李一南站在實驗室裡，注視著機械臂小心翼翼地抓取杯子。這是他的新工作場景——半年前，他還在一家頭部自動駕駛公司負責感知演算法團隊，而如今，他的工作物件從車輪變成了機械臂與手爪。
“其實核心問題很相似——都是讓機器理解世界，並在複雜環境中作出決策。”李一南說，“只是從道路場景換成了家庭和工廠。”
像李一南這樣的跨界者，並非個例。據LinkedIn資料顯示，2023—2024年，從自動駕駛領域轉向具身智慧的人才數量同比增長了78%。
對跨界者而言，這是從熟悉的賽道躍入未知藍海的挑戰，更是一場關於未來的豪賭——他們既可能成為開拓具身智慧的先鋒，也可能在風口中迷失方向。但正是這種充滿不確定性的探索，讓這場跨界變得格外引人注目。
自動駕駛三路人馬，湧入具身智慧
自動駕駛行業的“跨界三路大軍”中，一支重要力量來自大廠離職創業的高管人才。
據不完全統計，2023年至今，已有超過30傢俱身智慧初創公司由自動駕駛技術精英創立。
在《扒一扒從「自動駕駛」湧入「具身智慧」的大佬們》一文中，高工詳細盤點了包括陳亦倫、張力、餘軼南、王剛、陳俊波在內的數十位跨界先鋒。他們將自動駕駛領域積累的感知與決策技術，遷移並應用於機器人研發。
除了自動駕駛領域的精英，整車製造企業也在全面入場。
截至目前，全球已有20多家知名車企宣佈進軍人形機器人賽道，其中中國車企數量達到13家。利用其在自動駕駛領域積累的感知技術、決策演算法和供應鏈管理經驗，這些企業正在探索具身智慧的新商業藍海。
特斯拉的Optimus人形機器人無疑是這一領域的標杆，其透過將車輛領域的感知和控制技術遷移至機器人研發，為行業樹立了範例。
國內車企如小鵬和小米，也緊隨其後，宣佈加碼人形機器人研發。兩家公司有著諸多相似點：都具備智駕車企屬性、核心初創團隊構成相似、最初產品切入方式和落地場景接近。
同時，兩家公司先後宣佈其人形機器人將學習特斯拉Optimus的商業落地場景和技術路線，顯示出自動駕駛與具身智慧的深度融合趨勢。
與此同時，自動駕駛產業鏈上下游企業也在向具身智慧領域大舉延伸。
以雷射雷達企業速騰聚創為例，該公司在2025年年初發布了第二代靈巧手Papert 2.0，並在3月推出了機器人視覺新品類Active Camera AC1。這些產品不僅表明速騰聚創在具身智慧領域的技術積累，也反映了其在機器人產業中的先發優勢。
根據速騰聚創釋出的2024年全年財報資料顯示，截至2024年12月31日，該公司已為全球超過2800家機器人及相關產業客戶提供產品及服務，並與10餘家人形機器人企業建立了深度合作關係，包括宇樹科技、人形機器人（上海）有限公司及多家海外知名企業。
另一家典型代表是智駕解決方案提供商地平線。
早在2024年初，地平線將AIoT事業部拆分為子公司“地瓜機器人”，專注提供機器人開發軟硬體。
從地平線AIoT事業部到地瓜機器人，不到兩年時間，這支團隊已經發布旭日3、旭日5等適用於家庭機器人市場的SoC，拿下掃地機、割草機等頭部客戶，出貨量累計超500萬片，一躍成為賽道頭部玩家。
近日，地瓜機器人還推出了業內首款單SoC算控一體化套件——RDK S100。這款產品專門面向機器人和具身智慧場景，目標是為商業化清潔、低速物流車、四足機器人巡檢等碎片化場景提供通用化解決方案。
跨界者，優勢幾何？
為什麼會出現這樣大規模的行業人才流動？
這種趨勢背後的推動力來自兩個方面：一是自動駕駛行業的發展瓶頸，二是兩個領域間令人意外的技術相似性。
細心觀察，不難發現，這些自動駕駛轉向具身智慧的人才，離職契機驚人地相似。
他們或多或少都在前司看到了自動駕駛領域的根本性問題：要麼是技術難以攻破、關鍵資源難以獲取，要麼就是商業模式走不通，企業不得不進行人員和業務調整。
例如，王剛在阿里內部主導 L4 級自動駕駛的研究，而他離職後，L4 自動駕駛的商業閉環至今無人實現。
陳俊波離職後不久，他原本所在的阿里達摩院自動駕駛實驗室就被併入菜鳥集團，這種業務調整反映了阿里對自動駕駛前景的重新評估。
高繼揚在Waymo和Momenta都任職了2年左右，分別發現了這兩家自動駕駛企業的產品失效成本高和沒有資料自主權的問題。
Kyle Vogt所在的Cruise，僅2023年一年就虧損了24億美元。
更嚴重的是安全事故的衝擊。Kyle Vogt離職前一個月，Cruise的自動駕駛汽車在加州造成嚴重安全事故，導致其加州運營執照被吊銷，隨後Origin車型停產，隨後公司裁員24%。這一連串的挫折不得不讓許多技術人開始思考職業方向的調整。
事實上，整個行業都在經歷著瓶頸期。多家自動駕駛公司相繼進行裁員或業務調整，商業化程序遠比預期漫長。技術瓶頸、法規不確定性，再加上融資環境的惡化，讓這個曾經炙手可熱的風口變得寒意漸濃。近三年來，自動駕駛行業似乎陷入了前所未有的困局。
相比之下，具身智慧領域正迎來春天。尤其是大型語言模型（LLM）的突破為機器人注入了更強的理解能力和決策智慧，讓具身智慧的商業化前景變得更加清晰。
資本市場的表現更加直觀：2023年具身智慧領域融資額同比增長85%，新成立的創業公司數量更是激增93%。這種冰火兩重天的現狀，促使大量行業精英將目光轉向具身智慧領域。
自動駕駛與具身智慧之間存在顯著的技術重合性，這是跨界者能夠迅速上手的核心原因。
首先，視覺感知系統是最明顯的例子。自動駕駛車輛需要識別道路、車輛、行人和交通標誌，而具身機器人需要識別物體、人和環境特徵。儘管應用場景不同，但底層演算法架構高度相似。
視覺演算法專家王偉分享了他的實踐經驗：“我們在自動駕駛中使用的深度學習模型，經過適當調整就能用於機器人的物體識別。神經網路不在乎它看的是馬路還是廚房，只要有足夠的訓練資料。”
同時，決策系統是另一個關鍵重合點。自動駕駛車輛需要在動態環境中規劃路徑並作出決策，這與具身機器人在複雜環境中導航和操作物體的挑戰驚人相似。
“在自動駕駛中，大家開發的決策系統需要處理大量即時資訊並作出安全決策。”王偉解釋，“這些系統架構和方法在機器人領域同樣適用，只是約束條件和最佳化目標有所不同。”
值得一提的是，安全控制系統的經驗也極為寶貴。自動駕駛要求極高的安全性和魯棒性，這些思想和方法同樣適用於需要與人類密切互動的具身智慧裝置。
例如，為了確保人形機器人在家庭環境中的安全，自動駕駛團隊開發的冗餘控制和故障診斷系統，成為了重要的借鑑物件。這種從“路面”到“桌面”的技術遷移，不僅在理論上具有可行性，在實踐中也已經展現出一定價值。
除了技術的可遷移性，供應鏈也存在一定的可遷移性。
據一傢俱身智慧公司CEO吳奇介紹，他此前在某自動駕駛晶片公司任職期間，與某主機廠建立了重要的客戶合作關係，雙方在自動駕駛領域進行了深入合作。隨著時機成熟，這種既有的供應鏈合作關係有望自然延伸至機器人應用領域。未來該主機廠可在生產工廠中部署相關機器人產品，承擔流水線物料搬運、裝置維護、質量檢測等多項生產任務。
從“四個輪子”到“兩條腿”的現實挑戰
儘管跨界者們站在風口上，前景看似光明，但並非所有人都看好這場跨界潮流。
前華為智慧汽車解決方案 BU 負責人蘇菁曾直言：“自動駕駛都搞不定，有什麼資格做機器人？”在他看來，自動駕駛本身就是一個複雜的物理機器人，其工作環境處於半規則和半非規則之間。如果連這樣的場景都無法攻克，轉向更為複雜的非結構化場景，挑戰無疑更大。
類似的質疑也來自金沙江創投管理合夥人朱嘯虎，他毫不留情地潑了冷水：“我們天使基金過去幾年投過一些具身智慧的早期專案，但最近幾個月都在退出……我問這些 CEO，你們的商業化客戶到底是誰？他們說的全是自己假想的客戶。誰會花十幾萬買一個機器人去幹這些活？”
從自動駕駛轉向具身智慧，儘管帶來了一些技術上的優勢，但也伴隨著諸多挑戰。其中最顯著的問題之一便是場景適配。
自動駕駛技術主要應用於開放道路環境，而具身智慧則需要應對更加複雜且多變的場景，比如室內的精密操作。這種場景差異直接影響了硬體和軟體的需求，同時對團隊構成提出了全新的要求。
在硬體方面，自動駕駛更注重長距離感知，比如攝像頭和雷達需要探測到 150 米遠的物體；而具身智慧更強調近距離的多自由度操作。
吳奇指出：“自動駕駛的自由度較低，通常只需處理轉向、加速和剎車這些簡單動作，而機器人需要應對十幾個甚至幾十個自由度的問題。這要求硬體設計更精密，在有限空間內實現緊湊和高效。”這意味著，具身智慧的硬體設計複雜性遠高於自動駕駛。
在軟體方面，兩者的差異同樣顯著。自動駕駛對低延遲要求極高，因為車輛必須迅速反應以保障行駛安全；而具身智慧則更關注複雜的運動控制演算法，以實現精準、靈活的操作。
“自動駕駛關注的是毫秒級的響應速度，而具身智慧需要的是更復雜的運控能力。”吳奇補充道，這種複雜任務需要更強大的計算能力來處理多自由度的操作，而不僅僅是單一方向的控制。
此外，這些硬體和軟體的差異還體現在對團隊構成和人才需求的影響上。
例如，在自動駕駛領域，由於汽車的外觀和內部結構相對固定，結構工程師的重要性較低，更多的任務集中在最佳化攝像頭和雷達等元件的位置。而在具身智慧領域，結構工程師的作用則變得至關重要，他們需要設計精巧的結構，讓機器人既能靈活移動，又能保持體積小巧。
電氣工程師的需求也有所不同。自動駕駛的整車電氣系統非常複雜，包括座椅加熱、動力單元和娛樂系統等，涉及數千個零部件；而具身智慧的電氣設計則更聚焦於供電、穩定性和低功耗，通常僅需管理幾百個零部件。
總的來說，具身智慧對機械結構工程師要求更高，對電氣工程師的要求相對寬鬆；而自動駕駛則正好相反。
“我在智駕供應商工作期間，幾乎不用對接機械結構工程師。現在做機器人，幾乎每天都要和他們打交道。”吳奇笑說道。
機器人還在自動駕駛“L1.5”階段
技術的難題和差異只是挑戰的一部分，更大的考驗在於商業化落地。當跨界者們帶著技術積累和創新思路，懷著滿腔熱忱投身具身智慧領域時，他們很快發現，真正實現商業化量產還有很長的路要走。
雖然具身智慧的應用場景看似豐富，但目前真正能夠規模化落地的場景卻寥寥無幾。
香港大學助理教授、OpenDriveLab 負責人李弘揚在《深藍AI》的直播中分享了他的觀點：“現在的機器人行業，可能還停留在自動駕駛 L1.5 階段。”
他進一步解釋說，從大的層面來看，自動駕駛行業已經形成了從 L1 到 L5 的成熟分級標準，其中 L3 是一個重要分水嶺，涉及事故後的責任主體劃分。當前，自動駕駛技術大致徘徊在 L3 到 L4 之間，如果能解決剩餘的 20% 技術難題，便可邁入 L4 或 L5 階段。
而在具身智慧領域，如果參照類似的標準進行劃分，L1 表示機器人具備初步展現能力；L2 是掌握某一類任務；L3 則是限定場景下的能力；L4 是通用泛化能力；L5 則是具備自我反思和智慧推理能力。按此標準，機器人行業目前可能僅處於 L1.5 階段。
李弘揚還認為，機器人行業的發展週期可能比自動駕駛更長。
首先，自動駕駛的發展已經進入深水區，市場和應用場景相對成熟。即使大眾不是行業專家，也能看到街道上越來越多的智慧汽車。而機器人行業，目前尚未形成明確的商業模式。
“人形機器人的價格依然高昂，動輒十幾萬甚至幾十萬，普通家庭根本無法負擔。即使價格降到三五萬，對於大多數消費者來說依然難以接受。”李弘揚補充道。
其次，機器人領域的研究仍處於早期階段。當前，許多大學和研究機構對機器人研究還是停留在感知層面，類似於自動駕駛早期的感知研究。而機器人要真正實現落地應用，還需要在複雜環境中完成操作，這涉及控制、規劃和決策等多個維度，技術難度遠高於自動駕駛。
再次，機器人應用場景的通用性較弱。儘管機器人可以應用於多個場景，但這些場景大多相對侷限，比如室內清潔或特定任務操作。相比之下，自動駕駛的場景尺度變化更大，通用性更強。
最後，從市場角度看，機器人行業遠未成熟。許多機器人專案更像是技術展示，而非真正的產品。即使有少量產品進入市場，也難以實現大規模推廣。而自動駕駛技術已在工業界得到廣泛應用，市場接受度更高。
“未來 5 到 10 年內，能夠形成成熟商業模式的機器人產品，已經算是非常不錯的進展了。”李弘揚說道。“我們需要保持冷靜，不要被短期的熱潮所迷惑。機器人走入千家萬戶，還需要很長時間。”
遠望資本投資人程浩也表達了類似的想法。他提到：“一個不可忽視的現實是，通用機器人商業化的確比想象中複雜得多，甚至比自動駕駛還要複雜得多。我個人判斷，C端機器人真正普及至少需要5年，甚至更久。”
面對這些挑戰，許多跨界者逐漸意識到，具身智慧的商業化落地是一場堅持“慢工出細活”的長期主義之戰。從技術研發到市場推廣，每一步都需要深耕與耐心。
因此，一些跨界者開始調整戰略，將短期目標聚焦於更容易落地的細分場景。例如，清潔機器人、倉儲物流機器人和巡檢機器人等垂直領域，成為許多企業優先探索的方向。這些場景雖然看似“小眾”，但卻有明確的客戶需求和穩定的商業模式，能夠為公司提供現金流，同時積累技術和經驗。
急不來的造人夢
毫無疑問，具身智慧是一個充滿潛力但尚未成熟的領域，跨界者的湧入為行業注入了更多的可能性，但最終決定成敗的，仍是時間與耐力。
當ChatGPT等大語言模型展現出驚人的對話能力時，人們開始幻想AI即將擁有真實的物理形態，在現實世界中行走、操作、服務。
這或許正是具身智慧如此吸引人的原因——它承諾給AI一個“身體”。
但現實遠比想象複雜。
還記得2016年波士頓動力的Atlas機器人在雪地中行走的影片嗎？那個看似笨拙卻頑強的身影，讓全世界都相信機器人時代即將到來。九年過去了，Atlas依然在實驗室裡，而不是在我們的家庭中。
2023年12月，當Cruise的自動駕駛汽車在舊金山撞傷行人後被迫全面停運時，矽谷的工程師們突然意識到：連在規則相對明確的道路上行駛都如此困難，讓機器人在千變萬化的家庭環境中自如活動，豈不是更加天方夜譚？
這就是跨界者們面臨的核心悖論：他們逃離了一個尚未解決的技術難題，卻投身到了一個可能更加複雜的挑戰中。
2024年10月，特斯拉在“We, Robot”釋出會上重磅推出了Optimus機器人，其調酒、與人互動等功能一時成為焦點。然而，媒體隨後揭露，這些看似“自主”的操作實際上部分依賴於人類遠端操控。大眾逐漸清醒地意識到，即便是矽谷最頂尖的工程師，要讓機器人真正實現完全“智慧”，依然任重道遠。
這些事件背後反映的是一個殘酷的現實：無論是自動駕駛還是具身智慧，我們都嚴重低估了讓機器理解真實世界的複雜性。
道路是人類設計的，有規則可循，有標準可依；但真實的生活場景是混沌的，充滿了意外、變化和無法預測的人類行為。從結構化的道路環境到非結構化的日常生活，這不僅僅是技術難度的跨越，更是對人工智慧根本能力的終極考驗。
畢竟，無論是“四個輪子”還是“兩條腿”，無論是讓汽車學會思考還是讓機器人學會行走，背後都指向同一個終極目標：讓機器真正理解並服務於人類世界。
在這個意義上，所有的跨界都只是手段，而非目的。真正的勝者，將是那些能夠穿越技術週期，在喧囂與沉寂之間保持初心的人。
他們會明白，“造人”確實急不來，而造就真正有價值的技術創新，更急不來。
(應受訪者要求，文中李一南、王偉、吳奇為匿名)
往期推薦