一輛車的終點，是一臺機器人

來源：市場資訊

（來源：力基咨詢）

"機器人正在被批量造出來，然后呢？"

這個問題正在逼問整個行業。當特斯拉宣布把Model S和Model X的美國產線拆除、改造成Optimus的生產線，工業場景具身智能價值開始兌現。

01

從造車到造AI能力

上周，弗里蒙特工廠完成了最后一輛Model S和Model X的下線。隨后，特斯拉宣布這條產線將拆除，改建為Optimus人形機器人的生產線。德州奧斯汀的第二座Optimus工廠也在推進，預計明年夏天投產。

這個決定發生在FSD入華的同一年。特斯拉的本土化數據訓練體系已經開始運轉，弗里蒙特工廠積累的制造經驗，現在被用來批量生產Optimus——不是服務于車，而是服務于AI能力的規模化復制。

市場對特斯拉的定價邏輯正在位移。從"每年賣出多少輛車"到"能在多少場景里復制AI能力"。Optimus不是一個新車型，它是一套可以無限復制的數據收集和生產系統。當這個邏輯被市場接受，特斯拉的估值框架就發生了質變。

Figure AI、Apptronik、Agility Robotics等公司也在工業場景里部署人形機器人。智元機器人、優必選等國內企業已開始在3C制造和汽車制造產線上推進試點。AI能力的載體從汽車擴展到機器人，制造業本身成為這場變革的中心舞臺。

產線改造不是孤例。比亞迪、吉利、蔚來、小鵬等企業都在重新審視自己的制造能力——這套能力可以造車，也可以用來造機器人。

自動化工廠產線正在成為具身智能的落地主戰場（來源：Unsplash）

02

造出來和用起來之間，有一道鴻溝

具身智能行業目前大致形成了兩條路線。一條強調通用能力，希望機器人像人一樣進入真實世界，處理各種非標準化流程；另一條更強調專用能力，認為具身智能不必先等同于人形機器人，可以先在高價值場景里解決具體問題，實現高回報率。

兩條路線都在推進，但最大的挑戰不在于能不能造出來，而在于能不能用起來。造出來是技術問題，用起來是商業問題。這兩個問題之間，有一道巨大的鴻溝。

工業場景恰好是這道鴻溝里最清晰的落腳點。工廠有明確的物理邊界和固定的障礙物，交互對象比較固定，生產任務有具體的操作步驟，這里是機器人從"能造"到"能用"過渡最自然的場所。工業客戶也是最會算賬的。一臺機器人能不能節省人力，能不能提升良率，能不能縮短交付周期，最終都要折算成可量化、可驗證的投資回報。只有技術能力能夠轉化為ROI，客戶才愿意持續付費，并在更多產線中復用。

這也是特斯拉選擇此時改造產線的內在邏輯。Optimus的生產能力開始規模化之后，特斯拉需要找到第一批能讓機器人真正"用起來"的場景。工業制造的高節拍、高精度、高重復性，恰好是機器人證明自己價值的最硬戰場。

造出來和用起來之間這道鴻溝，決定了誰能真正把具身智能從實驗室搬進工廠。

03

專用路線，正在跑出真實的數據資產

專用路線正在積累真實的數據資產。以海康機器人為例，這家公司自2016年成立以來，從機器視覺、移動機器人到關節機器人，一直在把AI融入產品迭代和場景落地。它沒有一開始就講"通用人形"的故事，而是在制造現場一點點積累。

早期在機器視覺讀碼中引入AI算法，在移動機器人的控制系統中融入AI用于定位避障與任務分配——這些單點突破逐漸連成線，最終形成一套"具身智造"的能力體系。在質檢場景里，海康機器人將缺陷檢出率提至99.995%、誤檢率壓至0.2%以下，產線檢測效率提升40倍。

這套體系的結果是：海康機器人機器視覺產品累計出貨量超1000萬臺，移動機器人下線突破18萬臺，國內市場每兩臺工業相機、每三臺移動機器人中就有一臺來自海康。2025年全年營收達64.52億元。

這些數字背后，不是某一臺機器人的突破，而是整個制造場景里數據資產的沉淀。每一次上下料、檢測、轉運、裝配，都在產生真實反饋，機器人能不斷積累數據和經驗，一步步邁向更復雜的場景。專用路線的真正價值，不是因為它簡單，而是因為它能真實地跑通數據閉環。

數據和經驗積累，才是真正構成競爭壁壘的東西。

工業機器人正在工廠中積累真實的應用數據（來源：Unsplash）

04

數據資產才是終局

弗里蒙特工廠的產線改造，對國內新能源車企同樣值得觀察。比亞迪、吉利、蔚來、小鵬等企業，都已具備相當規模的制造能力。當這些能力開始向機器人領域延伸，制造業的邏輯正在發生根本性轉變。

第一個層面是制造能力的復用。國內新能源車企擁有全球范圍內最完整的汽車制造產線和最成熟的供應鏈體系，這些制造能力稍加改造，就可以遷移到機器人生產上。特斯拉弗里蒙特工廠正在做的事，比亞迪在深圳的工廠也能做。

第二個層面是數據資產的打通。新能源汽車每天在路上跑，產生的真實駕駛數據是訓練AI能力的核心資源。當這種數據能力從車遷移到工廠——機器人產生的操作數據、質量數據、物流數據同樣可以形成閉環，服務于制造本身的智能化。數據資產的邊界，正在從"車的數據"擴展到"工廠的數據"。

第三個層面是估值框架的遷移。當一家車企的核心資產從工廠和產能，擴展到"每年能復制多少AI能力"，它的估值邏輯就會發生變化。特斯拉今天的市值，有相當一部分已經在反映這種預期。對國內新能源產業而言，這意味著從"造車公司"向"AI能力公司"的轉型，正在從想象變成必須面對的選擇題。

誰先完成這個轉變，誰就拿到了下一階段的入場券。

CONCLUSION

具身智能的分水嶺，在真實的產線上

弗里蒙特工廠Model S/X產線最后一輛車下線之后，Optimus的生產線將在同一塊地板上開始建設。具身智能正在真實的生產線上被制造、被部署、被驗證——實驗室里的樣機展示和PPT里的估值故事，都已經成為過去式。

工廠對穩定性、效率、良率、節拍和成本極其敏感，這里最接近商業化本質。未來的智能工廠，可能既需要高效率的"專業工"——專注單一任務、高精度、高節拍；也需要跨工位、多任務的"多用工"——靈活適應不同生產場景，與"專業工"形成互補。具身智能下一階段的競爭，不只是本體形態之爭，而是感知、執行、決策、場景復制和產業生態的綜合能力之爭。

數據來源：特斯拉官方、海康機器人官方數據、公開市場資料整理

本文不構成任何投資建議