斯特林·安德森认为人形机器人不应参与造车
内容提要
通用汽车首席产品官斯特林·安德森表示，公司正以AI、集中式计算和虚拟化工程推动“智能定义汽车”，将新车开发周期从四五年压缩至约两年，并通过虚拟测试兼顾速度与安全。他主张自研自动驾驶应面向个人车主，按道路类型逐步扩展，而非照搬Robotaxi模式，安全关键功能在车端推理。隐私方面强调端到端加密和用户可控。他还反对人形机器人造车，认为应重功能而非形态，并坚持多传感器方案。
延伸解读
“智能定义汽车”背后的成本逻辑
安德森把开发周期从四五年压缩到约两年，关键手段是虚拟化测试：过去只能做有限次碰撞试验，现在可在虚拟世界跑数千次。这不仅是速度问题，也直接关系成本——原型车减少、开发费用下降，使车型在更低零售价下仍能成立。他同时提到LMR电池和统一电气架构缩短线束、减轻车重，说明“更智能”与“更便宜”在工程上被绑在一起，而非单纯堆配置。
个人自动驾驶与Robotaxi是两条路径
安德森明确不照搬Robotaxi模式，而是按道路类型逐步扩展，先让车辆在特定道路上完成全程，再向外延伸。与Robotaxi不同，个人车辆保留人类兜底，但交接被设计成非动态的：系统提前倒计时，若驾驶者不接管，车辆会驶离出口并安全停下，而不是在行驶中突然要求人接手。这种设计试图在“有人可用”和“不依赖人”之间划出边界。
多传感器是物理约束，不是路线站队
面对特斯拉式纯视觉路线，安德森用物理而非立场回应：摄像头无法穿透浓雾，也无法像雷达那样直接测瞬时速度，而雷达成本已足够低，去掉它并不划算。激光雷达与可见光波长相近，还能帮助摄像头系统协同训练、加快迭代。这套说法把多传感器方案定位为安全冗余的必然选择，而非对某种技术信仰的妥协。
反对人形机器人：形态应服从功能
安德森对人形机器人的批评集中在“形式优先于功能”：工厂地面是最宝贵空间，让人形机器人笨拙地进出车辆并非合理起点，更合适的是挂在龙门架上、伸入移动产线的专用形态。他透露通用已在与Fanuc等重型机械供应商合作，并自研多种专用机器人方案。这一立场也呼应他对自动驾驶的态度——先明确要解决什么任务，再决定用什么形态。
Q&A
通用汽车提出的“智能定义汽车”是什么意思？
“智能定义汽车”是通用汽车的新范式，核心是借助人工智能、集中式计算和虚拟化工程，将新车开发周期从传统的四到五年压缩到约两年，同时通过虚拟测试提升安全性和覆盖度。
斯特林·安德森为什么反对用人形机器人造车？
他认为人形机器人是形式优先于功能，人体形态并非工厂环境的最优解。工厂地面空间宝贵，应优先采用专用形态的机器人（如悬挂式机械臂），而不是笨拙的人形机器人在车辆间穿梭。
通用汽车的自动驾驶方案与Robotaxi模式有什么不同？
通用汽车面向个人车主设计自动驾驶，按道路类型逐步扩展，而非像Robotaxi那样限定区域和速度。系统会在非安全关键场景下将控制权交还驾驶员，并提前给出倒计时提醒，避免动态交接。
通用汽车如何保障用户数据隐私？
采用端到端加密，用户数据对通用汽车不可见，仅以聚合匿名形式使用。用户可随时撤销权限、删除或导出数据。授权流程被简化为少数清晰选项，系统架构上限制内部人员访问原始数据。
为什么通用汽车坚持多传感器方案而不是纯视觉？
安德森认为纯视觉在物理上存在局限：摄像头无法穿透浓雾或测量瞬时速度，而雷达成本低且能测速，激光雷达与可见光波长相近，可协同训练摄像头系统。多传感器方案能提供明显的安全优势。
通用汽车如何让电动车更便宜？
通过LMR（富锂锰基）电池化学，以接近LFP的成本实现接近高镍电池的续航；同时共通化电气架构减少线束长度和车重，虚拟化开发降低原型成本，使车辆在更低售价下仍具商业可行性。
