人形机器人 | Musk Wiki

马斯克认为，特斯拉的擎天柱会成为史上最大的单一产品类别，比汽车还大，比人类造过的任何东西都大。他还认为，要做到这一点，就得像教孩子那样教机器人。在 2025 年 5 月的 CNBC 采访中，大卫·费伯追问时间表，马斯克当场把整件事推演了一遍：世界需要多少机器人，它们什么时候到来。还有最能看出他思维方式的那部分：机器如何学会一项新技能。

这和特斯拉 2025 年宏图计划里讲的富足愿景不是一回事。在那里，擎天柱是把时间还给人们的一种方式。这里是马斯克在被追问的压力下，论证机器人为什么会来，以及它们如何学会做任何事。

文献说明： 这些是马斯克的预测和推理，不是既定事实。关于需求和时间表的说法都是预测，这里记录下来并注明出自他之口，不代表认可。

需求论断：“史上最大的产品”

费伯对他说，几百亿台机器人“还要几十年”。马斯克把时间表往回拉（他承认至少还要十年，但“它会增长得非常快”），并给出了他能说出的最大论断：

“I think, I think humanoid robots will be the biggest product ever. The demand will be insatiable.” ↗

“我认为，我认为人形机器人会是史上最大的产品。需求将永无止境。”

为什么永无止境？因为在他看来，人人都会想要一台，就像人人都想要电影里的那些机器人一样：

“who wouldn’t want their own personal C3PO or R2D2. Everyone’s going to want one.” ↗

“谁不想要一个属于自己的 C3PO 或 R2D2 呢？人人都会想要一个。”

到 2030 年达到一百万台，他觉得合理，不过这个数字是费伯摆上桌的。用“可持续的富足”来描述这一切的走向，也是费伯而不是马斯克。马斯克自己带来的，是需求论断和学习模型，所以它们和更宏大的富足主题并列，而不是被包含在其中。

学习模型：机器人就像孩子

预测是标题，但机制才是有意思的部分。被问到机器人究竟怎样变得擅长做事时，马斯克讲了三个阶段，每一个都借鉴自人类的成长过程。

第一步，模仿。让一个人穿上动作捕捉服，让机器人模仿那些基本动作，足以把基础功能搭起来：拿起一个物体、开门、扔球、跳舞。

然后是最让他兴奋的突破：通过观看来学习一项任务，就像你看一段教学视频学会任何事一样：

“if optimus can watch videos, YouTube videos, or how to videos, or whatever. And based on that video, just like a human can learn how to do that thing, then you really have task extensibility that is dramatic, because then it can learn anything very quickly.” ↗

“如果擎天柱能看视频，YouTube 视频、教学视频之类的，然后像人一样，根据视频学会怎么做那件事，那你就真正拥有了惊人的任务扩展能力，因为它可以非常快地学会任何东西。”

他没有假装这已经做到了。他说还没到那一步，并称这是一道非常重要的门槛。

第三个阶段显然是他最喜欢的：孩子在玩耍中学习，被改写成一份工程配方，也就是大量机器人、一屋子玩具，再加一个奖励函数：

“you want the robot to self-play. So you say, how does a child learn? Well, a child has toys and a child plays with the toys.” ↗

“你要让机器人自主玩耍。所以你会问，孩子是怎么学习的？嗯，孩子有玩具，孩子会玩玩具。”

“Once you have a lot of robots, you can do this self-play, which is that you just put the robot in a room with toys and have the robot, literally have the robot play with toys.” ↗

“一旦你有了大量机器人，就可以做这种自主玩耍，也就是把机器人放进一个有玩具的房间，让机器人，真的就是让机器人去玩玩具。”

他心目中的奖励函数，就是幼儿玩的形状配对盒：圆的放进圆孔，方的放进方孔，一直试到对上为止，奖励随之触发。他认为剩下的技术难题确实存在，但并非不可克服，几年之内就能解决。

首次亮相：“汽车即机器人”的逻辑，以及“确保它是安全的”（特斯拉 AI 日，2021 年 8 月）

擎天柱首次公开亮相，是在 2021 年 8 月 19 日的特斯拉 AI 日上，比下文 2021 年 12 月的莱克斯·弗里德曼 #252 对谈早了几个月。这次发布强调的是延续，而不是新奇。特斯拉已经在汽车里造出了一台现实世界 AI 机器，所以人形机器人不过是同一个大脑换了一副身体。

“Tesla is arguably the world’s biggest robotics company because our cars are like semi-sentient robots on wheels” ↗

“特斯拉可以说是世界上最大的机器人公司，因为我们的汽车就像装在轮子上的半有知觉的机器人”

他交给它的活，是没人愿意干的那些，而且用一副适合人类现有世界的身体来干：

“it’s intended to be friendly, of course, and navigate through a world built for humans, and eliminate dangerous, repetitive, and boring tasks” ↗

“当然，它的设计初衷是友好的，能在为人类建造的世界里行动自如，并消除那些危险、重复和枯燥的工作”

最能说明他思路的细节，是安全设计。他故意把机器人的体能弱点做了进去，让它慢到、弱到你能跑过它，或者把它摁倒：

“you can run away from it and most likely overpower it” ↗

“你可以跑开，而且多半能制服它”

至于为什么要造它，他的理由和他为 AI 辩护时一样：反正它总会来，那不如让一个在乎安全的建造者先到。

“if we don’t, someone else would, will, and so I guess we should make it” ↗

“如果我们不做，别人也会做，一定会做，所以我想我们应该把它做出来”

后来的一切都是从 2021 年 8 月这颗种子里长出来的。他在同一个舞台上得出的劳动经济学结论，即体力劳动会变成一种选择，全民基本收入随之而来，收录在可持续的富足一页。需求和学习方面的论证出现得更晚，见下文 2021 年、2024 年和 2025 年的来源。2021 年这次独有的，是“故意设计得很弱”的安全思路，以及对“把它做得安全”的坚持。

“我们今年最重要的产品开发”：擎天柱排第一（特斯拉财报电话会，2021 年第四季度）

在 2022 年 1 月的 2021 年第四季度财报电话会上，他对投资者说了这番话，并把它排在汽车之上。这让分量远远超出了一场台上演示。这是一个关于优先级放在哪里的承诺：

“In terms of priority of products, I think the most important product development we’re doing this year is actually the Optimus humanoid robot. This I think has the potential to be more significant than the vehicle business over time.” ↗

“就产品优先级而言，我认为我们今年最重要的产品开发，其实是擎天柱人形机器人。我认为，随着时间推移，它有可能比汽车业务更重要。”

他的论证是第一性原理式的经济学论证，后来的富足愿景则把它当作了不言自明的前提。劳动是经济的基础，机器是储存起来的劳动，所以一个通用的劳动者，会改变经济这个词本身的含义：

“If you think about the economy, it is the foundation of the economy is labor. Capital equipment is distilled labor. What happens if you don’t actually have a labor shortage? I’m not sure what an economy even means at that point.” ↗

“想想经济，经济的基础是劳动。资本设备是提炼出来的劳动。如果你实际上不再缺劳动力，会怎样？到那时候，我都不确定经济还意味着什么。”

这是机器人转向在财报记录里落地的地方。这和 2019–2021 年那一页追踪的是同一次特斯拉自我定义的扩张：2021 年第一季度，它既是汽车公司也是 AI 机器人公司；到第四季度，擎天柱已经排在第一位。

2021 年的展开：“工作将成为可选项”，以及作为伙伴的机器人（莱克斯·弗里德曼 #252）

在 8 月发布几个月后，他第一次比较完整地谈这个想法，是在同年与莱克斯·弗里德曼的对谈（#252）里。理由已经是 2025 年的来源会重复的那一套：复用特斯拉的现实世界 AI 和工厂，造一个通用助手，去干那些人们不想干的危险、枯燥、重复的活。他直截了当地说出了后果：

“I think work will become optional.” ↗

“我认为工作将成为可选项。”

他当场就把它和全民基本收入配在一起，后来的富足愿景也倚重这一配套。暴露他思路的部分，出现在莱克斯问到孤独的时候。和 2025 年那套打磨过的机器人推介不同，他说自己没想过这个问题，你能看着他现场想明白。他说，人形机器人可以成为一个真正好的伙伴，随着时间推移长出自己的个性，并逐渐适应主人的性格和习惯。他想到了侘寂，这个日本观念认为，正是小小的不完美让一件东西变得珍贵。于是他得出结论：机器人的缺陷反而会是讨人喜欢的地方，就像 R2-D2 或 C-3PO 那样。后来的两个论断在这里同时萌芽：工作将成为可选项，以及人人都会想要一个属于自己的机器人。

“比汽车还大”，以及一个无法更新的停止机制（TED2022）

在 2022 年 4 月的 TED 访谈中，他又说了一遍，比 2024 年那句“史上最大的单一机会”早了两年：

“People have no idea, this is going to be bigger than the car” ↗

“人们根本想不到，这会比汽车还大”

新东西是一个做进硬件里的安全设计，一个任何软件更新都碰不到的停止机制：

“to have a localized ROM chip on the robot that cannot be updated over the air” ↗

“在机器人身上装一块本地 ROM 芯片，它无法通过无线方式更新”

要点在于，只要有人说“停下，停下，停下”，机器人就一定会停，而且谁也没法远程把这一点改掉。这和 2021 年 AI 日上“你可以跑开，而且多半能制服它”那种体能弱点的思路是不同的反射。这一次是一种远程更新够不着的强制停机行为，是他防止整件事滑向反乌托邦的保险。最先要干的活，还是 2021 年发布时点名的那些危险、枯燥、重复的工作。

成本逼近材料、无处不在，以及逆向工程人体（All-In 峰会 2024）

2024 年 9 月的 All-In 峰会夹在 2021 年的起点和 2025 年 CNBC 的学习模型之间，经济和工程在这里得到了最充分的展开。成本论证纯粹是第一性原理：任何东西只要造得够多，价格就会降到接近它所用材料的成本。

“I’ve discovered that really that anything made in sufficient volume will asymptotically approach the cost of its materials.” ↗

“我发现，任何东西只要产量足够大，成本就会渐近地逼近它的材料成本。”

由此他得出了一个价格，数字散落在主持人的附和之间：比一辆小车还便宜，人工和材料不比 1 万美元多多少，一旦每年下线一百万台，最终售价在 2 万美元左右。这里关于需求和规模的论断，是他在这批材料中对擎天柱说得最重的，比 2025 年“史上最大的产品”的说法早了一年：

“I think the useful humanoid robot opportunity is the single biggest opportunity ever.” ↗

“我认为，实用人形机器人这个机会，是有史以来最大的单一机会。”

“I think the number of robots will vastly exceed the number of humans.” ↗

“我认为机器人的数量将远远超过人类的数量。”

“who would not want their robot buddy?” ↗

“谁会不想要自己的机器人伙伴呢？”

“the ratio of humanoid to humans is going to be at least two to one, maybe three to one, because everybody will want one.” ↗

“人形机器人和人类的比例至少会是二比一，也许三比一，因为每个人都会想要一台。”

接着是暴露他思路的那个转折：造机器人成了一种逆向工程人体的方式，用来弄明白我们为什么长成这样。他举的例子是手。力量不在手指，而在前臂，所以下一代设计把执行器挪到了前臂，用线缆肌腱带动手指，就跟你的手一样：

“the major muscles that operate your hand are actually in your forearm” ↗

“操控你的手的主要肌肉，其实在你的前臂里”

“The next generation hand has 22 degrees of freedom, which we think is enough to do almost anything that a human can do.” ↗

“下一代手有 22 个自由度，我们认为这足以做到人能做的几乎任何事。”

这和 “孩子是怎么学习的”那个模型是同一招：生物学既证明这件事可行，又充当蓝图，只不过这里对准的是身体，而不是大脑。他甚至开玩笑说，人类自己就是“一种通用的……非机器人”，“只不过是肉做的”。这是同样的唯物主义，同样把自我看作硬件，这次用来思考怎样设计机器人。

“必须解决手的问题”，以及没有现成的供应链可买（All-In 峰会 2025）

一年后，在 2025 年 9 月的 All-In 峰会上，他再次说起“史上最大的产品”，并把 2024 年那段关于前臂的话开启的工程思路磨得更锐利。他认为，通用机器人的全部难点都集中在一个地方。手是瓶颈，因为一切通用的用途，最终都归结为操作物体：

“in order to create a robot that can uh be a generalized uh humanoid, you you must solve the hand the hands problem.” ↗

“要造出一个能够，呃，成为通用，呃，人形机器人的机器人，你，你必须解决手的，手的问题。”

特斯拉必须自己搭建整套体系，这是垂直整合上的必然，而不是偏好。那些零件根本买不到，出多少钱都买不到：

“none of the actuators in Optimus um are available from an existing supply chain.” ↗

“擎天柱里的执行器，嗯，没有一个能从现有供应链买到。”

为什么要照着人体来造，而不是造一个为特定用途定形的东西？第一性原理的回答干净利落：通用性就是人的形状，因为整个世界都是围绕人的形状建造的。

“if you wanted to do all the things that a human can do, it turns out you need a humanoid robot.” ↗

“如果你想做人能做的所有事情，结果发现，你需要的是一个人形机器人。”

又一次，生物学成了这件事可以做到的证明，和 2024 年的前臂肌肉、2025 年 CNBC 的“孩子是怎么学习的”模型是同一种本能，这次对准的是物体操作和自制还是外购的抉择。第三版设计的进展、年产一百万台时约 2 万美元的边际成本、每条手臂 26 个执行器这些数字，作为产品细节收录在来源页上。对理解他的思维而言，要紧的是：先解决手，其余的从零造起。

“特斯拉长期价值的大部分将是擎天柱”，以及本地关机开关（特斯拉股东大会 2023）

在 2023 年 5 月的特斯拉股东大会上，夹在 2022 年“比汽车还大”和 2024 年“史上最大的单一机会”之间，他把规模论断在公司层面推到了极致。在擎天柱演示的结尾，他预言这台机器人根本不会是副业，而会是特斯拉价值的大头：

“my prediction is that Tesla’s long-term value uh, will be a majority of long-term value will be Optimus.” ↗

“我的预测是，特斯拉的长期价值，呃，长期价值的大部分将是擎天柱。”

逻辑还是 2024 年和 2025 年来源里反复出现的“人人都想要一台”：基本上每个人都会想要一台，需求远远超过汽车的数量，按二比一的比例算是一百亿到两百亿台。2023 年 5 月新出现的，是押注本身：特斯拉长期价值的大部分。这是这批材料中他对这台机器人下得最重、又有明确日期的一注。同时出现的，还有总是与之相伴的安全反射。他半开玩笑地点出了危险：

“it’s all fun and games until Terminator shows up.” ↗

“一切都很好玩，直到终结者出现。”

在问答环节，机器人的话题再次出现时，他说出了自己一再提起的那个保障措施，一种本地关停它的方式：

“I think it’s going to be very important to have um a local means of turning it off.” ↗

“我认为，有一种，嗯，本地关停它的手段，会非常重要。”

这和 TED2022 上那个无法更新的 ROM 停止机制、2021 年 AI 日上那副故意做弱的身体，是同一种本能：一个必须亲手去按的关机开关，是他确保不会出现终结者情节的办法。FSD 的现实世界 AI 延续到人形机器人身上的逻辑、危险枯燥重复的用途、特斯拉自制的执行器，这些都是对 2021 年发布的重述，以文字形式留在来源页上。

万能帮手，用一件件差事说清楚（We, Robot 2024）

在 2024 年 10 月的 We, Robot 发布会上，擎天柱机器人在会场里走来走去、给人倒饮料，需求论也有了迄今最具体的讲法。2024 年 All-In 和 2025 年 CNBC 的谈话讲的是经济和学习，而在这里，马斯克只是一件一件列出这东西是干什么用的：

“It’ll basically do anything you want. It can be a teacher or babysit your kids, it can walk your dog, mow your lawn, get the groceries, just be your friend, serve drinks, whatever you can think of, it’ll do.” ↗

“它基本上能做你想让它做的任何事。它可以当老师，可以帮你看孩子，可以遛狗、修剪草坪、买菜，或者就只是做你的朋友、给你端饮料，只要你想得到，它都能做。”

2025 年采访里会重复的那个最高级说法，在这里提前一年就出现了：

“I think this will be the biggest product ever, of any kind.” ↗

“我认为这将是有史以来最大的产品，不论哪一类。”

“人人都想要一台”的想法也达到了最宽的范围，把 2023 年和 2024 年的版本扩展到了整个人类：

“I think everyone, of the eight billion people on earth, will want their Optimus buddy.” ↗

“我认为，地球上八十亿人，每个人都会想要自己的擎天柱伙伴。”

星战机器人的比喻也回来了。WardsAuto 把这句话概括为马斯克“称它为私人 C-3PO”，而在字幕里，他说的是“你自己的私人 R2-D2……C-3PO”，和 2021 年、2025 年是同样的直觉。规模化后 2 万至 3 万美元的价格是对 2024 年数字的重述，以文字形式留在来源页上。2024 年 10 月的独特之处，在于那张差事清单，以及一下子跳到八十亿买家。

擎天柱作为冯·诺依曼机，以及后劳动时代的经济（推文，2024–2026）

在 2023–2026 年的推文里，野心达到了顶点。擎天柱成了一台能自我复制的机器，可以在地球之外播种文明，也是劳动终结之后那个经济的引擎：

“Optimus will be the first Von Neumann machine, capable of building civilization by itself on any viable planet.” ↗

“擎天柱将是第一台冯·诺依曼机，能够在任何宜居的星球上独自建立文明。”

“AI will soon beat doctors and lawyers by a large margin (and eventually all humans at almost everything). We can serve as a biological backstop for intelligence, as we are less brittle than silicon, and perhaps as a source of will.” ↗

“AI 很快就会大幅超越医生和律师（最终会在几乎所有事情上超越所有人类）。我们可以充当智能的生物后盾，因为我们没有硅那么脆弱，或许还可以充当意志的来源。”

“AI and robots will replace all jobs. Working will be optional, like growing your own vegetables, instead of buying them from the store.” ↗

“AI 和机器人将取代所有工作。工作将成为可选项，就像自己种菜，而不是去商店买菜。”

“Just started Tesla Robotaxi drives in Austin with no safety monitor in the car.” ↗

“特斯拉 Robotaxi 刚刚在奥斯汀开始行驶，车里没有安全员。”

这说明了什么

第一性原理的习惯，对准了机器人。 他拿起一个悬而未决的难题，也就是通用的物体操作，把它改写成一条可以实际搭建、分阶段推进的流水线：先模仿，再看视频，再自主玩耍。这是贯穿他思维的那种重构问题的招数，而形状配对盒式的奖励函数是工程，不是比喻。
他照着成长中的孩子来构想智能。 露底的地方在于，他会去找孩子是怎么学习的。生物学习既是他证明这件事可行的依据，也是他搭建它的模板。这和他分层的心智模型、他把人看作硬件的观点，出自同一种本能。
普适性就是全部的需求论证。 “人人都会想要一个”，和驱动他富足思考的是同一种“可触达市场就是全部人”的反射。机器人是一种普适的劳动投入，不是小众玩意儿。
乐观，但留了一个缺口。 宏图计划的表述通篇都是自信，而在这里，他公开承认关键的那一招，也就是从视频中学习，还没有解决。一个宏大的论断，钉上了一句罕见的承认：还没到那一步。

擎天柱走到舞台中央：“无限刷钱的漏洞”（特斯拉财报电话会，2022–2026）

在 2022–2026 年的财报电话会上，一个季度接一个季度，这台机器人从脚注爬到了特斯拉价值叙事的中心。一开始只是随口一提：“擎天柱最终会比汽车业务更值钱，比 FSD 更值钱。这是我坚定的信念”（2022 年第一季度）。然后，同一个第一性原理论证几乎逐年升级。“经济就是人均生产率乘以人口。但如果人口没有上限呢？那经济就没有上限”（2023 年第四季度）。“经济的规模没有实质性的上限”（2024 年第一季度）。“我认为擎天柱的长期价值会超过特斯拉其他所有业务的总和”（2024 年第二季度）。到 2025–2026 年，它硬化成了口号：“规模化的擎天柱就是无限刷钱的漏洞”（2025 年第三季度），以及“大概是史上最大的产品。我依然坚信这个结论”（2026 年第一季度）。一个反复出现的担忧如影随形：“第 2 到第 10 名都会是中国公司”，而“第一名会是特斯拉”（2025 年第一季度）。为整个转向辩护的那句话，则说得平平淡淡：“汽车不过是一个装着四个轮子的机器人”（2023 年第四季度）。