马斯克把Optimus的底裤扒了：真AI不排练，真难点在手指头

10月10日，特斯拉得州工厂，马斯克在一场叫X Takeover的活动上说了句大实话。他说现在网上那些看着特别炫酷的机器人演示视频，绝大多数都是提前编排好的剧本，或者后台有人拿着遥控器操作，那玩意儿根本不算真正的AI。

他还给“真正的AI机器人”下了个很硬的标准：把机器人扔进一个它从没见过的房间，给它一个从来没训练过的任务，不遥控、不排练，让它自己观察、自己判断、自己动手完成，这才算真本事。

有意思的是，马斯克在怼别人的同时，也把自家Optimus的底裤扒了。他承认Optimus目前也还达不到这个标准，手部精密操作和触觉感知都是硬骨头，所以不急着卖，先让机器人在工厂里摔、在实际场景里学。

一个不排练的AI，到底意味着什么

马斯克这段话其实点破了行业里一个公开的秘密。

你看那些机器人跳舞、打拳、后空翻的视频，确实很震撼。但仔细想想，这些动作都是工程师提前写好程序，在固定场景里反复调试出来的。换一个房间、换一个物体、换一个光线条件，机器人可能就直接懵了。

截至2026年，摩根士丹利联合多家海外投资机构的分析指出，市面上展示精细操作的人形机器人，80%到90%依赖后台人工遥操作。真正能做到端到端自主运行的，少之又少。

那什么才算真正的自主AI？有个很朴素的测试方法：给机器人一杯装满水的纸杯，让它稳稳放到桌上，不洒一滴。这事儿对人来说毫不费力，对机器人却是一道综合考题——它得能感知压力、判断滑移、随时调整握力。没有提前排练，没有人在后台操控，完全靠自己的视觉和触觉来判断。

马斯克说Optimus的AI架构走的是和FSD（特斯拉自动驾驶）一样的端到端路线——输入像素，输出控制指令，中间不靠工程师写的硬编码规则。特斯拉还搞了个“双重飞轮”训练机制：一边用Dojo超算在虚拟环境里让机器人反复练习，一边在真实工厂里收集数据不断迭代。据公开信息，Optimus已经掌握了超过3500种家庭和工业场景任务。

但掌握任务和真正自主完成任务之间，差距还不小。有报道指出，目前特斯拉工厂里的Optimus机器人，大多数还是在受控区域内执行特定编程指令，而不是作为通用机器人运行。

手和前臂，占了整台机器人一半以上的工程难度

如果AI是Optimus的大脑，那灵巧手就是它最要命的一双手。

马斯克在财报会上说过一句话：手和前臂，占了整台机器人一半以上的工程难度。这话一点都不夸张。

先看数字。人类一只手大约有27个自由度，能捏鸡蛋、能拧螺丝、能打字、能弹钢琴。特斯拉Optimus第三代灵巧手做到了单手22个自由度，双手合计配备约50个微型执行器，指尖定位精度达到0.08毫米。

0.08毫米什么概念？大约是一根头发丝直径的十分之一。

但光有自由度远远不够，真正难的是怎么把动力传到指尖。

特斯拉的方案很“像人”：把25个执行器全部从手掌挪到前臂，用腱绳——你可以理解成超细的缆绳——从前臂穿过手腕，连到每根手指上。每根手指由3根超薄柔性缆线牵引，复刻了人类“肌肉在前臂、肌腱控手指”的生物力学结构。

这个设计的好处很直接：手掌变轻了，空间腾出来了，前臂空间更大可以统一做散热。

代价也很直接：25根缆绳要穿过手腕的路由机构，再钻进每节指骨的埋线槽。路径一长，精度和寿命都得付出代价。手腕里面还设计了一个“路由器”结构，把缆线从前臂的横向排列转换成手掌的纵向排列，减少多轴运动时的摩擦和信号串扰。你可以想象一下，在一根手指那么细的空间里，要同时穿过好几根缆绳，还要保证它们不打架、不磨损，这个工程难度有多大。

量产线上的尴尬：一百多颗螺丝还得手工拧

技术方案再漂亮，造不出来就是白搭。

The Information在2026年9月底披露了一个数据：Optimus的手部和前臂包含超过100个小型零部件和大量螺丝，目前仍然需要工人一颗一颗手工组装。汽车产线上的夹具根本对不齐这些零件——汽车零件按厘米级公差设计，手的零件是亚毫米级，同一套设备干不了两样活。

特斯拉的工程师达不到马斯克要求的灵巧度，直接导致了一个后果：2025年一批没有装上手部或前臂的机器人躯干，只能堆在仓库里。到2026年9月，Optimus的传感器负责人也离职了——这个团队管的正好是手部定位、目标识别和施力控制。

还有一个容易被忽略的问题：寿命。

特斯拉的旋转关节号称能用五年，但手指头在高频重复作业下只有六周左右的寿命。腱绳会蠕变——实验室里能穿针引线，产线上跑几百个小时，运动学模型就开始飘了。触觉传感器同样撑不住。一只手的物料成本约6000美元，按六周换一次算，一年光维护费用就接近10万美元。

特斯拉的应对办法是：把触觉传感器做成一层可以单独更换的“传感手套”，坏了换手套，不换整只手。这相当于承认可靠性短期治不好，那就先把可维护性顶上去。

这不是特斯拉一家的难题

灵巧手的难关，全球做机器人的公司一个都躲不掉。

国内灵巧手最薄弱的地方，恰好是最硬的地方：高精度行星滚柱丝杠的国产化率不到两成，微型丝杠批量生产的寿命离散度能差出五到十倍——同一批货，有的用半年，有的用三周。

小米的新一代“铁大”，双手33个自由度，全掌触觉覆盖8200平方毫米，在汽车工厂拧自攻螺母的工站上已经跑通了。但灵巧手的技术路线到现在还没有收敛，腱绳、连杆、直驱三大方案各有各的拥趸。腱绳仿生能力最强但标定是难题，连杆可靠性好但灵活度受限，直驱力控最准但手太重。

更现实的问题是价格。早年科研用的灵巧手动辄几十万甚至上百万，现在国产产品已经把价格打到了1.5万元级别。价格断崖式下探的背后，是整个供应链在快速成熟。

量产在加速，但离“真AI”还有距离

好消息是，特斯拉的产能爬坡速度确实在加快。弗里蒙特工厂的Optimus周产量已经升到数百台，比二季度翻了约十倍，年底目标是每周超过1000台。特斯拉还向供应商下了约5000台的量产订单，计划2026年下线约5万台。

但产能归产能，能力归能力。

行业里有一个值得关注的对比：Figure AI的Figure 03机器人已经完成了长达200小时的全自动作业直播，分拣了近25万个包裹，全程没有人工干预。Figure发布的Helix 2.5神经网络模型，让机器人在陌生环境里的零样本操作成功率从9%提升到了56%。这说明“真AI”不排练这件事，正在从概念走向现实，只是速度比大家期望的慢。

马斯克这次的表态，价值不在于他又说了什么惊人的话，而在于他把行业的真实水位亮了出来。当“没作弊”都需要当成卖点来宣传的时候，说明这个行业确实还在很早期。

他自己也说得很清楚：Optimus还在非常早期的阶段，目前没有机器人在工厂里真正承担有用的工作。先让它在工厂里摔、在实际场景里学，把基本功练扎实了再说。

这态度挺务实的。比那些拿着遥控器表演、却说自己已经实现全自主的，强得多。

话题讨论

你觉得人形机器人要做到真正的自主操作，最先应该突破的是AI算法，还是硬件层面的灵巧手？或者说，这两个到底哪个更卡脖子？欢迎在评论区聊聊你的看法。觉得内容有用的话，点个关注，后续继续聊机器人行业的真实现状。

免责声明：本文基于公开信息与行业报道整理，旨在客观呈现技术发展现状，不构成任何投资建议。数据来源已尽力核实，如有出入以官方发布为准。