半年前，機器人還是車企提升估值的特效藥。當時，如果一家車企宣布要做機器人，資本市場給它的估值就會翻一倍，汽車的零部件供應商同理。

在特斯拉發(fā)布機器人視頻后，十多家車企都蹭上機器人概念。小鵬、小米、廣汽已經(jīng)推出了機器人產(chǎn)品；理想表達了進場的意圖、蔚來處在調(diào)研階段；賽力斯、長安、比亞迪等已經(jīng)設立團隊并開啟招聘，賽力斯在重慶和上海機器人團隊已有近 200人；上汽、北汽、奔馳則是重在投資參與。

車企做機器人，最簡單的理由就是特斯拉已經(jīng)做了，而且給行業(yè)提供了足夠多的理由——

一是硬件層的高度服用性，包括攝像頭、激光雷達等；

二是軟件層的遷移，車企在自動駕駛研發(fā)上的算法和數(shù)據(jù)閉環(huán)能力在機器人領域再利用；

三是資源共享，包括制造、銷售資源等都能夠給機器人提供實際應用場景。

這是一座尚待挖掘的金礦，也是比汽車更具增長空間的好生意。據(jù)立德研究院發(fā)布的《人形機器人產(chǎn)業(yè)研究報告》預測，中國人形機器人市場規(guī)模在2024年約為27.6億元，2029年將達到750億元。中金公司研報則表示，預計2030年中國人形機器人出貨量有望達到35萬臺。

各家車企雖參與程度不同，但機器人賽道已經(jīng)車企尋求新業(yè)務增長點的重要抓手。

 圖為上海車展期間小鵬展出的人形機器人IRON，是目前國內(nèi)少有公開的車企機器人產(chǎn)品之一

不過，目前尚未能明確車企們的機器人是買來的還是自己做的，多數(shù)產(chǎn)品的參數(shù)也未知。唯一明確的是，在今年的上海車展上，車企們都選擇用機器人來當車模，而不是讓它們進工廠。與后者相比，造一個機器人站在機器人邊上，實在太初級且沒有想象空間。

“現(xiàn)在整個行業(yè)都在放衛(wèi)星”，一位在人形機器人行業(yè)工作近十年的高管直言。

如果按照部分企業(yè)半年前的計劃，現(xiàn)在汽車工廠里已經(jīng)有上萬臺機器人擰螺絲。僅特斯拉之前就計劃今年往工廠里放 5000 臺機器人，宇樹、智元、優(yōu)必選等公司的計劃出貨量也超過 5000臺，其中有相當一部分聲稱要進汽車工廠工作。

但據(jù)虎嗅了解，包括特斯拉在內(nèi)，讓機器人進工廠的計劃目前都只是 PPT。大部分機器人在汽車工廠都只是“實習”，他們離跟上工人的操作效率還差得遠。

從"四個輪子"到"兩條腿"的技術難度

“如果說汽車已經(jīng)定型 80%，機器人從硬到軟的定型和標準化還不到 20%。”峰瑞資本李豐指出。

汽車產(chǎn)業(yè)經(jīng)歷上百年的發(fā)展，硬件形態(tài)已經(jīng)非常成熟和固化，車企更多的是通過軟件重新定義汽車。

人形機器人硬件還未完全定型。盡管車企可以在短時間內(nèi)組裝出一個樣式還不錯的人形機器人，但這是近年來機器人供應鏈進步的結果，并不是車企技術成果。

雖然人形機器人本體路線已經(jīng)逐漸收斂，但關鍵零部件技術方案還不成熟，例如電機、靈巧手、傳感器等仍存在路線爭議。硬件會決定機器人動作能力的上限，無法直接通過“拿來主義”一步到位。

“特斯拉Optimus搬電池、拿雞蛋、接網(wǎng)球的那些demo視頻說明了它的硬件（靈巧手）上限已經(jīng)具備完成這些動作的能力?！彼鍌フf道，“雖然特斯拉也是買模組組裝，但他們進行進一步調(diào)優(yōu)，比如Optimus手部連桿和國內(nèi)產(chǎn)品做得不一樣?！?/p>

在一些關鍵零部件上，特斯拉甚至會給出具體的產(chǎn)品需求讓廠商定制。一位曾和特斯拉接觸過的國內(nèi)供應商創(chuàng)始人告訴筆者，其曾在 2023年上半年收到特斯拉Optimus靈巧手指尖傳感器的精度、面積需求，而當時并沒有針對靈巧手現(xiàn)成的傳感器產(chǎn)品，于是團隊花了三個月時間進行研發(fā)。

特斯拉走過的路，國內(nèi)車企同樣得走一遍。一位接近小米機器人的供應商告訴筆者，小米現(xiàn)階段在靈巧手上也花了不少精力。

“小米也在做數(shù)據(jù)采集的手套?！鄙鲜鋈耸空f道。這其實延伸出車企面臨的另一難題，即軟件層能力。

截至目前，已有多位自動駕駛技術大佬宣布入局人形機器人。他們相信從自動駕駛到具身智能，技術有相當緊密的連續(xù)性。

但人形機器人面臨的技術難題顯然更復雜。自動駕駛的任務是讓汽車在二維層面不碰撞物體，機器人則需要在復雜的三維世界主動碰撞各種各樣的物體。

機器人要完成更復雜的操作，對應的訓練和對傳感器的要求也更難。

汽車上傳感器配置只是數(shù)量多少的問題，人形機器人尤其需要物理交互性，需要獲取多模態(tài)數(shù)據(jù)，除了攝像頭、激光雷達這類常見傳感器之外，還需要力覺傳感器、觸覺傳感器等，這不僅對數(shù)據(jù)采集和處理提出了更高要求，而且也加大了數(shù)據(jù)獲取的難度。

自動駕駛僅有縱向速度控制和橫向轉(zhuǎn)向控制 2 個自由度，但人形機器人不僅自由度多，且復雜程度高。即使是拿雞蛋的動作，機器人除了看清楚物體后實施抓取動作，力度多大，如何松手放置等，完成一個簡單的動作，需要聽覺、視覺、觸覺多傳感器和不同電機控制、關節(jié)的機械結構傳動配合完成。

大語言模型帶來的AI技術進展目前還沒有在機器人領域復現(xiàn)。即使是特斯拉也還沒找到足夠多的數(shù)據(jù)去訓練機器人模型。

人形機器人的數(shù)據(jù)規(guī)模十分有限。何小鵬并不回避數(shù)據(jù)難題?！叭诵螜C器人的數(shù)據(jù)門檻遠高于汽車，兩者都面臨數(shù)據(jù)來源的挑戰(zhàn)，汽車通過駕駛員日常行駛能自然產(chǎn)生海量數(shù)據(jù)，但人形機器人內(nèi)部并沒有人?！?/p>

業(yè)內(nèi)對于人形機器人的數(shù)據(jù)獲取并沒有一套統(tǒng)一的范式。特斯拉和Google都選擇用搖操獲取數(shù)據(jù)，但背后的成本投入巨大。據(jù)悉，Google 做十幾萬條數(shù)據(jù)，用時十多個月，花了上千萬美元。

優(yōu)必選采用真機數(shù)據(jù)和仿真生成相結合的方式，但前期真機只能采集單點動作的數(shù)據(jù)，泛化能力突破受限。

“目前大多數(shù)機器人還處在實驗室環(huán)境下，人形機器人在場景里部署量不大，難以產(chǎn)生足夠的數(shù)據(jù)量?！钡毓蠙C器人隋偉說道。

目前機器人公司采集的數(shù)據(jù)還無法驗證現(xiàn)有的機器人模型是否能像大語言模型那樣，學習足夠多的數(shù)據(jù)后能力明顯提升，即 scaling law。

業(yè)內(nèi)認為，驗證機器人模型的scaling law至少需要1000萬條數(shù)據(jù)，而據(jù)我們了解，目前大部分機器人公司收集的數(shù)據(jù)還不到100萬條。

還難以取代人

大多數(shù)所有“造人”的車企想讓機器人進入汽車工廠打工，工業(yè)場景被視為最適合人形機器人商業(yè)化落地的場景。

大邏輯在于，工業(yè)機械臂已經(jīng)很難繼續(xù)替代工人，流水線下一步進化要靠能完成人的工作的人形機器人。

總裝線是汽車工廠最難實現(xiàn)自動化的場景，搬運、質(zhì)檢、擰螺絲、撕膜、貼標、整理線束等并不是標準化的工作任務，即使是特斯拉、比亞迪這類十分重視工業(yè)自動化的公司，都不得不通過雇傭數(shù)十萬人來完成總裝產(chǎn)線的工作。

今年嘗試把機器人送到汽車工廠工作的優(yōu)必選技術負責人焦繼超告訴筆者，他在過去一年跑了20多家車企工廠，每家車企的廠線都不一樣，新勢力車企新的工廠稍微好一些，但一些傳統(tǒng)車企的工廠環(huán)境較為老舊且窄，應用挑戰(zhàn)更大。

“機器人去到場景里，人不可能在后面拿個遙控器操作。這里的技術難題涉及機器人的感知、定位、地圖、導航、決策規(guī)劃。這不是一個純靠投入幾百個人，半年一年就能搞定了，這和無人車的難度不是一個倍數(shù)的關系。”焦繼超說道。

以搬運為例，機器人在工廠中需要搬運不同顏色、不同尺寸、不同形態(tài)、不同材質(zhì)的箱子考驗機器人的泛化能力。“當出現(xiàn)新箱體的時候，我們要采集新的數(shù)據(jù)，花兩三天去做訓練。”焦繼超說道。

解決了搬起來的問題，還有運輸?shù)奶魬?zhàn)。不同料箱的重量會隨機變化，箱內(nèi)物體的擺動會考驗機器人的重心控制，需要機器人全身機械結構的動態(tài)調(diào)整平衡，這其實也就導致了機器人在搬運過程中難以奔跑或快走。

再就是放置的難度。料箱和料箱之間是通過 1-2 厘米寬度的邊緣進行嵌合，這需要機器人去對齊不同的料箱邊緣。這個擺放的過程中，視覺只能做初步定位，需要通過力度傳感反饋進行精度定位。

汽車工廠的托盤差不多10公分高，機器人每搬一次高度上升10公分，機器人在汽車上料的組裝線要搬到接近1米8的高度，這個操作空間要求機器人蹲得夠深，站得夠高。這對電機的功率要求非常高，目前僅有優(yōu)必選、宇樹、波士頓動力等少數(shù)幾個公司做得到。

據(jù)另一家已經(jīng)進車企生產(chǎn)線的機器人企業(yè)透露，其機器人產(chǎn)品一開始搬運一個箱子要四分半鐘，相同的工作普通工人一分鐘以內(nèi)就能搬完。盡管后續(xù)優(yōu)化到兩分鐘左右，機器人的效率也僅是工人的一半不到。

“搬運這件事，我們?nèi)チ爽F(xiàn)場才知道挑戰(zhàn)很大”，焦繼超說道。而搬運已經(jīng)是總裝線任務流程相對簡單的工作，線束整理、涂膠、撕膜等工序?qū)θ嵝缘囊蟾?，人形機器人還不足以勝任。

汽車作為最復雜的工業(yè)產(chǎn)品，生產(chǎn)流水線尤為注重生產(chǎn)節(jié)拍，對犯錯誤的容忍性極低，這不僅關乎效率，也關乎生產(chǎn)安全性。

“汽車的工廠和3C工廠都很難，機器人要是出錯了，砸壞一臺車就是幾十萬。端一盤晶圓，掉了就是幾百萬。一箱東西能買我們十臺機器人?！眱?yōu)必選品牌官譚旻說道。

人形機器人的成本還沒達到能取代人工的階段。據(jù)我們了解，特斯拉 Optimus 的成本價是6萬美元（約合人民幣43.4萬元），優(yōu)必選機器人單機售價50-60萬元，而比亞迪工廠平均用工成本18萬元。

用人形機器人替代人工，需要 29-40 個月才能收回成本。焦繼超認為，當機器人18個月就能收回成本時，車企會非常愿意使用人形機器人。

特斯拉宣布將在今年在內(nèi)部工廠生產(chǎn)數(shù)千至 1 萬臺 Optimus 并用于生產(chǎn)，寶馬引進了 Figure 02 進廠，小鵬、小米、吉利、蔚來等悉數(shù)發(fā)布了人形機器人進廠打工的視頻。在車企宣傳口徑中，人形機器人幾乎是可以直接應用的存在，但現(xiàn)實和視頻之間還存在一道鴻溝。

高盛今年二月發(fā)布的調(diào)研報告同樣指出，人形機器人目前的能力尚不足以處理多種通用任務，技術拐點仍不明朗，需要更長時間才能迎來 AI 賦能的機器人。

業(yè)界對人形機器人的探索已經(jīng)持續(xù)了數(shù)十年。本田ASIMO項目38年燒掉數(shù)十億卻黯然退場的故事提醒著后來者，在機器人與車企的化學反應中，技術積累和場景本質(zhì)的洞察皆是勝負手。

在工業(yè)場景尚存技術斷點、數(shù)據(jù)閉環(huán)尚未突破、商業(yè)閉環(huán)仍顯脆弱的當下，還得為活著謀生路的車企，如果沒有足夠的資金和研發(fā)投入貿(mào)然進入人形機器人，更像向產(chǎn)業(yè)和資本市場吹起的另一個泡沫。

兩個月前，《財富》雜志曝出聲稱已經(jīng)讓一隊機器人進入寶馬工廠工作的 Figure 實際上只放了兩臺機器人在寶馬工廠，且這些機器人只在寶馬的工人下班后，在工廠里做一些訓練工作，并未上崗。

現(xiàn)在已經(jīng)開始量產(chǎn)機器人的特斯拉，據(jù)我們了解，目前也只是讓幾十臺機器人在車間里搬電池，剩下的機器人都沒有參與生產(chǎn)，產(chǎn)生價值。

特斯拉和 Figure 擁有目前全球最強的人形機器人團隊，他們的進展尚且如此。其余說自己要做機器人或者要在工廠里用機器人的公司，當下更多地還只是PPT和視頻宣傳的階段。