[首发于智驾最前沿微信公众号]2026年过半，汽车行业出现了一个奇怪的现象，越来越多的整车企业开始布局具身智能与人形机器人。比亚迪、小鹏、广汽、奇瑞、长安、理想、上汽，加上海外的特斯拉、宝马、现代、奔驰，海内外已有近20家主流车企通过自研、投资、孵化等方式进入这一赛道。赛力斯在6月刚刚展示了首款人形机器人小赛；小鹏董事长何小鹏在6月10日发布内部信，宣布亲自兼任机器人业务CEO；比亚迪执行副总裁李柯也公开表示公司正在开发人形机器人。这股浪潮来得既快又集中，让人不禁要问，车企为什么要这么做？
为什么会以跑步进入具身智能？
其实这么多车企都开始入局具身智能，最直接的驱动力是来自整车行业的生存压力，乘联会数据显示，2025年中国汽车行业利润率降至4.1%，创下2015年以来的新低。进入2026年，情况并未好转，前两月行业利润率进一步降至2.9%。与此同时，177款车型官方降价，新能源汽车均价降幅达到11%。在存量竞争和价格战的双重挤压下，车企迫切需要找到新的增长点。
具身智能机器人市场就是一个很好的突破口，据IDC预测，2025年中国具身智能机器人用户支出规模超过14亿美元，到2030年将飙升至770亿美元，年均复合增长率高达94%。另据行业报告，2025年中国人形机器人市场规模已达35亿元，2030年有望突破千亿量级，目前中国人形机器人整机企业超140家，年出货量1.44万台，全球占比84.7%。这样的市场前景，对任何一家面临利润压力的车企来说都具有足够吸引力的。
图片源自：网络
但光有市场吸引力还不够，真正让车企敢于跨界的，是车辆与具身智能技术上的高度同源，中国电动汽车百人会秘书长张永伟就做过形象的比喻，智能汽车立起来，就是具身智能与人形机器人。其实这个说法还是有些道理的，因为人形机器人与智能汽车共享感知、决策、执行的核心技术框架。
在感知层，人形机器人所需的激光雷达、摄像头、毫米波雷达，与汽车的自动驾驶感知系统几乎可以无缝移植。在决策层，两者都依赖环境感知、路径规划与实时决策算法。在执行层，人形机器人的关节驱动、能量供给、感知控制等核心硬件，与智能汽车的关键零部件高度通用。有研究指出，汽车与机器人约有70%的技术可以复用，这意味着车企在智能驾驶领域多年的技术积累和研发投入，可以直接迁移到人形机器人上，边际成本远低于从零开始。
技术同源究竟同在哪里？
在芯片层面，人形机器人的本地推理需求与智能驾驶其实是高度相似的。小鹏IRON搭载的三颗自研图灵AI芯片，总算力可达到2250TOPS，这三颗芯片与智能驾驶系统共享同一计算平台。IRON全身约82个主动自由度，配合XPlanner运动规划与小脑控制，实现自然步态与复杂操作。何小鹏在内部信中明确表示，要将汽车业务积累的供应链、制造、品质能力毫无保留地复制到机器人业务上。
理想汽车则在2026年6月发布了自研AI芯片马赫M100，采用5纳米车规级工艺，单芯片算力达1280TOPS，双芯总算力为2560TOPS。理想方面称其为全球首款动态数据流AI芯片，架构论文已入选国际计算机体系结构顶会ISCA 2026。与传统指令集架构不同，数据流架构以数据流动驱动计算，实际运行效率超过82%，较传统指令驱动架构的40%至60%提升了20个百分点以上。理想汽车CTO谢炎解释，AI计算天然是并行的，数据是张量，关系是确定的，流动路径是清晰的，数据流架构正是为这种计算模式量身设计。
图片源自：网络
特斯拉也在推进AI5和AI6芯片的研发，AI5已于2026年4月流片，预计2027年量产，将用于人形机器人和数据中心；AI6芯片则由三星得州新厂代工，将率先应用于Optimus机器人和超算集群。从算力指标来看，行业正从单纯的算力堆砌转向效能优先，有研究指出机器人算力需求正从当前的200至500TOPS逐步提升至500至1000TOPS，但算法优化使得效率成为更重要的衡量指标。
车企在智能驾驶领域积累的端到端大模型技术也可以直接迁移，小鹏在2025年科技日发布了第二代VLA（Vision-Language-Action）大模型，这是一个既可跨域驱动AI汽车，也能驱动机器人和飞行汽车的通用物理世界模型。IRON首发搭载小鹏第一代物理世界大模型，通过VLT+VLA+VLM的高阶大小脑能力组合，实现操作、行走、交互三大高阶智能，其中第二代VLA模型可实现从视觉感知到动作控制的端到端自主决策。
理想的技术路线也同样清晰，其2025年将空间理解、语言理解与行动决策统一到同一模型框架，构建了基于VLA、世界模型与强化学习三大技术栈的VLA司机大模型。2026年3月，理想在NVIDIA GTC大会上发布了下一代自动驾驶基础模型MindVLA-o1。理想将技术体系具象化为一套完整的机器人架构，马赫VLA大模型是大脑，3D ViT感知模型是眼睛，马赫M100芯片是心脏，星环OS是神经系统，全线控底盘则是手脚。在CVPR 2026上，理想入选的12篇论文涵盖端到端规划、世界模型、强化学习等多个领域，其中世界模型领域有4篇论文入选，覆盖深度估计、三维重建、认知评估与安全预判四大方向。
随着技术演进，世界模型也逐渐成为行业的技术焦点，近段时间，世界模型相关的技术发布非常频繁，吉利发布了WAM世界行为模型，小鹏发布了X-World，小米汽车推出了Xiaomi Auto World Model，东风汽车则构建了以太极大模型为核心的一核双基双元智能化技术体系，太极大模型是业内首个通过国家生成式人工智能服务备案的车企自研大模型，依托东风擎天算力中台与高质量数据集，兼具多模态融合、高精度交互、全场景协同的技术特点。世界模型被学术界认为是实现通用人工智能的关键拼图，也被产业界视为突破具身智能泛化瓶颈的关键技术。
吉利汽车CTO李传海发布WAM时提出，VLA存在仅能匹配标准答案而缺乏规律性认知、依赖有限驾驶操作数据而非互联网海量视频、难以建模物理世界规律等三大局限。这也说明世界模型技术尚未收敛，各家车企仍在探索各自的路径，但共通之处在于大模型正成为驱动汽车和机器人的统一智能底座。
智能汽车的线控底盘、电驱动系统、精密控制技术同样可以被机器人复用。广汽在运动控制领域就走在了前面，其第三代具身智能人形机器人GoMate采用行业首创的可变轮足构型，同时具备两轮足和四轮足两种运行模式，可适应平坦路面和楼梯斜坡等地形，能耗较同类产品降低80%以上，续航达6小时。
图片源自：网络
广汽自研的驱动器重量仅40克，体积较行业平均水平缩小80%，灵巧手集成视觉与触觉传感器，可精准抓取各种物品。GoMate同时搭载自研纯视觉自动驾驶算法及FIGS-SLAM算法架构、云端多模态大模型、AI感知技术等，可实现秒级响应复杂指令。
2026年2月，广汽正式孵化成立广东慧仑科技有限公司，全面承接具身智能业务，已建立结构设计、系统平台、小脑运动控制算法、大脑智能感知决策算法等整机全栈自研能力，并实现轴向磁通电机、一体式关节模组、驱动器和灵巧手等核心零部件的自研突破。
小鹏IRON则采用仿生设计，全身约82个主动自由度，配合XPlanner运动规划与小脑控制，其运动控制系统与智能驾驶的规控算法在底层逻辑上相通，像是路径规划、避障、动态调整这些都是用的在汽车上验证过的算法框架，在机器人上只需调整执行对象即可复用。
上汽的能仔1号已在别克至境E7电池量产线上岗，承担电芯抓取、上料等工序，具备视觉感知、双臂协同、力控抓取等拟人特性，可自主完成电芯来料识别和抓取路径智能规划，无需依赖固定编程与来料的精确定位，其导航引导轨迹累计定位精度达到±0.1mm，占地面积不足传统自动工位的15%。
奇瑞的墨甲机器人则走了一条不同的商业化路径，其首款量产人形机器人墨茵是全球首款通过欧盟软硬件双重CE认证的人形机器人，已在全球30多个国家和地区、超百个场景实现商业化落地，墨甲智警机器人已完成千台签约与百台集中交付。
各家车企的技术路径有何不同？
虽然各车企都在布局具身智能，但各家车企的技术路径和侧重点并不相同。特斯拉是最早也是最激进的玩家，其Optimus已推进至第三代，2026年第二季度正式启动量产，其策略是复用FSD自动驾驶系统约60%的核心算法，走的是算法最大程度复用的路线。
小鹏汽车的人形机器人则被抬升至集团最高战略，并把当下比作八年前小鹏G3量产的前夜，IRON已在广州工厂P+生产线承担分拣、搬运、质检等工序，小鹏的独特之处在于将人形机器人纳入了物理AI的整体框架，与Robotaxi、飞行汽车并列为其三大具身智能产品。
图片源自：网络
广汽走的是产品矩阵路线，目前已推出第二代载人轮足机器人GoMove、服务机器人GoSide、第三代人形机器人GoMate及第四代人形机器人GoMate Mini，GoMate Mini采用全尺寸设计，双足站立高度1.70米，具备27个全身自由度，广汽还宣布孵化成立广东慧仑科技有限公司全面承接具身智能业务。
理想汽车则从组织层面入手，其基座模型部门近期新增了具身工程、具身交互、具身行为3个具身智能相关二级部门，2025年理想研发投入预计达120亿元，其中AI领域超过60亿元，理想将汽车定义为物理世界最大的机器人，围绕这个定义构建完整的具身智能技术体系。
东风汽车作为央企代表，选择从顶层设计入手，2025年已牵头建设汽车具身智能技术湖北省重点实验室，并发布天元智能技术品牌，2026年5月北京车展上进一步发布东方风起2030计划，推动汽车从执行指令的工具，进化为能感知、会思考、可自主行动的具身智能伙伴。
比亚迪则侧重产学研结合，2025年7月与香港科技大学成立香港科技大学-比亚迪具身智能联合实验室，计划在未来数年投入数千万港元支持运营，重点攻关数据驱动的具身智能研究，涵盖高效数据采集方法及操作与导航大模型训练技术。
数据与场景的价值同样不可忽视
除了技术复用，车企在具身智能领域还有另一个难以被替代的优势，那就是数据和场景。智能汽车在真实道路环境中积累的海量行驶数据，是训练具身智能模型的重要素材，这些数据包含了丰富的物理交互场景、极端工况和长尾案例，是任何实验室环境都无法复制的。小鹏的仓储机器人产生的操作数据，正在反哺其智能驾驶仿真系统的优化。这种双向的数据流动，构成了车企在具身智能领域的独特壁垒。
在应用场景方面，车企同样拥有天然的优势，譬如其自有工厂就是最直接的落地场景。上汽的能仔1号在电池产线上岗，小鹏的IRON在工厂承担分拣搬运，小米的人形机器人在汽车工厂实习执行自攻螺母上件和料箱搬运等任务。门店导购则是第二个场景，小鹏计划2027年一季度将IRON推入线下门店开展导购工作。奇瑞的墨甲机器人已在其4S店、博物馆、政务大厅等场所实际上岗。更远的应用场景还包括交警执勤辅助、医院导诊等公共服务，这些场景的共性在于，它们是车企已经拥有渠道和客户资源的地方，不需要从头开拓市场。
图片源自：网络
其实现在，车企入局具身智能处于先占坑、再验证的阶段。2025年部分A股汽车零部件企业年报显示，人形机器人业务对营收的贡献微乎其微，多数企业仍处于送样到批量生产的爬坡期。但技术同源降低了入场门槛，数据与场景优势提供了差异化竞争的可能，而市场的高速增长则给出了足够的时间窗口。这或许就是近20家车企集体涌向具身智能的真正原因，这也是在行业利润持续走低的压力下，基于自身技术积累做出的一次战略延伸。
审核编辑 黄宇
