特斯拉FSD杀到，中国智驾别当逃兵

对中国科技界来说，具身智能不是平坦路，也不是遮羞布。

没有人会怀疑，2026年将是中国智能汽车史上的一道分水岭。

特斯拉FSD监督版（FSD Supervised），这只被念叨了多年的“狼”，终于要真刀真枪地踏上中国的土地。

北上广深等十座大城市，特斯拉中国正在急聘智驾测试技师；官方高层在财报会议上明确表态：力争2026年第三季度获得全面批准。时间表已定，箭在弦上。

这无疑是一场大考。对于中国所有智驾玩家而言，特斯拉FSD就像一面照妖镜——谁是真功夫，谁是花架子，届时一目了然。

然而，就在这场大考临近之际，一个诡异的现象却在中国汽车智能化圈子里蔓延开来：大量原本深耕智驾的企业和人才，正纷纷调转船头，涌向一个名为“具身智能”的新赛道。

仿佛一夜之间，智驾成了“旧世界”，具身智能才是“新大陆”。

这场景，像极了2015年O2O泡沫前夕，又像极了2021年元宇宙狂欢的前夜。

但我们需要问一个比追逐风口更本质的问题：当特斯拉FSD真的兵临城下，那些把重心转向机器人的中国智驾玩家，还能不能挺起腰杆正面迎战？具身智能，究竟是下一个黄金十年，还是又一个被资本吹大的泡沫？

要回答这个问题，得先从智驾人才的“大逃亡”说起。

 

另起炉灶，还是望风而逃？

中国智驾行业在过去五年里，经历了从“野蛮生长”到“卷无可卷”的完整周期。

曾几何时，智驾是汽车行业最性感的标签。小鹏、理想、蔚来们不惜重金自研算法，华为以“遥遥领先”的姿态横扫市场，地平线、禾赛科技等供应商更是成了资本市场的宠儿。“端到端”“VLA大模型”“自研芯片”——每个玩家都能讲出一套动听的技术故事。

但到了今天，这些故事已经很难再让投资人心跳加速了。

原因很简单：同质化。你能端到端，我也能；你用英伟达Orin，我也用；你发布城市NOA，我下周就OTA。技术路线趋同，核心指标拉不开差距，护城河越挖越浅。更要命的是，L4级别的完全自动驾驶迟迟无法兑现，资本对“远期故事”的耐心正在耗尽。

于是，智驾赛道从“风口”变成了“卷场”。人才开始外溢，资本开始撤退。

而具身智能，恰好在此时递上了一根稻草。

 

 

人形机器人这个概念，比自动驾驶更宏大、更有想象空间。它不再是“车在路上跑”，而是“机器人在任何地方干活”——家庭、工厂、商场、医院。它被包装成“AI的终极形态”，甚至被某些人誉为“第四次工业革命的标志”。

资本闻风而动。当人形机器人登上了春晚，跳起了秧歌；资本疯狂下注，单轮融资动辄数亿乃至十几亿美元。

宇树科技、智元机器人、银河通用……一家接一家公司拿到巨额融资。而智驾领域的技术骨干，因为技能高度相通（感知、规划、控制、深度学习），成了机器人公司最理想的挖角对象。

有猎头透露，从智驾跳槽到具身智能，30%的涨薪是起步价，稀缺算法岗直接翻倍，资深专家带团队过去，薪资翻三倍也不罕见。

智驾工程师们以30%到翻倍的涨薪幅度，跳槽去搞机器人。前小鹏副总裁李力耘去了众擎机器人，前地平线副总裁余轶南创立了维他动力，前百度Apollo总裁李振宇下场做人形机器人……

不仅打工人动心，连公司也在“换旗”。

全球最大的车载激光雷达厂商禾赛科技，宣布战略升级：从“空间感知”进化为“空间智能”，开始为人形机器人、割草机器人、无人配送车提供感知硬件。地平线（全称“地平线机器人”）将机器人事业部拆分为独立的地瓜机器人，专门做机器人芯片。轻舟智航更是直接修改公司使命，要成为“全球领先的通用物理AI公司”。

表面上看，这是技术自然的延伸——都是感知、决策、控制，换个载体而已。但深层次里，未尝不是一种对智驾主战场的“战略性撤退”。

FSD还没来，自己先乱了阵脚。这究竟是另起炉灶的远见，还是望风而逃的焦虑？

要看清这个问题，不能只看资本流向和人才流动，必须回到技术本身。具身智能真的比智驾更容易实现吗？答案可能恰恰相反。

 

具身智能，看起来很美

人形机器人在春晚舞台上整齐划一地跳舞，视频点击量动辄上亿。评论区里，人们激动地宣布：“机器人时代终于来了！”

然而，如果你有机会走进这些机器人公司的实验室，看到后台那些被剪辑掉的NG镜头——抓杯子滑脱、走路绊脚、识别错误导致的碰撞——你就会明白，从“demo”到“产品”，中间还隔着好几道物理世界的“天堑”。

这些天堑，恰好可以用四个字来概括：冷、硬、重、稠。它们也是L4自动驾驶至今未能真正落地的同一组瓶颈。

第一个字：“冷”。

这里的“冷”，不是温度，而是指空间感知必须是冷冰冰的精确数据，容不得半点模煳。

人类对空间的理解是模煳的、直觉的。你让我去餐桌上拿个杯子，我扫一眼就知道它在哪、怎么伸手，脑子里不需要知道杯口的精确朝向角度，也不需要知道把手的三维坐标。

但机器人不行。它必须拿到毫米级的精确数据：杯口中心点在世界坐标系中的位置，抓取点与杯壁的距离，把手的朝向矢量。少一个数，后面的规划和控利就没法做。

 

问题在于，当前的传感器给不出这么高精度的数据。透明玻璃杯，深度相机发出的红外光会直接穿透，或者产生大量噪点；激光雷达在近距离下的精度和分辨率也不够。

这不是换个算法模型能解决的问题，这是传感器物理原理的上限。

第二个字：“硬”。

“硬”是指物理推演是硬约束，不能靠“猜”或者“蒙”。

还是拿杯子。手伸过去，指尖碰到杯壁的那一瞬间，机器人必须在毫秒级时间内回答：杯子会滑吗？该用多大力？力加到这个值会不会捏碎？如果在滑，是增加摩擦力还是改变姿态？

人类做这件事几乎不消耗认知资源——这是几百万年进化刻进我们本能里的物理直觉。

但机器人没有这种本能。它只能走两条路：要么用显式物理引擎（比如MuJoCo、PhysX）在内部模拟，精确但计算量大，做不到实时；要么用神经网络从数据中学习一个“隐式物理模型”，速度快，但遇到训练集中没见过的材质（比如磨砂玻璃、带纹理的陶瓷），预测就会严重偏差。

第三个字：“重”。

“重”指的是触觉反馈和力控的重要性。这是外行最容易忽略、内行最头疼的瓶颈。

视觉能告诉机器人杯子的位置和姿态，但拿稳杯子的关键，在于指尖的触觉。当你拿起一个杯子时，你的手指在接触杯壁的瞬间，会感知到微小的滑移，然后自动微调力度；当你感觉到杯子已经稳固时，力度会保持在刚好不滑也不碎的临界点。这个过程每秒循环数十次，完全无意识。

机器人要做到这一点，需要三样东西：高分辨率的触觉传感器（能感知压力分布和滑移）、毫秒级的力控算法、以及将触觉信号与执行器指令实时闭环的模型。

遗憾的是，第一关就卡住了。目前市面上的触觉传感器，要么太贵（比如基于光学原理的），要么分辨率不够，要么可靠性差、用几次就漂移。

工业界的主流做法是干脆不用触觉——用位置控制“盲抓”，把机械爪开到比物体略小的间距，靠几何约束卡住。这也就是为什么几乎所有机器人demo都在抓方方正正的积木块，而不敢碰玻璃杯、鸡蛋、软质物体。

第四个字：“稠”。

“稠”是指真实环境的信息密度极高，远比实验室复杂。

在实验室里，机器人面对的是一张干净的桌子，上面孤零零地放着一个杯子。但在真实的厨房里，杯子旁边有碗、盘子、调料瓶、抹布；它们可能堆叠、倒扣、相互倚靠。机器人要从这一堆“乱七八糟”中精准地取出杯子，不能碰倒任何东西。

这不仅需要识别出每一个物体，还需要理解它们之间的空间关系和物理依赖：这个盘子是压在杯子上的吗？如果我抽走杯子，上面的碗会不会掉下来？如果我绕过这个调料瓶，手臂会不会碰到旁边的热水壶？

场景复杂度带来的不是线性增长，而是指数级增长。目前，没有任何一个系统能在这样的稠密场景中稳定完成操作。L4自动驾驶在高峰期的闹市区路口，面对乱窜的电动车、犹豫的行人、压线的公交车，同样是“稠”得令人窒息。

更关键的是，这四个字不是孤立的。没有“冷”的精确感知，“硬”的推演就没有可靠输入；推演出来了，没有“重”的触觉反馈，就不知道执行得对不对；前三者勉强过线，面对“稠”的复杂环境，算力和算法又会双双崩溃。

这是一串连环锁。解开它需要的不是更多的融资新闻，而是传感器、执行器、算法三个层面的根本性突破。而这，绝不是两三年内能完成的事。

 

前途，还是钱途？

历史总是押韵的。

过去十年，我们见证了区块链的狂热——技术极客们信誓旦旦地说“去中心化将重构世界”，摩根大通、高盛纷纷入场，加密货币市值一度突破三万亿美元。然后呢？泡沫破裂，一地鸡毛。除了比特币和以太坊等少数幸存者，绝大多数项目已经归零。

接着是元宇宙。Facebook直接改名Meta，扎克伯格在虚拟会议室里竖起大拇指的画面传遍全球。各大科技公司争先恐后发布VR/AR硬件，虚拟地产炒到天价。然后呢？出货量不及预期，用户留存率惨淡，Meta的元宇宙部门每年亏损上百亿美元，资本一哄而散。

具身智能身上，有着太多相似的气味。

当然，它比区块链和元宇宙更“实”——毕竟机器人是物理实体，不是纯虚拟概念。但“实物”不代表“商品”。波士顿动力就是一个绝佳的参照物。

论技术，它的机器人能跑酷、后空翻、跳舞，全球没有任何公司能比。但成立三十多年来，波士顿动力始终无法实现盈利，被谷歌卖、被软银卖，现代汽车接盘后仍在苦苦探索商业化路径。

为什么？因为没有任何个人或企业愿意花几十万美元，买一个在真实场景中经常摔倒、抓不住东西、续航只有几十分钟的“高科技玩具”。

资本可以吹起估值，但吹不动物理定律。

另一个值得注意的事实是：特斯拉也在做人形机器人（Optimus），但马斯克从来没有一刻放松过对智能驾驶和造车的主业投入。

FSD的迭代速度在加快，4680电池在扩产，德州工厂和墨西哥工厂在推进。对于马斯克来说，机器人是“远期期权”，而汽车是“当下命脉”——前者可以为后者增添想象空间，但绝不能以牺牲后者为代价。

反观国内某些企业，智驾的核心竞争力还没站稳，就忙着把公司定位改成“通用物理AI”，把最优秀的人才调去研发机器人抓取算法。这究竟是看到了更远的未来，还是被资本的叙事吹晕了头？

当特斯拉FSD真正进入中国市场，那些已经把资源和心力分散到机器人业务上的智驾团队，还能不能拿出足够强硬的产品来迎战？这个问题，比“人形机器人什么时候进家庭”更紧迫，也更有现实意义。

 

不要用语言模型的进化速度，去套物理世界的智能。 一个是在数据的海洋里找规律，一个是必须在牛顿力学的考场里拿满分。后者的每一分进步，都需要传感器、执行器、算法、功耗、成本的全面突破——没有捷径可走。

在真正看到那段“一镜到底、无剪辑”的视频之前——一个机器人走进一个从未去过的厨房，面对一堆从未见过的餐具，从容地拿起一个玻璃杯，没有捏碎，没有滑脱，也没有碰倒旁边的任何东西——我们不妨对具身智能的热潮，多保留几分冷静。

FSD的大考即将来临。先守好自己的阵地，比追逐下一个风口，更值得尊重。

 

延伸阅读：

• 特斯拉在韩国发布FSD软件
• 特斯拉在美国开售官方认证二手Cybertruck