做自己擅长的，大脑交给别人。 

文｜罗镇昊

编｜刘俊宏

6 月 15 日，重庆龙兴赛力斯超级工厂，机器人" 小赛 " 系列集体亮相。这是赛力斯自去年宣布推动具身智能落地以来，首次公开展示其研发成果。

一台具备多模态感知能力的人形机器人 " 小赛 "，全程进行导览。其他成员则以 " 上岗 " 的形式一一亮相：负责底盘装配检测的小赛 01，用于整车外观检测的小赛 02，产线两侧的协同机械臂，搬运货物的 AGV，以及空中物流无人机。

在这座高度自动化的工厂里，已有 1600 多台智能化设备和 3000 多台工业机器人同步工作，小赛们的加入，主要是承载传统工业机器人无法实现的柔性作业。

可以看见，在机器人设计上，赛力斯并没有执着通用和全员人形，而是根据特定任务决定机器人的形态和能力。有的是轮足，有的手部是检测枪，有的本体是机械臂，这种从工业场景反向定义机器人的思路，也许能为行业提供一种新范式。

值得注意的是，和行业主流的全栈自研或智驾技术迁移路径不同，在机器人研发上，赛力斯选择把大脑交给火山。

2025 年 10 月，赛力斯子公司凤凰智创与火山引擎签署了《具身智能业务合作框架协议》，双方围绕多模态云边协同、控制与人机增强技术项目协同攻关。简单说就是，本体由赛力斯自研，大脑由火山承接。不难看出，这套模式和之前做问界时有相似之处。

这次 " 战略合纵 " 能否复刻 " 问界式 " 的成功，还得看小赛们能不能触达制造业的神经。

塞力斯机器人把 " 大脑 " 交给火山？

具身智能浪潮席卷之下，工业落地是今年行业里最关键的命题。

2026 年 6 月，工信部、国资委联合启动 " 人形机器人与具身智能实景实训专项行动 "，明确年底开启人形机器人与具身智能 " 作业模式 "，将工业制造列入首要落地场景。

为了实现这一目标，目前行业内主要存在两类实现方式：

一种是全栈自研，将智驾技术延申到机器人上。最典型的是特斯拉 Optimus，原本为自动驾驶研发的 AI5 芯片，马斯克表示也将用在机器人身上。何小鹏亲自带队的 IRON，则共享车端同款图灵 AI 芯片和天玑 AIOS。

另一种是机器人厂商跟工厂合作，让机器人在确定性的场景中 " 打工 "。比如智元，去年就将近百台远征 A2-W 落进汽车零部件厂富临精工，覆盖三条装配线的搬运工作。众擎主打的工业机器人 T800，今年也被部署到华南头部 3C 电子组装厂里，进行试点验证。

而赛力斯走的是第三条路——本体自研，大脑外接，再应用于工厂制造。

选择这一路径，赛力斯有自己基于经验的考量。

在过去的合作中，问界品牌就是一个 " 灵魂与肉体 " 合作的成功案例。2021 年赛力斯和华为深度合作，华为把 HarmonyOS 智能座舱、HUAWEI ADS 高阶智驾、DriveONE 电驱平台、质量管控体系一起搬过来，赛力斯负责整车制造和品控。这套分工让问界一度成为高端新能源汽车里最成功的品牌之一。

如今，赛力斯把同样的模式复刻到机器人上——自己做擅长的硬件，智能化交给会做的人。

目前来看，这套模式至少让赛力斯获得了不错的落地效率。从去年 10 月和火山引擎签订协议，到今年 6 月各形态机器人已经上岗，不到一年时间，从 0 到上产线，这个速度不可谓不快。此外，赛力斯副总裁康波表示，今年内还将推出覆盖 C 端零售、服务、陪伴和 B 端制造、物流的更多机器人。

但在具身智能行业越来越多探讨 ROI 的 2026 年，赛力斯一下子推出这么多种类的机器人，能划得来吗？

车企为什么纷纷下场做机器人？

无论是硬件还是智能化都高度内卷的今天，机器人赛道成了车企寻找新增长的聚集地。

前有小米、小鹏、理想，后有长安、比亚迪，每隔一段时间就有新玩家入局。目前，奇瑞墨甲 M1 已上线京东自营开始售卖，小鹏的新一代 IRON 预计今年底进入量产，长安今年 3 月注册了 " 天枢智能机器人 "，近期又传出比亚迪下场做机器人的消息。

花这么多钱造机器人，车企们到底图什么？

起码在赛力斯这边，给工厂降本或许并不是第一目标。财务数据显示，2025 年赛力斯整车毛利率高达 29.14%，到 2026 年第一季度，仍维持在 26.24% 的高位。再看成本侧，2025 年 Q3，赛力斯单车平均成本为 23.75 万元，与同级对标友商理想的 23.48 万元基本持平。

对比智能汽车同行来看，无论是盈利质量还是单车成本，赛力斯均位于比较合理的区间，并没有释放费用空间和净利润的压力。

但如果聚焦生产制造本身看，机器人对工厂就有了更深层意义。

汽车四大工艺——冲压、焊接、涂装、总装，前三道的自动化率大部分车厂已经能轻松做到 80%，甚至一些头部车企能直接拉到 100%。而在总装部分，只有 20%-30%。这些非标 + 灵活的工作，恰恰是程序化机械设备不擅长，却最适合具身智能切入的环节。

比如整车质检环节，缝隙、面差、油漆、异响，每一项都要凭经验来感知和决策。这意味着，真正值钱的不是省下的成本，而是让机器人去做传统自动化做不了事。

根据赛力斯超级工厂的展示：小赛 01 做底盘装配质量检测，小赛 02 做整车外观配置检测，两款人形机器人本质上都在用 AI 视觉 + 灵活执行去补足柔性作业的部分。通过现场演示看到，虽然赛力斯的机器人仍处于初级阶段，但已经算是能够用起来了。

而且，当产线更换车型时，具身智能机器人往往也适应得更快。

传统工业机器人虽能通过 RFID 识别系统在两种车型之间秒级切换，但这种切换依赖的是预设程序库，每加入一款新车型，SOP 前的调试往往要花上几个月。而小赛这类依靠视觉识别和大模型推理的具身智能，完全可以做到直接上手。

这种适应能力，或许才能适应当下智能汽车迭代的节奏。毕竟相比传统燃油车时代，智能汽车的改款迭代速度要快上一倍。同时，车企也希望能通过机器人的实际使用，卡位具身智能赛道。

数据和场景车企卡位具身智能

2026 年人形机器人产业进入量产元年。当本体和运动能力已经逐步验证，数据作为机器人大脑能力成长的重中之重，近期在各种论坛上不断被提起。

具身数据已经成为整个机器人产业链 " 兵家必争之地 "。

在一级市场，具身数据公司被 " 抢疯了 "。6 月 1 日，简智机器人宣布完成连续多轮共数亿元融资，成为 " 无本体数据 " 领域累计融资金额最高的公司。在今年，还有光轮智能、无问智科、核数聚等多家主做具身数据的公司先后完成了融资。

同样的竞争，也在大厂的战略中体现。今年 4 月，百度智能云和京东先后发布数据相关平台，抢夺数据运营的蛋糕。今年 2 月，智元拆分出觅蜂科技，要做具身智能数据供应商。

而像赛力斯这样的超级工厂，本身就是真实数据和真实需求的来源。结合机器人落地的方式能看到，车企们似乎在寻找具身智能行业一种新的落地范式——根据场景反向定义机器人。

在过往的具身智能应用落地里，机器人厂商往往只能在 B 端和 C 端先选择一条路线。

例如宇树、智元这类玩家，走的是从 C 端向 B 端渗透的路线。比如宇树的 H1 和智元的 A1，就是靠优越的运动性能和多模态感知走上舞台，先服务娱乐行业和教育市场，然后再密集进入工厂做 " 实训 "，验证工业落地。

特斯拉基本反过来，从 B 端向 C 端拓展。Optimus 从立项第一天起，就是为了在特斯拉超级工厂里代替人干活，然后再尝试实现家庭场景。弗里蒙特工厂里的电池分拣、零部件搬运，都是它过去一年多主要的工作场景。对于家用版 Optimus，马斯克表示，要等到 2027 年甚至更晚才能真正量产。

但在车企这边，机器人 " 原生 " 落地工厂应用，走的是 " 工厂体系 + 机器人 " 的模式。它基于工厂原有的数字生态体系，倒推机器人应该具备什么能力，做成什么样子。

展示中可以看到，赛力斯并没有执着全员人形，而是根据自动化工厂原有的节奏，以及特定任务来设计机器人的形态和能力。

负责检测的人形机器人，可以像人一样多自由度检测不同点位，也并需要灵巧手，直接装一个检测枪；而在固定位置就能满足所有点位检测的地方，就做成机械臂；形成了一个 " 异构具身智能集群 "，跟工厂协同。

技术层面，相比头部机器人公司，无论是卷运动能力还是大模型，本质上都在把机器人往通用这条路推。赛力斯更关注的，是机器人能不能在已有的工厂体系里无缝衔接。

对制造业来说，它们最需要的不是干单一工种的明星员工，而是一套能直接提升产线 OEE 的系统方案。如果 " 机器人班组 + 数字化系统 " 的模式验证成功，这套组合就可以向其他车企复制。