出品丨虎嗅汽車組

作者丨肖漫

頭圖丨視覺中國

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、廣汽已經推出了機器人產品；理想表達了進場的意圖、蔚來處在調研階段；賽力斯、長安、比亞迪等已經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)上的算法和數據閉環(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。據立德研究院發(fā)布的《人形機器人產業(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，是目前國內少有公開的車企機器人產品之一

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，多數產品的參數也未知。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，現在汽車工廠里已經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。

但據虎嗅了解，包括特斯拉在內，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。

汽車產業(yè)經歷上百年的發(fā)展，硬件形態(tài)已經非常成熟和固化，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、接網球的那些demo視頻說明了它的硬件（靈巧手）上限已經具備完成這些動作的能力。”隋偉說道，“雖然特斯拉也是買模組組裝，但他們進行進一步調優(yōu)，比如Optimus手部連桿和國內產品做得不一樣。”

在一些關鍵零部件上，特斯拉甚至會給出具體的產品需求讓廠商定制。一位曾和特斯拉接觸過的國內供應商創(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成的傳感器產品，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，小米現階段在靈巧手上也花了不少精力。

“小米也在做數據采集的手套。”上述人士說道。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)數據，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，這不僅對數據采集和處理提出了更高要求，而且也加大了數據獲取的難度。

自動駕駛僅有縱向速度控制和橫向轉向控制 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。即使是特斯拉也還沒找到足夠多的數據去訓練機器人模型。

人形機器人的數據規(guī)模十分有限。何小鵬并不回避數據難題。“人形機器人的數據門檻遠高于汽車，兩者都面臨數據來源的挑戰(zhàn)，汽車通過駕駛員日常行駛能自然產生海量數據，但人形機器人內部并沒有人。”

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

優(yōu)必選采用真機數據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據，泛化能力突破受限。

“目前大多數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，難以產生足夠的數據量。”地瓜機器人隋偉說道。

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

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

還難以取代人

大多數所有“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自動化的場景，搬運、質檢、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十萬人來完成總裝產線的工作。

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)、不同材質的箱子考驗機器人的泛化能力。“當出現新箱體的時候，我們要采集新的數據，花兩三天去做訓練。”焦繼超說道。

解決了搬起來的問題，還有運輸的挑戰(zhàn)。不同料箱的重量會隨機變化，箱內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、波士頓動力等少數幾個公司做得到。

據另一家已經進車企生產線的機器人企業(yè)透露，其機器人產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，我們去了現場才知道挑戰(zhàn)很大”，焦繼超說道。而搬運已經是總裝線任務流程相對簡單的工作，線束整理、涂膠、撕膜等工序對柔性的要求更高，人形機器人還不足以勝任。

汽車作為最復雜的工業(yè)產品，生產流水線尤為注重生產節(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。”優(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部工廠生產數千至 1 萬臺 Optimus 并用于生產，寶馬引進了 Figure02 進廠，小鵬、小米、吉利、蔚來等悉數發(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，但現實和視頻之間還存在一道鴻溝。

高盛今年二月發(fā)布的調研報告同樣指出，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持續(xù)了數十年。本田ASIMO項目38年燒掉數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的洞察皆是勝負手。

在工業(yè)場景尚存技術斷點、數據閉環(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)投入貿然進入人形機器人，更像向產業(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。

現在已經開始量產機器人的特斯拉，據我們了解，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，產生價值。

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。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4480067.html?f=wyxwapp