车企跨界造人形机器人：硬件与供应链见长，算法与数据难通关

车企跨界造人形机器人：硬件与供应链见长，算法与数据难通关 特斯拉及小鹏等车企将自动驾驶算法与制造能力迁移至人形机器人，推高了资本市场预期。然而，车企在人形机器人领域的实际优势主要集中在精密制造与供应链管理，在算法适配与数据收集方面，车企面临与原生机器人公司相同的底层挑战。 特斯拉拆除旧Model S/X产线搭建Optimus首条量产线，外界估算其复用了约60%的FSD算法，何小鹏甚至认为二者软件共通性达90%。 车企的真正长板在于规模制造能力、质量控制体系以及与机器人关节等零部件高度重叠的成熟供应链管理。 自动驾驶算法的目标是“从A点移动到B点”，而人形机器人重在与物理世界交互接触并控制力度，智驾输出的控制指令无法直接套用。 人形机器人受制于“莫拉维克悖论”，车企无法依靠车队回传数据，必须依赖真机遥操及UMI/EGO无本体数据等高成本方式采集物理操作数据。 算法复用背后的目标错位 尽管人形机器人与自动驾驶都基于感知-决策-控制链条并使用VLA或世界模型，但两者的核心目标截然不同。自动驾驶旨在避免碰撞并实现点对点移动，而人形机器人不仅需要看懂环境，更需要在抓取、打扫等物理接触环节结合多体动力学和摩擦力进行精准控制。早期Optimus甚至一度“以为自己是辆汽车”，智驾的加减速控制指令根本无法直接转化为操作工具的通用技能。 车企的核心长板在硬件与供应链 相较于效果平平的脑部算法移植，车企入局人形机器人的底气主要来自硬件制造与供应链。机器人成本占比最高的关节三大件（电机、减速器、丝杠）均有大量汽车零部件供应商参与，车企的庞大采购规模和精细化库存管理有助于降低成本。同时，车企具备高自动化产线与严苛的质控体系，其大工业标准化生产经验远超初创公司的手工作坊模式。 数据采集成为车企共同的拦路虎 人形机器人要掌握抓鸡蛋等人类本能，需要大量覆盖常识与物理交互的数据。与自动驾驶可被动等待量产车队回传数据不同，机器人数据获取极其困难，过去依赖高成本的VR头显真机遥操，近期则转向以UMI手持夹爪和EGO可穿戴设备为主的无本体数据采集。在数据采集这一环节，车企并无捷径可走，面临着与原生机器人公司完全相同的瓶颈。

车企跨界造人形机器人：硬件与供应链见长，算法与数据难通关 特斯拉及小鹏等车企将自动驾驶算法与制造能力迁移至人形机器人，推高了资本市场预期。然而，车企在人形机器人领域的实际优势主要集中在精密制造与供应链管理，在算法适配与数据收集方面，车企面临与原生机器人公司相同的底层挑战。 特斯拉拆除旧Model S/X产线搭建Optimus首条量产线，外界估算其复用了约60%的FSD算法，何小鹏甚至认为二者软件共通性达90%。 车企的真正长板在于规模制造能力、质量控制体系以及与机器人关节等零部件高度重叠的成熟供应链管理。 自动驾驶算法的目标是“从A点移动到B点”，而人形机器人重在与物理世界交互接触并控制力度，智驾输出的控制指令无法直接套用。 人形机器人受制于“莫拉维克悖论”，车企无法依靠车队回传数据，必须依赖真机遥操及UMI/EGO无本体数据等高成本方式采集物理操作数据。 算法复用背后的目标错位 尽管人形机器人与自动驾驶都基于感知-决策-控制链条并使用VLA或世界模型，但两者的核心目标截然不同。自动驾驶旨在避免碰撞并实现点对点移动，而人形机器人不仅需要看懂环境，更需要在抓取、打扫等物理接触环节结合多体动力学和摩擦力进行精准控制。早期Optimus甚至一度“以为自己是辆汽车”，智驾的加减速控制指令根本无法直接转化为操作工具的通用技能。 车企的核心长板在硬件与供应链 相较于效果平平的脑部算法移植，车企入局人形机器人的底气主要来自硬件制造与供应链。机器人成本占比最高的关节三大件（电机、减速器、丝杠）均有大量汽车零部件供应商参与，车企的庞大采购规模和精细化库存管理有助于降低成本。同时，车企具备高自动化产线与严苛的质控体系，其大工业标准化生产经验远超初创公司的手工作坊模式。 数据采集成为车企共同的拦路虎 人形机器人要掌握抓鸡蛋等人类本能，需要大量覆盖常识与物理交互的数据。与自动驾驶可被动等待量产车队回传数据不同，机器人数据获取极其困难，过去依赖高成本的VR头显真机遥操，近期则转向以UMI手持夹爪和EGO可穿戴设备为主的无本体数据采集。在数据采集这一环节，车企并无捷径可走，面临着与原生机器人公司完全相同的瓶颈。

今年5月，最后一批Model S/X下线，宣告停产退役。46天后，旧生产线拆除干净，搭建Optimus人形机器人的首条量产线。 Optimus是特斯拉向AI公司转型的钥匙，诞生方式极具戏剧性，不仅要和Model 3/Y共享一座工厂，大脑更直接移植了FSD算法。 一直以来，特斯拉都在反复强调车上FSD算法可以复用给机器人，汽车行业的重资产包袱变成边际成本趋于零的软件优势，估值因此水涨船高。 木头姐最近就公开认错，表示2029年2600美元的目标价模型里压根没算进Optimus的价值\[1\]：“我们在自动驾驶领域过于激进，但在人形机器人领域，我们可能又过于保守了。 马斯克本人也时常抱怨华尔街低估特斯拉的价值，财报会上屡次为Optimus打抱不平，称第三代产品是“真正意义上的通用机器人”，是一款“日常生活中真正有用的产品”\[2\]。 然而，摇旗呐喊背后是略显尴尬的时间差，特斯拉最早提出这个概念是在遥远的五年前，至今没有走到量产这一步。 人形机器人是软件业与制造业的结晶，一边承袭自动驾驶，一边立足精密制造，按理说是汽车公司的舒适区。但眼看着机器人公司风头日胜，原本占尽优势的特斯拉反倒慢了下来。 问题出在了哪里？ 2024年，自立门户的Andrej Karpathy做客播客栏目，不经意透露了特斯研发Optimus过程中不为人知的细节。 Andrej Karpathy师从李飞飞，是OpenAI的创始成员，供职特斯拉后迅速组建起AI团队，是打造Autopilot和FSD的关键人物。2022年，Andrej Karpathy重返OpenAI，但小哥发自内心认可老东家，情到浓时说漏了嘴\[3\]： “早期版本的Optimus一度以为自己是辆汽车，因为它使用了相同的计算机、摄像头，还有运行在汽车上的算法。” FSD算法移植给Optimus使用，不是特斯拉的独门绝技，人形机器人和自动驾驶技术的确存在共通性。 首先，二者本质接近，都是让机器理解物理世界，与现实环境动态交互。 其次，二者都遵循“感知-决策-控制”链条，传感器负责感知环境信息，大脑根据“看到什么”思考指挥，四肢执行最终指令，这是算法移植的前提。 外界估算，Optimus大约复用了60%的FSD算法，何小鹏的答案更激进，人形机器人和汽车在软件上的共通性高达90%。 也就是说，资本市场按照科技公司给特斯拉估值的逻辑没有言过其实，其他车企见此迅速行动，纷纷将自家算法打包塞进机器人里面。 这也促成了一个有趣的现象，Optimus项目团队中有相当一部分工程师来自车辆部门，眼下汽车行业创业最拥挤的赛道，也非人形机器人莫属。 虽然“汽车人最懂机器人”这句口号喊得很响，但现实发展却有点不同。 不论是发布完人形机器人IRON的小鹏，还是摩拳擦掌准备亮出三代王牌产品的特斯拉，集中展示的都是硬件和行动能力。 车企的优势，很可能不是算法。 相比效果算不上太惊艳的脑部算法移植，车企的优势恐怕更多来自硬件，具体来说有两大项。 一是供应链管理能力。汽车和人形机器人的零部件虽然通用性不高，但技术原理八九不离十，供应链重叠度很高。 除了传感器、电池这种旧需求，以成本占整机比重最高的新需求关节为例，电机、减速器和丝杠是三大件，大量汽车供应商参与其中： **恒帅**做电机，**中鼎**做减速器，丝杠有**双林**，模组有**三花智控，**还有什么都要做的**舍弗勒。**Optimus供应链里唯一的国产谐波减速器公司**绿的谐波**，也阴差阳错打入汽车供应链。 同时，协调成百上千家供应商，对生产和库存精细化的管理，也是车企的强项。 这意味着，车企可以将供应链管理经验系统性的迁移到机器人业务上，庞大的汽车订单不仅能让车企拿到极低的采购价，还能深度参与产品研发，确保成本优势。 二是生产制造能力。汽车算得上人类历史上最复杂的工业品之一，复杂的同时组织大规模标准化生产，本身就是一种能力。 机器人也一样，造一台原型机很容易，但能不能量产，良率有多高，决定了机器人成本能否降到合理范围。 相比手工作坊模式下的初创公司，车企拥有高自动化的生产线、成熟的四大工艺，以及严苛的质量管控体系，哪怕产线不能搬来用，生产经验也完全可以复用。 但在软件算法上，车企和原生机器人公司，恐怕很难拉开差距。 人形机器人实现“通用”，硬件是门槛，关键在算法。 通用对应专用，传统机器人专机专用，原因是算法高度依赖函数模型，杯子换了形状，桌子高个5公分，系统都会崩溃。最近两年，VLA、世界模型加上强化学习快速发展，机器人才有了向通用过渡的底气。 巧合的是，智驾算法主流架构也是VLA（视觉-语言-动作大模型）和世界模型，只是对机器人不能简单套壳。 汽车和机器人面对的物理世界截然不同，算法目标也有本质区别。 自动驾驶算法无论多么复杂，都服务于“从A点移动到B点”这个目标，传感器识别出红绿灯和障碍物，才能做出加速或刹停的判断，挑战不外乎是鬼探头、加塞如何应对以及策略是否舒适，会不会突然来个点头杀。 人形机器人不一样，识别到桌面上的水杯是为了拿起来，看到房间脏乱差要做的是整理衣物打扫卫生。从更长远的场景通用性看，人形机器人的挑战更多在于如何上得厅堂又下得厨房。 看懂物理世界对自动驾驶来说已经成功了一半，但对机器人只相当于迈出一小步。 智驾算法只要知道什么是好的驾驶技术，不与人车主动碰瓷摩擦就行；而人形机器人的价值恰恰体现在接触环节，懂得物理常识才能操作万物。 假设一个场景：拿起桌面上的鸡蛋，人形机器人要先识别出鸡蛋，确认位置，抓取的过程中还要控制手的力度，避免鸡蛋滑脱掉在地上或者用力过猛导致碎掉。 在这个场景下，大脑先判断鸡蛋光滑易碎的属性，下达抓取指令，小脑再根据触觉反馈实时调整握力，里面既涉及多体动力学又涉及摩擦学，这些通常不是智驾算法会优先考虑的事项。 特斯拉Optimus当过调酒师，也装过爆米花抓过鸡蛋 确切的说，智驾算法输出的加速刹车指令，压根无法转化成机器人需要的技能。 智驾算法做的再好，充其量是一个专用的机器人系统；人形机器人如果只是“从A点到B点”，也不过是车技很好的智驾系统。真正的通用，在于“全能”二字，即它能做什么以及做的怎么样。 单就这一点说，数据是车企面临的最大拦路虎。 人形机器人需要大量数据训练算法，本质是为了打破莫拉维克悖论：即人做起来轻而易举的事，AI觉得困难，比如徒手抓鸡蛋捏豆腐。 三岁小孩抓鸡蛋不破不是因为学过力学，他也不懂摩擦力，但生物进化的本能让他知道该用多大力。 如果不考虑预先编程和远程操控，理解生活常识物理规则，后天学习人类本能，对机器人来说本身过于超纲。 因此相比单一的驾驶数据，人形机器人需要的数据既要覆盖方方面面，又要源源不断。大脑可以通过看视频了解怎么做菜，但握住锅铲该用多大的力，翻面速度是多少，终归得多学多练。 问题是，智驾数据可以坐在办公室里等量产车队回传，人形机器人获取数据明显困难。 过去，数据采集主要靠真机遥操，操作员佩戴VR头显手戴力反馈手套，同步机器人视角，1V1手把手教学。优点是操作数据精准，问题是没操作员不行，换个机器数据也容易失效，成本很高。 最近两年开始讲数据为王，流行起效率高的无本体数据，采集工具也越发轻便，主要以UMI和EGO为主。一个是手持特制夹爪，记录手部动作，一个通过可穿戴设备，记录第一人称视角操作，方便一份工资打两份工\[4\]\[5\]。 这样一来，无本体数据可以用作算法模型的预训练，真机数据退居幕后用于模型微调，让整体效率提高。 印度工厂随处可见的景象：工人一边担心被监视，一边几乎零报酬采集数据 在数据这个环节，车企和原生机器人公司面临的挑战基本一致，只能捡脏活累活，国内外也没有差别。 回到车企身上，造车的经验也许能造出机器人，至于活干的好不好，最终还是要看数据和算法。在人形机器人这场全新竞赛里，恐怕没人掌握直接通关的密码。 \[1\]Cathie Wood: Tesla Stock Forecast, Bitcoin Bull Case, AI Outlook，Morningstar \[2\]特斯拉2025年四季度、2026年二季度财报电话会议 \[3\]With Andrej Karpathy from OpenAI and Tesla，No Priors \[4\]‘Who is going to pay us when we’re replaced by robots?’ The Indian factory workers told to film themselves for AI，The Guardian \[5\]印度工人头戴摄像头，边打工边教机器人抢自己的饭碗，酷玩实验室coollabs