机器人行业从来不缺惊艳的演示。会走路、会跳舞、会后空翻，最好再端一杯咖啡——只要镜头剪得够快，一台机器人总能显得比实际更聪明。但工厂不吃这一套。在展厅里端错一杯咖啡，最多是尴尬；在汽车总装线上插错一个连接器、压坏一个卡扣，影响的可能是一条产线的节拍和一批产品的良率。制造业从来不相信“烟花”，只认效率、稳定性和良率。

所以，当比亚迪一边自研人形机器人，一边投资帕西尼，又进一步把双方关系从股权合作推向产线与数据协同，真正值得追问的是：一家以垂直整合闻名、习惯把核心技术攥在自己手里、从电池一路做到芯片和整车的公司，为什么还要选择帕西尼？

或许恰恰因为比亚迪太会造东西，它才更清楚：搭出一台机器人不难，难的是让机器人拥有稳定、精准、可以规模复制的“手感”；难的是把高精度多维触觉、真实工况数据、模型训练与产线验证打通，形成一条从“感知物理世界”到“完成复杂操作”的闭环。帕西尼的稀缺性就在这里，这是一个已经把触觉硬件、数据采集和具身智能训练体系拧成一套工业化能力的头部玩家。

什么都自己造，也不等于什么都要从头造

比亚迪可能是中国最不需要向外界证明“制造能力”的公司之一。它从电池起家，后来进入汽车，把电池、电机、电控、功率半导体、整车制造乃至部分电子代工能力一层层装进自己的产业体系。2025年，比亚迪已连续四年位居全球新能源汽车销量第一。2026年上半年，其研发投入约289亿元，累计研发投入超过2700亿元。

这类巨头公司擅长的事情，绝不是一个漂亮的概念，把昂贵技术塞进流水线、压低成本，再用规模把竞争对手拖进价格战才是他们真正的工业魔法。

新能源汽车已经证明过策略的有效性。

因此，当比亚迪进入机器人产业，或者意味着他们再次计划把一种昂贵、脆弱、停留在实验室里的技术，改造成可以大规模生产和使用的工业品。

今年5月，比亚迪执行副总裁李柯公开确认，比亚迪正在推进人形机器人研发。她同时留下了一句容易被忽略的话：比亚迪不一定把机器人全部关起门来自己做，可以自研，也可以和外部企业合作。这句话的背后是大公司进入新产业时常见的战略结构。内部自研，是为了掌握底牌；外部投资，是为了购买时间；开放真实场景，则是为了判断谁真正有资格留在牌桌上。

比亚迪并不急着在“自研”与“合作”之间二选一。它完全可以两条路同时走：自己理解底层技术，通过投资绑定稀缺能力，再把候选方案扔进真实工厂，让生产线替自己完成筛选。

比亚迪选择把智元做“身体”、帕西尼做“神经”

2026年9月，比亚迪在投资者交流记录中第一次把自己的机器人产业版图说得相当直白。比亚迪称，具身智能机器人与新能源汽车产业链高度同源，大量技术、零部件和产线能力可以迁移复用；在产业协同方面，公司已经通过股权投资布局帕西尼、智元机器人等企业，覆盖触觉感知和人形机器人整机等关键环节。这段表述几乎给出了两家公司的产业坐标。智元对应机器人整机，帕西尼对应触觉感知；比亚迪自己手里，则握着工业场景、工程能力、供应链和规模制造。三者拼在一起，才是一台机器人从实验室走进工厂所需的完整链条。

这也解释了比亚迪为什么在自研机器人之外，仍然要选择帕西尼。机器人会走路，解决的是“怎么到达工位”；机器人看得见，解决的是“物体在哪里”；但进入总装、精密装配和柔性制造之后，真正决定它能不能干活的，往往是最后几毫米。卡扣压到底了吗？连接器是否插正？线束有没有被挤压？密封胶的形变是否正常？拿起柔性材料时应该施加多大的力？这些问题，仅靠摄像头很难完全回答。

产线工人可以凭借手指传来的阻力、摩擦、振动和形变，在几百毫秒内修正动作。老师傅嘴里那句“手感不对”，可能没有公式，却支撑着现代制造业最后一道柔性防线。这部分经验，是工业世界的“暗物质”：看不见，却真实地托住了生产。

帕西尼要做的，是把这种珍贵的手感、经验变成机器可以采集、理解和复用的数据。

比投资更贵的，是比亚迪的产线

2025年，比亚迪对帕西尼进行战略投资。真正让事情发生质变的，是此后的关系升级。

2026年8月25日，双方在比亚迪全球总部签署战略合作协议，明确提出在数据采集和机器人领域深度协同，推动机器人在工业制造场景取得实质性突破。

比合作内容更耐人寻味的是出席者名单。比亚迪集团副总裁、第十五事业部总经理、商用车事业部总经理罗忠良，比亚迪董事会秘书兼投资处总经理李黔出席；比亚迪未来实验室主任赵伟冰参与签约。业务、资本和前沿研发同时坐到了桌前。这不像一笔普通的设备采购，更像是比亚迪内部不同力量在同一个项目上的会师。

近期披露的信息显示，双方合作已经指向真实生产场景：围绕汽车制造中的复杂人工工序推进工业具身数据采集、治理与应用，并推动多维触觉感知能力进入生产环节。这比投资本身更值得重视。钱是大公司最容易拿出的资源。真正昂贵的是产线，是工艺，是质量责任，是那些不能随便对外开放的数据和失败案例。

一家车企允许外部团队进入真实制造流程，意味着对方要面对的已不是实验室里的标准答案，而是噪声、误差、材料偏差、设备振动、车型切换和不断冒出来的长尾问题。实验室会鼓励创新，产线只负责让错误现形。

因此，比亚迪给帕西尼的并不仅是资金或品牌背书，更是一座工业级压力测试场：技术能不能量产，设备能不能稳定，采集的数据能不能真正训练机器人，进入产线跑一遍就会暴露出来。股权投资，是对未来价值的下注；产线合作，是对当前能力的考试；数据共建，则可能构成双方长期共同进化的基础。

帕西尼真正值钱的，可能不是传感器

长期以来，外界习惯把帕西尼放在“机器人触觉传感器公司”的格子里。这个标签并没有错，但明显太窄。

帕西尼以6D融合感知技术切入，产品逐步延伸至多维触觉传感器、灵巧手、数据采集系统、具身模型和机器人本体。如果只看第一层，它做的是硬件生意。市场关心出货量、单价、成本和毛利率。但如果传感器只是帕西尼伸进物理世界的一根探针，那么更有价值的，是探针背后持续产生的物理交互数据。

视觉数据可以从摄像头和互联网中大量获得，语言数据可以从网页、书籍和对话中获得。触觉数据却必须在真实接触中产生。一个卡扣压下去时的回弹，一根线束弯曲时的阻力，一块柔性材料即将滑落前的摩擦变化，都必须在真实接触中产生。更麻烦的是，这些数据还要与视觉、位姿、动作和操作结果完成时空对齐。否则机器人只知道自己做了什么，却不知道为什么成功，更不知道为什么失败。

比亚迪恰好拥有帕西尼最需要的东西：高密度、高标准、持续变化的真实工业任务。帕西尼则拥有比亚迪需要的另一半：把触觉、力觉和动作过程采集下来，并进一步转化为训练数据和操作能力的工具。双方如果真正打通，形成的将是一套更完整的闭环：比亚迪提出真实任务，帕西尼采集多模态数据；数据训练模型，模型驱动机器人；机器人返回产线，失败案例和长尾工况继续回流。场景生产数据，数据改造模型，模型再回头改造生产。

在这套逻辑中，传感器只是入口。帕西尼真正想争夺的，是Physical AI时代的物理交互数据层。硬件通常只能出售一次，数据、模型和工具链却可以持续迭代。这也是帕西尼试图从零部件供应商跃迁为“具身智能基础设施”的底层逻辑。比亚迪的加入，让这种定位第一次拥有了一个足够重的工业支点。

比亚迪为什么不全部自己做？

答案并不复杂：因为时间也是一种成本。大公司的资源很多，但组织并不天然适合攻克所有前沿问题。尤其在人形机器人仍处于技术路线混战期时，内部自研可以确保控制力，投资帕西尼这样在触觉感知与具身智能领域拥有成熟技术和产业落地能力的头部企业，则可以绕过漫长的试错周期。

比亚迪需要帕西尼，至少有三层现实价值。

第一，补齐触觉和灵巧操作能力。

汽车、电池和电子制造积累了电机、电控、芯片、机械设计和供应链能力，但高密度多维触觉、全模态数采及跨本体数据复用，仍然是一个高度专业化的细分领域。

第二，更快获得真实数据。

比亚迪拥有场景，却未必拥有把工人操作完整转化为机器训练数据的全部工具。帕西尼拥有感知和数采工具，却缺少任何实验室都买不到的顶级工业工况。双方不是简单互补，而是各自拿着对方数据飞轮中最难替代的一半。

第三，保留战略选择权。

如果未来比亚迪自研机器人加速，帕西尼可以成为底层感知、数采和模型合作方；如果比亚迪采取开放生态，帕西尼又可以服务不同机器人本体和生产场景。帕西尼同样在借比亚迪的势。一家创业公司最难获得的，往往不是实验室设备，而是顶级工业客户的真实问题。比亚迪可以帮助帕西尼压缩客户教育周期、完成工业级验证，并使其技术从“指标领先”转向“可用、可靠、可复制”。

比亚迪利用帕西尼购买进入触觉时代的速度；帕西尼利用比亚迪完成从具身智能科技公司到工业基础设施公司的“成人礼”。好的产业联盟，本来就应该如此。

汽车工厂，才是具身智能的真正考场

过去，汽车工厂是工业机器人的最大买家之一；未来，它们可能同时成为人形机器人最重要的训练场、第一批大客户和规模制造基地。

传统工业机器人擅长的是结构化环境：工位固定、轨迹固定、动作固定。真正长期留给人工的，恰恰是那些需要双手配合、材料柔软、位置变化、异常频繁的工序。人形机器人想进入工厂，必须先攻克这些“剩下的硬骨头”。

这也是汽车企业进入具身智能最现实的逻辑：它们不需要凭空寻找应用场景，自己的工厂就是市场；不需要等待第一批大客户，自己就是第一批大客户；不需要在实验室假设需求，产线每天都在出题。

比亚迪尤其如此。它既是机器人潜在的研发者、制造者，也是规模庞大的使用者。更重要的是，它有能力把机器人技术拉进自己最熟悉的战场——成本、效率、供应链和量产。而帕西尼的价值，在于补上这个战场长期被忽视的一环：触觉和真实物理数据。那些无法被传统自动化解决的柔性工序。当资本、产线和数据开始同时流向一个方向，这种合作就不再只是的“优势互补”，而会成为汽车制造业进入Physical AI时代的一种新分工。

毕竟，在机器人行业，会后空翻只能赢得掌声。能够在比亚迪的产线上，把老师傅那句说不清楚的“手感不对”，翻译成机器能够理解、学习和复制的数据，才有资格谈下一代生产力。