2026-06-18 — views
Physical AI 人形機器人 — Tesla Optimus 對 Figure、Boston Dynamics、Agility 與 2026 商業化競賽
Tesla Optimus 目標 2026 年出貨 5 萬台，但 2025 年實際僅約 1,000 台。Figure 已部署於 BMW 慕尼黑工廠。Agility Digit 在亞馬遜倉庫完成最多商業部署。人形機器人競賽是多方角力。
Physical AI 基準系列第 154 篇 — Physical AI 人形機器人：Tesla Optimus 對 Figure、Boston Dynamics、Agility 與工業規模部署競賽
人形機器人在 2024 至 2026 年這段壓縮的時間窗口內，從科幻題材走進了工廠現場。多家企業已在製造環境中部署雙足機器人，競爭格局遠比自駕車的 FSD/Waymo 雙雄對決更為多元。Tesla Optimus 是最受矚目的人形機器人計畫——背靠 Tesla 的資產負債表、Dojo 訓練基礎設施，以及 Elon Musk 的產量目標——但 Figure、Boston Dynamics、Agility Robotics、1X Technologies、Apptronik、Sanctuary AI 與 Unitree Robotics 都是技術路徑各異的活躍競爭者。本文為 Physical AI 基準系列第 154 篇，梳理使 2026 年成為商業拐點的六大技術驅動力，並對主要競爭者在硬體規格與部署現況上進行系統性比較。
所有標記「（估計）」的數字均來自公開揭露、行業研究及分析師估計，並非獨立驗證的原始數據。
第一節 — 人形機器人領域：為何是現在
2026 年的人形機器人商業化時刻，並非源於單一突破，而是六項使能技術在同一約兩至三年窗口內同時跨越商業可行性門檻的結果。
| 驅動力 | 改變了什麼 | 影響 |
|---|---|---|
| 操作基礎模型 | 大語言模型與視覺-語言-動作（VLA）模型已能從影片示範生成機器人操作策略，無需逐任務編程 | 教機器人新任務的成本從數週工程縮短至數小時示範 |
| 致動器成本下降 | 高扭矩伺服致動器從每關節 $1,000–5,000（2018 年）降至 $100–500（估計 2026 年） | 完整人形機器人物料清單從逾 $200K 降至估計 $30–100K；趨近商業可行 |
| 電池能量密度 | 人形機器人需 4–8 小時續航；LiPo 與 LiFePO4 能量密度自 2018 年提升約 40% | 運作時長已可滿足工廠班次需求 |
| 力矩感測 | 每關節力矩感測實現靈巧操作；成本已進入車規級量產範圍 | 對處理易碎物品及人機安全接觸至關重要 |
| NVIDIA GROOT 與 Isaac Lab | NVIDIA 發布 GROOT 人形機器人基礎模型，以及用於合成訓練資料生成的 Isaac Lab 模擬環境 | 降低訓練資料需求；所有人形機器人公司均可使用相同模擬基礎設施 |
| 製造業勞動力短缺 | 美國、歐盟、日本及南韓製造業勞動力短缺；人口老化；政策推動製造業回流 | 形成真實的企業端需求拉動，而非技術推送 |
收斂門檻
沒有任何單一驅動力能解釋 2026 年的拐點。致動器成本下降本身只能產出昂貴的展示機器人。基礎模型本身只能產出沒有可行硬體平台的軟體。六大驅動力在同一窗口收斂，加上製造業勞動力短缺提供了需求訊號，才共同催生了這個商業化時刻。
第二節 — 主要競爭者基準：規格與部署現況
| 公司 | 機器人 | 身高 / 體重 | 承載 | 速度 | 手部 | 訓練方法 | 部署現況（2026 年中） | 融資（估計） |
|---|---|---|---|---|---|---|---|---|
| Tesla | Optimus Gen 2 | 約 173 cm / 57 kg | 約 20 kg | 約 1 m/s 步行 | 11 自由度手部含觸覺感測 | 端到端神經網路（同 FSD 架構）；遠端操控示範轉模仿學習 | 約 1,000 台部署於 Tesla Gigafactory（估計）；外部銷售目標約 2027 年 | Tesla 內部資本支出（非獨立融資輪） |
| Figure | Figure 02 | 約 168 cm / 60 kg | 約 20 kg | 約 1.2 m/s | 靈巧手部；16 自由度（估計） | OpenAI 合作提供認知 VLA 層；遠端操控資料收集 | BMW 慕尼黑工廠部署（Figure 已揭露）；早期商業運營 | $675M+ 已募（Figure 揭露）；投資方包括 Microsoft、OpenAI、NVIDIA、Jeff Bezos |
| Boston Dynamics | Atlas（電動版） | 約 178 cm / 89 kg | 約 25 kg | 約 1.5 m/s（高敏捷性） | 新款電動手部（2024 年 Gen 2） | 模型驅動控制加強化學習；聚焦運動能力 | 內部展示加 Hyundai 工廠試點；截至 2026 年中尚未商業部署 | Hyundai 子公司（約 $1.1B 收購，2021 年） |
| Agility Robotics | Digit | 約 175 cm / 65 kg | 約 16 kg | 約 1.5 m/s | 專為包裹搬運設計；非仿人手部 | 強化學習訓練移動；任務特定操作 | 亞馬遜倉庫試點（已揭露）；GXO Logistics 試點；非 Tesla 人形機器人中商業部署最多 | 亞馬遜投資加 $150M+（估計） |
| 1X Technologies | NEO | 約 165 cm / 30 kg（輕量設計） | 約 15 kg（估計） | 約 1 m/s | 柔觸手部 | 大規模遠端操控資料收集；行為克隆 | 早期客戶部署（估計 2026 年）；北歐市場為主 | $100M+ 已募（估計）；OpenAI 投資 |
| Apptronik | Apollo | 約 173 cm / 73 kg | 約 25 kg | 約 1.5 m/s（估計） | 可更換末端執行器 | Google DeepMind 合作；RT-2 系列模型整合 | NASA 合作；早期工廠試點（估計）；未大規模部署 | 約 $350M+ 已募（估計）；Google 策略投資方 |
| Sanctuary AI | Phoenix | 約 170 cm / 56 kg | 約 25 kg | 約 1 m/s（估計） | 碳纖維手部，20 自由度 | 大規模遠端操控轉模仿學習；「通用機器人」路線 | 加拿大早期商業部署（估計）；Microsoft 合作 | 約 $100M+ 已募（估計） |
| Unitree Robotics | H1 / G1 | H1：約 178 cm / 47 kg；G1：約 135 cm / 35 kg | H1：30 kg；G1：3 kg | H1：3.3 m/s（最快）；G1：2 m/s | G1：靈巧手部 | 移動強化學習；開源社群 | H1：$90,000 美元商業售價（Unitree 揭露）；G1：$16,000；廣泛用於研究 | 中國公司；商業硬體已上市；面臨美國出口管制風險 |
第三節 — Tesla Optimus：FSD 飛輪應用於機器人
| 維度 | 細節 | 競爭意涵 |
|---|---|---|
| 架構 | 與 FSD 相同的視覺神經網路方法；機器人頭部與機身均配置攝影機；Dojo 以訓練 FSD 的相同方式訓練機器人策略 | 垂直整合：訓練基礎設施已建成；無需新增算力投資 |
| 訓練資料飛輪（估計） | Tesla 在 Gigafactory 內使用遠端操控示範生成訓練資料；訓練神經網路進行複製；部署後持續收集資料 | 與 FSD 相同的影子模式加模仿學習模式；若 Optimus 機隊規模擴大，將形成規模優勢 |
| 當前工廠任務 | 電池電芯分揀、品質檢驗及零件搬運，位於 Gigafactory 內華達州與德克薩斯州（Tesla 法說會已揭露） | 真實生產環境產生真實訓練資料；非展示環境 |
| 產量目標 | Musk 宣稱目標：2026 年 50,000–100,000 台（Musk 揭露）；2030 年年產逾 100 萬台（Musk 揭露） | 這些目標歷來偏向理想化；2025 年實際產量約 1,000 台，大幅落後 |
| 價格目標 | Musk 宣稱長期目標低於 $20,000 / 台 | 若實現 $20K，人形機器人比美國最低工資一年的總成本更低；重塑多數工廠應用的經濟邏輯 |
| FSD 資料優勢 | FSD 使用的相同攝影機、神經網路及訓練基礎設施均可用於 Optimus；競爭者無等效的雙用途基礎設施 | 獨特競爭優勢：FSD 投資以零邊際基礎設施成本補貼 Optimus 開發 |
| 製造規模優勢 | Tesla 在內部製造 Optimus 硬體；Gigafactory 製造專業知識可應用於機器人生產 | 競爭者外包硬體製造；Tesla 垂直整合可能實現更快成本下降 |
| 主要風險 | Musk 產量目標歷來延誤 2–3 年；2026 年 5–10 萬台目標，在 2025 年約 1,000 台的基礎上顯得過於樂觀 | 執行風險高；評估競爭地位時應大幅折扣時間表 |
第四節 — Figure 與 OpenAI 加持的機器人
| 維度 | 細節 | 競爭意涵 |
|---|---|---|
| Figure 02 發布 | Figure 於 2024 年發布 Figure 02；部署於 BMW 慕尼黑工廠（Figure 揭露）；聚焦汽車製造任務 | 在主要 OEM 工廠（非 Tesla）的首次商業人形機器人部署 |
| OpenAI 認知層 | Figure 與 OpenAI 建立正式合作，由 OpenAI VLA 模型提供認知理解；Figure 負責物理具身 | 職責分工：OpenAI 世界知識加推理，加 Figure 機器人硬體加移動控制 |
| 投資人陣容 | $675M+ 已募（Figure 揭露）；投資方包括 Microsoft、OpenAI、NVIDIA、Jeff Bezos 及 Parkway Venture Capital | 融資最充裕的非 Tesla 人形機器人新創；投資方名單代表 AI 生態系統下注 |
| VLA 模型路線 | Figure 授權 OpenAI 模型而非從頭自研認知模型；加快上市時間，但依賴 OpenAI 關係 | 不同於 Tesla（自研）及 Boston Dynamics（模型驅動）；OpenAI 合作既是優勢也是策略風險 |
| BMW 部署 | BMW 慕尼黑裝配任務；Figure 尚未揭露具體台數或商業條款 | Tesla 以外商業部署的首個證明點；驗證企業客戶需求 |
| 估值（估計） | $675M 輪後估值 $2B+（估計） | 對尚未盈利公司的高估值；反映 AI 生態系統投資人對具身 AI 的熱情 |
第五節 — 人形機器人基準評分卡
| 維度 | Tesla Optimus | Figure 02 | Boston Dynamics Atlas | Agility Digit | 備註 |
|---|---|---|---|---|---|
| 商業部署規模 | 約 1,000 台（內部，估計） | BMW 試點（早期） | 未商業部署 | 亞馬遜倉庫試點（外部部署最多） | Agility 在外部商業部署上領先 |
| 資金 / 支持 | Tesla 內部資本支出（最大隱含承諾） | $675M+（Figure 揭露） | Hyundai 子公司 | 亞馬遜加 $150M+ | Tesla 隱含承諾最大；Figure 是融資最充裕的新創 |
| 訓練方法成熟度 | 端到端神經網路（已在 FSD 大規模驗證） | OpenAI VLA（頂尖認知層） | 模型驅動加 RL（運動能力最成熟） | RL 移動（針對倉儲任務優化） | 各方法對不同任務類型各有優勢 |
| 價格目標 | 低於 $20K（Musk 宣稱目標；長期） | 未揭露 | 非面向消費者定價 | 未揭露 | Unitree G1 $16,000 是當前低價基準（研究級） |
| 外部銷售上市時間（估計） | 約 2027 年（估計） | 2025–2026 BMW；更廣泛估計 2027 年 | 未針對近期外部銷售 | 現在（倉儲物流領域） | Agility 最接近規模化外部商業銷售 |
| 手部 / 靈巧性 | 11 自由度加觸覺感測 | 16 自由度（估計） | 新款電動手部（2024 年） | 任務特定設計（非通用手部） | Figure 與 Tesla 在靈巧通用操作上領先 |
| 整體結論 | 人形機器人競賽遠比 FSD/Waymo 雙雄格局更具競爭性。Tesla Optimus 擁有最強大的訓練基礎設施（FSD 協同加 Dojo），目標最大膽，但落後自身宣稱的產能目標。Figure 融資最充裕，商業工廠部署最受矚目。Agility 當前商業部署最多（亞馬遜倉庫）。Boston Dynamics 移動能力最精良，但未將近期商業部署列為優先。2027–2030 年窗口將決定誰能從試點擴展至數千台商業規模。 |
注意： 所有標記「（估計）」的數字均來自截至 2026 年中的公開揭露、行業研究及分析師估計。本文不構成投資建議或產品推薦。
來源
- Tesla Optimus 生產目標 — Tesla Q1 2026 法說會 ↗
- Figure 02 與 BMW 部署 — Figure AI ↗
- Boston Dynamics Atlas 電動版 — Boston Dynamics ↗
- Agility Robotics Digit 亞馬遜部署 — Agility Robotics ↗
- NVIDIA GROOT 人形機器人基礎模型 — NVIDIA ↗