幸福魔方
30万内首个千匹家轿？实测比亚迪-汉L_我的网站
A |
B | 该图片使用了AI生成技术 本文来自微信公众号： 具身商业前哨 ，作者：何安 这次去上海参加WAIC，让我印象最深的活动是“智启具身论坛2026——迎接物理AI智能涌现”。 这场论坛的含金量，不只在于智元、PI、Dyna、Sunday、腾讯和高校研究者坐在同一张桌子上，更在于他们讨论的是数据从哪里来、模型往哪走、本体要不要自己做这些行业尚未回答的硬问题。而我们本期的主角——售价27.98万元的
比亚迪-汉L 2025款 EV 四驱激光雷达旗舰型，在3万转电机的加持下，最大功率更是达到了惊人的1102马力。 论坛最后，主持人问了一个所有人都关心的问题：机器人的“ChatGPT时刻”，到底什么时候来？ 智元合伙人、觅蜂科技董事长兼CEO姚卯青说，两年； Sunday Robotics联合创始人兼CEO赵子豪说，三年以内； 腾讯首席科学家、腾讯Robotics X实验室主任张正友说，三到五年； Dyna Robotics联合创始人兼首席科学家马也骋说，四年左右； Physical Intelligence研究科学家任至意说，四到五年； 佐治亚理工学院徐丹飞教授给出的答案是五年。
C | 几位嘉宾所在团队的技术路线和产品落地方式并不相同，但他们给出的时间判断却出奇地接近：两到五年。 这个共识，比我想象中更激进。不过，这些数字背后的口径未必相同。那么它的实际表现究竟如何？接下来，就跟随本期《之家实测》，一探究竟！
基础性能
本次测试的车型为比亚迪-汉L 2025款 EV 四驱激光雷达旗舰型，采用前交流异步电机+后永磁同步电机的双电机四驱布局。其中，前电机最大功率为313马力，后电机最大功率高达789马力，转速最高可达30511rpm，是目前全球范围内转速最高、功率最大的驱动电机。比亚迪-汉L官方0-100公里/小时加速时间为2.7秒。 姚卯青给出的定义相对明确：机器人能够开箱即用，听懂开放式自然语言指令，并在常见任务上达到70%—80%左右的基础成功率。加速测试前，车辆电池电量为97%，我们将驾驶模式设为“直线竞速”，在该模式下车辆电子稳定程序不可调。
D |
80-120公里/小时中途加速用时1.25秒，0-400米加速用时为10.21秒，尾速达到229.32公里/小时，100-200公里/小时加速用时仅为4.88秒，相比同价位的小米SU7 Max的6.90秒快了不少，后段加速表现可谓同级翘楚。如果要让机器人真正开箱即用，可能需要一亿小时级别的数据。 这一亿小时从哪里来？ 真机数据质量高，但采集成本太贵；仿真容易扩大规模，却始终存在虚实差距；互联网视频和第一视角数据数量足够，却未必能看清最关键的手部动作和力觉信息。 讨论中，一个被反复提及的数据来源是UMI。驾控安全性
麋鹿测试前，我们将比亚迪-汉L的相关设置调至工况所需，驾驶模式为舒适，动能回收为标准状态。 两句话放在一起，恰好勾勒出一条可能的数据路径： UMI解决“机器人还没有大规模上岗之前，去哪里获得经验”；部署数据则解决“机器人上岗以后，如何越干越好”。 任至意更看重真机数据，同时主张通过多源数据和跨本体训练，提高模型的泛化能力。 马也骋则把这些数据总结成一个“数据金字塔”。测试中，比亚迪-汉L的动态表现值得称赞，即便在舒适模式下，车辆的转向与反馈依然清晰准确，而凭借车尾略带轻微转向过度的表现，从A区进入B区时也轻松很多，但以上动态表现对于车手要求较高，毕竟转向过度的动态还需更多主动修正，车辆才能顺利进入C区。电子辅助系统方面，比亚迪-汉L的标定并不激进，介入时机、介入强度以及延续性都更偏运动车型，给车手更多控车空间的同时，也对车手要求更高，最终测试成绩75.9km/h。驾乘舒适性
E | 舒适性方面，
比亚迪-汉L的座椅舒适性不错，前排座椅包裹性适中，座椅填充物不算太软，长途驾驶中对于乘客身体的支撑性不错。配置方面，两排座椅均支持加热、通风、按摩功能，方向盘加热以及三温区的空调也没有缺席，此外，车辆还配有支持调温的冷暖箱且容量十分可观。比亚迪-汉L的加速踏板初段响应较为柔和，当踏板踩下超过三分之一行程后动力逐渐开始释放。 底层是规模最大、成本最低的互联网视频和人类第一视角数据，中间是真机多任务数据，塔尖则是数量最少、价值最高的部署数据，尤其是机器人犯错、停顿、恢复并最终完成任务的过程数据。 它不是在告诉机器人“理想情况下应该怎么做”，而是在教机器人“真实世界不按剧本走的时候怎么办”。 Dyna在酒店部署机器人完成折毛巾、折餐巾等任务时，会把前几次部署的数据重新放回预训练。经过实测，即使在经济模式下全力踩下加速踏板，比亚迪-汉L的加速依旧非常迅猛，0-400米冲刺尾速仍然可以来到时速200公里/小时，再加上其车尾偏转向过度的极限动态响应，在这里提醒各位车主和准车主，日常驾驶中还是得悠着点踩。
F |
比亚迪-汉L配有天神之眼B高阶辅助驾驶功能，在本月稍晚时候我们将对其进行详细的测试。空间
比亚迪-汉L的长宽高分别为5050*1960*1505毫米，轴距为2970毫米，定位于中大型车。 但真正到了资源投入上，各家公司押注的重点并不一样：有人优先扩大人类操作数据，有人坚持真机数据，有人则直接进入真实场景，用部署换数据。 这里有一个典型的鸡生蛋问题。车内前排头部空间较为充裕，后排则稍显局促，同时，以超过5米的车长来看，后排腿部空间中规中矩。车内每个位置的储物空间容积都较大，中央扶手箱还配有一个容积可观的冷暖箱。
G | 在常规状态下，后备厢可以轻松放入三个不同尺寸的行李箱，且还有部分余量，后排座椅不支持比例放倒，空间拓展性一般。 没有足够好的模型，客户不敢让机器人上岗；没有真实部署，机器人又拿不到最有价值的数据。 说白了，机器人的数据飞轮不是采出来的，是在真实场景里干活干出来的。
比亚迪-汉L还配有前备厢，前备厢开口和深度较大，储物容积十分可观，可以轻松放入一个24英寸行李箱。能耗经济性
本次测试的车型为比亚迪-汉L 2025款 EV 四驱激光雷达旗舰型，搭载自家的磷酸铁锂“刀片”电池，容量为83.2千瓦时，官方续航里程为601公里。测试前，我们将驾驶模式设置为“经济”，动能回收调至“较大回馈”，空调设定为23℃自动，关闭辅助驾驶和主动安全功能。经过50%的高速路况以及50%的低速路况，比亚迪-汉L在剩余电量5%时，表显剩余续航里程显示为“—”，实测综合续航里程为523公里。 二、“VLA已死”，死的可能不是VLA 最近，具身智能行业很流行一句话：“VLA已死，世界模型当立。结合601公里的官方续航里程得出车辆实测综合续航达成率为87%。” 但在这场圆桌上，这场争论被进一步落到了VLA与WAM（World Action Model，世界动作模型）两条路线上。
H | VLA是根据视觉信息和语言指令生成动作的模型；WAM则更强调世界如何变化，以及不同动作可能带来什么结果。
I | Dyna确实从早期的VLA路线，逐渐把更多精力转向WAM。
结合日常使用场景，我们选择了市面上常见的120千瓦直流快充桩进行补能，从SOC5%-100%充电总用时46分钟，平均充电功率108.7千瓦，峰值充电功率为120千瓦。马也骋提到，在一些强调鲁棒性、少量数据和高成功率的任务里，WAM可能比VLA更高效。其中30%-80%常用区间充电用时22分钟。 那么，VLA真的要被淘汰了吗？ 任至意并不认同。此外，我们还在总功率为1000千瓦的两个充电桩上体验了一次双枪快充，从电量15%充至83%仅用时9分50秒，补能效率十分出色。总结
搭载3万转高性能电机的比亚迪-汉L，成功把“千匹马力”带入了30万元以内的家用车市场，2.85秒的实测加速成绩甚至让不少燃油超跑都自叹不如。
J | 他认为，到目前为止，还没有看到哪家模型做出明显超过π0.7的演示效果。但从制动以及麋鹿测试中的表现来看，驾驭这台千匹“家轿”，远比买到它更具挑战。随着汉L拉开序幕，未来会有越来越多高性能车型杀入30万元，甚至20万元以内的市场。π0.7是PI推出的新一代通用机器人模型，也是PI对VLA路线的一次重要升级。但在不断提升性能参数的同时，车企也应通过内容传播，引导用户形成成熟、理性的用车观念，共同推动国内汽车文化的建立。好了，以上就是本期之家实测的全部内容，还想看哪辆车的实测数据？欢迎在评论区与我一起互动吧！（图/文/摄 之家实测团队）
K | 机器人最终既要理解语言和当前环境，也要预测未来结果。PI的做法，就是先生成未来的子目标画面，再用这个画面引导底层模型执行动作。 智元也没有简单押注其中一条路线，而是在推动VLA与WAM融合，探索世界建模、推理和动作能力进一步结合的模型体系。
L | 这场讨论的张力就在这里。 任至意用π0.7说明VLA仍有很强的竞争力，马也骋则用真实任务中的效率和成功率说明WAM的价值。 两个人没有直接否定对方，但公司的技术下注已经给出了不同答案。 张正友又把问题往前推了一步。 他认为，具身智能远没有形成类似大语言模型Transformer那样的统一架构。一个真正的机器人智能体，至少要包含认知系统、感知行动系统和底层反应系统。 上层负责复杂推理和任务规划，中层负责感知与动作生成，底层则要以极高频率控制电机、处理碰撞和保持平衡。 你不可能让一个数千亿参数的云端大模型直接控制每一个电机，也不能指望一个三四十亿参数的端侧模型解决所有问题。 所以，“VLA已死”很可能从一开始就是个伪命题。 未来形成主流的，大概率不是纯粹的VLA，也不是单独的WAM，而是一套融合语言理解、世界建模、未来预测、推理规划和实时控制的系统。 VLA没有死。
M | 真正可能死掉的，是“靠一个模型解决机器人所有问题”的想象。
N | 三、全栈能力会成为趋势，但全栈生意未必会 第三个问题，是机器人公司究竟应该只做“大脑”，还是连身体一起做。 PI现阶段主要做通用基础模型，没有选择自己研发和销售本体。 任至意坦率地说，没有自研硬件，确实可能导致部分任务无法完成。
o | 但PI目前更看重模型快速迭代，因此优先使用结构简单、维护成本低的机器人搭建研发基础设施。
p | 这是一条典型的“大脑路线”：先把通用模型能力做出来，把本体作为研发基础设施，而不是现阶段的商业重点。
q | 腾讯的选择也很明确。 张正友说，腾讯只做大脑，不会卖本体。他甚至开玩笑说，腾讯过去做硬件基本没有成功过，所以要有自知之明。
r | 但腾讯的Robotics X实验室从2018年成立以来，却一直保留着硬件研发。因为如果没有真正做过硬件，就很难理解触觉、力觉、关节控制和端侧算力，究竟会给模型带来什么限制。 这是一条很微妙的边界：商业模式上可以不卖本体，研发上却不能不懂本体。 智元走的是另一条路。 姚卯青认为，一旦机器人进入客户现场，面对的就不再是论文指标和Demo效果，而是可靠性、成本、成功率和一致性。 这些问题没办法只靠模型解决。 端侧芯片能运行多大的模型，电池能工作多长时间，关节如何控制，整机能不能稳定量产，都会反过来决定机器人的智能上限。 Sunday Robotics选择三指夹爪，也是同样的逻辑。
s | 赵子豪认为，机器人的手要在成本与能力之间做平衡。
t | 三指夹爪追求的是用20%的成本获得80%的能力。 今天，通用机器人迟迟没能大规模进入家庭和更多真实生产场景，未必是因为少了两根手指，更可能是因为智能不够、成本太高、稳定性不足。 这正是全栈路线的价值：不是为了什么都做，而是在模型、算力、本体、控制、成本和场景之间更好地做取舍。 那么，软硬件全栈会不会成为新趋势？ 我的判断是：全栈能力会成为趋势，但全栈商业模式未必会成为唯一答案。 未来，机器人行业很可能会出现类似苹果的公司，模型、本体、系统和产品都自己完成；也会出现类似安卓和Windows的平台，只做通用大脑，适配不同本体。 但在今天，本体、传感器、灵巧手、芯片和控制系统都没有标准化。即使一家公司的最终目标只是卖“大脑”，也很难完全绕开身体。
u | 没有一家公司还能假装硬件不存在。 四、两年还是五年，其实没那么重要 这场论坛听下来，我最大的感受，是机器人行业远远没有收敛。
v | 哪种产品形态最适合家庭和工厂，没有答案；VLA、WAM、端到端模型和分层系统，谁会成为主流架构，也没有答案。 数据配方仍在变化，商业模式同样分散。有人卖整机，有人做模型，有人做数据平台；有人押注工厂，也有人瞄准家庭。
w | 表面看，这是一种混乱。换个角度看，这也是机会。
x | 在一个尚未收敛的行业里，大厂和创业公司、中国团队和美国团队，都没有提前拿到标准答案。 所以，听完整场论坛，我反而不太在意答案究竟是两年还是五年。 机器人的“ChatGPT时刻”，不会只由某一次模型发布宣布到来。 它真正出现的标志，是数据、模型、本体与真实部署第一次形成自我加速：机器人部署得越多，积累的数据越多，能力提升越快，进入新场景的成本也越来越低。 在这之前，所有时间表都只是预测，所有路线都还在验证。 本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。
y | 如对本稿件有异议或投诉，请联系 [email protected]。
Current article:http://www.zhouangnaoguangsundianzhenmou.cfd/list_wud/gz2.html
Published on:16:11:42