车企入局具身智能：以车规级标准破局“吃灰”困境，但核心瓶颈仍未消除

事件概述

2026年10月，奇瑞汽车常务副总裁张贵兵在墨甲机器人全球发布会上指出，具身智能行业最大的风险并非技术不成熟，而是产品缺乏长期使用场景，导致“吃灰”。奇瑞通过复用约70%的车机协同技术与研发流程，结合车规级制造标准，推动墨甲机器人从实验室走向真实商业落地。然而，剩余30%的差异化能力（如运控、专用模组）以及芯片成本、数据模型复用等问题，仍是制约行业规模化发展的硬瓶颈。

核心信息

1. 车规级交付与场景驱动模式

• 体系复用： 墨甲机器人将奇瑞的汽车质量管理体系强制嵌入研发制造流程，依托奇瑞3万多名工程师资源，实现了人员与开发流程的高度复用。据称，底层技术中约70%可与汽车系统协同，显著降低了研发边际成本。
• 场景定义产品： 不同于先造机器再找场景的逻辑，墨甲坚持“先有岗位矛盾，再造机器人”。产品线紧贴真实需求，包括芜湖交管上岗的警用智警机器人、医疗挂号导诊机器人、迎宾讲解及物资运输设备等，涵盖双足、四足、轮式多种形态。
• 市场表现： 截至发布会，墨甲全球销量突破3000台，落地100多个应用场景，进入60多个国家和地区。但在To C端，采取克制策略，首批35位天使用户获得一年免费使用权，暂不公布具体售价与交付时间，旨在收集真实家庭环境下的反馈。

2. “吃灰”风险与行业反思

• 通用机器人的困境： 墨甲执行副总经理夏鹏指出，当前通用机器人常因找不到服务对象而闲置。相比之下，小型或特定功能机器人若智能化程度不足（如需遥控器操作），极易被用户抛弃。
• 盈利导向： 新石器创始人余恩源强调，具身智能必须是能盈利的，而非仅用于演示的示范项目。物流场景中，无人驾驶负责运输，机器人负责装卸搬运，这种组合已在实际运营中被验证为高效且低成本。
• 情绪价值与定价： 针对To C市场，墨甲定位精品路线，提供情绪价值。虽然高性能芯片推高了成本，但相比廉价低智产品，其长期留存潜力更大。

3. 技术瓶颈与挑战

• 运控与导航差异： 汽车与机器人在运动控制、导航逻辑及齿轮电机等专用关键模组上存在约30%的差异，这部分能力无法直接复用，需单独补课训练。
• 场景泛化难题： 一线工程师反馈，训练好的场景难以直接复用到下一个场景，换场景需重新进行大量训练，算力与时间成本高。目前尚无完美的通用解决方案，部分商用场景（如复杂路段交通指挥）仍依赖云端人工接管。
• 芯片与存储成本： 智能化是机器人成本大头，高昂的芯片与存储费用限制了低价智能化产品的普及。
• 长期存留机制： 如何让机器人从“新鲜感摆件”变为“日常伙伴”是终极挑战。墨宝虽已实现基于FaceID的分层记忆管理，但在自主导航和任意空间适应能力上，尚未完全进入物理AI阶段。明年计划通过配备灵巧手提升互动能力。

值得关注

• 数据与模型复用待验证： 目前宣称的“70%复用”主要指向人员和流程，底层数据与模型能否真正跨领域迁移（如Robotaxi数据迁移至警用机器人）仍需观察。
• 行业洗牌预期： 张贵兵预测，具身智能赛道将经历类似新能源汽车的大洗牌，多数公司将转向垂类场景二次开发，最终存活者需兼具技术、审美、制造与交付能力。