小鹏转型物理AI 人形机器人IRON年底量产

不少企业都在宣称要转型物理AI赛道，但真正落地绝非换个品牌口号那么简单。近期，小鹏在人形机器人领域的动作，让物理AI从概念走向了可感知的量产阶段。

9月8日，小鹏宣布其首条人形机器人自动化产线正式就位，首台量产版人形机器人IRON顺利下线并自主完成产线行走。同时官方披露，将在2026年底启动人形机器人的大规模量产，2027年面向全球公开上市，初期月产能规模有望达到数千台。这一进展让其成为全球范围内最早从汽车赛道延伸至机器人等多类智能终端的物理AI定位企业，对比之下，同样将人形机器人作为物理AI重要载体的特斯拉，目前尚未进入量产阶段。

物理AI的核心逻辑，是让不同形态的智能终端共享同一套大脑与软硬件基础设施，无论是道路上的汽车、车间展厅的机器人还是低空飞行器，都能基于统一的技术底座运行。小鹏在2025年11月的AI科技日上，就将品牌定位从“未来出行探索者”升级为“物理AI世界的出行探索者、面向全球的具身智能公司”，当时何小鹏提出，未来所有智能移动终端都将复用统一的底层技术架构。彼时这一战略更像是面向资本市场的规划，但进入2026年的一系列动作表明，物理AI绝非仅停留在宣传层面的概念，而是意味着企业能力结构的深刻变革与全新的行业竞争逻辑。

没有量产硬件经验直接切入人形机器人研发难度极大，但如果拥有成熟的汽车研发与制造体系，就能大幅降低转型门槛。2025年11月发布的第二代IRON人形机器人，就凭借极致拟人的外形设计引发市场关注，其步态与形态一度接近真人，甚至引发外界质疑，直到工程师现场展示内部结构才平息讨论。这款机器人的竞争力不止于外观，更在于其算力与模型等软实力——在AI定义硬件的当下，缺乏智能能力的设备不具备实际价值。根据官方数据，IRON全身拥有76个自由度，单只手部就有21个自由度，从核心芯片、算法模型到灵巧手部等关键零部件均由小鹏自研，自研覆盖四层核心技术栈，这一比例在全球机器人行业中都较为少见，多数同行仅能覆盖1到2层技术模块。

这种全栈自研能力很大程度上得益于小鹏在汽车领域的长期投入。以核心芯片为例，IRON搭载了3颗小鹏自研的图灵AI芯片，整体有效算力达到2250 TOPS。图灵芯片于2024年8月流片成功，2025年第三季度正式量产装车，单颗算力约750 TOPS，性能大致相当于3颗英伟达Orin-X芯片，可本地运行300亿参数的大模型。其中两颗芯片即可满血支持第二代VLA智驾系统，三颗芯片组合则能满足L4级自动驾驶的算力需求，这也是小鹏Robotaxi量产车型的标准芯片配置。值得注意的是，这款芯片从立项之初就按照“同时适配自动驾驶汽车、人形机器人与飞行汽车”的多场景需求设计，比品牌战略升级早了15个月，也让IRON的量产版直接拥有了充足的端侧算力储备。

与行业内普遍采用的“端云结合”人形机器人算力方案不同，IRON的3颗图灵芯片算力水平相当于小鹏Ultra车型的端侧算力，让机器人可以在本体完成全部思考与决策，既解决了远程传输的时延问题，也保障了数据安全。在模型层面，小鹏的人形机器人与智驾汽车共享底层算法模型，其为机器人搭建了VLT（视觉-语言-任务）+VLA（视觉-语言-动作）+VLM（视觉-语言模型）的“大小脑”架构，其中VLA模块直接同源自智驾系统。2026年3月，搭载第二代VLA的图灵AI智驾系统正式量产推送，首月辅助驾驶里程占比超过50%；同年8月，第二代VLA完成关键升级，端侧模型参数量扩大3.5倍，实现了从静态3D物理空间理解到动态4D时空理解的跨越。

除了技术与算力，量产能力也是人形机器人落地的核心壁垒。IRON的量产产线由小鹏自主设计，核心工序自动化率超过80%，这一数字对于缺乏大规模复杂硬件制造经验的机器人企业来说几乎不可能实现。目前全球多数人形机器人企业仍停留在小批量半手工装配阶段，要实现从样机到万台级量产的跨越，必须解决零部件标准化、装配精度、整机可靠性等一系列量产挑战，否则即便拥有先进的算法模型，整机动作准确率也会因零部件公差过大而无法落地。小鹏将成熟的汽车制造体系平移到了机器人量产中，包括车规级一致性标准、供应链管理体系与质量控制流程，数据显示IRON超过85%的供应链合作伙伴与小鹏汽车业务的现有体系重叠。全栈自研、低外部供应链依赖加上高度自动化的产线，让小鹏直接从汽车业务复制出了一套高效且可快速迭代的机器人创新基础设施。何小鹏曾表示，汽车产业相对成熟，因此可以广泛依赖合作伙伴；但机器人领域创新速度极快，如果依赖外部供应商，对方需要经过内部立项、投资、开模、测试等完整流程，当产品完成这些流程时，企业可能已经完成了新一轮技术迭代，此时再告知合作伙伴升级需求，对方往往难以承受，因此机器人领域的多数核心工作必须自主完成，创新与试错成本也需要企业自行承担。

将汽车业务的技术能力平移到机器人领域，并非简单的技术共享，而是需要更深层次的组织变革。2026年2月，小鹏将自动驾驶中心与智能座舱中心两个一级部门合并为通用智能中心，由刘先明直接统领并向何小鹏汇报。新中心围绕基座模型、AI基础设施、平台化交付、产品与项目质量等核心圈层设立二级组织，定位为服务“汽车+机器人”的统一AI组织。按照刘先明的阐述，支撑物理AI的核心能力可以用公式概括为：物理AI能力=模型×算力×数据×本体。其中本体可以是汽车、机器人、飞行汽车等任意智能终端，尽管这些终端的形态与应用场景各不相同，但支撑其运行的模型、算力与数据体系可以实现统一复用。就小鹏而言，2026年2月成立的通用智能中心，本质上是为全公司的多终端设备构建了一个统一的AI中台。通用智能中心的二级单元设置，也与这一物理AI能力公式一一对应：基座模型对应核心算法模型，Infra基础设施对应算力底座，平台化交付对应数据体系，质量运营对应硬件本体。在这次组织整合之前，小鹏仅汽车业务的智能需求就需要协调两个独立部门，两个部门的开发节奏时常不一致，面向用户的OTA更新也存在割裂问题，这一组织模式已经无法适配AI汽车的发展需求，更无法支撑更大范围的物理AI战略。2026年4月，小鹏正式将品牌名称从“小鹏汽车”更改为“小鹏集团”，去掉了“汽车”二字，彻底完成向物理AI企业的转型。

何小鹏对机器人业务的重视程度与推进节奏，远超市场预期。2026年6月10日，何小鹏发布全员信，宣布在保留CEO职务的同时，亲自兼任机器人业务CEO，并将当前阶段比作8年前小鹏G3量产的前夜。他在信中明确，机器人业务的发展方向是打造拟人化设备，而非简单的工业机械；是支持本地自然语言交互与自主思考的智能体，而非依赖遥控器或云端控制的工具。自此，机器人业务成为小鹏真正的一把手工程，何小鹏不仅兼任机器人业务CEO，还亲自担任机器人产品部负责人。在人力资源配置之外，小鹏还为机器人业务单独配置了专属算力集群与研发预算，资金主要投向AI Infra人工智能基础设施。正如刘先明反复强调的，模型本身会持续迭代，能够形成长期竞争壁垒的，是持续迭代模型的能力。

更多数据带来更多智能，这一在自动驾驶、大语言模型与多模态模型领域被验证的Scaling Law，同样适用于人形机器人模型。目前全球所有人形机器人模型都尚未达到大语言模型GPT-3.5的阶段，核心缺口就在于训练数据。训练机器人模型所需的数据与自动驾驶数据存在显著差异：自动驾驶的输出空间相对收敛，主要集中在感知、预测、规划，最终落地到方向盘、油门与刹车控制；而最新版IRON机器人的输出则涉及全身76个自由度的协同动作，单只手部21个自由度的精细控制，还要处理力反馈、触觉感知以及抓取失败后的重试逻辑，数据维度更高、采集成本也更大，当前行业可用的真机数据总量，仍不足以支撑端到端的智能跃迁。

场景因此成为人形机器人赛道的稀缺资源，而这恰恰是小鹏的优势所在：截至2026年6月30日，小鹏实体销售网络拥有740家门店、覆盖257个城市，加上自有园区与机器人产线，一旦机器人量产，就能获得充足的真实场景学习数据。推进机器人尽快进入真实物理场景，是小鹏机器人业务的核心战略。根据规划，IRON的商业化起点将是门店导览与导购服务。何小鹏此前判断，到2027年，小鹏门店可能有10%的销售工作将由机器人完成。按照2026年6月内部信披露的时间表，2026年第四季度实现人形机器人量产，2027年第一季度进入线下门店开展导购工作，第二季度推向海外市场，2028年进一步拓展至家庭场景，而在工厂端，小鹏最终目标是实现“用机器人制造机器人”。

机器人数量越多、真实任务场景越丰富、积累的数据量越大，模型智能水平就越高，这一数据飞轮一旦启动，就会形成体系性的竞争优势。未来真正具备竞争力的汽车企业、机器人企业，未必是单点技术最强的企业，而是能够同时掌握“AI模型+数据+芯片+本体+制造+场景”的平台型企业，只有这类企业才能形成持续迭代的正向飞轮。

-END-