车企杀入具身智能：技术栈重合 70% 背后是哪三块能力

2026-09-14 · 约 4 分钟 #汽车电子#具身智能#行业观察#EEA

先说一个正在发生的转折。

过去两年，车企发布会的关键词是「智驾」「座舱」「算力」；而最近，同一个舞台上出现频率越来越高的词变成了「机器人」。

据公开报道，目前已有近 20 家车企入局具身智能相关业务：既有小鹏、理想、零跑这样的新造车，也有长安、东风、广汽、比亚迪、奇瑞这样的传统车企。有报道给出的说法是，车企的技术栈与具身智能的重合度超过 70%。

这个数字值得停下来想一想：造车的，凭什么能造机器人？

一、先把概念说清楚

「具身智能」拆开就很朴素：让智能有一个身体，能在真实世界里动手做事。

我们熟悉的 AI 大多活在屏幕里——会写字、会画图、会回答问题，但它不能把地上的杯子捡起来。具身智能要解决的，就是「从会想，到会做」的最后一段路。

而机器人要在真实世界里干活，必须反复回答三个问题：

记住这三件事，后面的「为什么是车企」就顺了。

把这三个问题套到智能汽车上，对应关系几乎是现成的：

感知——摄像头、雷达、视觉算法。 车在路上要认车道线、认行人、认前车距离；机器人在车间里要认料箱、认零件、认人的手。用的都是同一套「看懂世界」的本事。

决策——芯片 + 模型 + 实时计算。 车要在零点几秒内决定刹车还是绕行，机器人要在零点几秒内决定怎么抓取。共同要求都是：算得快、算得省、还得足够稳。

执行——电机、域控制器、运动控制。 车要把指令变成转向和加速，机器人要把指令变成关节和手指的动作。以赛力斯的公开表述为例，其三电系统、域控制器、运动控制、3D 视觉感知等能力，被认为与具身智能高度相通。

再往下一层，还有一条最容易被忽略的共同点：两家都得把东西造出来，还要造到能批量交付。供应链管理、成本控制、可靠性验证，这套本领车企练了十几年。

所以这不太像「跨界」，更像是把已经练熟的三块肌肉，换一个场地用。

按公开报道梳理，入局的车企大致分两类：

一类是新造车（小鹏、理想、零跑等）。以小鹏为例，公开信息提到其自研的图灵 AI 芯片、全栈自研的物理 AI 模型，以及第二代 VLA 系统，被视为给机器人「打地基」的动作。

另一类是传统车企（长安、东风、广汽、比亚迪、奇瑞等）。更常见的方式是把智能汽车上的技术积累整体复用，或通过合作补齐机器人这一环。

一个可供参考的背景数字：有报道称到 2035 年，具身智能市场规模可能超过 2 万亿元。需要说明的是，这是机构预测，不同口径差异很大，只能当方向参考，不能当确定的时间表。

第一，技术能复用，场景不一定能。 路况是高度标准化的：有车道线、有交规、有红绿灯。而工厂、家庭、商业服务里的场景千差万别。车跑得好，不代表机器人就一定干得好。

第二，成本和量产节奏对不上。 汽车是靠百万级年销量摊薄成本的，机器人目前还没有这样的量。技术复用能省研发，但省不掉「造得多便宜」这道题。

第三，安全标准还没跟上。 车有一整套强制性标准约束，机器人在人机共处场景下的安全边界，目前更多还停留在行业自律和厂商口径。

对普通看客，这条新闻的读法是「车企也来做机器人了」；但对做汽车电子的人来说，它其实说明另一件事：当年在整车上练的那套感知—决策—执行能力，本身就是可迁移的资产。

从 EEA 的角度看，车和机器人共享的不只是零部件，而是一整套「把智能落到物理世界」的工程方法论——域控怎么划分、算力怎么分配、时延怎么保证、失效怎么降级。这些东西，换个外壳照样成立。

（口径说明：本文为公开信息的整理与原理性讨论，涉及公司均为公开报道陈述，不构成对任何企业或产品的评价，也不构成投资建议。文中「近 20 家」「70%」「2 万亿」等数字均来自公开报道口径，未逐家核实。）