车企入局人形机器人：从产线验证到第二增长曲线的战略博弈

事件概述

美国当地时间10月21日，特斯拉在三季度财报中宣布，其人形机器人Optimus已在弗里蒙特工厂开始生产。马斯克在电话会上表示，尽管外部交付目标仍设定为2027年底左右，且手部、耐用性和AI仍需改进，但特斯拉计划制造1万至2万台机器人进入“Optimus学院”进行任务练习，以获取关键训练数据。

这一动向标志着车企对人形机器人的投入已从概念验证转向规模化生产与数据积累阶段。车企不仅追求生产效率的提升，更意图将机器人作为新的销售对象，并率先在汽车门店等场景中进行落地测试。

核心信息与行业背景

1. 汽车工业的演进逻辑与资金支持

汽车工业庞大的市场规模（2025年全球产量约9640万辆）和成熟的供应链体系，使其具备承担早期高额研发投入的能力。历史数据显示，从福特移动装配线到Unimate工业机器人的引入，再到宝马虚拟工厂仿真，汽车业始终致力于通过技术革新降低生产成本、提高良率。

• 资金模式创新：传统上由主业盈利支撑新业务的风险较高。例如，小鹏汽车提出用汽车业务现金流支撑物理AI研发，并于8月24日完成超过9亿美元的首轮股权融资，通过引入外部资本分散长期投入压力。
• 产业链协同：整车企业通过明确任务需求和订单预期，调动零部件供应商共同开发，将行业体量转化为工程力量。

2. 技术路线与应用场景分化

当前，固定机械臂已能成熟处理焊接、喷涂等重复性工作，车企布局人形机器人旨在解决更具变化性的任务（如物品位置变动、多型号混线生产）。

• 空间适应性：人形结构因接近人类操作范围，有望沿用现有工位和工具通道，减少重建工作场的成本。尽管双足并非所有场景的最优解，但其空间适应性是重要考量。
• 数据驱动迭代：Google DeepMind等机构展示的端侧机器人模型表明，通过少量示范适应新任务成为可能。车企关注的是在换型或零件位置变化后，机器人能否通过训练继续工作，而非每次重新开发专用方案。

3. 主要车企的战略布局

不同车企基于自身资源禀赋，选择了差异化的发展路径：

• 特斯拉 (Tesla)：自研+大规模数据训练。已在工厂启动生产，重点在于通过海量机器人练习获取数据，完善AI与硬件性能，最终实现外部交付。
• 小鹏汽车 (XPeng)：自研+全链条掌控。采用自研图灵芯片，新建专用产线开发IRON机器人。策略上先从门店接待和园区服务起步，逐步建立面向外部客户的交付和维护能力。
• 宝马 (BMW) & Figure：合作验证+反馈改进。宝马与Figure合作，让Figure 02在斯帕坦堡工厂承担钣金件上料任务。在1250余小时运行中暴露出的硬件故障（如前臂通信问题），直接推动了Figure第三代产品的设计修改。这种模式让车企获得生产工具，厂商获得实验室难以提供的现场反馈。
• 现代汽车 (Hyundai)：控股整合。通过控股波士顿动力并让摩比斯参与Atlas执行器开发，集团内部协调产品开发、部件制造和应用，同时面对外部市场。
• 墨甲智能 & 奇瑞：渠道联动。墨甲利用奇瑞的海外渠道、物流和服务网络，进入汽车营销服务场景，借助网点接触客户并提供本地化支持。

值得关注：商业化挑战与回报检验

尽管前景广阔，但机器人业务的商业化仍面临多重门槛：

1. 内部试用与外部市场的差异：集团内部的采购不能证明整体收益。产品必须让外部客户愿意持续付费，并在价格、部署和维护成本上与人工或固定机械臂竞争。
2. 场景适配性矛盾：工厂关注负载、可靠性和连续运行；门店关注外形亲切度和交互流畅度。为接待优化的产品未必适合生产线，反之亦然。管理层需明确优先服务对象，避免资源分散。
3. 成本与稳定性：如果机器人成本高且产出不稳定，工厂更有理由缩小任务范围或延后采购。只有当机器人能证明比已有方案更值得投入时，扩大采购才具备合理性。
4. 家庭市场的未知数：进入家庭消费领域还需跨越易用性、维修便利性和性价比的关卡，这要求机器人形成可重复制造的硬件标准和可扩展的任务能力，以实现规模效应降低成本。

总体而言，车企入局人形机器人不仅是技术的延伸，更是对其制造能力、供应链管理和线下网络的一次综合考验。短期看，机器人将优化生产流程和提升门店体验；长期看，其能否成为独立的第二增长曲线，取决于能否跨过可靠性与成本的鸿沟，并在外部市场获得广泛认可。