自動駕駛不是具身智能的上半場

文｜三少爺

“自動駕駛是具身智能的上半場，具身智能是自動駕駛的下半場。”這個論斷在業內廣為流傳，順滑得讓人幾乎忘了追問，這個金句真的經得起推敲嗎？

經常做深入邏輯思辨的小伙伴們可能會發現，上、下半場的說法制造了一種邏輯慣性，藏著一個偷換概念的思維陷阱：它把“先后發生”偷換成了“因果必然”。這種思維陷阱其實并不新鮮，在智能電動汽車這個賽道，電動化就曾經被廣泛宣傳為智能化的上半場，仔細思之，這個觀點其實并不成立。

畢竟，油混、插混乃至燃油車，搭載高階智駕的比比皆是。電動化推動了智能化的躍遷，但智能化并不以電動化為不可逾越的前提。具身智能也是同樣的道理。自動駕駛人才的涌入讓“下半場”的說法有了事實基礎——但它不能反過來說明，具身智能必須以AD為上半場。

元能力的平移

“具身智能是自動駕駛的下半場”——這句話是成立的，它刻畫的，是一場大規模的人才遷徙和元能力的平移。從AD賽道沖殺出來的人，正攜帶著被量產工程淬煉出的元能力，集體涌入具身智能的新疆域。這點正由一批批響亮的名字反復印證。

最典型的案例是理想系。理想汽車前CTO王凱、前智駕技術研發負責人賈鵬、前智駕量產負責人王佳佳，三位在理想并肩打過幾年硬仗的老兵，共同創立了至簡動力。賈鵬的履歷本身就是一部AD人才遷徙史——他2016年成為英偉達中國智駕團隊一號員工，2021年加入理想帶領團隊從零自研智駕，在2023年完成城市NOA量產、2025年初端到端雙系統交付后，轉身扎進了具身智能的深海。

地平線系的下海潮同樣批量涌現——005號員工余軼南創辦了維他動力，智能座艙產品線總經理牛建偉創立叮當動力，前視覺感知技術負責人黃冠創辦極佳視界。據統計，地平線至少有14位核心技術和管理層離職創業，其中13人進入了具身智能賽道。

他們帶走的，不是某個可復用的模型代碼，而是在AD戰場上鍛造出的全套“肌肉記憶”：如何定義復雜問題，如何在不確定性中拆解任務，如何在嚴苛的資源約束下做關鍵取舍，又如何在一個長達數年的開發周期里，維持團隊的紀律與信心。

AD領域的具體知識——某個算法實現、某個特定調優技巧——或許會隨技術換代迅速貶值。但AD過程所錘煉出的元能力——對算法開發與部署的掌控力、跨域協同的工程力、將技術從Demo推向量產的執行力——卻是實實在在的硬通貨。

這就像AI時代的學習：我們記住具體知識的速度早已追不上機器，但我們習得的“如何學習”的能力本身，依然長期具備真正的價值。賈鵬起步于英偉達自動駕駛部門，從一個純算法人員成長為“無論聊芯片、硬件、軟件系統還是算法都能跟上”的架構師，這種跨越層級的系統視角，正是人才元能力最精確的注腳。因此，具身智能是自動駕駛的下半場的論斷，說的是，AD人帶給具身智能的，是人的元能力，是那些在AD戰場上千錘百煉而成的、做成事情的底層慣性與方法論。

技術的鴻溝

“自動駕駛是具身智能的上半場”——這句話說的是另一件事：它把AD當成了具身智能的技術基礎，暗示做過AD自然能做具身。但兩者從一開始，核心能力的要求就截然不同。

AD要解決的核心問題只有一個：安全的導航移動。它的關鍵能力是環境感知、路徑規劃和碰撞規避——一切為了“從A點安全移動到B點”。具身智能則需要同時解決三大問題：導航移動（走到哪里）、運動控制（怎么完成奔跑、跳躍等動作）和靈巧操作（怎么抓、擰、摁）。導航移動只是具身智能的入場券，運動控制和靈巧操作才是具身智能面臨的兩大核心挑戰。

正因為能力要求如此不同，AD和具身智能在傳感、執行、模型等層面存在巨大的差異。

首先是傳感。

AD的傳感器配置收斂到了“攝像頭+毫米波雷達+激光雷達”的組合——掃描百米外的路面，識別車輛和行人，精度到厘米級即夠用。具身智能的傳感器則是一張遠為復雜的清單：除了同樣的視覺傳感器，還需要六維力傳感器（感知手指和物體的接觸力矩）、觸覺陣列（感知材質和滑移）、IMU慣性單元（維持全身平衡）、關節編碼器（實時反饋每個關節的角度和速度）。不光是種類多，精度要求也差了數量級——觸覺傳感器的力分辨率必須達到0.01牛頓，相當于一根頭發絲掉到手指上的力度；靈巧操作需要在毫米級空間內施加毫牛頓級的力控，擰螺絲勁大了滑絲、勁小了擰不進去；數據采集更要求亞毫米級的物理精確性和微秒級的多模態時間同步。

其次是執行。

AD的動作輸出是軌跡規劃——方向盤打多少度、油門踩多深。本質上，它在控制一個高度抽象化的物理系統——四個輪子的速度矢量。具身智能的執行則分成兩道完全不同的題。下半身是運動控制：四足機器人需要在非平坦地面上動態平衡，雙足機器人需要協調幾十個關節完成行走、奔跑乃至后空翻。上半身是靈巧操作：擰一顆螺絲需要手指在毫米級空間內施加精確到毫牛頓的力——勁大了螺紋滑絲，勁小了擰不進去。

第三是模型。

在這個維度上，AD和具身的差距可能比傳感和執行更大。

AD的模型范式已經在快速收斂，具身智能大模型當前連范式都沒收斂——VLA、世界動作模型（WAM）、聯合嵌入預測架構（JEPA）、端到端強化學習，幾條路線各說各話，沒有哪個被證明明顯優于其他。更根本的難題在于：具身智能的模型和本體是深度綁定的。AD的模型解決了“怎么開”的問題后，可以部署在幾乎任何一輛四輪車上，但具身的本體千差萬別——雙足人形和輪式雙臂的動力學方程完全不同，靈巧手和物理夾爪的控制策略不在一個維度上。在范式突破之前，在當前本體多樣化的階段，沒有一個通用模型能覆蓋所有構型。

破殼機器人創始人許華哲的判斷一針見血：“具身智能不是機器人學、不是自動駕駛——是物理AGI新物種”。AD是一個為了“安全移動”這一單一目標而高度特化的子集，具身智能則是面向通用物理交互的全新系統。把子集當作全集的基礎，是方向性的誤判。因此，自動駕駛是具身智能的上半場這一句不成立：從AD到具身，需要跨越的不是一條小馬就能趟過去的河，而是一片廣袤的大陸。

根本就沒有上半場

如果AD真的是具身智能不可或缺的上半場，那么，邏輯推論應該很清晰：從未涉足AD的公司，理應在具身賽道上舉步維艱。但跑在最前列的幾家明星公司，恰恰構成了有力的反證。

宇樹科技是這條反證鏈條上最硬的代表。王興興2016年8月創立宇樹，比國內AD產業爆發早了整整五年。從早期Go1四足機器人到20臺G1登上2026年春晚同步完成彈射、大回環、連續翻滾，宇樹的元能力來自十年死磕四足動力學——關節要多少力矩、重心什么時候轉移，這些問題的答案不在任何一篇AD論文里。

智元機器人則是另一條路徑。2023年2月，稚暉君從華為離職創立智元。三年后，智元2025年出貨量達到5168臺，超過宇樹成為全球人形機器人出貨量第一，用3年走完了宇樹10年走的路。智元的元能力來源并非AD賽道降維，而是極客工程執念加上一整套華為大廠訓練出的組織方法論——前華為副總裁鄧泰華是真正的操盤者，管理團隊中有一大批華為23到24級的老將。

宇樹和智元這兩條線，一條是十年死磕硬件，一條是三年操盤生態——沒有一條經過AD。它們共同指向一個簡單結論：元能力的來源是多元的。AD帶來的系統工程能力是寶貴的一支，但極客的破局力、硬件死磕者的長期主義，同樣能在具身智能的土壤中長出強大的根系。

從AD涌向具身智能的人才潮是真實的，但這股潮水沖過來的，是AD人被量產工程淬煉出的元能力：定義問題、拆解任務、在嚴苛約束下做關鍵取舍的底層慣性。不是模型，不是算法，不是任何一個可以在兩個行業間直接搬運的技術模塊。如果技術真能無縫遷移，機器人賽道恐怕早已跑步進入成熟期了。

于是，真正的問題變成了另一個：那些從AD戰場走來的戰士，帶著他們珍貴的元能力，在新賽道上，跑得過那些從十年死磕硬件、從極客工程、從更早的機器人產業中拿到了同樣能力的人嗎？要知道，元能力只是入場券，而能不能走到終點，永遠取決于在新戰場上的創新力與執行力。