核心判断：车企入局机器人，不是简单跨界追风，而是智能汽车产业向Physical AI的自然延伸。它们同时拥有可迁移的感知控制技术、复杂机器规模制造能力，以及最适合机器人率先落地的工厂场景。
过去几年，人形机器人赛道出现了一个明显现象：最积极的参与者，不只是机器人初创公司和互联网巨头，还有越来越多汽车企业。
特斯拉继续推进Optimus，并开始在弗里蒙特工厂建设生产线；小鹏计划在2026年底推动高阶人形机器人IRON量产；现代汽车集团依托Boston Dynamics开发Atlas，计划从2028年起在美国汽车工厂分阶段部署，并提出到2028年形成每年3万台机器人的生产能力。宝马、奔驰虽然没有直接下场制造整机，也分别与Figure AI、Apptronik合作，把人形机器人引入汽车生产环节。
车企为什么纷纷进入机器人行业？一个重要原因是，智能汽车与智能机器人之间的技术边界正在变得模糊。
技术边界正在变得模糊
今天的智能汽车已经不只是传统交通工具，而是一台在真实物理世界中运行的大型机器人。它需要通过摄像头、雷达和传感器感知环境，依靠计算平台和人工智能模型理解道路，再通过转向、制动和动力系统完成动作。人形机器人同样需要解决感知、决策、控制和执行问题，只是汽车在道路上移动，机器人还要完成行走、抓取和操作。
因此，车企在自动驾驶中积累的视觉感知、数据闭环、AI芯片、世界模型和运动控制能力，可以在一定程度上迁移到机器人。小鹏明确把汽车、Robotaxi和人形机器人纳入Physical AI体系，其IRON也沿用了智能汽车领域的部分AI能力。
车企真正擅长复杂机器量产
但技术复用只是第一层原因。车企更突出的优势，是拥有把复杂机器大规模制造出来的能力。
一台人形机器人包含电机、减速器、传感器、电池、控制器、结构件和大量线束，其复杂程度与新能源汽车供应链存在不少交集。汽车企业已经建立了供应商管理、质量检测、成本控制和规模生产体系，这些能力正是机器人初创公司最难在短期内补齐的部分。
现代汽车集团认为，其汽车级设计能力、零部件体系和制造网络能够帮助Boston Dynamics推动Atlas商业化。特斯拉也在尝试为Optimus重新建立电机、齿轮、传感器和灵巧手供应链。马斯克近期承认，人形机器人量产可能是特斯拉经历过的最困难制造挑战之一。
汽车工厂就是机器人的实训场
更关键的是，车企自己就拥有机器人最现实的首批应用场景——汽车工厂。
相比家庭，汽车生产线的环境更稳定，任务更容易定义，投资回报也更容易计算。机器人可以先从零部件搬运、物料排序、上下料和重复性装配入手，在真实生产中采集数据、发现故障并改进产品。
宝马披露，Figure 02曾在美国斯帕坦堡工厂工作约1250小时，搬运超过9万个零部件，并参与超过3万辆宝马X3的生产。宝马此后继续引入Figure 03，并在德国工厂建设Physical AI软件和数据能力。
这意味着，汽车工厂不仅是机器人的潜在客户，还是车企训练机器人的“实训场”。车企可以先在内部验证安全性、可靠性和经济性，再考虑向外部制造、物流和服务行业扩展。
从增长曲线到商业化考试
当然，车企入局机器人还有更深层的战略考虑。新能源汽车行业竞争日益激烈，单纯依靠整车销售获得增长越来越困难。自动驾驶、Robotaxi和机器人，正在成为车企寻找下一条增长曲线的重要方向。
但这并不意味着所有车企都能顺利完成从“造车”到“造人”的跨越。
人形机器人需要解决灵巧手、复杂地形运动、长时间可靠运行以及开放环境泛化等问题，这些难度并不能简单依靠汽车技术解决。汽车生产线也已有大量机械臂和专用自动化设备，人形机器人只有在柔性、部署成本和任务切换能力上展现出明显优势，客户才有理由购买。
因此，车企进入机器人行业，并不意味着人形机器人已经到了全面商业化的阶段。当前更现实的路径，仍然是先在自身工厂完成验证，从少量、固定和重复性任务开始，逐步积累运行数据。
机器人电报判断
车企纷纷入局机器人，本质上不是一次简单的跨界追风，而是汽车产业在智能化之后自然向Physical AI延伸。
它们拥有可以迁移的感知和控制技术，拥有成熟的电机、电池与零部件供应链，也拥有最适合机器人率先落地的工厂场景。这些条件，让车企成为人形机器人产业中少数能够同时提供技术、制造、数据和客户的参与者。
但车企真正的优势，不在于发布一台会走路的机器人，而在于能否像制造汽车一样，把机器人稳定地生产出来，并证明它在工位上的价值。
从造车到“造人”，最难的不是跨过产品边界，而是把汽车工业积累的规模能力，真正转化为机器人可以持续兑现的生产力。
机器人电报评论
关注全球机器人产业、具身智能与制造业现场，记录从汽车智能化到Physical AI落地的关键变化。
核心判断：车企入局机器人，不是简单跨界追风，而是智能汽车产业向Physical AI的自然延伸。它们同时拥有可迁移的感知控制技术、复杂机器规模制造能力，以及最适合机器人率先落地的工厂场景。
过去几年，人形机器人赛道出现了一个明显现象：最积极的参与者，不只是机器人初创公司和互联网巨头，还有越来越多汽车企业。
特斯拉继续推进Optimus，并开始在弗里蒙特工厂建设生产线；小鹏计划在2026年底推动高阶人形机器人IRON量产；现代汽车集团依托Boston Dynamics开发Atlas，计划从2028年起在美国汽车工厂分阶段部署，并提出到2028年形成每年3万台机器人的生产能力。宝马、奔驰虽然没有直接下场制造整机，也分别与Figure AI、Apptronik合作，把人形机器人引入汽车生产环节。
车企为什么纷纷进入机器人行业？一个重要原因是，智能汽车与智能机器人之间的技术边界正在变得模糊。
技术边界正在变得模糊
今天的智能汽车已经不只是传统交通工具，而是一台在真实物理世界中运行的大型机器人。它需要通过摄像头、雷达和传感器感知环境，依靠计算平台和人工智能模型理解道路，再通过转向、制动和动力系统完成动作。人形机器人同样需要解决感知、决策、控制和执行问题，只是汽车在道路上移动，机器人还要完成行走、抓取和操作。
因此，车企在自动驾驶中积累的视觉感知、数据闭环、AI芯片、世界模型和运动控制能力，可以在一定程度上迁移到机器人。小鹏明确把汽车、Robotaxi和人形机器人纳入Physical AI体系，其IRON也沿用了智能汽车领域的部分AI能力。
车企真正擅长复杂机器量产
但技术复用只是第一层原因。车企更突出的优势，是拥有把复杂机器大规模制造出来的能力。
一台人形机器人包含电机、减速器、传感器、电池、控制器、结构件和大量线束，其复杂程度与新能源汽车供应链存在不少交集。汽车企业已经建立了供应商管理、质量检测、成本控制和规模生产体系，这些能力正是机器人初创公司最难在短期内补齐的部分。
现代汽车集团认为，其汽车级设计能力、零部件体系和制造网络能够帮助Boston Dynamics推动Atlas商业化。特斯拉也在尝试为Optimus重新建立电机、齿轮、传感器和灵巧手供应链。马斯克近期承认，人形机器人量产可能是特斯拉经历过的最困难制造挑战之一。
汽车工厂就是机器人的实训场
更关键的是，车企自己就拥有机器人最现实的首批应用场景——汽车工厂。
相比家庭，汽车生产线的环境更稳定，任务更容易定义，投资回报也更容易计算。机器人可以先从零部件搬运、物料排序、上下料和重复性装配入手，在真实生产中采集数据、发现故障并改进产品。
宝马披露，Figure 02曾在美国斯帕坦堡工厂工作约1250小时，搬运超过9万个零部件，并参与超过3万辆宝马X3的生产。宝马此后继续引入Figure 03，并在德国工厂建设Physical AI软件和数据能力。
这意味着，汽车工厂不仅是机器人的潜在客户，还是车企训练机器人的“实训场”。车企可以先在内部验证安全性、可靠性和经济性，再考虑向外部制造、物流和服务行业扩展。
从增长曲线到商业化考试
当然，车企入局机器人还有更深层的战略考虑。新能源汽车行业竞争日益激烈，单纯依靠整车销售获得增长越来越困难。自动驾驶、Robotaxi和机器人，正在成为车企寻找下一条增长曲线的重要方向。
但这并不意味着所有车企都能顺利完成从“造车”到“造人”的跨越。
人形机器人需要解决灵巧手、复杂地形运动、长时间可靠运行以及开放环境泛化等问题，这些难度并不能简单依靠汽车技术解决。汽车生产线也已有大量机械臂和专用自动化设备，人形机器人只有在柔性、部署成本和任务切换能力上展现出明显优势，客户才有理由购买。
因此，车企进入机器人行业，并不意味着人形机器人已经到了全面商业化的阶段。当前更现实的路径，仍然是先在自身工厂完成验证，从少量、固定和重复性任务开始，逐步积累运行数据。
机器人电报判断
车企纷纷入局机器人，本质上不是一次简单的跨界追风，而是汽车产业在智能化之后自然向Physical AI延伸。
它们拥有可以迁移的感知和控制技术，拥有成熟的电机、电池与零部件供应链，也拥有最适合机器人率先落地的工厂场景。这些条件，让车企成为人形机器人产业中少数能够同时提供技术、制造、数据和客户的参与者。
但车企真正的优势，不在于发布一台会走路的机器人，而在于能否像制造汽车一样，把机器人稳定地生产出来，并证明它在工位上的价值。
从造车到“造人”，最难的不是跨过产品边界，而是把汽车工业积累的规模能力，真正转化为机器人可以持续兑现的生产力。
关注全球机器人产业、具身智能与制造业现场，记录从汽车智能化到Physical AI落地的关键变化。