2026-06-18 — views

物理AI Tesla Optimus 2026 — FSD共用AI堆疊 vs 工業自動化：人形機器人基準測試與估值影響

Tesla Optimus 複用FSD的AI堆疊——視覺晶片、端對端訓練。Waymo無人形機器人計畫。Optimus可能成為Tesla到2035年最大物理AI業務。

概覽

本文為物理AI基準測試系列第170篇。Tesla的物理AI策略建立在三大支柱上：FSD（汽車）、Cybercab（機器人計程車）及Optimus（人形機器人）。Waymo無人形機器人計畫。本文將Tesla Optimus與現有工業自動化進行基準比較，分析與FSD共用AI堆疊的意義，並量化即使是適度的Optimus商業部署對Tesla估值的影響。

第一節 — Optimus：現況與量產進程

Tesla Optimus Gen 2於2023年底發布，是Gen 1概念驗證機的量產意圖繼任者。截至2026年第二季，Optimus主要部署於Tesla自家Gigafactory，執行特定重複性製造任務。

維度	Q2 2026 現況	備註
Optimus世代	Optimus Gen 2（2023年底發布）；估計步行速度5公里/小時（估）；每手估計11個自由度（估）；估計重量63公斤（估）	Gen 1為概念驗證；Gen 2為量產意圖；Gen 3規格尚未公開
累計產量（估）	截至2026年中估計已生產5,000至10,000台（估）；主要部署於Tesla Gigafactory	Musk的2025年目標為估計1,000台；2026年目標為50,000至100,000台；實際進度估計低於目標（估）
Gigafactory內部使用案例	電池芯分類與品質檢驗；線束安裝；零件運輸；螺絲鎖固任務	特定重複任務——非通用操作；符合Optimus目前的靈巧度水準
外部商業供應	截至2026年中供應有限（估）；Tesla已討論對其他製造商開放，但未確認重大外部部署（估）	策略：先內部使用（零商業風險、收集訓練資料），可靠性驗證後再對外
目標售價	Musk曾提及長期目標低於每台20,000美元；目前生產成本估計遠高於此（估）；尚未公布商業售價	低於2萬美元是Optimus在製造業勞動力競爭中具備經濟競爭力的目標門檻
目前任務能力	可靠執行特定訓練任務；通用操作（抓取任意物品、對新任務序列進行推理）仍是研究挑戰	Optimus距離通用操作的差距，大於FSD距離完全自動駕駛的差距——操作問題比駕駛問題更難

第二節 — 與FSD共用AI堆疊的意義

關於Optimus最具分析價值的論點，是它複用了Tesla的FSD AI堆疊——這不僅是行銷說辭，而是真實的工程架構。轉移是真實的；問題在於FSD積累的能力有多少真正適用於機器人操作。

共用維度	FSD能力	Optimus應用	轉移價值
視覺感知	8路環繞攝影機；即時物體偵測與3D佔用網路	Optimus手部與頭部攝影機；抓取物體偵測；任務規劃場景理解	高：相同的攝影機感知架構；Optimus直接受益於FSD多年視覺感知研究
端對端神經網路	FSD v12：從攝影機輸入到駕駛指令的單一神經網路	Optimus：從攝影機輸入到馬達指令的神經網路；架構上類似FSD	高：FSD所倡導的端對端網路轉型直接適用於機器人策略學習
訓練資料管道	FSD：來自600萬輛車的60億英里以上監督里程；資料引擎自動標記邊緣案例	Optimus：來自數千小時機器人工廠任務的資料；人工示範影片；遠端操作資料	中：資料管道架構可轉移；但機器人操作資料遠比駕駛資料難以收集
模擬	基於Dojo的罕見駕駛場景模擬	機器人操作任務的模擬到真實轉移；模擬抓取物理、關節動態、環境變化	中：模擬方法可轉移；機器人物理模擬比駕駛模擬更難（接觸豐富動態）
自研晶片（FSD晶片+Dojo）	HW4晶片用於車載推理；Dojo用於訓練	Optimus使用相同的FSD推理晶片；受益於Dojo訓練基礎設施	高：相同硬體，無需額外開發推理晶片
共用堆疊總結	FSD到Optimus的轉移真實且有意義：相同感知架構、相同端對端理念、相同訓練基礎設施、相同推理硬體。Optimus並非獨立AI專案——它是將FSD應用於不同物理執行器（手臂和手，而非車輪和方向盤）。轉移價值在感知最高，在操作最低：視覺轉移良好；機器人特定靈巧度（抓取、精細動作）需要FSD無法提供的新資料與新訓練。

第三節 — Optimus vs 工業機器人：競爭格局

工業機器人（ABB、Fanuc、KUKA）已在製造業規模化部署數十年，可靠性極高。人形機器人（Optimus、Figure、1X、Agility）主張人形外觀能解鎖工業機器人無法匹敵的靈活性。

比較維度	Tesla Optimus	傳統工業機器人（ABB、Fanuc、KUKA）	人形機器人競爭對手（Figure、1X、Agility）
外觀形態	人形（雙足、雙臂、雙手）；設計在人類環境中操作，無需改造工作場所	固定臂機器人；安裝於地板或天花板；需要專用工作單元；無法使用人類工具或工作空間	人形（雙足）；與Tesla相同的外觀理由
程式設計	從示範和遠端操作進行端對端AI策略學習；透過學習泛化到新任務	每項任務需明確程式設計；需要機器人程式設計師；無法在未重新程式設計的情況下泛化	類似的AI學習方法；成熟度低於Tesla
成本	長期目標低於20,000美元（估）	估計每臂25,000至200,000美元以上（依類型和能力而異）（估）	尚未達到商業定價；估計最初與Tesla目標相當或更高（估）
靈活性	高（理論上）：可執行多種不同任務；可使用人類工具；在人類工作空間運作	低：一台機器人等於一項任務；更換任務需要大量重新工程	高（與Tesla相同的理由）
可靠性	低於工業機器人（當前成熟度階段）；通用AI策略在新場景下會失敗	非常高：工業機器人在程式設計任務上達到99.9%以上的正常運行時間	低於工業機器人；與Tesla目前成熟度相似
部署規模	全球數千台（估）；截至2026年中估計5,000至10,000台（估，主要為Tesla內部）	全球部署數百萬台工業機械臂；規模已驗證	數百至低千台；均處於早期階段
Optimus主要優勢	無需改造工作單元；可與人類並肩工作；可使用現有人類工具；一台機器人處理多項任務	這些優勢均不具備：工業機器人需要專用工作空間	相同優勢；Tesla在AI堆疊上具有競爭優勢
工業機器人主要優勢	在靈活性上無優勢	程式化任務上99.9%以上可靠性；成熟供應鏈；完善維護生態系統；無AI不確定性	在當前可靠性上無優勢

第四節 — Optimus TAM與估值影響

Optimus的總可尋址市場頻繁被引用為歷史上最大之一——但從當前能力到那個市場的路徑漫長且不確定。估值選擇性是真實的；近期數字則不然。

TAM維度	計算	備註
全球製造業勞動成本	全球製造業僱用估計3至4億工人；全球平均製造業工資估計每年15,000至30,000美元（差異大：中國估計8千美元，美國4.5萬美元以上）（估）	成本低於2萬美元的Optimus加上每年估計3,000至5,000美元維護費（估），在許多地區可與製造業工人競爭
Optimus滲透10%製造業（20年情境）	3至4千萬台Optimus，每台平均2萬美元 = 估計6,000億至8,000億美元硬體收入（估，20年累計）加軟體和服務收入	這是理論上限，非近期預測；實際滲透率取決於能力成熟度和可靠性
近期現實TAM（5年）	若Optimus到2030年達到估計每年10萬至50萬台（估），售價2萬至3萬美元（估）= 估計每年20億至150億美元收入（估）	此範圍涵蓋「有限商業成功」到「Tesla重要業務單元」
分析師估值歸因	ARK Invest及其他Tesla多頭對Optimus估計每股300至1,000美元的Tesla價值（估）；差異極大；大多數分析師模型目前對Optimus給予極低價值	Optimus估值在目前成熟度水準下極具投機性；Tesla大部分市值歸因於汽車、能源和FSD
Tesla內部價值	若Optimus以美國每年45,000美元的人工費率執行10%的製造工人年工作量，每台每年可為Tesla節省估計4,500美元；10,000台內部設備 = 估計每年4,500萬美元的勞動力避免成本（估）	目前內部部署主要用於資料收集，而非勞動力成本降低；但軌跡是朝向成本降低
重新評估Optimus的條件	第一個確認的大型外部客戶（非Tesla）大規模部署；宣布低於2萬美元的商業售價；公開可靠性指標；競爭對手里程碑（Figure-BMW合作顯示需求真實存在）	Figure AI與BMW的合作是最近的可比案例；證明了市場存在；Tesla需要同等的外部驗證

第五節 — Optimus基準計分卡

維度	Tesla Optimus	Waymo（無人形機器人）	工業機器人	優勢
AI能力（當前）	學習型；對訓練任務泛化；在新場景下失敗	不適用	規則型；在程式化任務上極度可靠；零泛化能力	Optimus在靈活性領先；工業機器人在可靠性領先
與AV的共用AI協同	決定性：與FSD相同堆疊；共用晶片、訓練基礎設施、感知架構	不適用 — Waymo僅做自動駕駛	無	Tesla在AI協同上具決定性優勢
量產規模（估）	估計累計5,000至10,000台（估）	不適用	已部署數百萬台	工業機器人在當前規模上具決定性優勢
成本經濟性	長期目標低於2萬美元；目前成本估計遠高於此（估）	不適用	工業臂估計2.5萬至20萬美元以上（估）	Optimus目標具競爭力成本；尚未實現
商業牽引力	僅限Tesla內部（估）；無已確認的大型外部客戶（估）	不適用	全球數百萬台在商業使用中	工業機器人在商業牽引力上具決定性優勢
估值選擇性	公開市場中最大的物理AI選擇性（分析師估計每股0至1,000美元範圍）	Waymo無Optimus曝險	未作為獨立公司上市	Tesla在估值選擇性上具決定性優勢
總體判決	Optimus是Tesla風險最高、回報最高的物理AI賭注。共用FSD AI堆疊是真正的優勢——不僅是行銷。但人形機器人操作在本質上比自動駕駛更難，從「可靠執行特定工廠任務」到「商業規模通用製造機器人」的差距，比FSD監督版到FSD無人駕駛版的差距更大。對投資者而言，Optimus是一個免費選擇權：如果成功，到2035年可能成為Tesla最大的業務。如果失敗，FSD和Cybercab仍是核心物理AI故事。Waymo沒有等效的選擇性——它是純自動駕駛業務。

所有標註（估）的數據均來自公司公開揭露、分析師估計及行業基準。本文為物理AI基準測試系列第170篇。