2026 年正處于人形機(jī)器人從技術(shù)原型向規(guī)模化量產(chǎn)邁進(jìn)的關(guān)鍵窗口期，而汽車制造行業(yè)與這一新興賽道的深度綁定，正在成為行業(yè)格局重塑的核心線索之一。

汽車供應(yīng)鏈與人形機(jī)器人研發(fā)存在天然的技術(shù)同源性 —— 汽車領(lǐng)域積累的傳感器、控制系統(tǒng)及目標(biāo)識別算法，為機(jī)器人研發(fā)提供了直接技術(shù)借鑒；同時，車企憑借零部件體系的 “規(guī)模降本 + 質(zhì)量管控” 優(yōu)勢、超 50% 的供應(yīng)鏈資源共享能力，可快速支撐機(jī)器人的成本下探與產(chǎn)能落地。當(dāng)前，特斯拉 Optimus 已進(jìn)入 “精細(xì)化 + 擬人化” 階段并計劃 2026 年底量產(chǎn)，國內(nèi)小鵬、小米等 13 家車企也通過自研、合作、戰(zhàn)略投資等方式密集布局人形機(jī)器人賽道。更關(guān)鍵的是，這一布局不僅是車企的業(yè)務(wù)邊界拓展，更推動其估值體系從傳統(tǒng)制造業(yè)的 “銷量 / 份額驅(qū)動”，向科技公司的 “現(xiàn)金流 + 分部估值” 框架遷移，人形機(jī)器人正在成為打開車企成長空間的核心增量。在此背景下，本報告將聚焦車企在人形機(jī)器人賽道的同源性優(yōu)勢與布局邏輯，解析其成長潛力與行業(yè)影響。

一、汽車供應(yīng)鏈?zhǔn)侨诵螜C(jī)器人發(fā)展的天然土壤

1.1、算法：機(jī)器人 “大腦” 與自動駕駛算法高度同源

1.1.1、自動駕駛算法發(fā)展 —— 從規(guī)則走向神經(jīng)網(wǎng)絡(luò)，端到端邁向認(rèn)知智能

回顧自動駕駛的發(fā)展歷程，智駕算法的演進(jìn)路徑清晰可辨。最早期的自動駕駛，多采用傳統(tǒng)計算機(jī)視覺算法進(jìn)行障礙物識別，多個攝像頭的識別結(jié)果會通過后融合的方式整合為綜合感知信息，但這種方式的識別精度較低，常常受一些基礎(chǔ)問題的制約；

2021 年起，特斯拉接連舉辦多場 AIDAY，推出 BEV+Transformer 架構(gòu)與 Occ 占用網(wǎng)絡(luò)，幾乎攻克了感知層面的難題，行業(yè)由此進(jìn)入快速發(fā)展階段，采用這類算法的參與者基本能夠?qū)崿F(xiàn)智駕的 “可用”；不過在當(dāng)時，感知環(huán)節(jié)之外的規(guī)劃與控制部分仍以規(guī)則類方案為主，駕駛動作較為僵化，面對復(fù)雜多變的城市道路環(huán)境，通常只能在特定路段或路況下運(yùn)行；

2023 年，特斯拉再度引領(lǐng)行業(yè)方向，推出端到端自動駕駛算法，實(shí)現(xiàn)了從感知到控制的信息無損耗傳遞與全局優(yōu)化，真正讓智駕達(dá)到了 “好用” 的水平。這一技術(shù)思路在 2024 年被國內(nèi)行業(yè)參與者廣泛借鑒，“全國范圍內(nèi)可行駛” 也成為了頭部智駕企業(yè)的核心入場標(biāo)準(zhǔn)。此后，隨著大語言模型的發(fā)展，行業(yè)參與者意識到智駕不僅需要具備 “駕駛能力”，還需能夠理解道路場景，在面對文字標(biāo)識牌、潮汐車道等復(fù)雜場景時，單純的端到端方案會顯得應(yīng)對不足；理想汽車于 2024 年率先推出端到端 + VLM 算法，成功躋身智駕第一梯隊(duì)，2025 年又推出 VLA 算法；

同樣在 2025 年，行業(yè)內(nèi)的參與者也從僅通過端到端方式訓(xùn)練 “系統(tǒng) 1”，逐漸轉(zhuǎn)向借助強(qiáng)大的多模態(tài)模型來構(gòu)建算法的 “系統(tǒng) 2” 能力，同時將模仿學(xué)習(xí)與強(qiáng)化學(xué)習(xí)相結(jié)合，通過世界模型搭建虛擬環(huán)境，助力智駕突破性能邊界。近期，特斯拉的 FSD 系統(tǒng)已大幅放寬對駕駛員的監(jiān)控要求，會依據(jù)路況提示駕駛員留意前方路況，實(shí)際上已開始向類 L3 級別的功能邁進(jìn)。回顧智駕算法的發(fā)展歷程，其整體路徑是從規(guī)則主導(dǎo)轉(zhuǎn)向模型主導(dǎo)，從模塊化架構(gòu)過渡到端到端架構(gòu)，從單一探索 “系統(tǒng) 1” 的能力，逐步拓展為同時探索 “系統(tǒng) 1” 與 “系統(tǒng) 2” 的協(xié)同能力。與之相對應(yīng)的是，算法對不同場景的適配性持續(xù)提升，所具備的智能水平也愈發(fā)完善。

1.1.2、機(jī)器人算法發(fā)展 —— 從規(guī)則驅(qū)動到數(shù)據(jù)驅(qū)動再到認(rèn)知驅(qū)動

回顧機(jī)器人的發(fā)展歷程，其也走過了相似的演進(jìn)路徑。早期的工業(yè)機(jī)器人一般采用 PID 等控制算法來操控機(jī)械臂，這類算法需要預(yù)先編程，之后機(jī)械臂便會依照人類設(shè)定的流程執(zhí)行對應(yīng)的動作。此后，本田等企業(yè)推出了 ASIMO 這類雙足機(jī)器人，基于數(shù)學(xué)模型的算法開始逐步應(yīng)用，這類算法的核心是對機(jī)器人平衡狀態(tài)的控制，零力矩點(diǎn)（ZMP）+ 線性倒立擺（LIPM）等數(shù)學(xué)建模方式被用來保障機(jī)器人的平衡，本質(zhì)上這是一種純規(guī)則類的算法方案，不僅流程復(fù)雜、調(diào)整難度大，同時靈活度較低，ASIMO 機(jī)器人最終也只是曇花一現(xiàn)，逐漸淡出了行業(yè)視野。隨著機(jī)器人身體自由度的提升，模型預(yù)測控制（MPC）+ 全身動力學(xué)控制（WBC）的方案開始出現(xiàn)，波士頓動力依托液壓驅(qū)動技術(shù)打造的 Atlas 機(jī)器人曾一度引領(lǐng)行業(yè)潮流，但該算法本身的泛化能力依然有限，對復(fù)雜環(huán)境的適應(yīng)程度不高。步入新的發(fā)展階段后，神經(jīng)網(wǎng)絡(luò)技術(shù)快速迭代，模仿學(xué)習(xí)與強(qiáng)化學(xué)習(xí)成為了機(jī)器人算法訓(xùn)練的新范式：對于機(jī)械狗這類產(chǎn)品，搭建虛擬環(huán)境開展強(qiáng)化學(xué)習(xí)，成為了訓(xùn)練其完成移動動作的常用方式；而針對操作類任務(wù)與人形機(jī)器人，模仿學(xué)習(xí)則是主要的訓(xùn)練方法，借助遙操作或者動作捕捉技術(shù)，機(jī)器人能夠精準(zhǔn)復(fù)刻人類的復(fù)雜動作與行為。同時，隨著大模型技術(shù)的發(fā)展，VLA 等算法更是讓機(jī)器人成為了具備自主 “大腦” 的實(shí)體，能夠獨(dú)立與人進(jìn)行交互并完成各類任務(wù)。

從整體來看，機(jī)器人的發(fā)展也經(jīng)歷了從規(guī)則驅(qū)動到數(shù)據(jù)驅(qū)動、再到認(rèn)知驅(qū)動的過程，算法模型的泛化能力持續(xù)增強(qiáng)，其功能也從簡單的、預(yù)先規(guī)劃好的動作，逐步升級為能夠完成復(fù)雜地形穿越、執(zhí)行簡單任務(wù)等更豐富的能力。

1.1.3、自動駕駛和機(jī)器人算法實(shí)現(xiàn)交匯

在算法層面，機(jī)器人與自動駕駛技術(shù)的發(fā)展路徑正日漸趨同。行業(yè)內(nèi)的技術(shù)方案已基本集中于多模態(tài)大型端到端神經(jīng)網(wǎng)絡(luò)以及 VLA 模型等方向，在功能層面則力求同時具備 “系統(tǒng) 1” 與 “系統(tǒng) 2” 對應(yīng)的快速反應(yīng)和深度思考能力。正因如此，兩者在模型的構(gòu)建思路以及需要解決的核心問題上，重疊度正不斷提升。從具體的算法路線來看，理想汽車、元戎啟行等企業(yè)選擇了 VLA 技術(shù)路線，還有部分智駕領(lǐng)域的參與者采用了端到端 + VLM 的方案；而在機(jī)器人領(lǐng)域，無論是 Physical Intelligence 還是 Figure 等企業(yè)，也在積極布局 VLA 以及具備快慢思考能力的算法，特斯拉則采用了大型多模態(tài)模型，同時融入了推理功能。至此，機(jī)器人與智駕技術(shù)在算法層面實(shí)現(xiàn)了技術(shù)交匯。

1.1.4、自動駕駛和機(jī)器人在數(shù)據(jù)基建方面高度復(fù)用

在數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)層面，機(jī)器人與汽車自動駕駛技術(shù)之間具備高度的復(fù)用性。我們知道，自動駕駛算法的開發(fā)并非突發(fā)靈感就能一蹴而就，而是需要領(lǐng)先的技術(shù)方案與嚴(yán)謹(jǐn)?shù)墓こ袒_發(fā)相結(jié)合，海量的算力資源與先進(jìn)的模型開發(fā)技術(shù)是其基礎(chǔ)支撐，同時還需要配套自動化的數(shù)據(jù)閉環(huán)體系，數(shù)據(jù)采集、自動標(biāo)注、仿真測試、效果驗(yàn)證等環(huán)節(jié)缺一不可。

近年來，世界模型等新興技術(shù)開始出現(xiàn)，用于搭建虛擬環(huán)境，以便算法在其中進(jìn)行反復(fù)的試錯與強(qiáng)化訓(xùn)練，從而達(dá)到最優(yōu)的運(yùn)行效果。而這樣的數(shù)據(jù)基建體系，對于機(jī)器人技術(shù)而言同樣適用：以仿真環(huán)節(jié)為例，理想汽車已經(jīng)借助世界模型對其智駕算法開展強(qiáng)化訓(xùn)練，在機(jī)器人領(lǐng)域，英偉達(dá)的 IssacLab 也能為機(jī)器人提供符合物理世界規(guī)律的仿真環(huán)境，便于機(jī)器人進(jìn)行訓(xùn)練；特斯拉在最新的技術(shù)分享中也提到，通過同一套生成式模型，僅切換訓(xùn)練數(shù)據(jù)，就能同時實(shí)現(xiàn)對汽車與機(jī)器人的算法訓(xùn)練。由此可見，兩者在數(shù)據(jù)基建層面的復(fù)用度與技術(shù)同源性都較高。我們認(rèn)為，當(dāng)機(jī)器人技術(shù)真正邁向?qū)嵱没A段時，工程化能力的重要性也將愈發(fā)突出，因?yàn)樵趯?shí)際應(yīng)用場景中，系統(tǒng)的穩(wěn)定性、可靠性等都是關(guān)鍵的核心要素。

1.2、電子電器架構(gòu)和熱管理：兩者諸多場景值得借鑒

在電子電氣架構(gòu)領(lǐng)域，汽車行業(yè)目前已基本形成了集中式的技術(shù)方案，并且正逐步向中央計算平臺的方向演進(jìn)；由于汽車所搭載的執(zhí)行器種類較為豐富，不同功能領(lǐng)域通常會通過對應(yīng)的域控制器來進(jìn)行管理。而機(jī)器人系統(tǒng)通常需要實(shí)現(xiàn)語音交互、語義理解、動作執(zhí)行等功能，因此其控制單元也包含 GPU、MCU、CPU 等硬件組件，同時機(jī)器人同樣涉及感知 - 決策 - 執(zhí)行的技術(shù)鏈路，所以在電子電氣架構(gòu)層面，兩者之間具備充分的技術(shù)可借鑒性。在熱管理領(lǐng)域，汽車行業(yè)經(jīng)過多年的發(fā)展，已經(jīng)形成了成熟完備的解決方案，而機(jī)器人領(lǐng)域目前仍受散熱問題的困擾，因此兩者在這一領(lǐng)域也存在不少可以相互借鑒的內(nèi)容。

1.3、供應(yīng)鏈玩家：汽車與機(jī)器人零部件高度協(xié)同

1.3.1、人形機(jī)器人涉及零部件眾多，產(chǎn)業(yè)鏈玩家百花齊放

人形機(jī)器人包含多種精密零部件，比如決定其運(yùn)動性能與運(yùn)行可靠性的旋轉(zhuǎn) / 直線執(zhí)行器、靈巧手等三類核心執(zhí)行器，以及絲杠、減速器、電機(jī)、傳感器、軸承、編碼器 / 控制器 / 芯片等技術(shù)壁壘較高、精度要求較嚴(yán)的零部件。同時，由于人形機(jī)器人的零部件種類豐富，對應(yīng)的產(chǎn)業(yè)鏈條較長，而我國擁有完善的供應(yīng)鏈體系與規(guī)?；慨a(chǎn)能力，在量產(chǎn)階段具備突出優(yōu)勢，因此全球范圍內(nèi)的相關(guān)產(chǎn)業(yè)普遍選擇在中國布局其供應(yīng)鏈。

1.3.2、汽車制造與機(jī)器人研發(fā)存在天然的同源性，汽車產(chǎn)業(yè)鏈迸發(fā)新機(jī)遇

汽車零部件企業(yè)擁有 “規(guī)?；当?+ 質(zhì)量管控” 的體系化競爭優(yōu)勢，不少零部件企業(yè)已前瞻性地布局機(jī)器人產(chǎn)業(yè)。汽車與機(jī)器人行業(yè)存在大量共同的供應(yīng)商，這也就意味著汽車產(chǎn)業(yè)的部分供應(yīng)鏈資源可以直接應(yīng)用于人形機(jī)器人的開發(fā)工作，依托技術(shù)同源性推動產(chǎn)業(yè)層面的協(xié)同創(chuàng)新。憑借強(qiáng)勁的研發(fā)實(shí)力、先進(jìn)的制造能力以及豐富的量產(chǎn)經(jīng)驗(yàn)，車企在人形機(jī)器人的研發(fā)與制造過程中，具備較為顯著的先發(fā)優(yōu)勢。汽車零部件企業(yè)擁有精密加工設(shè)備的規(guī)模化應(yīng)用經(jīng)驗(yàn)，能夠快速推進(jìn)機(jī)器人零部件的研發(fā)與制造迭代；同時，當(dāng)車企布局人形機(jī)器人業(yè)務(wù)時，與其有著穩(wěn)固且成熟合作關(guān)系的汽車零部件企業(yè)有望率先獲得發(fā)展機(jī)遇，這些相關(guān)零部件企業(yè)也有望借此切入新賽道，實(shí)現(xiàn)業(yè)務(wù)的二次增長。

汽車產(chǎn)業(yè)經(jīng)過數(shù)十年的發(fā)展，已經(jīng)構(gòu)建起成熟的供應(yīng)鏈體系與大規(guī)模量產(chǎn)能力。汽車與機(jī)器人的零部件存在較高的重合度，尤其是在傳感器、芯片、動力系統(tǒng)等核心領(lǐng)域，兩者的零部件重疊程度更高。汽車端成熟的規(guī)?；圃炷芰?，能夠直接為機(jī)器人的成本下降與量產(chǎn)落地提供支撐，推動零部件企業(yè)從 “單一零件供應(yīng)” 向 “系統(tǒng)級解決方案提供” 轉(zhuǎn)型。激光雷達(dá)、各類傳感器、動力電池、高強(qiáng)度輕量化材料等產(chǎn)品，已經(jīng)在汽車企業(yè)中實(shí)現(xiàn)了大規(guī)模批量應(yīng)用，這些高質(zhì)量、低價格的零部件，將幫助機(jī)器人的生產(chǎn)成本實(shí)現(xiàn)快速、大幅的降低。

1.4、應(yīng)用場景：汽車工廠成為首批落地應(yīng)用場景

1.4.1、從工業(yè)機(jī)器人到人形機(jī)器人：汽車制造的下一代生產(chǎn)力

工業(yè)機(jī)器人雖然發(fā)展已較為成熟，但適用的場景相對有限。工業(yè)機(jī)器人在焊接、噴涂等結(jié)構(gòu)化作業(yè)場景中的滲透率較高，但這類機(jī)器人功能較為單一、柔性化程度低，無法適應(yīng)非標(biāo)準(zhǔn)化、動態(tài)變化的作業(yè)環(huán)境（例如總裝環(huán)節(jié)、故障排查環(huán)節(jié)），也難以滿足新能源汽車 “多車型、小批量” 的柔性生產(chǎn)需求，成為了汽車制造自動化深化進(jìn)程中的瓶頸。而人形機(jī)器人則成為了柔性制造與協(xié)同作業(yè)的新載體：其類人的形態(tài)能夠讓它直接使用人類的工具、適配現(xiàn)有的生產(chǎn)線，實(shí)現(xiàn)從 “固定工位作業(yè)” 到 “全流程靈活作業(yè)” 的轉(zhuǎn)變，借助通用性與環(huán)境適應(yīng)性，填補(bǔ)裝配、檢測、維護(hù)等非標(biāo)準(zhǔn)化環(huán)節(jié)的自動化空白?；谶@一點(diǎn)，人形機(jī)器人成為了車企實(shí)現(xiàn)全流程自動化閉環(huán)、構(gòu)建智能制造能力的核心關(guān)鍵載體。

1.4.2、汽車工廠是機(jī)器人產(chǎn)業(yè)化落地的確定性前沿

從需求端來看，存在剛性的驅(qū)動因素：人形機(jī)器人成為了應(yīng)對勞動力成本上漲、保障生產(chǎn)穩(wěn)定的有效選擇。機(jī)器人可以直接替代重復(fù)性勞動崗位，優(yōu)化企業(yè)的人力成本結(jié)構(gòu)，同時提升產(chǎn)能利用率與資產(chǎn)周轉(zhuǎn)效率。

從供給端來看，兩者具備高度的適配性：汽車產(chǎn)業(yè)作為高端制造領(lǐng)域的標(biāo)桿，其標(biāo)準(zhǔn)化、流程化的生產(chǎn)線為機(jī)器人的應(yīng)用提供了天然的滲透場景。機(jī)器人在焊接、噴涂等關(guān)鍵作業(yè)環(huán)節(jié)能夠突破人類的能力極限，同時降低作業(yè)過程中的安全風(fēng)險。

從產(chǎn)業(yè)升級的角度來看，新能源汽車領(lǐng)域的競爭不斷加劇，倒逼車企通過自動化升級來追求極致的生產(chǎn)效率與產(chǎn)品一致性，從而構(gòu)建成本與品質(zhì)管控方面的優(yōu)勢。機(jī)器人能夠?yàn)槠嚞F(xiàn)代化制造產(chǎn)業(yè)賦能，更好地適應(yīng)新能源汽車 “多車型、小批量” 的定制化生產(chǎn)趨勢。

1.4.3、多家機(jī)器人廠商與汽車企業(yè)達(dá)成應(yīng)用合作，在汽車工廠中開展測試與應(yīng)用

2024 年，F(xiàn)igure AI 與寶馬簽署商業(yè)合作協(xié)議，將通用型人形機(jī)器人導(dǎo)入汽車生產(chǎn)線作業(yè)。特斯拉 Optimus 機(jī)器人則在美國弗里蒙特工廠，開展電池包分解、車身焊接及物料搬運(yùn)等環(huán)節(jié)的測試。優(yōu)必選與多家車企展開合作：2024 年 2 月，其 Walker S 系列機(jī)器人率先進(jìn)入蔚來第二先進(jìn)制造基地的總裝車間，完成了全球首例人形機(jī)器人與人類協(xié)同開展汽車裝配及質(zhì)檢作業(yè)的實(shí)踐；同年 5 月，優(yōu)必選與東風(fēng)柳汽簽署戰(zhàn)略合作協(xié)議，2025 年上半年批量部署了 20 臺 Walker S1 機(jī)器人，承擔(dān)安全帶檢測、油液加注、車身質(zhì)檢等 12 類任務(wù)，并依托群體智能技術(shù)實(shí)現(xiàn)多機(jī)協(xié)同分揀與裝配，填補(bǔ)了高溫高危崗位的人員缺口。2025 年 10 月，上汽大眾與德國頂尖機(jī)器人企業(yè) Neura Robotics 簽署戰(zhàn)略合作諒解備忘錄，雙方將聯(lián)合開展探索性項(xiàng)目，在汽車制造領(lǐng)域開發(fā)并部署認(rèn)知機(jī)器人系統(tǒng)，以此提升智能工廠的生產(chǎn)效率與運(yùn)營靈活性。

二、特斯拉引領(lǐng)，車企積極布局人形機(jī)器人領(lǐng)域

2.1、特斯拉 Optimus：引領(lǐng)行業(yè)的技術(shù)標(biāo)桿與量產(chǎn)野心

2.1.1、迭代時間線與關(guān)鍵里程碑

特斯拉在人形機(jī)器人領(lǐng)域的布局，集中展現(xiàn)出其將 “第一性原理” 從汽車制造領(lǐng)域延伸至機(jī)器人開發(fā)的戰(zhàn)略邏輯。從 2021 年 “AI 日” 上略顯青澀的舞者亮相，到如今即將問世的第三代 Optimus Gen3（V3），特斯拉在短短四年間完成了令人矚目的技術(shù)躍升，將人形機(jī)器人的研發(fā)推進(jìn)至 “精細(xì)化 + 擬人化” 的新階段。

特斯拉的技術(shù)迭代路徑清晰、目標(biāo)明確：第一代 Optimus 主要驗(yàn)證了基礎(chǔ)的運(yùn)動與平衡能力；第二代在環(huán)境感知與任務(wù)執(zhí)行的通用性上取得突破；而即將發(fā)布的第三代，則聚焦于實(shí)現(xiàn)接近人類的靈巧操作與復(fù)雜環(huán)境下的自主決策能力。這一迭代歷程，映射出特斯拉從 “能完成基礎(chǔ)動作” 到 “能高效執(zhí)行任務(wù)”，再到 “能靈活精準(zhǔn)作業(yè)” 的技術(shù)深化路線。從當(dāng)前情況來看，即將推出的 Gen3（V3）應(yīng)該已達(dá)到量產(chǎn)機(jī)型的標(biāo)準(zhǔn)，硬件成熟度與運(yùn)動、精細(xì)操作能力都相對完備。

2.1.2、軟硬件技術(shù)突破：邁向擬人化與自主化

在軟件層面，特斯拉專門為端側(cè)推理場景設(shè)計的 AI5 芯片，成為了 Gen3（V3）的 “最強(qiáng)大腦”。其性能號稱達(dá)到前一代的 40 倍，這意味著 Optimus Gen3（V3）能夠在本地實(shí)時處理更龐大的視覺、觸覺數(shù)據(jù)流，運(yùn)行更復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行更快速的運(yùn)動規(guī)劃與決策，減少對云端計算的依賴，從而提升響應(yīng)的實(shí)時性與可靠性。這標(biāo)志著人形機(jī)器人的 “智能” 正從集中式走向分布式，從 “聯(lián)網(wǎng)依賴式思考” 邁向 “自主獨(dú)立思考”。此外，F(xiàn)SD 的 AI 技術(shù)可遷移至 Optimus 上，Grok 也將應(yīng)用于 Optimus 的語音識別功能。

在硬件層面，靈巧手的設(shè)計是 Gen3（V3）實(shí)現(xiàn)擬人化的關(guān)鍵。其單手握有 22 個以上的自由度（22-DoF，我們預(yù)計最終方案會是 23-25DoF 單手），在關(guān)節(jié)數(shù)量、運(yùn)動范圍與力度控制上已接近甚至媲美人類手掌。部分手部執(zhí)行器被后置到前臂上，這是模仿人類的手部結(jié)構(gòu) —— 因?yàn)榭刂迫祟愂植康募∪庵饕挥谇氨?。Gen3（V3）的每條手臂至少會配備約 26 個執(zhí)行器，使其靈活程度與人類相當(dāng)。這意味著 Gen3（V3）能夠精準(zhǔn)執(zhí)行諸如握持不同形狀的工具、操作精密儀器、完成穿針引線等高度精細(xì)化的任務(wù)。手部的靈巧化是人形機(jī)器人得以進(jìn)入制造業(yè)裝配、家庭服務(wù)、醫(yī)療輔助等廣闊場景的基礎(chǔ)，特斯拉在靈巧手領(lǐng)域的突破具有里程碑意義。

2.1.3、依托汽車行業(yè)高端量產(chǎn)能力，加速人形機(jī)器人商業(yè)化普及

汽車產(chǎn)線的經(jīng)驗(yàn)向機(jī)器人產(chǎn)線遷移復(fù)制，其量產(chǎn)規(guī)劃的雄心凸顯出行業(yè)的廣闊藍(lán)圖。特斯拉并未將 Optimus 停留在實(shí)驗(yàn)室概念階段，公司已明確計劃于 2026 年第一季度（2-3 月）展示具備量產(chǎn)意圖的 Gen3（V3）原型機(jī)，并著手規(guī)劃建設(shè)年產(chǎn)百萬臺級別的生產(chǎn)線；后續(xù) V4 將實(shí)現(xiàn) 1000 萬臺的產(chǎn)能，V5 甚至可能達(dá)到 5000 萬到 1 億臺的產(chǎn)能規(guī)模。這一激進(jìn)的時間表與規(guī)模目標(biāo)，遠(yuǎn)超外界早期預(yù)期，凸顯了特斯拉意圖將人形機(jī)器人打造為繼電動汽車之后又一核心支柱產(chǎn)業(yè)的戰(zhàn)略野心。

Optimus Gen2 幾乎不具備量產(chǎn)可行性，因此特斯拉對 Optimus Gen3（V3）的設(shè)計進(jìn)行了徹底改進(jìn)，在增加功能的同時使其適配量產(chǎn)需求。特斯拉 CEO 埃隆?馬斯克曾多次預(yù)測，人形機(jī)器人未來的市場需求可能遠(yuǎn)超汽車，Optimus 或許會成為 “史上最偉大的產(chǎn)品”。特斯拉與其他美國汽車公司不同，它具備實(shí)現(xiàn)通用人工智能的要素，以及卓越的電氣 / 機(jī)械工程、規(guī)模生產(chǎn)能力；而由于人形機(jī)器人領(lǐng)域的供應(yīng)鏈尚未成熟，若要實(shí)現(xiàn)每年生產(chǎn) 100 萬臺 Optimus 甚至更多，其制造環(huán)節(jié)將面臨巨大挑戰(zhàn)。這需要高度垂直整合并深度介入供應(yīng)鏈，而 Optimus 工程團(tuán)隊(duì)大多來自汽車部門，為規(guī)模量產(chǎn)提供了先天優(yōu)勢。特斯拉的垂直整合能力、規(guī)?；圃旖?jīng)驗(yàn)與成本控制方法，將從汽車工廠復(fù)制到機(jī)器人生產(chǎn)線，有望大幅降低人形機(jī)器人的硬件成本，加速其商業(yè)化普及進(jìn)程。

2.2、中國車企群雄并起：多元策略競逐新賽道

在特斯拉的示范效應(yīng)與未來產(chǎn)業(yè)前景的吸引下，中國車企快速響應(yīng)，紛紛以不同策略切入人形機(jī)器人賽道。截至目前，已有小鵬、小米、廣汽、奇瑞、比亞迪、上汽、蔚來、理想等 13 家整車企業(yè)明確入局，形成了百花齊放、各有側(cè)重的競爭格局。它們的參與并非偶然，而是基于自身技術(shù)積累與戰(zhàn)略考量作出的必然選擇。

2.2.1、路徑一：依托技術(shù)同源，深耕自研之路

部分技術(shù)積淀深厚的車企選擇自主研發(fā)路徑，其核心邏輯在于汽車智能化與機(jī)器人技術(shù)之間存在明顯的 “同源延伸” 關(guān)聯(lián)。

• 自動駕駛技術(shù)的遷移：汽車的感知（激光雷達(dá)、攝像頭、毫米波雷達(dá)）、決策（AI 算法、芯片）、控制（線控底盤）系統(tǒng)，與人形機(jī)器人對環(huán)境感知、路徑規(guī)劃、運(yùn)動控制的需求高度契合。例如，小鵬汽車旗下的小鵬鵬行團(tuán)隊(duì)，充分利用了其在智能駕駛領(lǐng)域的深厚積淀：其研發(fā)的機(jī)器人平臺，采用了與智能駕駛系統(tǒng) “同源” 的圖靈 AT 芯片作為計算核心，并積極探索將端到端自動駕駛大模型的感知與決策能力遷移至機(jī)器人，使其能更好地理解復(fù)雜指令、適應(yīng)動態(tài)環(huán)境。這種技術(shù)復(fù)用極大地縮短了研發(fā)周期，降低了試錯成本。

• “三電” 技術(shù)的應(yīng)用：新能源汽車在電池、電機(jī)、電控方面的技術(shù)優(yōu)勢，可直接轉(zhuǎn)化為人形機(jī)器人動力系統(tǒng)的性能保障。高能量密度電池提供長效續(xù)航，高功率密度電機(jī)確保強(qiáng)勁動力與精準(zhǔn)控制，成熟的電控技術(shù)則保障了運(yùn)動過程的安全與穩(wěn)定。比亞迪等在三電領(lǐng)域擁有全產(chǎn)業(yè)鏈優(yōu)勢的企業(yè)，在此方面具備天然的技術(shù)門檻。

• 制造與供應(yīng)鏈優(yōu)勢：車企的大規(guī)模精密制造能力、質(zhì)量控制體系與供應(yīng)鏈管理經(jīng)驗(yàn)，對于解決機(jī)器人關(guān)節(jié)、減速器、殼體等核心零部件的量產(chǎn)與成本問題至關(guān)重要。

2.2.2、路徑二：強(qiáng)強(qiáng)聯(lián)合合作，加速整合落地

對于一些希望快速進(jìn)入賽道或補(bǔ)足自身短板的車企而言，與專業(yè)的機(jī)器人公司或人工智能企業(yè)展開合作，成為了高效的布局路徑。

奇瑞與 Aimoga 的合作，正是這一模式的典型案例：奇瑞作為傳統(tǒng)制造巨頭，擁有深厚的工程化、產(chǎn)業(yè)化能力與豐富的應(yīng)用場景理解；而 AI 公司 Aimoga 則在機(jī)器人運(yùn)動控制算法、AI 視覺與靈巧操作等軟件層面具有專長。雙方合作研發(fā)的人形機(jī)器人 “MomDine”，旨在瞄準(zhǔn)工業(yè)與商業(yè)服務(wù)場景，實(shí)現(xiàn)了硬件制造與軟件智能的優(yōu)勢互補(bǔ)。這種合作模式能使車企在較短時間內(nèi)獲得相對成熟的技術(shù)方案，快速推出產(chǎn)品原型并驗(yàn)證市場。

2.2.3、路徑三：通過資本紐帶，開展戰(zhàn)略投資與生態(tài)綁定

面對行業(yè)中持續(xù)涌現(xiàn)的創(chuàng)新型機(jī)器人創(chuàng)業(yè)企業(yè)，借助戰(zhàn)略投資展開布局，逐漸成為更多車企的選擇。這既是一種財務(wù)投資，更是一種技術(shù)前瞻與生態(tài)卡位的布局方式。

小米集團(tuán)早在 2022 年就率先投資了國內(nèi)頂尖的人形機(jī)器人創(chuàng)業(yè)公司優(yōu)必選，并持續(xù)通過其產(chǎn)業(yè)基金布局機(jī)器人上下游產(chǎn)業(yè)鏈。在小米的 “手機(jī) ×AIoT” 戰(zhàn)略中，機(jī)器人是智能生態(tài)的重要一環(huán)，投資有助于其整合先進(jìn)技術(shù)，完善未來智能生活的藍(lán)圖。

比亞迪、上汽、北汽等企業(yè)也都通過旗下投資平臺，參股了多家在核心零部件、運(yùn)動控制或 AI 算法上有特色的機(jī)器人公司。這種 “資本 + 產(chǎn)業(yè)” 的深度綁定，使車企能夠緊密跟蹤技術(shù)前沿，在機(jī)器人產(chǎn)業(yè)成熟時快速導(dǎo)入自身體系；同時也能為被投企業(yè)提供寶貴的應(yīng)用場景和試煉場。

戰(zhàn)略投資模式對車企的價值體現(xiàn)在以下方面：

• （1）快速掌握相關(guān)領(lǐng)先技術(shù)：對于部分布局較晚或 AI 能力相對薄弱的車企而言，戰(zhàn)略投資機(jī)器人公司有望幫助其快速掌握相關(guān)領(lǐng)域的領(lǐng)先技術(shù)。

• （2）資本運(yùn)作實(shí)現(xiàn)輕量化布局：相比全自研模式，戰(zhàn)略投資或許是投入產(chǎn)出比更高的舉措之一。如上汽投資團(tuán)隊(duì)曾表示，投資智元機(jī)器人比自建產(chǎn)線快 18 個月，還能規(guī)避 30% 的技術(shù)風(fēng)險。

• （3）利用供應(yīng)鏈優(yōu)勢推動量產(chǎn)及降本：車企具備強(qiáng)大的制造能力、零部件供應(yīng)鏈體系，能夠迅速整合產(chǎn)業(yè)鏈資源以推動機(jī)器人產(chǎn)品實(shí)現(xiàn)量產(chǎn)，并借助其規(guī)模優(yōu)勢推動成本下降、加速機(jī)器人產(chǎn)品的普及。

2.3、生產(chǎn)、銷售等領(lǐng)域多元化部署，機(jī)器人業(yè)務(wù)反哺汽車主業(yè)

當(dāng)前，汽車產(chǎn)業(yè)正推進(jìn)在生產(chǎn)、銷售等領(lǐng)域多元化布局機(jī)器人業(yè)務(wù)，人形機(jī)器人的參與正逐步達(dá)成對汽車主業(yè)的協(xié)同反哺。

• 生產(chǎn)端：替代人工環(huán)節(jié)，降本增效：人形機(jī)器人可適配現(xiàn)有工位，執(zhí)行質(zhì)檢、裝配等重復(fù)性工作，減少對人力的依賴，提升工藝穩(wěn)定性與產(chǎn)線柔性，從而降低人工成本、增強(qiáng)制造韌性。

• 銷售端：智能導(dǎo)購提升體驗(yàn)：機(jī)器人借助自然語言處理等技術(shù)，在展廳提供咨詢、講解及個性化推薦服務(wù)，減輕銷售人員負(fù)擔(dān)，以科技感吸引客戶，提升服務(wù)效率與品牌形象。

• 數(shù)據(jù)賦能：驅(qū)動全鏈路智能化：機(jī)器人作為數(shù)據(jù)感知節(jié)點(diǎn)，實(shí)時采集生產(chǎn)與銷售數(shù)據(jù)，支持構(gòu)建數(shù)據(jù)孿生系統(tǒng)，實(shí)現(xiàn)過程優(yōu)化、質(zhì)量預(yù)警與營銷策略改進(jìn)，形成 “制造 — 銷售 — 反饋” 的數(shù)據(jù)閉環(huán)。

總而言之，機(jī)器人業(yè)務(wù)已從單點(diǎn)替代發(fā)展為系統(tǒng)賦能，在生產(chǎn)、銷售與數(shù)據(jù)層面反哺汽車主業(yè)。隨著與 AI、物聯(lián)網(wǎng)等技術(shù)的融合，其應(yīng)用將延伸至更多環(huán)節(jié)，助推汽車產(chǎn)業(yè)的數(shù)字化、高端化轉(zhuǎn)型。

三、AI 浪潮下，車企估值體系有望向科技公司邁進(jìn)勢

3.1、乘用車板塊在燃油車時代享一般制造業(yè)估值，新能源時代有所提升

在燃油車時代，乘用車板塊對應(yīng)的是一般制造業(yè)的估值水平。傳統(tǒng)燃油車時代，汽車產(chǎn)業(yè)已趨于成熟、成長性不高，且盈利能力相對偏低，因此乘用車板塊享受的是制造業(yè)的一般估值。具體來看，2011 年以來，乘用車板塊的市盈率普遍介于 10-15 倍之間，市銷率則長期處于 1 倍以下。

2020-2022 年處于新能源車加速滲透的階段，乘用車板塊的估值隨之迎來顯著提升，其中行業(yè)龍頭還享有更高的估值溢價；不過從 2023 年起，行業(yè)開始面臨產(chǎn)能過剩的擔(dān)憂，板塊估值也逐步回落。

2020 年開始，乘用車行業(yè)進(jìn)入了新能源車加速滲透的階段。由于汽車的動力形式迎來了根本性變革，再疊加智能化進(jìn)入從 0 到 1 的發(fā)展階段，市場得以看到乘用車行業(yè)出現(xiàn)了新的成長性機(jī)會。同時，自主品牌借助自身在三電系統(tǒng)及供應(yīng)鏈領(lǐng)域的優(yōu)勢，持續(xù)搶占合資燃油車的市場份額，這讓自主乘用車板塊在 2020-2022 年間迎來了估值強(qiáng)勢提升的階段。

從具體車企來看，在這一階段，比亞迪全力布局新能源車業(yè)務(wù)，持續(xù)推進(jìn)刀片電池、e 平臺、DM-i 等技術(shù)的研發(fā)工作，憑借高性價比的優(yōu)勢快速成長為國內(nèi)新能源汽車領(lǐng)域的龍頭企業(yè)。也正是因?yàn)楸葋喌暇邆渫怀龅某砷L性，相較于上汽、長城、長安、吉利等新能源轉(zhuǎn)型節(jié)奏偏慢的車企，市場為比亞迪賦予了更高的估值溢價。

不過到了 2023-2024 年，乘用車行業(yè)面臨一定程度的產(chǎn)能過剩擔(dān)憂，行業(yè)競爭的加劇使得乘用車行業(yè)的盈利能力不僅沒有較此前實(shí)現(xiàn)提升，甚至相比燃油車時代還有一定程度的下滑。在這樣的背景下，乘用車板塊的估值出現(xiàn)了明顯下滑，但相較于燃油車時代仍然處于更高水平，能夠享受消費(fèi)品級的估值待遇。

3.2、“智能化 1→10 + 機(jī)器人 0→1” 發(fā)展期，車企有望逐步享受科技股估值

特斯拉是采用科技股估值邏輯的車企典型代表，2021-2022 年其市銷率多數(shù)時候維持在 15 倍以上；2024 年以來盡管銷量出現(xiàn)下滑，但市銷率仍穩(wěn)定保持在 5 倍以上，且從底部區(qū)間波動回升。

特斯拉長期以來都對標(biāo)科技股進(jìn)行估值：2021-2022 年，其市銷率多數(shù)時段處于 15 倍以上；2023 年因營收增長導(dǎo)致市銷率大幅回落的階段，仍穩(wěn)定在 5 倍以上；2024 年以來即便銷量有所下滑，市銷率依舊從底部區(qū)間波動回升，近期更是突破了 15 倍。

特斯拉的估值溢價源于其宏大的 AI 布局藍(lán)圖，其宏圖計劃 4.0 的核心是打造能將人工智能融入物理世界的產(chǎn)品與服務(wù)，涵蓋 FSD、Robotaxi、機(jī)器人等領(lǐng)域，商業(yè)模式也從單純的硬件收費(fèi)拓展為軟硬件一體化收費(fèi)的全新模式。

以機(jī)器人業(yè)務(wù)為例，特斯拉已構(gòu)建起 “算法復(fù)用 + 硬件共源 + 制造降本 + 工廠應(yīng)用” 的四位一體基礎(chǔ)體系：（1）硬件與供應(yīng)鏈：依托自身在電力電子 / 半導(dǎo)體、傳感器及計算單元等領(lǐng)域的專業(yè)技術(shù)儲備與采購規(guī)模優(yōu)勢，保障供應(yīng)鏈的安全性并實(shí)現(xiàn)成本控制，比如自研 FSD 芯片等舉措；（2）軟件與 AI：Optimus 的數(shù)據(jù)收集、處理以及虛擬測試環(huán)節(jié)，都可以復(fù)用自動駕駛 FSD 業(yè)務(wù)投入巨額資金搭建的基礎(chǔ)設(shè)施；（3）規(guī)?；圃欤?/strong>借助在全球超級工廠積累的大批量、高效率制造經(jīng)驗(yàn)，助力機(jī)器人實(shí)現(xiàn)大規(guī)模生產(chǎn)；（4）數(shù)據(jù)飛輪：特斯拉分布于全球的工廠，本身就是收集訓(xùn)練數(shù)據(jù)、開展機(jī)器人迭代與驗(yàn)證工作的理想試驗(yàn)場。

作為全球科技領(lǐng)域的龍頭企業(yè)之一，特斯拉成功打開了車企估值的想象空間。

在自動駕駛、機(jī)器人、飛行汽車、AI 芯片、大模型等領(lǐng)域展開全方位布局的小鵬，是中國車企中科技屬性最為突出的代表之一，因此也享受了一定的估值溢價。

以特斯拉為對標(biāo)標(biāo)桿，小鵬在自動駕駛、機(jī)器人、飛行汽車、AI 芯片、大模型等領(lǐng)域進(jìn)行了全維度布局，成為國內(nèi)車企中科技屬性最強(qiáng)的企業(yè)之一。尤其是 2024 年第四季度以來，小鵬的月銷量明顯躍升至新的臺階，扎實(shí)的基本面為其估值提供了有效的支撐；后續(xù)增程式車型及全新車型的上市，還將進(jìn)一步推動其銷量增長。

展望未來，隨著小鵬在自動駕駛、機(jī)器人等領(lǐng)域的技術(shù)不斷精進(jìn)，有望獲得市場更多的認(rèn)可，逐步成長為中國車企中的科技股標(biāo)桿企業(yè)之一。

總體而言，車企的估值定價邏輯，有望從傳統(tǒng)制造業(yè) “由銷量 / 份額驅(qū)動的 PE/PS” 模式，遷移至 “科技公司式的現(xiàn)金流折現(xiàn) + 分部估值” 框架。

當(dāng)前，車企在芯片、自動駕駛算法等技術(shù)領(lǐng)域展開了全面布局，同時在供應(yīng)鏈、銷售渠道、產(chǎn)品定義等方面也具備深厚的積累。Robotaxi 作為潛在的大市場，憑借其軟硬件收費(fèi)模式所具備的強(qiáng)勁盈利能力，有望成為車企新的估值錨點(diǎn)。

與此同時，面對具身智能這一海量市場，車企擁有較為全面的競爭優(yōu)勢 —— 尤其是在算法層面，智能駕駛與機(jī)器人技術(shù)的發(fā)展路徑正日益走向趨同，未來車企有望在這一領(lǐng)域占據(jù)重要的市場地位。

2025 年 9 月，馬斯克在 X 平臺上表示，人形機(jī)器人業(yè)務(wù)可能會占據(jù)特斯拉未來價值的 80%。而國內(nèi)那些深度布局機(jī)器人領(lǐng)域的車企，也將因此獲得充足的估值溢價。

汽車制造與機(jī)器人研發(fā)存在天然的同源性。汽車制造領(lǐng)域所積累的傳感器技術(shù)、控制系統(tǒng)，以及目標(biāo)識別、路徑規(guī)劃等算法，均為人形機(jī)器人的研發(fā)提供了重要的技術(shù)借鑒。車企在人形機(jī)器人的研發(fā)和制造過程中具有顯著的先發(fā)優(yōu)勢。汽車與機(jī)器人共享大部分供應(yīng)鏈資源，車端成熟的屬地化與規(guī)?；圃炷芰χ苯又螜C(jī)器人降本與量產(chǎn)，將快速、大幅度降低機(jī)器人生產(chǎn)成本。我們認(rèn)為，不論是乘用車整車廠，還是上游各類零部件及總成制造商，都將顯著受益于機(jī)器人行業(yè)的新興發(fā)展，在機(jī)器人商業(yè)化的藍(lán)海市場中跑出競爭優(yōu)勢。

零部件端，供應(yīng)鏈企業(yè)正從“低價博弈”轉(zhuǎn)向“技術(shù)+生態(tài)+全球化”的價值競爭。智能駕駛、熱管理、輕量化等高附加值賽道的發(fā)展有效提振盈利水平，同時出海+人形機(jī)器人新業(yè)務(wù)打開第二增長曲線，成長性與估值修復(fù)空間較為可觀。

? 如欲獲取完整版PDF文件，可以關(guān)注鈦祺汽車官網(wǎng)—>智庫，也可以添加鈦祺小助理微信，回復(fù)“報告名稱：汽車行業(yè)投資策略：同源性優(yōu)勢明顯，機(jī)器人打開車企成長空間 ”。

點(diǎn)擊下方，查看近期熱門行業(yè)研究報告