自动驾驶算不算具身智能?李想和王传福说“算”,学术派说“不算”,谁对?
- 2026-08-07 08:41:21
引言
2026年，物理AI、世界模型、人形机器人刷屏科技圈，一个核心争议却越吵越凶：天天上路的自动驾驶汽车，算不算具身智能？
理想汽车李想断言“自动驾驶是具身智能的上半场”，比亚迪王传福也放话“整车智能就是具身智能”。
车企老板们几乎口径一致。
但学术派嗤之以鼻：没有手、不会抓、不能拧螺丝，也配叫具身智能？
这场撕裂行业的大争论，撕开的是两种世界观。
无人车来也（公众号：无人车来也）今天不站队，把两派底牌全摊开，看完你自己判。
（参考阅读请点击：
《无人环卫机器人新标杆：库萨星晖重磅首发，具身智能机器人如何领跑智慧城服？》）
一、广义派：有身体、有闭环，怎么就不算了？
在车企和产业界看来，答案简单粗暴：当然算。
具身智能，就是拥有物理实体，能形成“感知—决策—执行”闭环、和真实物理世界交互的智能体。
自动驾驶汽车有物理身体（车身、底盘、执行器），有传感器（摄像头、雷达、激光雷达），能实时决策，能执行（刹车、转向、加速），从任何一条标准看，都符合定义。
李想说得更直接：“物理世界里所有的机器，给了它传感器、模型和芯片，让它能够自主工作，这就是具身智能。”
按照这个定义，一辆能自主驾驶、理解乘客需求、主动提供服务汽车，当然算。
理想汽車董事長兼CEO李想谈自动驾驶与具身智能。图源：中国网
产业界对此高度共识。
工信部装备工业发展中心也曾明确：具身智能是指智能体（如机器人、无人机、智能汽车等）通过物理实体与环境实时交互，实现感知、认知、决策和行动一体化。
注意，官方文件里智能汽车是和机器人并列的。
而且，自动驾驶还是全球首个大规模商业化的具身智能载体。
当人形机器人还在实验室小规模测试时，L2辅助驾驶已经千万级量产，形成了成熟的数据闭环。
比亚迪有315万台智驾车型在路上跑，每天产生两亿公里行驶数据；理想汽车智驾系统主动避险累计超1727万次。传感器、芯片等车规硬件形成了完整产业链，监管、安全、保险体系日趋完善。
图源：e公司
2026年6月9日，比亚迪王传福在2025股东大会上说得更狠：“整车智能就是具身智能。”
这句话的背景是315万台智驾车型、每天两亿公里的行驶数据、超5000人的智能驾驶研发团队。
在他看来，这不是概念，是已经发生的现实。
二、学术派：没有手、不会抓，算什么具身智能？
但学术派不买账。他们坚持一个核心标准：真正具身智能必须具备通用物理交互能力。
比如，中国某权威学会在《具身智能》术语定义中明确指出，具身智能的研究重点之一就是“物体操纵任务”：包括抓取、触碰、操纵物体等，需要智能体通过“看、说、听、动、推理”等方式与环境进行交互和探索，而不能只是“移动”。
而且，一些学术派认为，具身智能的能力必须能跨场景泛化：能学会开车，也能快速学会做家务、搬东西。更
重要的是，必须具备自主因果认知，能理解物理规则、物体属性，不是说换条路就不知道怎么走了。
图源：魏牌
从这个标准看，当前量产的自动驾驶确实有短板。
它大量依赖人工交通规则、高精地图、人工标注边界。遇到规则外极端场景，只能降级或退出。
专业人士一针见血：“传统智驾遇到复杂场景会直接退出，把方向盘丢给你。”
李想直接开火：“这件事虽然法规上完全合规，但对人类恰恰是最不安全的，接近一半的智驾事故发生在接管瞬间。”
自动驾驶解决的核心问题相对单一：在高度结构化的交通规则下安全移动。
而具身智能要应对的是更广泛、更复杂的非结构化环境：移动只是入场券，操作才是真挑战。
自动驾驶在平面上不撞东西；具身智能要在三维空间里和物体发生交互，两者物理约束完全不同。
三、技术共享：VLA、世界模型，两边都在用
虽然吵归吵，但两边的技术栈正在快速融合。
2026年，VLA模型成了连接自动驾驶与具身智能的关键纽带：在视觉-语言模型基础上引入动作token，让模型能从视觉、语言与机器人轨迹数据中联合学习。
理想汽车发布MindVLA-o1，明确表示自动驾驶只是物理AI起点，这类基础模型未来将驱动新的具身智能范式。
小米开源的Xiaomi OneVL也定位为“自动驾驶和具身智能都能用的基础件”。
世界模型同样两边都在用。
2026年上半年，吉利发布WAM世界行为模型，小鹏发布X-World，小米推出Xiaomi Auto World Model。
世界模型被视为突破具身智能泛化瓶颈的关键技术，但任务不同：
车端侧重场景推演和规划验证；具身智能领域要做真正物理层面的交互推理：抓取、装配背后的力学建模，两者对物理规律的深度要求差了一个层级。
同样的模型架构，对实时性要求天差地别。
当前VLA模型推理延迟普遍在100-300毫秒。自动驾驶72km/h时，6-8米已经冲出去了，所以端到端延迟必须压缩到50毫秒以内。
但对人形机器人，多数操作任务对延迟容忍度更高：推理200毫秒，机械臂运动本身也耗时数百毫秒，不影响任务完成。
两派谁对？取决于你问的是谁。
广义派眼里，自动驾驶就是具身智能赛道上跑得最远的选手：它有身体、有感知、有决策、有执行，还实现了大规模商业化。
学术派眼里，不会抓、不会拧、不会跨场景泛化的自动驾驶，充其量只是个“专用移动机器人”，离真正的具身智能还差着维度。
总之，无人车来也（公众号：无人车来也）认为：
这不是谁吃掉谁，是同一场技术革命的上下半场。
身体不一样，但大脑正在长成同一个。
亲！你说呢？
参考文献：中国网、e公司、经济观察报、魏牌等媒体报道
期待您的关注、点赞、在看、转发
