特斯拉的下一场豪赌，汽车工业的新战场 封面故事：车企抢入机器人赛道(六)

　　车企正集体布局机器人、具身智能赛道。它能否成为车企下一代智能终端的战略卡位和新增长曲线？车企跨界入局动因多元，技术同源、资源共享是先天优势。目前其正从表演模式转向作业模式，从技术验证期逐渐走向规模化应用阶段。但当前机遇与挑战同在，技术升级、规模化应用之路尚需突破诸多障碍。机器人产业顶层设计蓝图已绘就，正待车企开创全新局面。

　　围绕车企布局机器人赛道，《汽车纵横》特作本期“封面故事”专题报道。本专题报道共6篇，今天发布第6篇，敬请关注。

　　从Optimus到Atlas，再到宝马工厂的人形机器人试点，汽车企业正成为具身智能产业化的重要推动者。不同路径背后，一场关于制造业未来的竞赛已经开始。

　　过去十余年间，汽车产业经历着电动化、智能化与软件定义汽车的连续变革。而在2026年，一个新的变化正在出现：越来越多的汽车企业开始成为人形机器人产业的重要推动者。从特斯拉加速推进“擎天柱（Optimus）”量产，到现代汽车依托波士顿动力探索机器人商业化，再到宝马将人形机器人引入真实生产体系，汽车企业正在从机器人技术的使用者，逐渐转向产业规则的深度参与方。

　　这些动作背后并非可用简单的业务延伸来解释。人形机器人所需要的核心能力：精密制造、供应链管理、规模化生产、长期资本投入以及复杂系统集成等恰恰是汽车工业过去百年积累最深厚的能力。某种意义上，人形机器人正在成为继电动汽车之后，汽车工业试图重新定义的下一类工业产品。

　　而特斯拉、现代和宝马所选择的不同路径，也折射出产业界对于具身智能商业化最核心的“分歧”：机器人究竟是一种新的消费与工业产品，还是下一代制造工具？

　　理解特斯拉在机器人领域的雄心，必须先理解埃隆马斯克的叙事逻辑。

　　马斯克曾多次公开表示，擎天柱的长期价值可能超越特斯拉的汽车业务本身。他甚至直接将其与公司估值挂钩，称“不理解擎天柱的人，就不理解特斯拉的未来”。这是他对人形机器人市场规模的一种判断：全球劳动力市场的价值量级远超电动车，如果机器人能够替代甚至超越人类劳动，那么这个市场的天花板几乎不可估量。

　　然而，并非所有人都买账。华尔街分析师社群对此看法分歧。摩根士丹利分析师亚当乔纳斯是特斯拉机器人业务的坚定看多者，他的团队认为“擎天柱”业务在十年内有望贡献特斯拉估值的相当大比例，是其“价值重估”逻辑的核心驱动之一。但也有不少机构分析师持保留态度高盛在一份研究报告中指出，人形机器人的商业化时间线历史上屡次被高估，特斯拉的量产目标在供应链和可靠性层面存在尚未充分披露的执行风险。

　　正是在这种争议背景下，特斯拉采取了最激进的产品化路线。第三代擎天柱最具代表性的技术突破，不在于硬件规格，而在于控制架构的转变。特斯拉将其在全自动驾驶（FSD）领域积累的端到端神经网络方法，迁移到了机器人控制系统中，并集成了大语言模型的语义理解能力。

　　这意味着什么？传统工业机器人的控制逻辑是“规则驱动”的：工程师需预先编写每一个动作的精确指令，机器人按照固定程序执行。这种方式效率高、可靠性强，但适应性极差，换一个任务往往需要重新编程。而特斯拉的端到端方案，更接近人类学习的方式：机器人通过大量示范数据“观察”人类如何完成任务，然后自主生成完成该任务的行为策略。特斯拉AI团队在相关技术文档中将这一能力描述为“从观察到行动的闭环”，即机器人不查找规则手册，而是依靠推理来应对从未见过的物体和场景。

　　硬件层面，第三代擎天柱同样完成了显著升级：灵巧手自由度的成倍提升能够完成精密的物体操作；新型运动控制算法让其行走和转弯更加稳定。配合压力传感器系统，机器人能感知并适应不同硬度和形状的接触面。这些参数均对应着真实工厂场景的刚需：毕竟，一台不能处理不规则零件、在湿滑地面容易摔倒的机器人，无法胜任真实生产任务。

　　外界对这套方案的评价不一。当前，端到端方法在泛化能力上确实具有理论优势，但“脆弱性”同样不可忽视，因为模型在训练分布之外的表现难以预测，这在高安全性的工业环境中是一个不容回避的问题。特斯拉则用持续扩大的内部部署规模来回应质疑：更多机器人在更复杂场景中工作，产生更多失败案例和修正数据，本身就是解决脆弱性的路径。

　　特斯拉的核心优势之一，是它能把造车的思维方式应用到造机器人上。其对弗里蒙特工厂的改造是这一战略最直观的体现，在工厂内部设立专门的机器人生产验证区域，这一决策背后所隐含的战略优先级排序是：未来的利润来源，不是豪华电动车，而是具身机器人。

　　特斯拉德克萨斯州超级工厂的第二生产基地规划进一步印证了这一判断。其目标不是每年生产几百台机器人供研究机构使用，而是真正意义上的“百万台级”量产。这个数字在今天听来依然接近天方夜谭，但如果回想2012年特斯拉宣布Model 3年产百万辆目标时同样遭受的质疑，或许应当保持更多开放性。

　　当然，量产的前提是成本控制。特斯拉具身机器人的目标售价是2至3万美元，这个价位约相当于一辆特斯拉Model Y，是目前市场上高端工业机器人报价的十分之一。实现这一目标的路径，依赖于规模效应压低零部件成本、以及对汽车制造供应商网络的充分复用。特斯拉多年来在电机、电池管理、传感器等核心零部件上构筑的供应链体系，为机器人制造提供了现成的基础设施。

　　供应链专家普遍指出，汽车企业的供应链复用优势是真实的，但机器人对零部件良品率和一致性的要求，比汽车更加严苛。毕竟一辆车偶尔有一个小问题可以召回修复，但在工厂里与人并肩工作的机器人，任何意外失效都可能造成安全事故。这意味着特斯拉在压缩成本的同时，必须同步建立更高标准的质量管控体系，而这两者之间存在天然矛盾。

　　另一方面，2026年，特斯拉在内部已部署上千台擎天柱，主要用于工厂物流和电池组装。这个数字在媒体报道中常被解读为“商业化进展”，但从战略视角看，其更深层的意义在于数据采集。毕竟，其内部部署的每一台机器人，都是一个数据生成节点。它们在真实工厂环境中执行任务，遭遇失败，反馈数据，驱动模型迭代。这是一个自我强化的训练循环：越多机器人在越复杂的场景中工作，模型的能力就越强；模型越强，机器人就能处理越复杂的任务，进而部署到更多场景。

　　这套飞轮逻辑，与特斯拉在FSD领域的成长路径高度相似。特斯拉前AI总监安德烈卡尔帕西曾多次提及，特斯拉的核心竞争壁垒不是硬件，而是规模化的真实世界数据；其这一判断虽针对FSD，但其逻辑同样适用于机器人领域。现在，工厂里的擎天柱机群，正在为下一代具身智能模型提供“原料”。

　　不过，特斯拉工厂工人的感受，在这场讨论中常被忽视。也有报道提及，部分弗里蒙特工厂员工对与机器人“混编”工作表示了适应期内的不适，不是因为担心失业，而是因为机器人的行为有时仍难以预判，在动线交叉时需要工人主动避让。特斯拉工程团队正在通过改进机器人的意图表达能力来缓解这一问题，但人机协作的流畅性仍有待磨合。

　　如果说特斯拉走的是“大众化”的产品原生路线，那么现代汽车与宝马集团则代表了传统汽车巨头的另一种典型抉择：依托成熟的全球供应链与外部生态，将人形机器人精准嵌入现有的制造与服务体系。它们不急于重新发明轮子，而是通过收购、跨界合作和局部试点，试图在硬件极限与工程落地之间找到更务实的平衡点。

　　现代汽车走的是“技术旗舰与商业创新”路线。这一路线年收归旗下的波士顿动力。2026年全面走向台前的全电动版Atlas，代表着仿生机器人领域最具代表性的动力学控制积累之一。与特斯拉擎天柱强调的端到端AI推理不同，Atlas在非结构化地形的适应能力、动作流畅度以及复杂装配任务的动作级控制上，展现出了硬件极致主义的绝对优势。

　　现代的野心在于将极致的硬件资产转化为可持续的商业护城河。为此，现代一方面联合谷歌DeepMind整合AI生态，通过强化学习赋予机器人认知推理能力，补齐软件短板；另一方面，集团打破传统的硬件售卖模式，激进地推行“机器人即服务”（RaaS）的订阅制商业化探索。随着首批Atlas在现代自身工厂落地，现代正试图向全球制造业输出可租赁的“高级机器人工时”。

　　相比现代的强攻，宝马集团则提供了另一种审慎务实的欧洲制造业风格。宝马既没有自建机器人品牌的宏大计划，也没有宣布百万台级的量产预期，其核心策略是：选择最合适的外部合作伙伴，在真实产线上进行受控试点。在欧洲制造业典型的审慎风格下，人形机器人不是现有自动化体系的颠覆者，而是人机协作框架下的效率补充。

　　宝马的布局呈现出鲜明的工程师文化和“先难后易”的部署逻辑。通过引入硅谷初创公司Figure的Figure 02，宝马在斯帕坦堡工厂率先通过了工序验证，让机器人在高价值、高精密工序中经受真实产线的耐久性测试；同时，宝马引入海克斯康的Aeon轮式人形机器人，利用轮式平台在平整地面上的高稳定性与移动效率，规避了双足平衡的控制风险。其在2026年夏季莱比锡工厂的全面测试，标志着这类试点正式迈向真实部署。宝马将机器人精准锁死在“单调重复、人体工学高风险、高压电气危险”的三类工序上，让人负责异常处理与质检。这种渐进式策略不仅对冲了技术路线未明朗时的资产减值风险，也比“机器人替代劳动力”的激进叙事更容易通过欧洲《人工智能法案》等严苛的监管与工会框架。

　　将这三家车企放在同一坐标系下审视，一条比较清晰的分界线正将产业划分为两大阵营：机器人业务，究竟是以特斯拉为代表的“独立产品与生态平台”方向，还是以现代、宝马等为代表的“制造及优化工具”方向？

　　特斯拉的答案最为明确：机器人是独立的核心产品线，面向外部市场销售，目标是建立新的平台生态。在马斯克的叙事中，“擎天柱”是面向外部海量市场的独立核心产品，其终极目标是建立全新的具身智能生态平台。华尔街分析师将其视为特斯拉“价值重估”的核心。而现代与宝马则构成了“制造与服务整合阵营”。现代的定位介于两者之间，通过RaaS（机器人即服务）将机器人定义为可输出的工业服务能力，其本质仍是车企“超越汽车”的战略延展；宝马则纯粹将机器人视为“制造优化迭代工具”，不构独立商业模式，核心价值在于解决自身生产的结构性短缺与安全痛点。

　　从产业分析视角看：阵营的分化正决定着其商业胜出维度截然不同：独立产品阵营（特斯拉）最快看到估值重估，而整合阵营（现代、宝马）则更易在高价值工业场景或欧洲制造业中形成示范效应、推进试点。

　　尽管路线殊途，两大阵营的工业愿景之一却高度一致：“黑灯工厂”。人形机器人的出现，让制造设施摆脱了传统机械臂固定轨道的束缚，能直接复用人类的工具与工位，使全自动化的大规模落地成为可能。

　　首先，是技术红利与用工转型的矛盾。当前推进企业普遍强调机器人旨在“减轻员工负担”，但技术成熟后的经济理性必然导向劳动力替代。麦肯锡全球研究院在多份报告中持续估计，到2030年全球将有数千万工厂岗位面临实质性变化，对依赖低成本人工的发展中国家冲击尤甚。具身机器人威胁的是需要场景适应能力的半技能工种，而这恰恰是制造业工人中占比最高的群体。这种“技术红利”与“用工转型”的撕裂，在政策层面引发了分化：欧盟正依托《人工智能法案》加快收紧工业机器人的安全与工人保护条款；而美国联邦层面则呈现政策真空。监管的不确定性，正成为阻碍阵营扩张的最大外部变量。

　　其次，是通用工业智能愿景与技术天花板的脱节。两大阵营都受制于底层技术的结构性瓶颈。一是“灵巧性的天花板”，诸如缝合电线束、处理柔性材料等精细动作，对机器人依然是工程难题。业界普遍认为，触觉与力觉的融合判断，即让机器人真正地“感知”接触，是当前机器人学最难攻克的关卡之一，远比运动控制更加棘手。二是“通用智能的鸿沟”，现有的控制系统在特定、固定任务上表现良好，但面对倒下的货架、未知形状的零件等非结构化“意外”时仍然极其脆弱。大模型与具身控制的融合尽管进展迅速，但目前仍普遍处于受控场景下的能力验证阶段，距离能够应对真实工厂复杂性的通用工业智能，仍存在跨代技术鸿沟。

　　最后，是商业总拥有成本（TCO）与软硬件寿命的错配。特斯拉宣称的2万至3万美元售价，若计入维护、培训和系统集成费用，其实际TCO在五年期内仍高于传统自动化设备。当前一些观点认为，只有当机器人能高频切换任务时，其灵活性溢价才能覆盖成本。更严峻的行业系统性问题在于“大脑”与“身体”的错配：AI模型可以通过OTA周级迭代，但昂贵的物理执行器和硬件寿命却长达数年。企业今天买入的机器人，可能在三年后就面临硬件能力无法承载新算法的尴尬境地。这种软硬件迭代周期的错配，正极大地抑制着供应链下游的真实采购意愿。

　　汽车业的结构性优势供应链、制造文化、对长周期资本的耐受力固然重要，但更深层的原因，是它们比任何其他行业都更迫切地需要机器人来解决自身问题。老龄化社会导致的劳动力短缺正在逐步侵蚀制造业用工市场；电动车转型带来的装配工艺变革，需要更灵活的生产线配置；全球贸易摩擦推动的制造业回流，则面临发达国家人力成本居高不下的现实约束。

　　换言之，汽车公司投入机器人，既为了解决自己的问题，也是发现了一个新市场。

　　这种“自用驱动的外溢商业化”模式，与亚马逊AWS的发展路径惊人相似：彼时，亚马逊最初建设云基础设施是为了支撑自身电商业务，后来发现这套能力可以卖给所有人，由此创造了一个规模超越零售业务的新增长引擎。特斯拉最敏感的投资者，已经开始用类似的逻辑重新评估擎天柱的潜在价值贡献。

　　从产业格局的角度看，人形机器人的大规模产业化，将带来制造业生产方式的根本性重构。在劳动力成本不再是主要变量的世界里，制造业区位决策的逻辑将发生改变；品牌、设计、供应链灵活性和交付速度，将成为比廉价劳动力更重要的竞争维度。这对全球制造业格局的影响，远比任何一次关税调整更深远。

　　特斯拉、现代、宝马，选择了不同的速度和角度切入同一个赛道。各自路线之间，并无绝对的胜负之分，有的只是不同的赌注和不同的时间表。它们的成败，不仅取决于自身的技术和执行能力，还将受到通用AI突破节奏、监管框架成型速度、以及整个制造业客户接受程度的共同塑造。2026年是关键的一年，但还不是答案揭晓的一年。

　　注：本文首发于《汽车纵横》杂志2026年7月刊“封面故事”栏目，敬请关注。

　　原文标题:特斯拉的下一场豪赌，汽车工业的新战场 封面故事：车企抢入机器人赛道(六)

　　小米澎程发布会在即，雷军还能续写“神线半年报 电动两轮车：上半年内销量下滑12.6%，谁在逆势暴涨？

　　马斯克为什么可能出售中国业务？Tesla × SpaceX背后，一场押注AI未来的超级豪赌

　　上半年车企利润率仅3.8%！乘联会：受上游挤压，车企必加速自造电池 明镜pro星空体育官方网站