摘要：埃隆·马斯克曾称Optimus将成为“特斯拉最重要的产品之一”，甚至可能占据公司未来价值的80%，可这个被寄予厚望的机器人却一度被行业诟病为“遥控明星”，从叠衣服到端爆米花，看似流畅的动作背后都依赖远程操控。

埃隆·马斯克曾称Optimus将成为“特斯拉最重要的产品之一”，甚至可能占据公司未来价值的80%，可这个被寄予厚望的机器人却一度被行业诟病为“遥控明星”，从叠衣服到端爆米花，看似流畅的动作背后都依赖远程操控。

如今，特斯拉正试图改变这一叙事，2025年5月，特斯拉展示了一段Optimus执行家务的视频，包括扔垃圾、清扫地面、搅拌食材等任务，所有这些任务都是通过单一神经网络实现的。

人形机器人正从科幻走入现实，高盛预测，到2035年全球人形机器人市场规模将达到1540亿美元，行业销量复合年均增长率可达94%。

面对这一巨大市场，特斯拉的Optimus项目承载了马斯克的野心，他在2025年坦言：“我现在投入在人形机器人上的精力可能比其他任何单一项目都要多。”

可这条道路并非一帆风顺。回顾Optimus的发展历程，2021年首次亮相的概念机移动能力有限。

2024年1月展示叠衣服功能，10月在“ME Robot”发布会上与人群互动，这些展示后来被指出很大程度上依赖遥控操作。

甚至到了Tesla Diner开业时，负责爆米花机的Optimus依然是被远程操控的，这些质疑声让不少人怀疑：Optimus究竟是一个技术奇迹，还是一个精心编排的表演者？

面对外界的质疑，特斯拉的优势在于其全面自研的垂直整合能力，在执行器层面，Optimus将28个关节全部做成“一体化电驱模组”，电机、减速器、编码器、驱动板、热管理都实现自研。

这种设计让Optimus Gen2相比前一代行走速度提高30%，全身重量却减轻了10公斤。

手部是机器人灵活性的关键，Optimus的手部拥有11个自由度，与许多仅有6到7个自由度的竞品相比，大大提高了灵活性和操作精度，特斯拉还为手部集成了触觉传感器，使其能够感知和处理各种物体。

在“大脑”方面，Optimus使用了特斯拉自研的FSD芯片，特斯拉机器人团队工程米兰·科瓦奇解释道：“这个神经网络完全是端到端运行的，利用机器人自身的2D摄像头以及触觉和压力传感器的数据，直接产生控制关节的序列。”

2025年，特斯拉调整了Optimus的技术路径，全面转向纯视觉AI训练方案，摒弃传统动作捕捉套装，这一转变可能成为Optimus进化的分水岭。

此前，Optimus主要依靠“动捕服和VR头显或远程操控”的数据采集方式，操作员通过佩戴VR眼镜和手套来控制机器人，实现极低延迟的精确控制，这种方法虽然有效，但可扩展性受限。

新的技术路径下，特斯拉员工只需佩戴摄像头头盔进行日常操作，AI通过观察视频自主学习技能，科瓦奇表示，这一全新技术路径大幅降低了数据采集成本，训练效率提升数倍。

“我们最近在这个方向上取得了重大突破，现在已经能够将大量从人类视频中学习到的知识直接转移到机器人上”科瓦奇在社交平台上分享道。

这种方法的核心优势在于其潜力巨大的可扩展性，一旦一个通用的视觉系统被训练成功，原则上可以部署在任何地方，因为它不依赖于任何预先存在的环境地图。

对任何人形机器人来说，泛化能力，即适应新环境和未知情况的能力，都是最大的挑战。清华大学副教授刘知远指出，专业智能体面临三大核心挑战：泛化性、自主性和长程性，那特斯拉在提高Optimus泛化能力方面取得了哪些进展？

根据2025年5月的演示，Optimus已经能够执行多种家庭任务，包括扔垃圾、使用扫帚和吸尘器、撕纸巾、搅拌食物等。

更令人印象深刻的是，Optimus甚至“学会了纠正自己的错误”，特斯拉方面表示，他们已经观察到Optimus能自行纠正错误，这是实现自主性的重要一步。

可根据最新研究，仅靠2D视频可能并不足以满足具身模型的训练需求，要想获得更好的泛化性和更高的任务成功率，还需要机器人末端3D坐标及轨迹、6DOF位姿等多模态数据。

这类数据目前仍然要依靠昂贵的人工遥操作方式采集，无法被2D视频完全替代，这是特斯拉和整个行业面临的技术瓶颈。

特斯拉已在得克萨斯超级工厂建立Optimus试点生产线，并计划年底前将部署范围扩大到更多工厂，马斯克预计：“到今年底，将有数千台Optimus机器人在特斯拉工厂中投入使用。”

全球范围内，人形机器人的竞赛刚刚开始，中国已计划举办人形机器人格斗大赛和机器人运动会，显示出在这一技术领域的强烈进取势头。

清华大学刘知远教授指出，人工智能正从“知识大脑”向“行动者”转变，这场转变将决定Optimus是只能在大众面前进行表演的“演员”，还是能真正走进千家万户的“助手”。

来源：不可史意一点号