文 | 汽车像素，作者｜胡成旭，编辑｜冒诗阳
10 月 12 日，小鹏 IRON 与新车 G9L、MONA L03 等，一起出现在巴黎车展的展台上。
小鹏宣布，IRON 将在 2027 年下半年进入欧洲市场。
在人形机器人行业，这是一份罕见的时间表。Figure、特斯拉等头部公司至今没有公布明确的欧洲销售节点，Agility 则计划在 2027 年上半年让 Digit 5 进入欧盟和英国。而小鹏已经把一款尚未正式交付的人形机器人，放进了全球化计划里。
一个多月前，小鹏在广州的机器人自动化产线启用，首台 IRON 完成总装，自主走下产线，何小鹏为它戴上一张小鹏汽车的工牌。公司计划 2026 年底量产，2027 年上半年开始交付，中后期视需求把月产能提升到数千台。
资本也已经提前到位。8 月，机器人业务鹏行完成超过 9 亿美元融资，腾讯、阿里与 IDG 等机构共同入局。投后估值超过 63 亿美元，跻身具身智能公司的头部。
小鹏已经为 IRON 准备好了产线、资金，并将明年进入欧洲市场作为目标。可在这之后，一些基础的问题仍然模糊。
准备卖给谁？这些客户又为什么而买？
导览生意
IRON 最出圈的一次亮相是在 2025 年 11 月。
去年的小鹏科技日上，IRON 亮相，走出自然的步态，扭髋摆臂，拟人程度，甚至让网友怀疑内部藏了真人。
为了自证，第二天，小鹏在 X9 发布会上让工作人员剪开通电运行的 IRON 腿部皮肤，露出里面的金属骨骼。何小鹏说，" 希望这是最后一次证明机器人是它自己 "。
证明完技术能力，下一步是商业。小鹏开始为 IRON 找用途和客户。
按量产版口径，IRON 全身有 76 个自由度，单手 21 个，搭载三颗自研图灵芯片，有效算力 2250 TOPS，还有全包覆柔性皮肤。
小鹏给它设定的最终目标场景，是一台走进人类生活空间的通用机器人。
何小鹏对拟人化有自己的解释。人的身体与机器人越接近，越有机会利用人类行为数据，也更容易适应按人体设计的环境。亲和感还可能促进销售，扩大规模后再降低成本。
但 " 走进人类生活 " 是远期目标，2027 年还做不到。
按照小鹏的计划，IRON 会在今年底到明年初量产，明年上半年向客户交付，先进入小鹏自己的线下门店和园区，再向外部客户扩大销售，2027 年下半年还准备进欧洲市场。小鹏预计 2027 年中和下半年能根据市场需求把月产能快速提升到数千台，甚至更高。
2026 上半年，智元、宇树半年销量各自在 6000 到 1 万之间（不同口径有差异），而两家已经占据全球人形机器人市场近七成的份额。
月产数千的能力，小鹏需要为 IRON 找到说得通的客户。
导览是 IRON 初期最主要的场景。2026 年上半年，全球人形机器人出货约在 1.9 万到 2.2 万台，其中导览导购占比近 20%，半年出货超过 4000 台，仅次于科教、数采和文娱等场景。
IRON 最直接的导览客户，是小鹏汽车的门店。这个场景里，机器人吸引顾客驻足，可以放在小鹏自营门店介绍车型，也能体现汽车品牌的技术形象。
但对导览的外部客户来说，IRON 未必是最佳选择，它的能力潜力大，但正像小鹏早期的几款车一样，IRON 同样需要用户接受暂时用不上的硬件冗余，并愿意为之买单。
比如灵巧手的大部分潜力很难在 2027 年起到作用，复杂接触控制也不必要。更多算力，是为后续软件升级做的预留，但在讲解、带路这些工作里，这些配置几乎没有用武之地。
同样面对导览场景，市场上已不乏竞品，它们的产品逻辑与小鹏不一致。
优必选 Walker C1 全身 53 个自由度，轮式人形机器人星动 Q5 为 44 个，IRON 分别多出约四成和七成。
优必选 Walker C 曾在大阪世博会中国馆做导览，智元远征 A2、灵犀 X2 覆盖展厅接待和文娱商演，青春版报价分别为 16.8 万元、9.8 万元。
再往其它品牌看，轮式服务机器人也能迎宾、讲解和带路，少了双腿，采购方仍可以得到所需功能。
IRON 尚未公布售价，现阶段无法给它算出完整的回本周期。但配置越复杂，小鹏自己的门店可以接纳，外部客户需要为额外投入找到足够理由。
部署之后，开始学习
今年 8 月 24 日，小鹏 Q2 财报电话会上，花旗分析师问了两个直接的问题，IRON 准备卖给谁？客户为什么要买？
何小鹏介绍了目标客户和销售渠道，但没有正面回答购买理由，以及客户该怎样计算回报。
同一场电话会上，他还谈到了小鹏量产 IRON 的另一个理由，数据。
按照何小鹏的设想，量产应用产生真实场景和人类示教数据，加速模型训练；模型改善后进入更多场景，再获得更多数据。广州的具身智能数据工厂，也是这套体系的一部分。
IRON 在门店面对真实顾客，会遇到演示流程之外的情况。比如有人突然挡路，或者多人同时发出指令，或者顾客说到一半改变要求。哪些任务的完成需要改进、什么情况下需要人工接管，都能暴露当前模型的短板。
这也是具身智能公司正在共同做的事。高质量真实世界数据已经成为当前最稀缺的资产之一，实验室很难覆盖真实环境的长尾。
Agility 的 Digit 累计真实运行超过 6.5 万小时，智元、优必选、银河通用等都在抢线下部署，覆盖零售、工厂、物流等尽可能多的场景。目的不只是商业化，更重要的是规模化暴露失败、采集真实运行数据，再把问题回灌模型和下一代硬件。
Figure 02 在宝马工厂累计工作 1250 小时，搬运 9 万多个零件。按公司总结，随着部署规模扩大，一些不常见的硬件故障开始出现。团队据此完善故障诊断、远程管理和 OTA，现场问题还影响了下一代硬件设计。
对早期 IRON 而言，这可能是门店最可能提供的贡献。很多硬件问题，比如关节运行久了会不会漂移，皮肤哪里先磨损，传感器标定是否变化，都需要持续使用才能看得更清楚。
但门店能教给 IRON 的东西，终归受它每天做的工作限制。
沿着相似路线介绍车型，可以积累导航和交互经验。若双手很少真正抓取、施力，运行再久，也很难补足复杂操作的数据。机器人多站一天岗，并不会自然多学会一种工作。每天开机 24 小时搜集来的数据，慢慢的，其中真正的有效数据会很少，更多是重复的收集。
而在具身智能的环境中，长尾数据远比智能驾驶更多、更复杂。
Figure 因此还在做 Index，采集世界各地的人类行为视频，并主动去重、控制任务配额。专注机器人大脑的 Physical Intelligence 则混合不同本体的操作与视觉语言数据，再结合真机执行继续训练。它们都在扩大目标机器之外的经验来源。
所以，把 IRON 放进真实世界，只是数据闭环的起点，并不等于闭环已经成立。小鹏相信，汽车已经积累的模型、训练设施和研发体系，可以缩短这段学习过程。问题是，这些能力究竟能复用多少？
门店可以先帮助 IRON 把导览做好，但要学会更多工作，小鹏还得扩大任务范围。而它寄望的另一份积累，来自汽车业务。
汽车能帮到 IRON 多少？
何小鹏曾给出一个数字，车企约 70% 的技术储备可以复用到机器人上，以此来强调智能汽车企业做具身智能的优势。
这个判断有一定支撑，比如 IRON 身上有三颗图灵芯片。芯片平台已经由汽车业务投入研发，云端训练、数据管理和供应链组织也有现成积累。机器人仍需适配，但大部分环节都可以复用。
采购和制造经验也尤其有价值。供应商管理、零件成本，把复杂产品按同一标准造出来，都是车企的核心优势。这些经验能帮助机器人从样机进入批量生产。
但仅从复用比例切入，很可能会放大车企做机器人的优势。在一个还没有成熟路径可参照的领域里，技术复用率无法带来任务完成率。
导览恰好能多用上一些过去的积累。
识别顾客、理解空间、判断行人走向，与车端感知和规划存在复用。把顾客安全带到展车旁，也比整理货架更接近汽车熟悉的任务。小鹏选择门店和导览来起步，在能力迁移上有其合理性。
但这些优势，并不解决具身智能领域的核心壁垒，大脑和灵巧手。
识别出一个物体，只完成了操作的第一步。手该怎样接近，抓在哪里，用多大力，物体的材质有多光滑，万一滑动之后如何调整来抓稳，都需要持续的反馈来改善模型。
汽车的智驾只需要控制方向盘、油门和刹车，只需要在四个维度上去调整，无法直接变成 21 自由度手的动作。
这些都是 70% 复用这个数字会模糊掉的部分。大量模块可以沿用，少数难题才是机器人真正的壁垒，也是原生的具身智能公司，尝试各种技术路径，scale 不同资源，乃至不同组织形态去试图突破的对象。
而在容易复用的环节，优势也未必由车企独享。汽车供应商正在向整个机器人行业供货，原生机器人公司则持续从操作任务和客户现场积累经验。小鹏有更完整的既有体系，对手也在用自己的方式补齐制造与训练能力。
小鹏已经让 IRON 自主走下产线，并努力在具身智能业务上，复用汽车的资源。
的确，汽车业务已经替小鹏承担了不少先期投入，但尚在早期的具身智能，仍是一场相对独立的探索。
