2026-06-18 — views
物理AI Tesla Optimus 2026 — FSD共用AI堆栈 vs 工业自动化：人形机器人基准测试与估值影响
Tesla Optimus 复用FSD的AI堆栈——视觉芯片、端到端训练。Waymo无人形机器人计划。Optimus可能成为Tesla到2035年最大物理AI业务。
概览
本文为物理AI基准测试系列第170篇。Tesla的物理AI战略建立在三大支柱上：FSD（汽车）、Cybercab（机器人出租车）及Optimus（人形机器人）。Waymo无人形机器人计划。本文将Tesla Optimus与现有工业自动化进行基准比较，分析与FSD共用AI堆栈的意义，并量化即使是适度的Optimus商业部署对Tesla估值的影响。
第一节 — Optimus：现状与量产进程
Tesla Optimus Gen 2于2023年底发布，是Gen 1概念验证机的量产意图继任者。截至2026年第二季度，Optimus主要部署于Tesla自家Gigafactory，执行特定重复性制造任务。
| 维度 | Q2 2026 现状 | 备注 |
|---|---|---|
| Optimus世代 | Optimus Gen 2（2023年底发布）；估计步行速度5公里/小时（估）；每手估计11个自由度（估）；估计重量63公斤（估） | Gen 1为概念验证；Gen 2为量产意图；Gen 3规格尚未公开 |
| 累计产量（估） | 截至2026年中估计已生产5,000至10,000台（估）；主要部署于Tesla Gigafactory | Musk的2025年目标为估计1,000台；2026年目标为50,000至100,000台；实际进度估计低于目标（估） |
| Gigafactory内部使用案例 | 电池芯分类与质量检验；线束安装；零件运输；螺丝锁固任务 | 特定重复任务——非通用操作；符合Optimus目前的灵巧度水平 |
| 外部商业供应 | 截至2026年中供应有限（估）；Tesla已讨论对其他制造商开放，但未确认重大外部部署（估） | 战略：先内部使用（零商业风险、收集训练数据），可靠性验证后再对外 |
| 目标售价 | Musk曾提及长期目标低于每台20,000美元；目前生产成本估计远高于此（估）；尚未公布商业售价 | 低于2万美元是Optimus在制造业劳动力竞争中具备经济竞争力的目标门槛 |
| 目前任务能力 | 可靠执行特定训练任务；通用操作（抓取任意物品、对新任务序列进行推理）仍是研究挑战 | Optimus距离通用操作的差距，大于FSD距离完全自动驾驶的差距——操作问题比驾驶问题更难 |
第二节 — 与FSD共用AI堆栈的意义
关于Optimus最具分析价值的论点，是它复用了Tesla的FSD AI堆栈——这不仅是营销说辞，而是真实的工程架构。转移是真实的；问题在于FSD积累的能力有多少真正适用于机器人操作。
| 共用维度 | FSD能力 | Optimus应用 | 转移价值 |
|---|---|---|---|
| 视觉感知 | 8路环绕摄像头；实时物体检测与3D占用网络 | Optimus手部与头部摄像头；抓取物体检测；任务规划场景理解 | 高：相同的摄像头感知架构；Optimus直接受益于FSD多年视觉感知研究 |
| 端到端神经网络 | FSD v12：从摄像头输入到驾驶指令的单一神经网络 | Optimus：从摄像头输入到马达指令的神经网络；架构上类似FSD | 高：FSD所倡导的端到端网络转型直接适用于机器人策略学习 |
| 训练数据管道 | FSD：来自600万辆车的60亿英里以上监督里程；数据引擎自动标记边缘案例 | Optimus：来自数千小时机器人工厂任务的数据；人工示范视频；远程操作数据 | 中：数据管道架构可转移；但机器人操作数据远比驾驶数据难以收集 |
| 仿真 | 基于Dojo的罕见驾驶场景仿真 | 机器人操作任务的仿真到真实转移；仿真抓取物理、关节动态、环境变化 | 中：仿真方法可转移；机器人物理仿真比驾驶仿真更难（接触丰富动态） |
| 自研芯片（FSD芯片+Dojo） | HW4芯片用于车载推理；Dojo用于训练 | Optimus使用相同的FSD推理芯片；受益于Dojo训练基础设施 | 高：相同硬件，无需额外开发推理芯片 |
| 共用堆栈总结 | FSD到Optimus的转移真实且有意义：相同感知架构、相同端到端理念、相同训练基础设施、相同推理硬件。Optimus并非独立AI项目——它是将FSD应用于不同物理执行器（手臂和手，而非车轮和方向盘）。转移价值在感知最高，在操作最低：视觉转移良好；机器人特定灵巧度（抓取、精细动作）需要FSD无法提供的新数据与新训练。 |
第三节 — Optimus vs 工业机器人：竞争格局
工业机器人（ABB、Fanuc、KUKA）已在制造业规模化部署数十年，可靠性极高。人形机器人（Optimus、Figure、1X、Agility）主张人形外观能解锁工业机器人无法匹敌的灵活性。
| 比较维度 | Tesla Optimus | 传统工业机器人（ABB、Fanuc、KUKA） | 人形机器人竞争对手（Figure、1X、Agility） |
|---|---|---|---|
| 外观形态 | 人形（双足、双臂、双手）；设计在人类环境中操作，无需改造工作场所 | 固定臂机器人；安装于地板或天花板；需要专用工作单元；无法使用人类工具或工作空间 | 人形（双足）；与Tesla相同的外观理由 |
| 编程方式 | 从示范和远程操作进行端到端AI策略学习；通过学习泛化到新任务 | 每项任务需明确编程；需要机器人程序员；无法在未重新编程的情况下泛化 | 类似的AI学习方法；成熟度低于Tesla |
| 成本 | 长期目标低于20,000美元（估） | 估计每臂25,000至200,000美元以上（依类型和能力而异）（估） | 尚未达到商业定价；估计最初与Tesla目标相当或更高（估） |
| 灵活性 | 高（理论上）：可执行多种不同任务；可使用人类工具；在人类工作空间运作 | 低：一台机器人等于一项任务；更换任务需要大量重新工程 | 高（与Tesla相同的理由） |
| 可靠性 | 低于工业机器人（当前成熟度阶段）；通用AI策略在新场景下会失败 | 非常高：工业机器人在编程任务上达到99.9%以上的正常运行时间 | 低于工业机器人；与Tesla目前成熟度相似 |
| 部署规模 | 全球数千台（估）；截至2026年中估计5,000至10,000台（估，主要为Tesla内部） | 全球部署数百万台工业机械臂；规模已验证 | 数百至低千台；均处于早期阶段 |
| Optimus主要优势 | 无需改造工作单元；可与人类并肩工作；可使用现有人类工具；一台机器人处理多项任务 | 这些优势均不具备：工业机器人需要专用工作空间 | 相同优势；Tesla在AI堆栈上具有竞争优势 |
| 工业机器人主要优势 | 在灵活性上无优势 | 编程任务上99.9%以上可靠性；成熟供应链；完善维护生态系统；无AI不确定性 | 在当前可靠性上无优势 |
第四节 — Optimus TAM与估值影响
| TAM维度 | 计算 | 备注 |
|---|---|---|
| 全球制造业劳动成本 | 全球制造业雇用估计3至4亿工人；全球平均制造业工资估计每年15,000至30,000美元（差异大：中国估计8千美元，美国4.5万美元以上）（估） | 成本低于2万美元的Optimus加上每年估计3,000至5,000美元维护费（估），在许多地区可与制造业工人竞争 |
| Optimus渗透10%制造业（20年情景） | 3至4千万台Optimus，每台平均2万美元 = 估计6,000亿至8,000亿美元硬件收入（估，20年累计）加软件和服务收入 | 这是理论上限，非近期预测 |
| 近期现实TAM（5年） | 若Optimus到2030年达到估计每年10万至50万台（估），售价2万至3万美元（估）= 估计每年20亿至150亿美元收入（估） | 此范围涵盖”有限商业成功”到”Tesla重要业务单元” |
| 分析师估值归因 | ARK Invest及其他Tesla多头对Optimus估计每股300至1,000美元的Tesla价值（估）；差异极大 | Optimus估值在目前成熟度水平下极具投机性 |
| Tesla内部价值 | 若Optimus执行10%的制造工人年工作量，每台每年可为Tesla节省估计4,500美元；10,000台内部 = 估计每年4,500万美元（估） | 目前内部部署主要用于数据收集 |
| 重新评估Optimus的条件 | 第一个确认的大型外部客户大规模部署；宣布低于2万美元商业售价；公开可靠性指标；Figure-BMW合作证明了市场需求真实存在 | Tesla需要同等的外部验证里程碑 |
第五节 — Optimus基准计分卡
| 维度 | Tesla Optimus | Waymo（无人形机器人） | 工业机器人 | 优势 |
|---|---|---|---|---|
| AI能力（当前） | 学习型；对训练任务泛化；在新场景下失败 | 不适用 | 规则型；在编程任务上极度可靠；零泛化能力 | Optimus在灵活性领先；工业机器人在可靠性领先 |
| 与AV的共用AI协同 | 决定性：与FSD相同堆栈；共用芯片、训练基础设施、感知架构 | 不适用 — Waymo仅做自动驾驶 | 无 | Tesla在AI协同上具决定性优势 |
| 量产规模（估） | 估计累计5,000至10,000台（估） | 不适用 | 已部署数百万台 | 工业机器人在当前规模上具决定性优势 |
| 成本经济性 | 长期目标低于2万美元；目前成本估计远高于此（估） | 不适用 | 工业臂估计2.5万至20万美元以上（估） | Optimus目标具竞争力成本；尚未实现 |
| 商业牵引力 | 仅限Tesla内部（估）；无已确认的大型外部客户（估） | 不适用 | 全球数百万台在商业使用中 | 工业机器人在商业牵引力上具决定性优势 |
| 估值选择性 | 公开市场中最大的物理AI选择性（分析师估计每股0至1,000美元范围） | Waymo无Optimus敞口 | 未作为独立公司上市 | Tesla在估值选择性上具决定性优势 |
| 总体判决 | Optimus是Tesla风险最高、回报最高的物理AI赌注。共用FSD AI堆栈是真正的优势——不仅是营销。但人形机器人操作在本质上比自动驾驶更难，从”可靠执行特定工厂任务”到”商业规模通用制造机器人”的差距，比FSD监督版到FSD无人驾驶版的差距更大。对投资者而言，Optimus是一个免费期权：如果成功，到2035年可能成为Tesla最大的业务。如果失败，FSD和Cybercab仍是核心物理AI故事。Waymo没有等效的选择性——它是纯自动驾驶业务。 |
所有标注（估）的数据均来自公司公开披露、分析师估计及行业基准。本文为物理AI基准测试系列第170篇。
来源
- Tesla Optimus Gen 2 — Tesla AI Day ↗
- Tesla Optimus 生产目标 — Tesla 投资者关系 ↗
- Figure AI BMW 合作 — Figure 新闻 ↗
- 工业机器人市场 — IFR 世界机器人 ↗
- ARK Invest Tesla 估值 — ARK ↗