摘要：今年 4 月中旬，特斯拉采购团队来到宁波一家供应商的厂区，做人形机器人量产前的最后一次审厂。门口一辆车上，盯梢的人对上了车牌，拍下照片发给 “上线”：“特斯拉来审厂了。”

重新发明了汽车，但还没造出可用的轮子。

今年 4 月中旬，特斯拉采购团队来到宁波一家供应商的厂区，做人形机器人量产前的最后一次审厂。门口一辆车上，盯梢的人对上了车牌，拍下照片发给 “上线”：“特斯拉来审厂了。”

值得这么麻烦。第二个交易日，这家公司股价照例涨停。从特斯拉 2022 年 10 月第一次对外展示人形机器人至今，A 股机器人概念板块涨了 93%，同期沪深 300 指数只上涨约 1%。

一周后，数千个组装完成的核心零部件在宁波装船，顶着高昂关税，发往美国加州弗里蒙特的特斯拉工厂。

这里没有一点万亿概念板块的样子。弗里蒙特工厂二楼的机器人制造专区，没有手臂和脑袋的机器人系着铁链，挂在架子上。工程师测试完零件后，会把它们手工拼装成新款人形机器人。地面上散落着电线和塑料包装。

自特斯拉 2022 年亮相机器人后，全球的风险投资者、特斯拉及供应商已为此投入超过 1000 亿元。到目前为止，人形机器人的生产比劳力士机械表还要手作。据我们了解，特斯拉下的零部件订单，只要求今年交付不少于 5600 套。中国公司中，宇树今年预计出货约 4000 台，智元预计卖出超千台。按照目前的进展，今年全球人形机器人行业预计出货近 2 万台，大约是劳力士一个星期的产量。

从完全遥控参与的北京亦庄机器人马拉松、宇树机器人拳击赛，到特斯拉自己公布的机器人倒垃圾、清理桌面视频。人形机器人还远不是科幻片里想象的灵活形象，也没有在任何一个工厂被证明有直接替代蓝领工人的效率。

但期望已经被打满，不只因为股票市场的投机，也因为人们确实期望技术能解决现实困境。咖啡店、奶茶店，年轻店员忙到崩溃已经成为一种新闻模板，工厂招不到年轻人也早已不是欧美独有的问题。对便宜商品的渴望，对重复工作的厌恶，不知疲倦的机器人看着像是最容易的解法。

大规模生产还没开始，但跨越国境，几千工程师已经忙活了好几年。一位接近特斯拉机器人关键供应商三花智控的人士说，特斯拉美国工程师现在每天工作 16 个小时，很多供应商也是按照同样的节奏工作。以至于双方每天有 8 小时交集，毫无时差问题。

去年底， 特斯拉终于与部分供应商签订供货协议。这是一个实验品走出实验室，走向工厂变成严肃工业品的关键一步。它的 Optimus 也是唯一一个进入量产阶段、可以说有完整供应链的人形机器人。

过去半年，我们访谈了 30 多位人形机器人相关从业者，有特斯拉员工和它的供应链人士，也有中国的创业者和相关分析师，我们以特斯拉机器人的研发、生产为例，呈现人形机器人作为一个产品和产业的现实。

用精密制造还原血肉之躯

人体是人类科学目前无法企及的精妙设计。比如当你俯身抱起 20 公斤的大箱子，全身肌肉都会参与联动：力从脚底开始，脚踝关节微曲，让重心下沉，大小腿的肌群随即接管；腰腹部的深层核心肌肉锁住腰椎，防止损伤；当双手抱住箱子时，肩胛已经收紧，为手臂提供支点；起身则是腿和臀一同上蹬，将力量沿着躯干、肩胛送到前臂，让箱子平稳离开地面。而控制这一切，人的大脑基本都不太需要工作。

人形机器人不能像人一样装 600 多个电机再协作，这太过于复杂。不算最复杂的双手，一台特斯拉最新第三代机器人的动作，完全靠约 30 个执行器完成。

你可以把执行器想象成机器人的肌肉，任何运动都是执行器把电能转换成动作的过程。这也是机器人最贵的部分，执行器占整个机器人 55% 的硬件成本。

之前，几乎所有人形机器人的执行器都是旋转关节，用单个电机让手腕或者膝盖翻转，多个关节联动就能行走、抓取。这项技术路径明确，零件都是现成的：一个关节里，电机经减速器放大扭矩并带动轴承；编码器把运动反馈成电信号，力矩传感器监测载荷。但旋转关节有个致命弱点——没法干活，因为力量来自电机的扭矩，在人类体积下，扭矩有限，于是承重受限。

特斯拉改用直线关节：电机绕丝杠旋转，把旋转变成直线推拉，像拧螺丝。丝杠既当 “骨头” 也当 “肌肉”。普通丝杠摩擦大、精度差，业界在螺纹里加滚珠，把滑动摩擦变滚动摩擦，却仍撑不起所需重量。

工程师于是把滚珠换成数十根小螺杆，让它们环绕主丝杠滚动、自转，像行星绕太阳，既减摩擦又增加承载力，才满足直线关节的力量和精度要求。

这就是行星滚柱丝杠，目前特斯拉选定的供应商包括舍佛勒、新剑传动和北特科技。特斯拉在 2023 年展示，人形机器人腿部的直线执行器可以挂住半吨重的钢琴。

行星滚柱丝杠 来源：优仕特精密的 Youtube 视频。

左为旋转执行器，右为直线执行器。来源：特斯拉。

滚柱丝杠保证机器人的操作具备足够精度，且机械结构足够强韧。但要让机器人有足够的力气，还要加装另一个同样关键的部件——减速器。

高速转动的小齿轮带动减速器的大齿轮，能在降低转速的同时，放大小齿轮的扭力，控制机器人发出的力道。特斯拉目前使用的 RV 减速器最高可以把电机输出的扭力放大 200 倍，供应商为哈默纳科和绿的谐波。

哈默纳科减速器。来源：哈默纳科官网。

执行器人形机器人的肢体有足够的自由度，可以尽可能模拟人的操作。要让它站稳、学会走路，还要给机器人加装陀螺仪、力传感器、速度传感器和控制器。

直到现在，所有人形机器人都无法做到安静行走，它们每走一步，脚都会重重砸向地面，没有公司能做到精确控制机器人行走时脚的力度。不少公司选择给机器人穿上鞋来缓冲。

很多机器人的脚是一块铁板，无法精确感知行走时路面的反馈，工程师的解决思路是在脚踝上安装六维力传感器，感受重心变化。

六维力传感器的工作方式与电子秤类似，但更复杂。它通过内部三根交叉的弹片的变形程度来测量三个方向产生的不同的压力，弹片每压弯一些，传导出的电信号就增强一些，反馈给控制器，转化成电机可以理解的语言，确定向哪个方向转动，速度是多少。目前业内最先进的六维力传感器对力距的测量误差小于 0.2%。

六维力传感器售价超过 1.2 万元人民币，对大部分机器人公司来说太贵了。特斯拉等公司意图优化软件来替代它，但还没人成功。目前特斯拉采用的六维力传感器来自美国得州的合成材料公司 ATI（和 AMD 收购的加拿大 GPU 芯片公司 ATI 没什么关系）。

ATI 的六维力传感器。来源：ATI。

让机器人能够像人一样使用各种工具，关键在于手。人手有 27 个自由度（关节能向 27 个方向单独弯曲或旋转）、行动灵活，遍布高敏感的触觉神经，力控能力强大。一位灵巧手公司创始人说，灵巧手的复杂度比机器人其余硬件加起来都复杂。目前主流的人形机器人自由度在 20～50 个，而灵巧手的自由度就有 20 个以上。

特斯拉机器人团队专门设置了灵巧手部门，与运动控制等部门同级。过去三年多，特斯拉的工程师尝试了至少三种差别极大的方案模拟人手，小改动不计其数。

特斯拉 2024 年 10 月亮相的第三代 Optimus 灵巧手。来源：特斯拉。

现在特斯拉用钢丝制成的绳驱来模仿人手肌肉组织，他们希望尽量减少机器手运动时产生的动力损耗和迟滞。

工程师们把提供力量的电机放置到手腕里，电机连着钢丝来控制手指弯曲伸展，原理类似提线木偶，目前已经复刻出至少 22 个自由度。

传感器是模拟人类感知能力的关键。业内相对成熟的新型传感器是柔性力传感器——所谓电子皮肤。通过把诸多微型力传感器集成到柔软的材料上，以模拟皮肤的触觉。力传感器在电子皮肤上的排列方式类似于像素点在显示屏上的排列，力传感器密度越高，它对物体轮廓、摩擦力的感知就越细致。

电子皮肤供应商帕西尼可以做到在食指第一节指腹放置超过 100 个力传感器。一家国内的电子皮肤公司创始人说，他们能让机器手摸清楚鸡胸肉后面鸡骨头的位置和轮廓。目前大部分机器人公司都只在机器人指头和手掌处使用电子皮肤。

最后，旭升股份和拓普提供的铝合金结构件最终将各个关节部位连接起来，做成人的样子，就构成了特斯拉人形机器人的基础形状。

特斯拉等公司还仍在探索更多新型传感器模拟人的感知能力。供应商们萌生了很多新奇想法，如用类似烟雾报警器的技术制造嗅觉传感器，用电子罗盘制造位置传感器，但少有公司把它们用到产品中。

几百家供应链公司的全新冒险

2022 年上半年，特斯拉美国的汽车制造生产（Manufacturing Production）部门陆续联系全球数百家公司，要求研发、生产特定零部件。

其中有一些全球领先的老牌精密制造公司，有为月球车造零件的日本谐波减速器制造商哈默纳科、德国数控机床公司舍佛勒、做了 80 年传感器的美国霍尼韦尔、精密轴承制造商日本精工等。

还有数百家中国公司收到了邀请——主要是特斯拉的汽车零部件供应商。特斯拉的工程师列出数百种零件的规格要求，让供应商报价、送样，但没说用在哪里。一家当时只有 20 人的中国触觉传感器创业公司也接到了问询，他们以为是用于汽车座椅按钮。

很快供应商们就发现了这次的订单不同寻常：零部件设计在快速迭代，有时半个月就改一版；精度要求比以往的汽车订单高很多，有的公司自己怎么也搞不定，最后还是特斯拉的工程师给了解决办法。

等到那年 10 月 1 日，浑身外露电线和风扇的第一代 Optimus 机器人在特斯拉 AI Day 登台，一些公司到此时才知道自己参与了人形机器人的研发。发布会上，马斯克允诺这将是 100 亿台保有量的超级生意，会改变全球经济结构。

难度在于马斯克不接受波士顿动力等公司过去 30 年的设计思路，要求做到拟人：

- 身高、体重要接近成年人，不能只有 1.3 米高；

- 可以笔直站立的两条腿，不是轮子，也不能像波士顿动力机器人一样为平衡永远弯曲；

- 手臂末端得有能灵活运动的 10 根手指，而不是一个圆形铁球或夹爪。

他认为，只有把机器人造得像人，机器人才能使用人类的工具，出入一切为人类设计的工作空间，于是得到更广泛的使用，实现规模化从而降低成本，进入正向的商业循环。这和他造火箭是一个思路。

“最开始很纠结，如果你不信，别人信了，那机会就是别人的，你不仅要信，还要信得比别人早。” 一位参与研发的供应商的高管说。到现在他们公司已经为此累计投入超过 50 亿元。

三花智控和拓普集团是最支持特斯拉的供应商。过去 10 多年，依靠与特斯拉的合作，从小型汽车零部件公司成长为千亿市值公司。

“邬建树（拓普集团创始人）岁数很大了，在公司内部复盘自己的职业生涯说，核心就是 ‘财运好’，抱上了特斯拉这个新能源时代最粗的大腿，拓普的战略就是相信特斯拉，相信马斯克。” 一位接近拓普的人士说。

给特斯拉供货不仅意味着订单，还有技术扶持。特斯拉几乎重新设计了机器人用到的 6 种电机，提升功率密度，让 Optimus 变得更瘦更轻的同时，力气更大。

一位知情人士称，一家特斯拉选定的供应商做了两年无框力矩电机，依然无法满足特斯拉要求，特斯拉就把图纸和技术方案授权给他们，让他们代工生产。

“做机器人面罩的塑料没有技术含量。但你能做特斯拉的生意，那就不一样。” 一位二级市场投资人说。目前仍有数十家公司持续给特斯拉送样，以期成为供应商。

一些公司送样只是为了得到特斯拉对样品的反馈，知道零件技术参数的要求。这可能帮他们成为其他人形机器人公司供应商。

供应商们将这场行动形容为跑马拉松——持续有人掉队，掉队的人失去机会，可能再也追不上。因为技术和设计一直在迭代，哪怕只有一轮迭代没跟上，就无法进入新的开发阶段。

到现在，整个供应链数百家公司已经陪特斯拉做了三年机器人硬件开发，搭起了第一条完整的人形机器人供应链。宇树、波士顿动力等公司都自己设计并制造大量零部件，很少大规模外采关键零件。他们也很难像特斯拉这样得到整条供应链的鼎力支持。

6 万美元的成本，敌不过月薪 5000 元的工人

特斯拉正在同时生产第二代和第三代人形机器人，第三代产品硬件设计 80% 已经定型。这并不意味着这 80% 的零件已经足够好，无需改进，而是以现有的加工能力和相对可接受的成本下，能做到的程度。具体是这样的：

- 身高 1.72 米，体重 55 公斤，自由度是人类的五分之一，有 50 个以上可以活动的关节。

- 身体骨架由铝合金制成，外壳是 peek 树脂材料，抗拉伸强度是钢铁的 2 倍，但更轻。

- 胃里装着十多节圆柱电池，满电情况下能支撑它工作 5 个小时，和人吃饱饭后的工作时长接近。

- 头部、胸口都遍布摄像头当眼睛，特斯拉坚持纯视觉路线，机器人依靠摄像头传输的图像信息识别周围。但也有公司给机器人加上激光雷达。

- 驱动手指的电机都放置在直径和成人手臂相当的前臂中，五指承载力为 5 公斤 。

- 双臂大概能搬动 20 公斤的重物，这已经高于中国《职业病防治法》对工人最多搬运 15 公斤重物的要求。

- 一小时能走 8～10 公里，和人类小跑速度相当，但有可能会摔倒，第二代测试时只有 60% 能走完 1.5 公里不摔倒。

- 神经系统由内部的电线和局部以太网构成，传输速度远低于人类神经，且因为传感器技术尚不完善，机器人神经传输的电信号比人类神经简单很多。

按照上述硬件方案，特斯拉最新的人形机器人造价大概是 6 万美元。离马斯克追求的 2 万～3 万美元还有很大差距。并不是说 6 万美元买个机器人就能一直用。

一个关键问题是关节里的行星滚柱丝杠一根单价超过 4000 元，而每台机器人需要 14 根，装在大腿、手臂上。

特斯拉对行星滚柱丝杠的要求是滚完 3.15 厘米的距离后，位置的误差小于 6 微米，误差值只有总长度的 1/50000——允许的误差空间，连细菌都钻不进去。

价格更低，丝杠精度就会降低，这会让机器人运动时产生震动和异响，就像人类骨骼错位会发出声音。多余的震动和摩擦会降低关节的使用寿命。

有供应链公司人士说，最初只有舍弗勒的滚柱丝杠能满足特斯拉的工程要求。但这个关键零件的产能也是问题。一位曾给特斯拉送样的丝杠供应商说，去年底他们工厂每个月只能生产 300 根符合要求的行星滚柱丝杠，只够造 10 多台机器人。

为了平衡成本和产能，特斯拉机器人去年底降低滚柱丝杠的精度要求，从 C0 级下调至 C3 级，削减一半的丝杠成本。

特斯拉最近发布的视频显示，第三代人形机器人能灵活跳芭蕾，也会使用多种工具完成任务，如拿锅铲炒菜、撕厨房纸、用刷子清理桌面、掀开垃圾桶盖丢垃圾。但这只是精心挑选的视频片段，加速后效率也远远比不上正常人。

特斯拉发布的原速视频与加速对比。来源：特斯拉视频截图。

每个零件运转时产生的误差会互相影响，最终让机器人摔倒。零件越轻，关节运动时惯性越小，算法对操作的控制精确度就会越高。

Optimus 最像人的地方可能是长时间工作后会疲惫。机器人长时间工作时，关节中的电机和减速器温度会超过 70 度，会因为过热而降频。机器人采用的电机参数与无人机电机类似，但无人机可以通过气流散热，机器人不行。

这本质上是材料问题，“要让电机不发热，就得降低电阻，换言之，需要室温超导材料，才能完全解决电机发热问题。” 一位电机工程师说。

一位机器人公司高管称，Optimus 在汽车工厂工作的平均速度只有人类的 20%～30%，极个别简单动作能到人类速度的 60%。

60000 美元一台的机器人不只是效率比人低，它的实际成本也远远高过造价。

从走路到拿东西，机器人的运动及与物体的碰撞，都会磨损机体，而且不会像人体那样自我修复。比如谐波减速器等精密器件的使用寿命普遍为 8000 小时，8 小时工作制下能用不到 3 年，但坏了只能换。行星滚柱丝杠的使用寿命更低。

特斯拉当前的方案解决了手指动作的连贯性难题，但也削弱了手指的力量，整个结构的负载能力都要靠钢丝和电机支撑，且连接手指和手腕的键绳很容易断。

“目前市场上能买到的灵巧手，最大的问题还不是不够 “灵巧”，而是不耐摔。” 一位机器人工程师说，因为算法缺陷难，大部分灵巧手的大拇指、小拇指都难以感应手放下来的力度，导致磕坏。

质量差的灵巧手只能连续用一个月左右，好一点的能撑三个月。而且灵巧手摔坏很难维修，只能换。中国公司现在能把 20 个自由度灵巧手的单价压到 5 万人民币，两只手每三个月换一次成本是 10 万。一位灵巧手公司创始人说，他们正在想办法把飞机机翼上的高强度材料用到机器人手上，让它更耐摔。

硬件天花板下的 AI 赌注

硬件很难在短时间内有大幅提升，许多人形机器人从业者希望用软件解决硬件问题，让机器人有更好的表现。

过去 70 年，机器人运动控制技术都由控制理论主导。波士顿动力是这一路线的代表，他们的机器人经过数十年的优化，可以翻跟头。这些高难度肢体动作背后，实际上是机器人根据规则回放动作。

它的进步来自工程优化，工程师画出完美的行动轨迹，一遍遍校准坐标，修正参数，让它的动作变得柔顺高效，无限接近数学上的完美结果。

波士顿动力 Atlas 机器人 2017 年就已经会后空翻。来源：波士顿动力。

过去十年，机器人行业引入强化学习技术，训练机器人的运动控制算法，依托大量真实采集和仿真模拟生成的数据不断强化机器人底层运动控制算法，让它们更熟练地奔跑、跳舞，甚至像模像样的格斗。

不过它的底层逻辑是用强化学习替代软件规则运动控制，这种方式依然很难让机器人产生真正的智能。

宇树机器人已经可以完成难度更高的侧空翻。来源：宇树科技。

一位人形机器人创业者举了个例子，数万次调试可以让机器人可以熟练操控重心，学会行走。但如果你让机器人端一个放着铁球的箱子行走，算法教给它的能力就会失效，它无法处理铁球滚动对重心的影响。

机器人每遇到新的特殊情况，工程师就需要重新训练模型，再教机器人一次。它们很难拥有大家期待的 “泛化性”，不会触类旁通。

“如果要让人形机器人学会像人一样，把全中国的工程师都堆过来写规则也不够。” 这位创业者说。有些公司一度养了 3000 人写规则，都解决不了自动驾驶问题。而自动驾驶只是人形机器人需要解决的成千上万个问题中的一个而已。

人形机器人行业希望像大模型和端到端自动驾驶一样，依靠大量数据训练，机器人自己学习如何理解世界、然后执行任务。

比如文生图模型中，工程师让模型理解马和宇航员的特征后，会产生泛化性，画出宇航员骑马这种现实世界并不存在的画面。研究者们相信，机器人模型可以有类似的效果，学会两种不同的动作后，会自己推理组合出第三种动作。

这是业内目前认可的主流的机器人大脑训练方案—— VLA（ vision-language-action ，视觉语言动作模型）。用户提出任务后，语言和视觉融合模型，可以理解周围的环境，并与用户指令结合，形成运动轨迹，然后调动执行模块完成任务。

最理想状态下，机器人使用的模型会是 “端到端” 的，人类告诉机器人动作指令，如要求机器人下楼倒垃圾，模型就能输出电机转速控制参数，让它完成任务。在这一路线下，强化学习等也是提高人形机器人运动控制能力的一部分，就像经过强化学习的大语言模型，能够变得更强那样。

但这个路线做出来的人形机器人，完成基础动作的时候相当迟缓，大多数公司展示视频都是加速播放，有一些公司放出来未加速视频，还会被吐槽为美国前总统的模拟器。

数据是目前机器人大脑发育最大的障碍。研究者训练大语言模型，可以从互联网上收集文本、图像等公开数据，汽车公司可以通过数百万辆汽车上的摄像头等传感器不断获取新数据。

现在所有机器人公司喂给模型的数据规模，还无法验证 VLA 路线是否能够像大语言模型那样有效。一位机器人公司技术负责人说，初步检测 VLA 的学习能力，至少要 1000 万条高质量的真机数据，但大部分公司只能提供不到 100 万条有效数据。而这 “ 1000 万条” 的数据要求，也是猜测。

这些真机数据需要靠人穿戴 VR 设备或动捕服装采集，有限且昂贵，扩展性也不好。我们了解到，国内头部的人形机器人创业公司采集一条真机数据的成本是 10 元，数据采集员每小时大概能生产 2 条有价值的训练数据。为了训练机器人的应变能力，采集数据时通常一人拿手柄操作机器人，一人干扰机器人，比如在机器人即将拿到杯子时，把杯子移开。

工程师依靠动作捕捉设备训练 Optimus 。来源：特斯拉。

他们认为，真机数据是提高人形机器人模型能力的关键，在虚拟环境中仿真、视频数据都是辅助。

逐际动力创始人张巍说，从第一性原理出发，让机器人学会部分基础操作并不需要真机采集数据，“告诉机器人拿杯子时需要抓住把手这件事，需要 1 万条数据吗？这是个常识，互联网级别的数据就能训。”

用视频数据训练机器人，第一步是给视频里的人类关节标点，抽取人类行动的轨迹数据，再同步映射到机器人的执行器关节，通过运动控制算法得出电机旋转的速度和机器人肢体末端的坐标信息。

用互联网数据训练机器人的下一步是用 AI 生成的视频训练机器人。这种方式的训练效果取决于工程师对视频的理解，“没有好的理解，就没有好的生成。” 张巍说。

仿真模拟数据供应商光轮智能创始人谢晨说，简单的仿真和视频图像中并不包含物理信息，训练机器人最重要的数据，应该是机器人与物理世界的交互数据。机器人要像人一样与物理世界接触，而不是像自动驾驶车那样总是避免物理碰撞。

光轮智能正在探索用仿真模拟生成出各种场景、动作下的物理信息来训练机器人。他们会让工程师带着力距测量仪器，去开数百种冰箱门，收集不同的冰箱门外形和开冰箱的力的数据，以此完成建模，并模拟生成物理力学属性，包括冰箱门的质量、摩擦力、角动量以及铰链结构的磁吸力、阻尼等。

当以上 Real-to-Sim （现实到模拟）步骤完成后，还需要 Sim-to-Real （模拟到现实），即通过数据泛化的手段改变虚拟环境中冰箱的位置、光线、角度、材质等，让生成的数据覆盖不同的现实场景，让机器人真正学会认识现实世界的 “冰箱”。

我们问了十多位具身智能模型的研究者：现在主流的机器人大脑训练路线，真的能让机器人举一反三吗？没人给出肯定回答。

机器人行业的大部分公司都寄希望于具身智能模型释放人形机器人的能力，风险投资者也愿意给押注模型的公司更高估值。他们认为，机器人的 ChatGPT 时刻很快就会到来。

刚成立 2 年的智元机器人，估值已经不低于成立 9 年的宇树。成立 15 个月、只研究具身智能模型的 Physical Intelligence，估值已经超过 20 亿美元。而 Figure 估值达到 395 亿美元。

但波士顿动力 CTO 亚伦·桑德斯（Aaron Saunders）评价说，现在的人形机器人行业，只是把解决智能难题推给海量数据，训练机器人的模型尽可能简化，但围绕着模型的一切都更复杂了。

已经有公司对标泡泡玛特，想用情绪价值找出路

四月底，我们见到了人形机器人领域中最乐观的一批投资者。那是北京亦庄机器人马拉松结束后的第三个交易日。他们原以为这场马拉松是 “空头办的”，全程遥控不说，现场大部分机器人都跑掉了自己的零件，摔倒了被人扶起来。

但随后的几个交易日，机器人供应链的股价还是连续走高，让他们恢复了信心。提及比赛第二名跑一半脑袋掉了，一位基金经理说：“头掉了怎么了，头掉了不也跑完了，脑袋不重要。”

叙事可以继续，但实际造机器人的公司已经开始面对现实问题。特斯拉今年生产的人形机器人，主要工作是在特斯拉得州奥斯汀工厂搬东西，比如把传送带上的 4680 电池拿下来放到料箱里。6 万美元相当于当地搬运工 15 个月的薪资，不算维护成本可以勉强用一下。

不过按计划，特斯拉今年就要造 5000 多台机器人，但取代所有搬电池的工人只需要几十台。那剩下来的几千台要做什么？“可能是放仓库里吧。” 一位接近特斯拉人形机器人团队的工程师说。

其实捡电池本来就不用人工，比如宁德时代电池生产线是用更便宜的工业机器臂直接成批把电池抓进料箱，一个人都不用。

其他公司的生产进展更差。去年声称已经将一队机器人送到宝马工厂 “工作” 的美国公司 Figure 近期被曝出，其机器人只是在宝马的车身车间练习拾取和放置零部件，仅在非生产时段运营。还有一家中国公司的人形机器人在汽车工厂上班一周后，被工人开叉车送了出来。

在中国替代蓝领更难。中国任何一个地方的工厂都可以用每月几千元人民币的成本雇佣到一双灵活的手，做复杂得多的事情。今年的上海车展，小鹏、长安等公司都开始用人形机器人当车模。这才是人形机器人当下最常见的用途。

一位投资了机器人领域的一级市场投资人说，现在已经有人形机器人开始对标泡泡玛特，“现阶段都以提供情绪价值为主”。他的一位同行则说，能做成泡泡玛特就很强了，毕竟它市值已经超过 3000 亿港元。

特斯拉今年第一季度电话会上，马斯克下调了人形机器人产量目标，年产 100 万台机器人的时间点从 2027 年推迟至 2029 年。

特斯拉 20 年前做电动车时，它不需要重新设计方向盘、轮胎。人形机器人的零件数量大概 7000 个，比汽车少 30%，但大部分都要重新做。

如一位人形机器人从业者所说，做人形机器人就像是重新发明一次汽车，并同步解决自动驾驶问题。

来源：晚点LatePost