小鵬機器人IRON來了!董座拍胸「2026大規模量產」:特斯拉危險了?為何機器擬人很關鍵?
小鵬機器人IRON來了!董座拍胸「2026大規模量產」:特斯拉危險了?為何機器擬人很關鍵?

小鵬汽車(09868-HKXPEV-US)第七屆「科技日」於週三(5 日)登場。

這場以「湧現」為主題的發表會,揭示其深耕十年 AI 技術的階段性成果:從智慧汽車到人形機器人,從 Robotaxi 到飛行汽車,小鵬以「實體 AI」為核心,展示多款顛覆性產品,宣告公司正從「造車新勢力」加速轉型為「AI 科技公司」。

關鍵理念|從「物理 AI」貫通真實世界

小鵬汽車董事長何小鵬開場表示:「當技術累積突破臨界點,孤立難題會突然貫通。」這一「貫通」的關鍵,正是「物理 AI」——深度融合數位世界與物理世界的智慧範式。

不同於傳統 AI 依賴單一模態或偏重虛擬數據,物理 AI 需同時處理影像、雷達、溫度、IMU 等多元輸入,並具備時間預測、自我監督學習與具身智能的適配能力,被視為「真・具身智能」的基石。

技術突破|第二代 VLA「拆掉語言層」

作為最貼近用戶的落地成果,小鵬第二代 VLA(視覺—語言—動作)大模型引發產業關注。不同於第一代,其核心突破在於「拆掉語言層」。傳統 VLA 需透過「視覺→語言→動作」的兩次轉譯,易產生延遲與資訊損耗;第二代 VLA 則直接讓模型理解真實世界,如同人類「看路」而非「聽人讀路」。

這一跨越源自「物理世界模型」的底層重構。何小鵬透露,團隊從「大語言模型」轉向「實體世界模型」的關鍵,始於今年第二季的一次「巨大跳躍」。

為訓練此模型,小鵬投入近 1 億支影片片段(相當於 6.5 萬年駕駛場景),依託三顆自研「圖靈」晶片(峰值算力 2250 TOPS)及 3 萬張阿里雲卡組成的算力集群,達成「五天全鏈路迭代一次」的高效率開發。

技術升級直接轉化為體驗躍升。第二代 VLA 將支援「小路 NGP」,貫通高速、城市與園區,並適配歐洲路況;「無導航自動輔助駕駛」Super LCC、「理解紅綠燈」、「招手即停」等功能,讓輔助駕駛從「技能包堆砌」走向「類人本能」。更具產業意義的是,小鵬宣布開源第二代 VLA,並與福斯深化合作,推動技術落地至大眾車型。

落地時間表|Robotaxi 與 L4 產品

科技日另一焦點是小鵬 Robotaxi 的明確落地時間表:明年將推出 3 款 L4 級產品。這些車輛基於第二代 VLA 與圖靈晶片打造,標配四顆圖靈晶片,並以單顆作為安全備份,實現轉向、感知、能源、煞車等全系統冗餘。

不同於純共享模式,小鵬提出「私享+營運」雙路徑:C 端用戶可購買具備 L4 體驗的車輛,供家庭內部共享;B 端則提供商業營運服務。何小鵬強調,整車廠親自下場做 Robotaxi 具備成本與泛化優勢,「從中國走向全球,必須由軟硬體一體的車廠主導」。配合 Robotaxi 上線,小鵬無人駕駛出行試營運將自 2026 年起,從廣州擴展至全國及全球。

人形機器人|IRON 的硬體與軟體雙突破

此外,作為科技日當天的「人氣王」,全新一代人形機器人 IRON 標誌著小鵬堅定選擇「擬人路線」。何小鵬解釋:「不擬人,就無法從人類生活中獲取有價值的數據。」

IRON 凝結了小鵬在硬體與軟體上的雙重突破。硬體方面,IRON 採用「骨骼—肌肉—皮膚」仿生結構,擁有業界最小的仿人脊椎、以晶格材料模擬肌肉、無縫工藝皮膚支援觸覺感測;主要配備超大面積 3D 曲面螢幕與 22 自由度機械手(人類約 27 個),靈活度接近人類;反向仿生肩背結構可實現聳肩、胸夾等動作。

軟體方面,IRON 搭載三顆圖靈晶片(2250 TOPS 算力),首次引入「VLT 大模型」,具備深度思考與自主決策能力。安全上,IRON 採用全固態電池;何小鵬直言,人形機器人有望成為全固態電池量產的最大推手。

量產計畫亦已提上日程:今年第一季末進入軟硬體「合圍」階段,最快於 2026 年實現大規模量產。何小鵬預測,IRON 將優先進入導購、導覽等場景,而非僅止於「打螺絲」,未來有望推動社會崗位結構變化。

延伸版圖|飛行汽車與移動生態

除上述主角,科技日亦提及飛行汽車「陸地航母」預計 2026 年量產、匯天 A868 全傾轉固定翼飛行車進入試飛等,勾勒出小鵬「移動出行生態」的全景圖。

第七屆科技日的「湧現」,本質上是小鵬十年「物理 AI」技術積累的集中爆發:從車端算力突破四位數的長期堆疊,到自研圖靈晶片、基座大模型的沉澱,最終在「物理世界模型」中實現技術井噴。

這場發表會不僅是產品秀,更是小鵬轉型為「AI 科技公司」的宣言。當「實體 AI」貫通數位與實體世界,小鵬正以智慧汽車為原點,向 Robotaxi、人形機器人與飛行汽車延伸,繪製一幅「萬物可智慧互動」的未來圖景。

本文授權轉載自:鉅亨網

延伸閱讀:達明機器人測試產線曝光!人形機器人為何「不做腿」?營運長親揭背後考量
讓機器人翻跟斗能解決什麼?」工研院張禎元:台灣若主導「AI分身」規格,將帶來無限商機

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓