【经管大课堂·AI经管实践】小鹏人形机器人小批量试生产——具身智能的产业化前夜

案例背景

2026年7月25日，小鹏汽车宣布其人形机器人正式开启小批量试生产，标志着这家新能源车企在具身智能领域的布局进入新阶段。同日，力箭一号遥十五运载火箭发射成功，将多颗卫星和搭载具身智能模型的实验载荷送入太空。两则看似独立的消息，共同勾勒出AI从数字世界走向物理世界的清晰路径——具身智能产业化正进入关键期。

人形机器人被视为AI的”终极载体”之一。与纯软件AI不同，具身智能要求AI系统能够感知物理环境、理解空间关系并执行物理操作，这对算法、传感器、执行器和控制系统都提出了更高要求。小鹏选择从汽车领域切入人形机器人，具有天然的产业协同优势——自动驾驶所需的感知决策能力与机器人所需的感知操作能力存在大量技术复用。然而，从试生产到规模商业化，人形机器人仍面临成本、可靠性和应用场景等重重挑战。

核心分析

一、具身智能的技术成熟度评估

评估具身智能的产业化阶段，可以借鉴NASA提出的”技术成熟度等级”（Technology Readiness Level，TRL）框架。TRL将技术从基础原理发现（TRL 1）到实际任务验证（TRL 9）划分为九个等级。当前人形机器人的整体技术成熟度大约处于TRL 5-6之间——即在相关环境中完成验证，但尚未在实际运行环境中经过充分验证。小鹏人形机器人进入小批量试生产，意味着技术已从实验室原型（TRL 4）跃迁到工程验证阶段（TRL 5-6），这是产业化进程中至关重要的跨越。具身智能的技术体系可以分为三层：感知层（视觉、触觉、力觉等传感器融合）、决策层（环境理解、任务规划、运动控制算法）和执行层（关节驱动、末端执行器、全身协调）。三层的成熟度并不均衡：感知层受益于自动驾驶技术的外溢，成熟度较高（TRL 6-7）；决策层因大语言模型和视觉-语言-动作（VLA）模型的突破，正处于快速迭代期（TRL 4-5）；执行层涉及的精密机械和材料科学进展相对缓慢，成为整体成熟度的短板（TRL 3-4）。这种”木桶效应”意味着，具身智能产业化的瓶颈不在算法突破，而在硬件工程。力箭一号将具身智能模型送入太空，正是为了在极端环境下测试感知和决策层的可靠性——太空环境的微重力、辐射和温差变化为技术验证提供了高强度的”压力测试”场景。Gartner的技术成熟度曲线（Hype Cycle）也提示我们，人形机器人目前可能正处于”期望膨胀峰”附近——市场关注度极高，但实际应用能力尚未跟上。从期望峰到实质生产期之间，通常需要经历”幻灭谷”的考验。小鹏选择小批量试生产而非大规模量产，体现了对技术成熟度的理性认知——先在小规模中暴露问题、迭代改进，再逐步扩大规模。

二、AI产业化路线图与阶段策略

小鹏人形机器人的产业化路径，体现了AI从数字世界到物理世界的渐进式路线图。MIT的Eric von Hippel提出的”领先用户”（Lead User）理论为这一路线图提供了分析框架。在人形机器人领域，领先用户是那些在市场前沿有极端需求、且能从解决方案中获利的组织。小鹏的产业化策略可以理解为”以自有场景为领先用户”——先在汽车生产线内部署人形机器人，解决自身制造环节的劳动力短缺和柔性化生产需求，积累可靠性数据和应用经验，再逐步拓展到外部市场。这一策略与Tesla在工厂中使用Optimus机器人的逻辑如出一辙。Moore的”技术采纳生命周期”理论在物理AI领域需要修正。软件AI的采纳门槛低，用户只需下载App即可体验；而人形机器人的采纳涉及物理空间安全、人员培训、流程改造等高门槛因素，从创新者到早期大众的”鸿沟”远比软件AI宽阔。因此，产业化路线图应当更加审慎：第一阶段聚焦B端工业场景（工厂、仓储），第二阶段拓展到B端服务场景（商超、酒店），第三阶段才进入C端家庭场景。每个阶段的技术要求和商业模式都有本质差异。B端场景对可靠性要求高但容错率相对好（出错可以停机），C端场景对安全性和易用性要求极高（家庭环境不可控因素多）。小鹏目前的试生产阶段对应第一阶段，这一阶段的核心目标不是盈利，而是建立”场景-数据-迭代”的正循环。

三、人形机器人的商业模式探索

人形机器人的商业模式仍在探索中，目前存在三种主要路径。第一种是”产品销售”模式，即像卖汽车一样卖机器人，一次性收取硬件费用加软件订阅费。第二种是”RaaS”（Robot as a Service）模式，即像SaaS一样按使用时长或完成任务量收费，客户无需购买硬件。第三种是”生态平台”模式，即开放机器人操作系统，吸引第三方开发者创建应用，通过应用商店分成获利。Chesbrough的”开放式创新”理论对第三种模式提供了理论支撑。人形机器人的应用场景极其分散——工厂装配、仓库搬运、商超导购、酒店送物、家庭陪护，每个场景都需要定制化的技能。单一企业难以覆盖所有场景，开放平台让第三方开发者贡献技能，是加速生态繁荣的可行路径。然而，平台模式的前提是安装量达到临界规模，否则无法吸引开发者。小鹏在人形机器人商业化初期，更可能采用第一种或第二种模式——在自有工厂场景中以”自用”方式验证价值，在商业客户场景中以RaaS模式降低客户尝试门槛。当安装量达到一定规模后，再逐步开放平台。这一路径类似于智能手机行业的发展轨迹：先有硬件销售积累用户，再有应用生态繁荣变现。值得关注的是，人形机器人的成本结构目前仍不利于商业化——高性能伺服电机、力矩传感器和精密减速器的成本居高不下，单台造价动辄数十万元。要实现规模商业化，需要通过零部件国产化、量产规模效应和架构简化来将成本降至10万元以内。小鹏的汽车供应链管理经验在这一点上具有迁移价值——汽车级供应链的成本控制能力可以直接应用于机器人硬件采购。

管理启示

小鹏人形机器人试生产和力箭一号搭载具身智能模型上天，为AI产业化提供了三方面启示。第一，具身智能的产业化不能”一步到位”，应当遵循”TRL阶梯式推进”策略——在实验室充分验证后再进入工程验证，在工程验证通过后再进入小批量试生产，每一步都要有明确的通过/不通过标准。跳步前进的风险是产品在客户现场大面积故障，不仅造成经济损失，更会严重损害品牌信任。第二，物理AI的产业化路径应当”以B端场景为桥头堡”。B端工业场景的环境可控、需求明确、ROI可量化，是具身智能最佳的”练兵场”。在B端场景积累足够的可靠性和安全性数据后，再向C端场景延伸。第三，商业模式的探索应当与技术成熟度匹配。在技术不成熟阶段追求平台模式是”建好了高速公路但没车跑”——安装量不足导致开发者无法获利，开发者不足导致应用匮乏，应用匮乏导致用户不买，形成负循环。先以产品销售或RaaS模式积累安装量，再适时开放平台，是更稳健的路径。

其他思考

1. 人形机器人是否一定要做成”人形”？工业场景中，专用形态的机器人（如机械臂、AGV）往往比人形机器人效率更高。人形机器人的价值是否更多在于通用性和C端场景的”情感接受度”？
2. 当人形机器人具备足够的物理操作能力后，现有的体力劳动者（工厂工人、仓储人员、清洁人员等）将面临怎样的冲击？这是否会引发类似工业革命时期”卢德运动”的社会反弹？
3. 力箭一号将具身智能模型送入太空测试，体现了太空环境作为AI”极端测试场”的独特价值。这是否意味着航天技术不仅在科学探索上有意义，在AI产业化进程中也扮演着”加速器”角色？商业航天与AI的融合将催生哪些新业态？

关键词：具身智能、技术成熟度、人形机器人商业化
来源：第一财经/经济观察网 | 整理：经管大课堂