自动驾驶是物理AI(具身智能)的上半场吗?

摘要

      针对当前产业界流行的“自动驾驶是具身智能上半场” 的认知，本文以通用人形具身智能为核心论证对象，基于多西（Dosi）技术范式理论与克莱因 - 罗森伯格（Kline & Rosenberg）创新链环模型，从专利数据、技术架构与工程约束三个维度进行实证检验。研究发现，二者虽同属物理 AI 顶层范式，且在基础感知与数据闭环方法论上存在一定的技术领域交集 —— 在自动驾驶所涉及的 IPC 专利分类中，约 35% 可在具身智能领域找到对应技术应用（需注意该指标为单向溢出视角，而非双向对等重合度）—— 但这一交集主要集中于基础算法库层面，并不代表工程解决方案的通用性。沿创新链环下探至物理执行层，二者在多西所指的 “技术轨道” 层面已发生根本性分叉，在自由度与控制带宽、物理交互范式、仿真技术路径等核心层面存在本质断层。本文认为，自动驾驶并非具身智能线性迭代的 “上半场”，而是物理 AI 落地过程中的 “前置工程试验场”。其核心价值在于为规模化实体智能验证了功能安全、OTA 架构等通用工程体系，而非提供了可直接平移的完整技术栈。厘清这一关系，有助于纠正 “重算法、轻本体” 的产业资源错配，引导各方对具身智能的量产周期与核心壁垒建立理性预期。

一、引言：问题提出与分析框架

      近年来，随着人形具身智能赛道急剧升温，“自动驾驶是具身智能上半场” 的论断在产业界与投资界广为流传。该认知隐含两层内涵：弱判断层面，指自动驾驶为具身智能提供了资本、人才与工程经验的溢出效应；强判断层面，则主张自动驾驶的技术栈可线性平移至具身智能，并自然演变为后者的核心能力，即视其为 “技术母体”。本文旨在基于技术创新理论，系统证伪这一强判断。

      若不加以审慎厘清，该认知将引发严重的产业偏差：其一，引导资本与研发资源过度集中于算法软件端，忽视本体硬件、精密力控与物理交互等核心壁垒，造成“重算法、轻本体” 的结构性错配；其二，严重高估技术迁移效率，对具身智能的量产周期形成不切实际的预期，反而可能拉长核心瓶颈的突破窗口。

      为明确论证边界，本文首先界定核心范畴：物理 AI 是人工智能向物理世界投射的顶层技术范式，核心在于构建 “感知 - 决策 - 执行” 的实体闭环；具身智能是其重要分支，涵盖人形机器人、四足机器人、工业机械臂及专用移动机器人等多元形态，技术迁移难度随形态复杂度差异显著；自动驾驶则是聚焦于结构化道路移动场景的独立赛道。三者应界定为 “顶层范式 — 并行子赛道” 的关系，而非简单的线性迭代关系。需要明确的是，本文的核心论证与证伪对象，聚焦于当前产业讨论核心的通用人形具身智能赛道；对于低自由度、结构化场景的专用移动机器人，自动驾驶技术的适配迁移成本显著更低，不在本文核心证伪边界内。

      本文引入两大经典理论构建分析框架：其一，多西技术范式理论，用于解释尽管二者共享物理 AI 的底层知识基础（范式层面），但因技术目标与应用场景的歧异，已分化出截然不同的 “技术轨道”，且轨道间存在由物理约束构成的刚性壁垒；其二，克莱因 - 罗森伯格创新链环模型，用于拆解从基础算法、工程研发到硬件执行的完整创新链条，逐层甄别两赛道间的真实重合与本质断层。下文将先检验交集域的边界，再深挖断层带的成因，最终推导出更精准的产业定位。

二、技术交集域：范式层面的同源与边界

      基于国家知识产权局 2015—2024 年已公开授权发明专利的 IPC 分类号统计（统计覆盖两大赛道核心技术领域的已公开授权发明专利），在自动驾驶所涉及的专利分类中，约 35% 可在具身智能领域找到对应技术应用。需着重指出的是，该指标反映的是单向溢出视角 —— 即自动驾驶技术范畴内可向具身智能场景溢出的分类占比，而非两赛道之间双向对等的技术重合度。受 18 个月专利公开周期影响，2025 年后数据虽有局限，但不影响对既有趋势的结构性判断。从多西范式的视角看，这一交集主要停留在 “知识基础” 的共享层面，而远未触及 “技术轨道” 的趋同。具体表现如下：

其一，感知架构的底层同源与维度分野。二者均确立以视觉为核心、多传感器融合为辅的感知路线。鸟瞰视角（Bird's Eye View, BEV）感知、Transformer 大模型等技术在自动驾驶领域经规模化验证后，已成为具身智能感知模块的重要参考。然而，自动驾驶 BEV 侧重道路场景的二维鸟瞰建模与轨迹识别，而具身智能需处理第一人称视角下的三维空间理解与精细操作规划。二者虽共享 Transformer 的底层架构，但特征维度与损失函数存在显著差异。因此，后者主要借鉴前者的 “训练范式” 与模型架构经验，而非直接套用预训练权重，且需直面从 “稀疏场景感知” 向 “稠密物理理解” 的维度跃迁。

其二，决策范式的工程方法互通与数据壁垒。在端到端路线下，二者共享世界模型、强化学习及数据闭环的方法论。自动驾驶率先验证了“采集 - 标注 - 训练 - OTA” 规模化闭环的工程可行性，证明了海量数据驱动智能迭代的潜力。但这种复用严格局限于工程方法论层面，无法延伸至场景数据本身。自动驾驶数据以视觉语义标注为主，属于低维度的稀疏数据；而具身智能必须融合视 - 触 - 力 - 本体感知的多模态数据，标注维度扩展至 “动作 - 力觉” 的联合时空标注，数据密度与复杂度呈指数级上升。直接复用自动驾驶的数据引擎将面临严重的边际效应递减。

其三，量产工程的经验溢出。自动驾驶实现了百万级终端落地，在功能安全（ISO 26262）、冗余设计、大规模 OTA 及供应链管理上积累了成熟体系。这些经过实践验证的工程化经验，可有效迁移至具身智能领域，例如车规级芯片的设计与验证流程，能够为机器人硬件研发提供参照，缩短从实验室原型到工程量产的部分周期。但这属于 “工程纪律” 的溢出，而非 “核心算法” 的传导。

三、技术断层带：创新链环下游的刚性分化

      上述同源性构成了产业关联的基石，却无法掩盖一个关键事实：当创新链环由“感知决策” 向 “物理执行” 持续推进时，基于不同技术目标的 “技术轨道” 约束条件开始显性化。沿克莱因 - 罗森伯格模型向下延伸，越接近硬件执行层与物理交互层，两大赛道的本质割裂性越强。从多西的视角看，这种割裂源于二者已进化为迥异的技术轨道：自动驾驶的核心使命是 “高速安全地移动”，而具身智能的核心使命是 “灵巧精细地操作”，二者在物理约束与工程目标上已全面分道扬镳。

第一，自由度与控制带宽的量级鸿沟。汽车作为轮式刚体，在结构化路面运动，仅约 3 个自由度，属线性或弱非线性系统，其核心决策规划控制在数十赫兹级即可满足需求，控制目标为几何轨迹跟踪。反观人形机器人，拥有 40 个以上自由度，需在三维非结构化环境中动态作业，其动力学模型包含关节柔性、摩擦非线性及地面反作用力时变等因素，属典型的非线性时变系统。为保证动态稳定性与操作精度，关节控制频率需达 1kHz 以上，状态空间维度与耦合复杂度呈指数级增长。据《IEEE Transactions on Robotics》2025 年相关实证研究显示，在 28 自由度平台的抓取实验中，控制延迟每增加 10ms，任务失败率上升约 15%。这种从 “低维几何跟踪” 到 “高维动力学稳定” 的控制跃升，无法通过算法的简单堆砌或优化来抹平。

第二，物理交互范式的本质分野与“物理推理” 的缺失。自动驾驶属于 “几何路径跟踪”，与环境发生的是被动的、非接触式交互，常规路面材质变化仅通过轮胎摩擦力这一低阶模型体现，系统无需理解物体的物理属性。具身智能则属于 “动态力交互”，核心在于阻抗与顺应性控制。例如，抓取易碎品或柔软物体时，仅靠视觉定位远远不够，必须通过力觉与触觉反馈实时调整输出力矩，以应对物体刚度、摩擦系数与重心的巨幅差异。自动驾驶本质上是 “模式识别” 主导的开环控制（识别障碍物后刹车或绕行即可），而具身智能需要 “物理推理” 主导的闭环控制（不仅要看到杯子，还需推理其材质、重心与受力后的形变）。这套基于接触动力学与物理推理的力控体系，是自动驾驶现有技术栈中完全缺失的核心模块。

第三，仿真体系的核心目标与技术路径分化。仿真到现实迁移（Sim2Real）是物理 AI 算法迭代的核心支撑，但两大赛道的仿真技术体系在核心目标与底层逻辑上完全分化。自动驾驶仿真侧重于 “外观渲染”（Graphics），核心目标是还原道路场景的视觉特征与交通流逻辑，验证感知与决策算法在复杂交通场景下的表现，技术难点集中于高保真视觉渲染与大规模交通流推演。而机器人仿真侧重于 “物理属性”（Physics），核心是高精度模拟材质力学、碰撞形变与接触动力学，验证本体控制与力控算法的稳定性，对物理求解器的实时性、精度与稳定性要求极高。目前基于高精度物理引擎的通用机器人仿真平台仍在持续迭代，Sim2Real 的迁移难度与技术壁垒远高于自动驾驶。

四、产业演化逻辑：融合、边界与特有风险

      技术边界深刻重塑产业格局。由于“底层算法部分互通、核心物理能力深度割裂” 的特征，产业并未呈现 “自动驾驶降维收割” 的上半场主导逻辑，而是走向双向融合、边界清晰且伴随特有风险的并行发展态势。

其一，赛道双向融合而非单向降维。产业界不存在单纯的技术降维，仅有工程思维与基础算法的有限溢出。自动驾驶企业在 AI 算法上占优，但在精密机械设计、材料科学与力控算法上，积累远逊于传统机器人及精密机电厂商；同时，机器人核心零部件供应链成熟度远低于汽车产业，高精度力矩传感器、谐波减速器、灵巧手执行器等核心部件仍处快速迭代期，成本与一致性均未达量产级标准，自动驾驶企业必须通过自研或并购补齐硬件与供应链短板。反之，传统机器人企业亦在积极布局大模型与端到端算法。这种双向奔赴证明二者是各有核心壁垒的并行赛道。截至目前，特斯拉尚未公开披露 FSD 端到端决策体系在 Optimus 本体控制中的落地细节与技术占比，这预示着二者技术栈的深度复用仍待产业验证。

其二，溢出效应不等于赛道迭代。2024—2025 年国内机器人融资总额中，约 30% 流向自动驾驶背景团队。这体现的是 “试验场” 的人才与经验溢出价值，而非技术栈的自然传导或迭代。正如半导体设备与芯片制造虽同属半导体大范式，但设备厂商的工艺溢出不代表其能自然演变为芯片设计巨头，二者遵循各自独立的技术演进路径与核心 Know-how。

其三，中国优势的迁移边界与特有风险。中国在自动驾驶领域的场景数据与量产规模优势，仅能有限迁移至具身智能的算法训练与工程管理层面。新能源汽车“三电”（电池、电机、电控）供应链虽能为机器人关节模组降本提供制造业红利，但这属于产业链的横向溢出，而非 AI 核心技术的纵向传导。此外，需高度警惕具身智能的特有风险：据麦肯锡 2025 年产业分析报告指出，受硬件物料与精密装配成本制约，具身智能领域研发支出较同期自动驾驶高出约 30%，投资回收期预计延长 2-3 年。尤为严峻的是伦理法律风险：自动驾驶事故的责任主体（驾驶员 / 运营商）界定框架已初具雏形，而具身智能涉及人机紧密物理接触，其伤人事故中刑事责任在用户、制造商与算法开发者之间的归属尚属法律空白，合规风险显著高于自动驾驶，成为产业化的潜在灰犀牛。

五、定位再定义：前置工程试验场的内涵与刚性边界

      综合上述多维分析，自动驾驶并非具身智能的“技术上半场”，而是物理 AI 大范式下的 “前置工程试验场”。这一定位包含三层经过严格界定的内涵与边界：

第一，它率先验证了物理 AI 的通用工程体系。自动驾驶在高度结构化的移动场景下，率先验证了物理 AI “感知 - 决策 - 执行” 的工程闭环能在百万级终端上稳定运行，为整个物理 AI 赛道趟通了功能安全落地、大规模 OTA 升级等基础工程路径。这一贡献具有开创性的行业价值。

第二，它输出的是“工程范式” 而非 “专属技术”。试验场的核心价值在于提供了数据闭环基建、车规级量产验证等可复用的 “工程方法论”，而非可直接复制粘贴的完整技术栈。任何技术落地具身场景，都必须经过针对物理交互与本体硬件的深度适配与重构，不存在 “开箱即用” 的捷径。

第三，它不构成具身智能演进的“必经前序”。具身智能的终局竞争力取决于本体硬件的突破与通用物理交互能力的质变，而非自动驾驶的移动感知能力。二者遵循彼此独立且壁垒分明的技术演进路径。若按 “先行落地即上半场” 的时序逻辑，具备自主避障能力的消费级无人机更应被视为物理 AI 的上半场，但产业界并无此共识。这表明，合理的判断标准应是核心技术栈的继承比例与轨道一致性，而非单纯的落地时序。先行赛道的核心价值在于工程验证与试错，而非技术迭代的前置环节。

六、结论

       综上所述，自动驾驶与具身智能，是物理 AI 顶层范式下两条同源但非同轨、壁垒分明的独立技术轨道。二者在基础感知算法与工程方法论上的阶段性交集，构成了产业关联的坚实基石；但在控制带宽、物理交互逻辑、仿真技术路径上的本质断层，从根本上动摇了 “上下半场” 线性迭代假说的合理性，严格限定了技术迁移的适用边界。

      将自动驾驶精准定位为“前置工程试验场”，既充分承认了其作为物理 AI 首个规模化落地场景而验证通用工程体系的行业价值，又严谨界定了技术迁移的刚性壁垒与不可通约性。这一重定义对于产业战略与投资布局具有重要的纠偏意义：唯有跳出 “算法降维” 与 “技术通吃” 的迷思，正视本体硬件、物理推理与工程适配的核心地位，方能理性把握物理 AI 长期演化的真实方向，在充满不确定性的产业周期中锚定稳健的行动坐标。