出品丨虎嗅汽车组
作者丨肖漫
头图丨视觉中国
半年前，『机器人』️还是车企提升估值的特效药。当时，如果一家车企宣布要做『机器人』️，资本市场给它的估值就会翻一倍，汽车的零部件供应商同理。
在特斯拉发布『机器人』️视频后，十多家车企都蹭上『机器人』️概念。小鹏、小米、广汽已经推出了『机器人』️产品；理想表达了进场的意图、蔚来处在调研阶段；赛力斯、长安、比亚迪等已经设立团队并开启招聘，赛力斯在重庆和上海『机器人』️团队已有近 200人；上汽、北汽、奔驰则是重在投资参与。
车企做『机器人』️，最简单的理由就是特斯拉已经做了，而且给行业提供了足够多的理由——
一是硬件层的高度服用性，包括摄像头、激光雷达等；
二是软件层的迁移，车企在自动驾驶研发上的算法和数据闭环能力在『机器人』️领域再利用；
三是资源共享，包括制造、销售资源等都能够给『机器人』️提供实际应用场景。
这是一座尚待挖掘的金矿，也是比汽车更具增长空间的好生意。据立德研究院发布的《人形『机器人』️产业研究报告》预测，中国人形『机器人』️市场规模在2024年约为27.6亿元，2029年将达到750亿元。中金公司研报则表示，预计2030年中国人形『机器人』️出货量有望达到35万台。
各家车企虽参与程度不同，但『机器人』️赛道已经车企寻求新业务增长点的重要抓手。
图为上海车展期间小鹏展出的人形『机器人』️IRON，是目前国内少有公开的车企『机器人』️产品之一
不过，目前尚未能明确车企们的『机器人』️是买来的还是自己做的，多数产品的参数也未知。唯一明确的是，在今年的上海车展上，车企们都选择用『机器人』️来当车模，而不是让它们进工厂。与后者相比，造一个『机器人』️站在『机器人』️边上，实在太初级且没有想象空间。
“现在整个行业都在放卫星”，一位在人形『机器人』️行业工作近十年的高管直言。
如果按照部分企业半年前的计划，现在汽车工厂里已经有上万台『机器人』️拧螺丝。仅特斯拉之前就计划今年往工厂里放 5000 台『机器人』️，宇树、智元、优必选等公司的计划出货量也超过 5000台，其中有相当一部分声称要进汽车工厂工作。
但据虎嗅了解，包括特斯拉在内，让『机器人』️进工厂的计划目前都只是 PPT。大部分『机器人』️在汽车工厂都只是“实习”，他们离跟上工人的操作效率还差得远。
从"四个轮子"到"两条腿"的技术难度
“如果说汽车已经定型 80%，『机器人』️从硬到软的定型和标准化还不到 20%。”峰瑞资本李丰指出。
汽车产业经历上百年的发展，硬件形态已经非常成熟和固化，车企更多的是通过软件重新定义汽车。
人形『机器人』️硬件还未完全定型。尽管车企可以在短时间内组装出一个样式还不错的人形『机器人』️，但这是近年来『机器人』️供应链进步的结果，并不是车企技术成果。
虽然人形『机器人』️本体路线已经逐渐收敛，但关键零部件技术方案还不成熟，例如电机、灵巧手、传感器等仍存在路线争议。硬件会决定『机器人』️动作能力的上限，无法直接通过“拿来主义”一步到位。
“特斯拉Optimus搬电池、拿鸡蛋、接网球的那些demo视频说明了它的硬件（灵巧手）上限已经具备完成这些动作的能力。”隋伟说道，“虽然特斯拉也是买模组组装，但他们进行进一步调优，比如Optimus手部连杆和国内产品做得不一样。”
在一些关键零部件上，特斯拉甚至会给出具体的产品需求让厂商定制。一位曾和特斯拉接触过的国内供应商创始人告诉笔者，其曾在 2023年上半年收到特斯拉Optimus灵巧手指尖传感器的精度、面积需求，而当时并没有针对灵巧手现成的传感器产品，于是团队花了三个月时间进行研发。
特斯拉走过的路，国内车企同样得走一遍。一位接近小米『机器人』️的供应商告诉笔者，小米现阶段在灵巧手上也花了不少精力。
“小米也在做数据采集的手套🧤。”上述人士说道。这其实延伸出车企面临的另一难题，即软件层能力。
截至目前，已有多位自动驾驶技术大佬宣布入局人形『机器人』️。他们相信从自动驾驶到具身智能，技术有相当紧密的连续性。
但人形『机器人』️面临的技术难题显然更复杂。自动驾驶的任务是让汽车在二维层面不碰撞物体，『机器人』️则需要在复杂的三维世界主动碰撞各种各样的物体。
『机器人』️要完成更复杂的操作，对应的训练和对传感器的要求也更难。
汽车上传感器配置只是数量多少的问题，人形『机器人』️尤其需要物理交互性，需要获取多模态数据，除了摄像头、激光雷达这类常见传感器之外，还需要力觉传感器、触觉传感器等，这不仅对数据采集和处理提出了更高要求，而且也加大了数据获取的难度。
自动驾驶仅有纵向速度控制和横向转向控制 2 个自由度，但人形『机器人』️不仅自由度多，且复杂程度高。即使是拿鸡蛋的动作，『机器人』️除了看清楚物体后实施抓取动作，力度多大，如何松手放置等，完成一个简单的动作，需要听觉、视觉、触觉多传感器和不同电机控制、关节的机械结构传动配合完成。
『大语言模型』带来的AI技术进展目前还没有在『机器人』️领域复现。即使是特斯拉也还没找到足够多的数据去训练『机器人』️模型。
人形『机器人』️的数据规模十分有限。何小鹏并不回避数据难题。“人形『机器人』️的数据门槛远高于汽车，两者都面临数据来源的挑战，汽车通过驾驶员日常行驶能自然产生海量数据，但人形『机器人』️内部并没有人。”
业内对于人形『机器人』️的数据获取并没有一套统一的范式。特斯拉和Google都选择用摇操获取数据，但背后的成本投入巨大。据悉，Google 做十几万条数据，用时十多个月，花了上千万美元💵。
优必选采用真机数据和仿真生成相结合的方式，但前期真机只能采集单点动作的数据，泛化能力突破受限。
“目前大多数『机器人』️还处在实验室环境下，人形『机器人』️在场景里部署量不大，难以产生足够的数据量。”地瓜『机器人』️隋伟说道。
目前『机器人』️公司采集的数据还无法验证现有的『机器人』️模型是否能像『大语言模型』那样，学习足够多的数据后能力明显提升，即 scaling law。
业内认为，验证『机器人』️模型的scaling law至少需要1000万条数据，而据我们了解，目前大部分『机器人』️公司收集的数据还不到100万条。
还难以取代人
大多数所有“造人”的车企想让『机器人』️进入汽车工厂打工，工业场景被视为最适合人形『机器人』️商业化落地的场景。
大逻辑在于，工业机械臂已经很难继续替代工人，流水线下一步进化要靠能完成人的工作的人形『机器人』️。
总装线是汽车工厂最难实现自动化的场景，搬运、质检、拧螺丝、撕膜、贴标、整理线束等并不是标准化的工作任务，即使是特斯拉、比亚迪这类十分重视工业自动化的公司，都不得不通过雇佣数十万人来完成总装产线的工作。
今年尝试把『机器人』️送到汽车工厂工作的优必选技术负责人焦继超告诉笔者，他在过去一年跑了20多家车企工厂，每家车企的厂线都不一样，新势力车企新的工厂稍微好一些，但一些传统车企的工厂环境较为老旧且窄，应用挑战更大。
“『机器人』️去到场景里，人不可能在后面拿个遥控器操作。这里的技术难题涉及『机器人』️的感知、定位、地图、导航、决策规划。这不是一个纯靠投入几百个人，半年一年就能搞定了，这和无人车的难度不是一个倍数的关系。”焦继超说道。
以搬运为例，『机器人』️在工厂中需要搬运不同颜色、不同尺寸、不同形态、不同材质的箱子考验『机器人』️的泛化能力。“当出现新箱体的时候，我们要采集新的数据，花两三天去做训练。”焦继超说道。
解决了搬起来的问题，还有运输的挑战。不同料箱的重量会随机变化，箱内物体的摆动会考验『机器人』️的重心控制，需要『机器人』️全身机械结构的动态调整平衡，这其实也就导致了『机器人』️在搬运过程中难以奔跑或快走。
再就是放置的难度。料箱和料箱之间是通过 1-2 厘米宽度的边缘进行嵌合，这需要『机器人』️去对齐不同的料箱边缘。这个摆放的过程中，视觉只能做初步定位，需要通过力度传感反馈进行精度定位。
汽车工厂的托盘差不多10公分高，『机器人』️每搬一次高度上升10公分，『机器人』️在汽车上料的组装线要搬到接近1米8的高度，这个操作空间要求『机器人』️蹲得够深，站得够高。这对电机的功率要求非常高，目前仅有优必选、宇树、波士顿动力等少数几个公司做得到。
据另一家已经进车企生产线的『机器人』️企业透露，其『机器人』️产品一开始搬运一个箱子要四分半钟，相同的工作普通工人一分钟以内就能搬完。尽管后续优化到两分钟左右，『机器人』️的效率也仅是工人的一半不到。
“搬运这件事，我们去了现场才知道挑战很大”，焦继超说道。而搬运已经是总装线任务流程相对简单的工作，线束整理、涂胶、撕膜等工序对柔性的要求更高，人形『机器人』️还不足以胜任。
汽车作为最复杂的工业产品，生产流水线尤为注重生产节拍，对犯错误的容忍性极低，这不仅关乎效率，也关乎生产安全性。
“汽车的工厂和3C工厂都很难，『机器人』️要是出错了，砸坏一台车就是几十万。端一盘晶圆，掉了就是几百万。一箱东西能买我们十台『机器人』️。”优必选品牌官谭旻说道。
人形『机器人』️的成本还没达到能取代人工的阶段。据我们了解，特斯拉 Optimus 的成本价是6万美元💵（约合人民币43.4万元），优必选『机器人』️单机售价50-60万元，而比亚迪工厂平均用工成本18万元。用人形『机器人』️替代人工，需要 29-40 个月才能收回成本。焦继超认为，当『机器人』️18个月就能收回成本时，车企会非常愿意使用人形『机器人』️。
特斯拉宣布将在今年在内部工厂生产数千至 1 万台 Optimus 并用于生产，宝马引进了 Figure 02 进厂，小鹏、小米、吉利、蔚来等悉数发布了人形『机器人』️进厂打工的视频。在车企宣传口径中，人形『机器人』️几乎是可以直接应用的存在，但现实和视频之间还存在一道鸿沟。
高盛今年二月发布的调研报告同样指出，人形『机器人』️目前的能力尚不足以处理多种通用任务，技术拐点仍不明朗，需要更长时间才能迎来 AI 赋能的『机器人』️。
业界对人形『机器人』️的探索已经持续了数十年。本田ASIMO项目38年烧掉数十亿却黯然退场的故事提醒着后来者，在『机器人』️与车企的化学反应中，技术积累和场景本质的洞察皆是胜负手。
在工业场景尚存技术断点、数据闭环尚未突破、商业闭环仍显脆弱的当下，还得为活着谋生路的车企，如果没有足够的资金和研发投入贸然进入人形『机器人』️，更像向产业和资本市场吹起的另一个泡沫。
两个月前，《财富》杂志曝出声称已经让一队『机器人』️进入宝马工厂工作的 Figure 实际上只放了两台『机器人』️在宝马工厂，且这些『机器人』️只在宝马的工人下班后，在工厂里做一些训练工作，并未上岗。
