作者 | 杜咏芳

编辑 | 张   南

设计 | 荆   芥

2025年已近尾声，今年车企都在忙些什么？除了忙着发布新车，他们可能还在还忙着“不务正业”。

特斯拉股东大会的聚光灯下，人形机器人Optimus跟着马斯克的节奏灵活摆臂，金属关节划出流畅弧线。

小鹏汽车的发布会上，IRON机器人踩着猫步登场，步态自然到让网友忍不住“打假”，确定里面到底有没有藏真人？

理想汽车CEO李想更是直言：“未来的理想是家机器人公司。”

那个略带科幻色彩的问题——“汽车是不是四个轮子的机器人？”如今正被这些鲜活场景给出答案。越来越多车企带着多年积淀的“造车基因”，果断闯入机器人赛道，给看似饱和的汽车行业，撞开了一扇通往未来的新大门。

这场跨界绝非头脑发热的跟风，而是技术、产业与商业的深度同频共振，藏着车企们的深思熟虑。

从资本层面看，手握重金的车企正面临转型压力，而具身智能恰好是那条看得见的“第二增长曲线”。当市场对新车的新鲜感逐渐消退，能跑会动的智能机器人，瞬间点燃了投资者的期待。

更关键的是技术基因的天然契合，汽车与机器人在底层架构上本就“血脉相通”，研发成果可以双向共享，规模效应自然水到渠成。

最核心的优势，藏在车企多年的产业积淀里。汽车产业打磨出的车规级可靠性标准、千万级量产的生产线经验，成熟的全球供应链管理能力，像给具身智能装上了加速齿轮，推动它更快融入物流、服务、工业等实用场景。

12月5日，在第十届新汽车技术合作生态交流会（WNAT-CES 2025）现场，一场关于“具身智能与汽车的互为溢出效应”的讨论在知行科技生态与公共关系副总裁仇春的主持下热烈展开。

来自芯片、数据、低空、传感器等多个领域的行业大咖齐聚一堂，带着各自的实践与思考，共同解码这场跨界融合的底层逻辑。

苏州柏川数据科技有限公司创始人兼CEO马东升认为，数据是“喂养”算法、提升AI智能的关键，具身智能与自动驾驶在底层逻辑上较为相通，而当前整个具身智能供应链都面临着良好机遇，大家处于同一起跑线。

保隆科技副总裁王斌表示：“将汽车领域积累的工程化、量化经验，迭代应用于具身智能的专业场景，将具有更大的想象空间。”借助车载供应链的力量，还能助力具身智能产业实现爆发式增长。

黑芝麻智能首席市场营销官杨宇欣提出，车规级安全性向机器人的溢出至关重要，机器人行业在发展早期就高度重视安全问题，将更有利于行业健康发展。

同时，他强调：“中国的具身智能产业需要考虑国际化，但中国的具身智能供应链无需国际化”。服务好本土成长起来的机器人客户，便已实现全球化布局，因为他们会把你的产品带向世界。

Seyond图达通产品副总裁杨家颖坦言：“溢出效应是满了才会溢，没满则无物可溢”。他指出，车载领域在质量体系及人才方面的溢出，将大大加速机器人产业进步，而中国健全的产业链与强大的快速迭代工程文化，是具身智能出海的重要优势。

联想集团副总裁、车计算业务负责人唐心悦表示，汽车是最大，也最易量产的机器人，机器人不是一个行业，而是一种工具。同时，他指出中国供应链走向全球化，“关键一点在于用心理解世界、真诚接纳世界，如此才能做好技术、做好应用。”

敏实低空飞行零部件副总经理皇甫乐晓觉得，汽车行业当前较“卷”，但换个赛道或许海阔天空，中国拥有全球最先进的三电配套、自动驾驶雷达传感器等低空发展基础，未来低空经济必将在中国领先。

北冥星眸科技有限公司创始人、CEO、董事长钱小一提出，汽车是一种“四足”且可载人的具身智能体，其发展方向与具身智能追求的目标一致，类人的人工智能思维工程必将源自东方。

担任主持人的知行科技生态与公共关系副总裁仇春则以“蓦然回首，那人正在灯火阑珊处”寄语所有从业者，在具身智能领域，只要我们做好自己，所有新领域都等待我们走向世界。

以下为圆桌讨论实录，《轩辕商业评论》整理，此处略有删节。

01底层逻辑：技术同源与产业赋能

仇春（知行科技生态与公共关系副总裁）：当前汽车和具身智能这两个特定领域发生如此密集的跨界动作，各位嘉宾认为其底层逻辑是什么？汽车对具身智能、具身智能对汽车的溢出价值又是什么？

数据在这个新时代是哪里都不可或缺的，只要有AI就会有数据。不如从马总开始，请每位嘉宾谈谈自己的看法。

马东升（苏州柏川数据科技有限公司创始人兼CEO）：好的，很荣幸有机会参加这样一个论坛。我先自我介绍一下，我是来自柏川数据的马东升，我们是一家专注于AI数据闭环的公司。我们之前主要在自动驾驶赛道，现在正拓展至大语言模型和具身智能领域。

首先，具身智能今年非常火热，各类数据需求都呈现爆发式增长。回到问题本身，我认为需要先对“具身智能”或“机器人”这个概念进行一些界定。

自动驾驶在美国已有二三十年的历史，在国内也自2014、2015年起发展了近十年，目前已实现城市和高速NOA的不错体验。而具身智能则刚刚起步，许多算法、零部件及供应链都需要借鉴汽车领域多年的积累。

从算法层面来看，因为我们从事数据工作，数据是“喂养”算法、提升AI智能的关键。可以看到，许多算法迭代是相互影响的。

例如，自动驾驶当前热议的端到端、VLA，以及未来的世界模型，其底层逻辑与大语言模型或语言层面有诸多相通之处，具身智能也是如此。

在数据方面，我们目前采用多条路径积累数据，包括真机遥操素材（类似特斯拉的数据学习方式）、第一视角采集大量数据，以及海外较流行的手持采集数据。

所有这些数据都用于类似大语言模型的预训练阶段，以训练出一个基准模型，随后再进行精细调整，以更好地适配各种场景。

因此，我们可以看到，具身智能与自动驾驶在底层逻辑上较为相通，人才也在互相流动。前段时间，不少自动驾驶领域的人才转向了具身智能企业。因此，无论在国内还是美国，这个赛道都有望快速迭代至一个较好的阶段。

仇春：感谢马总。保隆科技作为大型汽车优质供应商，您对这一块的构思和想法是怎样的？

王斌（保隆科技副总裁）：保隆科技主要面向智能传感器及智能执行器在汽车领域的发展，包括智能化摄像头、毫米波雷达、超声波雷达，以及速度、位置、亮度、电流、压力等一系列传感器，我们一直致力于为车辆提供智能化的“神经单元”。

回到执行器，我们涉及空气悬架、智能底盘等技术。在具身智能方面，保隆目前的业务探索更多是为具身智能合作伙伴提供视觉传感器、力学传感器，帮助大家“养”数据——我们是数据的产生者，通过这些数据再进行各类模型训练与迭代。

汽车某种意义上也是一种更大型、可驾驶的“机器人”，它本身集智能、自动化及传统气电液混合机构于一体，与具身智能“麻雀虽小，五脏俱全”的构造非常相似。

因此，我们相信，将汽车领域积累的工程化、量化经验，迭代应用于具身智能的专业场景，将具有更大的想象空间。

仇春：谢谢王总。黑芝麻在车载领域布局深入，我们之前也有过探讨。非常惊喜的是，黑芝麻早已进入具身智能领域，相信你们很有发言权。请谈谈你们的想法。

杨宇欣（黑芝麻智能首席市场营销官）：感谢主持人。黑芝麻智能专注于智能汽车AI芯片，我们从自动驾驶进入这个行业，并在跨域领域有所布局。我们于11月2日发布了机器人产品线。实际上，我们从去年底开始探索这个领域，前期更多是寻找实际应用落地。

正如几位嘉宾所言，行业已形成共识：许多技术路线和逻辑是相通的。对于机器人未来的发展，算力至关重要。黑芝麻致力于提供高性能、高算力的芯片。

未来基于大模型、Transformer架构以及机器人的VLA（视觉-语言-动作）模型将是主要技术趋势，并已形成相应的技术架构。我们的芯片能够很好地支持这些需求，因为车端与机器人在底层模型上是相通的，这使我们进入该领域显得顺理成章。

同时，由于不同芯片在算力异构上各有特点——有些AI算力较高，有些则更注重异构算力，包括GPU、JPU、NPU、CPU等，以支持机器人应用——因此我们的进入是自然而然的。

另外，我们在此次发布中特别强调了一点，这也切合今天的“溢出效应”主题：车规级安全性向机器人的溢出。

大家知道，机器人随着能力增强，其破坏力也可能增加——一个身高1.7米或1.8米的机器人若发生误操作，可能危及人身安全。因此，其安全性与可靠性至关重要。

前段时期，特斯拉在试验环境中就发生了机器人误操作挥手击中工作人员的事件。我们认为，智能驾驶领域曾经历过类似的“痛”，大家在关注技术演进的同时，某种程度上忽略了安全性的重要性。

今年随着技术“平权”，分母扩大，可能出现的问题增多，这使得安全边界认知在今年某种程度上被重塑。机器人行业有一个好处：如果我们在发展早期就高度重视安全问题，将更有利于行业健康发展。

从我们推出的机器人计算平台逻辑来看，机器人行业与智驾有一点不同：机器人面对的场景非常碎片化。如何让机器人公司将其注意力或技术优势聚焦于自身场景？我们抽象出计算领域的核心共性需求，无论是硬件还是软件。

如果大家关注我们的发布，会发现我们的硬件载体是一个核心模组，将最核心的硬件部分，包括计算、存储、内存、电源管理等集成在一个最小化的模组上，并在此基础上构建标准化操作系统和中间件。这样可以帮助客户在最短时间内上手，更好地推动其发展。

我们仍认为具身智能处于早期阶段，内部的口号是：当前更关注卡位和布局。AI发展应有所为有所不为，我们做什么？布局就是要定位核心合作伙伴，共同成长、互相成就。

仇春：谢谢。您提到了两个核心点：一是车载供应链具备车规级应用能力，安全性尤为重要，因此许多具身智能公司认为采用车载供应链比新合作伙伴更可靠，至少已通过车规认证；二是为所有供应链提出一点：具身智能应用场景非常碎片化，大家应如何应对这种复杂性，打磨自身场景，有效切入市场？

接下来，我想从产品角度询问杨家颖总：迄今为止，您如何看待图达通在转型过程中，汽车与具身智能的底层逻辑？你们如何看待这个问题？又将采取哪些行动？

杨家颖（Seyond图达通产品副总裁）：感谢主持人。今天的主题是“互为溢出”，谈溢出，一定是满了才会溢，没满则无物可溢。站在图达通——一家激光雷达解决方案公司的角度，溢出效应是比较明显的。

首先，我们最早从事150线等高规格车载激光雷达的研发。从2022年量产至今短短三年，激光雷达市场经历了快速技术迭代，成本也从早期的每台上万元甚至几十万元降至几百美元量级，这本身就是产业规模化的进步。

得益于规模化，当具身智能产业需要高精密激光雷达时，我们能够将车载领域的规模化成果及降本效益赋能给具身智能。这是第一个溢出方面，即通过过去几年产业化形成的规模效应。

第二个关键点是技术及产品迭代带来的溢出效应。早期我们开发过机械式360度激光雷达，随后为更好满足车载应用推出半固态式，如今行业更关注纯固态激光雷达。这些技术进步使产品更加轻巧、成本更优、更易布置。

在满足汽车多元化的360度感知需求之外，对于具身智能及当前讨论的空间智能——即构建具身智能与空间交互、三维重建的能力——更灵活的布置方案及新技术的出现，构成了车载向具身智能的第二个溢出效应，这更多是从技术演进角度。

第三点重要的是公司运营及人才方面。众所周知，过去几年中国智能驾驶产业孵化了大量企业、科研人才及质量体系。

而机器人作为一个新物种，其可靠性、安全性等将是未来推广应用的关键。车载领域在质量体系及人才方面的溢出，将大大加速产业进步。

从图达通的角度，我们认为应在合适的时间点做正确的事，布局具身智能。

仇春：我们也期待图达通在具身智能领域的布局。联想一直是“神一样的存在”，从90年代的互联网阶段至今，在车载、互联网应用体系及具身智能领域总能听到联想的声音。

在此场合下，请您谈谈联想在当前阶段，无论是车载还是具身智能，到底想做什么、优势是什么，以及如何解释刚才提到的底层逻辑？

唐心悦（联想集团副总裁、车计算业务负责人）：我先自我介绍一下，我是联想集团车计算业务负责人唐心悦。车计算业务是联想在汽车领域的布局，提供软硬件结合的定制化解决方案。

回到您的问题，在今天在场的企业中，联想可能算是一家“中老年”企业。联想自1984年在中科院的收发室创业以来，历经多年发展，在国内外多个领域积累了丰富经验。

但近15年来，联想做了一件非常重要的事：场景化计算。我们在教育、银行、农业、保险等垂直领域提供软硬件结合的解决方案，车计算是其中之一。

从计算机演进角度看，计算机从最早的大型服务器，逐渐发展为小型机、个人电脑、手机，直至现在的智能化设备。

计算机领域正朝两个极端发展：一是小型化，以各种形态进入各行业。这种小型化不仅是手机，汽车也是一个“小型化”的计算场景。

二是复杂化，如大型数据中心在集中机柜中提供巨大算力。因此，从计算角度看，进入汽车或机器人行业并无本质区别。

我回忆起2000年左右在学校时研究的一个重要方向：“无所不在的计算”。当时我们畅想未来舞台、桌子都具备计算能力、智能化——椅子能自动跟随并让你坐下，桌子能根据身高调节高度。这是从计算角度看到的愿景。

但我想提醒几点不同：首先是安全。汽车是一种特殊的机器人产品。2024年10月，联想在西雅图举办Lenovo Tech World 24大会，邀请了英伟达的黄仁勋先生。他提到一个重要观点：“汽车是最大、也最易量产的机器人。”为什么？

因为汽车的运行环境是已知的，全球都有交通标准，汽车自身也有标准，高度规范化。尽管实现自动驾驶非常困难，但它是在高度规范化的场景和运行环境中进行的。

相比之下，未来进入各行业的机器人面临的挑战要大得多。同时，由于与人在多个层面交互，其带来的安全焦虑和风险也更大。

因此，我看到许多机器人公司、智能化公司采用IT解决方案或消费级方案制造机器人，这令人担忧。大家至少应保持警惕：这是一个需要规范、注重安全性的行业。

其次，机器人不是一个行业，而是一种工具。正如我提到的，计算可进入农业、保险、航天等各领域，因此不能用统一方法制造机器人。厨房机器人、工厂机器人、餐饮机器人、外卖机器人等各有其行业特点。

在人工智能技术尚未实现如人类般广泛泛化之前，大家仍需按行业探索应用、界定能力边界。避免过度泛化机器人及人工智能能力非常重要，只有找到确定的行业和应用，才有可能做出好产品。

仇春：感谢来自汽车行业资深合作伙伴的肺腑之言。对于低空经济领域，您如何看待车载供应链？低空飞行器在某种意义上也是一种具身智能，空中另有其要求，除了安全外还有其他考量。我们想听听您的看法。

皇甫乐晓（敏实低空飞行零部件副总经理）：感谢主持人。我也来自汽车行业。先介绍一下我们公司：敏实以汽车零部件起家，已有30多年历史，主要生产内外饰件。2023年，在汽车零部件之外，我们拓展了低空经济及人形机器人业务。针对这个话题，溢出效应确实比较明显。

举个例子：2021年自动驾驶尚处早期阶段时，我们有一款产品“可加热毫米波雷达视窗”获得了铃轩奖前瞻优秀奖。

该产品可通过加热去除雷达表面的冰，保障自动驾驶功能。凭借这项技术，在2023年拓展机器人业务时，我们发现它可很好应用于智能皮肤。

目前具身智能机器人的表面往往给人冰冷、生硬之感，因此我们将这种可加热技术——采用60微米加热丝嵌入零件——应用于机器人的手掌和手指，使其更具“温度”。

这项技术从汽车到机器人的拓展逻辑非常顺畅。当然，机器人有其特殊要求，例如在手指等小面积区域实现加热与触感，这对微电子技术带来了一些挑战。

在低空经济方面，低空经济是国家新兴产业代表，也是我们从汽车延展过去的明显领域。我接触的许多客户在涉足低空经济时，首先提出的要求是：“能否将汽车豪华座舱的设计搬到低空飞行器上？”

但很多厂家表示无法实现，因为传统航空直升机内饰多为机械风格，按钮简单粗暴。然而，若低空经济如国家设想般走向千家万户，面向终端消费者时，他们对座舱的豪华感、科技感都有需求。

但低空领域最关键的一点是“适航性”：所有25公斤以上的飞行器都必须通过适航认证。因此，如何将汽车豪华版、科技感的配置与适航安全等级要求结合，是行业需要解决的问题。

我认为，敏实从汽车零部件企业拓展至低空和具身智能赛道，目前进展较为顺畅。个人感觉，汽车行业当前较“卷”，但换个赛道或许海阔天空。

仇春：谢谢。换个赛道海阔天空，我们想请钱总看看这个赛道是否真有如此明显的溢出效应，能溢出多少？

您刚才讲了许多技术，让我们觉得这是一种新的补充。您如何看待这个话题？除了汽车供应链，是否还有新的创新在其中？

钱小一（北冥星眸科技有限公司创始人、CEO、董事长）：在溢出效应方面，我目前可能没有太多视角，因为这是我首次参加汽车相关论坛，之前也未深入思考过具身智能与汽车的关系。但经您一提，我发现汽车与具身智能确实非常相似。

首先，从具身智能视角看，汽车是一种“四足”（实为轮式）且可载人的具身智能体。

其次，具身智能需要遥操，汽车需要司机，两者在发展阶段上有共同之处：具身智能需遥操及大脑规划长程任务，汽车已具备导航能力。展望未来的汽车，司机可能被车载“精灵”替代。

例如，家用车可以更自由地交互：我告诉它“女儿今天可能提早下课，你联系小天才看看几点下课”。这种自主性与自由交互，将汽车理解为一类具身智能，其发展方向与追求的目标是一致的。

仇春：我们刚才提到了几个核心词：安全、创新，以及对赛道“卷”的思考，这是我们对两个行业战略趋势的思考。

对于深度技术，我肯定要多问几句，比如我想请教马总、杨总和钱总。黑芝麻智能刚发布了SesameX多维智能计算平台，从智能驾驶芯片拓展至机器人产业；我们也看到北冥星眸的语义识别技术在人机交互层面持续突破；柏川数据专注于为高阶智驾提供数据服务。这些看似没有直接联系，实则存在深层技术关联。

我想请柏川马总、黑芝麻杨总、星眸钱总分别从端侧计算平台、云端算力、数据闭环、交互算法及芯片等核心技术领域出发，聊聊智能汽车和机器人这两个终端在技术复用度、成本及跨领域迁移挑战方面的看法。

是否存在某些技术可推动车与具身智能协同发展？请几位谈谈技术问题，未来是否真的海阔天空？从马总开始。

马东升：我还是从数据角度来谈。数据是基础，其数量和质量决定了AI的体验——无论是驾驶体验还是具身体验。

有几个要点：第一，智能驾驶与具身智能的数据维度不同。智能驾驶维度相对较少，是在有限规则内采集数据，车辆与其他实体交互。但具身智能涉及多种场景——家居、养老、清洁、物流等，每个场景都有众多企业。目前大家纷纷进入清洁行业，但数据很难人工采集，尤其涉及隐私问题。

因此，相比自动驾驶，具身智能数据极为稀缺。当前具身智能通过多条路径积累数据：合成数据、遥操数据等。

例如，为客户交付一个场景（如“抽纸巾”），可能需要上百人缓慢采集数据、整理场景。这些场景数据非常稀缺。

随着数据积累，具身智能将越来越智能。但当前核心难点在于数据如何泛化：许多通过遥操采集的数据，在特定机器人版本和场景下表现良好，但在后续更新迭代中泛化能力很差。这是行业接下来需要突破的点，有赖于技术平台和模型的迭代。

仇春：宇欣总对平台有无新的补充或赋能观点？

杨宇欣：数据确实难以复制，因为环境和场景不同。芯片方面，面对机器人行业的现状，目前所有机器人厂商是“能抓到什么芯片就用什么芯片”。

当前状态是：第一，没有机器人专用芯片；第二，机器人内部电子架构缺乏行业共识。

我们看到各式各样的机器人，即使场景相似也可能采用不同架构、不同芯片——例如强PC属性的插拔式方案、嵌入式芯片组合的大小脑架构等。可以说，机器人产品公司目前使用车规芯片的比例不高，估计不到20%。

车规级芯片，尤其是汽车计算芯片，我认为在机器人领域是100%可用的。随着机器人场景落地、产量逐步提升，我们接触的机器人公司开始从实现技术功能转向考虑量产、成本及安全。

因此，从技术商业化落地角度看，既要兼顾算力又需相对成熟的电子架构，车规级芯片是机器人的最优选。随着更多汽车AI芯片导入机器人领域，厂商会根据芯片特性调整电子架构。

例如，原先需要两三个芯片实现的功能，现在可能一个芯片即可。这一过程仍在演进，尚未有定论。

从芯片公司逻辑看，芯片永远是量的游戏。我能预测或接受的量，且在特定时间段能实现量产的市场，才会投入做芯片，否则很难开发专用芯片。

我常对机器人公司说：目前我不清楚机器人芯片的功能性能边界，因此无法准确定义。结果就是，我有啥你用啥，只要我的方案在成熟度、性价比及性能上达到相对最优解。

仇春：这让我想起智驾领域早期也是如此——新车开发时找不到供应链，传统供应链思考如何转型，于是出现了早期车载芯片、域控及数据闭环业务。

从具身技术本身，钱总，刚才两位谈的是车载技术的思考及具身技术中尚存迷茫的部分。实际上你们的应用场景也很多，您如何看待这个问题？

钱小一：从我们做具身大脑的行业视角看，如果将汽车视为一种具身智能，我们的系统基本可以通用。我们始终反思：人类具备眼耳鼻舌意，形成以感知流为中心的信息储存界面。

具身发生变化，无非是感知和控制的执行设备不同，这在架构和代码层面无需改动。这是第一点：如果是通用大脑，将汽车作为自主化自由交互设备，那么它与具身智能就是同一回事。

第二点，关于端侧与云端。在具身领域我们讨论很多：目前具身大脑有两种方案，一是端侧规划，优点是延迟低，缺点是端侧难以部署特别强大的大脑和智能体，智能化程度受限。

端侧的另一好处是解决隐私问题，尤其是涉及视觉理解时——如果拍摄图像上传云端，存在网络安全和隐私泄露风险。语义层可脱敏，但图像则难以处理。因此我们认为，某些场景仍需考虑端侧，至少在端侧能力尚不强时考虑云端。

但有一个问题是端侧算力难以解决的：未来交互智能终端会很多，包括家里的咖啡机、汽车、手机等，甚至手机内可能有多个“伙伴”。

用户不希望向每个终端重复表达自己的身份、处境和需求。无论终端是助手、专家还是伙伴，都依赖对用户的深入理解以提供更好服务。

如果用户信息仅保存在本地，其他终端无法共享，这对用户是一种负担。因此，需要权衡利弊。

仇春：我们也看到具身智能应用场景非常复杂。从技术讨论至今，我们发现未来应用场景的复杂度将对供应链、产品解决方案提出更高的突破和创新要求，至少相对于当前车载领域是如此。

02落地挑战：场景碎片与供应链重塑

仇春：关于产业链，我同样有几个问题请教其他几位嘉宾。我们看到传感器（如摄像头、激光雷达）目前是车载主流传感器，未来也会是机器人的主流。

敏实的皇甫总刚才提到深耕汽车零部件产业，并成功拓展至无人机等低空产业，进行了新探索。联想车载业务也在向机器人倾斜。

请问各位嘉宾，如何看待汽车产业链的规模化制造？刚才提到的“安全”部分涉及质量管控体系。车载供应链在降低具身智能硬件成本方面能发挥什么作用？

同时，具身智能非结构化带来的多样化产品需求，又将给汽车供应链带来哪些新的技术迭代方向和市场机会？我们该如何抓住这些机会？

王斌：回到供应链问题，如果能借助车载供应链，将对具身智能产生巨大帮助。目前具身智能规模尚未形成如汽车般的大规模，供应链量非常小。

但如果能使用汽车同款镜头、芯片、结构，便可快速将设计感强的机器人价格降至用户相对可接受的水平，这对行业爆发增长至关重要。

第二点是质量。车载领域形成了满足车规级标准的体系流程，这对于车载行业并非负担。试想，一个身高一米八的机器人若因质量问题导致安全事故，后果将非常严重。因此，汽车行业的经验可以帮助具身智能。

同时，汽车场景相对规范，即使没有车道线也有相对规则路径。但机器人不同：它需要学习下楼梯、触碰并拉开门。这一过程也能反哺汽车的感知技术。

众所周知，当前汽车方案多朝向纯视觉发展，但在恶劣环境下仍举步维艰，例如车灯损坏时如何提供良好照明？机器人则需全天候工作，包括夜间，因此红外等传感器可能在机器人上率先应用。这些场景探索也能反哺车载感知技术。

仇春：您的观点非常好，体现了互为补充的效能。落实到传感器，图达通是优质激光雷达供应商之一。除了激光雷达，还有许多其他优秀传感器。

之前提到车载应用离不开“眼睛”，机器人也需要。如果将其视为“身体”，可能需要更多大小不一的“眼睛”。请问您如何看待这一过程？

杨家颖：我们最早从事150线激光雷达，现已拓展更广泛的905产品线。首先，尽管我们将激光雷达定义为“机器人之眼”，但其在车上和机器人上的具体应用有所不同，产品定义也存在一定差异。

例如，车载激光雷达主要用于前向感知，特点是要看得远、角分辨率高、点云质量好。

而当前大多数具身应用，一是算力可能不如车端充足，难以支撑过高线束的雷达；二是主要集中在避障、定位等任务，不需要太远的探测距离。

那么，如何实现车载规模化对具身业务的赋能？我们从技术规划和产品规划两个角度看待这个问题。

从技术规划看，激光雷达本质是光电传感器，基于底层物理原理。在选择技术路线和规划架构时，我们会考虑扩展性：如何在不同距离、线束需求下实现良好兼容。

从产品规划看，例如图达通今年发布的纯固态激光雷达“蜂鸟雷达”，首发应用于车载360度补盲。设计之初我们就考虑了未来具身应用需求。

通过与客户反复调研，发现机器人有近距离高精度识别、抓取等任务需求，但也存在独特定制需求。

因此，我们在车载基础上进行了可控的配置升级或定制。利用车载规模化和规模效应，同时兼顾机器人应用需求。

我相信在产业发展过程中，会有相当长一段时间保持这种状态：基于现有能力和平台，在可行范围内进行兼容，直至市场出现收敛需求或相对规模化，才会出现更专门的产品类型。

仇春：非常感谢。图达通已开始接受这类诉求并进行产品思考和规划。我相信随着场景日益清晰，车载供应链已开始行动。

对于联想而言，在此过程中，车载供应链具备强大的质量体系保障和车规安全认证——我们反复强调安全对具身智能的重要性。请问联想在产品规划上有何考量？

唐心悦：第一，当前具身智能场景较为分散，尚未在哪个场景或应用上实现大规模突破。

尽管政府大力推动无人化应用，但类人机器人的定制开发仍较困难，包括传感器、域控等投入较大，不易进行，因为各领域规范边界不同。

当前方法是对现有方案进行低成本改造，例如将车用控制器改造成机器人“大脑”。这是我们正在开展的工作，架构设计需要比较灵活。部分客户使用USB等外设，有些则用车规级方案，各不相同，因此架构需灵活适配，而这就是机器人行业现状。

第二，我想再次强调：当明确场景出现时，应尽快规范化。

汽车是高度规范化的行业，发展百余年，产品定义、开发流程都相对规范。机器人产品在不同行业落地时，也需要尽快形成相应规范，这是行业和国家需共同努力的事。

最后，联想在此过程中扮演的角色：我们在机器人产业有许多投资，涉及本体供应商、零部件供应商、算法供应商等。同时，在算法平台、算力中间件及各类应用方面，我们与产业紧密配合，非常希望机器人行业快速、有力地崛起。

今天上午在另一论坛上，我也提到中国智能化、电动化汽车已走在世界前列，同样期盼中国机器人产业走向世界前列——走我们的机器人之路，让其他机器人无路可走。

仇春：谢谢唐总，让我们信心满满。中国制造、中国AI、中国解决方案的崛起，正推动汽车和具身智能双产业发展，我们期待它们在全球舞台大放异彩。

接下来还有一个问题请教皇甫乐晓总：作为一家具有深厚汽车零部件产业根基的转型公司，你们在切入低空领域时必然有所心得。在量产质量认证或零部件安全方面，低空领域有何特殊考量？这也是一个比较特别的领域。

皇甫乐晓：对于低空领域（这里指大型飞行器，非消费级无人机），当前产量较小，可能仅几十台规模。

从底层逻辑看，许多工艺（如成型、模压）可复用，但产量较低，因此无法像汽车那样设计规模化模具制造，因为前期投入过高。

首先，从产品规模看，低空经济目前较小，现阶段难以充分利用汽车产线。但从行业特性看，低空领域质量要求遵循AS9100D标准，该标准对产品制造可追溯性及上下级信息传达执行力要求极高。

由于产量小，许多工序依赖手工，难以实现规模化产线和系统。这种质量体系对可追溯性和信息要求很高，且航空器本身特性要求关键零部件的事故概率达到每小时10的负9次方等级，极为严苛。

因此，在如此高要求下，当前阶段尚难很好复用汽车供应链。

但我相信未来会有改善：当前因产量小，研发制造体系处于此水平；一旦未来实现量产，汽车供应链必将赋能低空领域，大幅降低成本。

目前一架5座飞行器价格约1250万元，而5座豪华汽车最多50万元。价格高昂的原因在于供应链简单粗放。

随着场景拓展、空域法规完善，低空经济产量一旦上升，汽车供应链技术将很容易拓展。当然，敏实已将汽车理念引入低空，但从产线角度看，差异仍很大。

03全球视野：中国供应链的机遇与征程

仇春：谢谢。在各位嘉宾的讨论中，我联想到中国新能源车及智驾发展史，发现具身智能似乎正经历一些相似历程。最后，我想提一个较犀利的问题作为结尾。

我记得2010年在德国参与一款智驾车开发时，该车已具备L2级ADAS辅助功能，我觉得非常酷。当时国内状态大家清楚，但没过几年，智驾却率先在国内上市，随后中国在智驾及AI应用领域迅速走在全球前列。

然而，过程中我们也面临出海问题，存在诸多掣肘，或某些市场难以进入。具身智能更偏向消费端，一旦供应链成熟，将很快进入全球市场。

我之前与一位外国友人（从事低空领域）交流，问及本土方案是否可行，他表示不行，因为“你们出不去，需换方案”。那时我意识到，即便做得不错，要真正走出国门仍面临很大挑战。

放眼全球，在具身智能与汽车融合的竞赛中，中国玩家的长板是什么？这里“我们”指所有中国供应链参与者。我们要着眼全球，产业生态需融合共生。过去我们单打独卖产品，如今讲求汽车供应链上下游整合，共同打造主机厂所需的新产品。

在此背景下，中国供应链应如何携手，通过新合作模式将新兴的具身智能产业转化为具有可持续全球竞争力的产品或行业？如何让中国具身智能走向全球，让全球具身智能都有“中国制造”的印记？

在全球化视角下，在座各位均可参与。请问大家如何思考、如何携手、如何应对挑战？

钱小一：在这个问题上，我可能带有一定的信仰偏向，不一定完全客观。

我选择这个赛道，正是希望以钱学森的思维科学来互补大模型，这意味着类似这种自主化、有“灵魂”的AI，从信仰层面看，正是当前缺乏的、偏东方智慧的人工智能路径——即以感知为中心、可反思的思维模式。

大模型源自西方，我们非常理解其缘由；同样，我们相信这种类人的人工智能思维工程必将源自东方。它体现了一种道法自然、大道至简的品位。

因此，从我的视角看，东方智慧必将扮演重要角色。

皇甫乐晓：我谈谈我的观点。首先，我对低空领域充满信心。我认为，未来低空发展必将在中国领先。

底层逻辑在于：中国拥有全球最先进的三电配套（电机、电驱、电控）、最先进的自动驾驶雷达传感器、控制软件与算法，以及蓬勃发展的AI产业和主机厂基础。

但我们也需认清差距：低空飞行器属于航空器领域。传统上，波音在美国，空客在欧洲，这两大巨头在全球航空格局中建立了极高的壁垒。美国的适航标准为FAA，欧洲为EASA，中国为CCAR。

当前中国大飞机C919、C929在出口过程中面临两大壁垒，难以突破。航空圈子不大，其中掺杂了一些政治因素。尽管国内基础非常好，前景光明，但挑战犹存。

此外，国内政治体系集中、市场广阔、国家支持力度大，具备优良的实验场景。当我们将数据和产品做得足够好，随着民航法规日益健全，中国在低空领域必将崛起，成本也将降低，最终让低空飞行器普及千家万户。

唐心悦：我补充两点：一是效率，二是文化。

回顾中国改革开放四十多年的成功经验，大多与效率相关——我们能用一块钱办成别人十块钱的事，能一夜之间移走大桥、建成火车站，能在疫情三年间将电动汽车技术发展至令国外同行瞠目的地步。从效率维度看，我们在具身智能领域没有问题，必将发展得很好。

为何提及文化？因为随着中国日益强大、出口增多、产品影响更多国家，我们越来越面临文化冲突。

这在机器人行业可能体现为两方面：第一，在不同国家、不同领域应用时，我们是否真正理解当地需求？我们或许能做好机器人本体，但在流程和应用上是否真的到位？

第二，具身智能若真做得好，机器人必将与人交互，而交互问题无法仅靠效率解决。

一位老先生曾说：“若想融入一个社会、一个国家，就要成为那个国家的人。”

因此，随着中国全球化深入，前几年有朋友说“将来全世界都学中文，我们不用学英文了”，我开玩笑回应：“将来我们要走出去驾驭世界，所以英文更重要。”

最后，全球化关键一点在于用心理解世界、真诚接纳世界，如此才能做好技术、做好应用。

杨家颖：我在唐总基础上补充几点。我认为中国在具身智能出海方面有两个优势：

第一，中国拥有非常健全的产业链，因此在产业开发上具备无与伦比的速度。例如制造激光雷达，目前全球顶尖供应商多在中国，这得益于我们健全的芯片产业链、工程整机及光电产业支持。

同样，具身智能厂商也受益于此：我们拥有全球领先的智驾产业链及其溢出效应，包括关节、电子皮肤、芯片、控制器、传感器等，以及国家政策引导。这是我们能实现高效率的基石。

第二，中国具备强大的快速迭代工程文化。过去二十年，中国在科技产品研发上建立了自信，我们依靠工程迭代和工程师团队打造产品。

第三，即使在地缘政治较敏感的智驾出海领域，我们也看到越来越多国外厂商采用中国智驾方案。

因此，从产品角度，我始终相信：只要产品足够好、产品力强，让消费者体验到其优势，未来必然光明。“长风破浪会有时，直挂云帆济沧海”，这也代表了具身智能产业的光明前景。

仇春：芯片是较为特殊的存在，既是中国崛起的重要代表，也承载着巨大压力。请宇欣谈谈这方面的思考。

杨宇欣：中国的具身智能产业需要考虑国际化，但中国的具身智能供应链无需国际化。因为未来全球机器人领域将是中美博弈，难有第三国。

正如当前大模型的中美博弈：美国占先发优势，算力积累雄厚；中国虽然后发，但工程能力强、大模型训练效率高，无需同等算力即可追赶。

AI圈内讨论认为，前三名至少有一家中国公司，这仅是阶段性成果，未来必将与美国平分秋色。

大模型AI是具身智能的灵魂。既然灵魂层面中国占半壁江山，未来全球各地的机器人中，来自中国的至少占一半。

再看大模型成功的要素：人才、算力、电力。当前电力是最大问题——美国电力紧张，中国尚有富余。美国是否会号召全球将电力输往美国，以确保其大模型领先？抑或让各国使用美国大模型，放弃中国的？

回到供应链：中国拥有非常完整的供应链，且响应速度极快。这也是为何我说中国具身智能供应链无需考虑国际化。

只要服务好中国未来崛起的各类机器人客户，你就已经全球化了，因为他们会把你的产品带向世界。为何能带出去？这是我另一个欣慰的观点。

在座各位从事汽车供应链国产替代可能很痛苦，因为中国车企的成长依赖海外供应链。

他们习惯了“牛奶面包”，突然换“包子”可能不适应，尽管知道能吃饱。车企并非不愿用中国供应链，但思维和工作习惯不同，他们天生更亲近、更习惯使用海外供应链。这意味着中国汽车供应链在“1岁时”就需与“15岁”的伙伴竞争，必须共同成长。

但机器人产业链完全不同：我1岁时，机器人厂商也1岁，我有机会与他们共同成长。彼此间的亲密程度、认可度和依赖度将完全不同，这与汽车产业截然不同。

因此，中国具身智能的发展令汽车行业内外人士兴奋不已：我们首次有机会与一个新的终端品类及其供应链在同一成长阶段、同一维度共同成长。

我之前的职业生涯涉及手机和汽车，但机器人不同：你的客户与你“同岁”，这将伴随你整个成长历程。这对中国供应链，尤其是具身智能领域的供应链，既是巨大挑战，也是必须抓住的机遇。

回到问题本身：先别考虑太多，服务好中国客户。如果你的50个客户中有10个成长为全球领先的机器人供应商，你就赢了。

仇春：酣畅淋漓！

杨宇欣：说到这个我比较兴奋，因为这是自洽的。

仇春：在这热血沸腾的氛围下，请问王总有何想法？或许您现在的想法已与刚才不同。

王斌：是的，我也有一些思考。回到主持人问题，可能大家对技术点的理解不同。

尽管互联网起源于北美，国内发展时间不长，但国内场景丰富。二维码虽由日本发明，但应用最广的或许在中国，包括汽车产品。

另一点如唐总所言，标准很重要，但全球规范不同。对于机器人，它需面对具体场景。

我知道一个有趣的案例：游泳池清洁机器人。这类机器人在国内可能不太常用，但在北美或西方国家，许多家庭拥有泳池。

因此，最终量最大的机器人或品类最丰富的可能在国内，但许多细分赛道仍在海外。

如果供应链或具身智能企业能洞察这些细分场景，结合国内AI及供应链优势，就能做得更好。

仇春：谢谢。我们又看到了新的增长希望，并充满信心。

马东升：大家说得都非常好，我最后用一个词总结：“机会”。我们在智驾出海时发现，北美、东南亚等地的政策法规落后中国很多，需长期适配。

但回头看机器人领域，正如宇欣所说，未来将是中美主导。

对于数据而言，我们是中立第三方。目前我们从硅谷承接数据，但未来数据出入境可能受政策影响。

国内采集的场景数据可能无法销往美国。美国当前享有红利，其数据价格高达200美元一条，而国内仅100元人民币，差距巨大。

接下来，我们将在罗马尼亚建立数据平台服务北美市场，国内市场则面向国内。数据是具身智能供应链中较特殊的一环，受政策、文化、场景影响很大。

总体而言，整个供应链都面临良好机遇，大家处于同一起跑线，这可能是未来几十年、直至退休都能持续从事的事业。

仇春：今天的话题我个人非常享受，酣畅淋漓，同时也激活了那颗“红色的心”，令人热血沸腾。

记得多年前，中国汽车供应链的创始人、高管们都非常勤奋，每年三百多天在外奔波，伴随整个供应链成长。

在一次会议交流后，我曾总结：智驾或先进功能早期成本高昂，供应链、芯片、系统、数据皆贵。供应链从业者需思考如何降本，唯一方法是让产业随主机厂“飞入寻常百姓家”。

到了具身智能领域，我忽然想起王国维的“人生三境界”。此时，我们应想到第三境界——“蓦然回首，那人正在灯火阑珊处”。当你蓦然回首，会发现我们正是中国乃至全球未来最优秀的供应链从业者及解决方案供应商。

未来在具身智能领域，只要我们做好自己，“那人”就在灯火阑珊处，所有新领域都等待我们走向世界。

感谢在场持续关注的观众，也感谢台上嘉宾呈现了如此精彩、专业、富有思辨的圆桌讨论。

通过今天的探讨，我们深入剖析了具身智能与汽车的互为效应，从跨界逻辑、技术复用、产业链协同到全球化展望，不仅揭示了中国本土供应链的技术实力，也让我们对自身与未来充满信心。

期待明年或未来某时，我们对具身智能能有更清晰的产品、产业及商业模式思考。届时，我们再把酒言欢，探讨我们取得的成就。