近期，小鹏人形机器人IRON完成首轮融资，总额超9亿美元，投后估值63亿美元(约430亿元人民币)，创下国内具身智能行业单轮最高融资纪录。
数字之外，这笔融资的产业意义更值得关注。它标志着车企作为一股确定性力量，正式进入具身智能的量产主战场。资本押注车企，逻辑其实并不复杂：人形机器人正跨过技术验证期，进入量产落地的临界点。
这意味着行业竞争的重心正在迁移——拼的不再是实验室里的算法演示，而是制造体系、供应链整合与数据闭环这些“真刀真枪”的硬功夫。
对智元、宇树、智平方等具身“新势力”而言，接下来要面对的，不再仅仅是“机器人能不能动”，而是“谁有能力率先实现规模化交付”。
两条路径的正面交锋，将从这一轮开始。
小鹏IRON估值63亿美元
资本买的是"复用故事"
近期，小鹏集团交出了两份反差强烈的成绩单。
一边是2026年半年报：上半年总营收327.8亿元，同比下滑3.8%;净亏损31.2亿元，较去年同期的11.4亿元扩大173%;整车交付16.6万辆，同比下降15.8%。
另一边，机器人业务完成超9亿美元首轮融资，IDG资本领投，腾讯、阿里作为战略投资者入局，投后估值约63亿美元(约合430亿元人民币)。
对照小鹏港股市值，机器人业务账面估值已经无限接近于五五开。已经不是简单的“喜忧参半”，而是同一家企业内部，两套完全不同的资本定价逻辑正在同台博弈。
一套按汽车行业的销量、毛利、现金流定价，另一套则是为“具身智能”的想象空间买单。需要明确的是，63亿美元估值买下的，不是一台样机，而是“车企造机器人”的产业复用叙事。
在IRON人形机器人的供应链伙伴中，超过85%与小鹏汽车现有供应链重合一一这意味着小鹏可以直接调用成熟的车规级质量体系、规模化制造能力与供应商协同网络，3-5年内，这是区别于初创公司的最大护城河。
更关键的是技术资产的横向迁移。据悉，原本服务于小鹏汽车的图灵芯片、VLA大模型、智驾积累的真实场景数据，正在被系统性复用至机器人业务。
这也是小鹏对外重新定位自身——不止是车企，更是一家物理AI公司的底气。
但无法回避的是，小鹏汽车主业增长见顶、利润承压，机器人业务却到了必须真金白银砸量产的阶段。
一进一出之间，小鹏的现金流正承受双向挤压。这也是所有入局具身智能的车企共同的现实考题：汽车业务能否守住现金流，为机器人争取到跑通量产验证的时间窗口。
车企与人才集体押注
抢的是下一张船票
不止小鹏汽车。截至2026年8月，奇瑞、广汽、小鹏、比亚迪、小米、一汽、东风、赛力斯、理想、长安、吉利等十余家国内车企，或直接自研整机，或通过成立、投资机器人公司切入赛道。
这个数量级已足以说明：具身智能不是个别企业的战略选择，而是整个汽车产业的集体转向。当几乎所有头部车企玩家同时押注，具身智能就从少数人的判断，变成了全行业的确定性命题。
当前国内车市内卷加剧，单纯讲“造车”已经难以支撑资本叙事，具身智能与物理AI成为资本市场愿意买单的第二增长曲线，不过，仅用“资本叙事转向”仍然解释不了如此整齐的转向。
更深一层的内驱力在于：车企经过十余年智能化投入，已经积累了感知、决策、控制的完整能力，而这套能力此前只在“行车场景”一个出口释放，迫切需要一个走向全场景的实体载体。
资本要新故事，技术要新出口，两股力量在具身智能这一点上汇合了。更关键的是，车企切入这条赛道，几乎不需要从零起步。
拆开来看，车企手里其实握着三张现成的牌。
第一张是技术底座，自动驾驶与具身智能本就同源。前者本质上就是“四个车轮的机器人”，二者可共享同一套感知、决策、控制的基础算法栈。特斯拉用FSD的数据训练 Optimus、小鹏把智驾团队平移至机器人业务，走的都是这条“算法迁移”的捷径。
第二张是制造能力。机器人行业当下最稀缺的，不是算法，而是把样机变成产品的工程化能力。供应链管理、成本控制、品质一致性，这些车企在百万量级产销中反复淬炼过的基本功，恰巧是许多具身智能创业公司的短板，亦是车企的量产护城河。
第三张便是数据与场景入口。车企自有的工厂、门店与园区，天然就是低风险、低成本的落地试验场。先在封闭场景跑通“硬件量产一场景验证一数据回流”的迭代闭环，再进入更大的通用化市场。
技术可以迁移、制造有积累、数据场景在门口，三张牌齐备。车企的入场与其说是仓促跨界，不如说是水到渠成。
此外，人才流向也为这一逻辑提供了最诚实的注脚。
回望2015年，顶尖算法人才蜂拥涌入新能源造车，催生了中国智能驾驶的黄金十年；而到了2025年，相似的剧本正在重演——大批自动驾驶与AI架构领域的核心人才，正加速转向具身智能赛道。
一个耐人寻味的现象是：盘点当下头部具身智能创业公司不难发现，创始人或核心团队成员出身车企智驾部门的比例极高。
这绝非巧合：自动驾驶本质上就是一台在真实世界中移动感知、实时决策且承担安全责任的“轮式机器人”。自驾工程师积累的工程化经验与安全底线思维，天然适配具身智能的高要求。
从自动驾驶向具身智能人才迁移，几乎是一条顺理成章的能力跃迁路径。人才流动的背后，是技术范式的高度同源：自驾与具身智能共享着感知、决策与控制的技术底座，上半场沉淀的核心能力，正在下半场得到延续与延伸。
而车企集体入局带来的真正影响，恰恰在此——它们改变的不只是竞争格局，更是竞争标准：聚焦于芯片、大模型、硬件本体、供应链、量产制造与商业场景的综合系统能力。
技术迁移不等于复制
从来不是“能造出来”就行
不过，在“能造车”与“能造机器人”之间，并非一条生产线的距离，而是系统性的“价值链+供应链+生态链”重构。
从推演逻辑看，这一路径似乎水到渠成。芯片、大模型、智能制造三条主线已经齐备，汽车产业多年沉淀的自动驾驶技术栈与供应链体系，大家觉得天然就是为具备向人形机器人迁移准备的。
但潜藏的风险更容易被乐观预期所掩盖。推演逻辑的通顺，往往是最隐蔽的认知陷阱，不代表物理世界会照此运转，落到现实，至少有三道绕不开的门槛。
第一道坎：供应链复用率，远比想象中“低”。在汽车动辄上万个零部件的供应链体系中，人形机器人的痛点高度集中在灵巧手、微型电机、减速器、丝杠、力感知元器件。
这里的关键不是“有没有零件”，而是工况与量级完全不同。车规级零部件追求的是大规模、长寿命、高一致性；机器人关节追求的是高功率密度、高频响应、极致轻量化。两者的精度要求、容错标准、成本结构不在同一个坐标系里。
一句话总结：汽车供应链是一张厚网，但机器人恰恰需要网眼最细的那几格，而这几格，传统车企的账本上往往是空白。
第二道坎：智驾大脑 ≠ 机器人大脑。在资本叙事里，自动驾驶大脑是常被高估的资产。车企的空间感知与路径规划能力，确实可以较平滑地迁移至机器人的导航避障。
但机器人的核心价值不在移动，而在物理交互抓取、装配、柔性接触，这些涉及动态力控与实时接触反馈，要求毫秒级闭环，与智驾分属不同能力模态，本质上需从零训练，中间隔着漫长的工程化验证周期。
这也是为什么说，自驾数据飞轮喂得饱空间模型，却很难训练出能自主完成物理精细作业的机器人。
自驾数据是开放道路的“视觉一决策”技术路径，操作智能需要的是“力觉一触觉一反馈”决策闭环，前者是感知驱动的空间定位问题，后者是力控闭环的物理交互能力。
因此，数据资产能否迁移，取决于数据模态是否对口，而非数据规模。错配的数据，再庞大也无法堆积出能力跃迁，这也是目前任何自驾玩家都无法平移的坎。
第三道坎：具身智能“新势力”对手迭代速度不容小觑，已经拉开“大脑”身位。
当车企还在讨论先天优势时，新势力已经抢跑“大脑”。宇树的运动控制积累、智元的工厂落地生态、搭载智平方自研类脑分层架构的爱宝机器人常态化运营……各家都在用不同的路径快速逼近同一个终点。
而以小鹏为代表的车企，即便可以依靠车规制造、全栈自研、高算力建立差异化，但面对机器人复杂物理世界交互能力，没有捷径，只能靠海量真实场景的实践一点点跑通。
总结：车企拉开
具身智能竞争序幕
其实车企扎堆布局人形机器人，逻辑直白：汽车产业十余年沉淀的智能化能力，正在寻找新的载体争夺下一代物理世界的AI入口。
从自动驾驶到具身智能，AI走出数字世界、深度介入物理现实，本就是技术演进的必然一跃。但入场，不等于赢。造车攒下的家底，是一张入场券，不是护城河。
供应链要重新织网，大脑要重新训练，时间窗口还在收窄。
过去的具身智能赛道，拼的是实验室里的技术demo；如今，掌握全栈AI技术与大规模量产能力的车企正式入局，游戏规则变了，成了一场资本、供应链、工程化能力的系统对抗。
具身智能真正的淘汰赛，从这一刻，才算正式打响。
