一家机器人公司还没开始交付，为什么就值63亿美元？

出品Tech 后视镜8月24日小鹏宣布机器人业务首轮融资超过9亿美元投后估值超过63亿美元。与这个颇具冲击力的数字同时存在的是另一组不那么醒目的事实交易仍涉及后续交割安排小鹏的IRON也还没有进入规模商业交付。换句话说投资人此时定价的主要不是当下收入而是对未来的判断。如果这只是小鹏一家公司的故事问题无非是63亿美元贵不贵。但把视线拉远特斯拉正在为Optimus安装生产线现代汽车把波士顿动力的Atlas写进制造计划BMW和梅赛德斯-奔驰则把外部人形机器人带进工厂。中国车企中小鹏走得最快比亚迪、理想也先后公布了相关方向。过去两年机器人几乎成了智能汽车发布会之外的另一条固定议程。于是一个比小鹏融资更值得追问的问题浮了出来为什么最积极谈论人形机器人的往往也是智能汽车公司这是汽车行业在寻找下一条增长曲线还是资本市场催生的又一轮热门叙事造车积累的能力究竟有多少能够搬到机器人身上一、车企为什么在这个时候一起看向机器人汽车公司和机器人的关系比这一轮具身智能热潮早得多。汽车工厂是工业机器人最成熟的应用场景之一焊接、喷涂、搬运和装配线旁机械臂已经工作了几十年。国际机器人联合会统计2024年全球汽车行业安装了12.61万台工业机器人占全球新增安装量约24%仅次于电子电气行业。早在2017年丰田也发布过第三代人形机器人T-HR3。车企并不是突然发现机器人而是长期站在机器人产业最大的需求端之一。真正发生变化的是机器人要解决的问题。传统工业机器人通常被固定在围栏内动作由工程师预先编排擅长年复一年重复同一套流程。今天的人形机器人则试图走出围栏在为人设计的厂房、仓库甚至家庭里理解环境并完成不同任务。视觉语言模型、强化学习和端到端控制的进展让这种设想第一次有了较为完整的技术路径。这正好与智能汽车过去十年的投入相接。自动驾驶要让一台两吨重的机器在真实道路上感知环境、作出判断并实时执行背后是摄像头、芯片、模型、数据闭环和运动控制。机器人面对的任务更复杂也需要重新学习双足行走和双手操作但两者处理问题的方法已经出现交集。对特斯拉和小鹏这样的公司来说机器人并非凭空冒出的新业务而是把既有的AI和工程体系推向汽车之外。当然产业逻辑之外也有现实的资本诱惑。汽车市场竞争激烈新车型越来越难换来持续的估值溢价机器人却仍处在市场空间巨大、收入尚未定型的阶段。F-Prime基于PitchBook的统计显示在美洲、欧洲和以色列人形机器人与机器人基础模型的融资额从2023年的3亿美元增至2025年的61亿美元。Figure在2025年获得超过10亿美元的C轮融资投后估值达到390亿美元Apptronik在2026年的融资也把估值推到约50亿美元。小鹏在此时拆出机器人业务融资既能补充长期研发所需的资金也为汽车主业之外的技术能力找到一套新的估值方式。但“车企都在造机器人”仍是一种过度简化的说法。特斯拉和小鹏选择自己做模型、本体和量产想把机器人变成下一条产品线现代汽车在2021年收购波士顿动力80%股权用并购补上机器人研发能力梅赛德斯-奔驰投资Apptronik并让Apollo进入工厂训练BMW本质上仍是采购方和试用者先后与Figure、Hexagon Robotics合作在真实产线上测试机器人能否创造价值。四条路线都可以被称为“布局”投入程度和目标却完全不同。车企之间同样存在距离。小鹏已连续发布多代整机并把机器人业务拆出来融资比亚迪确认过人形机器人的亮相计划但网络流传的部分产品参数和部署规模并未得到公司正式确认理想汽车管理层表达过研发人形机器人的方向公开的产品进展仍然有限。把这些公司都列入“造机器人名单”并非完全错误却会让人忽略一个基本区别使用机器人、投资机器人和成为一家机器人制造商是三件不同的事。图1车企进入机器人赛道的四种方式二、造车的本事能有多少搬到机器人身上理解车企的优势最好不要从发布会上的舞蹈和行走演示开始而要到工厂里看一项并不炫目的工作。BMW披露Figure 02曾在美国斯帕坦堡工厂运行约1250小时搬运超过9万个钣金件并参与3万多辆BMW X3的生产。这里的“参与”不是机器人独立造出了3万辆汽车而是在特定工序里反复完成取放和定位。恰恰是这种枯燥的重复最接近工业客户真正愿意付钱的价值。图2BMW披露的Figure 02工厂试点数据。它证明机器人已经进入真实工序但距离通用能力和规模商业化仍有距离。车企首先拥有的是把复杂机电产品从样机变成商品的经验。一台机器人能走几步只能说明原型机成立能否稳定生产上千台批次之间是否一致出了故障能否追溯到零部件和供应商软件如何升级、售后如何覆盖才决定它能不能成为一门生意。供应链认证、成本控制、质量体系和服务网络正是汽车公司几十年积累下来的能力。第二个优势来自场景。机器人公司最缺的不只是资金还缺可以反复试错的真实环境。车厂的工序相对清晰安全边界明确设备和数据接口也比较稳定适合作为人形机器人的第一批训练场。现代汽车为此建设Robot Metaplant Application Center模拟生产环境、训练机器人、采集数据再把通过测试的方案送入工厂。车企既是潜在制造者也可以先做自己的第一个客户。第三个优势是部分技术可以共用。视觉感知、嵌入式计算、电池、电机、功率控制、热管理、实时系统和安全冗余同时存在于智能汽车与机器人。小鹏希望VLA模型能跨汽车、Robotaxi、机器人和飞行汽车使用特斯拉也把Optimus放进“现实世界AI”的同一套叙事中。如果芯片、模型工具链和数据基础设施能复用车企确实比完全从零起步的团队更接近量产。图3车企、机器人创业公司和工业自动化企业各有长处。机器人产业很难由某一类公司单独包办。可惜汽车并不是装上双腿和双手之后就会变成人形机器人。车辆在道路上积累的数据主要围绕加速、制动、转向和障碍物机器人还要处理平衡、抓取力度、手眼协调、多关节接触以及与人的近距离互动。《自然·机器智能》指出真实物理交互数据比图像和视频更难获得仿真中的策略进入现实后还会受到摩擦、材质、光线和传感误差影响。汽车跑过多少公里不能直接教会一只机械手完成多少次可靠抓取。硬件也有相似的边界。汽车供应链能提供电池、电机和规模制造基础却不能自动解决高精度关节、触觉传感和灵巧手的耐久性。发布会上常见的自由度和算力只能描述机器“有多少能力”客户更关心的是它能连续工作多久多久需要维护一项任务能成功多少次以及替代人工之后是否真的更便宜。NIST在Physical AI项目说明中也提醒实验室里的具身智能与制造现场可部署的系统之间仍有明显差距算法必须和成本、安全、产出放在一起评估。图4造车经验能够迁移的是部分技术底座和工业体系操作数据、灵巧能力、可靠性和商业模式仍要重新建立。这也是机器人创业公司和传统自动化企业仍有机会的原因。前者把全部精力放在本体、控制和操作数据上可以面向物流、制造、零售等不同行业快速调整后者更懂工厂的可靠性、系统集成和投资回报。车企的弱点则藏在自己的规模里汽车主业会不断争夺资金和管理注意力一家车企控制的机器人公司也未必容易把产品卖给竞争对手。更重要的是车企擅长量产却可能在客户任务尚未明确时过早把“能造很多台”当成“市场需要很多台”。人形本身也不是所有问题的答案。IEEE Spectrum对行业规模化的分析指出续航、可靠性、安全和明确需求仍是主要障碍。在平整地面上搬运固定物料轮式机器人或传统机械臂往往更便宜、更稳定。只有当机器人必须进入为人设计的空间、使用现有工具并且因此创造的收益足以覆盖双足和灵巧手的额外成本时人形才有充分的商业理由。三、所有车企都会用机器人但不会都成为机器人公司判断一家车企是在认真做机器人还是借热点讲故事不能只看样机是否亮相。更有意义的是沿着四个台阶往下看有没有独立团队和持续预算机器人是否进入真实任务并披露运行数据试点能否扩大到更多工序最后有没有外部客户愿意持续采购。发布会可以在一天内完成后面的每一步都要用时间和经营结果来证明。图5判断车企机器人业务进展的四层证据。越往右越难靠一场发布会完成。按这套标准看小鹏已经越过了单纯发布概念的阶段公司形成了相对独立的业务主体引入外部资本并明确资金将用于模型训练、数据采集和量产设施。但公开信息仍不足以回答实际产量、连续运行时长、任务成功率和客户复购。融资说明投入是真的并不等于商业模式已经成立。BMW的工厂数据则走到了工程验证却同样没有证明人形机器人已经能够在更多客户和更多工序中复制。未来更可能出现的不是所有车企都成立机器人公司而是一种分层格局。少数拥有自研AI平台、强软件团队和长期资本耐心的企业会像特斯拉、小鹏一样坚持全栈研发现代汽车这类大型工业集团可能通过收购掌握专业团队更多车企会选择投资、联合开发和工厂采购把模型和本体交给合作伙伴。还有一些公司会继续使用成熟的机械臂和移动机器人根本没有必要加入通用人形机器人的竞争。这意味着机器人会越来越多地出现在汽车工厂里但“使用机器人”的车企一定会多于“制造并销售机器人”的车企。汽车行业不会因为大量采购芯片而全部成为芯片公司也不会因为部署人形机器人而全部变成机器人公司。车企能否从大客户变成产业主角最终取决于几个朴素的数字连续工作时间、任务成功率、故障和维护成本、单台成本与收益以及外部客户是否复购。回到小鹏的63亿美元估值它更像是资本市场为一种可能性提前支付的价格汽车公司拥有的AI团队、工厂、供应链和量产能力或许能够缩短机器人从实验室走向商品的时间。这种可能性有现实依据却还没有被充分证明。下一批机器人巨头可能从车企中长出来但胜出的不会是最早在发布会上“造人”的公司而是最先把机器人变成可靠生产工具、并让客户算得过账的公司。