XPeng 這次創紀錄的機械人融資，最值得留意的未必是金額，而是背後那套工業化論述。

這間中國電動車製造商向投資者推銷的，不只是一部能夠行路、做動作的人形機械人，而是一條由汽車製造能力、車載 AI 經驗、自研硬件，以及受控商業場景組成的量產路線。

XPeng 表示，其機械人業務首輪集資逾 9 億美元，投後估值超過 63 億美元。是次融資由 IDG Capital 領投，高榕創投參與，騰訊及阿里巴巴則以策略投資者身份加入。XPeng 形容，這是中國實體 AI 行業歷來最大單輪私人融資。 1 6

投資者買的，可能是「像造車一樣造機械人」

對人形機械人公司來說，最難的一關往往不是做出原型，而是把原型變成一件可靠、可維修、可以長時間工作的產品。

這涉及精密機械零件、關節及驅動器、電機、電力電子、電池、感測器、散熱系統、軟件、測試、售後服務，以及大規模採購能力。XPeng 的賣點是：作為車廠，這套工業基礎大部分已經存在。

XPeng 表示，IRON 超過 85% 的供應鏈可與現有汽車零部件網絡重疊。如果這個比例在真正量產時仍然成立，理論上可以縮短供應商認證、生產工程、質量控制及成本下降所需的時間，較由零開始建立供應鏈的機械人初創企業更有先手。 5

不過，汽車零部件可以沿用，並不代表 IRON 自然會更平、更耐用。雙足機械人要處理身體平衡、靈活度、負重週期及安全要求，部分汽車部件仍可能需要重新設計。XPeng 的優勢，最終要看它能否將共用供應商及製造流程，轉化成可在真實環境長時間穩定運作的機械人。

IRON 的技術路線：車規級實體 AI

XPeng 將 IRON 定位為一個「車規級」實體 AI 平台。公司的方案結合機械人硬件、動作控制軟件，以及受自動駕駛研發經驗啟發、用來理解現實世界的模型。

據公司資料，IRON 全身有 76 個自由度，每隻手有 21 個自由度；機械人亦配備 3 枚自研 Turing AI 晶片，合計運算能力最高達 2,250 TOPS。 6

XPeng 同時強調，關節、骨架結構、晶片及軟件等影響性能的部分由公司自行開發。理想狀態下，XPeng 可以掌控與移動、感知及操作最相關的核心部件，再利用汽車供應鏈處理更適合規模化的零件及生產支援。 4 5

這正是投資者似乎正在下注的地方：不是單純一部規格先進的機械人，而是一間聲稱已經在工程、採購及製造系統上取得先發優勢的公司。

但這最多只是相對於純機械人公司的一項潛在優勢，並不代表 XPeng 已經在整體能力上超越 Figure AI、Unitree 或 Tesla。

為何先攻商舖、園區，而不是家庭？

XPeng 的初期部署計劃，也反映出「示範成功」與「成為消費產品」之間仍有一大段距離。

公司計劃先在自家門店及園區部署 IRON，之後再於 2027 年在中國及海外推出商業應用，並向外部客戶交付。 7

相較於住宅，商舖、辦公室、公園、校園及工業檢測場地都較容易管理，因為這些地方通常可以提供：

• 重複而較固定的工作；
• 清晰的活動範圍及安全界線；
• 現場員工監察，必要時介入；以及
• 一個可以量度服務價值或潛在節省人力成本的明確買家。

以寶鋼相關的工業檢測應用為例，這類工作環境及流程可能比一般家務更適合作為早期測試。家庭機械人要面對千變萬化的家居布局、物件、人流、安全要求、操作任務，以及消費者對價格的敏感度。

先在受控場地部署，讓 XPeng 收集運作數據、找出弱點，再考慮更廣泛的家庭市場，是相對務實的次序。

2026、2027 年目標進取，但仍只是目標

XPeng 的目標是在 2026 年底前將 IRON 量產，並於 2027 年在中國及海外進行大規模商業推出及向外部客戶交付。 2 7

這些是公司提出的時間表，並非已獲獨立驗證的量產成果。

融資所得資金將用於機械人研發、實體 AI 模型，以及量產設施。 6 真正關鍵的問題，不是 XPeng 能否組裝出第一批機械人，而是能否維持一致的質量、確保供應鏈穩定、為已部署的機械人提供服務，並證明 IRON 在非劇本化環境下仍然有用。

機械人真的會比汽車更好賺？

XPeng 管理層曾表示，人形機械人長遠可能帶來比核心汽車業務更好的經濟效益。公司提出的模式，是將硬件定價在物料清單成本約 2.5 至 3 倍，再加上持續性的 AI 及軟件收入。

但這是商業抱負，不是已經確立的盈利預測。要做到這點，客戶必須有足夠高的使用率，現場故障率要低，維修費要可負擔，軟件更新要可靠，而且客戶要能夠量化投資回報。

此外，硬件售出後，客戶是否願意持續支付 AI 或軟件服務費，亦是另一個問題。

機械人的表面毛利率，並不等於成功的商業模式。保養、替換手部或關節、遙距支援、部署整合、培訓、保險及停機時間，都可能大幅改變實際經濟效益。XPeng 必須證明，商業客戶買的是一項真正能夠運作的工具，而不只是一件吸睛的科技產品。

「擊敗 Tesla」的說法，哪些可以證明？

XPeng 更大的野心，是將智能駕駛的進展延伸至實體智能，並在 Tesla 的 Optimus 之前達到可規模化生產機械人。

然而，現有資料並不足以證明 XPeng 在整體先進駕駛輔助系統能力上已經追平 Tesla，也不足以斷言它在生產人形機械人方面一定比 Figure AI 或 Unitree 更有優勢。

至於外界流傳 Figure AI 生產線有 20% 缺陷率，現有可靠資料未能核實這個數字，因此不應以此作為公司之間比較的確切依據。

較穩妥的比較方式，是看各家公司手上的起步資產：XPeng 擁有汽車製造及供應鏈基礎；機械人專門公司則可能在某些機械人架構、數據策略或部署合作方面有更深入的專注。

最後誰能勝出，取決於可靠性、靈活度、自主能力、安全性、單位成本及客戶成果，而不是單看集資金額。

9 億美元融資，真正要驗證的是甚麼？

這輪融資為 XPeng 的機械人部門帶來大量資金及高知名度投資者支持，也讓公司有資源測試：汽車級的生產方法，究竟能否轉移到人形機械人身上。

接下來的問題都很實際：

• IRON 能否在長時間工作週期下保持穩定？
• 它能否處理不同物件，並應對突發情況？
• XPeng 能否在不需要人類持續介入的情況下維持安全？
• 供應鏈能否支持大批量生產，而不犧牲質量？
• 商業客戶扣除部署及服務成本後，能否取得正面回報？

9 億美元不能直接回答以上問題。它所顯示的是，投資者願意為 XPeng 提出的解題方法提供資金：利用汽車製造能力、車載 AI 經驗及受控商業環境，嘗試令實體 AI 走向規模化。

因此，XPeng 下一個真正重要的里程碑，不是再做一次令人印象深刻的示範，而是證明 IRON 可以為付費客戶可靠、經濟而且一再地完成工作。

XPeng 這次創紀錄的機械人融資，最值得留意的未必是金額，而是背後那套工業化論述。

這間中國電動車製造商向投資者推銷的，不只是一部能夠行路、做動作的人形機械人，而是一條由汽車製造能力、車載 AI 經驗、自研硬件，以及受控商業場景組成的量產路線。

XPeng 表示，其機械人業務首輪集資逾 9 億美元，投後估值超過 63 億美元。是次融資由 IDG Capital 領投，高榕創投參與，騰訊及阿里巴巴則以策略投資者身份加入。XPeng 形容，這是中國實體 AI 行業歷來最大單輪私人融資。 1 6

投資者買的，可能是「像造車一樣造機械人」

對人形機械人公司來說，最難的一關往往不是做出原型，而是把原型變成一件可靠、可維修、可以長時間工作的產品。

這涉及精密機械零件、關節及驅動器、電機、電力電子、電池、感測器、散熱系統、軟件、測試、售後服務，以及大規模採購能力。XPeng 的賣點是：作為車廠，這套工業基礎大部分已經存在。

XPeng 表示，IRON 超過 85% 的供應鏈可與現有汽車零部件網絡重疊。如果這個比例在真正量產時仍然成立，理論上可以縮短供應商認證、生產工程、質量控制及成本下降所需的時間，較由零開始建立供應鏈的機械人初創企業更有先手。 5

不過，汽車零部件可以沿用，並不代表 IRON 自然會更平、更耐用。雙足機械人要處理身體平衡、靈活度、負重週期及安全要求，部分汽車部件仍可能需要重新設計。XPeng 的優勢，最終要看它能否將共用供應商及製造流程，轉化成可在真實環境長時間穩定運作的機械人。

IRON 的技術路線：車規級實體 AI

XPeng 將 IRON 定位為一個「車規級」實體 AI 平台。公司的方案結合機械人硬件、動作控制軟件，以及受自動駕駛研發經驗啟發、用來理解現實世界的模型。

據公司資料，IRON 全身有 76 個自由度，每隻手有 21 個自由度；機械人亦配備 3 枚自研 Turing AI 晶片，合計運算能力最高達 2,250 TOPS。 6

XPeng 同時強調，關節、骨架結構、晶片及軟件等影響性能的部分由公司自行開發。理想狀態下，XPeng 可以掌控與移動、感知及操作最相關的核心部件，再利用汽車供應鏈處理更適合規模化的零件及生產支援。 4 5

這正是投資者似乎正在下注的地方：不是單純一部規格先進的機械人，而是一間聲稱已經在工程、採購及製造系統上取得先發優勢的公司。

但這最多只是相對於純機械人公司的一項潛在優勢，並不代表 XPeng 已經在整體能力上超越 Figure AI、Unitree 或 Tesla。

為何先攻商舖、園區，而不是家庭？

XPeng 的初期部署計劃，也反映出「示範成功」與「成為消費產品」之間仍有一大段距離。

公司計劃先在自家門店及園區部署 IRON，之後再於 2027 年在中國及海外推出商業應用，並向外部客戶交付。 7

相較於住宅，商舖、辦公室、公園、校園及工業檢測場地都較容易管理，因為這些地方通常可以提供：

• 重複而較固定的工作；
• 清晰的活動範圍及安全界線；
• 現場員工監察，必要時介入；以及
• 一個可以量度服務價值或潛在節省人力成本的明確買家。

以寶鋼相關的工業檢測應用為例，這類工作環境及流程可能比一般家務更適合作為早期測試。家庭機械人要面對千變萬化的家居布局、物件、人流、安全要求、操作任務，以及消費者對價格的敏感度。

先在受控場地部署，讓 XPeng 收集運作數據、找出弱點，再考慮更廣泛的家庭市場，是相對務實的次序。

2026、2027 年目標進取，但仍只是目標

XPeng 的目標是在 2026 年底前將 IRON 量產，並於 2027 年在中國及海外進行大規模商業推出及向外部客戶交付。 2 7

這些是公司提出的時間表，並非已獲獨立驗證的量產成果。

融資所得資金將用於機械人研發、實體 AI 模型，以及量產設施。 6 真正關鍵的問題，不是 XPeng 能否組裝出第一批機械人，而是能否維持一致的質量、確保供應鏈穩定、為已部署的機械人提供服務，並證明 IRON 在非劇本化環境下仍然有用。

機械人真的會比汽車更好賺？

XPeng 管理層曾表示，人形機械人長遠可能帶來比核心汽車業務更好的經濟效益。公司提出的模式，是將硬件定價在物料清單成本約 2.5 至 3 倍，再加上持續性的 AI 及軟件收入。

但這是商業抱負，不是已經確立的盈利預測。要做到這點，客戶必須有足夠高的使用率，現場故障率要低，維修費要可負擔，軟件更新要可靠，而且客戶要能夠量化投資回報。

此外，硬件售出後，客戶是否願意持續支付 AI 或軟件服務費，亦是另一個問題。

機械人的表面毛利率，並不等於成功的商業模式。保養、替換手部或關節、遙距支援、部署整合、培訓、保險及停機時間，都可能大幅改變實際經濟效益。XPeng 必須證明，商業客戶買的是一項真正能夠運作的工具，而不只是一件吸睛的科技產品。

「擊敗 Tesla」的說法，哪些可以證明？

XPeng 更大的野心，是將智能駕駛的進展延伸至實體智能，並在 Tesla 的 Optimus 之前達到可規模化生產機械人。

然而，現有資料並不足以證明 XPeng 在整體先進駕駛輔助系統能力上已經追平 Tesla，也不足以斷言它在生產人形機械人方面一定比 Figure AI 或 Unitree 更有優勢。

至於外界流傳 Figure AI 生產線有 20% 缺陷率，現有可靠資料未能核實這個數字，因此不應以此作為公司之間比較的確切依據。

較穩妥的比較方式，是看各家公司手上的起步資產：XPeng 擁有汽車製造及供應鏈基礎；機械人專門公司則可能在某些機械人架構、數據策略或部署合作方面有更深入的專注。

最後誰能勝出，取決於可靠性、靈活度、自主能力、安全性、單位成本及客戶成果，而不是單看集資金額。

9 億美元融資，真正要驗證的是甚麼？

這輪融資為 XPeng 的機械人部門帶來大量資金及高知名度投資者支持，也讓公司有資源測試：汽車級的生產方法，究竟能否轉移到人形機械人身上。

接下來的問題都很實際：

• IRON 能否在長時間工作週期下保持穩定？
• 它能否處理不同物件，並應對突發情況？
• XPeng 能否在不需要人類持續介入的情況下維持安全？
• 供應鏈能否支持大批量生產，而不犧牲質量？
• 商業客戶扣除部署及服務成本後，能否取得正面回報？

9 億美元不能直接回答以上問題。它所顯示的是，投資者願意為 XPeng 提出的解題方法提供資金：利用汽車製造能力、車載 AI 經驗及受控商業環境，嘗試令實體 AI 走向規模化。

因此，XPeng 下一個真正重要的里程碑，不是再做一次令人印象深刻的示範，而是證明 IRON 可以為付費客戶可靠、經濟而且一再地完成工作。