摘要：车企跨界人形机器人与当前价格战的关联并不大。大型汽车企业由于其规模通常较大，即使没有价格战，也会进行相应的探索和技术储备，毕竟在人形机器人领域，许多技术与传统汽车技术具有通用性。
文|@彼方说（新能源汽车智驾工程师）
本文由作者参加九派新闻“九派圆桌”直播《车企争造人形机器人，下一个风口来了?》讨论时的发言整理而成，发布前经作者审阅。
【1】机器人的供应链目前还处于一个相对简单和粗放的状态
车企跨界人形机器人与当前价格战的关联并不大。大型汽车企业由于其规模通常较大，即使没有价格战，也会进行相应的探索和技术储备，毕竟在人形机器人领域，许多技术与传统汽车技术具有通用性。
有人会觉得车企“造人”，会在资金分配上影响其主业，我认为，目前来看人形机器人对资金的需求并不像主流业务那样巨大。他们在产业链中进行了大量投资，即使额外参与人形机器人等新兴业务，也会在现有的资金分配框架内进行。
每个车企都会根据自身的能力，在市场上展开竞争。他们肯定会多管齐下，通过分配一部分资源，或者精准地向供应商施加压力。以新能源汽车为例，电池成本可能占到整车BOM（可配置物料）成本的30%以上。然而机器人电池容量实际上非常小，大约只有一到两度电。
当前阶段，机器人研发中传统车企所掌握的BOM部分相对较少。相反，硬件配置和研发人员的工资等成本反而占据了较大比例。目前，一台机器人的价格可能高达几十万，这主要是因为其生产规模较小。一个关节电机可能需要几千元，而新能源车电机的价格也不会差太多，但其尺寸和功率却无法与之相提并论。核心问题在于，机器人是一个相对较新的领域，在这里直接复用现有技术，尤其是电池技术，是相当困难的。
在车上，我们已经安装了几十度电的电池包，而针对机器人，我们则需要设计几度电，甚至是一两度电的电池包。这项技术实际上并不能直接照搬到机器人上。例如车上使用的BMS（电池管理系统）需要管理上百个通道，对于机器人而言，一个48伏的系统可能只需要16个通道就足够了。
传感器方面也是如此，车上为自动驾驶设计的传感器需要探测几十米的距离，而机器人可能只需要几米到十几米的范围。
虽然很多技术不能直接复制使用，但底层功能的开发和应用是可以共享。例如，自主研发的自动驾驶算法可以在对应的芯片和中间件功能上、端侧开发集成方面，提供优化路径。许多自动驾驶框架系统在机器人领域同样可以直接应用。
在汽车供应链中，对于机器人所使用的结构件，有着非常丰富的供应商资源。企业一旦进入，将会对现有的供应链产生一定的影响。
在我观察的范围内，机器人的供应链目前还处于一个相对简单和粗放的状态，并没有经历像新能源汽车那样的十多年高速发展，达到一个成熟的竞争阶段。至于其它方面，电池确实是可以重复使用的。正如我之前提到的，我们的车辆动力电池制造商，或者说是最终电池组的制造商，并不必然比电动自行车制造商拥有更高的优势。
原因在于它们的电压平台不同。机器人通常使用的是48伏平台，而电动汽车则普遍使用400伏或800伏平台。这涉及到高压元器件的选择，以及BMS（电池管理系统）中的电气方案，这些方案会随着电压平台的不同而有所差异。
一个专门生产高压电池包的厂商，如果转而生产低压电池包，其技术方案可能无法显著降低成本。例如，高压包可能采用继电器方案，但这种方案并不一定适合小型低压电池包。尽管如此，电池电芯本身是可以复用的，包括汽车中常用的摄像头。
从理论上讲，汽车摄像头并非仅限于汽车使用，例如舜宇的摄像头也供应给手机和其他许多行业。在机器人行业，借鉴车规级技术是正确的方向。我们都希望机器人不是易损的消费品，而是能够长期稳定工作，甚至达到与汽车相似的15年或更长的使用寿命。
【2】如果机器人的年化成本低于普通工人的平均工资，就有可能得到应用
机器人与汽车之间确实存在一定的关联性，但可能并不像人们想象的那么大。汽车技术已经发展了近200年，使用了100多年，技术非常成熟。一辆汽车的运动自由度主要限于前进、后退以及转向，总共两个自由度。而机器人则不同，人们对它的自由度要求更高。即使是一个轮子在地上移动，它也需要克服更多地形，例如可变轮结构可以较好地适应楼梯或较大的坡度。从结构构造上来看，机器人与汽车的底盘差异较大，我认为不能直接借鉴汽车底盘的设计。
我们看到许多机器人在车企这一端工作，例如特斯拉将机器人应用于电池生产线，用于电池电芯的分解。而Figure AI将机器人与宝马的产线结合，用于现场搬运工作。以替代那些仍需人工操作的部分，实现柔性化生产，包括分解和多车型空间生产。
车企工厂相较于其他工厂可能更为容易应用到机器人，它的场景更加规范，质量管理标准更高，通常拥有 IATF 16949等相关认证。现代工厂的产线、工位、节拍以及空间相对充足，适合机器人运动。
目前来看，很多公司都希望找到真实的落地场景，以替代有限的人工。以Figure AI为宝马所做的项目为例，它采用租赁方式，价格相当于一个欧洲汽车工人一年的工资。车企愿意支付与人力成本相当的费用，因为机器人无需休息，不会罢工，能够为工厂带来更高的稳定性。
对于人形机器人而言，有大量用户愿意为其付出超出最终价格的费用。我之前做过一些小调查，一个简单的机器人，它类似于扫地机器人的大小，拥有一个小机械臂。它可以帮助人们照顾猫，比如更换猫食、补水，以及清理猫砂。一个爱猫的人愿意花多少钱购买这样的机器人？我相信很多人愿意支付数千甚至上万的价格。
一些人对人形机器人的想象空间或利润空间、价值空间非常高，不妨先找到这样的先锋用户。资本的介入可以吸收前期研发或小批量生产带来的高额物料成本，并考虑是否以相对低廉的价格打开市场获取客户，应对后续的升级，不妨采取租赁方式，让人们以较低成本体验流行集群的服务，而不必承担前期的高额成本。
当然，这些都是理想状态。人形机器人这样的行业，最终产品可能是一个成人大小，大约一米六到一米七的机器人，其重量控制在百公斤以内。不能与汽车相比。目前汽车价格已经达到十万元以内，而人形机器人的成本要控制得非常低还有很多路要走。
尽管人们期望家庭型机器人能够替代诸如保姆、阿姨以及管家等职业的工作，但对于制造商而言，他们所寻求的替代并非仅仅是因为人工成本高昂或劳动力短缺。他们真正关注的是机器人相比于人工的比较优势。如果机器人的年化成本低于普通工人的平均工资，那么它就有可能得到应用。
任何行业，特别是发展初期阶段，泡沫现象是不可避免的。没有泡沫，行业可能无法达到高估值，也无法吸引更多资金和人才。泡沫本身并非坏事，关键在于其背后是否有真正的价值来满足人们的需求。
真正令人担忧的是泡沫下缺乏实质支撑，以及市场需求的不确定性。比如企业招工难的问题，全球范围内都存在。欧洲人不愿意去工厂工作，一些条件较差的工厂也难以招到工人。我们的下一代长大后也不太愿意在工厂环境中工作。人口老龄化导致人力成本不断上升，养老问题又将由谁来解决？我们确实需要像人形机器人提供解决方案。
从这个角度来看，市场需求的确定性是非常明确的。
【3】汽车实际上是一个移动机器人，机器人本质上是一个天然的大模型应用
自动驾驶初期我们采用的是感知、决策、执行的模块化模式。但这种方式逐渐被抛弃，现在主要采用模型方法，使用大模型来实现自动驾驶。
机器人本质上是一个天然的大模型应用。
车辆在道路上行驶是一个相对简单的场景，车辆的控制需要它能够按照预设轨迹沿线路行驶，自由度较低。道路上有车道线和结构化的道路，有助于进行规划。难点在于不断变化的环境和对安全的高要求。
而机器人则不同，它的自由度更高。以春晚期间大放异彩的运输机器人为例，它在运控方面实现了良好的效果。机器人与我们的手相似，是一个多自由度的开环系统。不存在简单地转动电机就能到达固定位置的情况，每个关节的角度都会影响最终的运动状态。
因此，如果希望机器人执行更多工作，如端茶倒水或搬运货物，就不能简单地通过模块化方法实现，而需要采用模型化的方法。
在模型化的过程中，一个项目面临的最大挑战之一是数据量的不足。以自动驾驶为例，我们曾投入大量精力进行数据采集。那时，我们将新架构下的传感器安装在已有的车辆上，让它们在道路上行驶，以收集必要的数据来初步实现感知功能。
对于机器人而言，我们期望它们能够完成特定的作业任务。这就要求我们拥有一台能够作业的机器人，而这样的机器人又依赖于经过训练的模型，实际上构成了一个悖论。
在机器人相关模型的开发中，可用的数据集往往非常有限，远远少于自动驾驶领域中所使用的数据集。数据量不足时，所谓的 Scaling Law 可能就无法发挥作用。即便是像 Figure AI 最近发布的 Helix 模型，机器人作业效率也相对较慢，例如把从超市买回的纸袋里物品放入冰箱的动作。
机器人不仅需要能够运动，更需要对现实社会有一个全方位的理解。在这里，自然语言模型和视觉语言模型可以起到作用。例如，识别这是一个杯子、一台电脑、一部手机，以及水的高度等信息。结合视觉语言和动作模型，机器人能够真正与世界进行运动交互，最终能够实现长久以来期待的、真正的智能化。
特斯拉所讲述的关于FSD和大型模型技术，具有极佳的借鉴意义。自动驾驶技术刚起步时，存在许多方案，有的直接追求高端，一开始就致力于实现L4级别的自动驾驶。而特斯拉从基础做起，逐步推进技术，采用辅助驾驶模式作为切入点，积累了大量数据和用户，实现了FSD技术的质的飞跃。尽管最近在中国，部分FSD车辆已经投入使用，且经过评测，表现并不理想，感觉不如国内的其他品牌如小鹏、华为以及新兴车企的表现。
但是，今年1月份，我参加了美国CES展会后，顺道去硅谷体验了当地的FSD 5.13版本，其表现令我感到非常惊艳。特斯拉的工作人员在简单介绍三分钟后，就放心地让我独自驾驶，他们甚至离开了车辆，而我一个人在车上操作。
整个过程中，我发现FSD非常简单易用，轻松进入自动驾驶状态，全程中我无需接管，这种体验确实让我感到惊喜。在那短短的20分钟体验中，我认为它已经达到了我所认为可以接受的自动驾驶状态。
特斯拉的这套系统，实际上也说明了人工智能模型在具有运动能力的物体中的应用是成功的。
汽车实际上是一个移动机器人。一方面，汽车作为工具的属性正在逐渐减弱。自1886年第一辆汽车问世以来，已经过去了一百多年，汽车的形态定义也在逐步发生变化。如今，人们对汽车的智能化要求越来越高。
我们一直在讨论的具身智能，可以认为智能驾驶汽车本身就是一个最大规模的具身智能体。尽管外界可能还没有普遍认同，但在我们产业内部，汽车早已被视为移动机器人概念。例如，去年引起广泛关注的极越公司，它一直宣称自己是一家机器人公司。还有像地平线公司的英文名是Horizon Robotics，除了智能驾驶之外，它还做机器人用的芯片。
来源：九派新闻