汽車零部件巨頭們，對人形機器人「上頭」了

2050年，全球人形機器人會有多少？摩根士丹利説，10億台。外加市場規模，7.5萬億美元。

這是美國投資銀行摩根士丹利去年12月發佈的經過調整的預測報告中，描繪的宏大願景。還有更激進的，馬斯克曾預測2040年會達到100億台。今年的訪談中，他更新了看法：覺得那還是個保守數字。真正的瓶頸是金屬和供應鏈，兩年內機器人就會「出現一大堆」，五年內從稀缺變為充裕。

馬斯克還説，「Recursive triple exponential growth for humanoid robots.」（人形機器人會迎來三重指數遞歸式增長。）

另一家投行高盛2024年將人形機器人市場規模預估從此前的60億美元提升至380億美元，上調幅度達六倍。2026年，高盛的樂觀上限更是達到了2050億美元，又翻了4倍多。

這麼大的「蛋糕」，當然得提前佈局，爭取分一杯羹。所以，現在一批傳統汽車零部件巨頭們已經行動起來，準備將數十年來在批量製造、功能安全、可靠性工程和機電一體化領域積累的經驗，複製到這個誘人的人形機器人賽道。現在，Tier1巨頭們正在尋求「第二次生命」。

01 入局搶蛋糕 

面對7.5萬億美元的誘人大蛋糕，汽車零部件企業集體坐不住，紛紛押注人形機器人賽道。

國際汽車零部件巨頭們，正在加速卡位。比如，德國舍弗勒（Schaeffler），出於對人形機器人賽道的戰略性重視，已經簽下多項合作協議，加強研發，並將機器人部署到自家生產體系中。

舍弗勒CEO克勞斯·羅森菲爾德（Klaus Rosenfeld）在5月初接受路透社採訪時表示，預計到2030年，公司的人形機器人業務訂單將達到數億歐元。

説這話的背景是，去年11月舍弗勒與Neura達成合作，共同研發並供應人形機器人核心零部件，舍弗勒將為機器人提供行星齒輪執行器，計劃在2035年前將數千台人形機器人投入自有工廠。

今年4月，舍弗勒又與瑞士Hexagon Robotics公司達成技術戰略合作，共同開發並量產人形機器人執行器。

圖丨舍弗勒CEO克勞斯·羅森菲爾德（Klaus Rosenfeld）

除此之外，舍弗勒入股英國初創企業Humanoid，未來5~6年，舍弗勒計劃在全球工廠至少部署1,000台該企業的人形機器人，推進生產自動化、提升生產效率，探索人形機器人工業化大規模應用路徑。

另一家巨頭大陸集團，其科技子公司歐摩威（Aumovio）正計劃為以色列初創企業Mentee Robotics生產人形機器人。今年年初，Mobileye以9億美元收購了這家自己人開的機器人初創公司。

Mobileye收購Mentee后，需要匹配自動駕駛級別的精密量產能力，而歐摩威Aumovio則擁有數十年汽車精密機電、傳感器、電控規模化製造經驗，能保障機器人關節、伺服、機身結構件一致性與耐用性。

同時，歐摩威Aumovio也通過合作戰略拓展物理AI賽道，從自動駕駛延伸至人形機器人整機代工，打通「車輪機器人+雙足人形機器人」兩條自動化產線。

從行業來説，這是全球首個自動駕駛Tier1大廠正式切入人形機器人整機代工的合作，區別於傳統機器人代工廠，自帶車規級精密製造、全球化交付能力。

同時，也是爲了印證Mobileye「物理AI」雙賽道戰略：自動駕駛車輛+人形機器人共用同一套感知、算力、製造體系，形成技術與產能複用。

當然，博世也不會掉隊。博世在2026年柏林互聯世界大會上明確進軍具身智能，提供傳感器、電驅動等核心軟硬件。博世還在今年1月宣佈與機器人公司Neura Robotics合作供應零部件。

另外，法雷奧、採埃孚等分別將車載感知系統和底盤控制技術複用至機器人領域 。而在芯片與核心部件層面，英偉達和三星正積極將自己定位為人形機器人關鍵芯片的供應商。

我們可以發現，其實整個汽車零部件行業「靜水流深」，都在默默為這個未來做着各種準備。

02 「近水樓臺先得月」 

我在之前的《「造人」這事，小鵬理想走到一起了》中也説過，人形機器人與如今的汽車在技術架構上存在高度相似性。

無論是智能汽車還是人形機器人，二者底層技術高度同源，核心邏輯均是通過智能來理解時間與空間，結合控制技術完成移動、操作兩大核心任務。業內人士也説過，「車企約70%的技術儲備可直接複用於機器人領域。」

而且，瞭解汽車供應鏈的，就會明白，機器人的幾乎每一個核心部件，在汽車供應鏈里都能找到「遠房親戚」。

當然，有些可以直接複用，像電機電控、熱管理，核心原理和工藝路徑幾乎一致。而像執行器總成、域控制器則需要重新設計，雖然底層邏輯相通，但體積、精度、控制頻率的要求完全不同。

不管怎麼説，這樣轉型比較快。比如，作為特斯拉Optimus的核心一級供應商，熱管理龍頭三花智控原來的汽車業務，是汽車熱管理系統（電子膨脹閥全球市佔率第一、冷卻板、Chiller等）。而現在，其機器人業務是仿生機器人機電執行器（旋轉執行器、線性執行器、靈巧手精密零部件）。

説到其轉型路徑，三花智控不是一步跳到執行器，而是從最擅長的閥件出發，先解決關節散熱（温升≤5℃ vs 行業平均15℃），再延伸到執行器集成，有一條「製冷閥件→汽車熱管理閥件→旋轉關節液冷散熱→旋轉執行器總成→線性執行器+靈巧手」的路徑。

對於這種「近水樓臺先得月」，埃森哲全球機器人創新負責人克里斯蒂安·蘇什（Christian Souche）指出，汽車零部件製造企業具備得天獨厚的優勢，包括大批量製造高精尖產品的成熟經驗，能完美匹配人形機器人廠商對執行器、電機、關節等核心部件的大規模採購需求。

比如，跟舍弗勒合作的越南Vingroup集團旗下機器人子公司VinDynamics，其首席技術官阮光榮（Nguyen Quang Vinh）就表示，「新能源汽車與人形機器人擁有大量相通的機電系統，二者都搭載電機、電力電子器件、嵌入式控制系統、傳感器與車載計算平臺。」

更重要的是，隨着人形機器人行業逐步成熟，實現低成本、穩定的大批量量產會變得愈發關鍵。

這方面，舍弗勒負責提供人形機器人配套的行星齒輪箱與執行器技術，雙方聯合開展產品研發、測試與性能優化，VinDynamics能少走很多彎路。

阮光榮很清楚，「汽車供應商早已掌握供應鏈優化、質量管控、產線自動化與成本管控能力，這些經驗有着極高的價值。汽車零部件企業通過這類合作，可以提前吃透行業技術門檻，快速驗證技術方案，加快研發進度。」

03 能力樹上長出新枝 

有機會，還要看有沒有能力抓住機會。高德納（Gartner）研究副總裁佩德羅·帕切科（Pedro Pacheco）就認為，汽車零部件企業確實迎來了人形機器人機遇，但想要拿到可觀利潤並不容易。

他表示，眾多零部件廠商在金屬構件、鋁合金結構、線束集成、量產工藝上積累的技術，完全可以複用在機器人制造領域。

然而，目前行業最大的痛點在於：人形機器人價值最高的環節，始終掌握在機器人企業手中，也就是硬件平臺與軟件系統。零部件廠商很容易陷入只生產實體零部件、高附加值技術被其他企業壟斷的老局面。

帕切科表示，「利潤越來越集中在軟硬一體化方案，而非實體零部件。零部件廠商（可能）最終只能生產標準化通用件，還要和來自中國及其他地區的低成本廠商展開激烈競爭。」

畢竟，人形機器人對軟硬件融合度的要求，遠遠高於傳統汽車零部件。

對於傳統零部件企業來説，只有實現AI與實體硬件的深度融合，執行器硬件才能支撐人形機器人完成複雜動作。換句話説，得完成從部件製造商到「AI+硬件」軟硬一體化服務商的轉變，在「能力樹上長出新枝」才行。

就拿舍弗勒來説，舍弗勒的優勢集中在精密傳動、軸承、車規級量產、機電硬件製造，但轉型具身智能（人形機器人）存在硬件技術、軟件算法、人才組織、產業生態、商業模式、成本量產、落地場景等結構性壁壘。

硬件方面的難度我們不說了，主要是軟件算法方面，其傳統的Tier1純機械基因，缺失具身智能「大腦」能力。舍弗勒核心團隊以機械、材料、工藝工程師為主，感知、機器人控制、具身大模型、世界模型全鏈條薄弱，這纔是轉型最大短板。

比如，底層控制方面，像機器人運動控制棧舍弗勒是空白的，沒有成熟的ROS2、機器人實時控制中間件團隊，自研周期又長，外購方案存在軟硬件適配割裂。

中層感知方面，模態視覺-觸覺融合能力舍弗勒也缺失，具身智能需要視覺+深度相機+全身觸覺+力覺多模態融合，舍弗勒現有的車載視覺算法無法遷移。

頂層更是完全零基礎，像具身大模型、世界模型都得新建。要麼就只能外部合作或收購，這樣的話技術主導權就沒有。

而且，具身智能依賴NVIDIA Isaac Sim（基於Omniverse 平臺的主流仿真工具）等平臺做大規模預訓練，再通過Sim-to-Real遷移到真機。舍弗勒現有的數字孿生模型僅用於產線設備，不支持柔性機器人動力學、隨機場景生成，所以，算力中心、仿真工具鏈需要重資產投入從零搭建。

還有個數據閉環的問題。舍弗勒策略是「自產自用」，計劃7年內採購千台Hexagon人形機器人部署全球工廠做訓練場。但真機採集成本極高、迭代慢，單一場景百萬次操作才能收斂模型。同時，工廠生產任務不能中斷，機器人試錯會干擾產線節拍，落地約束極強。

另外，機器人企業（樂聚機器人、Hexagon Robotics、Agility Robotics等）又不會開放自身動作數據，舍弗勒作為零部件供應商，很難共享整機級場景數據，只能靠自有工廠緩慢積累，迭代速度遠慢於機器人自研企業。

而説到人才與組織，舍弗勒這種傳統德企架構，不太適應 AI 機器人快速迭代，就像大眾都不太適應新能源轉型一樣。企業組織流程僵化、跨部門協同壁壘等，都是攔路虎。

造機器人還有個成本與量產的問題，就是盈虧平衡點的問題。

這種長回報周期，資本投入壓力非常大。舍弗勒太倉10億投資的具身智能工廠、全球算力中心、仿真平臺、機器人採購、AI團隊搭建等都是持續重資產投入，而人形機器人商業化大規模落地至少2030年后，短期無法貢獻正向現金流，拖累集團整體利潤。

簡單來説，傳統汽車Tier1巨頭「長周期、標準化、大批量」的經營邏輯，和具身智能「短迭代、無統一標準、小批量、軟硬一體化」的底層邏輯完全相反。

所以，對於眾多躍躍欲試的汽車零部件供應商而言，人形機器人賽道可能「看上去很美」，但絕非一蹴而就的捷徑。這是一場需要「刮骨療毒」或者説外科手術般進行系統性重構的長跑。而能否成功，除了抓住風口，關鍵還在於自我革命是否徹底。

本文來自微信公眾號 「汽車公社」（ID：iAUTO2010），作者：王小西，36氪經授權發佈。