摘要：9月初，Salesforce CEO马克·贝尼奥夫在X平台发布了一段“随手拍”的视频，让我们首次一窥特斯拉擎天柱三代（Optimus Gen 3）的真实现场互动。而陪同出镜的，正是伊隆·马斯克本人。

9月初，Salesforce CEO马克·贝尼奥夫在X平台发布了一段“随手拍”的视频，让我们首次一窥特斯拉擎天柱三代（Optimus Gen 3）的真实现场互动。而陪同出镜的，正是伊隆·马斯克本人。

这段不足两分钟的短视频，没有华丽的包装，却意外地揭示了擎天柱身上的三大关键进展与技术瓶颈。本文将为你一一拆解。

⸻

一、亮点1：首次搭载Grok语音模型，能“聊天”的擎天柱来了！

在视频中，贝尼奥夫随口问道：“擎天柱，你在干嘛？”

这位机器人不紧不慢地回答：“我在这里，随时帮忙。”

虽然听上去有点“慢半拍”，但这正是特斯拉首次集成XAI的Grok语音模型。这不是传统指令识别，而是真正的AI语义理解。

但延迟也是明显的。业内分析师认为，目前Grok语音模型仍运行在云端，未来要实现本地化语音交互，对算力、内存、上下文动态加载都提出了极高要求。

【观点金句①】

“擎天柱的AI脑子已经开始思考了，但反应速度还在追赶人类的语速。”

⸻

二、亮点2：手部设计惊艳却引发争议，是真手？还是“假手”？

擎天柱三代的“手”，外观纤细，有指甲、有皮肤质感，逼真程度直逼仿生手。

但视频中，这只手全程未动，于是网友炸锅了：

• 有人说是“占位手”或审美用的假壳；

• 有人说为了防止竞争对手逆向工程，故意“套了个手套”；

• 更有传言称擎天柱的手差点走错技术路线，是马斯克亲自干预“救了回来”。

值得一提的是，马斯克早在几个月前就说过：“手的工程复杂度，占了整个擎天柱的一半。”

下一代手部将具备22个自由度，能演奏乐器、穿针引线、甚至用手语交流。

【观点金句②】

“你以为是个假手，但它的复杂程度可能比你整条手臂都贵。”

⸻

三、亮点3：贝尼奥夫口误还是剧透？定价高达50万美元

视频中，贝尼奥夫随口说出一句话：“擎天柱能替代20万至50万美元的人工工作。”

这句话被两种方式解读：

• 是说擎天柱售价区间在20~50万美元；

• 还是说它能替代人类年薪20~50万美元的工种？

如果是前者，价格确实不便宜；但如果参考Model S初期定价，再看现在的Model 3和Y，大概率未来会随着量产大幅降价。

【观点金句③】

“当机器人成本下降，它不止能替你打工，它还能取代你。”

⸻

四、Figure 02来势汹汹，网友质疑擎天柱进展缓慢？

就在同一天，竞争对手Figure公司也发布了Figure 02机器人“洗碗机整理”的演示视频，流畅完成了盘子、碟子、茶杯的分类收纳。

于是网友纷纷对比：

• 擎天柱语音慢 → 延迟；

• 擎天柱步伐慢 → 谨慎；

• 擎天柱手不能动 → 假手？

有人甚至提出：“擎天柱是不是遇到了技术瓶颈？”

【观点金句④】

“Figure已经在干活了，擎天柱还在厨房门口犹豫。”

⸻

五、马斯克的回应：擎天柱是特斯拉未来80%价值！

面对质疑，马斯克并未回避。他在X平台放话：

“特斯拉未来80%的价值将来自擎天柱。”

同时，XAI语音团队也表示，他们正在为擎天柱、车载AI助手打造统一的语音大模型平台。

从“能听懂指令”，到“能理解语义”，再到“能自主完成任务”，马斯克正在复刻FSD的技术路径，把AI大脑与传感系统合二为一。

⸻

六、总结：这只“未完成的擎天柱”，正在成为未来劳动力的代名词

虽然这段视频更像一场“实验室随拍”，但透出的信号已经足够震撼：

• 语音AI → 迈入语义交互时代；

• 仿生手 → 成为最大技术挑战；

• 定价策略 → 为未来量产铺路。

马斯克亲自出镜，CEO随手拍，Grok团队同步发声。这不是公关片，但每一帧都透露出特斯拉的未来赌注。

【终极金句】

“当机器开始走路、说话、伸手时，人类的‘劳动力定义’，正在被重新书写。”

⸻

来源：爱车这一族