宇树办赛，特斯拉爬坡：物理AI的分岔路

同一天，两记重锤砸进人形机器人行业。10月22日，王兴兴在杭州的2026世界物理AI大会上把宇树科技的底牌摊开：量产、小模型、算力，外加一项每年砸数千万奖金的全球大赛。几乎同一时间，马斯克一边给全行业的炫酷演示视频泼冷水，一边披露特斯拉 Optimus的量产爬坡时间表。一个在花钱买生态，一个在硬啃制造。物理AI这场仗，正从“谁能表演”切换到“谁能量产+谁有真智能”的双淘汰赛。

🏆 杭州那场大会，宇树在买什么？

一年数千万的奖金池，买的不是曝光，是数据与人才的飞轮起点。

这场大会上，王兴兴以董事长、总经理兼首席技术官三重身份登台，给出三大布局：大规模量产能力（适配千万级乃至亿级需求）、自研+合作并行的物理AI小模型、超大规模算力集群——恰好对应硬件、软件、基础设施三层，颇有点当年手机厂商“硬件铺量+自研芯片+自建云”的既视感。

真正的增量信息是赛事。官宣的世界物理AI大赛每年投入数千万元奖金，面向全球团队与个人开放，设任意移动、田径、格斗、灵巧操作、生产、体育赛事、多模态交互、康养八大赛道。

这里值得多想一层：八大赛道的划分，本身就是一份“宇树认为机器人该去哪儿干活”的路线图。 从移动底盘到灵巧手、从工业到康养，全球团队参赛产生的策略与数据，最终都会沉淀为宇树的生态资产——它不需要亲自解决所有算法问题，只需要站在平台方和硬件提供方的中枢位置。这是典型的“用奖金换生态位”，对标的不是任何一个机器人厂商，而是安卓的开发者大会打法。风险同样明显：生态开放意味着算法层可控性下降，小模型“适配自家硬件”是宇树给自己留的那道护城河。

🎭 马斯克泼的这盆冷水，其实是一次信任出清

演示视频越好看，越要问一句：是真智能还是提线木偶？

在X Takeover访谈上，马斯克直言：网上大量观感震撼的人形机器人表演视频，绝大多数是预编程固定脚本，部分甚至靠后台远程操控。预编程机器人只能在布置好的环境里重复排练动作，物品挪个位置、多一个未知障碍就会卡壳——这类演示验证的是“运动控制下限”，而非“智能上限”。

有意思的是，马斯克没有只当裁判。他透露特斯拉将在一两个月后发布Optimus完成非预编程任务的视频，等于把行业考试题公开化：下次看演示，先问是不是预编程。

本文的判断是：这盆冷水的杀伤力不在批评本身，而在于它重新定义了演示的“及格线”。 当表演通胀到观众免疫，“无预编程”反而成了最稀缺的产品力——那些依赖脚本演示拿订单的厂商，接下来每一场发布会都是在给自己埋雷。

🏭 年产能100万台之后，还有1000万台

人形机器人的制造难度，高于特斯拉以往任何一款车——这是马斯克的原话，也是整条新闻里最容易被数字淹没的一句。

特斯拉最新财报确认：Optimus已在弗里蒙特工厂的高产量产线上投产，下线的是首批具备量产质量的机器人。产能规划上，弗里蒙特专用产线瞄准年产能100万台，得州超级工厂准备第二条产线、长期设计年产能1000万台——但马斯克同时踩了刹车：得州产线需要约一年以上才能达到周产2万台。

慢的原因很工程师：电动车可沿用大量成熟零部件，而Optimus大量零件全新开发，供应链要从头搭建，产能遵循S型爬坡曲线。电机磁体等关键件供应问题此前曾让项目延误数月——这不是故事，是真金白银的学费。

芯片层面，AI5计划集成到Optimus，顺利的话明年4月完成，算力远超AI4，并针对机器人场景缩减内存配置。商业化节奏是马斯克式的克制：2027年底解决设计、可靠性与寿命问题后才对外供应，眼下下线的机器人优先留在工厂内部作业、采集真实环境数据。先自用练数据，再对外卖产品——这条数据飞轮路径，恰恰是宇树最缺的一环。

📊 两条路线，殊途在哪？

同一赛道，两种活法，没有谁抄谁的作业。

宇树走生态先行：硬件铺量、小模型开放合作、赛事聚拢全球开发者，用外部创新补算法短板；特斯拉走垂直整合：自研芯片、自建超算、自造产线、数据自采，整条链条攥在手里。一个借力打力，一个全栈自研，中间隔着完全不同的组织能力和现金流结构。

图上定位仅供参考，但分化趋势是清晰的：预编程演示型厂商一旦客户要求真实场景交付就会现出原形；传统自动化方案吃不到人形机器人的增量。真正的悬念在宇树和Optimus之间——前者的胜负手是迭代速度和生态广度能否对冲数据闭环的深度劣势，后者的胜负手是封闭体系能否撑起1000万台产能的资本开支。 马斯克“人形机器人数量将超过人类、赛道将成为全球最大产业”的判断，两条路线都认，分歧只在于：通往那个世界的路是谁修的。

🔁 真正的分水岭：数据闭环和灵巧手

台上的机器人会跳舞，台下的问题不会自己消失。

马斯克点得很透：硬件层面最大的瓶颈是灵巧手——人手数十个自由度，配套执行器、触觉传感器几乎无成熟供应链可用，只能从零自研。这恰恰是本文认为最值得关注的产业链机会：灵巧手的执行器与触觉传感，是当前少数还没被巨头垂直整合锁死的环节。

数据闭环上，两家殊途同归。宇树搭建“AI自主研发—仿真训练—真实测试—反馈迭代”的自进化体系；特斯拉把下线机器人先扔进自家工厂干活、采数反哺模型。一个靠全球赛事撬动外部数据与人才，一个靠自有工厂内部消化——方向一致，但深度不可同日而语：宇树的赛事数据是别人在宇树硬件上产生的，特斯拉的数据是自己的机器人在自己工厂里产生的，前者广而浅，后者窄而深。谁先把对方的优势补上，谁就赢下半场。

📌 结语：淘汰赛的开场哨，看三个信号

10月22日这一天，行业被两股力量同时推着走：宇树用三大布局和年度赛事提前圈生态，赌的是开源共创跑赢封闭研发；特斯拉用产线和时间表压注垂直整合，赌的是数据与制造的复利。共同点也很明确——都在告别预编程式表演，把筹码压向真智能与真量产。

接下来12个月，盯死三个信号就够了：

1. Optimus那条“无预编程”视频的成色——它是真智能的首次公开验货，也可能只是更高级的编排，看懂它就看懂了特斯拉的底牌成色；

2. 宇树算力集群与小模型的落地进度——生态叙事讲得再好，没有自家的物理AI模型兜底，平台位就只是硬件代名词；

3. 灵巧手供应链有没有新的破局者——谁能把数十自由度的执行器和触觉传感做到可用、可量产、可外供，谁就握住了两家巨头都得买的那张票。

物理AI的淘汰赛，才刚吹响开场哨。台上还在跳舞的，未必活到最后；台下默默搭产线、喂数据的，正在修那条通往千万台的路。