车企集体造机器人：2026年人形机器人赛道的第二战线

2026年，如果要问哪个行业最热衷"造机器人"，答案可能不再是机器人公司本身，而是——车企。从特斯拉到现代，从小鹏、奇瑞到比亚迪、长安，越来越多整车厂把人形机器人列为"第二增长曲线"。这条由车企主导的"第二战线"，正在重塑整个人形机器人产业的竞争格局。

一条隐秘但清晰的产业主线

车企造机器人并非新鲜事。早在2000年代，本田ASIMO就是全球最知名的人形机器人代表。但真正把"车企造机器人"推到产业核心位置的，是特斯拉。2021年马斯克在AI Day上首次公布Optimus计划时，外界普遍当作PR噱头；但2026年Q3 Optimus Gen-3在弗里蒙特工厂即将启动百万台级量产，这一看似"业余"的项目，已经成为特斯拉AI能力的核心展示窗口。

Optimus的快速推进刺激了全球车企。2026年上半年，几乎所有主流车企都加紧了人形机器人的布局：现代汽车3.25亿美元收购波士顿动力剩余9.65%股份，将其纳为全资子公司；小米CyberOne持续迭代并接入自研MiMo大模型；奇瑞"墨甲"机器人在2026全球数字经济大会上完成工厂实景演示；比亚迪明确表示将在Q3完成机器人搭载测试；长安则把机器人列入"北斗天枢"智能化战略的核心方向……

短短一年内，人形机器人赛道的"玩家结构"悄然发生改变：传统机器人初创（如宇树、智元、Figure AI）之外，车企成为一股不可忽视的新势力。

为什么车企必须造机器人？三个底层逻辑

车企集体跨界并非简单跟风，背后是三条清晰的产业逻辑。

第一，供应链高度重合，造机器人是"低成本延伸"。人形机器人核心零部件——减速器、伺服电机、电池、传感器、域控制器——与电动汽车零部件重合度超过70%。特斯拉Optimus的关节模组大量复用Model Y的电驱产线；现代汽车的波士顿动力产品也开始整合E-GMP平台的电子电气架构。对车企而言，造机器人的边际投入远低于从零起步的初创公司，规模化后甚至可以实现"机器人和汽车共享产线、共享研发、共享供应链"。

第二，"软件定义汽车"的能力外溢到机器人。近十年车企在自动驾驶、智能座舱、域控制器、AI算法上的技术积累，本质上就是机器人的核心技术栈。从感知（视觉+雷达融合）到决策（端到端规划），再到执行（线控底盘+电机控制），自动驾驶L3/L4的技术链条几乎可以完整迁移到人形机器人。特斯拉Optimus的训练数据采集、FSD端到端模型推理、英伟达Thor芯片部署——这些能力车企早已就绪。

第三，车企急需"下一个万亿赛道"。全球汽车市场年销量约8500万辆，产业天花板清晰可见，且电动化让整车毛利率持续承压。人形机器人则被业界视为"继智能手机后的下一个万亿终端市场"。对车企而言，押注机器人既是寻找新增长曲线的商业选择，也是在AGI时代抢占"物理入口"的战略卡位。错过这个窗口期，可能意味着错过下一个十年。

三条车企路径：自研、收购、合资

当前车企切入机器人赛道的方式呈现明显的三派分化。

派系一：自研派（特斯拉、小米、小鹏）。这类车企依托自身AI研发体系，从机器人本体到AI大脑全部自研。特斯拉Optimus是这一模式的代表——从第一性原理出发设计执行器、复用自研Dojo训练算力、与FSD共享端到端模型。小米CyberOne则绑定了小米自研的MiMo多模态大模型，强调"人车家全生态"协同。这类车企的优势是软硬一体迭代效率高，劣势是研发周期长、试错成本大。

派系二：收购派（现代、波士顿动力、Apptronik路径）。现代汽车在2020年首次控股波士顿动力后，2026年通过3.25亿美元收购剩余股份完成全资控股，把波士顿动力30年的运动控制积累与现代汽车的供应链和量产能力深度绑定。这一模式适合技术储备不足但资金雄厚的老牌车企：通过"买下整个赛道"实现快速卡位。

派系三：合作派（奇瑞、长安、Stellantis）。奇瑞与AI公司联合开发"墨甲"机器人，长安与宇树等本土初创合作，Stellantis则同时与多家机器人公司接触。这类车企认识到全自研难度大，转而通过合作快速拿到产品能力，把整车制造的规模化优势嫁接到机器人量产上。优势是投入可控、风险分散，劣势是核心技术难以沉淀。

车企造机器人的真实挑战

尽管车企造机器人有诸多优势，但要把PPT变成可量产、可盈利的产品，依然面临三道难关。

挑战一：基因差异——量产硬件≠量产机器人。汽车是百万级标准品，零部件规模化、工艺成熟、良率可控。但人形机器人作为非标、复杂产品，量产难度远高于汽车。本田ASIMO团队负责人曾在访谈中透露，机器人量产最大的难题是"每一个执行器都需要精细调校，无法像汽车零部件那样批量生产"。特斯拉Optimus虽然在百万级产能目标上激进，但实际良率和一致性仍是核心瓶颈。

挑战二：商业化场景模糊。车企造的机器人到底用来干什么？目前主要场景仍以工厂搬运、汽车装配等B端任务为主，C端家庭服务机器人的"杀手级应用"尚未出现。车企擅长的工厂流水线相对简单，而真正高价值的家庭场景对AI能力、交互体验、安全标准的要求都远超汽车——这是车企基因难以快速补齐的短板。

挑战三：AI能力差距。