编者按：美国加州时间9 月 30 日晚六时，特斯拉 AI Day 准时开始。仅仅过了一年的时间，马斯克没有食言，真的把人形机器人「擎天柱」带到了人们面前。这个」擎天柱「被工作人员推上台，表演过程中有点」踉踉跄跄「，马斯克笑言，「担心它摔倒」。马斯克竟然强调了「不摔倒」这件事的意义。

在我们往常的认知中，机器人站起来是一件常规的事情，对机器狗来说，因为它有四足，所以没有被重点提及过。但对马斯克来说，这似乎是一个关键技术节点的突破。腾讯科技联合安信元宇宙研究院院长焦娟，通过十问十答，读懂新登场的特斯拉人形机器人Optimus的真正科技含量，我们也将重点聊聊，「站立」这件事对人形机器人的技术意义。

划重点

●特斯拉人形机器人要做成「人」形，是基于人类情感、机器与人的交互的实现方式、及未来商业全景图的全维度考虑。

(相关资料图)

●让人形机器人不摔倒，不是一件容易的事，马斯克所说的，在「没有系绳」的情况下，也没有摔倒，更有可能是人形机器人的重大突破。

●记住2026年这个时间点，马斯克说3-5年，你就能拥有一个属于自己的」擎天柱「机器人了，特斯拉降价到19-20W，如果机器人到达现在的车的销量，成本确实能控制在2W美金。

正文：

Q1：特斯拉机器人「擎天柱」为何要做成「人形」？

我们可以从两个层面来解读：

浅层次的原因：「人形」的机器人更便于实现机器与「人」的交互。马斯克曾表达过，特斯拉做机器人是为了替代人们做危险、重复、无聊的工作，随着时间的推移，它们可能也会拥有独特的性格，成为人类的同伴，可以做饭、修剪草坪、照顾老人等，不论是在情感上还是形态上，当机器与人「交互」时，「人形」的物理装置和人类的「衔接」成本是最低的，即模拟「真实的人」的物理装置，可以最丝滑、流畅地模拟、替代在社会活动中发挥作用的「人」。

深层次的原因：在虚拟现实的未来「全景图」中，「人形」机器人有利于满足未来虚拟现实「全景图」对软硬件配置的升级要求。在未来的虚拟现实世界，整个运作环境对人类所具备的软硬件配置要求会变得更高，人类的部分角色与作用在未来需要人形机器人来填补。

Q2：「人形机器人」与其它机器人相比，有什么难点？

从技术实现路径上来看，人形机器人和其它形态机器人的物理装置及外显没有差别，因为机器人的本质就是AI，即「基于收集的信息对自身进行迭代式改进的系统和机器」，只不过机器人多了一个物理装置显现在现实的物理世界中，从这个角度来看，机器人是方形的、圆形的、人形的、动物形状的（机器狗、机器马、机器牛），其实没有本质差异，顶多是工程方案上的细微差异。

人形机器人与其他机器人的差别或难点，可能在于「人形机器人」被赋予了更高的智力需求。而其他机器人，比如陪伴型机器人「机器狗」只需要1-2岁或3-4岁小孩子的智力水平（用于交互需求），但人形机器人则需要接近于成年人的智力水平，它需要满足人类对一些应用场景的需求，比如进入家庭场景、能识别非常模糊的指令，以真正发挥出模拟或替代人的部分角色与作用。

Q3：马斯克担心」机器人会摔倒「，实现人形机器人的平衡很难吗？

马斯克在发布会上说：「这实际上是机器人第一次在‘没有系绳’的情况下走上舞台。机器人实际上可以做的比我们展示的要多得多。我们只是不希望它摔倒。」

「不系绳」的这种提法，虽然口语化，但意义最为重大：过往的机器人，需要首先输入指令，然后它通过消解指令的方法去执行；「不系绳」则是让机器人独立去面对周围环境，而不提前给他输入指令。

Optimus看似只是在舞台上简单走几步，在」不系绳「的前提下，已经类似于婴儿的「蹒跚学步」，只要不再摔倒，未来必然会加速成长。对于人类来说，直立行走」不摔倒「可能很简单，但是对于机器人来说，这个是很难实现的目标，需要考虑各种生物学、运动学因素，并与机器人本体做完美结合。当然，幽默一点，另外的角度，Optimus高1.73米，重113.3斤，一旦摔倒，有可能摔到最贵的脑袋与身体的硬件（也很贵）。

Q4：现场看到的特斯拉人形机器人的技术亮点有哪些？

2021年AI日：是介绍了人形机器人的概念，2022年是人形机器人的第一版

最新一代的optimus机器人，考虑到运动学与量产的关键指标：

1）尽可能减少元件的数量与功耗，如四肢的电池组——驱干中心是有电池组的（维持一整天的工作），所有电池的电子设备集中到电池组内的单个PCB里面——从传感、融合、充电管理汇集到一个系统中，借鉴了电子产品与汽车产品的设计，这款电池是非常关键的；

2）流线型的设计与高效简单的冷却；

3）大脑——特斯拉车上的FSD电脑，将自动驾驶的硬件与人性平台的软件结合在一起，但需求和形式与汽车还是有不一样的地方

Q5：特斯拉汽车的自动驾驶如何应用在人形机器人上？自动驾驶汽车和人形机器人有何本质的不同？

自动驾驶的模型是「输入-计算平台-输出」，这一模拟过程同样适用于人形机器人，即一辆能实现自动驾驶的车辆，其本质运作逻辑与人形机器人是一样的。

它们都能够用视觉系统识别出周围的物理环境（不管这个物理环境是在高速驾驶的道路上，还是在家庭聚餐的环境中），然后将所识别出的数据传输到计算平台上，这种计算平台能通过算法、算力给出实时反馈，并将这些反馈传输给「输出」环节——即传感器与执行器，这样，车或人形机器人就可以根据周围的物理环境的变化，给出恰当的反馈。

自动驾驶车辆与人形机器人唯一的不同，是自动驾驶对这一模型的运作精细度等要求更高，因为在正常情况下，车的驾驶速度远高于人形机器人的行走或奔跑速度。

Q6：自研超算Dojo对于特斯拉人形机器人的作用体现在哪些方面？

自动驾驶对算力的要求更高。但人形机器人可能对算法的要求更高，因为从认知、决策的角度来讲，人形机器人所面临的环境/场景会更缜密/复杂。

所谓 Dojo，指的是特斯拉自研的超级计算机，它能够利用海量的视频数据，为特斯拉自动驾驶做「无人监管」的标注和训练。这属于上述模型中，介于「输入」与「计算平台」的一部分，这部分的核心意义是真正帮助实现车的「视觉系统」的技术路径与工程方案：

1）帮助建立高质量统一的向量空间；

2）8个摄像头绑一起拍摄环绕图，加入时间维度，生成环绕立体视频；

3）环绕的视频必须被自动标记，特斯拉编写了自己的标签工具，创造了自动标签系统，人类标签只是辅助，其只对已经生成的视频标签做一些细微的修改，然后将这些修改反馈给未来的订单标签机，最终得到了一个「飞轮」，在这里汽车标签能够接收大量的视频，高精度地自动标签视频汽车、车道线、驾驶空间，这里面需要对时间和空间进行存储，存储不能是无限的，会消耗大量内存——而这背后的工程方案，即 Dojo。

Q7：特斯拉人形机器人是传统机器人的完全颠覆？还是传统机器人的迭代？

完全颠覆。对比特斯拉的人形机器人，过往的机器人大概是擎天柱的「输出环节」，即传感器与执行器部分，没有前面的「输入」与「计算平台」。

Q8：特斯拉人形机器人的应用领域主要有哪些方面？会对哪些传统机器人造成冲击？

传统机器人只是「工具」，而特斯拉人形机器人从设计之初，就被赋予能成为独立「生产力」的期待——即模仿或替代人的作用。

更直观地说，「工具」需要为人所用，它们类似于斧头、锤头的功能；而独立的「生产力」，就像人的伙伴或助手，人类只需要对其下达模糊的指令，人形机器人就可以理解（认知）并拆解为一系列行动（决策）。故，人形机器人的应用领域，先从to B场景开始，一定会进入家庭等场景的to C领域。

Q9：现场有人提问，「擎天柱会不会成为电影里终结者的样子？「人形」机器人会不会带来更严重的人工智能治理问题？

马斯克在问答环节提到，擎天柱Optimus机器人有各种陪伴人类的功能，用户可以让机器人做不同的事情，特斯拉未来也会据此形成不同版本的Optimus等。不希望Optimus成为电影里终结者的样子。为此设计了很多安全屏障，在本地有停止按钮，远程也有控制。

人形机器人最难的，不是去实现它，而是去治理好它。人形机器人毕竟是要进入家庭端、to C场景应用的，一定是双刃剑——用得好，是人的助手/帮手，用得不好，全是风险敞口。从人形机器人的风险控制角度，目前看：1）本地化部署，不能将更新放置在云端；2）成立社会层面的治理委员会；3）最终极的风险控制，可能还是要以人为载体，即脑机接口。

Q10：马斯克说，3-5年间，你就能拥有一个属于自己的」擎天柱「机器人了，从现场发布来看，是否靠谱？成本2w美金，是否能实现？

3-5年，即2026年开始，拥有一个属于自己的擎天柱机器人，我认为是靠谱的——但这种靠谱大概率也需要特定人群，如养老/陪伴需求的老人，这种特定人群或场景的需求，符合发布会现场所说的「有能力去物理世界中移动，一定程度的智能」。

如果不仔细看发布会，或者理解不深入，会认为发布会上的Optimus似乎很一般，但「不系绳」「没有准备任何备份的支持」，背后是Optimus的核心竞争力，是基于现实世界的智能，这是最重要、也最艰难的一步。

机器人速度比车要慢很多，所以逻辑上，比车简单（即大脑不用那么高速运转）；硬件的成本上，也比一辆车要少，考虑到特斯拉最近要降价，降到19-20W人民币一台车，如果机器人到达现在的车的百万量级销量，确实似乎成本可以控制到2w美金。

编辑/lydia