从汽车产业迈向具身智能:共通性与差异化布局的深度探索

佐思汽研发布《2024-2025年主机厂与供应商布局具身智能(及AI机器人)的趋势分析报告》。

一、布局具身智能：主机厂与供应商的多元路径

在具身智能浪潮下，汽车产业链的主机厂和供应商纷纷入局，积极探索适合自身的发展策略。当下，布局方式主要分为自研、合作研发、投资以及合作探索应用这几类，每种方式都各有优劣，企业需依据自身资源、技术实力和市场目标来抉择。

简单来说，具身智能（Embodied Artificial Intelligence, EAI）是一种基于物理身体进行感知和行动的智能体（Agent），它就像赋予机器人一个能与环境交互的 “身体”，使其能像人类一样通过观察、移动、说话来学习和执行任务 。这一概念的兴起，为汽车产业带来了前所未有的机遇与挑战。

01

技术发展一脉相承，车企加速部署人形机器人：

车企布局具身智能的核心逻辑在于技术复用、供应链协同、市场增量挖掘。同时，智能驾驶技术（如感知算法、决策模型）与具身智能高度同源，车企可将自动驾驶积累的AI能力迁移至机器人开发，降低研发成本。未来，随着硬件成本下降与大模型能力提升，具身智能将从工业场景逐步渗透至消费领域，成为车企智能化转型的关键支柱。

主机厂具身智能赛道布局情况

来源：佐思汽研《2024-2025年主机厂与供应商布局具身智能(及AI机器人)的趋势分析报告》

2024年11月6日，小鹏汽车“AI科技日”上，小鹏汽车亮相了全新一代人形机器人“Iron艾伦”，该款人形机器人已经进入小鹏汽车广州工厂进行了小鹏P7+车型的生产实训，未来将会聚焦在工厂和线下门店等场景。

Iron采用仿人结构设计，身高178cm，体重70kg，采用1:1人类双手尺寸设计，拥有15个自由度，支持触觉反馈；它拥有超过60个关节，可以模拟人类的多种动作，如站立、躺卧、坐等；

Iron搭载了小鹏 AI 鹰眼视觉系统，实现了720°无死角的环境感知能力，还运用了端到端大模型和强化学习算法

搭载与小鹏汽车同款的小鹏天玑AIOS系统，给机器人流畅自由对话的能力，有记忆、能推理

采用了一款名为图灵AI芯片的核心技术，该芯片专为大模型定制，拥有40核处理器，算力为3000T，这款芯片是首颗可同时应用于AI汽车、AI机器人和飞行汽车的芯片。

来源：小鹏汽车

02

供应商全面发力，深度布局具身智能产业链

汽车供应商依托既有硬件技术（如传感器、芯片、电机）和供应链资源，向具身智能领域延伸，核心逻辑在于技术复用与协同降本。例如，激光雷达厂商速腾聚创将车载感知方案适配至机器人，实现环境建模能力的迁移；电机企业复用汽车动力总成技术开发高密度关节驱动模块。其优势在于成熟的制造经验和客户网络，但需应对机器人场景对硬件灵活性的严苛要求。

供应商具身智能赛道布局情况

来源：佐思汽研《2024-2025年主机厂与供应商布局具身智能(及AI机器人)的趋势分析报告》

2025年1月3日，RoboSense速腾聚创“Hello Robot”2025 AI机器人全球线上发布会，首次全面呈现了RoboSense速腾聚创的机器人技术平台公司战略，并发布了多款数字化激光雷达，推出机器人视觉产品，以及一系列面向机器人的增量零部件及解决方案。

在发布会上，速腾聚创推出具有20自由度的第二代灵巧手，最大负载5千克，在指尖指腹和手掌上共有14个力传感器，配合机械臂及其控制系统，可灵活复刻人手的精细动作和操作，例如精细地拿起鸡蛋、捡起螺丝钉等。

来源：速腾聚创

此外，速腾聚创首次展示了自研的人形机器人整机，该机被定义为机器人通用零部件开发平台，是各项机器人增量零部件及解决方案的研发“母机”。立足于整机，速腾聚创将聚焦于机器人的视觉、触觉、关节三类增量零部件领域，为机器人行业赋能。此次速腾聚创还公布了适用于足式机器人的末端运动控制的力传感器FS-3D、高功率密度直线电机LA-8000和高集成化、小体积、大算力、低功耗的机器人域控制器DC-G1等产品。

速腾聚创机器人增量零部件

03

自动驾驶领域技术人才入局具身智能

从业者转型的核心驱动力是技术路径趋同与行业红利转移。自动驾驶行业L4商业化遇阻后，资本与人才向具身智能倾斜，而两者在感知算法、决策模型（端到端强化学习）上高度重叠，算法经验可直接迁移。从业者优势在于AI算法积累和快速迭代能力，但需补足机械控制（如力反馈、运动规划）等硬件交互知识，且面临技术路线不确定性与商业化验证风险。其目标是通过软硬件协同创新，抢占具身智能早期技术制高点。

智能驾驶从业人员转型具身智能赛道情况

来源：佐思汽研《2024-2025年主机厂与供应商布局具身智能(及AI机器人)的趋势分析报告》

2023年11月，文远知行前COO张力宣布加入逐际动力（LimX Dynamics），担任首席运营官（COO）。张力在自动驾驶领域拥有丰富的经验，曾领导文远知行在RoboTaxi商业化落地和技术研发方面取得显著成绩。他的加入标志着逐际动力在具身智能领域的进一步发力，也反映了自动驾驶与具身智能两大前沿技术领域的深度融合趋势。

2024年10月逐际动力推出“三合一” 模块化足端设计多形态双足机器人TRON 1，专为复杂环境下的移动与操作任务设计。TRON1采用了先进的运动控制算法和高精度传感器融合技术，能够在非结构化地形（如楼梯、碎石路）中稳定行走，并完成爬坡、越障等高难度动作。其模块化设计允许用户根据任务需求灵活配置功能模块，例如搭载机械臂进行抓取操作，或集成视觉传感器用于环境感知与导航。TRON1的核心优势在于其高度灵活的运动能力和强大的环境适应性，使其在工业巡检、应急救援、物流配送等领域具有广泛的应用潜力。

多形态双足机器人TRON 1

二、机器人与汽车产业：异同交织下的协同发展

01

产业相通性：技术与供应链的协同基础

硬件层面：机器人和汽车产业在硬件零部件方面存在着高度的相通性。电机、传感器、减速 / 转换机构、电池、轴承、结构件、冷却系统、控制器、芯片等硬件，在两个产业中都有着广泛的应用。以特斯拉 Optimus 为例，其在设计中大量借鉴了汽车的硬件技术。

以特斯拉为例，Optimus每个（共14个）旋转关节使用2个角接触球轴承、1个交叉滚子轴承；每个（共14个）线性关节使用1个四点接触轴承、1个滚珠轴承。这4种轴承在汽车产业已经广泛使用。

Optimus旋转执行器

图片来源：特斯拉

传感器方面：激光雷达、摄像头、毫米波雷达等在汽车自动驾驶和机器人导航中都起着关键作用。汽车借助激光雷达精准探测前方障碍物、识别道路边界，实现自动驾驶；AI机器人则依靠激光雷达扫描周边环境，灵活避障、精准导航。此外，控制器作为 “智慧大脑”，汽车的电子控制单元（ECU）和机器人的运动控制器在底层逻辑上殊途同归，都是接收传感器信号，依据预设算法迅速运算，向执行器下达指令 。

小鹏Iron人形机器人使用的鹰眼视觉系统具体技术细节主要依赖于小鹏的智驾体系，该系统结合了端到端大模型和强化学习算法。这种视觉系统使得Iron能够在720°范围内无死角地观察周围环境。

小鹏AI鹰眼视觉系统

软件技术：车企在自动驾驶领域积累的算法能力为具身智能的发展提供了宝贵的经验。人形机器人自主处理任务和汽车自动驾驶的本质都是 “感知 — 决策 — 执行” 的过程，两者在模型层面存在一定互通性。在路径规划、运动轨迹预测等关键算法上，智能驾驶的算法能够复用于人形机器人 。

例如，特斯拉将 FSD 自动驾驶系统中的视觉、导航和 AI 算法技术应用于 Optimus，使其具备了环境感知和自主决策能力。受益于Dojo计算机等特斯拉日益强大的AI训练能力和自动驾驶场景模拟系统，特斯拉机器人在出厂前就将具备对环境路径、周围物体的识别和路径规划能力。

供应链：汽车供应链的成熟经验也为机器人产业的发展提供了有力支持。机器人产业链与汽车供应链在部分零部件技术上同源，如电池、电机、轴承等产品在车端和机器人端差异较小。车端供应链经过长期发展，具备大规模自动化生产经验，能够帮助机器人实现量产降本 。

02

产业差异性：市场需求与技术重点的差异

供应链—零部件定制化程度：

汽车：汽车零部件虽种类繁多，但由于汽车标准化生产程度高，许多零部件通用性较强，可大规模生产以降低成本。

机器人：具身智能产品应用场景多样，形态和功能差异大，导致零部件定制化程度高。如用于医疗手术的机器人与家庭清洁机器人，其关节结构、传感器配置等零部件因功能需求不同而有很大差异，难以实现大规模标准化生产

供应链—响应速度：

汽车：汽车生产周期较长，从设计到量产可能需要数年时间，供应链相对稳定，对响应速度要求并非极短周期。汽车制造商通常会提前规划生产计划，与供应商签订长期合同，确保零部件稳定供应。

机器人：市场需求变化快，技术更新迭代迅速，要求供应链具备更快的响应速度。如消费级的智能机器人，一旦市场出现新的功能需求或技术突破，制造商需迅速调整产品设计

硬件技术—集成度与复杂度：

汽车：汽车是一个高度集成的复杂系统，众多硬件组件紧密协作。发动机/电机系统、电驱系统、电池系统、变速器、底盘、电气系统等，每个子系统都有其复杂的设计和功能，且需相互适配。

机器人：虽然也涉及多硬件协同，但集成方式和重点不同。具身智能产品可能更侧重于特定功能模块的集成，如机器人关节模块集成电机、传感器与控制器。

硬件技术—能源存储：

汽车：新能源汽车以动力电池为主要能源存储设备，如锂离子电池。其电池容量需求大，通常以千瓦时（kWh）为单位计量，目的是支撑车辆实现较长的续航里程，一般在几百公里左右。

机器人：能源存储硬件多样且灵活，依据产品功能和应用场景选择。与新能源汽车相比，具身智能产品能源存储硬件更注重小型化、轻量化以及对不同任务场景的适配性，而非单纯追求高续航里程。

软件技术—算法与数据处理：

汽车：在自动驾驶领域，算法侧重于环境感知与决策规划，如目标检测与识别算法用于识别道路上的车辆、行人等，路径规划算法根据感知信息规划安全行驶路径。数据处理主要围绕车载传感器收集的路况信息，数据量巨大但类型相对固定。

机器人：算法涵盖更广泛领域，除环境感知与运动规划外，还包括自然语言处理、情感识别等交互算法。数据来源多样，不仅有传感器数据，还可能涉及用户交互数据、云端数据等。

03

布局之路：主机厂与供应商的关键考量

技术研发与创新：

加大在具身智能核心技术上的投入，如大模型、传感器融合、运动控制、人机交互等领域。像特斯拉在 Optimus 的研发中，不断优化 FSD 技术迁移后的效果，提升机器人的感知和决策能力；华为持续迭代盘古具身智能大模型，增强其任务规划和多场景泛化能力。

车企与供应商在布局具身智能领域时，应避免“重复造轮子”的研发方式，汽车产业与机器人产业在诸多层面存在显著的通用性。在供应链方面，二者所需的原材料与零部件供应渠道多有重合，整合供应链资源可大幅降低采购成本与管理难度。软件技术层面，AI大模型与深度学习算法是具身智能实现的核心驱动力，共享这些技术成果能加速研发进程。硬件技术上，传感器用于感知环境，电机、齿轮、轴承等负责动力传输与机械运动，二者高度相似 ，统一技术标准和研发方案，可减少重复研发投入。

市场需求与应用场景拓展：

具身智能作为新兴领域，市场需求和应用场景仍在不断探索和拓展。企业应加强市场调研，深入了解不同行业和用户的需求特点，针对性地开发产品和解决方案。积极与潜在客户合作，开展试点项目和应用示范，积累市场经验，提高产品的市场适应性和竞争力 。

除了常见的工业制造、物流仓储、家庭服务等场景，积极探索具身智能在医疗、教育、农业等领域的应用潜力。比如，研发用于医疗康复的辅助机器人、教育陪伴的智能机器人、农业生产的采摘和耕种机器人等。通过拓展应用场景，扩大市场份额，降低对单一市场的依赖。