当具身智能产业进入下半场，车企的身影正变得无处不在。从特斯拉的Optimus、小鹏的IRON到现代汽车旗下的Boston Dynamics，车企不仅亲自下场造机器人，还为机器人提供了首批真实工作岗位，甚至成为机器人公司的关键股东。奔驰直接投资Apptronik，智元背后站着比亚迪、上汽等车企。无论是造机器人、训练机器人、购买机器人，还是给机器人公司掏钱，汽车产业都已是一股无法回避的力量。
本周的两件事进一步将这种关系推向新阶段。8月24日，小鹏机器人业务完成首轮超9亿美元融资，投后估值超63亿美元，刷新中国具身智能行业单轮私募融资纪录。8月26日，现代汽车在CEO Investor Day上公布了比许多机器人创业公司更完整的机器人路线图。
量产竞赛：汽车工业的主场
汽车与人形机器人同属复杂机电产品，软件重要性日益上升，但最终必须通过物理机器兑现结果。当机器人走向量产，评价标准从“能够做到”转向“能否重复成千上万次并保持精度、可靠性和一致性”。
宝马与Figure的工厂测试已展示出这种要求。Figure 02在BMW美国Spartanburg工厂连续运行约10个月，累计工作约1250小时，搬运超9万个零部件，参与3万多辆BMW X3生产，并需达到毫米级定位精度。
车企迁移给机器人的不仅是供应商体系，更是一整套将复杂产品推向大规模生产的方法：可制造性设计、供应商管理、零件标准化、质量控制、耐久测试，以及围绕产线节拍和维修效率的生产体系。现代汽车在CES期间已明确旗下企业分工：现代汽车和起亚提供制造基础设施，现代摩比斯负责高性能执行器，现代Glovis负责物流供应链。最新一代Atlas将超50种电机执行机构标准化为三种核心类型，并加入可现场更换肢体和自动换电能力。
自动驾驶的遗产：Physical AI基础设施
解决“身体”之后，核心命题是“大脑”的持续迭代。自动驾驶的发展迫使车企提前建设了现实世界AI基础设施：车辆采集数据、云端筛选、算力集群训练、模型部署，再回到车辆产生新数据。这一循环正是Physical AI迭代的核心机制。
现代汽车公布的路线图显示，Atria AI将于2028年部署L2+系统，2029年启用100MW AI数据中心，可容纳超5万张GPU，并投入超5亿美元用于AI基础设施与人才。小鹏则将VLA 2.0、Robotaxi和IRON统一纳入Physical AI框架，机器人融资用途也包括模型研发。这些基础设施并不存在“只能训练汽车”的围墙，而是Physical AI的通用能力。
工厂：机器人的“练级场”
数据从哪来？汽车工厂成为关键。汽车工厂比实验室复杂，又比家庭和商业街可控，且提供大量高频重复任务。抓取、搬运、装配、检测每天重复数百次，成败与节拍有明确反馈。
智元与上汽合作让“能仔1号”进入上汽通用奥特能超级工厂。现代专门建设了Robot Metaplant Application Center（RMAC），模拟真实生产环境，让机器人先训练再上线，并将真实运行数据返回重新训练。丰田则称，全球工厂每年生产约1000万辆汽车，将作为机器人学习和改进的基础。
这打破了具身智能早期“无客户无数据、无数据难进步、不成熟客户不买”的死循环。车企用内部需求换取部署规模，再用数据改进产品。
资产生意：卖机器人如同卖汽车
大规模市场还面临最后一道关卡：怎么卖出去？现代汽车CEO José Muñoz在投资人日上谈到机器人分销、销售和融资方案，现有经销商网络可承担机器人销售，金融部门研究租赁和分期付款。这意味着，机器人正被视为需要长期采购、融资和运营的工业资产。
小鹏计划让IRON先进入自营门店和园区，2027年面向外部客户大规模交付。车企带来的制造、渠道、服务、金融和资产管理体系，正让具身智能从实验室问题变成工业工程。
具身智能未必属于车企，但越来越绕不开汽车工业。