•
小鵬昨天發了個人形機器人IRON
市場的第一反應很分裂
看熱鬧的覺得很酷，有點像特斯拉Optimus的影子
搞投資的，尤其是重倉的，估計心裡在打鼓
為什麼
因為這玩意太燒錢了
造車還沒實現穩定的正向現金流，又開一條非常燒錢的戰線
這在傳統的財務模型裡，絕對是減分項
在當下的市場環境下，搞這種遠大敘事，很容易被當成不務正業
但凡事要看底層邏輯
如果只是把IRON當成一個獨立的機器人業務，那這個判斷沒錯
可如果，它根本就不是一個新業務，而是一個加速器呢
我們必須搞清楚，當下制約智能駕駛技術突破的瓶頸到底是什麼
是算力嗎
是雷射雷達嗎
都不是
是資料
更準確地說，是高品質的、應對長尾極端場景（Edge Case）的資料
你用模擬器跑一百萬公里，都不如在現實中處理一次突然衝出的行人或一個不規範的施工路障
現在大家獲取資料的方式是什麼
靠路測車隊，靠使用者車輛的資料回傳
效率很高，但場景是受限的
車輛跑的永遠是路，它無法處理非道路環境
現在，再來看IRON這個機器人
它的應用場景是什麼
是工廠，是家庭，是展廳
這是什麼環境
這是地球上複雜度最高、非標互動最多、長尾場景最密集的環境
一輛車在路上，它只需要識別障礙物，然後剎車或繞行
一個機器人在家裡，它要識別杯子，並且要拿起來，還要區分這是主人的杯子還是客人的水杯
它要理解手勢，要躲避寵物，要在雜亂的環境中規劃可行走路線
它每運行一秒鐘，產生的資料價值，可能比一輛車在高速上開一天還要高
寫到這裡，我剛去翻了一下小鵬近幾個季度的財報
研發費用一直居高不下，這是市場詬病的地方
很多人把這筆錢簡單粗暴地歸為造車研發
但如果，我說如果
這筆錢裡，有相當一部分投向了通用型AI演算法的研發呢
IRON和XPENG的智能汽車，在底層技術堆疊上是高度復用的
尤其是感知、規控、決策這三大塊
機器人項目跑出來的演算法模型，經過適配，完全可以無縫遷移到車端
反之亦然
這就是一魚多吃
所以，IRON的出現，根本不是開闢了第二戰場
它是用一個看似不相關的硬體形態，在為第一戰場（智能汽車）的主力部隊，提供最高維度的資料軍火
造機器人的硬體成本高嗎
高
但相比它能帶回來的高價值資料和演算法迭代速度
這點硬體成本，簡直是九牛一毛
這筆帳，比單純養一個龐大的路測車隊要划算得多
特斯拉為什麼要做Optimus
馬斯克想做機器人是真
但用機器人的研發來反哺FSD的演算法迭代，也是真
這套邏輯一旦成立，小鵬的估值模型就要重構了
你不能再用一個單純的汽車製造商PE或PS去估它
因為它賣的不是硬體
它的核心資產是那個不斷進化的AI駕駛大腦
IRON機器人，就是這個大腦的超級陪練和資料採集終端
它讓小鵬有了一條區別於其他所有新勢力的、獨特的演算法進化路徑
別人還在路上練車
它已經開始在客廳裡練精細操作了
這種降維打擊，短期內看不出什麼
一旦到了某個臨界點，演算法的代際差異會瞬間拉開
所以，怎麼看IRON
它不是一個急於變現的產品
它是一個深層戰略
它是一個研發工具
它是一個資料加速器
當市場還在計算小鵬每個季度多賣了幾輛車時
真正該計算的，是它的AI大腦每天多學習了多少個極端場景
這才是決定它未來能走多遠的，真正的核心資產 (軲轆凱)