于积极投身其中。

02 卡位“物理AI”

此外，在表层逻辑之下，还存在一种更深层的考量，即众多企业正在将资金与资源集中投入于一个名为“物理AI”（Physical AI）的新兴前沿概念。

物理AI包含两层核心内涵：首先，人工智能需要理解并掌握物理定律的含义，这包括对重力与摩擦力等基本物理规律的认知；其次，AI需要具备运用这些知识的能力，并能够基于此与现实物理世界进行有效交互。

然而，若要让人工智能真正介入物理世界，就必须为其配备一个实体化的“身体”作为交互终端。这类终端可以是同时搭载了传感系统作为感知之眼、机械臂作为操作之肢的人形机器人，也可以是集成了感知、决策与执行能力的大型智能载具，例如汽车或飞行器。

在现阶段，智能汽车凭借其高度集成的硬件架构与成熟的软件系统，已成为当前能够有效承载物理AI理念的最为成熟的实体平台。

一方面，智能驾驶的“大脑”与机器人的“大脑”本身就具有技术同源性。

从底层的技术逻辑视角出发，智能汽车与机器人共同归属于“感知-决策-执行”这一三层架构体系，两者的技重合度超过了70%，因此人形机器人的研发工作，可以视为在既有智能汽车技术基础上进行的自然延伸。

与此同时，这两个“大脑”也呈现出相互补充、协同运作的特点。从历史发展的角度来看，自动驾驶技术领域始终存在着VLA与世界模型这两种技术路线的争论。然而当前，这两条路径的融合趋势已变得十分明确：

世界模型承担着物理世界建模、轨迹规划以及底层数据训练等基础设施角色；而VLA则主要专注于复杂道路社交与非标突发路况，并能够做出贴合人类习惯的柔性决策。

这两种技术的互补性融合，为物理AI的落地构建了从“理解世界”到“交互世界”的完整技术闭环，此闭环涵盖了从环境感知、决策规划到执行反馈的全过程。这一进展使得汽车制造商相较于其他行业，在通往物理AI的路径上占据了更为有利的先发位置。

另一方面，供应链层面的技术与零部件复用，以及在测试验证等应用场景上的高度同源，共同降低了车企跨界进入人形机器人制造领域的实际技术与资源门槛，这一难度要低于行业此前的普遍预估。

例如，在造车过程中所需的电池、电机、电控、传感器以及芯片等核心零部件，机器人领域同样具备相应的需求。这表明，车企长期积累的供应链资源与相关经验，均能够迁移至机器人领域加以应用。

此外，车企在数据收集方面还构建了广泛的应用场景。这不仅体现在有千万辆规模的新能源汽车在实际道路上持续地收集行驶数据，还在于当人形机器人被部署到车企自身的工厂环境后，它们能够在真实的工业生产场景中同步地积累物理交互方面的数据。

从技术融合的视角审视，车企造机器人属于业务扩展而非跨界。

在AI时代来临之际，汽车所承载的使命已从单纯的"出行工具"转变为高度集成的"智能硬件"。相比于说车企是在重新制造一台机器人，其本质更像是把智能汽车逐步塑造为一款具备自主移动能力与实际操作功能的机器人。

例如，李想曾阐述，理想全新推出的L9被定位为“具身智能机器人的开山之作”，这凸显了理想汽车致力于打造的不仅是一辆车，更是一个汽车机器人。

从智能汽车，到机器人，再到家庭服务终端，一条贯穿“车、人、家”全生态的物理AI应用链路得以形成，而这条链路的建成则有望成为车企进入更广阔的物理AI世界的通行证。

03 还要迈过几道坎？

畅想未来，汽车能够在物理世界中实现自如移动，机器人则能够承担多样化的任务执行工作，同时还能与家居设备实现智能联动与协同响应，这才是科幻电影所刻画的智能生活图景。

届时，汽车行业将不再是单一的车企与车企之间的竞争格局，而是朝着构建"物理AI生态"这一全新方向实现全面转型。

一部分车企已经率先完成了业务转型或战略调整，其主要路径可划分为两类：一部分选择了自主研发技术与产品的策略，另一部分则倾向于与外部技术伙伴建立战略合作关系。

以小鹏、理想、广汽、长安等为主的车企，已经全面投入资源进行品牌战略调整与业务延伸。其中，部分企业通过资本或业务孵化的方式，创立了专注于机器人领域的独立子公司，并逐步构建并掌握了覆盖从底层算法到整机集成的全链条技术能力。

以蔚来、宝马、现代、上汽为代表的企业，则被归类为“合作派”，他们主要通过投资或孵化等方式，积极布局并参与相关业务。此外，还存在一类采取双重战略的企业，例如比亚迪，它们同时在自主研发和对外合作两个方向上进行投入与布局。

入局者已有近20家，但谁能笑到最后？

根本性的挑战依然存在于人工智能的“决策核心”层面。虽然汽车制造商在智能驾驶领域积累的算法具备一定的复用潜力，但必须认识到，自动驾驶所面对的驾驶场景在本质上具有高度的规则性与结构化特征。相比之下，人形机器人需要在开放且动态的物理世界中执行任务，其所遭遇的环境、物体以及交互指令都呈现出极高的多样性与非结构化特性。这种复杂性的跃升，直接导致了从环境感知、实时决策到精准执行反馈的全链路研发难度呈指数级增长，其挑战性已远远超越自动驾驶技术。

当前，机器人产业的发展仍然处于运动执行能力相对突出，但智能决策水平相对滞后的阶段。在这一现状下，汽车企业能够借助自身规模优势介入的时机尚未完全成熟。如何有效研发并构建具备高度智能化的“大脑”，依然是整个行业共同面临的核心挑战。

在自动驾驶领域内的第一梯队车企，同样在持续投入资源，致力于打破智能算法与物理机械结构之间，即通常所喻指的“大脑”与“身体”之间存在的物理与信息层面的隔阂。

特斯拉、小鹏均主张通过构建同一套基座模型，来为智能驾驶及机器人等物理AI应用提供核心技术支撑；而理想则选择了不同的路径，将其研发体系重组为基座模型、软件本体与硬件本体三大团队，以此进行针对性研发。

尽管各家企业所选择的技术路径与商业模式存在差异，但其核心主张均呈现出高度的相似性，即致力于通过基座模型这一核心架构，去赋能并驱动更多智能终端的部署与运行。从本质上讲，它们实质上都在争夺同一个核心要素，即定义物理世界交互规则的底层话语权。

此外，在核心零部件的层面上依然面临着较高的技术与工艺门槛。尽管汽车与机器人两个产业在供应链方面确实存在显著的重叠与可复用性，但是，那些真正决定了人形机器人能否完成精细、复杂动作的核心零部件，其设计原理、性能指标与集成方式存在本质差异，因此并不能在两个领域间实现直接的通用与替换。

马斯克在去年的公开发言中承认，Optimus团队此前已经尝试过采用电机、执行器、传感器等汽车领域现成的零部件，然而经过验证后发现没有一款现成的零件能够满足人形机器人的实际需求，团队不得不从物理学的基本原理出发，重新设计并开发适用于人形机器人场景的专用零部件。

就国内车企而言，能否与技术和稳定性都过硬的供应链企业建立深度绑定，则是确保量产节奏稳定与成本可控的关键所在。

最后，商业化落地场景仍待深入探索。除了服务于车企自身工厂之外，如何在竞争中构建起多元化的盈利模式，构建起从应用场景拓展到商业闭环构建的完整路径，依然是车企需要持续探索的核心议题。

在这一战略考量当中，能否有效打通机器人与汽车两大领域之间所存在的生态系统，构成了一个极为关键的核心要素。硬件平台与技术方案都能够通过重新开发来实现构建，然而场景数据以及用户习惯的积累却必须依赖于时间的沉淀才能逐步形成。一旦这些要素所构成的竞争壁垒得以确立，其生态层面所形成的护城河往往会比单一技术点所构建的壁垒更为深厚、也更为宽阔。

从聚焦汽车制造的“四个轮子”转向进军机器人产业的“两条腿”，这一转变构成了整个中国汽车产业在存量竞争时代所进行的集体突围。

这些企业依托于自身在技术资产与供应链能力方面的既有积累，积极探索并开拓新的增长空间。与此同时，具身智能作为人工智能技术的下一代硬件载体，被看作是通向万亿级别新兴市场的关键通道。

然而，从人形机器人产品迈向规模化量产与商业化落地的这个关键节点来审视，汽车企业实现战略转型所依赖的时间窗口，正因内外部压力的叠加而呈现出急剧缩短的趋势。

尽管最终的优胜者尚未明确，但可以确定的是，部分参与者已经率先获得了参与竞争的资格。

文章所采用的封面首图及相关配图，其版权归属于版权所有人。若版权方认为其作品不适宜公开展示或不应被无偿使用，请及时与本平台取得联系，我们将立即进行更正处理。

原文标题 : 车企不“造人”，就出局？

来源：车企不“造人”, 就出局？ | OFweek机器人网