美国机器人三巨头特斯拉、Figure、1X，正在把竞争带向“Physical AI”

文 | 具身商业前哨

“中国机器人和美国机器人之间的差距，不是越来越小，反而越来越大了。”一位机器人本体厂商的产品负责人对「具身商业前哨」表示。

这句话听起来有些刺耳，但并非没有道理。

就在国内还在讨论融资、量产和价格时，特斯拉、Figure和1X已经把问题推进到另一个层面：机器人的竞争正在走向“Physical AI”。

近期，我们梳理了特斯拉、Figure和1X在技术路线、核心部件、制造体系以及商业化落地上的信息。一个明显变化是：海外头部机器人公司正在弱化单纯的本体参数，更加强调AI大脑、世界模型、VLA模型、端侧推理、真实数据闭环，以及规模化制造能力。

这是一个明显的信号，人形机器人不再只是一个会动的机器，而正在成为“AI进入物理世界的入口”。

特斯拉：打造人形机器人的基础设施

特斯拉正在把自身能力，从电动车制造延伸到Physical AI平台。其最大的优势，不是Optimus V3的本体，而是它背后那套已经被自动驾驶验证过的AI基础设施，正在开始落地到机器人领域。

马斯克最近在财报会上也提到，Optimus V3不愿意过早公开展示，因为竞争对手可能会逐帧分析并复制。特斯拉最新计划在7月底或8月初启动Optimus的量产。

今年4月，特斯拉下一代AI推理芯片AI5受到持续关注。按照特斯拉的长期规划，这类AI芯片不只服务汽车，也会服务Optimus以及未来更大规模的AI计算需求。

行业人士分析：特斯拉做机器人，并不是只做一个机械本体，而是在围绕“AI如何进入物理世界”搭建底层基础设施。

“别人是在训练机器人，特斯拉更像是在训练Physical AI。”行业人士分析，特斯拉的优势包括数十亿英里的FSD真实道路数据、长期积累的视觉感知和世界模型训练经验、自研AI芯片和端侧推理体系、超算和训练基础设施、软件栈和制造体系协同能力。

在核心部件层面，虽然外界很难获得Optimus V3的完整参数，但从目前曝光的信息和官方的公开表述来看，至少有几个方向值得关注。

第一，Optimus V3的整体身高仍在173cm左右，但体重有望进一步减轻20%，姿态和运动方式会更接近真人，总自由度预计超过50个。

第二，触觉传感、皮肤材料、零部件集成度和电池续航能力，都会继续升级。这些变化是为了更方便量产、更稳定工作。

第三，新一代灵巧手可能拥有22个自由度，更接近真人手掌比例，并具备力反馈和指尖触觉传感能力。

灵巧手也是特斯拉反复推迟Optimus展示和量产节奏的重要原因之一。行业人士表示，人形机器人最难的部分，往往不是让它走起来，而是让它稳定、可靠、低成本地完成真实工作。

在商业落地上，特斯拉是为数不多同时造汽车和机器人的超级平台，所以这也是马斯克敢于提出要把Optimus的售价压低在2万美元的底气之一。

据公开报道，弗里蒙特相关产线的远期目标年产能可达100万台；德州超级工厂后续也被规划为更大规模的机器人产线，长期目标年产能高达1000万台。

按照长期规划，Optimus初期将重点满足特斯拉内部工厂需求，大幅替代人工完成重复性和危险性任务。摩根士丹利发布的一份报告指出，如果特斯拉用Optimus机器人替换其10%的员工，将节省高达25亿美元的成本。

这也是为什么，马斯克会把Optimus视为特斯拉未来最重要的增长曲线之一。特斯拉做Optimus是在搭建一套AI进入物理世界的基础设施。

Figure：让 AI Agent在真实世界落地

如果说特斯拉的优势来自自动驾驶、芯片和制造体系，那么Figure AI的特点，是它更像一家原生的Physical AI公司，而不是传统机器人公司。

Figure的目标是交付一款真正通用的人形机器人：一种能够执行类人任务，并直接向人类学习的机器人。

它很少把传播重点放在关节参数、扭矩、自由度、负载这些硬件指标上。Figure更愿意讲 Helix、VLA 模型、多任务泛化、自然语言理解、推理能力，以及机器人如何完成连续任务。

美国科技媒体分析：Figure的野心是把 AI Agent落地到真实世界中。

据了解，Helix模型依赖超过100万小时的模拟与实地数据训练，试图把视觉、语言和动作打通。人说一句话，机器人看见环境，理解任务，再把理解转化为动作。

在技术路线层面，Figure坚信自研VLA模型以及神经网络端到端控制，可以让机器人具备更强的sim-to-real泛化能力。

它采用的是“快慢脑”的双系统架构。慢脑负责“思考”，理解自然语言指令和复杂场景语义；快脑负责“行动”，将慢脑的意图转化为毫秒级的精准动作，控制机器人完成全身运动和手部操作。

更重要的是，Figure还在尝试机器人之间的协作能力。两台机器人可以通过观察对方动作，实时推断意图并配合完成任务。多机器人协作开始进入Physical AI的训练范畴。

在核心部件层面，Figure 03专门围绕Helix、家庭场景以及规模化制造重新设计。它配备了重新设计的传感套件和手部系统，以更好地支持各类复杂任务。

Figure 03身高约173cm，整机约61kg，全身拥有35个自由度。外部采用织物材料和软泡沫包裹，这一设计明显更适合家庭环境。

在断网或部分关节轻微损毁的情况下，Figure 03仍具备一定工作能力。整体续航约4到5小时，采用脚部无线感应充电方式。灵巧手加入摄像头和触觉传感器，目标是进一步接近人类水平的灵巧操作能力。

在商业化层面。Figure官方披露，BotQ工厂已将Figure 03的生产效率从每天1台提升到每小时1台，未来四年累计生产目标为 10 万台。

同时，Figure没有完全依赖外部制造商，而是将电机、电池、关节等关键部件纳入内部生产，以便降低成本、控制质量、加快迭代速度和提升效率。

对于Figure来说，每一台出货的机器人，也是一台数据采集终端。机器人在不同家庭、不同商业场景中遇到的新任务，都可能成为下一版Helix的训练素材。

通过先进感知、触觉智能、家庭设计和大规模制造准备能力的结合，Figure正在构建一个能够在家庭和商业环境中学习、适应并工作的机器人平台。

1X：让家庭成为Physical AI的训练场

相比特斯拉和Figure AI，1X的路线更激进。NEO机器人不是先去工厂搬箱子，而是进入真实家庭，完成整理衣物、收拾厨房、整理沙发、递送物品等任务。它更坚决地把家庭当成训练 Physical AI的真实场景。

更加值得注意的是，1X可以被视为OpenAI在具身智能和人形机器人方向的重要外部押注之一。

在技术路线上，1X发布的1XWM，是一个基于互联网视频预训练的生成式世界模型。它的核心不只是让机器人识别物体，而是让机器人形成对世界的理解，并在此基础上持续学习与行动，以推动NEO的规模化部署。

这就是1X路线里最有意思的地方。它试图让机器人通过看视频学会新动作。比如，你给它看一段叠衣服的视频，它就有机会学习类似动作。之后，NEO还可以通过OTA更新获得新能力。

如果遇到不会做的事，1X 的操作员可以远程接管，手把手教它。等它学会之后，下次就有机会自己完成。这套机制的本质，是把家庭变成一个持续生成数据、持续训练模型、持续迭代能力的真实环境。

在核心部件上，NEO身高约168cm，体重约30kg，采用柔性3D晶格外壳包裹全身。它的噪声控制被设计得很低，续航约4小时，能够识别人类手势和表情。灵巧手拥有22个自由度，同样采用腱驱动系统。它比其他机器人更轻，也更适合家庭环境。

再看商业落地。根据1X官方披露，海沃德工厂正在向年产1万台NEO爬坡。随着自动化更新推进以及圣卡洛斯新工厂逐步投用，公司目标是在2027年底达到年产10万台。

NEO的价格方案包括2万美元买断，或者每月499美元订阅。据媒体报道，1X首年1万台计划产能在预售开启后短时间内售罄。

AI的智能来自多样性，不是来自重复。这句话几乎可以概括1X的路线。它不是先把机器人训练到完美，再送进家庭；而是让机器人进入真实家庭，用真实家庭环境反过来推动 AI 能力突破。

机器人竞争走向“谁更懂现实世界”

人形机器人的竞争，正在变成三件事：谁能把AI大脑和机器人身体真正打通？谁能获得足够多、足够真实、足够多样的数据？谁能把机器人从 demo 推向可制造、可交付、可持续迭代的产品？

特斯拉、Figure、1X这三家公司路径不同，但都指向同一个判断：人形机器人未来的核心，是AI能不能通过这副身体理解现实世界、适应现实世界，并最终改变现实世界。

这也是中国机器人公司接下来必须面对的问题。中国机器人行业过去几年跑得很快，供应链、成本、工程化和量产速度都有优势。

但如果竞争维度从“本体能力”升级到“Physical AI”，双方的差距就会体现在模型、数据、芯片、算力、软件栈和真实场景闭环等层面。

如果没有这一层能力，量产越快，可能越像是在更快地把自己推向硬件代工的位置。