本文来自微信公众号： 经观感知 ，作者：DongX
8月24日，小鹏机器人业务完成首轮超9亿美元融资，投后估值超过63亿美元，约合430亿元人民币。IDG资本领投，高榕创投参投，腾讯、阿里巴巴两家战略投资者入场，小鹏集团继续控股。
一家具身智能公司首轮融资便拿到430亿元估值，在行业中并不常见。
截至2026年上半年，银河通用、星海图、自变量、千寻智能、智平方等头部具身智能创业公司的估值普遍来到200亿元左右。它们大多经过多轮融资，在VLA、世界模型、具身大模型或本体控制等方向积累数年。
相比之下，小鹏IRON尚未公开展示完整的长程生产任务，也没有公布连续作业时间、成功率、生产节拍和投资回报率等工业指标，却在首轮融资中获得了多数头部创业公司两倍左右的估值。
资本定价的对象显然不只是一台IRON。
一家从汽车产业中生长出来的机器人公司，拥有现成的工厂、供应链、质量体系、用户渠道和生产数据。这些能力可能构成了小鹏机器人430亿元估值中最重要的部分。
尤其在具身智能进入数据竞争的阶段，汽车企业拥有的场景已经不只是机器人的落脚点，还是一套可以持续产生高质量数据的基础设施。
车企集体入场
小鹏机器人的融资只是一个切口。2026年以来，国内汽车企业进入具身智能的速度明显加快。
小鹏集团计划在2026年底量产IRON人形机器人，年底形成月产上千台能力，首批产品将进入小鹏门店和工业园区，2027年开始向国内外商业客户交付。独立融资完成后，小鹏机器人已经从集团内部项目走向一项具有独立估值和收入预期的业务。
零跑汽车在8月24日举行的中期业绩会上确认，公司已经对具身智能机器人进行规划，具体信息将于近期公布。此前，零跑汽车已组建数十人的机器人预研团队，并成立经营范围包括工业机器人制造、智能机器人研发的精密制造公司。零跑汽车与中国一汽最新签署的深化战略合作协议，也将具身智能机器人列为双方合作方向。
理想汽车已经确认人形机器人产品立项研发。李想提出，自动驾驶是具身智能的上半场，通用人形机器人是下半场。目前理想汽车尚未正式公开机器人本体，但公司已经将自研芯片、大模型、感知系统、控制系统和操作系统视为汽车与人形机器人共用的技术底座。
蔚来汽车选择了另一种方式。8月24日，李斌在智能驾驶全员会上宣布，智能驾驶负责人任少卿已经创立一家聚焦物理AI基础模型和具身智能的独立公司，蔚来汽车将战略投资并开展合作。任少卿仍将担任蔚来智能驾驶业务负责人。这种安排使蔚来汽车可以继续连接物理AI技术和核心人才，又为机器人业务保留独立公司的发展空间。
传统汽车集团的布局更加密集。
奇瑞汽车已经孵化墨甲机器人，产品覆盖人形机器人、四足机器人、商用服务机器人和公共服务机器人。截至2026年8月，墨甲机器人已在全球交付超过3000台，其中约2000台部署在海外市场，据媒体报道，奇瑞墨甲机器人已计划IPO。
广汽集团将具身智能机器人业务交给慧仑科技独立运营。第四代轮足人形机器人GoMate Mini已经进入汽车产线、地铁、园区巡检和导览场景，近50台产品在广州、香港、厦门、天津等地完成部署。
中国长安汽车集团今年成立长安天枢智能机器人有限公司，注册资本4.5亿元。新公司以人形机器人为主线，计划2028年实现量产，2030年以后逐步进入家庭服务场景。
中国一汽已经推出全尺寸双足、轮臂式、小型商服和四足机器人。其自研轮臂机器人已进入总装和焊装车间，执行玻璃水壶拣选配送、后悬架螺栓拧紧和焊接零件上件等工作。
东风汽车公开了人形机器人“小东”、四足机器人“元仔”、天元具身大脑和自研关节模组，覆盖大脑、本体、核心部件及汽车制造场景。
赛力斯集团与北京航空航天大学方面合资成立北京赛航具身智能技术有限公司，并已展示首款人形机器人“小赛”及物流、协作、质检机器人。
比亚迪已经确认人形机器人布局，并计划在“迪空间”公开产品。
上汽集团通过投资智元机器人、联合研发“能仔1号”，将人形机器人部署到别克至境E7电池量产线。
吉利控股集团采取投资与自研并行的方式，先后布局宇树科技、星动纪元等具身智能企业。
长城汽车与宇树科技围绕人形机器人、四足机器人和“越野车＋机器狗”开展合作。
这些企业进入机器人的方式各不相同。小鹏集团、奇瑞汽车、广汽集团和中国长安汽车集团倾向于培育独立机器人业务；中国一汽、东风汽车和赛力斯集团从内部研发和产业协同切入；蔚来汽车、上汽集团、吉利控股集团和长城汽车更多采用投资、合作及开放场景的方式。
共同点在于，它们都掌握汽车制造与终端服务场景。进入具身智能后，这些场景首先会被转化为数据。
数据成为核心门槛
现阶段，具身智能最稀缺的资源已经逐渐从机器人本体转向高质量数据。
大语言模型能够迅速发展，一个重要原因是互联网上存在数量庞大的公开文本、图片和视频。模型可以从网页、书籍、代码和人类反馈中学习语言规律。数据虽然需要筛选、清洗和标注，基础原料却已经存在。
自动驾驶同样拥有相对清晰的数据来源。大量量产汽车每天行驶在真实道路上，摄像头、毫米波雷达、激光雷达和车辆状态系统可以持续记录路况、车辆行为和驾驶结果。汽车既是产品，也是移动的数据采集终端。
具身智能机器人的情况完全不同。
目前真正进入家庭、工厂和商业场所，并能长期自主工作的机器人数量仍然有限。行业希望训练能够处理现实世界复杂任务的模型，现实世界中却没有足够多的机器人持续产生数据。
机器人数据的获取也比文本复杂。一段操作数据通常需要同时包含视觉、触觉、关节状态、末端轨迹、作用力、动作指令和任务结果。不同机器人本体的自由度、传感器和控制接口存在差异，采集到的数据未必可以直接复用。
人类第一视角视频容易获得，但缺少机器人关节和控制信息；真机遥操作数据与机器人本体更加匹配，采集成本又相对较高；仿真数据可以快速扩充规模，真实世界中的摩擦、遮挡、材质和物体形变却很难被完全还原；已经部署的机器人最容易形成数据飞轮，现阶段能够持续运行的机器数量仍然不足。
因此，具身智能公司的竞争开始沿着两条路线展开。
自身缺少场景的创业公司，需要深耕数据基础设施。它们通过遥操作设备、动作捕捉、穿戴式传感器、仿真平台、自动标注和数据清洗系统，降低数据生产成本。一些企业建设数采工厂，把家庭、商超、工业和物流场景集中复刻出来，再安排人员和机器人反复执行任务。
谁能以更低成本采集数据，谁能从不同本体和不同场景中提取共性，谁能把杂乱的操作记录变成模型可以使用的训练数据，谁就更有可能建立数据壁垒。
不过，复刻场景与真实生产仍有区别。
2026年的WAIC和WRC上，头部具身智能公司集中展示了前置仓、物流分拣、零件装配、织物折叠、仓储搬运和家庭收纳等长程任务。相比此前的抓取和行走，机器人的连续任务能力已有明显提升。
这些Demo通常从完整生产流程中抽取一段任务，再将其转化为机器人可以执行的流程。抓取一个零件、完成一次上料、拧紧一组螺栓，或者在两个工位之间搬运物料，都可以被设计成长程任务。
它们能够证明机器人的感知、规划和操作能力，却很难完整呈现一条产线中的节拍变化、物料偏差、混线生产、人员穿行、设备故障、临时插单和质量追溯。
一次成功的数据价值也有限。机器人真正走向成熟，需要知道为什么失败、失败发生在什么条件下、人工如何处理，以及处理之后是否影响质量和节拍。真实生产中的异常数据、纠错数据和结果数据，往往比标准动作更加稀缺。
工厂就是数据工厂
这些数据与汽车制造的know-how紧密相连。
一座汽车工厂拥有冲压、焊装、涂装、总装、电池装配、物流配送和质量检测等大量场景。汽车企业知道哪些工位长期缺人，哪些工作容易造成职业损伤，哪些柔性任务难以使用传统机械臂，也知道一台机器人需要达到什么效率和可靠性才能进入采购体系。
车企还掌握每项任务的完整上下文。零件来自哪里，允许多大误差，动作需要多大力度，出现异常后如何处理，质量如何判定，节拍如何计算，这些信息决定了一段操作记录能否成为高质量训练数据。
对于外部创业公司而言，这些经验很难通过一次客户调研完整获得。生产数据还可能涉及新车型、核心零部件和工艺参数，汽车企业不会轻易向外部开放。机器人进入客户产线后，每一次试错都可能带来停线和质量风险。
车企自己做机器人，可以绕过场景获取中最困难的一环。
它们可以在自有产线上部署采集设备，记录熟练工人的操作，也可以让机器人反复训练并收集成功、失败和人工接管数据。数据经过训练后重新部署，机器人再产生新的运行数据，由此形成完整的数据闭环。
这座工厂同时提供数据和评价标准。机器人是否真正进步，可以通过连续作业时间、任务成功率、故障率、安全性、生产节拍和投资回收周期直接判断。
朱江明此前给零跑汽车自动化投入设定的标准是，设备要能在三年内通过节省人力成本收回投资。这个判断体现了汽车企业对机器人最直接的要求，技术最终要落到一张可以算清楚的账上。
小鹏机器人首轮融资获得430亿元估值，可能正是资本对这种数据生产能力的提前定价。小鹏集团暂时没有展示最复杂的工业长程任务，却拥有工厂、生产流程、工程团队和数据采集权。奇瑞汽车、广汽集团、中国长安汽车集团、中国一汽、东风汽车、赛力斯集团、比亚迪和上汽集团同样拥有这种条件。
车规级制造经验让车企能够控制成本、质量和量产节奏，自有工厂则为模型提供持续的数据。两项能力结合之后，车企至少可以先成为自己机器人业务的客户，并帮助机器人完成从样机到生产设备的迭代。
从产线走向用户
车企的场景还不只在工厂。
小鹏集团计划让IRON进入门店；奇瑞墨甲机器人已经从汽车门店拓展到公共服务；广汽慧仑科技正在进入园区、地铁和商业空间；中国长安汽车集团则把家庭服务写进长期规划。
汽车企业拥有成熟的销售渠道、服务体系和用户运营能力。门店可以成为机器人从工业场景走向消费市场的过渡地带，任务相对固定，又能直接接触用户。机器人在这里产生的交互、服务和用户反馈数据，与工厂中的操作数据形成互补。
具身智能创业公司当前更多精力仍放在VLA、世界模型、运动控制和灵巧操作等尚未收敛的技术方向。这些技术决定了机器人的能力上限。等到技术逐步成熟，如何将能力转化为用户愿意购买的产品，仍是一道独立的难题。
家庭用户不会根据模型参数购买机器人。他们关心价格、功能、外观、噪声、续航、安全、隐私和售后。一个拥有强大世界模型的机器人，如果需要频繁调试，或者无法稳定完成最常见的任务，仍然很难成为消费品。
车企长期积累的产品定义能力由此显现价值。它们熟悉如何把电池、芯片、软件、机械和供应链整合成一件能够量产、交付和售后的产品，也知道如何在成本、性能和体验之间作出取舍。
具身智能的场景是否足够大，目前仍没有确定答案。汽车工厂中的搬运、分拣、上下料、质检和高危作业，足以支撑第一批机器人完成商业验证，却未必能容纳所有进入者。更大的市场仍要等待机器人从单一工序走向完整流程，再从专业设备走向家庭和个人用户。
车企恰好站在这条路径的中间。向前连接制造产线，向后连接门店和用户。它们拥有场景，也拥有在场景中持续生成高质量数据的权利。
这可能才是车企集体“造人”最重要的逻辑。未来具身智能公司的护城河，未必只看拥有多少机器人，还要看机器人在哪里工作、产生什么数据，以及这些数据能否不断推动模型和产品进化。