人形机器人卷完灵巧手，开始卷产量

十月的两场发声，把人形机器人行业从"参数内卷"拽进了"产能叙事"：一边是王兴兴在2026世界物理AI大会暨宇树合作伙伴生态大会上报出G1累计下线1-2万台的数字；另一边，马斯克在特斯拉三季度财报电话会上，摊开了Optimus百万台产线和Terafab晶圆厂的时间表。灵巧手和空翻视频卷不动了，接下来拼的，是谁先把"万台"变成常态。

📊 王兴兴报了个数，行业算了一笔账

机器人行业从不缺发布会，缺的是交付。

在2026世界物理AI大会暨宇树合作伙伴生态大会上，王兴兴给出了一个行业等了很久的数字：自2024年5月发布以来，G1已经累计生产下线约1-2万台。

注意措辞——"约"，以及一个跨度不小的区间。这说明即便在宇树内部，这条产线仍处于爬坡状态，月产量是波动的。但把时间轴拉直看：两年半时间，一款人形机器人从发布走到万台级下线，这在整个行业是头一遭。对比大量同行还停留在小批量、按订单交付的阶段，万台是一道清晰的分水岭。

这个数字背后的产业逻辑至少有三层：

第一，规模摊薄成本。人形机器人的关节模组、减速器、传感器都还没有成熟的规模化供应链，只有持续走量，才能倒逼上游降价和良率提升。

第二，存量设备就是数据网络。每一台部署在客户手里的G1，都是一台物理世界的采集终端。万台在役，意味着真实场景数据在持续回流。

第三，看大会的名字。宇树办的是"合作伙伴生态大会"，不是产品发布会——这说明它的重心已经从"造出来"转向"让别人基于它做东西"，这是典型的平台化打法。

在不少从业者看来，G1更像"人形机器人里的开发板"：单台未必能干重活，但走量本身构建了护城河。万台下线，等于替全行业验证了一遍这条路线的可行性。

🏭 马斯克要建"机器人学校"，卡脖子的是数据

硬件的产能可以堆，数据的产能堆不出来。

10月22日的特斯拉三季度财报电话会上，马斯克透露了一个颇有画面感的规划：为Optimus建造一座"机器人学校"，保障AI训练顺利开展。

把这句话翻译成工程语言：特斯拉意识到，制约机器人量产爬坡的不是装配线，而是训练数据。马斯克本人也说得很直白——搭建擎天柱供应链、获取优质训练数据，是产能爬坡的关键。

关于产能目标，他的表述也罕见地留了余地：达成年产100万台机器人的目标，所需时间可能超过一年。百万台级产线的绝大部分设备已经落户弗里蒙特工厂，但要实现每周2万台的年化产能，"至少还需要一年甚至更久"。

交付时间点同样明确了：Optimus剩余的AI、设计和耐用性问题，预计在"明年年底左右"解决，之后特斯拉将开始向外部公司交付机器人。马斯克依旧保持着他标志性的断言——"坚信Optimus将成为地球上最大的产品"。

"机器人学校"是一个值得玩味的信号。它与宇树的路线构成了两条清晰的数据获取路径：

特斯拉走的是集中式路线——自建训练场，把数据生产工业化、标准化；宇树走的是分布式路线——靠万台存量设备在真实场景中回流数据。前者数据质量可控但成本高昂，后者数据真实但脏、杂、难标注。

两条路线孰优孰劣还没有答案，但共识已经形成：人形机器人的下一场战争，是数据生产力的战争。

⚙️ 上万项环节，最慢的一环决定一切

人形机器人的终极成本，是算力的成本。

这场财报会上信息量最大的部分，其实是Terafab。按照马斯克的说法，位于奥斯汀的Terafab研发晶圆厂正在推进：明年上半年启动设备调试，顺利的话五六月份制造首批测试芯片——用他的原话说，先"验证我们究竟能不能造出芯片"。

产能规划是三级跳：起步阶段每月只生产数千片晶圆，目标是"验证技术思路"；初期月产能10万片；后续扩产至每月100万片。芯片量产的时间锚点是2028年第三季度实现某类实用芯片的量产。

这个项目的身世本身就很有戏剧性。有报道称，马斯克当初向英特尔等企业收购工厂遭到拒绝，才决定自主推进。而现在，Terafab的主要合作方恰恰是英特尔——双方将采用其下一代14A制程，后者已确认2028年第一季度量产。Terafab同时是特斯拉生产AI5芯片的核心项目，而AI5正是用来驱动Optimus的。

马斯克对这个项目的预期高到离谱：Terafab的经济价值"或许能跻身全球前二十国家经济体的水平"。

把所有节点排在一条时间线上，节奏其实非常紧：

为什么马斯克要在造车、造火箭之外再啃一块芯片制造最硬的骨头？他在电话会上给出了方法论层面的答案："机器人生产有上万项环节必须全部不出差错，整体进度由这上万项里面最慢的一环决定。"

人形机器人量产的"最慢一环"，很可能就是算力供应。自研自产AI5，意味着特斯拉同时锁定了三样东西：成本、供应安全、迭代速度。这是典型的垂直整合思路，也是特斯拉路线与几乎所有其他人形机器人公司的分野——别人从英伟达买算力，马斯克打算自己造。

圈内流传的一句老话很适合放在这里：机器人行业不缺技术路线图，缺的是把路线图上每一个环节都打通的人。

🗺️ 四象限看格局：身位已经拉开

格局没有定论，但身位已经拉开。

把目前公开信息下的主要玩家放到"技术门槛×商业价值"的四象限里，位置大致是这样的（以下为作者基于公开信息的判断）：

几个判断：

宇树G1在领跑区，靠的不是单点技术最强，而是交付量加场景验证的组合拳。万台下线是实打实的商业价值证据，虽然技术上它尚未证明能胜任高复杂度作业。

Optimus技术门槛最高，但商业价值坐标偏保守——因为它还没有向外部公司交付过一台。它的商业故事全部押注在明年年底之后的交付兑现上。门槛高、价值待验证，这是最典型的"高潜力、高风险"位置。

传统工业机器人巨头是存量玩家：商业价值扎实，但在人形这个新范式上动作偏慢，边缘场景正被具身智能玩家逐步蚕食。

大多数新势力仍在跟随者象限：融资驱动、Demo驱动，交付能力未经大规模验证。行业从"讲故事"进入"拼交付"后，这一批玩家将迎来最残酷的洗牌。

💡 万台之后，拼的是数据和场景

产能只是入场券，终局看数据闭环。

把两边的公开信息放到一张表里对照，路线差异一目了然：

再把这场产能竞赛里的几个关键数字集中看一眼：

一个容易被忽略的信号藏在大会的名字里——"世界物理AI大会"。行业叙事正在从"机器人本体"切换到"物理世界中的AI"。这个切换意味着评价体系的改变：过去比关节自由度、比负载、比空翻，未来比的是数据闭环速度、单台成本曲线和真实场景渗透率。

对宇树来说，万台存量设备是分布式数据网络的雏形；对特斯拉来说，机器人学校加Terafab是集中式数据工厂加自供算力的组合。殊途同归——都在解决同一个问题：让AI在物理世界里跑起来，并且跑得起。

顺带一提，马斯克在电话会上还更新了Terafab之外的时间表：AI5芯片相关布局与2028年的量产节点环环相扣，而机器人整机的量产爬坡又依赖这颗芯片。环环相扣，正是风险所在。

小结

万台下线和机器人学校，是同一枚硬币的两面：前者证明人形机器人"造得出、卖得动"，后者承认AI还"教不会、学不满"。产能赛点之后，决胜变量是数据闭环的速度和真实场景的渗透率。2027年底是一个密集的验证窗口——Optimus计划届时完成问题收尾并启动外部交付，Terafab的设备调试与测试芯片也将见分晓。到那时，我们再回头看这台“产能大戏”，究竟是里程碑，还是又一张需要延期的路线图。