圆桌对谈 | 从技术共性到产业协同，共探真实世界智能规模化之路

·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·

11月6日，2026四维图新Evolution创想大会在上海启幕。在「对谈?新境——从技术共性到产业协同，探索真实世界智能的规模化之路」圆桌环节，来自整车研发、AI技术、芯片平台、跨界创业与产业研究等领域专家齐聚，围绕智能汽车与具身智能的技术迁移、产业协同、落地路径深度研讨，破解AI走进物理世界的产业化命题。

本次圆桌由四维图新成员企业六分科技CEO李阳主持，北京汽车研究总院有限公司智能驾驶部专业总师徐志刚、微软中国汽车事业部技术总监邓天坚、高通高级产品市场经理周三奇、汽车智能化及具身智能领域跨界创业者杨继峰、国联民生证券研究所副总经理和汽车行业首分析师崔琰同台对话。

同源不同径：两大移动智能体的共性与边界

李阳在开场点题，指出“物理 AI”（又称移动智能体）是今年行业年度热词，智能汽车是其中最成熟的落地形态，具身机器人则是下一阶段重点方向。他分析，智能汽车规模化成功依托两大支撑：一是拟合能力很强的AI算法与数据闭环，通过大量高质量数据实现功能快速从0到1突破，并通过量产车持续反馈实现体验与安全迭代；二是覆盖产品定义、算力和数据基建、零部件、制造、营销等的全链路产业链。反观具身智能，虽有大算力与Scaling law支撑的VLA、世界模型技术底座，但多数场景尚未完成0到1规模落地，数据闭环与配套产业链仍处发展初期。

对话中嘉宾共识认为，二者同属物理世界移动智能体，共享 “感知-决策-执行-反馈” 技术闭环，底层能力可跨赛道复用；但产业阶段与发展诉求具有差异：汽车场景规则清晰、安全体系成熟，已实现规模化量产，以安全边界内的通行效率为首要目标；机器人仍处于0-1探索期，开放场景下安全逻辑更复杂，功耗与能效约束更严苛，发展重心转向未知场景的泛化交互能力。

技术融合：大模型跨端落地，能力迁移有继承也有重构

大模型正在重塑产业节奏。邓天坚指出，AI落地分两步，短期优先兑现研发提效价值，中长期将重构座舱交互与端到端智驾的产品定义。云+端是最优架构，端侧大模型需突破实时性、算力适配、安全可控、AI治理四大工程难题，实现从“理解交互”到“稳定执行”的升级。

在算力平台层面，周三奇表示，车载芯片在计算架构、多模态处理等方面的技术积累可延伸至机器人领域，但机器人对算力与能效的平衡提出了更高要求，同时需要针对运动控制等特定需求构建差异化的安全架构。随着芯片、模型与数据的协同日益紧密，算力平台也需要持续演进，以适应AI模型的快速迭代。

杨继峰从一线实践总结，汽车行业成熟的芯片优化、系统架构、功能安全、量产品控，是机器人赛道的可迁移资产。但车载安全体系无法直接照搬，大模型可解释性尚未突破，全身运动控制算法快速迭代，过早固化硬件将带来技术风险。

产业协同：汽车供应链成为具身智能新增长引擎

徐志刚介绍，北汽将机器人交互能力融入座舱智驾，推进L3/L4高阶智驾落地；同时在工厂大规模部署工业机器人，依托产业投资搭建机器人生态。车企更青睐解决具体痛点的高性价比方案，机电制造依托原有供应链，通用AI能力与科技企业合作共建。

崔琰表示，汽车产业链多数上市公司已开始布局AI与具身智能，这是自身智能化能力的外溢而非跨界。中国汽车供应链在机电一体化、成本管控、规模化制造上的全球领先优势，将随机器人从 0-1 迈向量产持续释放；而海量车载与制造场景沉淀的数据闭环能力，也将在大模型平权时代成为关键壁垒。

落地标尺：三大维度锚定规模化能力

在规模化能力评判与资本市场跟踪体系上，崔琰提出三维评价标准：制造端看良率与成本管控，数据端看回传效率与泛化边际成本，运营端看设备活跃数、有效工时与能效比。当前行业机器人平均能效比仅0.5-0.6，动作效率偏低是规模化落地的主要卡点之一。

杨继峰从创业视角补充，工业与服务业等确定性场景下，机器人商业化价值取决于人工替代范围、作业效率、质量稳定性与复制边际成本的综合乘积。当前最优突破路径是从单工位验证走向多工位、多工厂复制，跑通小规模验证-数据高速迭代-规模化复制的正向循环，持续降低跨场景部署成本。

本次圆桌厘清了智能汽车与具身智能同源不同径的产业逻辑，覆盖技术复用、产业协同、规模化落地全链条核心命题。未来，四维图新将持续锚定技术产业化落地，联动产业生态伙伴，推进AI与物理世界深度融合，共拓真实世界智能规模化发展新局。

END