4月15日，百度创始人李彦宏强调，汽车机器人代表了未来的发展方向，未来的汽车机器人将能够学习用户的各种信息和喜好，从而越来越了解用户。
在此之前，小鹏汽车董事长何小鹏也认为：
自动驾驶本质上是机器人科学，智能汽车公司最终也会和机器人公司在技术、产品、生态等等方面融合。
而马斯克曾在AI Day上也这样说道：“特斯拉或许是世界上最大的机器人公司。因为我们的车就像是带着轮子的半智能机器人。”
其实智能汽车与机器人的用户群体有着一定相似度，供应链重叠度也较高，智能汽车的技术框架与智能机器人则基本一致，只是功能要求差异。因此汽车本质上完全可以理解为一种机器人。
有机构调研发现，两者硬件供应链均涉及
电池系统、驱动系统、热管理、视觉系统、传感器和结构件，
同时两者在市场增长曲线上也有着高度一致性。
例如有预测认为，2023年全球激光雷达市场规模快速攀升，车端市场2030年整体市场规模将突破万亿人民币，而机器人端市场规模也有望达到2162亿元，对比可以发现增长曲线具有高相似度。
软件算法上则同样，不仅感知和规划控制软件算法可以互用，而且操作系统基于中间件ROS可以进行适配。同时，在无人驾驶、车机协同等需求下，汽车也开始接入大模型技术，提升中央计算平台的性能、算力要求，实现更智能化的升级，这使得两者技术的复用性非常强。
特斯拉之前在知乎的一篇文章中提出了类似的观点。其“车更懂人”的观点下，就提到从基础要素上看，特斯拉车辆可以称得上
“半智能机器人”
。
关于汽车和机器人双方的共通点，特斯拉也解释到，智能机器人的定义中，有三个关键部分：
感觉要素、反应要素和思考要素。
其中感觉要素即是各类传感器，反应要素即是车辆行驶系所操控的部分，而其中思考要素即是FSD计算机和背后的人工神经网络。
李彦宏之前则认为，新质生产力里，创新空间最大的就是人工智能。他表示，未来的汽车不但听得懂话，还能自主驾驶，其实是典型的
“汽车机器人”。但百度的路径还是AI技术底座，也就是所谓
“知识增强大模型”
，并希望AI技术与物理世界不同的人群、场景结合，让其不经意间融入到社会的脉络中。
当然，虽然部分核心技术能够直接复用，汽车与机器人的不同点也是非常明显。
例如受限于体积，相比车端，机器人电池成本占比无疑降低，电机电控成本占比提高。有分析指出，电池在电车/机器人成本占比分别为
38%、2%，
电机电控占比为
12%、40%，
或者可以说在智能机器人其实更类似一种精密控制技术。
例如在执行层面，汽车需要通过四个轮子在较高速环境实现转向、加减速（横向纵向运动），相对比较简单；而机器人的运动控制执行层挑战更大，需要考虑精细化、多元化、立体化的执行。
又例如在应用场景上，汽车行驶道路属于相对结构化场景，作出决策一般遵循交通规则，安全性要求高。而机器人的工作场景大多非结构化，没有太多规则限定，环境也更加复杂，在规划决策层面还要满足交互的功能。
因此在解决方案上很难完全复制，双方目前基本也都有着不同的解决路径，延展出不同的生态和技术逻辑。
例如特斯拉目前做法是自研FSD芯片以及人工神经网络软件，通过海量数据的自动标注来快读获得有效训练“材料”，再通过Dojo不断训练神经网络使其加速“认知”世界。但特斯拉也认为Swin Transformer、NÜWA等模型快速发展后，计算机视觉和自然语言处理的架构开始融合并走向统一，也可能加速智能机器人的出现。
而在Create 2024百度AI开发者大会上，李彦宏则表示，未来大型的AI原生应用基本都是MoE的，即：
大小模型的混用，不依赖一个模型来解决所有问题。
在一些特定场景中，经过精调后的小模型，它的使用效果可以媲美大模型。随着智能体能力的提升，会不断催生出大量的AI原生应用。智能体机制，包括理解、规划、反思和进化，它让机器像人一样思考和行动，可以自主完成复杂任务，在环境中持续学习、实现自我迭代和自我进化。
但综合而言，目前汽车行业的电动化和智能化两大趋势已经显露无疑，这种趋势极有可能在机器人领域得到重现。
据悉，在汽车自动驾驶领域进展更快的中游模组、下游系统厂商以及具有自主研发设计能力的上游器件厂商，目前已有部分将目光对准机器人，并在人形机器人领域实现批量应用。
那么，随着汽车和机器人概念结合的愈发紧密，企业和生态间的交叉融合又未尝不可？唯一需要考虑的，可能就是用户数据的隐私问题。因为以后的汽车机器人还真有可能会学习你各种各样的信息、学习你的喜好，越来越懂你。
