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）