特斯拉准备先造出1万至2万台东说念主形机器东说念主星空体育，让它们我方学会干活。

北京时期10月22日，在2026年第三季度财报电话会议上，马斯克再次谈及这一酌量。特斯拉正在建设Optimus Academy，但愿通过大齐机器东说念主自主熟练，积攒果然宇宙操作数据，不绝创新模子才能。

图片开始：特斯拉

与此同期，Optimus已在弗里蒙特工场启动早期分娩，酌量年产能100万台的分娩线，大部分斥地照旧到位。

制造端似乎照旧作念好了加速准备。马斯克却也承认，Optimus的AI、机电设计、可靠性和使用寿命仍有诸多问题需要处置。达到每周约2万台的分娩速率，至少还需要一年，致使更长。

造机器东说念主，是为了西宾机器东说念主；西宾机器东说念主，又是为了让机器东说念主信得过具备责任才能。

这套看似义正辞严的逻辑，正在面对一说念现实难题。

近日，在参不雅一家开展东说念主形机器东说念主产线西宾的企业时，一位时刻东说念主员向盖世具身智能表露，如今部分东说念主形机器东说念主的制造才能和性能贪图照旧达到较高水平，单次操作的精度也不成问题。但信得过进入工业场景，连气儿责任数小时、数十小时，看成的一致性、弥远性和可靠性仍然难以充分保证。

机器东说念主最精彩的时刻，可能是演示；最难的时刻，却是三年五载地类似。

从实验室到工场，这一差距正在成为东说念主形机器东说念主产业化的垂危门槛。

而特斯拉的万台机器东说念主西宾酌量，赶巧把这个问题推到了台前。

为什么非要先造一万台？

严格来说，马斯克对于万台机器东说念主西宾的设计，并非初度败露。

此前的财报电话会上，特斯拉就照旧先容过Optimus Academy，但愿期骗大齐机器东说念主自主熟练所产生的数据，弥补东说念主类示范与机器东说念主现实操作之间的差距。

这次会议的新信息，是特斯拉进一步阐明了早期分娩进程，同期对范围化制造的艰巨给出了更明确的解释。

为什么需要这样多机器东说念主？

谜底藏在特斯拉最熟悉的自动驾驶业务中。

以前多年，特斯拉依靠浩瀚的在售车队不绝获取果然说念路数据。这些数据成为FSD不休迭代的垂危基础。

东说念主形机器东说念主则莫得现成的浩瀚用户车队。

特斯拉AI副总裁阿肖克·埃卢斯瓦米在电话会上解释，机器东说念主不错通过不雅察东说念主类学习任务，但信得过掌持技巧，还需要切身熟练。

就像不雅看足球比赛，并不可让一个东说念主自动成为优秀的足球畅通员。东说念主类能够平凡完成的抓取、搬运、整理等看成，对于机器东说念主而言，触及视觉判断、畅通酌量、重要互助以及战役力限度。

模子知说念应该作念什么，与机器东说念主能够准确践诺，是两回事。

特斯拉的想路，是先通过东说念主类示范完成驱动西宾，再让机器东说念主在仿真和果然环境中自主熟练，通过强化学习不休创新。

如若有饱和多的机器东说念主同期西宾，就能在相易时间内积攒更多操作警戒。

一万台机器东说念主不仅仅畴昔的居品，也可能成为特斯拉获取西宾数据的基础递次。

与单纯依赖东说念主类操作数据比较，机器东说念主现实产生的交互警戒，不错更成功地反馈自身机械结构、限度才能和物理环境之间的关系。

这是特斯拉但愿建设的西宾轮回：制造更多机器东说念主，得回更多现实数据；期骗数据改善模子，再让更多机器东说念主掌持复杂任务。

问题是，机器东说念主数目不错通过扩产加多，有用西宾数据却不一定会跟着数目等比例增长。

一次失败能否提供有价值的反馈？反复熟练是否能够形成可迁徙的技巧？西宾环境中的才能，到了客户现场还能保留几许？

这些问题，比单纯加多机器东说念主数目复杂得多。

百万台产能酌量，绕不开一只机灵手

特斯拉的制造警戒，蓝本被视为Optimus最垂危的竞争上风之一。

从整车制造到供应链管理，特斯拉领有永远积攒的范围化分娩才能。马斯克也但愿将这套体系应用到东说念主形机器东说念主规模。

然则，东说念主形机器东说念主并不是收缩版的汽车。

本年9月，《The Information》征引知情东说念主士讯息称，Optimus周产量照旧达到数百台，但精密零部件安装、质料一致性及任务泛化仍然濒临挑战。

在最新财报电话会上，在追问Optimus还有哪些设计需要修改时，特斯拉管理层再次将要点放在机灵手上。

现在，机器东说念主的其他主要机电系统已慢慢经管到较为熟练的设计决策，机灵手仍需处置定制齿轮、能耗、传感器和永远可靠性等问题。

东说念主类的手，不错平凡提起鸡蛋，也能够抓持较重的器具。柔嫩的皮肤、丰富的触觉感知和无邪的重要，共同复古着这些看似浮浅的看成。

机器东说念主要通过机械结构、传感器和限度算法杀青类似才能，难度照旧相当高。

进入工业现场，问题变得愈加具体。

一次抓取告捷，不错诠释机器东说念主具备某项时刻才能。连气儿抓取数千次、数万次，还能保持精度和节律，磨真金不怕火的则是通盘系统的工程熟练度。

机灵手要承受机械磨损，重要模组需要保持踏实输出，传感器不可频繁出现偏差。硬件性能发生变化，还可能影响蓝本西宾好的限度战略。

机器东说念主偶尔抓取失败，可能通过自动重试收复；频繁失败，就会拖慢分娩节律，加多东说念主工骚动。

工业客户权衡的不是单次操作能否告捷，而是斥地概述着力（OEE）、工序良率、运行可用率和小器资本。

更毒手的是，硬件与算法问题频频交汇在通盘。

一样一次操作失败，可能是机械结构产生缺陷，也可能是视觉识别邪恶、任务酌量不对理，或者工件位置发生变化。

独一在饱和永劫期、饱和千般的果然运行中，企业才能慢慢识别问题并完善居品。

这也解释了特斯拉为什么采取并行鼓励分娩和西宾。

马斯克表露，即使机灵手尚未最终定型，特斯拉仍在制造机器东说念主，同期调遣设计、建设供应链和开展AI西宾。

提前分娩不错加多西宾契机，也使部分设计问题更早流露。

代价一样存在。

如若零部件设计不绝变化，照旧制造的机器东说念主可能需要反复改装；如若硬件可靠性不及，大范围西宾也会加多维修、停机和斥地管理资本。

特斯拉试图通过扩大制造范围加速智能进化，却又需要饱和熟练的硬件，才能复古这种范围化西宾。

这恰是万台机器东说念主酌量最难绕开的矛盾。

机器东说念主进厂，才知说念问题出在那儿

对于特斯拉而言，Optimus仍处于早期分娩和西宾体系建设阶段。

其他企业在果然工业场景中的实践，则提供了另一种不雅察视角。

2025年，Figure 02在良马好意思国斯帕坦堡工场开展了约十个月的步地。

把柄良马败露的数据，机器东说念主累计运行约1250小时，处理跳跃9万个零部件，参与了3万多辆良马X3的分娩。

其主要任务，是抓取并定位用于焊合的金属板件。这些数字诠释，东说念主形机器东说念主照旧能够在现实分娩过程中承担不绝性的类似任务。

更值得防卫的是，机器东说念主走进工场后，转变的不独一机器东说念主自己。为杀青部署，良马需要互助分娩IT、职业安全、工艺管理和车间物流等多个门径，完善安全着重，并处理与现存自动化系统的集成问题。

一台机器东说念主能否在实验室里完成任务，与它能否接入汽车工场的分娩体系，是两种不同的磨真金不怕火。

斥地采购除外，安全纠正、系统集成、现场调试和后续小器，齐是现实部署资本。

良马的案例还提供了一个值得防卫的信号：其官方回归觉得，部分实验室西宾看成迁徙到现实分娩环境的速率快于预期。

这说明西宾着力并非势必难以迁徙。信得过需要判断的，是哪些任务不错快速部署，哪些任务需要大齐再行西宾和工程适配。

比较精密安装，任务相对固定的物流场景，正在更早接近不绝交易运营。

Agility Robotics败露，其Digit机器东说念主已在GXO物流递次累计搬运跳跃10万个盘活箱。

该步地还有一个垂危布景：2024年，GXO与Agility签署了多年期机器东说念主即服务（RaaS）契约，将Digit部署到既有物流过程中。

Digit承担的责任相对明确，包括在出动机器东说念主、传送带等斥地之间转运盘活箱。

它偶而是最能体现通用智能的任务，却更容易建设可权衡的运营方向。

一天能搬几许箱？东说念主工需要介入几许次？停机变成几许赔本？单元任务资本能否低于替代决策？

对于客户而言，这些问题比机器东说念主能够展示几许种看成更颠倒想道理。

Agility尚未公布饱和齐全的运行可用率、东说念主工骚动频率和单元任务资本，外界难以颓靡操办步地的投资讲演。但交易契约和累计功课量，至少让机器东说念主动手采取果然业务过程的磨练。

工业化不一定始于最复杂的任务，也可能始于一项饱和浮浅、能够踏实类似并算清资本的责任。

而就在近日，舍弗勒具身智能机器东说念主太仓数智工场致密启用。在约7500宽泛米的递次内，六台东说念主形机器东说念主参与机器东说念主重要模组零部件臆度分娩功课。工场还成立六类工业西宾场景，通过数字孪生系统连气儿西宾、分娩考据和工艺优化。

这座工场的道理道理，不仅仅让机器东说念主参与制造机器东说念主零部件，而是尝试把西宾和果然分娩放进兼并个反馈回路。

西宾场里学会的看成，不错到现实工序中磨练；现场发现的问题，再反馈至西宾和工程优化。

比较特斯拉但愿通过大范围机器东说念主积攒现实数据，舍弗勒的实践更强调具体工业场景中的西宾与考据。

两种旅途并不矛盾。

特斯拉关心如何扩大机器东说念主的西宾范围，工业部署方则需要恢复另一个问题：西宾出来的才能，能否信得过用于分娩？

进一步说，在太仓考据告捷的技巧，能否以临近的资本和周期复制到其他工场？

不同工场的工位布局、物料规格和分娩节律存在互异。如若每更换一条产线，齐需要大齐再行齐集数据、西宾模子和调遣现场，机器东说念主即使杀青制造量产，也难以速即扩大交易部署。

对于通盘产业，信得过稀缺的约略不仅仅西宾数据，而是能够不绝漂浮为踏实责任才能、并在不同场景复用的有用数据。

造出一万台之后，谁来保证它们信得过有用？

回到特斯拉的万台机器东说念主酌量，还有一个更深层的问题。

一万台机器东说念主插足西宾，究竟能够产生多大的范围效应？

按照马斯克的设计，大齐Optimus自主熟练，将不休产生现实交互数据，匡助模子掌持复杂任务，最终形成类似FSD的数据驱动迭代机制。

汽车车队与机器东说念主西宾递次之间，却存在一个垂危分散。

汽车自己照旧是经过永远考据的熟练耗尽居品。大齐车辆在用户日常使用中不绝产生数据。

Optimus仍在完善设计，西宾机器东说念主的同期，也在考据机器东说念主的硬件、算法和可靠性。

这使得西宾范围、数据质料和斥地可靠性互相制约。

要西宾出更可靠的机器东说念主，需要更多有用交互数据；要不绝得回这些数据，需要机器东说念主能够永劫期运行；要让西宾产生交易价值，还必须诠释学到的技巧能够迁徙到果然责任场景。

扩大数目不错加多西宾契机，也会同步放大硬件采购、小器、局面及算力插足。

如若机器东说念主频繁故障，大范围西宾可能最初变成大范围小器。如若模子难以从失败中得回有用反馈，加多西宾次数也偶而能够换来相应的才能擢升。

特斯拉能够凭借制造体系加速机器东说念主分娩，却无法仅凭制造数目保证西宾着力。

这次财报电话会上，马斯克预测，Optimus在AI、机电设计、可靠性和使用寿命方面的问题，有望在2027年底前后取得足以维持对外委派的推崇，初期主要用于工业场景。

对于外部客户而言，届时需要评估的，不再仅仅机器东说念主能完成几许种任务，而是能否在特定工序中永远踏实责任。

在熟练的汽车工场，东说念主形机器东说念主还需要与机械臂、专用斥地等既有自动化决策竞争。

对于节律固定、工艺明确的轨范化任务，传统自动化照旧具有熟练的着力和资本上风。

东说念主形机器东说念主的契机，更多来自对现存东说念主工责任环境的符合、多任务切换，以及传统自动化难以经济掩饰的工序。

这些上风需要果然运营数据，而不是产能酌量来诠释。

一台机器东说念主每天创造几许有用责任时期、需要几许东说念主工小器、能否跨场景快速部署，最终决定客户是否惬心不绝采购。

特斯拉对Optimus的插足，正在将一个永远存在于机器东说念主实验室的问题推向制造现场：通用智能能否通过范围化西宾得回，又能否以可采取的资本漂浮为踏实的服务才能？

万台机器东说念主西宾酌量，提供了一条可能的旅途。

它能否告捷，取决于制造范围、西宾着力与现实应用才能能否形成信得过的正向轮回。

造出一万台机器东说念主，是制造才能的磨真金不怕火；让一万台机器东说念主理续学习，是西宾体系的磨真金不怕火；让它们信得过走进工场、踏实创造价值，才是交易化的磨真金不怕火。

特斯拉照旧动手恢复第一说念题星空体育，后头两说念题，通盘行业齐还在寻找谜底。