小鵬百億棋局：汽車智駕到人形機器人，技術共融的生態演進

文|錢眼君

來源|博望財經

01

引子：當機器人需要“自證清白”

圖：2025小鵬科技日現場

2025年11月，一場關于“真假機器人”的爭議在社交網絡迅速發酵：小鵬汽車（以下簡稱小鵬）發布的新一代人形機器人IRON，因步態過于自然流暢，被眾多網友質疑為“真人扮演”。創始人何小鵬不得不連夜拍攝視頻，拉開機器人背部的拉鏈、剪開仿生皮膚，向公眾展示其內部的機械結構與電路系統。這場看似荒誕的“自證”風波，背后折射的正是小鵬在機器人技術上的重大突破。IRON不僅擁有類人脊椎與全包覆柔性皮膚，更能完成握雞蛋、疊衣服等高精度任務。而其技術底座，正是小鵬在智能汽車領域深耕多年所積累的AI芯片、認知模型與運動控制算法。從智能汽車到人形機器人，小鵬的跨界并非偶然，而是一場基于技術同源與生態協同的戰略延伸。

02

技術同源：汽車與機器人的底層共鳴

隨著智能電動化浪潮的深入推進，整車企業在電氣化、智能化技術上積累了豐富經驗，同時在數據挖掘與智能制造領域形成深厚基礎。憑借大規模制造的產業屬性，它們天然擁有眾多具身智能應用場景。近年來，特斯拉等企業在具身智能方面的突破，在一定程度上為行業指明了新方向。正如小鵬汽車董事長兼CEO何小鵬所言，具身智能與汽車產業的深度融合，有望成為企業未來的重要增長點。

近兩年來，已有上汽、廣汽、比亞迪、小鵬、小米等超10家車企，通過自主研發、技術合作或戰略投資等方式，積極布局智能機器人領域。

圖：國元證券

2024年11月，小鵬率先推出自研AI具身智能機器人，并已在其廣州工廠參與小鵬P7+車型的生產實訓。緊隨其后，廣汽與長安在12月相繼公布了具身智能機器人的新規劃，比亞迪也已啟動相關技術研發與人才儲備。2025年6月，理想汽車宣布成立“空間機器人”和“穿戴機器人”兩個二級部門，正式進軍智能機器人賽道。

車企相繼布局智能機器人，一方面是技術通用性的考慮，另一方面是落地場景的考慮。技術通用性上，智能汽車與機器人，看似形態迥異，卻在感知、決策與控制三大核心層面共享同一套技術基因。

圖：億歐智庫

以小鵬為例，在感知層面，小鵬汽車所搭載的XNet深度視覺神經網絡，能夠通過多攝像頭融合實現對現實世界的高精度重建。這套系統不僅讓車輛擺脫對高精地圖的依賴，也能讓機器人具備理解三維空間、識別障礙物的“眼睛”。在決策層面，小鵬的XPlanner規劃大模型通過對海量人類駕駛數據的學習，生成擬人化的運動軌跡，而這種時序推理與多對象博弈的能力，正是機器人實現自然步態與動態平衡的核心。而在認知層面，XBrain大語言模型賦予系統理解復雜場景與抽象指令的能力，無論是車輛識別潮汐車道，還是機器人理解人類意圖，背后都是同一種“認知智能”在發揮作用。

特斯拉早已驗證了這一路徑的可行性——其FSD全自動駕駛系統與Optimus人形機器人共享同一套視覺感知架構與神經網絡控制器，形成“一腦多用”的技術范式。而小鵬自研的圖靈芯片通用于AI汽車、AI機器人、飛行汽車上，正是對這一趨勢的積極響應。

圖：小鵬汽車官網

除此之外，動力電池、外殼材料等等多方面，汽車與機器人都存在技術遷移復用的可能。

汽車企業積極布局智能機器人賽道的另一個核心驅動力在于其擁有不可替代的落地場景——智能工廠。在具身智能發展中，高質量的數據是關鍵一環，而汽車制造車間以其自動化與標準化，成為天然的“數據富集場”和理想試驗田。

正如小鵬Iron機器人進入工廠承擔實際生產任務，企業通過將機器人直接部署于產線，執行裝配、搬運等作業，有效應對了真實數據采集成本高、仿真數據有偏差的行業挑戰。

圖：小鵬機器人Iron

機器人在“打工”過程中持續進化，其收集的數據不斷反哺優化算法，提升任務精度，從而勝任更復雜的工作。這就形成了“數據驅動算法→法賦能場景→景反哺數據”的閉環。在未來的智能工廠中，具身智能機器人將與工人、AGV無人車及制造系統深度協同，構建一個自我優化的生產有機體。車企在智能機器人領域的布局，正是為前沿技術找到了能夠落地生根并持續創造價值的核心應用場景。

03

遷徙之路：從小鵬汽車到小鵬機器人的技術演進

小鵬的機器人之路，始于其智能駕駛技術體系的成熟與溢出。何小鵬斷言，算力是定義AI汽車的第一標準，唯有強大的算力才能支撐更大模型、處理更多數據，最終驅動物理世界大模型與AI汽車的落地。小鵬通過G7車型，將行業競爭引入了“算力競賽”的新階段——其搭載的自研圖靈AI芯片，集成40核處理器，單顆即可本地運行高達300億參數的模型，并配備雙獨立圖像ISP。圖靈芯片釋放的澎湃算力，不僅夯實了小鵬在智能駕駛領域的現有優勢，更為其布局飛行汽車、機器人等未來業務奠定了堅實的基礎。

說起小鵬算力的布局和演進，有四個關鍵節點值得注意：第一是算法架構的重構。2021年，小鵬開始從依賴人工規則的智駕系統轉向端到端數據驅動模型。端到端的概念，我們在這里簡單理解就是，基于AI神經網絡，智駕系統在海量數據的訓練下，會自主學習、模仿人類的駕駛經驗。這一轉變不僅大幅提升了系統的泛化能力，也為機器人技術的遷移奠定了算法基礎。

第二是數據閉環的建立。既然要依賴深度學習神經網絡，那么海量數據的收集與投喂至關重要。純數據驅動的神經網絡算法要實現升級迭代，數據閉環體系的構建是關鍵。通過不斷收集實車數據、云端模型訓練并結合仿真能力，自動駕駛算法的長尾場景應對能力將大幅提升。小鵬通過近10萬輛車的實時數據回傳，構建起“收集-標注-訓練-部署”的全棧閉環體系。這套系統使智駕系統在復雜城市場景中的被動接管率下降38%，證明了其在真實環境中持續進化的能力。

第三是算力基座的擴充。到2024年，小鵬云端算力儲備已達2.51EFlops，并且每年投入超7億元用于算力訓練。這種規模的算力基礎設施，為機器人模型的訓練提供了強大支撐。

第四點是硬件能力的突破。要讓能力完全自主，最終必須掌握核心硬件。小鵬從2020年組建團隊，到2024年成功自研出“圖靈”AI芯片，這好比從購買通用發動機，到為自己量身定制一顆強大的“心臟”。這顆“心臟”能讓機器人IRON爆發出驚人的算力（2250 TOPS），是實現汽車、機器人等多領域布局的硬實力根基。

由此基礎，小鵬的智能三角出現了：XNet賦予機器通用的場景理解能力，XPlanner實現擬人化運動控制，XBrain提供認知推理支持。這些能力的組合，讓IRON機器人從“能走”進化到“走得像人”。

04

挑戰與未來：從“像人”到“像人一樣會干活”

小鵬為智能機器人設計了一條清晰的漸進式路線——先商用，后家用。第一步：站穩商場與展廳。目前，IRON機器人正優先走向導覽、導購、接待等商業崗位。這些場景有個共同特點：容錯空間相對較大。選擇從這里起步，既符合機器人當前的技術能力，也為其提供了絕佳的“實習”機會——在真實服務中積累數據、持續學習。

第二步：用“個性”打動人心。接下來，小鵬將發力于機器人的“形象定制”。通過仿生肌肉技術，未來的IRON將能呈現不同的性別、體型與外貌。何小鵬強調，這不僅是技術展示，更是為機器人注入 “情緒價值” 的關鍵。當機器人擁有獨特的形象與親和力，才能真正被家庭環境所接納。

第三步：融入更大的智能生態。從更宏大的視角看，小鵬的野心在于構建一個完整的智能網絡：汽車負責移動，機器人負責靜態服務，飛行汽車則拓展三維空間。三者協同，共同構成未來的具身智能世界。

圖：小鵬飛行汽車，小鵬汽車官網

然而，這條路依然充滿挑戰：穩定性是首要難關。機器人的量產瓶頸不在“生產”，而在 “出廠前的精細調試” 。當前全球人形機器人年產量遠未達到汽車制造的規模，如何確保每一臺機器人都能穩定、可靠地工作，是比擴大產能更迫切的問題。第二是數據成本居高不下。訓練機器人需要海量高質量數據。如果數據質量不達標，即便投入巨大，訓練出的模型性能甚至可能不如傳統小模型，形成 “高投入、低智能” 的尷尬局面。還有一點就是商業價值尚待證明，無論是商場里的導購員，還是未來家中的助手，機器人能否真正創造可量化的經濟價值，仍需市場給出最終答案。但挑戰雖大，希望也在孕育。隨著世界模型、仿真平臺等技術的成熟，機器人訓練成本有望大幅降低。同時，政策與行業標準的完善，將為其普及鋪平道路。小鵬機器人的故事，正從實驗室走向現實。

05

結語：一場關于智能邊界的重新定義

小鵬從汽車到機器人的技術遷徙，代表的不僅是一家企業的戰略轉型，更是整個行業對“智能”認知的折射。當同一套AI系統既能驅動汽車穿梭于城市道路，又能控制機器人行走于人類空間，我們正在見證一個“通才智能”時代的開啟。

正如斯坦福大學教授李飛飛所言：“空間智能將徹底改變現實與虛擬世界的交互方式?！毙※i的實踐，正是這一變革的前沿注腳。下一步，小鵬需要證明的不僅是IRON能走貓步，更是它能腳踏實地地創造價值。而這場試驗的結果，將深刻影響中國在具身智能時代的全球位置。在智能的邊界不斷消融的今天，也許不久的將來，我們將不再區分“汽車AI”與“機器人AI”，而是看到一個真正通用的智能生態，在其中，每一種形態的智能體都在為人類提供無縫的服務與陪伴。