问题——“物理智能”加速下沉现实场景，产业竞争进入新阶段 全国两会涉及的采访中——何小鹏提出——智能技术正在从影响信息与内容的“数字世界”，继续扩展到影响生产、出行、服务等“物理世界”；他将智能汽车、自动驾驶出租车、飞行汽车、机器人等归为面向现实世界的“智能体”，认为相关应用将共同构成“物理智能”的重要版图。随着制造业升级、劳动力结构变化以及公共服务智能化需求上升，具身智能与人形机器人等方向被视为新一轮产业竞逐的关键赛道。 原因——从“集成式成功”到“全栈式门槛”，车企转型面临结构性挑战 何小鹏指出，传统汽车产业长期形成以供应链分工为基础的集成式研发与制造模式，即企业通过整合多家供应商的零部件与软件系统形成产品，这个商业逻辑在燃油车与部分智能化阶段行之有效。但在人形机器人等具身智能产品上，环境更复杂、交互更频繁、动作更精细，对感知、决策、控制的闭环能力提出更高要求，单纯依赖拼装式整合难以形成稳定体验与持续迭代能力。 他认为，人形机器人的研发难度显著高于汽车，体现在动态平衡、连续动作控制、多场景适应与安全冗余等多个维度。其举例强调，如果一款汽车的辅助驾驶体验尚不足以令用户满意，那么对实时反应、连续协作要求更高的机器人产品更难达成用户预期。基于此，他提出若将人形机器人与汽车共同作为核心产品线，企业需要同时具备硬件自研、软件自研、跨域融合与系统整合等关键能力，以建立从底层到应用的体系化竞争力。 影响——汽车与机器人或走向深度融合，产业边界被重新定义 在对产业演进的判断上，何小鹏预测，未来十年汽车与人形机器人将呈现深度融合趋势，形成“汽车机器人”等新形态产品。他认为两者在硬件层面的共通性可达50%至60%，而在软件与商业逻辑层面的共通性可达90%。这一判断意味着：一上，智能汽车长期积累的传感器、计算平台、能量管理、安全体系与规模化制造经验，有望为机器人产业提供重要支撑；另一方面，机器人环境理解、任务规划、人机交互等能力上的突破，也可能反向推动汽车从“交通工具”向“移动智能空间”演进。 ，产业融合也将放大竞争分化。具备核心软硬件能力与规模化交付能力的企业，可能在标准、生态与场景落地上占据先机；而仍停留在“采购整合—快速上市”路径的企业，可能面临成本、可靠性与迭代速度的多重掣肘。 对策——以分级应用为牵引，推动从关键能力到场景验证的系统突破 从行业进展看，国家地方共建人形机器人创新中心等机构发布的《人形机器人分类分级应用指南》将人形机器人划分为L1基础执行型、L2条件智能型、L3自主协作型、L4全场景适应型。业内普遍认为，我国人形机器人整体处于由L2向L3过渡的关键阶段，部分企业已在特定场景呈现一定的自主协作能力，但在感知精度、决策泛化、执行稳定性与成本控制上仍面临瓶颈。 面向下一阶段突破，行业关注三条主线：一是仿生运动能力提升，通过类人动力学建模与控制算法，增强动态平衡与复杂地形适应；二是具身智能能力强化，依托多模态模型与融合技术，提高从理解指令到任务规划再到执行反馈的闭环效率，推动从被动操作走向主动交互；三是轻量化与降本增效，通过新材料与结构一体化设计，缓解负载与续航矛盾，提高可用性与可维护性。对企业而言，围绕核心部件、自主软件栈、数据与场景闭环建设形成体系化能力，将成为跨越产业化门槛的重要抓手。 前景——从“技术展示”走向“规模应用”，仍需时间与耐心 市场机构对人形机器人长期空间持乐观态度。有预测认为，随着产品平均售价下降与性价比提升，人形机器人有望在制造、仓储、商服、家庭等场景逐步扩展。但应当看到，从“可演示”到“可用、好用、耐用、可规模交付”，仍取决于关键技术稳定性、标准体系完善、供应链成熟以及场景的持续验证。若行业要迈向L4级全场景适应阶段，仍需3至5年左右的技术积累与工程化打磨，并在真实环境中经受长期运行与安全检验。
从智能汽车到人形机器人，产业竞争正从“单一产品”转向“系统生态”；“物理智能”要在真实世界真正落地，必须通过安全、可靠、成本与规模化交付的多重考验。对企业而言，与其盲目跟风，不如夯实底层能力、深耕场景验证；对行业而言，既要加快关键技术攻关，也要用标准与治理守住安全底线。只有沿着可验证、可复制、可持续的路径推进，具身智能才能从热点走向真正的生产力。