智能駕駛與具身智能的「殊途同歸」：供應鏈、場景和技術瓶頸

作者：蘇打

出品：明亮公司

當具身智能將人類從數字世界帶回物理世界，人、汽車、機器人、場景將如何融合發展？

5月7日，聯想創投投資總監史晨星、聯想車計算創新管理總監孫炳川、黑芝麻智能CMO楊宇欣、星海圖創始人兼CEO高繼揚以及逐際動力聯合創始人兼COO張力等，在2025聯想Tech World創新科技大會“具身智能與智能駕駛技術創新”分論壇中，就具身智能與智能駕駛的結合點、當前技術的成熟度與挑戰、應用場景的探索及未來展望等進行充分討論。

其中黑芝麻智能、星海圖和逐際動力均為聯想創投參投的自動駕駛及具身智能相關創業公司。

天眼查APP顯示，黑芝麻智能(2533.HK)是領先的車規級智能汽車計算芯片及基于芯片的解決方案供應商，于2024年8月在香港交易所主板掛牌上市。2021年，聯想創投曾參與其C輪融資。

星海圖成立于2023年9月，定位“立足中國、放眼全球”的具身智能公司。2025年4月，星海圖宣布完成A+輪融資，聯想創投參投。

同樣作為具身智能公司，成立于2022年的逐際動力LimX Dynamics聚焦打造全尺寸通用人形機器人，并衍生了包括雙足機器人等創新產品。2023年，聯想創投參投了其Pre- A輪融資，總融資金額近2億元人民幣。

聯想車計算創新管理總監孫炳川：汽車正慢慢變成機器人

如果按照時間來算，自動駕駛比具身智能早出現很多年，可能談不上融合，但從發展形式來看，未來自動駕駛的發展會讓汽車具有很多的具身智能特征。

從這個角度講，很多自動駕駛和智能汽車相關的技術，從計算的平臺到感知的技術，到決策的技術，甚至到交互的方式，到智能交互的方式，未來其實都可以跟具身智能一起，做一些相關的協同或者復用。

未來，Physical AI比較典型的代表有兩個，智能汽車和機器人。回到技術本身，當下具身智能還是以走得穩、行得好、夠安全為第一要務。

在應用場景方面，汽車已經到了一個質變的階段，正慢慢變成機器人，從這個角度講，我認為現在的發展可能也是一個元年，不僅是自動駕駛，也包括感知。其中一個維度是車本身，另一個維度事整車的研發、設計、生產。在技術框架、技術路線、技術趨勢相同的層面上，我們認為從車內到車外各個場景都會有很大的機會。

黑芝麻智能CMO楊宇欣：靠自動駕駛活到具身真正落地的那天

其實在我們看來，自動駕駛和具身智能基本上是“一回事”。但對于2018年之前的智駕，我沒有那么樂觀，比如2015、2016年的智駕行業，是把具身分成了虛擬數字和實體物理兩個部分。

本體部分，現在很多關鍵零部件的技術邊界探索仍舊沒有完成，包括具身要實現不同的數據輸入、傳感器的能力等；數字即算法探索部分，現在的模型能不能支撐最后具身所有的數據輸出輸入，包括世界模型，也還是在探索過程中。

簡言之就是邊界和技術方向，現在大家只是有一個朦朧的方向，或許會在某個節點把之前的很多問題一下解決掉，但這個可能還是需要一定的時間。

具體到應用場景，現在也仍舊在探索過程中，邊界在哪大家并不知道。究竟哪些場景愿意開放具身來試？機器人馬拉松大賽是不算的。但現在汽車行業是非常積極地在提供場景，一方面智駕是具身的初級形態，另一方面很多車企的供應鏈現在與機器人的重疊度非常高。

目前汽車行業的天花板每年全世界是8000萬到1億臺，不能再增長的情況下，這么龐大全球的汽車工業怎么辦？下一站就是機器人。我們認為，未來5到10年機器人每年的量將是汽車的10倍，這個量是非常大的。所以很多車企正在開放一些產線的簡單場景給具身智能進行嘗試，比如搬箱子，這種場景不需要一個完整的人形機器人。目前來講，具身的移動過程中，雙足還需要更多的驗證。

如果要總結具身智能和自動駕駛加速產業發展的過程，我想就是靠自動駕駛先活下來，然后才能活到具身真正落地的那一天。

星海圖創始人、CEO 高繼揚：具身智能在北美和歐洲應用空間更大

關于具身智能和自動駕駛的融合，我自己挺有感觸的。剛開始創業時，大部分投資人都會說我們是從自動駕駛轉行來做具身智能，我說不是，具身智能就是自動駕駛的一個自然延續，他們就是一回事。

一開始做自動駕駛的有兩波人，第一波是從2008年到2015年，他們更多是RoboTaxi背景，那個時候AI并沒有發展起來；第二波是2015年之后，尤其是2018年之后特斯拉的介入，開始講端到端數據驅動，這些人開始重做自動駕駛，他們底層的思考問題都是關注數據閉環和智能邊界，而這兩件事也是當下我們看具身智能領域里面最重要的要素，也是令RoboTaxi實現從單一場景到泛化場景過程中的關鍵變量。

而做具身智能的另外一批人，則更多關注機電系統、運控。最終產業的成功是這幾波人的結合。

現階段具身智能供給側的特點包括三方面，速度、精度和泛化性。傳統的協作臂是速度高、精度高、泛化性為零；現階段的具身智能的供給特點是中等執行精度及速度，但具有較高的泛化能力。至于泛化能力怎么定量，我們給的指標是，在物理世界中學習新任務的邊際成本。過去很多非標自動化中，企業經營不好的一個很大原因是邊際交付成本太高，其中包括大量工程師成本。而AI環境下，我們看到了可以做標品的機會。

而標品的最終出口是所有邊際成本全部壓縮在數據上。比如，學某一種工序，操作機器的每個動作需要兩三百條數據，換一個場景仍舊只需要這些數據，而兩三百條數據的采集成本是非常低的，一個工人一天200塊錢的樣子，訓練的邊際成本也很低，這個是我們現階段怎么去定義具身智能在物理世界中的泛化能力。

而泛化能力的演進也是具身智能在物理世界Scaling Law的過程，也就是說，關鍵的指標是看今天的兩三百條邊際數據成本能不能隨著大量數據的累積逐步降低到30條、50條，甚至3、5條去學一個新動作，而人的能力就是2、3條數據。等于在新場景中去培訓一個新員工，越是熟練工，它的邊際學習成本越低。

在應用場景方面，我們特別關注地域問題——國內制造業、物流業、服務業的分布。制造業往往大量分布在欠發達地區，這些地區的勞動力更價格便宜（不適合機器人普及），所以我們關注的重心是北美和歐洲。現在我們在北美有很多客戶，他們也看到了非常多的場景。

在北美，我們以設備和數據供應商的身份提供服務時看到，他們在美國的主要使用場景就是服務業和倉儲，包括物流倉儲、酒店餐飲后廚等，可用空間非常大。而且很容易算得過來賬，同樣的工種在中國不work但在美國可能就特別work。

不過我們計劃在歐洲市場“大搞”，因為歐洲整個市場和付費能力與北美非常類似，但供給條件更差，不僅沒有硬件的供應鏈，算法的供給能力也沒有。我們的想法是，通過尋求具身智能供給特點、產業和場景方需求以及所屬地區付費能力等幾個要素的結合點，在歐洲尋求一條確定的發展路徑。

整體來講，我覺得具身智能跟自動駕駛都是特別要關注數據閉環和智能的邊界，我們不要在錯誤的時間點做智能邊界以外的需求，這種很難成功。

逐際動力聯合創始人、COO 張力：具身應用不缺場景，缺技術

從今天的范疇來講，自動駕駛可以看成是具身智能的一個場景，只不過大家所交互的對象是不一樣的——自動駕駛更多是車與車之間的博弈或者車跟駕駛者之間的博弈，它最大的特點是在二維的世界里面不產生碰撞，更多是能夠準確感知，決策，控制好車輛、保證安全，相對來講稍微簡單一些。

但機器人領域就復雜得多，移動能力交互的對象是地面，在不同地形中保持平衡；場景中交互的對象則是萬物，這需要大量數據去形成機器人的Foundtion模型，然后通過大語言模型和多模態模型對場景的理解、任務的分解以及神經網絡去控制好機器人的本體。

今天機器人所在的狀態非常類似于2018年的無人駕駛，如果要形成與物理世界的自主交互，所要積累的包括數據，包括算法模型的訓練等我覺得還需要非常長的過程。

目前具身智能和人形機器人可以從三個層面觀察，本體、小腦、大腦。本體層面，我們今天可以更多去關注一些難點，比如關節的數量。關節的數量決定了這個機器人未來能做什么、不能做什么，因為人的自由度就取決于基本的關節數量。另外一個是全尺寸人形，我們在定義人形機器人時，會把1米5以上定義為全尺寸人形。機器人越高控制難度越大，算法要求也越有挑戰，所以目前能夠出量更多是小機器人。

另外是小腦，我們讓具身智能為人類創造價值，不僅僅是改變自己的狀態、提供情緒價值，更多是要改變物理世界物體的位置，所以對于小腦的考驗是在大負載的運動控制能力上保障平衡，這部分今天能看到的也不多。

最具挑戰的是具身的大腦，其中的根本是數據。如何能夠高效使用數據，我們稱之為具身模型的數據的效率，即如何用低成本的數據產生最大的具有泛化性的自主操作能力，是今天大家去攻克的一個關鍵點。

提及應用場景，我經常跟很多人講，我每天缺的不是場景，而是技術。大家首先要了解，具身智能和人形機器人是兩個東西，人形只是體現類似于人的通用性和泛化性，通用性就是去人能去的地方，做人能做的事兒，完成人能抓取的抓取，泛化性就是我們的推理和舉一反三的能力。

所以，當我們讓人形機器人像人一樣去適應某一個場景或完成某一個任務的時候，實際上不一定是最佳的產品，你會看到一個工廠用協作機器人替代一個500塊錢的工人，但后面天天跟著兩個博士。

對于一個100多人的具身智能公司而言，去研究千行百業和千家萬戶不同的應用場景不是他們今天能做到的，他們能夠做的事利用具身去實現基礎模型能力的訓練，然后在未來讓不同的創新者在不同場景中去利用這種能力。

大家可以回想上世紀90年代中國剛剛出現互聯網時，那時候如果大家意識到未來會有一家公司叫阿里巴巴、有一家公司叫騰訊，有一個應用叫微信，那時候他們早就去做了。為什么當時沒有人做，因為互聯網的通信、傳輸等的技術并沒有成熟。站在今天具身元年的節點，如果一定說要找到什么應用場景，大家其實都已經想到了，但能不能在技術上實現，還需要一個研究的過程。

但從整體產業發展路徑上看，我認為，具身智能一定是未來十年最大的科技革命，能夠實現像自動駕駛、像人形機器人或者具身智能機器人在落地場景中的應用。