汽车零部件巨头们，对人形机器人“上头”了

2050年，全球人形机器人会有多少？摩根士丹利说，10亿台。外加市场规模，7.5万亿美元。 这是美国投资银行摩根士丹利去年12月发布的经过调整的预测报告中，描绘的宏大愿景。还有更激进的，马斯克曾预测2040年会达到100亿台。今年的访谈中，他更新了看法：觉得那还是个保守数字。真正的瓶颈是金属和供应链，两年内机器人就会“出现一大堆”，五年内从稀缺变为充裕。 马斯克还说，“Recursive triple exponential growth for humanoid robots.”（人形机器人会迎来三重指数递归式增长。） 另一家投行高盛2024年将人形机器人市场规模预估从此前的60亿美元提升至380亿美元，上调幅度达六倍。2026年，高盛的乐观上限更是达到了2050亿美元，又翻了4倍多。 这么大的“蛋糕”，当然得提前布局，争取分一杯羹。所以，现在一批传统汽车零部件巨头们已经行动起来，准备将数十年来在批量制造、功能安全、可靠性工程和机电一体化领域积累的经验，复制到这个诱人的人形机器人赛道。现在，Tier1巨头们正在寻求“第二次生命”。 01 入局抢蛋糕  面对7.5万亿美元的诱人大蛋糕，汽车零部件企业集体坐不住，纷纷押注人形机器人赛道。 国际汽车零部件巨头们，正在加速卡位。比如，德国舍弗勒（Schaeffler），出于对人形机器人赛道的战略性重视，已经签下多项合作协议，加强研发，并将机器人部署到自家生产体系中。 舍弗勒CEO克劳斯·罗森菲尔德（Klaus Rosenfeld）在5月初接受路透社采访时表示，预计到2030年，公司的人形机器人业务订单将达到数亿欧元。 说这话的背景是，去年11月舍弗勒与Neura达成合作，共同研发并供应人形机器人核心零部件，舍弗勒将为机器人提供行星齿轮执行器，计划在2035年前将数千台人形机器人投入自有工厂。 今年4月，舍弗勒又与瑞士Hexagon Robotics公司达成技术战略合作，共同开发并量产人形机器人执行器。 图丨舍弗勒CEO克劳斯·罗森菲尔德（Klaus Rosenfeld） 除此之外，舍弗勒入股英国初创企业Humanoid，未来5~6年，舍弗勒计划在全球工厂至少部署1,000台该企业的人形机器人，推进生产自动化、提升生产效率，探索人形机器人工业化大规模应用路径。 另一家巨头大陆集团，其科技子公司欧摩威（Aumovio）正计划为以色列初创企业Mentee Robotics生产人形机器人。今年年初，Mobileye以9亿美元收购了这家自己人开的机器人初创公司。 Mobileye收购Mentee后，需要匹配自动驾驶级别的精密量产能力，而欧摩威Aumovio则拥有数十年汽车精密机电、传感器、电控规模化制造经验，能保障机器人关节、伺服、机身结构件一致性与耐用性。 同时，欧摩威Aumovio也通过合作战略拓展物理AI赛道，从自动驾驶延伸至人形机器人整机代工，打通“车轮机器人+双足人形机器人”两条自动化产线。 从行业来说，这是全球首个自动驾驶Tier1大厂正式切入人形机器人整机代工的合作，区别于传统机器人代工厂，自带车规级精密制造、全球化交付能力。 同时，也是为了印证Mobileye“物理AI”双赛道战略：自动驾驶车辆+人形机器人共用同一套感知、算力、制造体系，形成技术与产能复用。 当然，博世也不会掉队。博世在2026年柏林互联世界大会上明确进军具身智能，提供传感器、电驱动等核心软硬件。博世还在今年1月宣布与机器人公司Neura Robotics合作供应零部件。 另外，法雷奥、采埃孚等分别将车载感知系统和底盘控制技术复用至机器人领域 。而在芯片与核心部件层面，英伟达和三星正积极将自己定位为人形机器人关键芯片的供应商。 我们可以发现，其实整个汽车零部件行业“静水流深”，都在默默为这个未来做着各种准备。 02 “近水楼台先得月”  我在之前的《“造人”这事，小鹏理想走到一起了》中也说过，人形机器人与如今的汽车在技术架构上存在高度相似性。 无论是智能汽车还是人形机器人，二者底层技术高度同源，核心逻辑均是通过智能来理解时间与空间，结合控制技术完成移动、操作两大核心任务。业内人士也说过，“车企约70%的技术储备可直接复用于机器人领域。” 而且，了解汽车供应链的，就会明白，机器人的几乎每一个核心部件，在汽车供应链里都能找到“远房亲戚”。 当然，有些可以直接复用，像电机电控、热管理，核心原理和工艺路径几乎一致。而像执行器总成、域控制器则需要重新设计，虽然底层逻辑相通，但体积、精度、控制频率的要求完全不同。 不管怎么说，这样转型比较快。比如，作为特斯拉Optimus的核心一级供应商，热管理龙头三花智控原来的汽车业务，是汽车热管理系统（电子膨胀阀全球市占率第一、冷却板、Chiller等）。而现在，其机器人业务是仿生机器人机电执行器（旋转执行器、线性执行器、灵巧手精密零部件）。 说到其转型路径，三花智控不是一步跳到执行器，而是从最擅长的阀件出发，先解决关节散热（温升≤5℃ vs 行业平均15℃），再延伸到执行器集成，有一条“制冷阀件→汽车热管理阀件→旋转关节液冷散热→旋转执行器总成→线性执行器+灵巧手”的路径。 对于这种“近水楼台先得月”，埃森哲全球机器人创新负责人克里斯蒂安·苏什（Christian Souche）指出，汽车零部件制造企业具备得天独厚的优势，包括大批量制造高精尖产品的成熟经验，能完美匹配人形机器人厂商对执行器、电机、关节等核心部件的大规模采购需求。 比如，跟舍弗勒合作的越南Vingroup集团旗下机器人子公司VinDynamics，其首席技术官阮光荣（Nguyen Quang Vinh）就表示，“新能源汽车与人形机器人拥有大量相通的机电系统，二者都搭载电机、电力电子器件、嵌入式控制系统、传感器与车载计算平台。” 更重要的是，随着人形机器人行业逐步成熟，实现低成本、稳定的大批量量产会变得愈发关键。 这方面，舍弗勒负责提供人形机器人配套的行星齿轮箱与执行器技术，双方联合开展产品研发、测试与性能优化，VinDynamics能少走很多弯路。 阮光荣很清楚，“汽车供应商早已掌握供应链优化、质量管控、产线自动化与成本管控能力，这些经验有着极高的价值。汽车零部件企业通过这类合作，可以提前吃透行业技术门槛，快速验证技术方案，加快研发进度。” 03 能力树上长出新枝  有机会，还要看有没有能力抓住机会。高德纳（Gartner）研究副总裁佩德罗·帕切科（Pedro Pacheco）就认为，汽车零部件企业确实迎来了人形机器人机遇，但想要拿到可观利润并不容易。 他表示，众多零部件厂商在金属构件、铝合金结构、线束集成、量产工艺上积累的技术，完全可以复用在机器人制造领域。 然而，目前行业最大的痛点在于：人形机器人价值最高的环节，始终掌握在机器人企业手中，也就是硬件平台与软件系统。零部件厂商很容易陷入只生产实体零部件、高附加值技术被其他企业垄断的老局面。 帕切科表示，“利润越来越集中在软硬一体化方案，而非实体零部件。零部件厂商（可能）最终只能生产标准化通用件，还要和来自中国及其他地区的低成本厂商展开激烈竞争。” 毕竟，人形机器人对软硬件融合度的要求，远远高于传统汽车零部件。 对于传统零部件企业来说，只有实现AI与实体硬件的深度融合，执行器硬件才能支撑人形机器人完成复杂动作。换句话说，得完成从部件制造商到“AI+硬件”软硬一体化服务商的转变，在“能力树上长出新枝”才行。 就拿舍弗勒来说，舍弗勒的优势集中在精密传动、轴承、车规级量产、机电硬件制造，但转型具身智能（人形机器人）存在硬件技术、软件算法、人才组织、产业生态、商业模式、成本量产、落地场景等结构性壁垒。 硬件方面的难度我们不说了，主要是软件算法方面，其传统的Tier1纯机械基因，缺失具身智能“大脑”能力。舍弗勒核心团队以机械、材料、工艺工程师为主，感知、机器人控制、具身大模型、世界模型全链条薄弱，这才是转型最大短板。 比如，底层控制方面，像机器人运动控制栈舍弗勒是空白的，没有成熟的ROS2、机器人实时控制中间件团队，自研周期又长，外购方案存在软硬件适配割裂。 中层感知方面，模态视觉-触觉融合能力舍弗勒也缺失，具身智能需要视觉+深度相机+全身触觉+力觉多模态融合，舍弗勒现有的车载视觉算法无法迁移。 顶层更是完全零基础，像具身大模型、世界模型都得新建。要么就只能外部合作或收购，这样的话技术主导权就没有。 而且，具身智能依赖NVIDIA Isaac Sim（基于Omniverse 平台的主流仿真工具）等平台做大规模预训练，再通过Sim-to-Real迁移到真机。舍弗勒现有的数字孪生模型仅用于产线设备，不支持柔性机器人动力学、随机场景生成，所以，算力中心、仿真工具链需要重资产投入从零搭建。 还有个数据闭环的问题。舍弗勒策略是“自产自用”，计划7年内采购千台Hexagon人形机器人部署全球工厂做训练场。但真机采集成本极高、迭代慢，单一场景百万次操作才能收敛模型。同时，工厂生产任务不能中断，机器人试错会干扰产线节拍，落地约束极强。 另外，机器人企业（乐聚机器人、Hexagon Robotics、Agility Robotics等）又不会开放自身动作数据，舍弗勒作为零部件供应商，很难共享整机级场景数据，只能靠自有工厂缓慢积累，迭代速度远慢于机器人自研企业。 而说到人才与组织，舍弗勒这种传统德企架构，不太适应 AI 机器人快速迭代，就像大众都不太适应新能源转型一样。企业组织流程僵化、跨部门协同壁垒等，都是拦路虎。 造机器人还有个成本与量产的问题，就是盈亏平衡点的问题。 这种长回报周期，资本投入压力非常大。舍弗勒太仓10亿投资的具身智能工厂、全球算力中心、仿真平台、机器人采购、AI团队搭建等都是持续重资产投入，而人形机器人商业化大规模落地至少2030年后，短期无法贡献正向现金流，拖累集团整体利润。 简单来说，传统汽车Tier1巨头“长周期、标准化、大批量”的经营逻辑，和具身智能“短迭代、无统一标准、小批量、软硬一体化”的底层逻辑完全相反。 所以，对于众多跃跃欲试的汽车零部件供应商而言，人形机器人赛道可能“看上去很美”，但绝非一蹴而就的捷径。这是一场需要“刮骨疗毒”或者说外科手术般进行系统性重构的长跑。而能否成功，除了抓住风口，关键还在于自我革命是否彻底。 本文来自微信公众号 “汽车公社”（ID：iAUTO2010），作者：王小西，36氪经授权发布。