文|钱眼君

来源|博望财经

01

引子：当机器人需要“自证清白”

图：2025小鹏科技日现场

2025年11月，一场关于“真假机器人”的争议在社交网络迅速发酵：小鹏汽车（以下简称小鹏）发布的新一代人形机器人IRON，因步态过于自然流畅，被众多网友质疑为“真人扮演”。创始人何小鹏不得不连夜拍摄视频，拉开机器人背部的拉链、剪开仿生皮肤，向公众展示其内部的机械结构与电路系统。这场看似荒诞的“自证”风波，背后折射的正是小鹏在机器人技术上的重大突破。IRON不仅拥有类人脊椎与全包覆柔性皮肤，更能完成握鸡蛋、叠衣服等高精度任务。而其技术底座，正是小鹏在智能汽车领域深耕多年所积累的AI芯片、认知模型与运动控制算法。从智能汽车到人形机器人，小鹏的跨界并非偶然，而是一场基于技术同源与生态协同的战略延伸。

02

技术同源：汽车与机器人的底层共鸣

随着智能电动化浪潮的深入推进，整车企业在电气化、智能化技术上积累了丰富经验，同时在数据挖掘与智能制造领域形成深厚基础。凭借大规模制造的产业属性，它们天然拥有众多具身智能应用场景。近年来，特斯拉等企业在具身智能方面的突破，在一定程度上为行业指明了新方向。正如小鹏汽车董事长兼CEO何小鹏所言，具身智能与汽车产业的深度融合，有望成为企业未来的重要增长点。

近两年来，已有上汽、广汽、比亚迪、小鹏、小米等超10家车企，通过自主研发、技术合作或战略投资等方式，积极布局智能机器人领域。

图：国元证券

2024年11月，小鹏率先推出自研AI具身智能机器人，并已在其广州工厂参与小鹏P7+车型的生产实训。紧随其后，广汽与长安在12月相继公布了具身智能机器人的新规划，比亚迪也已启动相关技术研发与人才储备。2025年6月，理想汽车宣布成立“空间机器人”和“穿戴机器人”两个二级部门，正式进军智能机器人赛道。

车企相继布局智能机器人，一方面是技术通用性的考虑，另一方面是落地场景的考虑。技术通用性上，智能汽车与机器人，看似形态迥异，却在感知、决策与控制三大核心层面共享同一套技术基因。

图：亿欧智库

以小鹏为例，在感知层面，小鹏汽车所搭载的XNet深度视觉神经网络，能够通过多摄像头融合实现对现实世界的高精度重建。这套系统不仅让车辆摆脱对高精地图的依赖，也能让机器人具备理解三维空间、识别障碍物的“眼睛”。在决策层面，小鹏的XPlanner规划大模型通过对海量人类驾驶数据的学习，生成拟人化的运动轨迹，而这种时序推理与多对象博弈的能力，正是机器人实现自然步态与动态平衡的核心。而在认知层面，XBrain大语言模型赋予系统理解复杂场景与抽象指令的能力，无论是车辆识别潮汐车道，还是机器人理解人类意图，背后都是同一种“认知智能”在发挥作用。

特斯拉早已验证了这一路径的可行性——其FSD全自动驾驶系统与Optimus人形机器人共享同一套视觉感知架构与神经网络控制器，形成“一脑多用”的技术范式。而小鹏自研的图灵芯片通用于AI汽车、AI机器人、飞行汽车上，正是对这一趋势的积极响应。

图：小鹏汽车官网

除此之外，动力电池、外壳材料等等多方面，汽车与机器人都存在技术迁移复用的可能。

汽车企业积极布局智能机器人赛道的另一个核心驱动力在于其拥有不可替代的落地场景——智能工厂。在具身智能发展中，高质量的数据是关键一环，而汽车制造车间以其自动化与标准化，成为天然的“数据富集场”和理想试验田。

正如小鹏Iron机器人进入工厂承担实际生产任务，企业通过将机器人直接部署于产线，执行装配、搬运等作业，有效应对了真实数据采集成本高、仿真数据有偏差的行业挑战。

图：小鹏机器人Iron

机器人在“打工”过程中持续进化，其收集的数据不断反哺优化算法，提升任务精度，从而胜任更复杂的工作。这就形成了“数据驱动算法→法赋能场景→景反哺数据”的闭环。在未来的智能工厂中，具身智能机器人将与工人、AGV无人车及制造系统深度协同，构建一个自我优化的生产有机体。车企在智能机器人领域的布局，正是为前沿技术找到了能够落地生根并持续创造价值的核心应用场景。

03

迁徙之路：从小鹏汽车到小鹏机器人的技术演进

小鹏的机器人之路，始于其智能驾驶技术体系的成熟与溢出。何小鹏断言，算力是定义AI汽车的第一标准，唯有强大的算力才能支撑更大模型、处理更多数据，最终驱动物理世界大模型与AI汽车的落地。小鹏通过G7车型，将行业竞争引入了“算力竞赛”的新阶段——其搭载的自研图灵AI芯片，集成40核处理器，单颗即可本地运行高达300亿参数的模型，并配备双独立图像ISP。图灵芯片释放的澎湃算力，不仅夯实了小鹏在智能驾驶领域的现有优势，更为其布局飞行汽车、机器人等未来业务奠定了坚实的基础。

说起小鹏算力的布局和演进，有四个关键节点值得注意：第一是算法架构的重构。2021年，小鹏开始从依赖人工规则的智驾系统转向端到端数据驱动模型。端到端的概念，我们在这里简单理解就是，基于AI神经网络，智驾系统在海量数据的训练下，会自主学习、模仿人类的驾驶经验。这一转变不仅大幅提升了系统的泛化能力，也为机器人技术的迁移奠定了算法基础。

第二是数据闭环的建立。既然要依赖深度学习神经网络，那么海量数据的收集与投喂至关重要。纯数据驱动的神经网络算法要实现升级迭代，数据闭环体系的构建是关键。通过不断收集实车数据、云端模型训练并结合仿真能力，自动驾驶算法的长尾场景应对能力将大幅提升。小鹏通过近10万辆车的实时数据回传，构建起“收集-标注-训练-部署”的全栈闭环体系。这套系统使智驾系统在复杂城市场景中的被动接管率下降38%，证明了其在真实环境中持续进化的能力。

第三是算力基座的扩充。到2024年，小鹏云端算力储备已达2.51EFlops，并且每年投入超7亿元用于算力训练。这种规模的算力基础设施，为机器人模型的训练提供了强大支撑。

第四点是硬件能力的突破。要让能力完全自主，最终必须掌握核心硬件。小鹏从2020年组建团队，到2024年成功自研出“图灵”AI芯片，这好比从购买通用发动机，到为自己量身定制一颗强大的“心脏”。这颗“心脏”能让机器人IRON爆发出惊人的算力（2250 TOPS），是实现汽车、机器人等多领域布局的硬实力根基。

由此基础，小鹏的智能三角出现了：XNet赋予机器通用的场景理解能力，XPlanner实现拟人化运动控制，XBrain提供认知推理支持。这些能力的组合，让IRON机器人从“能走”进化到“走得像人”。

04

挑战与未来：从“像人”到“像人一样会干活”

小鹏为智能机器人设计了一条清晰的渐进式路线——先商用，后家用。第一步：站稳商场与展厅。目前，IRON机器人正优先走向导览、导购、接待等商业岗位。这些场景有个共同特点：容错空间相对较大。选择从这里起步，既符合机器人当前的技术能力，也为其提供了绝佳的“实习”机会——在真实服务中积累数据、持续学习。

第二步：用“个性”打动人心。接下来，小鹏将发力于机器人的“形象定制”。通过仿生肌肉技术，未来的IRON将能呈现不同的性别、体型与外貌。何小鹏强调，这不仅是技术展示，更是为机器人注入 “情绪价值” 的关键。当机器人拥有独特的形象与亲和力，才能真正被家庭环境所接纳。

第三步：融入更大的智能生态。从更宏大的视角看，小鹏的野心在于构建一个完整的智能网络：汽车负责移动，机器人负责静态服务，飞行汽车则拓展三维空间。三者协同，共同构成未来的具身智能世界。

图：小鹏飞行汽车，小鹏汽车官网

然而，这条路依然充满挑战：稳定性是首要难关。机器人的量产瓶颈不在“生产”，而在 “出厂前的精细调试” 。当前全球人形机器人年产量远未达到汽车制造的规模，如何确保每一台机器人都能稳定、可靠地工作，是比扩大产能更迫切的问题。第二是数据成本居高不下。训练机器人需要海量高质量数据。如果数据质量不达标，即便投入巨大，训练出的模型性能甚至可能不如传统小模型，形成 “高投入、低智能” 的尴尬局面。还有一点就是商业价值尚待证明，无论是商场里的导购员，还是未来家中的助手，机器人能否真正创造可量化的经济价值，仍需市场给出最终答案。但挑战虽大，希望也在孕育。随着世界模型、仿真平台等技术的成熟，机器人训练成本有望大幅降低。同时，政策与行业标准的完善，将为其普及铺平道路。小鹏机器人的故事，正从实验室走向现实。

05

结语：一场关于智能边界的重新定义

小鹏从汽车到机器人的技术迁徙，代表的不仅是一家企业的战略转型，更是整个行业对“智能”认知的折射。当同一套AI系统既能驱动汽车穿梭于城市道路，又能控制机器人行走于人类空间，我们正在见证一个“通才智能”时代的开启。

正如斯坦福大学教授李飞飞所言：“空间智能将彻底改变现实与虚拟世界的交互方式。”小鹏的实践，正是这一变革的前沿注脚。下一步，小鹏需要证明的不仅是IRON能走猫步，更是它能脚踏实地地创造价值。而这场试验的结果，将深刻影响中国在具身智能时代的全球位置。在智能的边界不断消融的今天，也许不久的将来，我们将不再区分“汽车AI”与“机器人AI”，而是看到一个真正通用的智能生态，在其中，每一种形态的智能体都在为人类提供无缝的服务与陪伴。