具身智能的第一桶金，被车企先挣了

文 | 科技新知

单日大涨16%，市值重回2000亿元，宇树科技的王兴兴终于松了一口气。同一时间段，深兰机器人创始人陈海波盯着自家公司欠薪、被法院裁定破产清算的新闻，有些恍惚。

这就是当下人形机器人行业最魔幻的剧本：出货量翻倍，独角兽却在倒下；估值冲上云霄，收入还在地面。资本在用脚投票，身体却还站在原地。

这背后藏着一个被忽视的转向：AI公司正虎视眈眈地为自家大模型寻找物理载体，而人形机器人至今没打通从技术到商业的闭环。于是，它们把目光投向了汽车。

融资热到发烫，闭环冷到结冰

千里科技董事长印奇说过一句话：“所有不能商业闭环的辉煌，都是阶段性的。”他本人的职业生涯，几乎就是对这句话的严格执行。

这位清华姚班出身、23岁创立旷视的“AI老炮”，在2024年底斥资24.3亿元受让吉利持有的力帆科技股份，出任董事长后把公司更名为千里科技，全面转向AI+汽车赛道。他的逻辑很清晰：让阶跃星辰做“大脑”，千里科技做“躯干”，把车作为物理AI的第一个规模化载体。

理想汽车董事长李想的判断更直接。他在与罗永浩的对谈中，把具身智能切成上下半场：2018—2033年是自动驾驶汽车，2030年之后才是人形机器人。上半场解决移动、感知、决策与工程化，下半场把这些能力迁移到更接近人的形态上。

为什么先跑通的会是车？不是因为汽车的叙事更性感，恰恰相反——是因为它更“能用”。

产品端，车已经跑了百余年。人形机器人还在纠结怎么站稳、怎么走稳，汽车已经自带稳定供电，摄像头、雷达、麦克风天然就是AI的眼睛和耳朵；减速器、电机、控制器、传感器这些核心零部件，汽车产业链已经规模化量产了十几年。

数据端，车能提供海量带动作的真实数据。正如元戎启行CEO周光所说：“文本突破之后，大模型的下一步就是多模态，而多模态离物理世界的Agent只有一步之遥。”在所有机器人场景里，只有汽车能持续产出几十万、上百万公里的驾驶行为、决策与反馈——这是解决具身智能“数据荒”最直接的路径。

技术端，车上跑通的模型是天然降维。汽车行业对端侧AI的要求极严：低延迟、耐高温震动、扛得住粉尘、稳定运行、安全冗余失效保护。能在车上跑通的模型和硬件，迁移到工厂、园区这类结构化场景，难度反而更低。

政策端，资金与产业资源也在向车倾斜。汽车产业链上下游生产总值约占全国GDP的10%，“十五五”规划也明确鼓励AI大模型、智能体技术优先在车上落地。工信部等九部门提出，要深入推进智能网联汽车准入和上路通行试点、“车路云一体化”应用试点，优化生产准入管理制度，推动建设可信数据空间和高质量数据集，支持汽车与信息通信、能源、交通等行业企业相互赋能，推动人工智能与汽车产业深度融合，赋能全产业链数智化转型。

于是逐渐形成一个略带反讽的局面：资本市场最看好机器人，最早挣到钱的，却是汽车。

不是车企的第二曲线，是人形的第一考场

一个常见误解是：车企入局具身智能，是因为车卖不动了，要找第二曲线。事实恰恰相反——它们是被产业链上下游的质控与成本波动，逼到了必须掌握底层技术话语权的位置。

这两年磷酸铁锂涨价、芯片短缺、供应链反复波动的教训，让车企清醒地意识到：只做集成组装，利润和命运都捏在别人手里。另一个动机是“车家一体”的闭环：汽车只是智能生活的一个节点，家里、办公室、公共空间里的设备，都需要一个统一的智能体来调度。理想之所以在具身智能上投入最重，原因之一正是李想对家庭场景的执念——车不是交通工具，而是移动的家，机器人是家的延伸。

更深层的驱动力来自AI产业本身的变化。整个AI界正在经历从文本到多模态、从语言模型到物理智能的跃迁。互联网大厂此时入局自动驾驶，根本原因不是看中那点汽车软件授权费，而是为了验证物理AI。

从DeepSeek入局智能座舱这类“浅层AI上车”，到理想L9 Livis把具身智能融进用车生活，再到AIVA M7在产品定义阶段“先有AI、再有车”——AI与汽车的融合正在由浅入深：从让车更聪明，走向让车被AI重新定义。

具体来看，全新理想L9 Livis用3D ViT感知模型替代2D ViT感知模型，意图实现对三维物理世界更深度的理解；它搭载自研的马赫M100芯片，单颗算力达1280TOPS，并采用更适合AI计算的动态数据流架构，意在突破“算力足够、架构不配”的困境。

AI给车带来的变化也会溢出汽车本身。AIVA提出的“2+22”理念很典型：用户每天平均在车内2小时，剩下22小时通过随身终端Loop和Agent延续服务。这意味着车企不再只是卖车，而是要持续运营Agent，并承担模型调用和云服务成本。AIVA试图回答一个问题：一项AI功能，能不能从车的加分项，进阶为消费者选车的理由。

互联网人的魅力在于总能踩中风口。李想、何小鹏、雷军都是后来者，却偏偏能把新赛道做成，还顺手给行业带来惊喜。当下他们对具身智能的野心，当然也不止于车。理想MindVLA-o1、小鹏第二代VLA，本质上都在做同一件事：把车上练出的感知、决策、执行能力，迁移到机器人身上。

这里的VLA，全名是视觉—语言—动作模型。简单说，它把大模型原来“只会看图、读字”的能力，接上了动手的出口。传统机器人要分三拨人干活：一拨负责看，一拨负责懂，一拨负责动；VLA则试图用一个模型，端到端完成感知、理解与执行。

真正的迁移已经开始。汽车不是机器人的对手，而是机器人的“驾校”。

车企修不完的路，人形还得自己走

但车企能替具身智能走的路，终究是有限的。

首先是技术复用的边界。自动驾驶要解决的问题相对单一：在高度结构化的交通规则下，安全地导航移动。而具身智能还要解决运动控制、灵巧操作、世界模型与空间常识推理。车企基于底盘、电控、硬件工程积攒下来的能力，难以直接解决机器人动力学和基础大模型问题——技术复用，可能存在幻觉。

其次是组织节奏的不匹配。车企的整车研发普遍采用瀑布式长周期验证，一款车从立项到量产通常要三到五年；而AI模型处在高速发展阶段，几个月就可能迭代一代。能像小鹏、理想那样把具身智能放到战略高位的企业是少数，绝大多数车企的第一业务，依然是造车。

星源智创始人刘东对行业作过一个坐标式判断：“具身智能现在大致处在自动驾驶2016年前后的阶段——Demo已经大量跑通，但到真正形成生产力还有一段路。”这个类比并不夸张。新能源汽车也走过类似的路：先有资本热潮，再进入消费热潮。如今的人形机器人，正处在资本热潮退潮、商业化验证尚未完成的阶段，就像2016年L2辅助驾驶刚规模化落地，距离今天城市NOA普及，中间隔了近十年。

终局方向其实不难判断。毕竟，世界是为人类设计的：门把手、楼梯、货架、工具，都按人的尺寸和活动范围设计。人形机器人或许不是最优解，但在通用性上几乎是唯一解。

其中，工业场景和康养场景或许会是最早实现规模化落地的领域。工业环境标准化程度高、作业流程清晰，便于机器人快速上岗；康养需求集中、付费意愿明确，也更容易跑通商业闭环。海尔等家电企业已率先布局，推出陪伴机器人、外骨骼机器人等产品，切入家庭照护与助行场景。

谈及产业模式，正所谓独行快、众行远。对大多数企业而言，AI公司与车企合作，或许是更具性价比的长远路线。具身智能企业的核心资产是物理世界感知、仿真与执行能力，这些资产最终需要在更接近人的形态上释放。而上纬新材CEO田华所言，点出了真正的硬骨头：“如何保证数万台、数十万台机器人的批次一致性，真正的挑战在于供应链和制造标准。”——而这，恰恰是车企能为寻求人形机器人物理载体的具身智能做的事。

一个清晰的信号已经出现。2026年9月，启元机器人发售Q1、T1两款个人机器人；一周后，全球首店落地上海淮海中路，由汽车经销商永达汽车运营。启元甚至引入了汽车工业的制造节拍：每2.5分钟下线一台机器人，执行IATF 16949汽车质量管理体系标准。

在可见的未来，车企提供工程化能力、供应链体系与真实数据，AI公司提供大脑，会成为物理AI产业链走向成熟的标志。

虽然当下具身智能仍面临泡沫之争，但行业商业化已势在必行。人形机器人有望成为继手机、智能汽车之后的下一个大爆发智能终端——只是时间点，不会来得那么快。

资本市场赌的是未来，产业比的是谁能先闭环。上半场，汽车摊薄了供应链成本，攒下了AI在真实物理世界里干活的海量数据，验证了从感知到决策再到执行的完整方法论；下半场，人形机器人准备上场。