在制造业的赛道上，比亚迪再次展现出其独特的战略眼光。这家以垂直整合能力著称的全球新能源汽车巨头，正以一种不同寻常的方式切入机器人产业——它不仅在自研人形机器人，还通过投资和深度合作，将触觉感知领域的头部企业帕西尼纳入自己的产业版图。
制造业的逻辑向来严苛。在展厅里，机器人可以表演后空翻、端咖啡，赢得满堂喝彩；但在汽车总装线上，一个连接器插错、一个卡扣压坏，就可能影响整条产线的效率甚至产品良率。比亚迪深知这一点——它从电池起家，逐步拓展到汽车、芯片、电子代工等领域，2025年已连续四年位居全球新能源汽车销量榜首，2026年上半年研发投入约289亿元，累计研发投入超过2700亿元。这样的企业，对技术的要求从不停留在“惊艳”，而是聚焦于“稳定、精准、可规模复制”。
当比亚迪宣布推进人形机器人研发时，行业并未感到意外；但当它同时选择与帕西尼深度合作，甚至将真实产线和数据向这家创业公司开放时，外界开始追问：为什么？答案藏在制造业的“暗物质”里——那些老师傅凭手感就能判断的“卡扣是否压到底”“连接器是否插正”“线束是否被挤压”等细节，仅靠摄像头和传统传感器难以完全捕捉。帕西尼的稀缺性正在于此：它不仅提供多维触觉传感器，更构建了一套从数据采集、模型训练到产线验证的完整工业化能力，能够将这种珍贵的“手感”转化为机器可理解、可复用的数据。
比亚迪的策略并非简单的“自研”或“合作”二选一。2026年9月，它在投资者交流记录中明确表示，具身智能机器人与新能源汽车产业链高度同源，技术、零部件和产线能力可迁移复用；在产业协同方面，已通过股权投资布局帕西尼、智元机器人等企业，分别覆盖触觉感知和人形机器人整机等关键环节。比亚迪手里握着工业场景、工程能力、供应链和规模制造，智元负责机器人“身体”，帕西尼负责“神经”——三者拼合，才是一台机器人从实验室走进工厂所需的完整链条。
2025年，比亚迪对帕西尼进行战略投资；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。这场合作的分量，从出席者名单可见一斑：比亚迪集团副总裁罗忠良、董事会秘书李黔、未来实验室主任赵伟冰同时现身，业务、资本和前沿研发力量集体会师。这不像一笔普通的设备采购，更像是一场内部不同板块对同一项目的“会师”——比亚迪要的不只是传感器，而是通过帕西尼的触觉技术，补全自己在柔性制造领域的最后一块拼图。
近期披露的信息显示，双方合作已指向真实生产场景：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、工艺、质量责任和那些不能随便对外开放的数据与失败案例。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不仅是标准答案，更是噪声、误差、材料偏差、设备振动、车型切换和不断冒出的长尾问题。实验室鼓励创新，产线只负责让错误现形——比亚迪给帕西尼的，是一座工业级“压力测试场”。
帕西尼的价值，远不止于传感器。它以6D融合感知技术切入，产品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。如果传感器只是“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——卡扣压下的回弹、线束弯曲的阻力、柔性材料滑落前的摩擦变化，这些数据必须与视觉、位姿、动作和操作结果完成时空对齐，才能让机器人理解“为什么成功”或“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；而帕西尼拥有比亚迪需要的工具：将触觉、力觉和动作过程转化为训练数据和操作能力。双方打通后，将形成一套闭环：比亚迪提出任务，帕西尼采集数据；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，模型再改造生产。
比亚迪为何不全部自己做？答案藏在时间成本里。大公司资源虽多，但组织并不天然适合攻克所有前沿问题。尤其在人形机器人技术路线尚未明朗时，内部自研可确保控制力，投资帕西尼则能绕过漫长试错周期。帕西尼对比亚迪的价值至少有三层：补齐触觉和灵巧操作能力；更快获得真实数据；保留战略选择权——未来若比亚迪自研加速，帕西尼可成为底层感知合作方；若采取开放生态，帕西尼又能服务不同机器人本体和生产场景。对帕西尼而言，比亚迪的加入让其技术从“指标领先”转向“可用、可靠、可复制”，完成了从具身智能科技公司到工业基础设施公司的“成人礼”。
汽车工厂，正在成为具身智能的真正考场。过去，它是工业机器人的最大买家；未来，它可能同时是人形机器人的训练场、第一批大客户和规模制造基地。传统工业机器人擅长结构化环境，而人形机器人要进入工厂，必须先攻克那些需要双手配合、材料柔软、位置变化的柔性工序——这正是汽车企业进入具身智能的最现实逻辑：它们不需要寻找应用场景，自己的工厂就是市场；不需要等待第一批客户，自己就是客户；不需要在实验室假设需求，产线每天都在出题。当资本、产线和数据同时流向一个方向，这种合作便不再只是“优势互补”，而会成为汽车制造业进入Physical AI时代的新分工——毕竟，在制造业里，能赢得掌声的不只是后空翻，更是能把老师傅的“手感”翻译成机器语言的技术。
