編者按：美國加州時間9 月 30 日晚六時，特斯拉 AI Day 準時開始。僅僅過了一年的時間，馬斯克沒有食言，真的把人形機器人「擎天柱」帶到了人們面前。這個」擎天柱「被工作人員推上臺，表演過程中有點」踉踉蹌蹌「，馬斯克笑言，「擔心它摔倒」。馬斯克竟然強調了「不摔倒」這件事的意義。

在我們往常的認知中，機器人站起來是一件常規的事情，對機器狗來說，因為它有四足，所以沒有被重點提及過。但對馬斯克來說，這似乎是一個關鍵技術節點的突破。騰訊科技聯合安信元宇宙研究院院長焦娟，通過十問十答，讀懂新登場的特斯拉人形機器人Optimus的真正科技含量，我們也將重點聊聊，「站立」這件事對人形機器人的技術意義。

劃重點

●特斯拉人形機器人要做成「人」形，是基于人類情感、機器與人的交互的實現方式、及未來商業全景圖的全維度考慮。

(相關資料圖)

●讓人形機器人不摔倒，不是一件容易的事，馬斯克所說的，在「沒有系繩」的情況下，也沒有摔倒，更有可能是人形機器人的重大突破。

●記住2026年這個時間點，馬斯克說3-5年，你就能擁有一個屬于自己的」擎天柱「機器人了，特斯拉降價到19-20W，如果機器人到達現在的車的銷量，成本確實能控制在2W美金。

正文：

Q1：特斯拉機器人「擎天柱」為何要做成「人形」？

我們可以從兩個層面來解讀：

淺層次的原因：「人形」的機器人更便于實現機器與「人」的交互。馬斯克曾表達過，特斯拉做機器人是為了替代人們做危險、重復、無聊的工作，隨著時間的推移，它們可能也會擁有獨特的性格，成為人類的同伴，可以做飯、修剪草坪、照顧老人等，不論是在情感上還是形態上，當機器與人「交互」時，「人形」的物理裝置和人類的「銜接」成本是最低的，即模擬「真實的人」的物理裝置，可以最絲滑、流暢地模擬、替代在社會活動中發揮作用的「人」。

深層次的原因：在虛擬現實的未來「全景圖」中，「人形」機器人有利于滿足未來虛擬現實「全景圖」對軟硬件配置的升級要求。在未來的虛擬現實世界，整個運作環境對人類所具備的軟硬件配置要求會變得更高，人類的部分角色與作用在未來需要人形機器人來填補。

Q2：「人形機器人」與其它機器人相比，有什么難點？

從技術實現路徑上來看，人形機器人和其它形態機器人的物理裝置及外顯沒有差別，因為機器人的本質就是AI，即「基于收集的信息對自身進行迭代式改進的系統和機器」，只不過機器人多了一個物理裝置顯現在現實的物理世界中，從這個角度來看，機器人是方形的、圓形的、人形的、動物形狀的（機器狗、機器馬、機器牛），其實沒有本質差異，頂多是工程方案上的細微差異。

人形機器人與其他機器人的差別或難點，可能在于「人形機器人」被賦予了更高的智力需求。而其他機器人，比如陪伴型機器人「機器狗」只需要1-2歲或3-4歲小孩子的智力水平（用于交互需求），但人形機器人則需要接近于成年人的智力水平，它需要滿足人類對一些應用場景的需求，比如進入家庭場景、能識別非常模糊的指令，以真正發揮出模擬或替代人的部分角色與作用。

Q3：馬斯克擔心」機器人會摔倒「，實現人形機器人的平衡很難嗎？

馬斯克在發布會上說：「這實際上是機器人第一次在‘沒有系繩’的情況下走上舞臺。機器人實際上可以做的比我們展示的要多得多。我們只是不希望它摔倒。」

「不系繩」的這種提法，雖然口語化，但意義最為重大：過往的機器人，需要首先輸入指令，然后它通過消解指令的方法去執行；「不系繩」則是讓機器人獨立去面對周圍環境，而不提前給他輸入指令。

Optimus看似只是在舞臺上簡單走幾步，在」不系繩「的前提下，已經類似于嬰兒的「蹣跚學步」，只要不再摔倒，未來必然會加速成長。對于人類來說，直立行走」不摔倒「可能很簡單，但是對于機器人來說，這個是很難實現的目標，需要考慮各種生物學、運動學因素，并與機器人本體做完美結合。當然，幽默一點，另外的角度，Optimus高1.73米，重113.3斤，一旦摔倒，有可能摔到最貴的腦袋與身體的硬件（也很貴）。

Q4：現場看到的特斯拉人形機器人的技術亮點有哪些？

2021年AI日：是介紹了人形機器人的概念，2022年是人形機器人的第一版

最新一代的optimus機器人，考慮到運動學與量產的關鍵指標：

1）盡可能減少元件的數量與功耗，如四肢的電池組——驅干中心是有電池組的（維持一整天的工作），所有電池的電子設備集中到電池組內的單個PCB里面——從傳感、融合、充電管理匯集到一個系統中，借鑒了電子產品與汽車產品的設計，這款電池是非常關鍵的；

2）流線型的設計與高效簡單的冷卻；

3）大腦——特斯拉車上的FSD電腦，將自動駕駛的硬件與人性平臺的軟件結合在一起，但需求和形式與汽車還是有不一樣的地方

Q5：特斯拉汽車的自動駕駛如何應用在人形機器人上？自動駕駛汽車和人形機器人有何本質的不同？

自動駕駛的模型是「輸入-計算平臺-輸出」，這一模擬過程同樣適用于人形機器人，即一輛能實現自動駕駛的車輛，其本質運作邏輯與人形機器人是一樣的。

它們都能夠用視覺系統識別出周圍的物理環境（不管這個物理環境是在高速駕駛的道路上，還是在家庭聚餐的環境中），然后將所識別出的數據傳輸到計算平臺上，這種計算平臺能通過算法、算力給出實時反饋，并將這些反饋傳輸給「輸出」環節——即傳感器與執行器，這樣，車或人形機器人就可以根據周圍的物理環境的變化，給出恰當的反饋。

自動駕駛車輛與人形機器人唯一的不同，是自動駕駛對這一模型的運作精細度等要求更高，因為在正常情況下，車的駕駛速度遠高于人形機器人的行走或奔跑速度。

Q6：自研超算Dojo對于特斯拉人形機器人的作用體現在哪些方面？

自動駕駛對算力的要求更高。但人形機器人可能對算法的要求更高，因為從認知、決策的角度來講，人形機器人所面臨的環境/場景會更縝密/復雜。

所謂 Dojo，指的是特斯拉自研的超級計算機，它能夠利用海量的視頻數據，為特斯拉自動駕駛做「無人監管」的標注和訓練。這屬于上述模型中，介于「輸入」與「計算平臺」的一部分，這部分的核心意義是真正幫助實現車的「視覺系統」的技術路徑與工程方案：

1）幫助建立高質量統一的向量空間；

2）8個攝像頭綁一起拍攝環繞圖，加入時間維度，生成環繞立體視頻；

3）環繞的視頻必須被自動標記，特斯拉編寫了自己的標簽工具，創造了自動標簽系統，人類標簽只是輔助，其只對已經生成的視頻標簽做一些細微的修改，然后將這些修改反饋給未來的訂單標簽機，最終得到了一個「飛輪」，在這里汽車標簽能夠接收大量的視頻，高精度地自動標簽視頻汽車、車道線、駕駛空間，這里面需要對時間和空間進行存儲，存儲不能是無限的，會消耗大量內存——而這背后的工程方案，即 Dojo。

Q7：特斯拉人形機器人是傳統機器人的完全顛覆？還是傳統機器人的迭代？

完全顛覆。對比特斯拉的人形機器人，過往的機器人大概是擎天柱的「輸出環節」，即傳感器與執行器部分，沒有前面的「輸入」與「計算平臺」。

Q8：特斯拉人形機器人的應用領域主要有哪些方面？會對哪些傳統機器人造成沖擊？

傳統機器人只是「工具」，而特斯拉人形機器人從設計之初，就被賦予能成為獨立「生產力」的期待——即模仿或替代人的作用。

更直觀地說，「工具」需要為人所用，它們類似于斧頭、錘頭的功能；而獨立的「生產力」，就像人的伙伴或助手，人類只需要對其下達模糊的指令，人形機器人就可以理解（認知）并拆解為一系列行動（決策）。故，人形機器人的應用領域，先從to B場景開始，一定會進入家庭等場景的to C領域。

Q9：現場有人提問，「擎天柱會不會成為電影里終結者的樣子？「人形」機器人會不會帶來更嚴重的人工智能治理問題？

馬斯克在問答環節提到，擎天柱Optimus機器人有各種陪伴人類的功能，用戶可以讓機器人做不同的事情，特斯拉未來也會據此形成不同版本的Optimus等。不希望Optimus成為電影里終結者的樣子。為此設計了很多安全屏障，在本地有停止按鈕，遠程也有控制。

人形機器人最難的，不是去實現它，而是去治理好它。人形機器人畢竟是要進入家庭端、to C場景應用的，一定是雙刃劍——用得好，是人的助手/幫手，用得不好，全是風險敞口。從人形機器人的風險控制角度，目前看：1）本地化部署，不能將更新放置在云端；2）成立社會層面的治理委員會；3）最終極的風險控制，可能還是要以人為載體，即腦機接口。

Q10：馬斯克說，3-5年間，你就能擁有一個屬于自己的」擎天柱「機器人了，從現場發布來看，是否靠譜？成本2w美金，是否能實現？

3-5年，即2026年開始，擁有一個屬于自己的擎天柱機器人，我認為是靠譜的——但這種靠譜大概率也需要特定人群，如養老/陪伴需求的老人，這種特定人群或場景的需求，符合發布會現場所說的「有能力去物理世界中移動，一定程度的智能」。

如果不仔細看發布會，或者理解不深入，會認為發布會上的Optimus似乎很一般，但「不系繩」「沒有準備任何備份的支持」，背后是Optimus的核心競爭力，是基于現實世界的智能，這是最重要、也最艱難的一步。

機器人速度比車要慢很多，所以邏輯上，比車簡單（即大腦不用那么高速運轉）；硬件的成本上，也比一輛車要少，考慮到特斯拉最近要降價，降到19-20W人民幣一臺車，如果機器人到達現在的車的百萬量級銷量，確實似乎成本可以控制到2w美金。

編輯/lydia