盖世汽车研究院王显斌：人形机器人产业仍处商业化于试点验证初期

各位好，我是盖世汽车研究院的王显斌。不管是新朋友还是老朋友，首先特别感谢大家，在这么炎热的天气里，依然赶来参加我们的半年度沙龙。

盖世汽车合伙人、研究院副总裁王显斌

今天的议程比较密集，大家可能也有些累了，所以我尽量把分享控制在半个小时左右。前段时间，我在WAIC现场连续看了三天，也和团队一起做了一些研究和梳理。今天就借这个机会，把我们形成的一些初步判断和见解，特别是具身智能领域的一些观察和思考分享给大家。

简单回顾一下WAIC的发展背景。

WAIC从2018年开始举办，基本每年都在上海举行。如果大家没有持续关注，可能不会特别明显地感受到，这几年大会的主题和关注重点其实一直在发生变化。

2018年至2020年，WAIC的整体规模还不算大，关注的重点更多是数字化，尤其是工业数字化。同时，一些互联网公司也开始展示在计算机视觉、自动驾驶等领域的技术和应用。

到了2021年至2023年，虽然中间受到疫情影响，但大会的关注方向又发生了变化。一方面，芯片逐渐成为重要议题；另一方面，受当时行业热潮和疫情期间线上化趋势的影响，元宇宙也受到广泛关注，大家开始讨论虚拟世界中的交互方式、应用场景以及未来可能形成的新业态。

其实这几年，AI眼镜和各类可穿戴设备一度非常火，但大家也能看到，这些产品并没有真正实现大规模落地。

从2024年开始，WAIC的关注重点进一步转向AI底层能力，包括算力基础设施、核心大模型、超算以及这两年比较热门的OPC等。从全球范围来看，目前AI产业大致形成了两条发展路径。中国走的是全产业链路线。从底层算力和基础设施，到AIGC、算法、数据处理，再到具身智能、自动驾驶等大规模应用，整个产业链条相对完整。中国最大的优势，是能够把技术快速转化为产品，并在丰富的应用场景中持续迭代。

美国走的是另一条路线。它在完整产业链和大规模应用落地方面没有中国这么突出，更多资源集中在底层技术和前沿大模型。像OpenAI、英伟达、Google、亚马逊、特斯拉等科技企业，在基础模型、算法和前沿技术研究方面，确实具备比较明显的先发优势。

这两条路线就像两个不断转动的“飞轮”：中国依靠完整产业链和应用市场推动技术迭代，美国则依靠底层技术和大模型能力持续向前。未来哪条路线更有优势，现在还很难判断，特别是在全球科技产业可能进一步分化甚至脱钩的背景下，未来的走向还存在很大不确定性。

再回到今年的WAIC。总体来看，今年展会规模非常大，展览面积达到约10万平方米，采用“三地四馆”展示模式。从展区和赛道分布来看，机器人及具身智能硬件的占比明显提升，现场大约展出了240多家企业，占整体展示企业规模的24%左右。此外，大模型、算力、芯片以及各类AI平台也是今年展会的重要组成部分。

我在现场还看到很多面向垂直行业的AI应用，比如游戏、视频、动漫以及我们比较熟悉的数据洞察和分析工具。一些中小型科技公司也在通过AI帮助企业提高生产效率。除此之外，还有一部分企业聚焦工业数字化，包括生产设备、研发设计和项目管理等环节的智能化应用。

从参展企业来看，主要可以分为几类：第一类是机器人企业，产品覆盖人形机器人、四足机器人等不同形态；第二类是大模型、算法和AI应用等科技公司；第三类是国内零部件及硬件企业。甚至包括汽车企业在内，越来越多来自不同产业的公司，都开始向具身智能这条赛道聚集。

我们来先看出货量。目前具身智能仍处在非常早期的阶段。根据相关统计口径，2025年全球人形机器人出货量大约为1.8万台，其中中国约为1.5万至1.6万台。因为国内现有的1.5-1.6万台中，有相当一部分来自关联交易，或者企业之间的相互采购。此外，市场上还有很多二次开发商、销售代理商，以及存在股权关联的企业也在进行相关交易。这意味着目前的出货量，并不完全等同于终端市场的真实需求。这其实也是行业发展初期的正常现象。由于机器人在硬件和软件层面都还不成熟，无论是工业、商业还是家庭场景，目前都没有真正实现大规模应用。企业只能先通过小范围采购、试点和内部合作，逐步验证产品。

现阶段相对成熟的具身智能产品，主要还是扫地机器人，以及酒店里的配送机器人,这类产品功能相对单一，运行环境也比较固定。真正到了双足人形机器人、轮式人形机器人和轮足人形机器人，无论在工业还是其他场景中，都还有很长一段路要走。

不过，我对今年市场规模预测仍然比较乐观。部分机构预计全球人形机器人出货量可能达到6万至8万台，我们的判断则更积极一些，认为有机会接近10万台。主要原因是越来越多的工厂开始进行试点，并逐步从单台验证转向小批量应用。同时，渠道采购、海外市场以及科研领域，也会带来一部分新增需求。

在AI手机、AI PC和AI眼镜这几类终端中，我认为AI手机和AI PC未来几年的增长会更快。因为手机和PC本身已经拥有庞大的存量市场，接下来只是逐步完成AI化升级。一旦AI能力成为标配，市场增长速度会非常快。大家也能看到，AI手机出货量正在快速提升，按照图中的预测，今年大约可以达到700万台；AI PC也在持续增长，每年甚至呈现翻倍增长趋势。

相比之下，AI眼镜这两年虽然展示很多，但实际发展速度相对较慢。目前的功能仍然集中在翻译、录音、会议纪要、工作辅助以及拍照录像等方面，主要解决办公效率问题。它还没有形成足够强的刚性需求，所以短期内很难像手机和PC一样快速普及。

再回到人形机器人出货量场景应用结构来看，如果按照中国市场约1.5万至1.6万台的出货量来拆分，目前占比最高的仍然是娱乐表演和展示类应用，占比高达35%。大家参加会议、展览或商业活动时，经常能看到租赁人形机器人进行迎宾、表演或者商场互动。

第二类需求来自数据采集公司和科研机构。它们采购机器人，主要用于二次开发、数据采集、算法训练和场景验证，这部分目前大约占20%。此外，还有高校科研、商务接待及其他商业服务场景。如果把这些需求放在一起，目前商业服务类应用的占比接近90%。

工业领域的占比还不算高，但仓储物流是其中相对成熟的一类，包括搬运、分拣和配送等环节。像京东、阿里等企业，已经开始逐步部署相关产品。此外，人形机器人也在向医疗和其他工业场景延伸，但总体仍处于试点阶段。

如果进一步看人形机器人的商业应用，未来主要还是集中在工业、商业和家庭三个方向，而不同场景对机器人的要求并不一样。

首先是工业场景。工业用户最关注的第一项指标是负载能力，也就是机器人手臂末端的夹爪或灵巧手能够承受多大的重量。第二项是作业精度。例如产线上的视觉质检、点胶、装配等工序，往往要求机器人在固定工位上达到零点零几毫米的精度。第三项是响应速度和时延。总装线上的生产节拍非常快，一个零部件到达工位后，不可能等待机器人几秒钟再开始执行任务，所以工业场景对实时响应能力的要求非常高。

第二类是商业场景。商业服务更看重机器人对外部环境的感知能力。例如在门店接待、销售讲解或者4S店导览中，机器人要能够识别有人靠近，并主动进行介绍和互动。同时，语言交互的响应速度也非常重要。目前机器人与人交流时，通常需要等待两三秒才能作出回应，比人与人之间的即时交流至少慢一秒。对真实的商业服务来说，这种延迟仍然会明显影响体验。

第三类是家庭场景。家庭环境比工业和商业场景更加复杂，因为它不是一个标准化、结构化的空间。如果类比自动驾驶，工业场景更像在规则相对明确、环境相对固定的道路上行驶；家庭场景则更接近复杂的城市道路，需要随时面对人员走动、障碍物随机出现等情况。因此，机器人进入家庭的难度会更高。

在这三类场景中，还有一个共同的核心问题，就是安全。

我们内部经常开玩笑说，如果一台人形机器人突然失控，踢你一脚或者打你一下，后果可能非常严重。因为人形机器人会直接进入人的工作和生活空间，所以它带来的物理安全风险，可能比很多人想象的更直接。

除了物理安全，还有信息安全。机器人会持续与用户对话，并通过摄像头、麦克风等传感器采集环境信息。如何保证这些数据不被泄露，如何避免机器人输出恶意内容，甚至如何防止它产生危害公共安全或国家安全的言论，都是未来必须解决的问题。

人形机器人场景应用如此复杂主要有几个核心难点：

1、人形机器人本体企业必须深入理解具体行业的工艺流程，不能只把硬件产品交付给客户。另一方面，人形机器人本身对硬件精度、动作时延、传感器感知和系统稳定性的要求都非常高。

2、人形机器人还需要大量高质量数据进行学习。就像人类从小要通过阅读、观察和实践不断获取知识一样，机器人也需要在真实场景中持续训练。但目前真正落地的应用还不多，能够用于训练的高质量场景数据非常有限，因此数据采集已经成为行业发展的关键环节。不过，现阶段的数据采集在很大程度上仍然属于劳动密集型工作，企业比拼的是采集效率和成本。这也意味着，机器人要真正进入不同场景并形成规模化应用，仍然需要一个比较漫长的过程。

3、再从产品成本来看，目前人形机器人的价格仍然比较高。高端产品基本在40万元以上，一些入门级产品也要10万元左右。从硬件成本结构来看，执行系统的占比最高。谐波减速器、灵巧手中的空心杯电机以及编码器等核心部件，合计约占整机成本的一半。六维力传感器、激光雷达等感知部件，大约占15%至20%。剩余部分主要包括动力电池、芯片及其他结构件。

未来人形机器人的降本路径会和汽车比较相似。随着出货规模扩大和供应链逐渐成熟，硬件成本会自然下降。尤其是执行系统中的六维力传感器、灵巧手，以及感知系统中的激光雷达，未来都有较大的降本空间，部分部件的成本可能下降一半。

按照目前的行业预测，到2030年，规模化应用的人形机器人的成本有望降到3万至4万美元。如果产品能力同步成熟，它就有机会进入更多商业场景，甚至逐步进入家庭市场。综合来看，大部分核心硬件未来都存在较大的降本空间，预计降幅可能达到40%至70%。

现在我们也再分享一下大家非常关注的通用大模型。

从2022年前后出现“ChatGPT时刻”，到今天大模型从文本处理逐步走向多模态理解、环境交互和自主学习，行业一直在讨论：具身智能的“安卓时刻”什么时候到来？

前段时间，Google DeepMind发布了Gemini Robotics 2、Gemini Robotics-ER 2以及Gemini Robotics-On-Device 2模型。过去DeepMind更擅长解决机器人的“大脑”问题，现在则开始把能力从大脑延伸到手部操作和端侧部署，希望实现从理解、决策到执行的完整闭环。

2005年左右，Google通过安卓建立了移动互联网时代的重要操作系统。今天，它显然也希望在具身智能领域扮演类似角色，通过软件、大模型和操作系统构建一个新的生态。但它最终能不能成功，现在还很难判断，因为Demis Hassabis，宣布卸任Google DeepMind CEO，他将交出日常运营大权，任职GDM主席兼Alphabet首席科学家，而首席科学家Jeff Dean，正式宣布离职。同时，已经有大量企业进入通用大模型和机器人操作系统赛道，这些变化都会给行业未来的发展带来不确定性。

我个人的判断是，未来真正能够长期做通用基础模型的企业不会太多，这一市场很可能逐步走向集中，最终只剩下少数几家头部公司。部分头部车企可能具备一定优势，因为它们同时拥有算力、数据、工程体系和真实应用场景。但对大多数企业来说，更现实的选择还是围绕工业、商业或家庭等具体场景，开发垂直模型和行业解决方案。

从资本角度看，通用基础模型赛道的投资窗口也在逐渐收窄。原因很简单：参与者已经太多，投入又非常大，未来真正能够跑出来的企业却不会很多。

这是我对具身智能底层模型和通用大模型发展趋势的一个基本判断。

当我进入H3馆一层以后，第一个比较强烈的感受，就是今年国内企业在算力基础设施方面变得更加开放了。下面华为这张照片是我在现场拍的，虽然画面比较小，但大家可以看到，展区直接把超算平台和内部结构展示了出来。

图中是华为昇腾950SuperPoD超节点，现场大约有20台机柜构成，整套集群单节点最大可支持1024张算力卡协同工作。现在行业经常讲“千卡集群”和“万卡集群”，核心就是通过大量算力芯片的协同，形成更强的整体计算能力。除了华为，AMD、平头哥、昆仑芯等企业，也都把算力底座作为重要展示内容。客观来看，目前国产算力芯片与英伟达等海外芯片企业相比，在单卡性能、推理效率和软件生态等方面仍然存在差距，国内企业更多采用系统集成的方式，通过扩大集群规模、提升芯片之间的协同效率，弥补单卡能力的不足。我们看到的各种系统级、集群级超级节点，正是为了支撑参数规模更大、计算量更高的大模型。

来源：2026 WAIC 前沿洞察分享报告

随着集群规模不断扩大，高速互联正在成为算力基础设施的关键。过去很多连接主要依靠铜缆，现在逐渐转向光互联。短距离的机柜内部仍然以电连接为主，但到了跨机柜、跨集群的场景，光模块的使用比例会明显提升，“光进铜退”的趋势已经非常清楚。

与此同时，国产CPO已进入系统验证阶段，但目前仍然面临一些现实问题，比如产品良率、功耗和散热。这里面，我认为热管理会是一个非常值得关注的机会。这个机会不只存在于超算基础设施，也存在于机器人本体。过去大家看到的机器人，可能完成一段表演或者现场演示就可以了，但真正进入工厂或家庭以后，要求的是设备能够长期、稳定、可靠地运行，减速器、电机、芯片或者其他核心部件一旦因为散热问题出现故障，机器人就无法继续工作。因此，无论是算力中心还是机器人，热管理都会成为非常重要的技术方向。

从数据中心来看，冷却方式也在发生变化。随着大模型体量持续扩大、芯片性能和功耗不断提升，传统风冷逐渐难以满足需求，行业开始加快向液冷转型，包括冷板式液冷、单相浸没式液冷和两相浸没式液冷等路线。前段时间，液冷、先进封装等相关概念在资本市场受到较多关注，近期虽然有所回调，但短期波动不会改变长期趋势。包括中国和欧洲在内，很多国家和地区都开始对数据中心的PUE提出更高要求，一些项目需要做到1.3以下。如果达不到要求，可能面临阶梯电价、能耗限制，甚至被逐步淘汰。

除了超算硬件，我们还看到很多企业通过大规模集群和新的基础设施架构，为客户提供算力服务。这几年Token越来越重要。过去互联网企业争夺的是流量，未来企业购买和消耗的可能更多是Token。为了打通从底层算力到上层应用，很多企业也开始提供配套的软件系统，帮助客户提高算力调用效率和业务生产效率。因此，AI基础设施正在从单纯销售硬件，逐步转向“硬件、算力、软件和服务”一体化。

再回到机器人赛道来看，今年H1、H3等展馆里有一个很明显的变化，很多企业不再只是展示机器人本体，而是把产品放进具体场景中，向大家展示机器人究竟能做什么。给我印象比较深的是，它石智航与天海合作展示了线束穿引作业，机器人在现场进行类似“穿针引线”的操作，我观察了一段时间，整体流畅度还可以。但现场演示流畅，并不代表进入工厂后就能稳定运行，能不能连续工作一周甚至两周，期间会不会出现故障，这才是企业真正关心的问题。同时，对工厂来说，判断一台机器人是否有价值，标准其实非常实际。第一，它替代人工以后，投资回报周期是多少；第二，在整个生命周期内需要投入多少维护成本；第三，一旦设备出现故障，是否需要工程师长期驻场和维护成本。

无论是工业、商业、家庭还是特种场景，机器人真正的价值都不是完成一次演示，而是能够替代部分人工、降低成本，并与企业现有的业务流程真正打通。我认为，这也是今年相比往年更加务实的地方。

今年现场还有很多超仿生机器人。一些企业通过改造本体、增加硅胶皮肤，让机器人的外观、表情和动作更加接近人类。但从我的现场体验来看，这条赛道还远未成熟。有时我和机器人说话，它很长时间没有回应；有时我提出一个需求，它也无法准确理解和执行。目前这类产品带来的更多还是情绪价值，真正能够支撑商业化的应用场景并不多。未来，它们可能会率先进入迎宾接待、固定讲解和情感陪伴等场景。但隐私保护、产品成本、后期维护和交互稳定性等问题，仍然会带来很多挑战。

另外一个热度比较高的赛道就是灵巧手。过去做机器人本体的企业开始研发灵巧手，做汽车零部件、执行器和其他机器人核心部件的企业也在进入这一赛道。今年不仅参与者更多，技术路线也更加丰富。例如，全直驱方案正在变得更轻，动作响应和灵敏度也有所提升；传统的绳驱方案以及混合驱动方案，也都在持续发展。我个人认为，这几条技术路线未来会长期共存，因为不同应用场景对灵巧手的灵敏度、负载能力、操作精度和量产可靠性有不同要求。在工厂里，机器人可能需要搬运重物，因此更看重负载和扭矩。但进入家庭以后，机器人未必需要很大的负载，反而更看重动作精度。例如拧灯泡、开关门，或者完成简单的烘焙操作，都需要更加精细的控制。所以，工业场景和家庭场景对灵巧手的要求完全不同。无论是直驱、绳驱还是混合驱动，未来都可能找到适合自己的应用空间。包括智元、均胜电子等企业所布局的相关产品，都还有较大的成长空间。

汽车行业也是今年机器人展区的重要参与力量。很多车企已经提出自研芯片、自研大模型，也有越来越多汽车零部件企业发布电子皮肤、灵巧手、执行器模组和电池等产品。比如均胜电子，这次就在相关方向上展示了多类产品。为什么车企和汽车零部件企业都在进入机器人领域？我认为主要有三个原因。

第一，很多汽车零部件和制造能力可以复用。

第二，汽车产业已经形成了成熟的工程化、供应链和规模化生产体系，这些产能和能力可以向机器人领域外溢。

第三，在汽车行业竞争加剧的背景下，大家也在寻找新的增长曲线。

在模型技术方面，今年VLA和世界模型都有新的进展。但我们判断，VLA与世界模型真正实现深度融合，仍然需要较长时间，因为两条路线各有优势，目前还没有形成统一方案。

另一个热点是数据采集。无论是真机遥操作、穿戴式设备、无本体采集，还是仿真数据，今年都有更多企业参与。很多数据采集公司开始推出专用设备，一些灵巧手企业也开始进入这一领域。大家逐渐意识到，数据可能比单纯的硬件更重要，因此不同类型的企业最终都在向数据赛道聚集。未来的数据采集也不会只有一条路线。如果需要高度还原真实场景，就可能采用真机遥操作，但相应的成本也更高。如果对数据精度要求没有那么高，则可以更多采用仿真方式。目前最大的难点，仍然是数据质量。我们和一些数据采集公司交流时发现，即使是同一个物体，在同一个位置采集，换一个20度角度采集，得到的数据也可能出现较大差异。进入模型训练和实际应用以后，这些数据未必能够直接融合，最终效果也不一定达到预期。数据如何标准化、对齐和复用，仍然是行业需要解决的大问题。

我们再看另一个比较热门的赛道——AI终端产品。

今年AI眼镜最明显的变化是进一步轻量化，一些产品已经做到30克以下。同时，AI眼镜也开始从简单叠加功能，转向解决真实场景中的需求，比如办公辅助、骑行导航、信息显示和日常支付等。不过，大家看现场展示会发现，不同产品的功能仍然比较同质化，主要集中在拍摄、翻译、导航、录音等方面。产品虽然越来越轻，但真正能够形成差异化体验的核心功能还不多。

AI手机今年也出现了新的变化。传统手机厂商正在加快AI化转型，大模型公司开始与手机企业合作，也有部分企业尝试推出自己的终端或平台。因此，未来AI手机大致会形成几类参与者：一类是拥有终端和硬件能力的传统手机厂商；一类是终端企业与大模型公司的合作；还有一类是大模型企业直接推出自己的平台或产品。

未来AI手机的竞争，可能不再只是硬件参数之间的竞争，而是模型能力、操作系统、数据和终端体验之间的综合竞争。在这个过程中，拥有核心大模型能力的企业可能更有优势。

除了手机和眼镜，AI耳机等可穿戴设备也在增加。过去耳机主要解决听音和通话问题，现在则开始加入翻译、录音、会议辅助和跨设备协同等功能。越来越多互联网企业、大模型企业和硬件品牌，也开始围绕这些场景展开合作。

在通用大模型方面，近期受到关注的新模型和即将发布的新一代产品，也呈现出几个明显趋势：

第一是趋势是模型参数仍在增长，开源生态进一步扩大，同时行业开始更加重视长上下文和复杂推理能力。这也意味着，未来对推理芯片和推理算力的需求会越来越高。

第二个趋势是端云协同。部分任务可以放在云端完成，部分能力则需要在手机、眼镜、机器人等终端上实时运行。如何平衡响应速度、算力成本、数据隐私和用户体验，会成为商业化落地的关键。

第三个趋势是AI Agent。现在很多企业都在推出面向不同场景的智能体产品，有的聚焦内容创意，有的服务办公协同，还有的针对设计、营销、客服等具体业务进行拓展。智能体正在从通用工具逐步进入垂直场景。

工业领域也出现了类似变化。比如西门子开放数字化平台，把过去积累的工厂制造资源、行业知识和工程数据整合到平台中。企业如果要新建厂房或调整生产线，可以先基于模型进行仿真和3D渲染，提前验证方案，从而降低建设和试错成本。

除了制造业，电力、环卫、农业等领域，也开始使用AI提高运营和生产效率。AI已经不再只停留在模型层面，而是在越来越多行业中进入真实业务流程。

针对报告，我做一个简单总结。

第一，WAIC目前已经成为全球人工智能领域具有代表性和影响力的大会，中国在AI产业链、应用场景和企业参与规模等方面，也逐步进入全球领先行列。今年展会规模进一步扩大，底层算力、机器人和AI终端都出现了很多新的变化。

第二，人形机器人商业化仍然处于初期试点阶段。真正的批量生产和规模化试点应用，我认为至少要到明年下半年以后，才可能出现更加明确的进展。

第三，大模型正在从静态内容生成，逐步走向复杂推理、自主决策和任务执行。底层基础设施方面，超级节点、液冷、高速互联和新的Infra架构，将成为未来的重要方向。

第四，机器人产品已经进入示范验证阶段，但距离规模化应用仍有几个核心难点。首先，机器人需要真正打通垂直行业的工艺和业务流程，并能够长时间、安全、可靠地工作；其次，要解决物理安全和信息安全问题；再次，硬件成熟度仍需提升，包括热管理、执行精度、响应速度和核心部件可靠性；最后，还要建立高质量数据采集、训练和反馈的闭环。

第五，在AI原生终端方面，眼镜、手机和耳机将成为发展较快的几类可穿戴产品。但未来的竞争不只取决于硬件，还取决于模型能力、端云协同以及是否能够解决真实需求。

第六，基础大模型市场会进一步向头部企业集中。大多数企业没有足够的资金、算力和数据长期投入基座模型，更现实的发展方向，是围绕制造、能源、环卫、农业等具体行业，开发垂直模型和应用方案。

总体来看，AI已经开始深入越来越多的产业。未来真正有价值的，不是单独展示一项技术，而是能不能把模型、算力、硬件和行业场景结合起来，形成稳定、可靠并且具有商业价值的应用。

最后一页，主要想和大家探讨一个问题。今天到场的嘉宾中，有很多来自汽车行业，也有不少从事具身智能的朋友。那么，汽车产业链上的企业应该如何理解这个赛道，又可以通过哪些路径参与进来？

我认为，大致可以分为四种路径。

第一种路径，是继续发挥汽车产业在核心零部件方面的优势。

汽车行业在传感器、软件算法、热管理、电子皮肤以及其他核心部件方面，本身就拥有较强的技术积累和工程化能力。相关企业完全可以从一个零部件切入，把产品做深、做透，并逐步从单一部件延伸到系统解决方案。

企业不一定都要去做机器人本体。只要能够围绕某个核心部件建立技术壁垒，并解决机器人在性能、可靠性、成本和量产方面的实际问题，同样可以在产业链中形成非常重要的位置。

第二种路径，是成为机器人应用场景的定义者和制造合作伙伴。

无论是整车企业还是汽车零部件企业，本身都拥有非常强的制造场景。很多企业不仅有工厂和生产线，还有线下门店、零售网络和售后服务体系，这些都是机器人可以进入的真实场景。

当前机器人产业面临一个很大的问题：机器人本体企业通常不够了解垂直行业的工艺要求，而真正掌握行业工艺的企业，又未必了解机器人技术已经发展到什么程度。双方之间存在明显的信息差和能力断层。

汽车企业恰好可以发挥场景定义者的作用。我们可以把生产制造、门店服务和售后运营等场景中的经验开放出来，与机器人本体企业共同定义产品、验证方案，让机器人真正适应产线和业务流程。

此外，汽车行业拥有成熟的制造体系、质量管理能力和供应链资源，也可以为机器人企业提供代工生产、工程开发和规模化制造服务。这些都是汽车产业已经积累多年的成熟能力。

第三种路径，是直接进入具身智能和AI终端市场。

现在已经有一些整车企业和汽车零部件企业直接切入相关赛道，开始研发机器人、手机、耳机以及其他智能终端。这种方式本质上是把汽车行业原有的平台化技术、研发体系、资金和人才资源，延伸到新的产品领域。

当然，企业也不一定完全依靠自研。还可以通过并购、股权投资或战略合作等方式，快速获得新技术、新团队和新产品能力，从而进入具身智能赛道。

这条路径的投入会更大，也意味着企业要直接面对新的市场竞争。但对于具备资金、技术和产业资源的头部企业来说，它可能成为寻找第二增长曲线的重要方式。

第四种路径，是围绕汽车生态开展跨界协同创新。

汽车本身不仅是一种交通工具，还可以看作一个移动的能源节点、计算节点和空间节点。未来，机器人可以与汽车形成更深度的协同，创造一些过去没有出现过的新场景。

例如，现在已经有企业在测试四足机器人随车出行。用户露营时，四足机器人可以帮助搬运行李；在户外活动中，它可以承担巡逻、看护和跟随任务；对于家庭用户来说，它也可以成为孩子的互动伙伴，甚至像宠物一样陪伴家庭成员。

四足机器人还可以成为移动电源，甚至承担移动影院等功能。用户带着它去露营或长途出行时，它既可以提供实用功能，也可以带来娱乐体验和情绪价值。

从技术角度看，四足机器人未来还可能成为一个移动的边缘计算节点。它可以像AI Box一样，为车辆补充感知范围和计算能力，并采集车辆之外的环境信息。这些数据也可以进一步支持大模型训练和场景应用。

所以，汽车与机器人之间并不是简单的产品叠加。未来可以围绕能源、算力、感知、空间和用户服务进行大量探索，从而形成新的产品形态和商业模式。

以上就是我从个人视角以及我们团队内部讨论的角度，对AI和具身智能的一些初步观察和判断，很多观点还比较粗浅，也欢迎各位嘉宾会后继续交流和讨论。

谢谢大家。

-----------