具身智能：智能汽车与人形机器人的技术融合与产业分化

来源：Counterpoint

智能汽车和人形机器人，看起来是两个赛道，但底层技术栈的复用度高得惊人——摄像头、激光雷达、AI 模型、芯片、仿真平台，几乎每个环节都在跨行业迁移。

但 Counterpoint Research 在最新研究中给出了一个冷静判断：技术栈高复用，不等于两条赛道正在合流。恰恰相反，功能安全、BOM 成本和量产节奏的三重差异，正在拉开两个行业的产业化距离。

本文将为大家拆解三层技术栈的融合与分化逻辑。

1. 感知层：硬件高度同源，算法殊途同归

在硬件端，三类传感器形成了“同一供应商、两种终端”的格局。

CIS（CMOS图像传感器）的技术复用度最高：L2+/L3 级智能车需要 10-13 颗视觉芯片，高端人形机器人也需要 5-8 颗。激光雷达是最具爆发力的双赛道品类——速腾聚创 2026 上半年机器人领域激光雷达销量 28.26 万台，同比暴增 510%，增速是 ADAS 业务的五倍以上。IMU 方面，L2+ 以上车型单车标配 2 颗已成共识，机器人单台用量 2-4 颗。

差异化硬件品类同样值得关注。 毫米波雷达是汽车标配（单车 1-6 颗），但机器人几乎不用——速度慢、距离短，分辨率优势无从发挥。超声波雷达同理，汽车泊车标配 12 颗，但机器人近场感知已被激光雷达和深度相机覆盖。反过来，机器人全身 30+ 颗力/触觉传感器，是汽车感知体系中完全不存在的品类。

Counterpoint Research 整理了代表性的传感器在智能汽车和人形机器人领域的应用差异并附上了相应的核心供应商。


来源：Counterpoint Research

算法层面，两条路径正在占用网络（OCC）这一点上汇合。 自动驾驶从鸟瞰图（BEV）向 OCC 演进，用 3D 体素网格解决异形障碍物的长尾难题；机器人则天然需要 3D 理解，抓取、导航、避障都发生在三维空间。两者的底层技术共享 Transformer 特征提取、多传感器融合、同步定位与地图构建（SLAM）和目标检测跟踪。典型案例是小鹏 IRON 机器人直接复用 XNGP 智驾的“鹰眼视觉方案”，配合多维传感器实现 720° 全方位感知，底层 AI 与软硬件架构与小鹏汽车高度同源。

2. 决策层：AI 架构同源，执行复杂度差一个量级

VLA（视觉-语言-动作）模型是两个行业共同押注的决策范式。技术共性清晰：Transformer 底座、多模态融合、端到端输出、数据飞轮闭环。但执行复杂度差了一个量级。自动驾驶车辆约 6 个自由度，核心控制量就是转向角和加减速度；人形机器人有几十个自由度，需要协调腿、手、头部、躯干。这直接决定了 VLA 的落地形态不同：汽车的 VLA 输出路径点坐标，再由模型预测控制（MPC）分解为控制指令；机器人 VLA 则需直接输出各关节的高维动作序列。

芯片和仿真平台的跨行业复用度更高。 英伟达 Jetson AGX Thor 同时服务机器人（Isaac GR00T）和自动驾驶（DRIVE Thor），“同一硬件+双软件栈”最大化研发投入产出比。小鹏自研图灵芯片更进一步，做到了“一芯三用”——覆盖 AI 汽车、飞行汽车和人形机器人，旗舰版车型和 IRON 机器人均搭载 3 颗图灵芯片。仿真平台方面，NVIDIA Omniverse 基于 OpenUSD 标准，SimReady 资产在 CARLA（自动驾驶仿真）和 Isaac Sim（机器人仿真）之间无缝迁移。特斯拉的仿真引擎同时服务 FSD 和 Optimus ——同一套系统既生成复杂路口场景训练自动驾驶，也构建工厂、仓储场景训练机器人。

3. 执行层：算法相通，形态截然不同

汽车正经历从机械到线控底盘的架构革命——EMB 电子机械制动将响应延迟从 300-600ms 压到 50ms 以内。机器人以关节模组为核心，每个关节集成电机+减速器+编码器+伺服驱动，单台配备数十个独立伺服系统。

物理形态完全不同，但底层逻辑相通：电机控制算法（FOC）、精密制造、安全冗余设计均可迁移。这正是头部汽车 Tier 1 扎堆跨界机器人的直接原因：

博世为 Neura Robotics 提供 MEMS 传感器和伺服系统。
大陆旗下 Aumovio 为以色列 Mentee Robotics（已被 Mobileye 以 9 亿美元收购）代工生产人形机器人，输出关节、伺服系统和结构件的制造能力。
法雷奥将汽车感知系统（摄像头、雷达、超声波、驾驶员监控）移植到机器人感知。
采埃孚利用线控底盘和线控转向技术切入机器人肢体驱动。

4. 产业格局：近 20 家车企入局，四条路径分化

截至 2026 年 8 月，近 20 家主流车企通过自研、投资或孵化进入人形机器人赛道。Counterpoint Research 归纳为四类：

全栈复用派（特斯拉、小鹏）：FSD 与 Optimus 共享同一套技术架构，从数据管线到芯片全面复用。小鹏 IRON 搭载 3 颗图灵芯片+第二代 VLA，鹰眼视觉直接源自 XNGP。
场景驱动派（小米）：“自有工厂+汽车供应链+自动化基础”三位一体，汽车级电机扭矩密度直接满足机器人关节需求，成本比专用供应链低一截。
供应链复用派（比亚迪）：“尧舜禹”项目 2022 年启动，400+ 研发团队，将车规级硬件（含刀片电池）复用至机器人，靠垂直整合压造价。
探索派（广汽、奇瑞、长安）：广汽 GoMate Mini 为全尺寸可变轮足人形机器人，已形成持续研发投入。

5. 分化逻辑：三个根本性差异决定不同节奏

功能安全：汽车有 ISO 26262 + SOTIF + 网络安全三重标准叠加，认证周期 3-5 年。机器人安全标准仍处起步阶段（ISO 13849/13482），2026 年 2 月发布的《人形机器人与具身智能标准体系》是国内首个全覆盖顶层设计，但与汽车几十年积累差距明显。随着机器人走向消费场景，标准必然抬升——届时车规级供应商的先发优势会更突出。

成本结构：新能源汽车 BOM 以动力系统最大（35-40%），执行系统（底盘+线控）仅占 15-20%。人形机器人 BOM 高度集中在执行系统——关节+电机+减速器+灵巧手合计占 60% 以上。两套完全不同的成本结构，决定了截然不同的降本逻辑。


来源：Counterpoint Research

量产规模： 根据 Counterpoint Research的数据，2026 年，中国预计 1,600 万辆新车搭载 L2 ADAS，智能汽车已是千万级年销量。人形机器人 2025 年全球出货不到 2 万台，还在”从 0 到 1″阶段。对机器人而言，BOM 下降的首要驱动力是规模效应，而非技术突破。

分析师观点

技术融合是确定性趋势，但产业分化将长期存在。

短期（1-3年）最确定的投资主线是从车规向机器人迁移的供应链企业——拥有汽车基本盘和现金流，又能吃到机器人高增长红利。其中执行器和减速器企业受益弹性最大。

中期（3-5年）关注 VLA+ 世界模型的跨场景通用化。”一个通用模型驱动多种智能体”的范式如果能跑通，可能催生全新产业形态。

长期（5-10年）的关键变量：当汽车变成”四个轮子的服务机器人”，人形机器人变成”两条腿的通用智能体”，整个产业的竞争格局将被彻底改写。