2026-06-18 — views
Physical AI 人形機器人 2026 — Tesla Optimus vs Figure AI vs Agility Digit vs Boston Dynamics Atlas：全方位基準評測
Amazon Digit 領跑商業部署；Boston Dynamics Atlas 步態最強；Tesla Optimus 目標低於 $25K（估），具備最佳量產規模路徑。
Physical AI 基準系列第 211 篇 — Physical AI 人形機器人 2026：Tesla Optimus vs Figure AI vs Agility Digit vs Boston Dynamics Atlas — 全方位基準評測
2025–2026 年是人形機器人從研究展示正式進入有限商業量產部署的首個歷史時期。在此之前，人形機器人不過是展覽上的噱頭——本田 ASIMO、液壓驅動的 DARPA Atlas——令人印象深刻的展示，卻毫無商業價值。2026 年，多款人形機器人已在真實工廠與倉庫中執行真實的工業任務。這一轉變意義深遠，而人形形態背後的戰略邏輯正是關鍵所在。
第一節 — 人形機器人對 Physical AI 的戰略意義：商業拐點
人形形態具有戰略重要性，原因有三。第一，人類環境是為人類設計的。工廠、倉庫、醫院和住宅的門、樓梯、貨架與工具，全部以人體尺寸為基準。人形機器人無需改造現有基礎設施即可投入使用，而專用機器人——叉車、輸送系統——則需要圍繞其構建專屬設施。第二，人形機器人可以透過觀察人類來學習。模仿學習（觀看人類完成任務的影片）和遠端操作（人類在機器人身體中示範任務）都因人機形態的高度吻合而受益。第三，一台能在充足程式設計下完成某項工廠任務的人形機器人，理論上可被重新訓練以執行其他任務，這一點是單一用途機器人所不具備的。
2026 年中期人形機器人部署的主要目標市場包括：Amazon 倉儲、汽車製造與物流。在目前的量產規模下，人形機器人在大多數任務上尚無法與人工勞動成本相抗衡。邁向競爭力的路徑取決於：(a) 透過規模化降低製造成本，以及 (b) 透過訓練資料積累提升能力。Elon Musk 對 Optimus 的長期預測——數百萬台機器人取代危險且重複的工廠作業——代表了可觸及市場的天花板。
第二節 — 平台比較：五款人形機器人正面對決
| 平台 | 開發商 / 所有者 | 資金背景 | 目標應用 | 商業化現況 | 核心差異化優勢 |
|---|---|---|---|---|---|
| Tesla Optimus Gen 2 | Tesla Inc. | 上市公司（TSLA） | Gigafactory 自動化（電池芯處理、品質管控）；最終外部商業銷售 | 有限量產：在 Giga Texas 執行電池芯處理；截至 2026 年中對外商業銷售尚未開放 | 與 FSD 相同的神經網路架構；Tesla 自研驅動器；Gigafactory 訓練資料飛輪；量產目標低於估計 $20K–$25K（估）；Dojo 訓練後端 |
| Figure 02 | Figure AI | 估計 B 輪融資 $6.75 億（估）；投資人包括貝佐斯、OpenAI、Microsoft、NVIDIA、Intel Capital；估值約 $26 億（估） | 通用型製造（汽車組裝——BMW Spartanburg）；倉儲物流 | 商業試驗：BMW 工廠試驗中；尚未進入量產部署 | LLM 引導任務理解（OpenAI 整合）：機器人無需任務專屬程式設計即可遵循自然語言指令；所有人形機器人中語言轉動作能力最為先進 |
| Agility Robotics Digit | Agility Robotics（Amazon 旗下） | Amazon（約 2023 年收購） | Amazon 物流中心倉儲物流（料盒搬運、貨架取貨） | 商業部署：截至 2026 年中商業部署數量最多的人形機器人；在 Amazon 物流中心量產運營中；對外不開放銷售 | 針對倉儲物流進行任務最佳化；與現有 Amazon Robotics（Kiva）系統協同運作 |
| Boston Dynamics Atlas（電動版） | Boston Dynamics（現代汽車旗下） | 現代汽車約 $11 億（估）收購 | 工業製造（現代汽車工廠自動化） | 商業開發中：已宣布用於現代工廠；Spot 與 Stretch 已商業出貨 | 最強動態步行能力；全電動設計取代液壓系統；現代汽車合作夥伴關係；Spot 與 Stretch 已驗證商業化實力 |
| 1X Technologies NEO | 1X Technologies | OpenAI 等；估計已融資逾 $1.25 億（估） | 倉儲與製造；在非結構化環境中與人類緊密協作 | 開發中：EVE（輪式前身）已在商業安保中部署；NEO 處於早期商業化階段 | 挪威歐洲機器人技術專長；EVE 前身已在商業安保部署；OpenAI 背書帶來 LLM 整合優勢 |
第三節 — 技術基準評測：步行能力、操作靈活性與訓練方法
| 技術維度 | Tesla Optimus | Figure 02 | Agility Digit | Boston Dynamics Atlas（電動版） | 備註 |
|---|---|---|---|---|---|
| 步行速度 | 展示速度約 0.5 m/s（估）；Gen 2 比 Gen 1 更快；FSD 神經網路可能實現自適應步態 | 步行速度約 0.5–1.0 m/s（估）；尚未達到人類步行速度約 1.4 m/s（估） | 針對倉儲環境最佳化；平坦倉庫地板約 1.0+ m/s（估）；受控室內環境 | 繼承液壓 Atlas 的動態步行遺產（可跑步、跳躍、後空翻）；所有準商業人形機器人中步行能力最強 | 人類步行速度約 1.4 m/s（估）；慢跑約 2.3 m/s（估）；目前人形機器人普遍低於人類步行速度（Boston Dynamics 除外） |
| 操作靈活性 | 11 自由度手部；已展示折疊衣物、拿取雞蛋、插入電池芯；指尖觸覺感測器；目前量產人形機器人中最靈活的手部之一 | 手部已展示抓取、咖啡機操作（展示）、BMW 組裝任務；靈活性與 Optimus 相當；LLM 引導改善任務執行 | 手部針對料盒搬運最佳化（約 16 kg 負載（估））；非精密操作設計；專用抓手；在特定任務上優於通用人形機器人 | 已展示工具使用與零件操作的手臂靈活性；工業零件處理為主要目標 | 精密操作（縫紉、電路板組裝）截至 2026 年中仍超出所有商業人形機器人的能力 |
| 訓練方式 | 基於攝影機的神經網路（FSD 架構）；模仿學習；Dojo 訓練後端；Gigafactory 大規模提供真實任務訓練資料 | LLM 引導任務規劃（OpenAI 多模態）；新任務的遠端操作示範；BMW 工廠提供有限真實任務訓練資料 | 強化學習 + 任務專屬訓練；Amazon 部署大規模產生真實任務資料；窄任務集讓訓練更易處理 | 繼承液壓 Atlas 時代的步態控制學習成果；現代工廠提供工業任務訓練資料 | 資料飛輪：部署單位越多 = 訓練資料越多 = 能力越強；Tesla 與 Amazon（Digit）具備最佳飛輪潛力 |
| 電源系統 | 電池供電；估計數小時運行時間（估）；透過外部電纜充電 | 電池供電；運行時間估計相近（估） | 電池供電；設計適用於倉庫輪班作業（估計 8+ 小時（估）） | 全電動（2024 年 4 月宣布）；取代液壓系統；維護更簡便、運作更清潔 | 8+ 小時輪班電池續航是商業部署的基本要求；展示平台針對高光片段最佳化，非多小時運行 |
| 目標單機成本 | Musk 目標量產低於約 $20K–$25K（估）；目前規模前成本顯著更高 | 未公開；新創經濟學顯示顯著高於 Tesla 的量產目標（估） | 不適用（Amazon 獨家；不對外銷售） | Spot（Boston Dynamics 四足）約 $75K+（估）——可參考商業定價檔次 | Tesla 的製造規模使 Optimus 具備最可信的低於約 $30K 定價路徑 |
第四節 — 商業部署現況：誰真正在量產中運行
| 公司 / 機器人 | 部署環境 | 規模 | 任務 | 商業可用性 | 關鍵里程碑 |
|---|---|---|---|---|---|
| Agility Digit / Amazon | Amazon 物流中心 | 多台處於主動量產部署中 | 料盒搬運；與 Amazon Robotics（Kiva）系統協同導航 | 不對外開放；Amazon 獨家 | 截至 2026 年中真實量產中商業部署最多的人形機器人；Amazon 物流 = 最嚴格的真實世界驗證 |
| Boston Dynamics Spot | 能源（油氣、核能）、建築、軍事、緊急救援 | 全球部署逾 1,000 台 | 遠端巡檢、天然氣洩漏偵測、工地監控 | 商業可購（約 $75K+（估）/ 台）；B2B 銷售 | 唯一具備大規模全球商業營收的準人形機器人；驗證了 Boston Dynamics 的商業化實力 |
| Tesla Optimus | Giga Texas（電池芯處理） | 有限單位（估計數十至低三位數（估）） | 電池芯處理、品質管控 | 對外商業銷售尚未開放；截至 2026 年中僅供 Tesla 內部使用 | Optimus 首次在真實製造中投入量產使用；資料飛輪開始產生真實工廠訓練資料 |
| Figure 02 / BMW | BMW Spartanburg 工廠（南卡羅來納州） | 試驗規模（估計少量單位（估）） | 汽車製造組裝任務 | 對外商業銷售尚未開放；BMW 合作為商業試驗 | BMW 汽車製造是最嚴苛的工業品質環境之一；即便在試驗規模下也具有重要商業驗證意義 |
| 1X Technologies EVE | 商業安保（挪威/美國） | 有限商業部署 | 受控室內環境的安保監控與巡邏 | 有限商業可用性 | EVE（非 NEO）已商業部署；NEO（雙足）為開發階段後繼機型 |
第五節 — Physical AI 人形機器人基準評分卡
| 基準維度 | Tesla Optimus | Figure 02 | Agility Digit | Boston Dynamics Atlas | 2028 年展望 |
|---|---|---|---|---|---|
| 步行能力 | 中等：約 0.5 m/s（估）；每一代持續改進；FSD 架構可能實現自適應步態 | 中等：約 0.5–1.0 m/s（估）；LLM 引導輔助任務導航，但步行並非 Figure 的核心差異化 | 中高（倉儲情境）：針對平坦倉庫地板最佳化 | 高：繼承液壓 Atlas 的業界領先動態步行遺產；電動 Atlas 維持此優勢 | Boston Dynamics 步行優勢可能維持至 2028 年；Optimus 與 Figure 將改進但起點較低 |
| 操作靈活性 | 高：11 自由度手部含觸覺回饋；已展示精細物件處理 | 高：與 Optimus 相當；LLM 引導增強操作任務執行 | 中等：針對料盒搬運最佳化的專用抓手；非通用操作 | 中高：電動系統預期改善精密操作；工業零件處理為重點 | 精密操作（電子組裝、外科手術）仍是多年研究挑戰 |
| 今日商業部署 | 低中：有限的 Gigafactory 內部使用；無外部商業可用性 | 低：僅 BMW 試驗；未進入量產部署 | 高：真實量產中商業部署最多的人形機器人（Amazon 獨家） | 中等：Atlas 商業開發中；Spot 與 Stretch 商業部署度高 | Digit 在 2026 年具有明顯商業部署領先；Tesla 2026–2027 年外部商業銷售啟動是關鍵重估事件 |
| 訓練資料優勢 | 高潛力：Gigafactory 部署 = 大量真實任務訓練資料；與 FSD 相同架構；資料飛輪是 Tesla 的長期結構性優勢 | 中等：BMW 工廠資料 + LLM 推理；部署規模小於 Tesla/Amazon | 高：Amazon 物流中心規模大量產生真實物流訓練資料；窄任務集讓訓練更易處理 | 中等：現代工廠資料 + 液壓 Atlas 時代的深度強化學習專長 | Tesla 與 Amazon（Digit）具備最佳資料飛輪位置；Tesla 優勢隨 Optimus 部署規模增長而強化 |
| 成本路徑 | 最佳：Gigafactory 量產學習曲線；目標低於約 $20K–$25K（估）；唯一具備此規模成熟量產製造實力的人形機器人公司 | 未知：新創經濟學；無量產製造記錄 | 不適用（Amazon 獨家，不銷售） | 中等：Spot 商業定價（約 $75K+（估））顯示現行價格檔次；Atlas 或可在規模化後降低定價 | Tesla 的製造規模優勢是最重要的長期成本因素 |
整體總結： 2026 年中期的 Physical AI 人形機器人競賽中，商業部署領跑者明確（Agility Digit，在 Amazon 物流中心大規模運行），步行能力領跑者明確（Boston Dynamics Atlas 電動版），語言引導任務執行領跑者明確（Figure 02，OpenAI 整合），以及最具長期戰略定位的參賽者（Tesla Optimus，憑藉 Gigafactory 資料飛輪與製造規模推動低於約 $25K 單機經濟效益（估））。目前所有平台都還遠未能以競爭性勞工成本在通用製造任務中取代人工。決定性問題是：哪個平台將最先同時達成 (1) 通用製造任務的充分能力、(2) 約低於 $20K–$30K 單機成本（估），以及 (3) 量產規模？這正是 Tesla Optimus 在戰略上最有能力回答的問題——前提是 Musk 的製造時間表估算被證實準確。
注意： 本文所有生產數據、單位數量、成本估算、競爭評估與市場規模估算，均為基於截至 2026 年中公開公司公告、新聞報導與分析師研究的方向性估算。資料不確定或為估算時，已標注「（估）」，應視為方向性參考而非確認的確定數據。本文不構成投資建議。
來源
- Tesla Optimus 生產更新 — Tesla AI Day 與財報電話會 ↗
- Figure AI 與 BMW 合作公告 — Figure AI 部落格 ↗
- Boston Dynamics Atlas 電動版公告 — Boston Dynamics ↗
- Agility Robotics Digit 進駐 Amazon — Amazon 機器人部門 ↗