完成自动化总装后，小鹏集团人形机器人IRON自主走下新启用的生产线。

　　按照公司披露的数据 ，产线核心制程自动化率超过80% 。小鹏集团计划在2026年年底进入规模量产阶段，并于2027年面向中国及海外市场正式上市交付。

　　“首批商业应用将从小鹏集团的门店和园区起步
。 ”小鹏集团相关负责人向《中国经营报》记者介绍
，公司将整合汽车业务积累的供应链、车规级制造等资源，支撑机器人量产和商业化 ，并通过后续应用中的真实场景数据与人类示教数据
，推动AI模型训练迭代。

　　国研新经济研究院创始院长 、智能经济首席专家朱克力在接受《中国经营报》记者采访时表示，车企成熟的质量体系具有重要借鉴价值 ，对人形机器人量产的评价还需延伸至实际使用 。“人形机器人量产成熟的终极标准
，是大规模交付后故障率可控、作业稳定
、运维可负担
。”

　　从图纸开始设计量产

　　“产品与产线同步设计，从图纸起即为规模化量产而生。
”小鹏集团相关负责人在回复记者的提问时 ，将这一做法称为以可规模量产为目标的正向开发 。

　　按照小鹏集团介绍
，新产线将整车级质量体系与精密制造相结合，以车规级一致性标准建立机器人量产品质体系
。公司希望通过关键工序的自动化和高柔性制造 ，保障装配及生产过程的一致性
，为后续规模生产和快速扩产提供支持。

　　在资源组织上，小鹏集团将过去12年在软硬件全栈自研方面的积累引入机器人业务 。汽车业务提供供应链、车规级制造和全球化布局资源 ，自动驾驶业务则提供图灵AI芯片 、AI基础设施和物理世界基座模型等技术支持
。小鹏集团相关负责人表示，公司能够调动集团资源协作
，帮助机器人更快实现量产和商业化。

　　围绕生产能力建设，小鹏集团董事长
、CEO何小鹏表示 ，未来将持续探索更快的生产节拍、更大规模的机器人制造能力 。在产线启用前
，小鹏集团机器人业务已于8月24日完成首轮股权融资，融资额超过9亿美元 ，投后估值超过63亿美元
。

　　汽车质量体系如何适配机器人产品
，也是受访专家关注的重点。

　　资深企业战略和技术创新管理专家 、科方得询问 机构负责人张新原在接受记者采访时表示，人形机器人的产品形态
、工艺路线和行业标准仍在变化 ，企业应将整车级质量方法转化为机器人专用的验证体系
，覆盖关键部件准入、整机耐久测试 、小批量试产与小范围现场运行验证 。

　　张新原建议，将整机良率进一步拆解到关节
、灵巧手等关键部件 ，结合批次一致性、关节寿命等表现评价批量产品的可靠性
，同时将测试与售后备件支出纳入成本评价。

　　“只有良率 、节拍
、一致性、可靠性和成本同时改善，自动化率才有量产意义
。”张新原说。

　　对于生产线如何适应产品迭代 ，朱克力建议关注柔性生产节拍及核心零部件的疲劳可靠性 。他认为，人形机器人的关节 、感知和控制算法仍在快速迭代
，制造体系需要保留适配硬件变化的能力；成本核算则应覆盖研发、折旧和运维分摊，而不局限于装配环节
。

　　在张新原提出的评价体系中 ，制造端的良率和节拍还要与交付后的运行表现衔接
，现场故障间隔
、平均修复时间以及软件升级稳定性，都应纳入评价。

　　从门店园区积累能力

　　“门店和园区是较合理的起点 ，因为环境相对可控
，任务可重复，人能提供监督和兜底 。 ”针对小鹏集团首批商业应用的选取  ，张新原向记者表示
，任务是否高频、是否需要双足或人形结构 、失败后能否方便人工接管，以及能否按工时或服务结果计算收益 ，都应成为场景选取 的依据
。

　　小鹏集团为IRON的实际应用配置了端侧AI能力。据公司披露
，IRON搭载3颗图灵AI芯片，有效算力为2250 TOPS ，物理AI大模型已实现端侧部署 。公司称，机器人可在无需遥操的情况下自主完成复杂工作任务
，并兼顾推理时延与数据安全
。

　　在硬件与场景适配方面，小鹏集团相关负责人认为 ，高度拟人的机器人平台有利于利用人类日常行为数据
，并适配为人设计的应用环境。按照公司介绍，IRON全身拥有76个自由度 ，单手拥有21个自由度 。

　　对于这些能力如何进入具体工作
，朱克力建议“以场景刚需倒推产品定义
”，优先平衡任务刚需
、风险可控、成本可算和模式可复制
。他认为 ，企业可以围绕巡检 、值守
、搬运等基础作业建立标准化任务包
，在较低复杂度的场景中探索付费运营，再逐步拓展应用范围。

　　张新原则把商业化评价落到单台机器人上：它能够承担多少工时、降低多少风险 、增加多少收入 ，复制到下一个门店或园区又需要多少部署成本 。他建议
，从巡检
、搬运、引导 、简单零售辅助等任务切入，积累运行数据后 ，再逐步增加操作复杂度。

　　小鹏集团对应用场景的规划，还包括利用其中积累的数据改进模型
。公司在采访回复中表示
，随着IRON量产应用，将获得真实场景数据和人类示教数据 ，用于加速AI模型训练。

　　小鹏集团相关负责人表示：“持续提升的模型能力又将支持机器人进入更多场景
、产生更多高质量数据 。”公司希望形成“数据—模型—应用 ”的持续迭代过程
，让IRON在真实世界中提升能力
。

　　对于应用数据如何支持后续推广，朱克力认为 ，仿真能够承担基础训练
，但真实场景中的细微扰动、非标准交互和复杂工况仍需要真机验证；高质量在岗作业数据的积累，以及对低频复杂任务的处理能力 ，是推动规模化商用的重要环节。

　　他建议
，将作业 、故障和安全数据分类沉淀，结合仿真预训练与真机实测降低试错成本 。在模型评测上 ，应把长期稳定性、故障恢复能力和场景泛化能力作为重点
，并为超出机器人能力范围的任务设置人工兜底机制
。

　　张新原进一步指出，真实场景数据存在标注成本高
、噪声大和任务覆盖有限等特点 ，人类示教动作也不能直接全部复用于机器人。因此，企业需要统一任务标签、环境参数和操作结果等采集标准
，同时将隐私脱敏 、权限管理与现场安全措施纳入应用流程 。

　　“只有让数据可比较
、模型可评测、场景可复制，数据积累才会转化为机器人能力提升和应用范围扩大
。
”张新原说。

（文章来源：中国经营网）