近期，人形机器人赛道持续升温，广汽集团、小鹏汽车、比亚迪等多家车企加速布局这一前沿领域。业内专家指出，人形机器人与汽车产业存在诸多契合，随着技术突破与场景验证的推进，人形机器人有望在汽车等工业领域率先实现规模化应用，并成为新质生产力的重要引擎，但产业发展仍需突破数据采集、实训场景有限、底层应用生态搭建等落地瓶颈。
车企竞逐人形机器人赛道
在汽车生产工厂里，不少人形机器人正在生产线上忙碌。有的正在和自动驾驶的叉车密切配合，用双手拿起货箱，稳步走到叉车前放下。有的在货架前站成一排，十指灵活地拿起形状各异的零部件，精准分类放好。面对较重较大的货物，即使一个“人”搬不动，也可以叫来其他机器人携手搬起……这些听起来像是科幻电影的场景，最近正在不少车企生产线上成为现实。
记者了解到，随着人形机器人技术的持续发展，不少车企也在加速布局此赛道。部分车企选择自主研发，并率先在自家产线上进行实训，也有车企选择与相对成熟的人形机器人企业合作，开放产线提供训练场景，通过实景训练与应用探索，推动人形机器人在汽车制造及工业领域的深度落地。
零跑汽车创始人、董事长兼CEO朱江明透露，目前零跑汽车已经组建了专门的机器人团队进行技术预研。“未来零跑的机器人产品主要用于工业领域，不会面向TO C端。”
广汽集团此前已发布了第三代具身智能人形机器人GoMate，并宣布计划2025年实现自研零部件批量生产，以满足不断增长的市场需求，并率先在广汽传祺、埃安等主机厂车间生产线和产业园区开展整机示范应用。2026年将实现整机小批量生产，并逐步扩展至大规模量产。
小鹏汽车不久前刚发布了全新一代人形机器人IRON。小鹏汽车董事长何小鹏表示，基于小鹏在L3级别自动驾驶以及世界模型上的积累，小鹏期待在2026年能够量产面向工业的L3级别的人形机器人。
在合作研发方面，比亚迪、吉利、领克等企业选择了与机器人企业优必选进行合作。据了解，优必选开发的工业版Walker S系列已进入多个车厂进行实训。优必选技术负责人透露，目前产品已经完成了第一阶段的单机自主智能实训。随着实训2.0阶段的开启，优必选将通过多机协同实训的数据积累与模型训练，加速产品与技术的迭代升级。
北方工业大学汽车产业创新研究中心主任纪雪洪对记者表示，人形机器人与自动驾驶汽车在底层技术上存在共通性，车企布局人形机器人有助于更好发挥企业自身技术优势。
“部分科技型车企将人形机器人视为战略核心业务之一，倾向于全产业链自主掌控，这类企业需要自研关键技术，重构供应链体系，尤其在产业生态尚未成熟的阶段，自主能力是竞争壁垒。与此同时，部分整车企业将资源集中于汽车产品开发和智能驾驶等，并未计划大规模投入人形机器人研发，而通过战略合作或资本参与间接布局，是更现实的选择。”纪雪洪说。
降本增效与技术协同双轮驱动
在车企大举布局背后，业内普遍认为，车企参与人形机器人赛道有望带来巨大的协同发展效应。
一方面，汽车生产作为生产环节多、标准化程度高、资本投入大的工业场景，为人形机器人提供了良好的实训环境，有望助推人形机器人的技术加速迭代。
埃夫特智能机器人股份有限公司董事长兼总经理游玮告诉记者，对于人形机器人来说，目前工业场景中的操作相对标准化、结构化，同时还拥有更多专业使用者，相较于直接面向消费者的生活服务场景，目前的技术可达性更高。“目前我们就在和车企合作，搭建出典型应用的测试平台，比如汽车总装的部分环节，来加强对于人形机器人相关作业能力的训练。我认为，未来人形机器人的智能化水平提升需要经历To B到To C的过程，汽车制造等工业场景的应用有望更快实现规模化普及。”
同时，人形机器人的加速落地，也为汽车生产制造带来进一步降本增效的思路和空间。
“从人形机器人的底层技术来看，包括人工智能、运动控制、识别感知等核心技术，目前具备自研能力的车企都普遍掌握。而人形机器人有望解决产线自动化进程中出现的问题，实现进一步降本增效。”朱江明指出。
广汽集团机器人研发团队负责人张爱民也表示，汽车产线是人形机器人应用的典型场景，经过一段时间的训练、迭代，广汽机器人将优先进入自己的汽车产线，进行检测、分拣、涂胶等工作，解决产线劳动力短缺，降低劳动强度。“面向广汽在全国各地存量汽车终端，依托广汽车机互联技术优势，GoMate能够高效、畅通完成汽车充电、清洁、行李搬运等日常工作；这些能力将推动汽车后服务从传统劳动密集型向智能化、自动化方向转型。”
“以车辆生产为代表的工业制造领域有大量需要机器人来提升生产自动化智能化的场景，为人形机器人提供了天然试验场。”上海交通大学人工智能研究院助理教授穆尧在接受记者采访时指出，“在具身智能加持下的人形机器人通用性有望推动工厂中的机器人从‘专机专用’向‘一机多能’升级，不仅可以提高生产效率，还有望推动汽车生产等工业制造领域的全面产业升级，实现更智能化更柔性的自动生产方案。”
突破应用瓶颈需多方协作
在人形机器人产业发展中，如何突破数据采集、实训场景有限等落地瓶颈，进一步加速汽车制造领域的应用也是各个参与方需要面对的问题。
“人形机器人作为具身智能的物理载体，其硬件能力决定服务下限，而智能算法则决定上限。但目前，人形机器人的进一步训练还面临着真实场景数据采集成本高等问题。”穆尧提到，“人形机器人的大模型‘大脑’需要大量的可靠数据进行训练，但人形机器人缺乏无人驾驶等行业高效、低成本的数据获取渠道。目前实景训练上，还需要车厂搭建专门的真实场景，并需要专业人士进行操控，大大拉高了数据采集的成本。”
此外，技术生态的搭建和培育也是人形机器人有待突破的瓶颈。“国内在硬件制造与成本控制上具有优势，但软件生态仍是短板，亟待取得突破。”游玮说。
要突破当前产业面临的问题，专家指出，需要多方共同携手。
“数据收集一方面可以采用更多虚拟仿真场景模拟训练。同时，真实训练场景可以由政府牵头，携手多个相关企业，搭建共用的生产实景训练场景，从而降低训练成本，进一步加速人形机器人的落地应用。”穆尧建议。
游玮提出，需要由政府牵头引导，推动底层应用生态的搭建，特别是联合行业伙伴共建智能机器人通用技术底座。通过不断丰富底层技能库和算法库，完善开发工具链，大幅降低开发门槛，让应用领域专家无需精通机器人控制技术即可开发应用系统，从而快速建立起人形机器人产业生态。
产学研合作同样是技术进步的关键之一。拓斯达总工程师张晓辉提出，高校作为技术研发机构，需要加强具身智能基础模型研究，而企业则需进一步开放机器人产品的控制系统，通过与AI公司深度合作，构建本土化技术生态。
何小鹏认为，应借鉴我国新能源汽车产业早期的市场培育和推广经验，通过市场推广政策的引导和支持，加速人形机器人市场的培育和需求潜力的释放。
新闻推荐
