文｜胡嘉琦

ID | BMR2004

在特斯拉2024年第四季度财报电话会议上，CEO埃隆·马斯克宣布了一项雄心勃勃的计划：进一步加大资金投入，以增强其人形机器人Optimus（擎天柱）的基础设施训练。马斯克抛出一组震撼数据，称Optimus的训练需求至少是汽车达到全面实用性所需计算能力的10倍，但其未来收入潜力可能超过10万亿美元。这一表态正值特斯拉汽车业务收入同比下降8%、整体业绩不及预期的背景下，显示出马斯克正试图以“机器人+AI”的超级叙事重塑特斯拉的未来。

尽管面临技术复杂性和高昂成本的挑战，马斯克坚信，Optimus的潜在市场价值将远超投入，并预测其未来收入有望达到约100亿美元，称这一前景“极具吸引力”。

Optimus的研发标志着AI技术从二维到三维的跨越。

“如果说汽车是二维世界的智能体，Optimus就是三维宇宙的通用解题者。”马斯克形象地比喻道。这种复杂性体现在Optimus需要处理三维空间运动、多模态环境交互以及复杂决策链等挑战，其训练需求大约是特斯拉电动车的10倍。尽管机器人可能具备“比汽车多出1000倍的功能”，但训练的复杂度并不会线性增长，而是维持在约10倍的水平。

Optimus采用了与特斯拉全自动驾驶（FSD）系统相同的人工智能技术——Dojo。这一系统能够处理海量数据并做出复杂决策，使Optimus能够从环境中学习并适应新任务。Dojo系统利用各种传感器和摄像头分析周围环境，赋予机器人像人类一样的感知和自主导航能力。

为了支持Optimus的研发，特斯拉正在加速部署由5万块Nvidia H100 GPU组成的算力集群，并推进自研D1芯片的规模化应用。这些硬件投入不仅提升了计算能力，还为Optimus的神经网络训练提供了强大支持。目前，Optimus原型已配置28个关节致动器、8路自动驾驶摄像头和定制化FSD系统，其神经网络训练规模仍在指数级扩张。

Optimus的研发标志着AI技术从二维到三维的跨越。与特斯拉的电动车相比，Optimus需要在工业任务、家庭服务以及复杂环境下的自主决策等多个领域进行广泛训练。这种多功能性要求机器人具备高度的环境感知、运动控制和任务执行能力。然而，训练Optimus需要处理海量数据并构建强大的计算基础设施。

马斯克透露，特斯拉已在AI相关项目上投资超过50亿美元，占资本支出总额的50%以上，其中包括由5万块Nvidia H100 GPU组成的计算集群。未来两年，特斯拉预计每年追加30亿～40亿美元用于训练基础设施，并将德州工厂转型为“算力-硬件-算法”三位一体的AI创新中心。尽管如此，Optimus的训练仍面临计算资源不足的挑战。

这种转型伴随着巨大风险。华尔街分析师指出，若Optimus无法在3年内实现工厂场景落地，特斯拉可能面临现金流危机。

摩根士丹利测算显示，公司需维持每年25%的AI投入增速才能支撑训练需求，这对毛利率持续承压的特斯拉构成严峻考验。

此外，特斯拉在AI领域的布局不仅限于硬件投入，还包括算法优化和数据集构建。马斯克表示，特斯拉在自动驾驶领域积累的技术经验将为Optimus的研发提供重要支持。然而，Optimus项目的推进并不顺利，还曾因延误导致项目经理被解雇。

Optimus的应用场景非常广泛，涵盖了从工业到家庭的多个领域。

Optimus自发布以来，便以其颠覆性的设计和广泛的应用场景吸引了全球目光。Optimus的设计初衷是解决人类在工作和生活中面临的枯燥、重复和危险任务。在工业领域，许多岗位需要高强度劳动或在危险环境中作业，这不仅对工人的身体健康构成威胁，还可能导致生产效率低下。Optimus的出现，旨在通过自动化技术替代这些岗位，从而提升工作效率并保障工人安全。

例如，在制造业中，Optimus可以承担装配线上的重复性任务；在物流行业，它可以自动化完成仓库内的货物搬运和分拣工作；在危险环境中，如核电站或化工厂，Optimus可以执行巡检和维护任务，减少人类暴露在危险中的风险。这种设计理念不仅体现了特斯拉对技术创新的追求，也反映了其对人类福祉的关注。

Optimus的应用场景非常广泛，涵盖了从工业到家庭的多个领域。在工业领域，它可以替代那些高强度或危险性较高的岗位。例如，在汽车制造工厂中，Optimus可以承担焊接、喷涂等任务；在物流中心，它可以自动化完成货物的搬运和分拣。这种应用不仅提高了生产效率，还降低了人力成本和安全风险。

在家庭环境中，Optimus同样展现了其多功能性。它可以协助完成购物、清洁、烹饪等日常事务，成为家庭中的得力助手。例如，Optimus可以根据家庭成员的日程安排自动完成家务，或者在主人外出时负责家庭安全监控。这种多功能性为人机交互开辟了新的可能性，使机器人不再是冰冷的工具，而是融入日常生活的智能伙伴。

Optimus的操作模式兼具自主性和可控性，使其在家庭和职场环境中都显得尤为实用。它可以像特斯拉汽车一样自主操作，根据环境感知和任务需求自主决策并执行任务。例如，在仓库中，Optimus可以自动识别货物并完成搬运；在家庭中，它可以根据环境变化调整清洁路线。

同时，Optimus也支持人类远程控制。用户可以通过手机或电脑向其发出具体指令，实时监控任务进展并进行调整。这种“可控但高度自主”的特性，不仅提高了任务的灵活性，还增强了用户对机器人的信任感。例如，在工业环境中，操作员可以通过远程控制实时调整Optimus的工作状态；在家庭中，用户可以通过手机应用远程指挥Optimus完成特定任务。

特斯拉的技术优势为Optimus的广泛应用提供了技术支持。Optimus配备了先进的传感器和计算平台，能够实时感知环境变化并作出智能决策。例如，它可以通过视觉传感器识别物体，通过力反馈传感器调整抓取力度，通过路径规划算法优化移动路线。这种环境适应能力使Optimus能够在复杂场景中高效完成任务。

此外，Optimus还采用了特斯拉在自动驾驶领域积累的技术经验。例如，其神经网络训练平台可以处理海量数据，优化任务执行算法；其硬件设计则借鉴了电动车的轻量化和高效能理念。这种技术整合不仅提升了Optimus的性能，还为其商业化应用奠定了基础。

若Optimus无法在2027年前实现正向现金流，特斯拉可能需要面对每年超50亿美元的持续性投入。

尽管特斯拉在Optimus上投入了大量资源，但它的商业化之路却充满不确定性。从技术延迟、成本悖论到市场竞争，特斯拉正面临理想与现实的巨大鸿沟。 

马斯克最初承诺Optimus将于2022年开启客户交付，但这一目标已多次推迟。最新消息显示，消费者最快要到2026年才能收到产品。这种延迟不仅削弱了市场对特斯拉技术能力的信心，也使其面临落后于竞争对手的风险。例如，原定2023年完成的德州GPU集群因施工问题延期，直接导致项目负责人被解雇。当前展示的Optimus原型仅能完成简单物体分拣，距离“替代人类危险劳动”的目标仍有显著差距。更严峻的是，特斯拉的自动驾驶业务（FSD）已为技术跃进敲响警钟，即历经8年迭代，FSD仍未实现L4级突破。Optimus项目负责人坦言：“让机器人在动态环境中稳定行走的难度，相当于同时解决1000个自动驾驶Corner Case。”

即使采用轻量化设计，Optimus单台物料成本（BOM）预计超过2万美元，这与“家用助手”的定位形成尖锐矛盾。在工业场景中，这一成本或许能被高价值回报覆盖，但在消费市场，高昂售价将大幅限制用户群体。摩根士丹利分析指出，若Optimus售价无法降至1万美元以下，其市场规模可能被压缩至高端工业领域。此外，支撑机器人智能化的计算基础设施同样代价高昂，特斯拉每年需投入数十亿美元用于训练集群建设，这对毛利率持续承压的特斯拉构成双重挑战。

正当特斯拉艰难突破技术瓶颈时，竞争对手已悄然逼近。机器人公司Figure AI率先推出可量产的人形机器人Figure 02，并宣布2025年启动交付；波士顿动力最新Atlas机器人已能在复杂地形中自主搬运重物；中国初创企业优必选则凭借成熟的伺服关节技术，在工业场景实现规模化应用。

面对多重挑战，特斯拉正尝试通过分阶段策略破解困局。工业市场成为首个突破口：计划2025年推出专用于汽车工厂的Optimus Pro版本，承担焊接、喷涂等高危任务。这种“高单价、低销量”的模式既可验证技术可行性，又能为消费级产品积累数据和资金。与此同时，特斯拉试图将自动驾驶技术降维迁移至机器人领域，Optimus的视觉感知系统直接复用FSD的摄像头阵列，神经网络训练平台则共享Dojo超算资源。马斯克强调：“当Optimus的神经网络参数量突破100万亿级时，量变将引发质变。”

尽管马斯克坚信Optimus将成为特斯拉的下一个增长引擎，并豪言“其收入潜力远超汽车业务”，但华尔街的质疑声从未停息。分析师指出，若Optimus无法在2027年前实现正向现金流，特斯拉可能需要面对每年超50亿美元的持续性投入，这对一家车企而言无异于“走钢丝”。正如摩根士丹利报告所述：“特斯拉正在用汽车业务的利润为机器人梦想输血，但这种模式能否持续，取决于Optimus能否从科幻概念进化为真正的生产力工具。”在这场理想与现实的博弈中，时间或许是最公正的裁判。

“工业-服务”双线布局既能规避与特斯拉的正面竞争，又可利用国内庞大的消费市场孵化创新应用。

在全球人形机器人产业的竞速赛中，特斯拉凭借技术复用、垂直整合与数据壁垒构建起工业赛道的护城河，而中国企业的场景深耕、政策赋能与生态创新正开辟另一条突围路径。中关村物联网产业联盟副秘书长袁帅指出，Optimus通过“造车逻辑”复刻的规模化优势，已在成本与部署效率上形成降维打击，但这也倒逼国内产业加速从“单点突破”转向“系统作战”。

科技部国家科技专家周迪在机器人方面耕耘了十多年，在接受《商学院》记者采访时周迪表示，国内企业在环境感知、情绪识别算法上已形成特色，但在运动控制协调性、AI算法通用性等核心技术上仍存差距。Optimus已在美国工厂试点搬运、分拣等任务，目标直指制造业人力替代，其工厂场景适配能力得益于汽车产线的标准化经验。

周迪警示，若不能攻克灵巧手操作、动态平衡算法核心技术，国内企业或将困于“应用创新强、基础技术弱”的失衡格局。然而，优必选在医疗康复场景的精密控制、小米在智能家居生态的交互壁垒，以及新兴企业在特种作业领域的场景卡位，正逐渐勾勒出“以需求定义技术”的中国式创新图谱。

国内企业则瞄准本土化服务场景破局：优必选切入医疗康复领域，其机器人可完成辅助行走训练、手术器械传递等任务；小米CyberOne绑定智能家居生态，开发语音控制、老人陪伴等功能；在商务接待（如云迹科技）、中式厨房操作等场景建立差异化优势。周迪指出，这种“工业-服务”双线布局既能规避与特斯拉的正面竞争，又可利用国内庞大的消费市场孵化创新应用。周迪也提醒，国内在减速器、伺服电机等核心部件仍依赖进口，政策需从“撒网式补贴”转向“精准攻关”，重点支持国产替代。

萨摩耶云科技集团研究员郑扬洋强调，未来的竞争本质是“数据-场景-供应链”三角体系的对抗，特斯拉的封闭数据帝国与中国企业的开放生态联盟，将在人形机器人产业爆发前夜展开终极博弈。当2025年关键部件国产化率突破70%、单价降至10万元阈值，这场较量将不再局限于技术参数的比拼，而是演变为谁能更快将实验室的创新转化为用户手中的价值。正如这场竞赛揭示的真理：在机器人颠覆人类生产方式的进程中，没有唯一的胜利者，只有持续进化的生存者。

数据成为人形机器人竞争的核心壁垒。特斯拉依托自动驾驶建立的封闭数据生态，拥有超200亿英里真实路测数据，可快速训练机器人环境适应能力。相比之下，国内企业面临数据碎片化难题、采集短板、共享困境，缺乏规模化应用场景，单一企业数据量不足特斯拉1%；行业标准缺失导致数据孤岛，80%企业数据利用率低于40%。  

在这场全球人形机器人竞赛中，特斯拉凭借技术复用和资本优势暂时领跑，但中国企业的场景创新力和政策驱动力正孕育独特机会。正如周迪所言：“未来5年，谁能在养老陪护、特种作业等本土化场景中建立‘数据-技术-商业’闭环，谁就能在全球市场赢得话语权。”这场关乎未来的较量，既是技术的比拼，更是生态体系的全面竞争。

天使投资人、资深人工智能专家郭涛认为，未来人形机器人市场的竞争格局将呈现多元化趋势。具备技术优势、品牌影响力和成本优势的企业将脱颖而出。国内企业要在未来的全球市场中占据一席之地，需要加强技术创新和品牌建设，提升产品的核心竞争力。同时，积极拓展国际市场，通过合作、并购等方式提升国际竞争力。

中国城市专家智库委员会常务副秘书长林先平在接受《商学院》记者采访时表示，国内企业需要应对特斯拉在资本和产业链整合方面的竞争压力。一些国内企业可以通过加强技术创新和研发能力来提升自身的竞争力，同时也可以通过资本运作和产业链整合来降低成本并提高效率。这些企业需要有足够的资本和资源支持来追赶或超越特斯拉。为了加强创新生态建设，国内企业需要在技术研发、市场需求和产业化应用之间实现更好的平衡。企业需要与高校、研究机构、投资机构等建立紧密的合作关系，共同推动人形机器人产业的发展。此外，企业还需要注重市场研究和用户需求，以开发出更具实用性和市场潜力的产品。

周迪提出，国内企业在应对特斯拉等国际企业的竞争压力时，需要加强技术创新和研发能力，提高产品质量和性能，以获得更多的市场份额。同时，国内企业需要加强资本和资源支持，以实现更快速的技术迭代和产品升级。此外，国内企业也可以通过合作、并购等方式，加强产业链整合和资源整合，提高自身的竞争力。他建议，为了实现技术研发、市场需求和产业化应用的平衡，国内企业需要加强创新生态建设，包括加强产学研用合作、建立创新平台、推动科技成果转化等方面。同时，也需要加强人才培养和引进，提高企业的创新能力和核心竞争力。

郑扬洋预测，随着2025年人形机器人关键部件国产化率突破70%，中国企业的成本优势将进一步显现。未来竞争焦点将转向：数据生态构建。建立跨行业动作数据库，破解训练数据碎片化难题；混合智能突破，结合大模型与具身智能，提升机器人自主决策能力；柔性制造升级，通过3D打印、柔性电子技术降低定制化成本。  

在这场人形机器人产业竞速中，特斯拉的端到端架构与规模效应树立了工业机器人的标杆，而中国企业的场景创新力与生态整合力正开辟差异化生存空间。正如郑扬洋所言：“当技术路线尚未收敛时，谁能更快将技术锚定真实需求，谁就能在产业爆发期赢得先机。”这场较量不仅是技术的比拼，更是对市场需求理解深度与产业资源调度能力的全面检验。

来源 | 2025年2&3月合刊