人形机器人不该造车？Sterling Anderson的质疑与通用AI路线

当通用汽车大谈AI造车，有人唱反调

上周在纽约的一场盛大活动上，通用汽车（GM）公布了以AI驱动车辆开发、先进电池技术、高算力车载计算机和自动驾驶为核心的新技术路线图。部分内容并不新鲜：这家车企早已公开正在研发双手离方向盘、视线离开路面的驾驶自动化功能，并一直在试制新型电池化学体系。

然而，据科技媒体TechCrunch报道，前Aurora联合创始人、现任职于某自动驾驶公司的Sterling Anderson对此提出了一个尖锐观点：人形机器人不应该被用来造车。这一表态与通用汽车描绘的AI全面渗透汽车制造的愿景形成了直接碰撞。

通用汽车的AI路线图：熟悉与新颖并存

通用汽车此次公布的技术路线图覆盖多个层面。在车辆开发环节，AI被定位为加速设计、仿真和测试的核心工具；电池方面，公司继续推进新化学体系的原型验证，旨在提升能量密度与安全性；车载计算平台则强调高算力，以支撑更复杂的智能功能；自动驾驶方面，通用重申了其双手离方向盘、视线离开路面的驾驶自动化路线。

不过，这份路线图并未详细说明人形机器人在其中的角色。这也为后续的争议埋下了伏笔。

Sterling Anderson的质疑：人形机器人不是造车的最优解

Sterling Anderson的观点直指当前制造业的一股热潮——将人形机器人引入汽车生产线。据TechCrunch报道，Anderson认为人形机器人并不适合承担造车任务。

这一质疑的底层逻辑值得拆解。汽车制造是高度结构化、节拍化的流程，每个工位有明确的空间约束、负载要求和精度标准。人形机器人的双足行走和拟人手臂在通用性上看似灵活，但在重复性、高负载、高精度的装配场景中，其效率与稳定性往往不如专用机械臂。更关键的是，人形机器人的成本、维护复杂度和安全认证难度，在量产环境中都是现实障碍。

Anderson的立场并非否定机器人技术本身，而是对“人形”这一形态在特定工业场景中的合理性提出疑问。这与通用汽车将AI作为造车核心驱动力的叙事并不矛盾——AI可以优化流程，但未必需要以人形机器人的形态落地。

专用机械臂（如六轴工业机器人）与协作机器人是当前汽车产线的主流自动化设备。它们按固定节拍执行焊接、涂装、搬运等任务，重复定位精度可达亚毫米级，且结构简单、维护成熟。相比之下，人形机器人需要双足平衡、多关节协调和复杂感知，在相同负载下往往自重更大、能耗更高，安全认证也缺乏现成标准。汽车总装线的工位空间通常按人体尺度设计，但节拍要求极高，专用设备在单位时间产出上更具优势。因此，判断人形机器人是否适用，关键在于工位是否具备高度结构化特征，而非单纯比较形态灵活性。

争议背后：AI造车的两条路径

通用汽车的路线图与Anderson的质疑，实际上反映了AI进入汽车产业的两条不同路径。

一条路径是软件与算法驱动：通过AI加速车辆设计、电池材料发现、自动驾驶算法迭代。这是通用汽车明确投入的方向，也是当前大多数车企和科技公司的共识。

另一条路径是硬件形态创新：用人形机器人替代或辅助人工完成装配、检测等任务。这条路径吸引了大量初创公司和资本，但在实际落地中面临工程经济性的拷问。

Anderson的发言为后者泼了一盆冷水。说一下，他的观点来自单一来源（TechCrunch的报道），尚未看到通用汽车或其他人形机器人厂商的公开回应。因此，人形机器人是否真的不适合造车，仍是一个开放问题，取决于具体工位、成本曲线和技术成熟度。

工程经济性通常指一项技术在量产环境中是否具备可接受的投入产出比，涵盖设备购置成本、维护费用、停机损失、良率影响和安全合规成本。对于汽车制造，节拍以秒计算，任何工位的效率波动都会沿产线放大。人形机器人若要在总装线上替代人工，其单机成本需降至与人工或专机可竞争的水平，同时保证连续作业的稳定性和安全冗余。当前人形机器人尚处于小批量验证阶段，成本曲线和可靠性数据有限，这使得“是否适合造车”的讨论更依赖具体场景假设而非普适结论。

对行业的启示

对于关注AI与制造业融合的读者，这场争论提供了几个思考角度。

第一，AI的价值不只在形态。 通用汽车将AI嵌入车辆开发、电池和自动驾驶的全链条，说明AI的工业价值可以脱离“机器人长什么样”的讨论独立存在。

第二，人形机器人的落地场景需要更精细的筛选。 在汽车总装线上与人协作、搬运不规则物料、执行柔性任务，可能是人形机器人更现实的切入点，而非全面替代现有专机设备。

第三，车企的技术叙事需要工程验证。 通用汽车的路线图包含大量已知方向，真正的差异化在于执行速度和成本控制。Anderson的质疑本质上是在提醒行业：不要被形态创新迷惑，要回到制造效率的基本面。

目前，通用汽车尚未就人形机器人在其制造体系中的定位给出详细说明。这场关于“谁该造车”的讨论，预计还会持续。